Come Trovare Autovalori e Autovettori di una Matrice Quadrata

Nel contesto della teoria delle matrici, uno degli argomenti più fondamentali e potenti riguarda gli autovalori e gli autovettori, concetti che emergono dalla risoluzione di equazioni lineari associate a matrici quadrate. Una matrice $A$ di ordine $n \times n$ può avere numerosi autovalori, che rappresentano valori scalari $\lambda$ che soddisfano una specifica relazione algebrica con la matrice. Gli autovettori sono, invece, i vettori che non cambiano direzione quando moltiplicati per la matrice, ma vengono solo scalati dall'autovalore corrispondente.

Definiamo formalmente un autovalore e il relativo autovettore come segue. Consideriamo una matrice quadrata $A$ di ordine $n \times n$ . Un numero $\lambda$ è un autovalore di $A$ se esiste un vettore non nullo $K$ , detto autovettore, tale che:

A K = \lambda K

Dove il vettore $K$ non è il vettore nullo. Questo significa che la moltiplicazione della matrice $A$ per l'autovettore $K$ produce un altro vettore che è semplicemente una versione scalata di $K$ dal fattore $\lambda$ .

Calcolo degli Autovalori

Per calcolare gli autovalori di una matrice, si parte dalla equazione caratteristica, che si ottiene detraendo $\lambda$ dalla diagonale principale della matrice $A$ e calcolando il determinante della matrice risultante. L'equazione che si ottiene è un polinomio di grado $n$ in $\lambda$ , e le radici di questo polinomio sono gli autovalori.

L’equazione caratteristica è scritta come:

\det(A - \lambda I) = 0

Dove $I$ è la matrice identità di ordine $n$ , e il determinante è calcolato su $A - \lambda I$ . Il valore $\lambda$ che soddisfa questa equazione è un autovalore della matrice $A$ .

Ad esempio, se una matrice $A$ di ordine $3 \times 3$ ha un autovalore $\lambda = -2$ , possiamo verificare che tale valore soddisfi la relazione $A K = \lambda K$ semplicemente moltiplicando la matrice $A$ per il vettore $K$ e confermando che il risultato è un multiplo di $K$ .

Autovettori e la Soluzione del Sistema Lineare

Una volta che gli autovalori sono determinati, gli autovettori possono essere trovati risolvendo il sistema omogeneo:

(A - \lambda I) K = 0

Dove $K$ è il vettore colonna che deve essere trovato. La soluzione di questo sistema fornisce il set di autovettori associati all'autovalore $\lambda$ . Poiché il sistema è omogeneo, ci saranno sempre soluzioni non triviali, a condizione che il determinante della matrice $A - \lambda I$ sia nullo, come indicato dal teorema di Cramer.

L'uso dell'eliminazione di Gauss-Jordan è un metodo comune per risolvere questo sistema e trovare i vettori $K$ . Gli autovettori non sono unici: qualsiasi moltiplicazione per una costante diversa da zero di un autovettore produce un altro autovettore valido.

Autovalori Complessi

In alcuni casi, la matrice può avere autovalori complessi. Se $\lambda = \alpha + i \beta$ è un autovalore complesso di una matrice $A$ , allora anche il suo complesso coniugato $\lambda = \alpha - i \beta$ è un autovalore della matrice. Se $K$ è un autovettore associato a $\lambda$ , il suo complesso coniugato sarà un autovettore associato al coniugato di $\lambda$ .

Matrici Singolari e Autovalore Zero

Un altro aspetto cruciale degli autovalori è la relazione con la singolarità di una matrice. Se una matrice $A$ ha l'autovalore $\lambda = 0$ , ciò implica che la matrice è singolare, ovvero non invertibile. In effetti, una matrice quadrata è singolare se e solo se uno dei suoi autovalori è zero. Questo è il risultato del fatto che un autovalore nullo significa che esiste un vettore non nullo $K$ tale che $A K = 0$ , e quindi il determinante di $A$ è zero.

Autovalori e Determinante

Il determinante di una matrice quadrata è direttamente collegato ai suoi autovalori. Se una matrice $A$ di ordine $n \times n$ ha autovalori $\lambda_1, \lambda_2, \dots, \lambda_n$ , il determinante di $A$ è semplicemente il prodotto di questi autovalori:

\det(A) = \lambda_1 \cdot \lambda_2 \cdot \dots \cdot \lambda_n

Questo legame tra determinante e autovalori è utile in molte applicazioni pratiche, specialmente per determinare se una matrice è invertibile (se il determinante è diverso da zero, la matrice è invertibile).

