4 Picard PDF

Capı́tulo 1
Convergencia entre funciones

1.1. Introducción del teorema de Picard
Uno podrı́a pensar, que por esto ser una introducción no es importante. Este no es el caso. Tanto la
introducción de este capı́tulo como del siguiente son fundamentales para entender la idea principal del
teorema de Picard. En los siguientes dos capı́tulos nos iremos acercando de a poco a este teorema, el
cual habla de la existencia y la unicidad de las soluciones de una ecuación diferencial. Comenzaremos
dando la idea de la demostración a grandes rasgos, para poder comprender por que será necesario
estudiar la convergencia entre funciones.
Consideremos el problema genérico:

ẋ(t) = f (t, x(t))
(∗)
x(t0 ) = x0
Integrando de ambos lados de la ecuación diferencial, tenemos que la solución x(t) debe verificar que:
Z t
(1.1) x(t) = x0 + f (s, x(s)) ds.
t0
De manera inversa, ver que la misma verifica (∗) es sencillo si suponemos que f es continua, ya
que derivando de ambos lados de la igualdad se tiene que:
ẋ(t) = f (t, x(t))
y evaluando en t = t0 : Z t0
x(t0 ) = x0 + f (s, x(s)) ds = x0 .
t0
Por consiguiente, x(t) es solución al problema. Sin embargo, al no conocer x(t) no podemos resolver
la integral de la ecuación (1.1).
Picard propone el método que expondremos a continuación para la resolución de (∗). Considera-
remos el espacio de funciones F como:
F = {x(t) : I ⊆ R → Rn / x(t) es continua}
es decir, el espacio de las funciones continuas que van de un conjunto I a Rn . Por otro lado, suponiendo
que f (t, x(t)) es continua, definiremos la función T : F → F , función entre funciones, como:
Z t
T (x(t)) = x0 + f (s, x(s))ds
t0
Dado que la integral es una función continua T (x(t)) será una función continua que dependa del
tiempo, por eso T va de F a F . Vemos que si el problema (∗) tiene solución, la misma tendrá que ser
un punto fijo de T , lo que significa que:
T (x(t)) = x(t)
Por definición dada una función f : M → M , a es punto fijo de f si f (a) = a. Por ende:
x(t) es solución a (∗) ⇔ x(t) = T (x(t)) ⇔ x(t) es un punto fijo de T
Por esta razón transformaremos el problema de encontrar las soluciones a encontrar los puntos
fijos de T (lo cual será más sencillo). Surgen dos grandes preguntas de esto análogas al problema de la
existencia y unicidad de la soluciones, ¿T tiene un punto fijo? y si es asi ¿es único? Existe un método
iterativo para encontrar puntos fijos, no solo utilizando en las ecuaciones diferenciales, que se muestra
en las siguientes imágenes.
1
1 CONVERGENCIA ENTRE FUNCIONES
y = 2x
y=x y=x
y = x/2 √
y= x
x2 x2
x1
x1
y=x x1 1 x2
(a) Punto fijo x = 0 (b) Punto fijo x = 0 (c) Punto fijo x = 0 y x = 1
Figura 1. Método para encontrar puntos fijos.
Presentaremos este método con funciones que vayan de R → R para que puedan visualizarlo con
más claridad (y que nos crean que puede funcionar). Observar que trabajando en los reales que una
función tenga un punto fijo implica que el gráfico de la misma se corte con la recta x = y en ese punto.
Sea la función f (x) = x2 con un único punto fijo 0 (f (0) = 0), definimos la sucesión fn como
f (x) = f (f (. . . (f (x)) . . .) = 2xn que consiste en aplicar n veces la función f . Esta sucesión está repre-
n
sentada en la imagen (1a), donde las flechas comienzan en un punto x1 (que podrı́a ser cualquiera) que
luego nos llevan a f (x1 ), f 2 (x1 ) y ası́ sucesivamente. Se observa que las mismas se van acercando al
origen, de modo que lı́mn→+∞ f n (x1 ) = 0. Se destacan dos cosas interesantes del ejemplo. En primer
lugar vemos que el lı́mite coincide con el punto fijo (punto que queremos encontrar!) y en segundo
lugar, esto sucede para cualquier x ∈ R. ¿Siempre pasará esto?
En los otros ejemplos de la figura (1) vemos que esto no siempre pasa. En la imagen (1b), vemos
que no importa que x consideremos (x ∈ R − {0}), al aplicarle la función f nos alejamos del punto
fijo, de modo que este método no sirve en esta función. En el último ejemplo tenemos una función
con dos puntos fijos, 0 y 1. Al aplicarle la función f a un x distinto de los puntos fijos, se observa que
f n (x) tiende al punto fijo 1, pero nunca al cero. En este caso el método sirve, aunque nos faltarı́a un
punto por encontrar.
El método de Picard consiste justamente en esto, considerar la sucesión T n (x(t)) y ver si a partir de
ella podemos encontrar los puntos fijos. Lamentablemente, como se ve en los ejemplos, esto no siempre
funciona por lo que tendremos que ir encontrando condiciones de T donde este método funcione. Pero
antes de empezar a encontrar esas condiciones tenemos un problema previo, en nuestro caso T n es una
sucesión de funciones (no una sucesión real como en los ejemplos) la cual, en caso de que converja,
será a otra función. ¿Pero que quiere decir que una función converja a otra? Esto nos deja la puerta
abierta a la convergencia entre funciones.
1.2. Convergencia de funciones

Para hablar de convergencia entre funciones será fundamental definir una distancia para las mis-
mas.
Se recuerda que:
Una métrica de un conjunto M es una función distancia d : M × M → R, que asocia
un par de elementos x, y ∈ M a un número real d(x, y), donde dados x, y, z ∈ M la
función d debe cumplir que:
1. d(x, x) = 0
2. si x 6= y entonces d(x, y) > 0
3. d(x, y) = d(y, x)
4. d(x, z) ≤ d(x, y) + d(y, z)
Página 2
Muchas veces nos referiremos a la distancia de dos elementos como:

d(x, y) = kx − yk
p
En los reales kxk = |x|, en R2 k(x, y)k = x2 + y 2 .
Utilizar la notación d(x, y) es un poco más general que la norma y por eso la utilizaremos a
veces en algunas definiciones o demostraciones. Sin embargo, en los conjuntos que trabajaremos no
habrá diferencia entre ambas notaciones.
Una posible función distancia entre funciones, que será la que utilizaremos de aquı́ en más, es la
distancia del supremo. Dada f : [a, b] ⊆ R → R y g : [a, b] → R continuas la distancia del supremo
entre ambas funciones está definida como:
d(f, g) = supx∈[a,b] |f (x) − g(x)|
d(f, g)
g
a b
Figura 2. Distancia del supremo.
Como se recordó antes, la distancia entre dos elementos debe ser un real positivo y por lo tanto
no puede ser infinito. Es por eso que se considera el conjunto cerrado [a, b] y funciones continuas para
asegurarnos de que exista el supremo, pero no es necesario que las funciones sean ası́ para utilizar la
distancia del supremo, basta con que el supremo exista. A esta función distancia generalmente se la
distingue con el sı́mbolo de infinito, es decir:
d(f, g) = kf − gk∞ = sup |f (x) − g(x)|
x∈[a,b]
Cuando este sı́mbolo aparezca, nos estaremos refiriendo a la distancia del supremo.
Estudiaremos dos tipos de convergencia entre funciones que las introduciremos con un ejemplo.
Consideremos la sucesión de funciones:
fn : R → R fn (x) = x/n
1
= 2
n n=
n=4
x0
Figura 3. Sucesión fn (x) = x/n.
Si graficamos algunas de estas funciones el resultado es el que se indica en la figura (3). Se puede
ver que si nos paramos en un x0 ∈ R particular se tiene que:
lı́m fn (x0 ) = 0
n→+∞
A esta clase de convergencia se le llama convergencia puntual.
Página 3
Convergencia puntual
Decimos que fn : M → Rn converge puntualmente (c.p.) a f : M → Rn si:
lı́m fn (x) = f (x), ∀ x ∈ M
n→+∞
es decir:
dado x ∈ M y ǫ > 0, ∃ n0 (x, ǫ) tal que si n ≥ n0 ⇒ kfn (x) − f (x)k < ǫ.
c.p
Cuando una función converge puntualmente a otra utilizaremos la notación fn −−→ f .
Para fn (x) = x/n tenemos que fn c.p. a la función nula (f (x) = 0). Dado ǫ > 0, tomando n0 >
|x0 |/ǫ se cumple que |fn (x0 )−f (x0 )| < ǫ para todo n ≥ n0 , donde se ve claramente como n0 depende de
x0 y ǫ.
Sin embargo dado un ǫ > 0, si quisiéramos encontrar

un n0 de forma que |fn (x) − f (x)| < ǫ para todo x, vemos ǫ
que esto no es posible. Para cualquier n0 se puede escoger
un x lo suficientemente grande tal que x/n0 > ǫ y por lo
−ǫ
tanto |fn (x) − f (x)| > ǫ. Por esta razón diremos que fn no
converge uniformemente a f .
Convergencia uniforme
Decimos que fn : M → Rn converge uniformemente (c.u.)
a f : M → Rn si:
dado ǫ > 0, ∃ n0 (ǫ) tal que si n > n0 ⇒ kfn (x) − f (x)k < ǫ, ∀ x ∈ M
o lo que es lo mismo:
dado ǫ > 0, ∃ n0 (ǫ) tal que si n > n0 ⇒ sup kfn (x) − f (x)k < ǫ
x∈M
c.u
La notación usada cuando fn c.u. a f será fn −−→ f .
Si fn : M → R c.u. a f tenemos que para n ≥ n0 :

