Tema 1

Motivacins e xeneralidades. Concepto de solucin. Problema de Cauchy

1.1. Motivacins e xeneralidades

O obxectivo desta seccin mostrar como se utilizan as ecuacins diferenciais para modelar distintos fenmenos relacionados coa natureza. En particular, veremos: O modelo poboacional de Malthus: p = kp, O modelo poboacional loxstico: p = ap bp2 , A lei de desintegracin radioactiva: x = kx, A lei de arrefriamento de Newton: T = k (T M ), A ecuacin de von Bertalany: L = k (L L), k > 0, L > 0. k > 0, M IR. k > 0. a > 0, b > 0. k > 0.

Todas as ecuacins mencionadas son ecuacins diferenciais autnomas, dicir, da forma: y = f (y ), polo que teen en comn a propiedade de que se : (a, b) IR unha solucin da ecuacin diferencial, entn a funcin trasladada: = (a c, b c) : t I (t) = (t + c) IR tamn o , para calquera valor da constante c IR. A devandita propiedade moi til para simplicar clculos, posto que nos permitir traballar coa solucin que pasa por (0, y0 ) en lugar da que pasa por (t0 , y0 ). As ecuacins autnomas utilzanse para modelar experimentos tales que o resultado independente do momento no que se realizan. Se o resultado do experimento cambia segundo o seu momento de inicio, daquela non se pode utilizar unha EDO autnoma para modelalo. 1

1.1.1.

Modelos poboacionais

O estudo de modelos de poboacins moi interesante pois permtenos predicir a sa evolucin, por se fose preciso actuar nalgn sentido. Pensemos, por exemplo, nun experimento realizado con bacterias durante un certo perodo de tempo. preciso pescudar se o espazo asignado ser suciente, de que recursos nutricionais debemos dispor, etc. Por outra banda, moitas veces, flase da previsin de alumnos dunha universidade para o curso..., de se o estado pode garantir ou non unha pensin digna aos seus xubilados no ano..., de como vai evolucionar unha enfermidade nos prximos anos, etc. Nos anteriores exemplos hai, polo menos, das variables involucradas: t (tempo) e p (poboacin). A continuacin estudaremos dous sinxelos modelos con ecuacins diferenciais que as relacionan. A primeira vista, parece imposible describir o crecemento dunha poboacin mediante a solucin dunha ecuacin diferencial, xa que o seu tamao mdese sempre en nmeros enteiros, polo que non pode ser unha funcin derivable respecto ao tempo. Con todo, se o tamao da poboacin grande a diferenza nunha unidade insignicante, o que nos permite considerar funcins de poboacin que sexan continuas e ata derivables. O modelo de Malthus Un dos primeiros intentos de modelar matematicamente o crecemento demogrco humano dbese a T. R. Malthus (1766-1834), clrigo e economista ingls. Cara a 1798 armaba que o incremento de poboacin tende a superar ao incremento dos medios de subsistencia e por iso deba efectuarse algn control de natalidade. Mais precisamente, el dica que as poboacins medran exponencialmente, como a funcin et , mentres que a comida e outras necesidades crecen s xeomtricamente, como a funcin t . As sas teoras debtense anda, pois hai pases, como China, onde se exerce un control moi rigoroso da natalidade e pola contra, nos pases desenvolvidos os gobernos toman medidas para incentivala. A lei de Malthus establece que: A taxa de crecemento da poboacin proporcional ao tamao desta en cada instante. Xa que a dobre poboacin temos dobre incremento de poboacin, a tripla poboacin temos triplo incremento de poboacin, etc., en termos matemticos esta hiptese pde expresarse como segue: p kp, t e, posto que para t pequeno : p resulta: p = kp, k > 0, (1.1) p , t

Isto verdade, por exemplo, para unha poboacin de bacterias que se reproducen por divisin celular simple a clula nai non morre, pero convrtese en das novas clulas mentres que hai espacio dabondo e un bo subministro de alimentos. As solucins da EDO (1.1) son da forma: p(t) = Cekt , para calquera valor de C . En tal caso, a solucin vericando a condicin inicial (0, p0 ) : p(t) = p0 ekt . (1.2)

Diremos que as devanditas poboacins que medran exponencialmente ou que posen crecemento maltusiano. Por outra banda, observemos que a constante k verica: p p k= t = , p p t polo que se denomina taxa relativa de crecemento da poboacin. 2
p p