Considerazioni Importanti

È importante ricordare che se una matrice ha autovalori complessi, questi devono sempre comparire in coppie coniugate, e i rispettivi autovettori possono essere anch'essi complessi. Inoltre, non sempre è possibile trovare un numero sufficiente di autovettori linearmente indipendenti. Questo accade soprattutto nei casi in cui la matrice ha autovalori ripetuti (con molteplicità maggiore di uno). In alcuni casi, come nel caso di matrici non diagonalizzabili, potrebbe non essere possibile trovare un sistema completo di autovettori.

In sintesi, la teoria degli autovalori e degli autovettori è uno degli strumenti matematici più potenti per l'analisi delle matrici, con applicazioni che spaziano dalla fisica all'economia, dall'ingegneria alla statistica.

Come Analizzare Qualitativamente le Soluzioni delle Equazioni Differenziali Senza Risolverle

Le equazioni differenziali non sempre possiedono soluzioni che possano essere esplicitamente determinate. Ad esempio, non esiste una funzione reale che soddisfi l'equazione $(y')^2 + 1 = 0$ . In altri casi, esistono soluzioni che possono essere ottenute analiticamente, cioè in forma esplicita o implicita, applicando metodi specifici. Tali metodi possono richiedere manipolazioni particolari, come sostituzioni, e procedure come l'integrazione. Tuttavia, non tutte le equazioni differenziali ammettono soluzioni che possano essere esplicitamente determinate. In altre parole, quando diciamo che una soluzione di un'equazione differenziale esiste, non intendiamo dire che esista anche un metodo che porti a una soluzione esplicita o implicita. Nel corso dei secoli, i matematici hanno ideato metodi ingegnosi per risolvere alcune equazioni altamente specializzate, e non è sorprendente che esistano numerose equazioni differenziali che si possono risolvere analiticamente. Sebbene in questo capitolo studieremo alcuni di questi metodi per equazioni del primo ordine, immaginiamo per un momento di trovarci davanti a un'equazione differenziale del primo ordine nella forma normale $\frac{dy}{dx} = f(x, y)$ , e supponiamo che non riusciamo né a trovare né a inventare un metodo per risolverla analiticamente. Questo non è un problema insormontabile, poiché l'equazione differenziale stessa può, in molti casi, "dirci" delle informazioni riguardo al comportamento delle sue soluzioni.

Abbiamo visto nella Sezione 1.2 che quando la funzione $f(x, y)$ e la sua derivata parziale $\frac{\partial f}{\partial y}$ soddisfano certe condizioni di continuità, è possibile rispondere a domande qualitative riguardo l'esistenza e l'unicità delle soluzioni. In questa sezione esamineremo altre domande qualitative riguardanti le proprietà delle soluzioni, come ad esempio: come si comporta una soluzione vicino a un punto particolare? O come si comporta una soluzione quando $x \to \infty$ ? Questi tipi di domande possono essere spesso risposti quando la funzione $f$ dipende esclusivamente dalla variabile $y$ .

Iniziamo il nostro studio delle equazioni differenziali del primo ordine con due metodi per analizzarle qualitativamente. Entrambi questi metodi ci permettono di determinare, in un senso approssimativo, come deve apparire la curva della soluzione senza risolvere effettivamente l'equazione.

Uno di questi metodi è l'uso dei campi direzionali, che sfruttano il concetto di pendenza della retta tangente a una curva. In altre parole, dato che la soluzione $y = y(x)$ di un'equazione differenziale del primo ordine è necessariamente una funzione differenziabile sull'intervallo di definizione, essa deve essere anche continua e, pertanto, la curva della soluzione non avrà discontinuità. La pendenza della retta tangente alla curva della soluzione in un punto $(x, y(x))$ è data dal valore della derivata prima $\frac{dy}{dx}$ in quel punto, il quale è determinato dalla funzione $f(x, y(x))$ .