|fn (x) − f (x)| < ǫ, ∀x∈M
o equivalentemente:
−ǫ < fn (x) − f (x) < ǫ, ∀x∈M
lo que es lo mismo que:
f (x) − ǫ < fn (x) < f (x) + ǫ, ∀x∈M
Gráficamente esto implica que si fn c.u. a f , a partir de cierto n0 , fn deberá encontrarse en una
banda de espesor 2ǫ alrededor de f , como indica la figura siguiente.
f +ǫ
fn
f
f −ǫ
Figura 4. Convergencia uniforme.
En el ejemplo que estábamos trabajando de las rectas, que converja uniformemente a la función
nula implicarı́a que fn este en una banda (−ǫ, ǫ) lo cual es imposible ya que las rectas de la sucesión
no están acotadas.
Página 4
Proposición 1.1.
Una sucesión de funciones fn : M → Rn c.u. a f : M → Rn si y solo si:
lı́m sup kfn (x) − f (x)k = 0
n→+∞ x∈M
La demostración sale directo de la definición de lı́mite. En la práctica, se suele utilizar esta pro-
posición para estudiar la convergencia uniforme de una función.
Si ahora consideráramos la misma sucesión de funciones pero en el dominio cerrado [a, b] con a y
b reales, es decir:
fn : [a, b] → R fn (x) = x/n
La sucesión sigue convergiendo puntualmente a cero, pero veamos la convergencia uniforme. En este
caso, sabemos que al fn ser continua en un dominio cerrado |fn (x)| tiene un máximo en [a, b] alcanzado
en uno de sus extremos ya que la función es creciente. Suponiendo que |a| < |b|, el máximo se darı́a
en b por lo que:
|b|
sup |x/n − 0| = sup |x/n| = |f (b)| = −−−−−→ 0
x∈[a,b] x∈[a,b] n n→+∞
en conclusión, por la proposición 1.1, fn converge puntual y uniformemente en este dominio. Podemos
concluir que la convergencia depende del dominio de las funciones. Esta dependencia vale
tanto para la convergencia puntual como la convergencia uniforme.
Observación:
c.u c.p
Es evidente por las definiciones que si fn −−→ f (x) también fn −−→ f (x), pero como ya vimos no
c.p
vale el recı́proco. En particular, si fn −−→ f (x), fn no puede converger uniformemente a una función
que no sea f .
Vemos ahora otro ejemplo. Sea:

fn : [0, 1] → R fn (x) = xn
Si estudiamos la convergencia puntual de fn tenemos que:

0, si x ∈ [0, 1)
lı́m fn (x) = lı́m xn =
n→+∞ n→+∞ 1, si x = 1
Por lo que:
c.p 0, si x ∈ [0, 1)
fn −−→ f (x) =
1, si x = 1
1
=
n 2
=
n
ǫ
4
=
n
1
Figura 5. Sucesión fn = xn .
Para ver si la misma converge uniformemente podemos ver que dado un ǫ < 1 la función siempre
tendrá que salir de la banda para llegar hasta el 1, por lo que no converge uniformemente. Más
formalmente podemos calcular el supremo. Dado que fn (1) = f (1) el supremo de la diferencia se
dará en x ∈ [0, 1).
sup |fn (x) − f (x)| = sup |fn (x) − f (x)| = sup |xn | = lı́m xn = 1
x∈[0,1] x∈[0,1) x∈[0,1) x→1
Página 5
Donde dijimos que el supremo se da cuando x tiende a 1 ya que la función es creciente. Por la
proposición 1.1 fn no converge uniformemente. Tener en cuenta que el supremo vale 1 y no tiende a
1, lo cual podrı́a generar problemas en el lı́mite cuando n tiende a infinito para utilizar la proposición
1.1, donde quedarı́a un lı́mite indeterminado.
Uno podrı́a pensar que el problema es el 1, por lo que si uno quiere que converja uniformemente
debe considerar el dominio [0, 1), donde tendrı́amos que la sucesión fn c.p. a la función nula. Sin
embargo, esto no funcionarı́a ya que lo hecho en la parte anterior para calcular el supremo sigue
siendo válido. De modo que si uno quisiera que converja uniformemente deberı́a tomar el dominio
[0, 1 − δ] donde δ ∈ (0, 1) . En este caso:
sup |fn (x) − f (x)| = sup |xn | = fn (1 − δ) = (1 − δ)n

x∈[0,1−δ] x∈[0,1−δ]
Por último:
lı́m sup |fn (x) − f (x)| = lı́m (1 − δ)n = 0

n→+∞ x∈[0,1−δ] n→+∞
ya que (1 − δ) es menor que 1. En este dominio, la sucesión de funciones si converge uniformemente.

El nombre de la convergencia puntual puede engañar un poco y generar algunas confusiones. Si
bien el lı́mite para hallar la función a la que podrı́a converger fn se hace fijando un x, este lı́mite
debe existir y no ser infinito para todos los x del dominio. Esta mal decir que una función converge
puntualmente en unos puntos del dominio y no en otros. Con que exista un número del dominio donde
el lı́mite no exista o de infinito ya alcanza para que la sucesión de funciones no converja puntualmente.
En este último ejemplo si el dominio hubiera sido [-1,1] la sucesión no hubiera convergido puntual-
mente ya que el lı́mite de fn (−1) no existe. Análogamente si el dominio hubiera considerado números
mayores a 1 o menores a -1 donde fn (x) = xn tenderı́a a infinito, por ende tampoco puede converger
puntualmente.
Algo que se logra ver en este ejemplo es que dada una sucesión de funciones continua la misma
no tiene por que converger puntualmente a una función continua. Esto no nos sirve para el método
de Picard para encontrar soluciones a una ecuación diferencial. Nos podrı́a pasar que la sucesión
de funciones continuas T n , mencionada al principio del capı́tulo, converja a una discontinua la cual
obviamente no puede ser la solución a nuestro problema.
En el siguiente teorema veremos que esto no sucede en la convergencia uniforme, si una sucesión
de funciones continuas converge uniformemente, deberá converger a una función continua.
Teorema 1.1.
c.u
Sea fn : M ⊆ Ra → Rb una sucesión de funciones continua en a ∈ M . Si fn −−→ f entonces f es
continua en a.
Demostración:
Debemos probar que:
lı́m f (x) = f (a)
x→a
o lo que es equivalente:
dado ǫ > 0, ∃ δ tal que si kx − ak < δ ⇒ kf (x) − f (a)k < ǫ
Por convergencia uniforme sabemos que:
ǫ
dado ǫ > 0, ∃ n0 tal que si n > n0 ⇒ sup kfn (x) − f (x)k <
x∈M 3
Fijando un m ≥ n0 y manteniendo el ǫ de la convergencia uniforme, tenemos por continuidad de fm
que:
ǫ
∃ δ(ǫ) tal que si kx − ak < δ ⇒ kfm (x) − fm (a)k <
3
Dado x tal que kx − ak < δ se cumple que:
kf (x) − f (a)k = kf (x) − fm (x) + fm (x) − fm (a) + fm (a) − f (a)k
ǫ ǫ ǫ
kf (x) − f (a)k ≤ kf (x) − fm (x)k + kfm (x) − fm (a)k + kfm (a) − f (a)k < + +
3 3 3
Página 6
kf (x) − f (a)k < ǫ

Por lo que queda demostrado.
Este teorema se puede visualizar en la imagen siguiente. Si una sucesión de funciones continuas fn
c.u. a una función f discontinua la misma deberı́a estar, a partir de cierto n0 , en la banda f − ǫ, f + ǫ.
Sin embargo, escogiendo un ǫ suficientemente chico donde la banda queda como en la figura, fn no
puede pasar de un lado de la discontinuidad al otro sin salir de la banda.
f +ǫ
f
f −ǫ
En consecuencia, si una sucesión de funciones continuas converge puntualmente a una discontinua,

la misma no converge uniformemente. Esta es otra forma de demostrar que la sucesión fn (x) = xn
con x ∈ [0, 1] no converge uniformemente. ¿Una sucesión de funciones discontinua podrá converger
uniformemente a una función continua? Esto si puede suceder, un ejemplo sencillo es la sucesión:

0, si x < 0
fn =
1/n, si x ≥ 0
que converge puntual y uniformemente a la función nula.
1.2.1. Convergencia, integración y derivación
Empecemos hablando de la integración. Uno podrı́a imaginarse que si una sucesión fn de funciones
converge a f , cuando n es suficientemente grande la integral de fn se parecerı́a a la de f , es decir:
Z b Z b
lı́m fn (x) dx = f (x) dx
n→+∞ a a
Pero, ¿en que clase de convergencia? Un ejemplo donde se puede ver que la convergencia puntual no
alcanza para que la igualdad anterior se cumpla es:

n, si x ∈ (0, 1/n]
fn (x) =
0, si x ∈ (1/n, 1]
c.p R 1 R 1
donde fn −−→ 0 y 0 fn (x) dx = 1 6= 0 f (x) dx = 0. Si no está claro porque la sucesión de funciones
converge puntualmente a cero, observar que dado x0 ∈ (0, 1]:
1
∃ n0 / n ≥ n0 ⇒ x0 > .
n
A partir de ese n0 tenemos que fn (x0 ) = 0, por lo que el lı́mite cunado n tiende a infinito da cero y
por lo tanto converge puntualmente a la función nula. Veamos que pasa con la convergencia uniforme.
Teorema 1.2.
Sea un sucesión de funciones continuas fn : [a, b] → R que converge uniformemente a f : [a, b] → R
entonces: Z b Z b
lı́m fn (x) dx = f (x) dx
n→+∞ a a
Demostración:
Consideremos la resta de las integrales:
Z Z
b Z b b Z b
fn (x) dx − f (x) dx ≤ |fn (x) − f (x)| dx ≤ sup |fn (x) − f (x)| dx.