Podemos deducir un valor aproximado de k a partir de q , a sa porcentaxe de crecemento na unidade de tempo. En efecto, posto que se coece a porcentaxe de crecemento da poboacin na unidade de tempo, no instante t + 1: p(t + 1) = p(t) + e, ademais, segundo (1.2): p(t) = p0 ekt , temos que: p(t + 1) = p0 ek(t+1) = p0 ekt ek = p(t)ek = p(t) 1 + k + Polo que cando k pequeno : p(t + 1) p(t)(1 + k ). q , 100 sempre que k e polo tanto q sexan pequenos dabondo. k A pesar de que este sinxelo modelo non ten en conta moitos factores (por exemplo, inmigracin e emigracin) que poden inur nas poboacins humanas, facndoas medrar ou diminur, prediceu con moita exactitude a poboacin de EEUU desde 1790 ata 1860, tal e como vemos a continuacin. Esta ecuacin diferencial tamn se utiliza con moita frecuencia para modelar poboacins de bacterias e de animais pequenos durante curtos intervalos. Ao examinar o seguinte cadro, obsrvase que as predicins baseadas no modelo maltusiano concordan razoablemente cos datos do censo ata arredor de 1870. Despois de 1870 a poboacin predita excesivamente grande, polo que o modelo maltusiano non aceptable. Cadro 1.1: Comparacin dos modelos maltusiano e loxstico cos datos do censo de Estados Unidos (as poboacins estan dadas en millns). Finalmente, de (1.3) e (1.4) deducimos: (1.4) k2 + . 2! p(t)q q = p(t) 1 + 100 100 (1.3)

Ano 1790 1800 1810 1820 1830 1840 1850 1860 1870 1880 1890 1900 1910 1920 1930 1940 1950 1960 1970 1980

Censo de Estados Unidos 3, 93 5, 31 7, 24 9, 64 12, 87 17, 07 23, 19 31, 44 39, 83 50, 16 62, 95 75, 99 91, 97 105, 71 122, 78 131, 67 151, 33 179, 32 203, 21 226, 50

Modelo maltusiano 3, 93 5, 31 7, 18 9, 70 13, 10 17, 70 23, 92 32, 32 43, 67 59, 01 79, 73 107, 73 145, 57 196, 69 265, 77 359, 11 485, 24 655, 66 885, 93 1197, 08

Modelo loxstico 3, 93 5, 30 7, 13 9, 58 12, 82 17, 07 22, 60 29, 70 38, 65 49, 69 62, 95 78, 37 95, 64 114, 21 133, 28 152, 00 169, 56 185, 35 199, 01 210, 46

Na segunda columna mstranse os valores reais do censo de EEUU, en millns de persoas, desde 1790 ata 1980. 3

Na terceira columna mstranse os valores obtidos co modelo maltusiano, obtido no exemplo, e que ten a funcin de poboacin: p(t) = 3, 93e0,0301t . Na cuarta columna mstranse os valores obtidos co modelo loxstico, obtido no exemplo do modelo seguinte, e que ten a funcin de poboacin: p(t) = 0, 119734 . 0, 0004771 + 0, 0299896e0,0304667t

Exemplo. En 1790 a poboacin de EEUU era de 3, 93 millns, e en 1800 era de 5, 31 millns. Usando o modelo maltusiano, estima a poboacin de EEUU en funcin do tempo. Solucin: Se consideramos que t = 0 corresponde ao ano 1790, mdese a poboacin en millns e suponse que esta segue o modelo maltusiano, obtense a funcin de poboacin seguinte: p(t) = 3, 93ekt . A inclusin do dato p(10) = 5, 31 permite obter o valor da constante k , de onde se deduce: p(t) = 3, 93e0,0301t .