Supponiamo di avere un punto $(x, y)$ in una regione del piano $xy$ in cui la funzione $f$ è definita. Il valore $f(x, y)$ che la funzione assegna a quel punto rappresenta la pendenza di una retta, che possiamo immaginare come un elemento lineare. Per esempio, se consideriamo l'equazione $\frac{dy}{dx} = 0.2xy$ , dove $f(x, y) = 0.2xy$ , e ci troviamo nel punto $(2, 3)$ , la pendenza dell'elemento lineare sarà $f(2, 3) = 0.2(2)(3) = 1.2$ .

Se calcoliamo sistematicamente il valore di $f(x, y)$ su una griglia rettangolare di punti nel piano $xy$ e disegniamo un elemento lineare in ogni punto $(x, y)$ della griglia con pendenza $f(x, y)$ , otteniamo quello che viene chiamato un campo direzionale o campo di pendenze dell'equazione differenziale $\frac{dy}{dx} = f(x, y)$ . Visivamente, il campo direzionale suggerisce l'aspetto o la forma di una famiglia di curve di soluzione dell'equazione differenziale, e quindi può essere possibile percepire a colpo d'occhio alcuni aspetti qualitativi delle soluzioni, come ad esempio le regioni nel piano in cui una soluzione mostra un comportamento anomalo. Una singola curva di soluzione che passa attraverso un campo direzionale deve seguire il flusso del campo: essa sarà tangente a un elemento lineare quando interseca un punto della griglia.

Nel caso dell'equazione $\frac{dy}{dx} = 0.2xy$ , il campo direzionale mostra che, lungo l'asse $x$ (dove $y = 0$ ) e l'asse $y$ (dove $x = 0$ ), le pendenze sono pari a zero, e quindi gli elementi lineari sono orizzontali. Inoltre, nel primo quadrante, per un valore fisso di $x$ , i valori di $f(x, y)$ aumentano all'aumentare di $y$ ; allo stesso modo, per un valore fisso di $y$ , i valori di $f(x, y)$ aumentano all'aumentare di $x$ . Ciò significa che, quando sia $x$ che $y$ aumentano, gli elementi lineari diventano quasi verticali e hanno pendenza positiva. Al contrario, nel secondo quadrante, $f(x, y)$ è negativo e gli elementi lineari diventano verticali con pendenza negativa.

Un altro aspetto importante della derivata prima $\frac{dy}{dx}$ è che, se per ogni $x$ in un intervallo $I$ la derivata è positiva ( $\frac{dy}{dx} > 0$ ) o negativa ( $\frac{dy}{dx} < 0$ ), allora la funzione $y = y(x)$ è crescente (o decrescente) su quell'intervallo. Questo concetto aiuta a determinare in modo qualitativo se una soluzione cresce o decresce in un determinato intervallo.

Questi metodi qualitativi sono fondamentali per analizzare il comportamento delle soluzioni di equazioni differenziali senza necessità di risolverle esplicitamente. L'approccio ai campi direzionali, combinato con la comprensione della derivata come indicatore della pendenza, consente di tracciare una mappa del comportamento delle soluzioni e di prevedere, con una buona approssimazione, come evolveranno nel tempo o nello spazio.

Come risolvere i problemi di valori al contorno per equazioni alle derivate parziali

Nel contesto delle equazioni alle derivate parziali, i problemi di valori al contorno assumono un'importanza fondamentale per la modellizzazione di fenomeni fisici, come la conduzione del calore, le vibrazioni di una trave o le deformazioni elastiche di una barra. La risoluzione di tali problemi avviene spesso tramite il metodo della separazione delle variabili, che consente di ottenere soluzioni analitiche sotto determinate condizioni. In questa sezione esploreremo come affrontare alcuni di questi problemi, concentrandoci sulla loro applicazione concreta in contesti fisici come la temperatura in una barra e il movimento di una trave vibrante.

Prendiamo come esempio un problema di conduzione del calore in una barra di lunghezza $L$ . Supponiamo che la temperatura iniziale in ogni punto della barra sia $f(x)$ , mentre alle estremità della barra, $x = 0$ e $x = L$ , vengano imposti specifici vincoli. In particolare, all'estremità $x = 0$ la temperatura è mantenuta pari a zero, mentre l'estremità $x = L$ è isolata termicamente, il che implica che non vi sia flusso di calore. La soluzione di questo problema permette di determinare come la temperatura si evolve nel tempo in funzione della posizione lungo la barra.