a a a a x∈[a,b]
Página 7
En consecuencia:
Z
b Z b
fn (x) dx − f (x) dx ≤ (b − a) sup |fn (x) − f (x)|

a a x∈[a,b]
Por último realizando el lı́mite cuando n tiende a infinito, por la proposición 1.1, tenemos que el
lado derecho de la última desigualdad tiende a cero y por lo tanto también el lado izquierdo, dejando
demostrado el teorema.
Es importante notar que el teorema no es un si solo si, es decir, se puede cumplir la igualdad sin
que la sucesión fn converja uniformemente. Un ejemplo donde esto sucede es el caso que ya estudiamos
fn (x) = xn con x ∈ [0, 1], esta sucesión no converge uniformemente, pero verifica la igualdad. Otro
detalle, es que el intervalo debe ser acotado. Si estamos trabajando con funciones donde su dominio
no esta acotado este teorema no vale.
Ejercicio: considerar la sucesión

n
fn (x) = , x ∈ R.
n2
+ x2
R +∞
Demostrar que fn c.u. a la función nula pero que lı́mn→+∞ −∞ fn (x)dx 6= 0.
Veremos ahora que podemos decir de la derivada. El resultado más agradable, serı́a que si una
sucesión de funciones converge uniformemente a otra, las derivadas hagan lo mismo. Consideremos la
sucesión de funciones:
x
fn : R → R/ fn (x) = 2 2
n x +1
Realizando las derivadas para hacernos una idea de como son las gráficas de la sucesión obtenemos:
1 − n2 x2
fn′ (x) =
(n2 x2 + 1)2
Se puede observar que la función es impar y por el signo de la derivada alcanza su máximo en 1/n
que vale:
1/n 1
fn (1/n) = =
2 2n
Con esta información, podemos ver que estas sucesiones tendrán la forma de la imagen siguiente.
n
=
1
n
=
2
y=x
donde se tuvo en cuenta que fn′ (0) = 1 para cualquier n. Si estudiamos la convergencia puntual de
esta función tenemos que:
lı́m fn (x) = 0, ∀ x ∈ R
n→+∞
c.p
por lo que fn −−→ 0. Para la convergencia uniforme:

1 1
sup |fn (x) − f (x)| = sup |fn | = fn = −−−−−→ 0
x∈R x∈R n 2n n→+∞
c.u
Nuevamente por la proposición 1.1, fn −−→ f (x) = 0. Podemos ver que fn′ (0) 6= f ′ (0). Por lo que ni
pidiendo la convergencia más fuerte entre fn y f (la convergencia uniforme) podemos concluir algo de
las derivadas. Para poder concluir algo acerca de las derivadas de una sucesión de funciones, tendremos
que exigirle condiciones a fn′ .
Página 8
Teorema 1.3.
Sea fn : (a, b) ⊆ R → R una sucesión de funciones de clase C 1 y una función g : (a, b) → R. Si se
cumple que:
c.u
1. fn′ −−→ g
2. ∃ x0 ∈ (a, b)/ fn (x0 ) converge
c.u
entonces existe f : (a, b) → R de clase C 1 tal que fn −−→ f y f ′ = g
Demostración:
Podemos escribir fn (x) como:
Z x
fn (x) = fn (x0 ) + fn′ (s) ds.
x0
Del teorema 1.2 de las integrales tenemos que:

Z x Z x
c.u
fn′ (s) ds −−→ g(s) ds
x0 x0
utilizando esto último sumado a que fn (x0 ) converge a un número que llamaremos c:∗
Z x
c.u
fn −−→ c + g(s) ds.
x0
Llamando f a la función a la que converge fn se obtiene que:

Z x
c.u
fn (x) −−→ f (x) = c + g(s) ds.
x0
′
Derivando f obtenemos efectivamente que f = g, por lo que queda demostrado.
∗ c.u c.u c.u

Ejercicio: demostrar que si fn −−→ f y gn −−→ g entonces fn + gn −−→ f + g (esto fue utilizado en
la demostración de este último teorema).
Intuitivamente uno podrı́a pensar que si fn′ c.u. ya alcanzarı́a para demostrar que fn también
lo hace. Sin embargo sin la segunda condición el teorema no es cierto, se puede ver en el siguiente
ejemplo. Sea
sen(x)
fn (x) = n + , ∀x∈R
n
tenemos que lı́mn→+∞ fn (x) se va a infinito para cualquier valor de x, por lo que fn no converge
cos(x)
puntualmente y por lo tanto tampoco uniformemente. Sin embargo fn′ (x) = converge unifor-
n
memente a cero. Sin la segunda condición, tendrı́amos que fn deberı́a converger uniformemente, lo
cual no es cierto.
1.3. Sucesiones de Cauchy

Primero recordemos algunas cosas de las sucesiones de Cauchy.
Se recuerda que:
• Una sucesión (an )n∈N es de Cauchy si y solo si:
dado ǫ > 0, ∃ n0 ∈ N tal que si n, m ≥ n0 ⇒ d(an , am ) < ǫ
dado ǫ > 0, ∃ n0 ∈ N tal que si n ≥ n0 y k ∈ N ⇒ d(an+k , an ) < ǫ
A partir de cierto momento todos los elementos de la sucesión están arbitraria-
mente cerca.
• Una sucesión (an )n∈N ⊆ R es convergente ⇔ (an )n∈N es de Cauchy.
Página 9
En el conjunto de las funciones la distancia que utilizaremos será la distancia del supremo, de
donde tenemos la siguiente definición.
Decimos que fn : M → R es de Cauchy si:
dado ǫ > 0, ∃ n0 (ǫ) tal que si n ≥ n0 y k ∈ N ⇒ kfn+k − fn k∞ < ǫ

es decir:
dado ǫ > 0, ∃ n0 (ǫ) tal que si n ≥ n0 y k ∈ N ⇒ sup |fn+k (x) − fn (x)| < ǫ
x∈M
A continuación veremos un teorema que nos ayudará a demostrar el teorema de Picard, el cual es
parecido al segundo punto de lo que se recordó recientemente pero en sucesiones de funciones.
Teorema 1.4.
Sea una sucesión de funciones fn : M → R:
c.u
fn es de Cauchy ⇔ existe una función f : M → R tal que fn −−→ f.
Demostración:
Comencemos con la demostración directa, es decir, sabiendo que es una sucesión es de Cauchy
demostrar que converge uniformemente. Dado que es de Cauchy tenemos que a partir de cierto n0 :
sup |fn+k (x) − fn (x)| < ǫ, con n ≥ n0 , k ∈ N.

x∈M
En consecuencia:
(1.2) |fn+k (x) − fn (x)| < ǫ, ∀x∈M
lo que implica que la sucesión real fn (x) es de Cauchy y por lo tanto convergente, para todo x ∈ M . Por
ende, fn converge puntualmente a una función que llamaremos f . Si ahora fijamos n y x y realizamos
el lı́mite cuando k tiende a infinito de la ecuación (1.2) obtenemos que:
|f (x) − fn (x)| < ǫ, ∀x∈M
Dado que este resultado es para todo x ∈ M , tenemos que para todo n ≥ n0 se cumple que:
sup |f (x) − fn (x)| < ǫ

x∈M
c.u
es decir, fn −−→ f .
c.u
Ahora iremos con el recı́proco. Debemos demostrar que si fn −−→ f entonces es una sucesión de
Cauchy. Por ser una sucesión que converge uniformemente tenemos que dado ǫ > 0, existe un n0 tal
que si n ≥ n0 entonces:
ǫ
sup |fn (x) − f (x)| <
x∈M 2
Si quisiéramos estudiar la diferencia entre fn y fn+k , donde k ∈ N, dado un x ∈ M tenemos que:
|fn+k (x) − fn (x)| = |fn+k (x) − f (x) + f (x) − fn (x)| ≤ |fn+k (x) − f (x)| + |fn (x) − f (x)|, ∀ x ∈ M.
Por lo tanto:
ǫ ǫ
sup |fn+k (x) − fn (x)| ≤ sup |fn+k (x) − f (x)| + sup |fn (x) − f (x)| < +
x∈M x∈M x∈M 2 2
Por último:
sup |fn+k (x) − fn (x)| < ǫ
x∈M
llegando a la definición de una sucesión uniformemente de Cauchy.
Página 10
1.4. Series de funciones