Os modelos lineais de poboacins son satisfactorios sempre que a poboacin non sexa demasiado grande. Cando demasiado grande, estes modelos non poden ser exactos xa que non reicten o feito de que os individuos compiten entre si polo limitado espazo vital, por recursos naturais e polo alimento dispoible. As pois hai que agregar un termo de competicin ecuacin obtida. O modelo loxstico Coa intencin de formular un modelo algo mis realista, introdcense na ecuacin novos termos relacionados coas causas de diminucin da poboacin. A diminucin por causas naturais lvanos a engadir EDO un termo proporcional, de novo, poboacin existente: p = kp k1 p = (k k1 )p, k k1 > 0 , e polo tanto obtemos un modelo do mesmo tipo. A diminucin pode ser por outros motivos, consecuencia da competicin ou interaccin entre membros da poboacin. Pnsese en poboacins de animais que compiten polos alimentos, o espazo, etc. ou en poboacins humanas onde existen enfermidades contaxiosas, accidentes laborais e de trco, etc. Por iso engadimos EDO un novo termo proporcional ao nmero de interaccins por parellas. Xa que hai p(p 1)/2 de tales interaccins posibles para unha poboacin de tamao p, deducimos a nova EDO: p = (k k1 )p k2 onde k k1 > 0 e k2 > 0,isto : p = ap bp2 , a > 0, b > 0, p(p 1) k2 k2 = k k1 + p p2 , 2 2 2

que se coece co nome de ecuacin loxstica. Esta ecuacin denomnase algunhas veces ecuacin de Verhulst, en honra ao matemtico belga P. F. Verhulst (1804-1849), quen a propuxo cara a 1838. Ntese que, neste caso, a taxa relativa de crecemento da poboacin resulta ser variable, pois: p = a bp. p As solucins da EDO son deste xeito: p(t) = Ca . Cb + eat

En tal caso, a solucin correspondente condicin inicial (0, p0 ), p0 = a/b, : p(t) = p0 a . p0 b + (a p0 b)eat 4

Se a poboacin inicial p0 = a/b, a solucin : p(t) = a , b

denominada solucin de equilibrio. Examinemos o tipo de poboacins que predice esta EDO. Independentemente do valor inicial da poboacin temos que: l m p(t) = a , b

t+

dicir, existe unha poboacin lmite. Ademais, se 0 < p0 < a/b a funcin p montona crecente. En particular, se 0 < 2p0 < a/b, daquela a funcin convexa ata o instante de tempo en que se acada a metade da poboacin lmite e cncava a partir del; o valor do tempo para o que a poboacin alcanza a metade da poboacin lmite coincide co valor do tempo para o que a velocidade de crecemento da poboacin mxima. Pola outra banda, se p0 > a/b a funcin p montona decrecente e convexa. A continuacin poamos a proba o modelo loxstico na determinacin da poboacin de EEUU. Exemplo. Considerando a poboacin correspondente a 1790 de 3, 93 millns como a poboacin inicial, e dadas as poboacins de 1840 e 1890 de 17, 07 e 62, 95 millns, respectivamente, usa o modelo loxstico para estimar a poboacin de EEUU en funcin do tempo. Solucin: Se consideramos que t = 0 corresponde ao ano 1790, medimos a poboacin en millns e supoemos que esta segue o modelo loxstico, obtense a funcin de poboacin seguinte: p(t) = 3, 93a . 3, 93b + (a 3, 93b)eat

A substitucin dos datos p1 = p(50) = 17, 07 e p2 = p(100) = 62, 95 permite obter o valor dos parmetros a e b: 1 p2 (p1 p0 ) a = ln = 0, 0304667, t1 p0 (p2 p1 ) a p2 1 p0 p2 p1 p1 p2 2p0 p2 + p0 p1

b=

= 0, 0001214,

de onde se deduce a poboacin lmite predita polo modelo: l m p(t) = a 0, 0304667 = 251 millns. b 0, 0001214

t+

Tamn se obtn a funcin de poboacin correspondente: p(t) = 0, 1197340 . 0, 0004771 + 0, 0299896e0,0304667t

Ao examinar o cadro obtido con ela, observamos que as predicins baseadas no modelo loxstico concordan razoablemente cos datos do censo. Desde logo este modelo non considera o efecto de guerras, inmigracin, emigracin, cambios sociais e tecnolxicos,... Un modelo de crecemento de poboacin mis renado tera en conta estes factores, o mesmo que o nmero de mulleres nos distintos grupos de idades, especialmente o nmero de poboacin feminina en idade de procrear. Algns modelos complexos son de natureza probabilstica e implican as denominadas cadeas de Markov. 5

1.1.2.