Analogamente, un altro esempio riguarda il movimento longitudinale di una barra elastica, ancorata ad un'estremità e soggetta ad una forza costante $F_0$ all'altra estremità. In questo caso, la soluzione dell'equazione delle vibrazioni consente di determinare il dispiegamento della barra nel tempo, un aspetto fondamentale per comprendere il comportamento strutturale in presenza di forze esterne.

In entrambi i casi, il metodo della separazione delle variabili richiede di risolvere due principali equazioni: una che descrive la distribuzione spaziale della quantità fisica (temperatura o spostamento) e l'altra che ne governa l'evoluzione temporale. Tali equazioni vengono risolte separatamente, portando alla determinazione di funzioni eigen, che sono legate a specifiche radici di equazioni caratteristiche. Queste soluzioni rappresentano gli "eigenvalori" del problema, ossia le frequenze naturali o i modi di oscillazione nel caso delle vibrazioni, o i modi di conduzione del calore nel caso della temperatura.

Quando si affrontano problemi più complessi, come quelli che coinvolgono una membrana flessibile o una piastra rettangolare, il processo di separazione delle variabili si estende a due o più dimensioni. In questi casi, l'equazione del calore o dell'onda diventa una PDE (equazione alle derivate parziali) che dipende sia dalla posizione spaziale che dal tempo. Le soluzioni di tali problemi portano alla definizione di serie di Fourier in più variabili, che descrivono la distribuzione spaziale delle grandezze fisiche nel tempo.

Per esempio, nel caso della temperatura in una piastra rettangolare, la soluzione dell'equazione del calore avviene tramite la separazione delle variabili. Si cerca una soluzione del tipo $u(x, y, t) = X(x) Y(y) T(t)$ , dove le funzioni $X(x)$ , $Y(y)$ e $T(t)$ soddisfano rispettivamente delle equazioni ordinarie in $x$ , $y$ e $t$ . Le condizioni al contorno, che impongono la temperatura zero ai bordi della piastra, danno luogo a determinati valori eigen per le funzioni spaziali, che vengono poi utilizzati per risolvere l'equazione temporale.

Allo stesso modo, la vibrazione di una membrana rettangolare, come quella di un tamburo, è descritta dall'equazione delle onde in due dimensioni. L'approccio è simile: si cerca una soluzione che separa le variabili spaziali e temporali, e le condizioni al contorno determinano le frequenze naturali della membrana. Queste frequenze sono governate da equazioni trascendentali, che richiedono l'uso di metodi numerici o software CAS (Computer Algebra System) per essere approssimate.

In entrambi i casi, l'utilizzo delle serie di Fourier, sia in una dimensione che in due o più, è essenziale per rappresentare le soluzioni generali di questi problemi. La somma infinita di termini sinusoidali (o cosenoidi) consente di approssimare in modo accurato la distribuzione spaziale delle variabili fisiche, come la temperatura o lo spostamento, che evolve nel tempo. Queste soluzioni sono particolarmente utili nella risoluzione di problemi complessi che non ammettono soluzioni semplici e dirette.

È importante comprendere che, sebbene la separazione delle variabili offra una potente metodologia di soluzione per una vasta gamma di problemi, non sempre è applicabile. La presenza di condizioni al contorno non omogenee, o di forze esterne complesse, può richiedere l'uso di metodi numerici avanzati o approcci di simulazione computazionale, che spesso sono indispensabili per ottenere soluzioni pratiche in problemi reali.

La serie di Laurent: un'espansione fondamentale per funzioni analitiche

Le serie di Laurent rappresentano una generalizzazione delle serie di Taylor, utilizzate per esprimere una funzione complessa attorno a singolarità isolate. A differenza delle serie di Taylor, che sono limitate a funzioni analitiche in un dominio che include il punto centrale, le serie di Laurent permettono di trattare anche funzioni non analitiche in alcuni punti, come ad esempio quelli in cui si manifestano singolarità. Queste serie comprendono potenze sia positive che negative, rendendole ideali per descrivere il comportamento di una funzione complessa in prossimità di una singolarità.