Por último hablaremos brevemente de las series de funciones. Dada una sucesión de funciones
fn : M → R tenemos asociada una serie
n
X
sn (x) = fi (x)
i=1
la cual no es más que una sucesión de funciones definida como la suma de otra sucesión. Por lo tanto,
todo lo visto hasta ahora sigue valiendo para las series de funciones. Veremos un teorema que sirve
para probar que una serie converge uniformemente apoyándonos en el teorema visto recientemente
(teorema 1.4).
Teorema 1.5 (Criterio del mayorante de Weierstrass).
Sea fn : M → R una sucesión de funciones. Si existe una sucesión An ⊂ R tal que:
|fn (x)| ≤ An , ∀ x ∈ M, ∀ n ≥ 1
P+∞ Pn
y n=1 An converge entonces la serie sn (x) = i=1 fi (x) converge uniformemente.
Demostración:
Trataremos de probar que la serie es una sucesión de Cauchy y por lo tanto gracias al teorema
P+∞
misma convergerá uniformemente. En primer lugar dado que n=1 An converge, la sucesión
anterior laP
n
real bn = i=1 Ai es convergente y por lo tanto de Cauchy. Es decir, dado ǫ > 0 existe un n0 tal que
si n ≥ n0 y k ∈ N tenemos que:
n+k n+k
X X
|bn+k − bn | = Ai = Ai < ǫ
i=n+1 i=n+1
donde en la última igualdad se usó que An es siempre positivo, ya que |fn (x)| ≤ An . Veamos ahora
que pasa con la serie sn .
n+k n+k n+k
X X X
|sn+k (x) − sn (x)| =
fi (x) ≤ |fi (x)| ≤ Ai < ǫ, ∀x ∈ M
i=n+1 i=n+1 i=n+1
por lo que queda demostrado.
Tanto este último teorema como el teorema 1.3 de las derivadas se utilizarán mucho en los últimos
capı́tulos, cuando estudiemos ecuaciones diferenciales en derivadas parciales.
Página 11
Capı́tulo 2
Teorema de Picard
Este capı́tulo es bastante pesado, pero también bastante interesante. Retomaremos el razonamiento y las
preguntas con las que comenzamos el capı́tulo anterior, hasta llegar finalmente a la demostración del teorema
de Picard (en caso de no recordar lo que se habló en la introducción del capı́tulo anterior, se recomienda darle
una releı́da).
2.1. Introducción
Recordamos que tenı́amos el problema:

ẋ(t) = f (t, x(t))
(∗)
x(t0 ) = x0
y la función T : F → F :
Z t
T (x(t)) = x0 + f (s, x(s))ds
t0
donde F eran las funciones continuas de un conjunto I a Rn . Como ya habı́amos visto, las soluciones
a (∗) deben ser puntos fijos de la función T .
Para que quede claro, cada vez que estemos hablando de un lı́mite con T o haciendo referencia a
alguna distancia, dado que T agarra funciones y devuelve funciones, será con la distancia del supremo.
Cambiaremos la notación de la convergencia uniforme usada en el capı́tulo anterior y lo denotaremos
con un lı́mite ya que la convergencia uniforme no es más que un lı́mite con la distancia del supremo (en
c.u
el capı́tulo anterior se optó por la notación fn −−→ f para diferenciar claramente con la convergencia
puntual). Si decimos que T n (x) c.u. a otra función x∞ lo escribiremos como:
lı́m T n (x) = x∞ ⇔ dado ǫ > 0, ∃ n0 ∈ N/ n ≥ n0 ⇒ d(T n (x), x∞ ) < ǫ.
n→+∞
Si consideramos la distancia del supremo, llegamos a la definición de la convergencia uniforme. Usa-
remos esta notación por que nos será más cómoda para algunas demostraciones.
Supongamos que T es continua y que T n (x) c.u. a x∞ . Podrı́an haber algunas dudas de que quiere
decir la continuidad en la transformación T . Por definición de continuidad:
lı́m T (x) = T (y)
x→y
dado ǫ > 0, ∃ δ(ǫ) > 0/ d(x, y) < δ ⇒ d(T (x), T (y)) < ǫ.
Como aclaramos recién, utilizaremos la distancia del supremo. De esta forma:
dado ǫ > 0, ∃ δ(ǫ) > 0/ sup kx(t) − y(t)k < δ ⇒ sup kT (x(t)) − T (y(t))k < ǫ.
t∈I t∈I
Con estas suposiciones, gracias a la continuidad de T tenemos que:

lı́m T n+1 (x) = T lı́m T n (x) .
n→+∞ n→+∞
Por otro lado:

lı́m T n+1 (x) = lı́m T n (x) = x∞ .
n→+∞ n→+∞
Uniendo ambas cosas:

n+1 n
(2.1) x∞ = lı́m T (x) = T lı́m T (x) = T (x∞ ).
n→+∞ n→+∞
En consecuencia si T n (x) converge uniformemente y T es continua, a lo que converge será un

punto fijo de T , lo que implica que x∞ sea solución al problema (∗).
Página 12
2 TEOREMA DE PICARD
Para fijar ideas, veremos un ejemplo sencillo de como obtener la solución a una ecuación diferencial
por el método de Picard. Consideremos el problema ya conocido:

ẋ = x
(2.2)
x(0) = 1
Una solución a este problema, como ya se vio previamente, es la función x(t) = et , pero trataremos
de resolverlo buscando un punto fijo de T con la sucesión T n . En este caso la función T es:
Z t
T (x(t)) = 1 + x(s) ds
0
Considerando la función x(t) = 1 para comenzar la iteración:

Rt
T (1) = 1 + 0 1 ds = 1 + t
t 2
T 2 (1) = 1 + 0 (1 + s) ds = 1 + t + t2
R
Rt 2 2
t3
T 3 (1) = 1 + 0 (1 + s + s2 ) ds = 1 + t2 + 3!
..
.
t2 tn
T n (1) = 1 + t + 2 + ...+ n!
Si aplicamos el lı́mite cuando n tiende a infinito:

+∞ n
X
n t
lı́m T (1) = = et
n→+∞
n=0
n!
Aceptando que T es continua∗ , por la expresión (2.1) tenemos que et es un punto fijo de T y por lo
tanto solución a (2.2). También se puede probar directamente que et es un punto fijo haciendo T (et ).
Z t
T (et ) = 1 + es ds = 1 + et − 1 = et
0
Pero, si en vez de considerar la función x(t) = 1, hubiéramos escogido x(t) = 2 o x(t) = t, ¿T n (x)
continuarı́a convergiendo a et ? Se recomienda hacer las cuentas para comprobar que esto sucede
(sorpréndase!)
Aclaraciones del conjunto F :
• El conjunto I donde están definidas las funciones del conjunto F será un conjunto abierto que
contenga al t0 , que es lo que tiene sentido para nuestro problema. Que el intervalo sea abierto
es debido a que no está definida la derivada en los extremos.
• Se puede ver que definimos F como las funciones continuas, cuando la solución al problema
(∗) debe ser derivable. ¿Esto puede causarnos algún problema? ¿El punto fijo de T podrı́a ser
continua pero no derivable? Si f (t, x) es continua, esto no puede suceder ya que la integral por
el teorema fundamental del cálculo es derivable y por lo tanto también lo es T (x(t)) aunque x(t)
solo sea continua. Por esta razón, nos quedaremos trabajando con el conjunto de las funciones
continuas.
∗
Ejercicio: demostrar que T es continua en el ejemplo anterior. Se sugiere utilizar el teorema 1.2.
2.2. Teorema de Picard

En esta sección veremos que condiciones le tenemos que pedir a T , que en definitiva serán con-
diciones de f (t, x), para que el método iterativo funcione y para poder asegurar que hay una única
solución. Demostraremos algunos teoremas para llegar finalmente al teorema de Picard, lo que nos
asegurará la existencia y unicidad de algunas ecuaciones diferenciales.
Comenzaremos con algunas definiciones que utilizaremos en el resto del capı́tulo.
Página 13
2 TEOREMA DE PICARD
Definiremos un espacio métrico al par (M, d), donde M es un conjunto y d una función distancia
en M . Ejemplos de espacios métricos son (R, || ||1 ) o el espacio de funciones B = {x : I ⊆ R →
R/x(t) es acotada} con la distancia del supremo.
Si bien habı́amos definido nuestro conjunto F como el conjunto de las funciones continuas y esto
parecı́a tener sentido con nuestro problema, estas podrı́an no estar acotadas ya que están definidas en
un intervalo I abierto. Esto hace que la distancia del supremo pueda no tener sentido en este conjunto
ya que podrı́a no haber supremo. Redefiniremos nuestro conjunto F para no tener problemas. Sea B
una bola cerrada de centro x0 consideraremos:
F = {x : (t0 − α, t0 + α) → B/ x(t) es continua}.
En otras palabras, las funciones continuas definidas de un entorno del t0 a una bola alrededor de x0 .
Ahora si el par (F , k k∞ ) es un espacio métrico.
Diremos que el espacio métrico (M, d) es completo si toda sucesión de Cauchy en M es con-
vergente a un punto de M . Algunos ejemplos de esto son (R, || ||1 ) ya que toda sucesión dentro de
los reales converge a un real. No sucede lo mismo si tomamos el conjunto de los racionales, ya que
una sucesión incluida en los racionales puede converger a un irracional, como sucede con la sucesión
definida como an = 1 + 11 + 2! 1 1
+ . . . + n! que converge al número e. El conjunto de los reales sacándole
un elemento ya deja de ser completo, lo podemos ver considerando el conjunto R − {0} y la sucesión
an = 1/n, aunque si es completo considerar un conjunto cerrado dentro de los reales, como es el
espacio métrico ([a, b], || ||1 ), donde a y b son reales.
Lema 2.1.
Sea F = {x : (t0 − α, t0 + α) → B/ x(t) es continua}, donde B es la bola cerrada B = Bx0 ,ǫ , el
par (F , k k∞ ) es un espacio métrico completo.
Demostración:
Ya concluimos anteriormente que (F , k k∞ ) es un espacio métrico, por lo que faltarı́a ver que el
mismo es completo. Es decir, toda sucesión de Cauchy dentro del conjunto deberá converger a otro
elemento del conjunto1. Este lema ya lo tenemos casi demostrado.
En el capı́tulo anterior vimos que toda sucesión que converge uniformemente es de Cauchy y
también su reciproco (teorema 1.4). En consecuencia, alcanzarı́a con demostrar que toda sucesión
de funciones dentro de F que converge uniformemente debe converger a una función continua que
este contenida en la bola B. Por el teorema 1.1 ya sabemos que una sucesión continua que converge
uniformemente a otra esta última tiene que ser continua, de modo que solo faltarı́a demostrar que esa
función a la cual converge esta en B. Sea xn ⊂ F la sucesión que converge uniformemente a x e I al
intervalo (t0 − α, t0 + α), que x(t) ⊂ B implicarı́a que:
kx − x0 k∞ ≤ ǫ
Veremos que esto sucede.
sup |x(t) − x0 | = sup |x(t) − xn (t) + xn (t) − x0 | ≤ sup |x(t) − xn (t)| + sup |xn (t) − x0 |
t∈I t∈I t∈I t∈I
Dado que xn c.u. a x tenemos que el primer término de la derecha tiende a cero y el segundo término
es menor o igual a ǫ ya que xn ⊂ F . En consecuencia:
sup |x(t) − x0 | ≤ ǫ
t∈I
Por lo tanto, si consideramos una sucesión xn ∈ F que converge uniformemente la misma converge a
un elemento de F . Por último, por el teorema 1.4, (F , k k∞ ) es un espacio métrico completo.
Sea (M, d) un espacio métrico y F : M → M , diremos que F es una contracción si:

∃ k ∈ [0, 1)/ d(F (x), F (y)) ≤ k d(x, y), ∀ x, y ∈ M
En otras palabras, al aplicarle la función F a dos elementos x e y, las imágenes de los mismos estarán
más cerca que los elementos en si.
1 En este caso, cuando hablamos de que un elemento del conjunto debe converger a otro, utilizaremos la norma del
supremo ya que es la distancia del espacio métrico. En otras palabras, estamos hablando de convergencia uniforme.
Página 14
2 TEOREMA DE PICARD
Observación:
• Toda contracción es continua, ya que si d(x, y) tiende a cero también lo hará d(F (x), F (y)).
Una posible imagen gráfica que a uno le viene a la mente con esto podrı́a ser algo como la figura
(6.a). Sin embargo esta figura no verifica que las imágenes de los puntos x y F (x) o y y F (y) se vayan
acercando. Considerando los puntos x y F (x), dado que F es una contracción se cumple que:
d(F (x), F (F (x))) ≤ k d(x, F (x))
(2.3) d(F (x), F 2 (x)) ≤ k d(x, F (x))
Realizando esta corrección, una imagen más correcta serı́a la figura (6.b)
y y
F (y) F 2 (y) F (y)
F 2 (y)
F 2 (x) F 2 (x)
F (x) F (x)
x x
M M
(a) (b)
Figura 6. Contracción.
Ahora, si tenemos que las imágenes de los puntos x y F (x) se deben acercar, esto implica que
F n (x) y F n+1 (x) deben acercarse cada vez más. En consecuencia la sucesión F n tendrá que ser de
Cauchy y por ende convergente. Ası́ que estaremos frente a una sucesión F n convergente y F continua
(por ser contracción), de modo que F n tendrá que converger a un punto fijo (ecuación (2.1)). Esto
nos lleva al siguiente teorema.
Teorema 2.1 (del Punto Fijo).
Sea (M, d) un espacio métrico completo y F : M → M una contracción. Entonces existe un único
p ∈ M / F (p) = p y además p = lı́mn→+∞ F n (x), ∀ x ∈ M .
Demostración:
Comencemos probando la unicidad. Supongamos que existen p, q ∈ M/ F (p) = p y F (q) = q.
Dado que F es una contracción se tiene que cumplir que:
d(F (p), F (q)) ≤ k d(p, q)
con k ∈ [0, 1). Por ser puntos fijos obtenemos que:
d(p, q) ≤ k d(p, q) ⇒ d(p, q) = 0 ⇒ p = q
De donde F tendrá un único punto fijo. Vayamos ahora con la convergencia siguiendo lo que comenta-
mos anteriormente. Trataremos de probar que F n es de Cauchy lo que implica que d(F n+r (x), F n (x))
tienda a cero, para todo x ∈ M . Tomamos x ∈ M cualquiera:
d(F n+r (x), F n (x)) ≤ k d(F n+r−1 (x), F n−1 (x)) ≤ k 2 d(F n+r−2 (x), F n−2 (x)) ≤ . . . ≤ k n d(F r (x), x)
(2.4) d(F n+r (x), F n (x)) ≤ k n d(F r (x), x)

Si miramos el término de la derecha, por la desigualdad triangular
d(F r (x), x) ≤ d(F r−1 (x), F r−2 (x)) + d(F r−1 (x), F r−2 (x)) + . . . + d(F (x), x)
utilizando nuevamente la definición de contracción:
Página 15
2 TEOREMA DE PICARD
d(F r (x), x) ≤ k r−2 d(F (x), x) + k r−1 d(F (x), x) + . . . + d(F (x), x)
d(F r (x), x) ≤ (k r−2 + k r−1 + . . . + 1) d(F (x), x)
Sustituyendo este último resultado en (2.4):
i=r−2
X
d(F n+r (x), F n (x)) ≤ k n k i d(F (x), x)
i=0
Pi=r−2
Si realizamos el lı́mite cuando n tiende a infinito k n tiende a cero y como k i d(F (x), x) es

i=0
constante:
lı́m d(F n+r (x), F n (x)) = 0
n→+∞
En consecuencia, F n (x) es de Cauchy y por lo tanto convergente. Falta probar que F n (x) converge
a p. Como ya mencionamos, dado que F es una contracción también será continua, de modo que
estamos frente a F n (x) una sucesión convergente y F continua. Como se planteo en la introducción
del capı́tulo, considerando a = lı́mn→+∞ F n (x):

n+1 n
a = lı́m T (x) = T lı́m T (x) = T (a)
n→+∞ n→+∞
de donde a es un punto fijo. Dado que p era el único punto fijo, tenemos que a = p y en consecuencia:
lı́m F n = p, ∀ x ∈ M
n→+∞
Dejando demostrado el lema.
De modo que, si T fuera una contracción, no solo tendrı́a un punto fijo, si no que el mismo serı́a
único. Además realizando el lı́mite de T n (x), con x ∈ F , el mismo tenderá al punto fijo independien-
temente del x que escojamos. Nos faltarı́a saber que tiene que cumplir f (t, x) para que T sea una
contracción.
Recordar el ejemplo que se vio en la introducción de este capı́tulo con la ecuación diferencial
ẋ = x con condición inicial x(0) = 1. En esa parte vimos que si considerábamos la función x(t) =
1 y realizábamos el lı́mite de T n (1) el mismo tendı́a a et , solución del problema. Si T fuera una
contracción, por √este último lema tendrı́amos que no importa si consideráramos la función 1, 2, t,
sin(t) o sin(t25 )e 40t para comenzar la iteración, todas tenderı́an a et .
Si T es una contracción, sea ϕ y ψ funciones del conjunto F y k ∈ [0, 1) tenemos que:
kT (ϕ) − T (ψ)k∞ ≤ k kϕ − ψk∞
Sustituyendo T (ϕ) y T (ψ) por la integral y la norma por el supremo:
Z t

sup
[f (ϕ(s), s) − f (ψ(s), s)]ds
≤ k sup kϕ(t) − ψ(t)k.
t∈I t0 t∈I
Definiremos f : Ω ⊆ R × Rn → Rn una función Lipschitziana respecto a la variable espacial si

existe k > 0 constante tal que:
kf (t, x) − f (t, y)k ≤ k kx − yk, ∀ (t, x), (t, y) ∈ Ω
Diremos que una función f : Ω ⊆ R × Rn → Rn es localmente Lipschitz según la variable espacial

si para cada (t0 , x0 ) ∈ Ω existe una constate k > 0 y un entorno U ⊂ Ω alrededor de (t0 , x0 ) tal que:
kf (t, x) − f (t, y)k ≤ k kx − yk, ∀ (t, x), (t, y) ∈ U.
Propiedad 2.1. Sea Ω ⊆ R × Rn abierto y f : Ω → Rn de clase C 1 respecto a la variable espacial

df
dx es continua . Entonces f es localmente Lipschitziana según la variable espacial.
Demostración:
La demostración sale bastante directo del teorema del valor medio. El mismo indica que dado
x1 , x2 ∈ Ω existe θ ∈ (0, 1) tal que
kf (t, x1 ) − f (t, x2 )k df
= (θx1 + (1 − θ)x2 )
kx1 − x2 k dx
Página 16
2 TEOREMA DE PICARD
es decir, la pendiente entre ambos puntos es igual a la derivada respecto a x en un punto intermedio en
la recta que une x1 con x2 . Si la derivada es continua en cualquier (t0 , x0 ) entonces existe un entorno
U ⊂ Ω alrededor de cada punto donde la derivada esta acotada y por lo tanto, sea x1 , x2 ∈ U se
cumple que:
kf (t, x1 ) − f (t, x2 )k
≤ L, ∀ x1 , x2 ∈ U
kx1 − x2 k
por lo que la función es localmente de Lipschitz según la variable espacial.
Observación:
• Cuando hablamos de la norma en este caso nos referimos a la norma en Rn . Sin embargo, si se
cumple la desigualdad para todo t ∈ I tal que (t, x(t)) y (t, y(t)) se encuentren en el entorno U
se cumple que:
sup kf (t, x(t)) − f (t, y(t))k ≤ k sup kx(t) − y(t)k
t∈I t∈I
• Que una función sea de Lipschitz según la variable espacial implica que la función es continua
y acotada según la variable espacial, pero no según el tiempo. La función no tiene porque ser
continua ni acotada.
Se recuerda que:
Si bien seguramente ya saben distinguir cuando un conjunto es abierto o no, puede ser
que estén olvidados de la definición formal. Por esta razón la repasaremos.
A es un conjunto abierto ⇔ ∀ a ∈ A, ∃ δ > 0/ Ba,δ ⊂ A
En palabras, dado cualquier elemento del conjunto, se puede definir un entorno alre-
dedor del mismo tal que el entorno también este incluido en el conjunto.
Repetidas veces nos definirnos un entorno alrededor de un elemento del conjunto Ω a lo largo del
capı́tulo y podremos hacerlo sin problemas porque estaremos trabajando con Ω abierto.
Ahora si, estamos preparados para demostrar el teorema de Picard.
Teorema 2.2 (Picard).