A lei de desintegracin radioactiva

Cocense moi poucas reaccins qumicas de primeira orde e, desde logo, a mis importante delas a desintegracin radioactiva. O fenmeno da radioactividade foi descuberto a principios do sculo pasado. O fsico E. Rutherford e os seus colaboradores mostraron que os tomos de certos elementos radioactivos son inestables e que, nun intervalo de tempo dado, unha fraccin xa dos tomos desintgrase espontaneamente para formar un novo elemento. A lei de desintegracin radioactiva establece que: A taxa de desintegracin dunha sustancia radioactiva proporcional cantidade de sustancia presente en cada instante. En termos matemticos esta hiptese pdese expresar como segue: x = kx, k > 0.

A constante k denomnase constante de ritmo da desintegracin. As solucins da ecuacin son: x(t) = Cekt . En tal caso, a solucin vericando a condicin inicial (0, x0 ) : x(t) = x0 ekt . conveniente expresar o ritmo de desintegracin dunha sustancia radioactiva en termos da sa semivida T , que o tempo requirido para que calquera cantidade de sustancia se reduza metade. En tal caso: x0 , x0 ekT = 2 de onde se deduce: kT = ln 2. Se coecemos algunha das constantes, k ou T , a anterior ecuacin permtenos determinar a outra. O termo vida media unha traducin incorrecta do ingls half-life. O nome correcto xa aceptado semivida. Exemplo. Un reactor transforma o uranio-238, relativamente estable cunha semivida de 4500 millns de anos, en plutonio-239, un istopo radioactivo. Ao cabo de 15 anos determnase que o 0, 043 % da cantidade inicial de plutonio desintegrouse. Determina a semivida do devandito istopo. Solucin: A cantidade desintegrada despois de quince anos 0, 00043x0 , polo que anda queda 0, 99957x0 . Da ecuacin: 0, 99957x0 = x0 e15k deducimos o valor da constante k , e xa que logo: T = ln 2 24174 anos. k

Determinacin de idades arqueolxicas polo mtodo do radiocarbono ou carbono-14 O mtodo exposto a continuacin dbese a W. Libby e utilzase para determinar a idade de mostras arqueolxicas de procedencia animal ou vexetal. Grazas a el Libby gaou o premio Nobel de Qumica en 1960. Libby explicou a formacin na atmosfera de 14 C, un istopo radioactivo do 12 C cunha semivida aproximada de 5730 anos, e como penetra por metabolismo e fotosntese no reino animal e vexetal. Logo da morte do animal ou planta, cesa a absorcin de 14 C e o que ten nese momento comeza a desintegrarse. Determinando a cantidade de 14 C que ten a mostra arqueolxica e comparndoa coa que tera se fose un ser vivo, pode determinarse a idade da mostra.

Exemplo. Analizouse un so fosilizado e atopouse que contia a milsima parte da cantidade orixinal de 14 C. Determina a idade do fsil. Solucin: Temos que calcular o instante de tempo t para o que: x0 ekt = entn, dado que se supn que a semivida do t=
14

x0 , 1000

C T = 5730 anos:

5730 ln 1000 57104 anos. ln 2

A idade atopada neste exemplo est ao bordo do lmite dentro do que o mtodo exacto. Observacins: 1. Ultimamente, o uso dun acelerador de partculas, permiteu determinar na mostra cantidades mis pequenas de 14 C, o que permite datar restos de ata 100 000 anos de antigidade. 2. Ademais, corrixeuse a antigidade de restos anteriores ao 1500 a. C. pois o mtodo de Libby supn que a cantidade de 14 C na atmosfera foi sempre a mesma e, con todo, o qumico americano C. W. Ferguson deduceu que antes do 1500 a. C. o radiocarbono na atmosfera era considerablemente superior ao actual. Como consecuencia, as mostras anteriores ao 1500 a. C. resultaron ser mis antigas do que se cra. 3. As idades radiocarbnicas exprsanse en anos antes do presente (AP) entendndose por presente o ano 1950. Como patrn primario para a calibracin dos equipos utilzase cido oxlico preparado en 1950.

1.1.3.