Supponiamo che una funzione complessa $f$ abbia una singolarità isolata in un punto $z_0$ . La serie di Laurent fornisce un'espansione della funzione attorno a questa singolarità, utilizzando potenze negative di $(z - z_0)$ oltre alle potenze non negative. In pratica, una funzione che presenta una singolarità isolata può essere rappresentata da una serie della forma:

f(z) = \sum_{k=-\infty}^{\infty} a_k (z - z_0)^k

Dove $a_k$ sono i coefficienti che possono essere calcolati tramite un'integrazione specifica lungo un contorno che circonda la singolarità $z_0$ . Il dominio di convergenza di questa serie è limitato a una regione anulare, cioè tra due cerchi concentrici che contengono la singolarità: $r < |z - z_0| < R$ , con $r$ e $R$ che definiscono i raggi di convergenza per le due parti della serie.

La parte della serie con potenze negative di $(z - z_0)$ è chiamata "parte principale" della serie, e rappresenta la parte che descrive il comportamento della funzione vicino alla singolarità. La parte con potenze non negative, invece, è la "parte analitica" e corrisponde a una funzione analitica nel dominio di convergenza. La combinazione delle due parti consente di descrivere il comportamento di $f$ in tutta la regione anulare in cui la serie converge.

Per comprendere meglio, consideriamo il caso di una funzione come $f(z) = \frac{\sin z}{z^3}$ , che non è analitica in $z = 0$ , ma può essere rappresentata da una serie di Laurent. La funzione $\sin z$ , essendo intera, ha una serie di Taylor che converge per tutti i valori di $z$ . Se dividiamo questa serie per $z^3$ , otteniamo una serie che include sia potenze negative che positive di $z$ , la quale converge per tutti i valori di $z$ tranne che per $z = 0$ .

Un esempio classico di singolarità isolata si verifica con la funzione $f(z) = \frac{1}{z}$ , che ha una singolarità semplice in $z = 0$ . La serie di Laurent per questa funzione è semplicemente:

f(z) = \frac{1}{z}

Questa serie convergerà in un dominio anulare che esclude il punto $z = 0$ , ma include tutte le altre posizioni nel piano complesso. Funzioni come questa sono molto comuni in teoria delle funzioni complesse e la capacità di rappresentarle tramite una serie di Laurent è uno strumento potente per analizzare il loro comportamento vicino alle singolarità.

In generale, la serie di Laurent offre un metodo formale per trattare le singolarità di una funzione e per calcolare i suoi comportamenti asintotici vicino a queste. È particolarmente utile in contesti come la teoria delle residue, dove i coefficienti della parte principale della serie forniscono informazioni cruciali per il calcolo delle integrazioni complesse tramite il teorema delle residue.

La convergenza della serie di Laurent dipende dalla natura della singolarità e dalla distanza di $z$ dalla singolarità stessa. Ad esempio, in presenza di una singolarità essenziale, la serie può includere un numero infinito di termini con potenze negative, mentre in caso di una singolarità di polo, solo un numero finito di termini negativi è presente. Queste informazioni sono fondamentali per la comprensione del comportamento delle funzioni in vicinanza delle singolarità e per la loro analisi nelle applicazioni pratiche, come nella fisica teorica, nella teoria delle onde e nell'elettromagnetismo.

Quando si studiano le funzioni tramite le loro serie di Laurent, è essenziale non solo conoscere la struttura della serie, ma anche comprendere come il dominio di convergenza influenzi il comportamento della funzione stessa. La serie di Laurent fornisce un potente strumento per l'analisi, ma solo se applicata correttamente all'interno della regione di convergenza appropriata.

Come comprendere e utilizzare le funzioni complesse: una panoramica sulle potenzialità e applicazioni

Le funzioni complesse sono fondamentali in numerosi campi della matematica e della fisica, particolarmente in relazione a fenomeni ondulatori, analisi complessa e teoria dei sistemi dinamici. Un aspetto cruciale nella comprensione di questi oggetti matematici è il loro comportamento nella "piano complesso", dove i numeri complessi sono rappresentati come vettori, con componenti reali e immaginarie. La loro comprensione e applicazione richiedono una padronanza di concetti chiave come la forma polare, le radici complesse e la derivazione di funzioni complesse.

Il piano complesso è un'estensione del piano cartesiano, con un'asse reale orizzontale e un'asse immaginario verticale. Un numero complesso, denotato generalmente come $z = a + bi$ , dove $a$ è la parte reale e $b$ è la parte immaginaria, viene rappresentato come un punto in questo piano. Ogni numero complesso può essere descritto in due forme principali: la forma algebrica (o cartesiana) $z = a + bi$ e la forma polare $z = r(\cos \theta + i \sin \theta)$ , dove $r$ è la magnitudine (modulo) di $z$ e $\theta$ è l'argomento (angolo) del numero complesso.