Sea Ω ⊆ R × Rn abierto y f : Ω → Rn localmente Lipschitz según la variable espacial y continua
entonces existe α > 0 donde la ecuación diferencial

ẋ = f (t, x)
x(t0 ) = x0
tiene una única solución definida en el intervalo (t0 − α, t0 + α).
Demostración:
Por la condición de Lipschitz tenemos que existe U ⊂ Ω entorno de (t0 , x0 ) y c > 0 donde se cumple:
kf (t, x) − f (t, y)k ≤ c kx − yk, ∀ (t, x), (t, y) ∈ U.
Consideraremos el intervalo I = (t0 − α, t0 + α) y la bola cerrada B = B(x0 , β), con α y β positivos,
de modo que:
1. B × I ⊂ U
2. kf (t, x)k ≤ M , ∀ (t, x) ∈ I × B
3. α.M < β y α.c < 1
donde para que la primera condición se cumpla, basta tomar α y β lo suficientemente pequeños.
Análogamente para la segunda condición, ya que por la continuidad de f en (t0 , x0 ) existe un entorno
del punto donde la misma es acotada. La tercera condición basta con tomar α lo suficientemente
pequeño.
Sea F = {x : I → B/ x(t) es continua}. Veremos que T (x(t)) ∈ F para todo x(t) ∈ F y por
lo tanto T : F → F . Ya vimos que (F , k k∞ ) es un espacio métrico completo, de modo que si
demostramos que T : F → F solo nos quedarı́a ver que es una contracción para utilizar el teorema
del punto fijo. Para esto debemos ver que kT (x) − x0 k∞ ≤ β y que T (x(t)) sea una función continua.
Página 17
2 TEOREMA DE PICARD
La segunda condición ya hemos visto que se cumple por la continuidad de la integral, falta verificar
la primera. Recordamos que:
Z t
T (x) = x0 + f (s, x(s)) ds, ∀ t ∈ I
t0
por ende: Z t

kT (x(t)) − x0 k =

≤ |t − t0 |M ≤ α.M < β, ∀ t ∈ I
f (s, x(s)) ds
t0
En consecuencia:
sup kT (x(t)) − x0 k < β
t∈I
Por lo tanto T : F → F . Ahora veremos si T es una contracción. Sea ϕ, ψ ∈ F :
Z t

kT (ϕ) − T (ψ)k∞ = sup
[f (s, ϕ(s)) − f (s, ψ(s))]ds ≤ α sup kf (t, ϕ(t)) − f (t, ψ(t))k

t∈I t0 t∈I
Dado que ϕ, ψ ∈ F tenemos que (t, ϕ(t)), (t, ψ(t)) ∈ B × I ⊂ U , por lo que se cumple la condición de
Lipschitz que implica que:
sup kf (t, x(t)) − f (t, y(t))k ≤ c sup kx(t) − y(t)k.
t∈I t∈I
Por último
kT (ϕ), T (ψ)k ≤ α.c sup ||ϕ(t) − ψ(t)||
t∈I
Considerando k = α.c < 1 (punto 3):

kT (ϕ) − T (ψ)k∞ ≤ kkϕ − ψk∞
donde queda demostrado que T : F → F es una contracción. Gracias al teorema del punto fijo sabemos
que T tiene un único punto fijo y por lo tanto una única solución a la ecuación diferencial definida en
(t0 − α, t0 + α) dejando demostrado el teorema de Picard.
Aclaraciones y observaciones del teorema:

• Observar que no alcanza solo con pedir que f cumpla la condición de Lipschitz, es necesario
pedirle que sea continua para afirmar que existe un entorno donde la función es acotada.
• Picard nos asegura la existencia de una única solución solo en un entorno de la condición inicial.
• Si f es continua y la derivada de f respecto a la variable espacial es continua por la propiedad
2.1 vale el teorema de Picard.
• El α encontrado que cumpla con las tres condición descriptas anteriormente, sirve para cualquier
condición inicial del entorno B × I. Por esta razón, también se cumple la siguiente versión del
teorema de Picard que es un poco más amplia (la demostración es prácticamente la misma).
Teorema 2.3 (Otra versión de Picard). Sea Ω ⊆ R×Rn abierto y f : Ω → Rn localmente Lipschitz
según la variable espacial y continua entonces para todo (t0 , x0 ) ∈ Ω existe α > 0 y un entorno U ⊂ Ω
de (t0 , x0 ) tal que para cada (t1 , x1 ) ∈ U la ecuación diferencial ẋ = f (t, x) con condición inicial
(t1 , x1 ) tiene una única solución definida en (t1 − α, t1 + α).
En otras palabras, para cualquier condición inicial en U , existe una única solución de tamaño 2α,
donde α es el mismo para todas las condiciones iniciales en U .
2.2.1. Resumen del teorema de Picard
Después de un largo camino hemos demostrado el teorema de Picard. Haremos un repaso rápido
de como lo hicimos para ordenar las ideas.
1. En primer lugar vimos que resolver la ecuación diferencial era lo mismo que encontrar un punto
fijo de la transformación T .
2. Definimos espacio métrico completo y vimos que el par (F , || ||∞ ) era un espacio métrico
completo.
3. Teorema del punto fijo. Este nos asegura que si T va de un espacio métrico completo al mismo
espacio y es una contracción T tendrá un único punto fijo.
Página 18
2 TEOREMA DE PICARD
4. Teorema de Picard. En este teorema demostramos que si f (t, x(t)) es continua, T va del espacio
métrico completo (F , || ||∞ ) al mismo y si f es localmente Lipschitz según la variable espacial
T es una contracción y por lo tanto está en las hipótesis del teorema del punto fijo.
5. Este último paso nos asegura que T tiene un único punto fijo en F y por lo tanto una única
solución a la ecuación diferencial en un entorno del instante inicial.
Es interesante como demostramos un teorema de ecuaciones diferenciales transformándolo en un

problema totalmente distinto de encontrar los puntos fijos de la función T . Donde no fue necesario
hablar de derivadas, ni siquiera considerar el conjunto de las funciones derivables.
Continuaremos con un ejemplo.
Ejemplo 2.1.
Consideremos la ecuación diferencial p
ẋ = |x|.
Lo primero que podemos deducir de las soluciones es que hay una solución estacionaria x(t) = 0 y
que las soluciones tendrán que ser no decrecientes ya que ẋ es siempre mayor o igual a cero. Veamos
que podemos decir de la unicidad de las soluciones. Dado que la derivada de la raı́z tiende a infinito
en cero, tenemos que:
kf (t, x) − f (t, y)k
kx − yk
tenderá a infinito para x e y muy próximos a cero. De manera que f no cumple la condición de
Lipschitz en x = 0.
Definimos entonces los conjuntos Ω+ = {(t, x) ∈ R2 / x > 0} y Ω− = {(t, x) ∈ R2 / x < 0}. Si
definimos nuestra función f : Ω+ → R la misma es de clase C 1 en ese dominio por lo que podemos
usar Picard. En este caso, podemos concluir que para toda condición inicial (t0 , x0 ) con x0 > 0 existe
una única solución definida en un entorno de t0 . Nos pasa lo mismo si consideramos el dominio Ω− ,
concluyendo que para cualquier condición inicial con x0 6= 0 existe una única solución en un entorno
de t0 .
Esta ecuación no es tan difı́cil de resolver ya que podemos usar variables separables.
Z t Z t
ẋ
p dt = 1 dt
t0 |x| t0
Distinguiendo entre x positivo o negativo para deshacernos del valor absoluto obtenemos que:
2
t − t0 √

si x0 > 0 ⇒ x(t) = + x0
2
2
t0 − t √

si x0 < 0 ⇒ x(t) = − + −x0
2
Vemos que las soluciones son parábolas, las cuales no respetan el signo de f (t, x). El problema es
que la integral realizada no esta definida en x = 0 y estas parábolas alcanzan ese valor. Estas funciones
serán soluciones solo en su parte creciente. Si consideramos la función obtenida para x0 > 0:
t − t0 √

ẋ = + x0
2
√
Esta derivada para p tiempos menores que t∗1 = t0 −2 x0 es negativa y no verifica la ecuación diferencial
√
(verifica que ẋ = − |x|). Nos pasa lo mismo para los x0 < 0 para tiempos mayores a t∗2 = t0 +2 −x0 .
Reescribiendo las soluciones en el correcto dominio tenemos que:
2
t − t0 √

si x0 > 0 ⇒ x(t) = + x0 , ∀ t ≥ t∗1
2
2
t0 − t √

si x0 < 0 ⇒ x(t) = − + −x0 , ∀ t ≤ t∗2
2
si x0 = 0 ⇒ x(t) = 0, ∀t∈R
Página 19
2 TEOREMA DE PICARD
donde las primeras dos funciones las podemos reescribir como:

2
t − t∗1

si x0 > 0 ⇒ x(t) = , ∀ t ≥ t∗1
2
2
t∗2 − t
si x0 < 0 ⇒ x(t) = − , ∀ t ≤ t∗2
2
Sin embargo veremos que estas no son las únicas soluciones. Dado que las soluciones con condicio-
nes iniciales distintas de cero son parábolas que llegan al eje x con pendiente nula podrı́amos extender
las soluciones. Por ejemplo:
 ∗
 0, si t ≤ t1

si x0 > 0 ⇒ x(t) =
t−t∗
2

 2
1
, si t > t∗1
Esta solución verifica la ecuación diferencial para todo t ∈ R. Otra posible extensión es unir dos
parábolas, una positiva y otra negativa.
 2
t∗1 −t
− , ∀ t ≤ t∗1



 2
x(t) = 2

 t−t∗

 2
1
, ∀ t > t∗1
(t0 , x0 )
ϕ4 (t)
t0 − α t0 + α
ϕ3 (t) ϕ2 (t) ϕ1 (t)
(a) (b)
p
Figura 7. Ejemplo ẋ = |x|.
Y estas no son las únicas posibles opciones. En la imagen (7.a) se observan posibles soluciones
ϕi (t) para una misma condición inicial con x0 > 0. La soluciones ϕ1 (t) y ϕ4 (t) son las mencionadas
recientemente, pero vemos que aparte podemos definir infinitas más de la forma de las soluciones ϕ2 (t)
y ϕ3 (t). Tenemos infinitas soluciones para una misma condición inicial aunque x0 6= 0.
¿Esto contradice Picard? La respuesta es no, ya que de todas formas existe un entorno alrededor
de t0 donde la solución es única (como se ve en la figura).
No sucede lo mismo para x0 = 0. Vemos en (7.b) que no existe ningún entorno alrededor de t0
donde la solución sea única si x0 = 0. Una solución que inicie en la condición inicial de la figura en
O
el futuro puede subir, o mantenerse en cero mientras que en el pasado, puede venir del cero o estar
subiendo, todo eso en cualquier entorno alrededor de t0 .
Página 20
2 TEOREMA DE PICARD
2.3. Consecuencias del teorema de Picard
2.3.1. Soluciones maximales
Lo que continuaremos estudiando en esta sección, es donde están definidas las soluciones. Picard
nos asegura la existencia en un entorno de t0 pero veremos que tanto podemos extender estas soluciones
y si estas extensiones, bajo algunas hipótesis, son únicas.
Es bastante intuitivo que quiere decir extender una función (y ya se ha utilizado ese término en
el último ejemplo), pero por las dudas lo definiremos formalmente. Denotaremos (I, ϕ) a la solución
de una ecuación diferencial con condiciones iniciales definida en el intervalo I. Se dice que (I, ϕ) es
una extensión de otra solución (J, ψ) si J ⊂ I y ϕ|J = ψ, donde la notación ϕ|J indica la función ϕ
evaluada en los puntos de J. Otra forma de escribir eso último es que ϕ(t) = ψ(t) para todo t ∈ J.
Definiremos el intervalo maximal de una solución como el intervalo más grande donde la solución
esta definida. La solución asociada a este intervalo se le llama solución maximal. Más formalmente,
decimos que (I, ϕ) es la solución maximal cuando ella misma es su única extensión, en ese caso I es
el intervalo maximal. De aquı́ en más denotaremos I(t0 , x0 ) al intervalo maximal de la solución con
condición inicial (t0 , x0 ).
En el ejemplo anterior vimos que podı́amos extender las soluciones hasta estar definidas en todo
R, sin embargo la extensión no era única. El problema surge justamente en x = 0 donde no se cumplen
las hipótesis de Picard, pero parece lógico que si la función no pasa por ningún punto donde no se
cumplan las condiciones de Picard la extensión sea única.
En primer lugar, demostraremos que dadas dos soluciones a la misma ecuación diferencial en las
hipótesis de Picard con condiciones iniciales (I1 , ϕ1 ) y (I2 , ϕ2 ) coinciden en la intersección de sus
dominios. Que sean dos soluciones al mismo problema con condiciones iniciales implica que t0 ∈ I1 ,
t0 ∈ I2 y ademas ϕ1 (t0 ) = ϕ2 (t0 ).
Recordamos que un conjunto es conexo si no lo podemos escribir como la unión de dos abiertos
disjuntos. Por ejemplo los reales son un conjunto conexo, también lo son el conjunto (1, 2) o [3,7]. Un
conjunto no conexo es el (0, 3) ∪ (7, 8) o Ω+ ∪ Ω− definidos igual que en el ejemplo (semiplano superior
e inferior, sin incluir el x = 0).
Lema 2.2. Sea Ω ⊆ R × Rn abierto y f : Ω → Rn en las hipótesis de Picard. Sean (I1 , ϕ1 ) y (I2 , ϕ2 )
soluciones a la ecuación diferencial ẋ = f (t, x) con condición inicial (t0 , x0 ). Entonces ϕ1 (t) = ϕ2 (t)
para todo t ∈ I1 ∩ I2 .
Demostración:
Sea J = I1 ∩ I2 . J es conexo (la intersección de I1 e I2 es un intervalo en R de la forma (a, b)) y
abierto (por ser intersección de abiertos). Podemos escribir a J como la unión de:
A = {t ∈ J/ ϕ1 (t) = ϕ2 (t)}
B = {t ∈ J/ ϕ1 (t) 6= ϕ2 (t)}
se ve claramente que J = A ∪ B y que A ∩ B = ∅. Podemos deducir que B es abierto por la
continuidad de las soluciones (si ϕ1 (t1 ) 6= ϕ2 (t1 ) existe un entorno de t1 donde las funciones siguen
siendo distintas). Por otro lado, si t2 ∈ A implica que ϕ1 (t2 ) = ϕ2 (t2 ) = x2 . Por Picard, existe una
única solución con condición inicial (t2 , x2 ) definida en (t2 − α, t2 + α), por lo tanto ϕ1 (t) = ϕ2 (t) para
todo t ∈ (t2 − α, t2 + α). En consecuencia, (t2 − α, t2 + α) ⊂ A por lo que A también es abierto (por
definición de abierto).
Dado que J es conexo, no se puede escribir como la unión de dos abiertos disjuntos, por lo que uno
de los conjuntos tendrá que ser vacı́o. Sabemos que t0 ∈ A, de modo que B = ∅. Dejando demostrado
el lema.
Ahora si, vayamos a las soluciones maximales.
Teorema 2.4 (Solución maximal). Sea Ω ⊆ R × Rn abierto y f : Ω → Rn localmente de Lipschitz

según la variable espacial y continua. Entonces para cualquier condición inicial (t0 , x0 ) ∈ Ω el problema