A lei de arrefriamento de Newton

Segundo a lei emprica de Newton sobre o arrefriamento, a velocidade con que cambia a temperatura dun obxecto proporcional diferenza entre a sa temperatura e a do medio que o rodea, que a temperatura ambiente. Se T (t) a temperatura do obxecto no instante t e M a temperatura constante do medio no que se introduce o citado obxecto, a lei de arrefriamento de Newton tradcese no modelo matemtico: T = k (T M ), k > 0, onde k unha constante de proporcionalidade. Obsrvese que se T > M entn T < 0, de modo que T unha funcin decrecente e o obxecto estase arrefriando. Doutra banda, se T < M entn T > 0, de modo que T unha funcin crecente e o obxecto estase quentando. Ademais, a rapidez con que o obxecto cambia de temperatura ser tanto maior canto maior sexa a sa diferenza coa temperatura do medio. A solucin xeral da EDO lineal completa : T (t) = Cekt + M. En tal caso, a solucin vericando a condicin inicial (0, T0 ) : T (t) = (T0 M )ekt + M. Unha aplicacin interesante desta lei consiste en determinar o instante do falecemento dunha persoa logo dalgunhas horas de morta, informacin que de crucial importancia en criminoloxa e medicina forense. Vexamos un exemplo: Exemplo. Por razns obvias, a sala de diseccin dun forense mantense fra a unha temperatura constante de 5 C. Mentres se atopaba realizando a autopsia da vtima dun asasinato, o propio forense asasinado, e o corpo da vtima roubado. s 10 da ma o axudante do forense descobre o seu cadver a unha temperatura de 23 C. Ao medioda, a sa temperatura de 18, 5 C. Supoendo que o forense tia en vida a temperatura de 37 C, e utilizando a lei de Newton sobre arrefriamento, calcula a hora que o forense foi asasinado. 7

Solucin: A lei de Newton sobre arrefriamento establece, neste caso, que: T = k (T 5), k > 0.

Trtase dunha EDO lineal non homoxnea e as sas solucins son: T (t) = 5 + Cekt . Cando se considera que as 10 da ma o instante t = 0, e substitense os datos T (0) = 23 e T (2) = 18, 5 obtense a funcin temperatura: t 13, 5 2 T (t) = 5 + 18 . 18 A resolucin da ecuacin T (t) = 37 d o valor t = 4, o que permite concluir que o asasinato se produceu sobre as 6 da ma.

1.1.4.

Ecuacin de von Bertalany

O bilogo austraco Ludwig von Bertalany desenvolveu o modelo mis sinxelo de crecemento restrinxido, que leva o seu nome e pode utilizarse para modelar o crecemento dos peixes. A ecuacin de von Bertalany : L = k (L L), dicir, unha EDO lineal completa. A sa solucin xeral : L(t) = Cekt + L . Posto que k > 0, entn l mt L(t) = L , as que L denota a lonxitude lmite do peixe. Ademais, k unha constante de proporcionalidade que indica que a taxa de crecemento da lonxitude do peixe proporcional diferencia entre a lonxitude lmite e a lonxitude actual. A solucin correspondente condicin inicial (0, L0 ) : L(t) = (L0 L )ekt + L . Sendo un modelo moi sinxelo, moi til en bioloxa pesqueira e tense usado como submodelo de modelos mis complexos que describen a dinmica de poblacins de peixes. Exemplo. Denotemos por L(t) a lonxitude dun peixe no instante t e supoamos que medra de acordo coa ecuacin de von Bertalany (forma mis sinxela de crecemento restrinxido): dL = k (L L), k > 0, L > 0, dt con condicin inicial L(0) = 3. Un estudo mostra que a lonxitude lmite do peixe de 369 cm e que tarda 27 meses en acadar a metade da devandita lonxitude lmite. Calcula o valor de k e L . Determina a lonxitude do peixe aos 10 meses. Solucin: Como a solucin da ecuacin de von Bertalany : L(t) = (L0 L )ekt + L , no noso caso toma a forma: L(t) = 369 363ekt . Sabemos que tarda 27 meses en acadar a metade da lonxitude lmite, polo tanto: 369 = 369 363ek27 , 2 polo que k= Para rematar: L(10) = 369 363e0,02510 = 86, 478 843 604 465 86, 5 cm. 1 369 ln = 0, 025 064 939 658 0, 025. 27 2 363 k > 0, L > 0,

1.2.

Concepto de solucin. Problema de Cauchy.