L'argomento di un numero complesso, noto anche come "angolo principale", rappresenta l'angolo tra il vettore che rappresenta il numero complesso e l'asse reale. Questo angolo è cruciale per applicazioni in fisica, come nel caso delle onde elettromagnetiche, dove le oscillazioni possono essere descritte tramite numeri complessi. Inoltre, il concetto di modulo è importante per determinare la "grandezza" di un numero complesso e viene utilizzato in numerosi teoremi di analisi, come nelle disuguaglianze triangolari.

Un altro aspetto fondamentale delle funzioni complesse è la loro derivabilità. La derivata di una funzione complessa è essenziale per comprendere come tali funzioni cambiano, analogamente a come lo sono le derivate delle funzioni reali. Tuttavia, una funzione complessa è derivabile solo se soddisfa condizioni particolari, come la continuità e l'analiticità, e il concetto di funzione olomorfa è associato a queste proprietà. Le funzioni olomorfe sono quelle che hanno derivate complesse in tutto il piano complesso, una caratteristica che le rende particolarmente utili nell'analisi delle equazioni differenziali complesse e nelle trasformazioni conformi.

Le trasformazioni conformi sono un altro strumento potente derivante dallo studio delle funzioni complesse. Queste trasformazioni conservano gli angoli, e pertanto sono fondamentali nell'analisi di fenomeni fisici dove la forma e la geometria sono cruciali, come nella fluidodinamica e nell'elettromagnetismo. Un'applicazione classica di queste trasformazioni si trova nella risoluzione di problemi di Dirichlet, che richiedono di trovare soluzioni per determinati tipi di equazioni differenziali al contorno. Il metodo delle trasformazioni conformi permette di mappare problemi complessi in domini più semplici, facilitando il calcolo e l'analisi.

Le radici complesse e le potenze complesse costituiscono un altro aspetto importante nell'analisi complessa. Le radici complesse di un numero $z$ , definite dalla formula $z^{1/n}$ , sono soluzioni di equazioni di radice, e la loro determinazione richiede di considerare le molteplicità delle radici, ognuna delle quali corrisponde a un diverso angolo nel piano complesso. Le potenze di numeri complessi, invece, possono essere calcolate usando la formula di De Moivre, che estende la potenza degli angoli e delle magnitudini a numeri complessi.

Il comportamento delle serie complesse e la loro convergenza è un tema cruciale nelle applicazioni matematiche avanzate. Le serie di potenze complesse, come quelle che appaiono nelle espansioni di funzioni come l'esponenziale, il seno e il coseno, possono essere analizzate tramite il raggio di convergenza e la valutazione dei termini della serie stessa. La convergenza di una serie complessa dipende dalle proprietà dei suoi termini e dal comportamento del modulo di ogni termine rispetto all'infinito.

Infine, è importante ricordare che, sebbene le funzioni complesse siano strumenti teorici potenti, la loro comprensione richiede una solida conoscenza degli strumenti matematici di base, come l'analisi delle serie, le equazioni differenziali e le trasformazioni lineari. La capacità di visualizzare i numeri complessi nel piano complesso, insieme alla comprensione delle loro operazioni e trasformazioni, è essenziale per utilizzare efficacemente queste funzioni nella pratica scientifica e ingegneristica.

L'approfondimento del concetto di funzione complessa, la sua analisi e le sue applicazioni non sono solo rilevanti per i matematici teorici, ma anche per chi si occupa di campi applicati come la fisica, l'ingegneria e l'informatica. La comprensione delle trasformazioni conformi, delle radici complesse e delle serie di potenze è fondamentale per risolvere problemi complessi in vari settori della scienza e della tecnologia.

Evangelicali e il Partito Repubblicano: L'influenza degli attivisti evangelici nelle dinamiche politiche americane
Come si studiano davvero le percezioni popolari della geopolitica?
Qual è il ruolo delle cellule immunitarie nella regolazione dell'infiammazione intestinale e nelle allergie alimentari?
Come Applicare la Formula di Büttiker a Dispositivi a Più Terminali: Un Approccio Dettagliato