As ecuacins diferenciais son o instrumento para o estudo do cambio no mundo fsico. Moitas leis da Natureza, en Fsica, Qumica, Bioloxa,... atopan a sa expresin mis natural na linguaxe das ecuacins diferenciais, posto que as sas hipteses adoitan involucrar algunha taxa de cambio. Denomnase orde dunha ecuacin diferencial ordinaria maior das ordes das derivadas que aparecen nela. Denicin. Chamamos ecuacin diferencial ordinaria, en siglas EDO, a unha relacin na que a incognita unha funcin y dunha variable real independente t, tal que na sa expresin aparecen algunha das sas derivadas dy n dy dy 2 , 2 , ... , n . dt dt dt A orde da derivada mis alta nunha ecuacin diferencial se denomina orde da ecuacin e ao expoente que est elevada a derivada de maior orde chamamolo grao. Unha EDO de orde n aditase representar como: F t, y, ou ben como: F t, y, y , ... , y (n) = 0, sendo t a variable independente, y a variable dependente e y , ... , y (n) as derivadas sucesivas de y respecto a t. A denominamos EDO en forma implcita. Exemplo. A ecuacin d2 y dy 4 = ex dx2 dx unha EDO de segunda orde onde x a variable independente e y a variable dependente. Denicin. Chamamos ecuacin en derivadas parciais, en siglas EDP, a unha relacin na que a incognita unha funcin real u de das ou mis variables reais independente x1 , ... , xN , tal que na sa expresin aparecen algunha das sas derivadas parciais y n y y 2 y 2 , , 2 , ... , n . xi xi xj xi xi Exemplo. A ecuacin 2u 2u + 2 =0 x2 y unha EDP de segunda orde onde x e y son as variables independentes e u a variable dependente. dy dn y , ... , n dt dt = 0,

Denicin. Chamaremos EDO de primeira orde en forma explcita a toda expresin da forma: dy = f (t, y ). dt onde f : IR IRn IRn est denida nun dominio (conxunto aberto e conexo) D IR IRn . Esta ser a forma mis habitual ao longo do curso. Isto lvanos a introducir o seguinte concepto: Denicin: Unha funcin : I IR IR, sendo I un intervalo de IR, unha solucin da EDO: dy = f (t, y ), dt se satisfai as seguintes condicins: 9 (1.5)

1. derivable en I . 2. (t, (t)) D, para todo t I . 3. (t) = f (x, (t)), para todo t I . En tal caso, dise que solucin do problema da ecuacin (1.5) en I . Exemplos. 1. As funcins da familia monoparamtrica (x) = x2 + C , con C IR, son solucins da EDO y = 2x en IR. 2. As funcins da familia biparamtrica (x) = C1 ex + C2 ex , con C1 , C2 IR constantes reales, son solucins da EDO y y = 0 en IR. En xeral, tal e como mostran os exemplos anteriores, unha EDO ten innitas solucins; con todo, podemos atoparnos con EDOs sen solucin (como sucede con (y )2 + 1 = 0), con EDOs cunha nica solucin (como sucede con (y )2 + y 2 = 0), etc. Denicin. Chamamos problema de Cauchy ou de valor inicial dunha EDO dy = f (t, y ) dt ao problema de atopar unha solucin da EDO denida nun entorno I de t0 que verique que (t0 ) = y0 . Dicimos que o par (x0 , y0 ) son as condicins iniciais do problema de Cauchy dy = f (t, y ), dt (t0 ) = y0 .

(1.6)

O anterior problema de Cauchy resulta ser equivalente o problema de atopar a solucin dunha ecuacin integral asociada a el. Esta ecuacin integral servir para probar a existencia, unicidade e varias propiedades das solucins do problema de Cauchy (1.6). Teorema 1.1. Sexa : I IR IRn tal que (t, (t)) D, para todo t I . Se f continua no seu dominio D, entn solucin do problema de Cauchy (1.6) se, e s se, unha solucin contina da ecuacin integral
t

(t) = y0 +
t0

f (s, (s))ds.

(1.7)

Demostracin. Se solucin da ecuacin y = f (t, y ), daquela continua e cumpre (t) = f (t, (t)). Integrando obtemos
t

(t) (t0 ) =
t0

f (s, (s))ds.

Reciprocamente, se unha solucin continua do problema de (1.7), entn (t0 ) = y0 e se ademis f continua, podemos derivar (1.7) e temos que (t) = f (t, (t)). Por ltimo, para rematar este tema probaremos unha desigualdade, que nos dar una ferramenta de gran utilidade mis adiante, pero antes necesitamos o seguinte resultado. Lema (de Gronwall). Sexan u, p : [a, b] IR e q : [a, b] IR+ continuas. Se para todo t [a, b] se verica que
t

u(t) p(t) +
a

q (s)u(s)ds,

entn temos que para todo t [a, b]:

t

u(t) p(t) +
a

p(s)q (s)e

t s

q ( )d

ds

10

Demostracin. Denimos r(t) =

a

q (s)u(s)ds

tal que cumpre que r(a) = 0 e que r (t) = q (t)u(t). Como u(t) p(t) + r(t) e q non negativa, temos que r (t) p(t)q (t) + q (t)r(t), e, multiplicando por e
t a

q (s)ds

, obtemos e
t a

q (s)ds

r(t)

p(t)q (t)e

t a

q (s)ds

Integrando esta desigualdade entre a e t, obtemos e de onde temos r(t) e polo tanto
t
t a t a

t q (s)ds

r(t)
a t

p(s)q (s)e

s a

q (w)dw

ds

q (w)dw a

p(s)q (s)e

s a

q (w)dw

ds,

r(t)
a

p(s)q (s)e
t

t a

q (w)dw

s a

q (w)dw

ds.

Finalmente r(t)
a

p(s)q (s)e

t s

q (w)dw

ds

e, como u(t) p(t) + r(x), obtemos o resultado buscado. Denicin. Dicimos que a funcin f : D IR IRn IRn lipstchiciana respecto a segunda variable en D, se existe k > 0 tal que para todo (x, y1 ), (x, y2 ) D temos que f (x, y1 ) f (x, y2 ) k y1 y2 . Dicimos que a funcin f : D IR IRn IRn localmente lipstchiciana respecto a segunda variable en D, se para todo (x, y ) D existe un entorno no que lipstchiciana. Denicin. Dado > 0, chamamos solucin -aproximada da ecuacin dy = f (t, y ) dt a toda funcin : I IR IRn que verica 1. continua en I e con derivada continua a trozos en I salvo, quizis, nun nmero nito de puntos t1 , ... , tN . 2. (t, (t)) D, para todo t I . 3. (t) f (t, (t)) , para todo t I, t = ti .i = 1, ... , N . Teorema 1.2. Sexa : I IR IRn unha solucin -aproximada tal que (t0 ) = y0 . Se f continua en D, entn
t

(t) y0
t0

f (s, (s))ds |t t0 |.

Demostracin. Dexase como exercicio para o lector. Teorema 1.3 (desigualdade fundamental). Consideremos a EDO y = f (t, y ), onde f : D IR IRn IRn continua e lipstchiciana en D, con constante de Lipschitz k . Sexan 1 e 2 solucins 1 -aproximada e 2 -aproximadas da ecuacin. Entn, se verica que 1 (t) 2 (t) 1 (t0 ) 2 (t0 ) ek|tt0 | + 11 1 + 2 k|tt0 | e 1 k

Demostracin. Faremos a proba para t > t0 , pois o caso t < t0 semellante. Se chamamos (t) a 1 (t) 2 (t) e a 1 + 2 , temos que (t) = 1 (t) 2 (t) f (t, 1 (t)) f (t, 2 (t)) + 1 + 2 + k 1 (t) 2 (t) = + k (t) , e, integrando entre t0 e t, temos que
t t t

(t) (t0 ) (t) (t0 ) =

t0

(s)ds
t0

(s)ds (t t0 ) + k
t0

(s) ds.

Polo tanto obtemos que

t

(t) (t0 ) + (t t0 ) + k
t0

(s) ds.

Aplicando o lema de Gronwall, para o caso en que u(t) = (t) , p(t) = (t0 ) + (t t0 ), q (t) = k e a = t0 , temos que
t

1 (t) 2 (t) = (t) (t0 ) + (t t0 ) +

t0

(s) + (s t0 ) kek(ts) ds =
t

= 1 (t0 ) 2 (t0 ) (1 + ek(tt0 ) 1) + (t t0 ) +

t0

(s t0 )kek(ts) ds = 1 + 2 k(tt0 ) e 1 . k

= 1 (t0 ) 2 (t0 ) ek(tt0 ) +

12