ẋ(t) = f (t, x(t))
(∗)
x(t0 ) = x0
Página 21
2 TEOREMA DE PICARD
tiene una única solución maximal.
Demostración:
Definamos el conjunto S como la familia de soluciones a (∗) definidas en distintos intervalos que
contienen a t0 :
S = {ϕλ : Iλ → Rn /ϕλ es solución a (∗)}.
Por Picard sabemos que este conjunto no es vacı́o. Ahora definamos el intervalo I como:
[
I= Iλ
λ
Por como definimos I, se cumple que:
t ∈ I ⇒ ∃ λ0 / t ∈ Iλ0
Por esta razón definimos la función ϕ : I → Rn como:
ϕ(t) = ϕλ0 (t)
En caso de existir más de un λ0 no hay problema, ya que por el lema anterior todas las funciones que
estén definidas en ese t valen lo mismo.
Si esta función ϕ es solución a la ecuación diferencial, lo cual es bastante obvio, vemos que la
misma es la solución maximal, ya que ninguna otra solución puede ser una extensión de ϕ (todos los
Iλ están incluidos en I). Veamos si verifica (∗). Por un lado:
ϕ(t0 ) = ϕλ0 (t0 ) = x0 .
Por otro lado ϕ|Iλ1 = ϕλ1 . Entonces
ϕ̇(t) = ϕ̇λ1 = f (t, ϕλ1 ) = f (t, ϕ(t))
por lo que ϕ verifica la ecuación diferencial, dejando demostrado el teorema.
√
Nuevamente, el ejemplo visto anteriormente de ẋ = x no contradice este último teorema. Este
teorema vale donde valga Picard, mientras que las soluciones definidas en el ejemplo no permanecen
en el conjunto donde vale Picard. Lo que podemos decir gracias a este último teorema, es que en el
ejemplo existe una única solución definida en (t∗1 , +∞) en el caso de x0 > 0 y en (−∞, t∗2 ) en el caso
de x0 < 0 (donde t∗1 y t∗2 habı́amos llamado a los tiempos donde se anulaban las soluciones).
Algo que parece tener bastante sentido, es que dada una ecuación diferencial en las hipótesis de
Picard, si consideramos dos condiciones iniciales lo suficientemente cerca las soluciones permanecerán
cerca por un tiempo. Y cuanto más cerca las condiciones iniciales más tiempo permanecerán cerca las
soluciones. Si bien esto parece bastante obvio no es tan fácil de demostrar, por lo que simplemente
enunciaremos este teorema.
Teorema 2.5 (Continuidad respecto a las condiciones iniciales).
Sea ϕ(t) la solución maximal a la ecuación diferencial ẋ = f (t, x) con condición inicial ϕ(t0 ) = x0
con f en las hipótesis de Picard. Entonces:
dado T ∈ I(t0 , x0 ) y ǫ > 0, ∃ δ(T, ǫ) > 0/ kx0 − x̄k < δ ⇒ kϕ(t) − ϕ̄(t)k < ǫ con t0 < t < T
donde ϕ̄(t) es una solución a ẋ = f (t, x) con ϕ̄(t0 ) = x̄.
¿Que nos esta diciendo este teorema? Que si nosotros queremos que dos soluciones distintas per-
manezcan cerca (a una distancia menor que ǫ) hasta un tiempo T ∈ I(t0 , x0 ), basta con considerar las
condiciones iniciales lo suficientemente cerca. ¿Que tan cerca tienen que estar las condiciones iniciales?
Tener una distancia menor a δ, la cual depende de ǫ y T .
Por ejemplo, consideremos el problema ẋ = x. Sabemos que las soluciones a este problema son
x(t) = x0 et−t0 y el cero es un punto de equilibrio inestable. Sin embargo, aunque sea inestable
veremos que podemos mantenernos cerca del cero por determinado tiempo si nuestra condición inicial
es suficientemente chica. Consideremos la solución x(t) con condición inicial (0, 0) y otra más genérica
(0, x0 ). Si queremos que ambas soluciones se mantengan a una distancia menor a ǫ un tiempo T
tenemos que:
sup |x0 et − 0| = x0 eT < ǫ ⇒ x0 < ǫ e−T
t∈(t0 ,T )
Considerando una condición inicial menor a ese número las soluciones cumplirán lo pedido.
Página 22
2 TEOREMA DE PICARD
Figura 8. Continuidad respecto a las condiciones iniciales.
2.3.2. Intervalo maximal
A continuación veremos tres teoremas que nos permitirán deducir como es el intervalo maximal
de una solución.
El primer teorema nos dice que no podemos encerrar al par (t, ϕ(t)), lo que representa el gráfico
de la solución, en un compacto si estamos en las hipótesis de Picard. Siempre existirá un tiempo que
pertenezca al intervalo maximal, tanto en el futuro como en el pasado, donde el gráfico se escape del
compacto.
Esto implicará que, en las hipótesis de Picard, las soluciones tendrán que estar definidas para todo
tiempo o irse a más o menos infinito si el intervalo maximal esta acotado.
Se recuerda que:
• Toda sucesión en Rn que sea acotada tiene una subsucesión convergente.
• Un conjunto K ⊂ Rn es compacto si es cerrado y acotado.
• Toda sucesión convergente dentro de un cerrado converge a un valor del con-
junto. En consecuencia, toda sucesión convergente en un compacto converge a
un valor del conjunto.
Haremos un corto resumen del teorema, ya que puede no ser fácil entenderlo. El teorema se divide
en dos casos, el primero en el cual el intervalo maximal es todo R y la demostración es directa, el
segundo donde el intervalo maximal está acotado en el futuro (es análogo para el pasado). Para el caso
que el intervalo maximal esta acotado en el futuro por b ∈ R trataremos de demostrarlo por el absurdo.
En este caso, el teorema consiste en suponer que (tn , ϕ(tn )), donde tn = b − n1 , esta incluido en un
compacto K ⊂ Ω. En caso de que algo ası́ suceda podemos definirnos una subsucesión convergente
que tienda a un punto (b, x̄) ∈ K 2. Por el segundo teorema de Picard existe un entorno U y un α > 0
tal que las soluciones a cualquier condición inicial dentro de U tiene una única solución de tamaño 2α.
Sin embargo, si la subsucesión converge a (b, x̄) podemos acercarnos tanto como queramos, llegando
a un punto como muestra la figura (9).
Aplicando Picard a la ecuación con condición inicial (t1 , x1 ) sabemos que existe una única solución
entre (t1 − α, t1 + α) de modo que podemos extender la solución un poco más de b. Esto es absurdo ya
que el intervalo maximal es hasta b. En conclusión (t, ϕ(t)) no podrá estar incluido en un compacto.
t1
U
(t1 , x1 )
(b, x̄)
b
t1 − α t1 + α
Figura 9. Escape de compactos.
2 Por lo que se recordó previamente.
Página 23
2 TEOREMA DE PICARD
Teorema 2.6 (Escape de Compactos).

Sea f : Ω ⊂ R × Rn → Rn localmente de Lipschitz según la variable espacial y continua, K ⊂ Ω un
conjunto compacto y ϕ(t) la solución maximal a la ecuación diferencial ẋ = f (t, x) con condiciones
iniciales x(t0 ) = x0 . Entonces:
∃ t1 < t0 , t1 ∈ I(t0 , x0 )/ (t2 , ϕ(t2 )) 6∈ K
∃ t2 > t0 , t2 ∈ I(t0 , x0 )/ (t1 , ϕ(t1 )) 6∈ K
Demostración:
Probaremos la existencia de t2 , la existencia de t1 es análoga. Llamemos (a, b) al intervalo maximal
I(t0 , x0 ). Si b = +∞ no hay nada que probar, ya que (t, ϕ(t)) no está acotado y por lo tanto no
está contenido en un compacto.
Ahora veremos que pasa para cuando b ∈ R (b < +∞). Trataremos de demostrar este caso por el
absurdo, es decir, supondremos que (t, ϕ(t)) ⊂ K para todo t > t0 , t ∈ I(t0 , x0 ) y llegaremos a una
contradicción, por lo que (t, ϕ(t)) no podrá estar contenido en K. Llamando tn = b − n1 , podemos
considerarnos la sucesión
(tn , ϕ(tn )) ⊂ K
Si suponemos que (t, ϕ(t)) ⊂ K para todo t ∈ I(t0 , x0 ), t > t0 , entonces esta sucesión también
tendrá que estar incluida en K. En este caso tenemos una sucesión acotada, por lo que la misma tiene
una subsucesión convergente. Además, como la subsucesión está incluida en K (cerrado), la misma
converge a un punto del conjunto, es decir:
(tnr , ϕ(tnr )) → (b, x̄) ∈ K
Por la segunda versión del teorema de Picard, sabemos que existe un entorno U alrededor de (b, x̄)
y α > 0 tal que para todo (t1 , x1 ) ∈ U existe una única solución definida en (t1 − α, t1 + α). Como la
subsucesión converge a (b, x̄) podemos acercarnos tanto como queramos a ese punto, por lo que:
∃ r0 / tnr0 > b − α y (tnr0 , ϕ(tnr0 )) ∈ U
Ahora bien, si consideramos la solución con condición inicial (tnr0 , ϕ(tnr0 )) sabemos que la misma
esta definida hasta tnr0 + α > b. Por otro lado, este punto pertenece a la solución ϕ(t) y dado que
existe una única solución maximal se cumple I(t0 , x0 ) = I(tnr0 , ϕ(tnr0 )) = (a, b). Pero esto es absurdo,
ya que tnr0 + α > b (figura (9)). En ese caso se refuta nuestra suposición, que era que (t, ϕ(t)) estuviese
incluido en K para todo t ∈ I(t0 , x0 ), t > t0 .
Ahora veremos otro teorema, que consiste en comparar dos soluciones de distintas ecuaciones
diferenciales. Este teorema nos servirá para hallar le intervalo maximal en ecuaciones en R. Este último
es bastante intuitivo. Lo que dice, es que si tenemos dos ecuaciones diferenciales con f1 (t, x) < f2 (t, x)
con la misma condición inicial, la solución ϕ1 asociada a f1 es mayor a ϕ2 asociada a f2 para tiempos
mayores a t0 . Esto es lógico, ya que si f1 (t, x) < f2 (t, x) la derivada del primer problema es mayor a
la del segundo problema, por que lo sus soluciones crecen más rápido.
ϕ2 (t)
ϕ1 (t)
(t0 , x0 )
Figura 10. Comparación.
Teorema 2.7 (Comparación de ecuaciones diferenciales).

Sean los problemas:
Página 24
2 TEOREMA DE PICARD

ẋ = f1 (t, x) ẋ = f2 (t, x)
(∗1 ) (∗2 )
x(t0 ) = x0 x(t0 ) = x0
con f1 : Ω ⊂ R × R → R y f2 : Ω → R en las hipótesis de Picard tal que f1 (t, x) < f2 (t, x) para todo
(t, x) ∈ Ω. Sea ϕ1 : I1 → R la solución a (∗1 ) y ϕ2 : I2 → R la solución a (∗2 ). Entonces:
ϕ1 (t) > ϕ2 (t), ∀ t < t0 , t ∈ I1 ∩ I2
ϕ1 (t) < ϕ2 (t), ∀ t > t0 , t ∈ I1 ∩ I2
Demostración:
Consideremos la función D(t) = ϕ1 (t) − ϕ2 (t). Si realizamos la derivada:
Ḋ(t) = ϕ˙1 (t) − ϕ˙2 (t) = f1 (t, ϕ1 (t)) − f2 (t, ϕ2 (t))
Dado que f1 (t0 , x0 ) < f2 (t0 , x0 ) y las funciones son continuas existe un entorno U de (t0 , x0 ) tal que
f1 (t, x) < f2 (t, x) para todo (t, x) ∈ U . Como las soluciones a las ecuaciones diferenciables también
son continuas podemos definir un intervalo de tiempo donde (t, ϕi (t)) este en U . Más formalmente,
existe t1 , t2 ∈ I1 ∩ I2 con t1 < t0 < t2 tal que:
(t, ϕi (t)) ∈ U, ∀ t ∈ (t1 , t2 ) con i = 1, 2.
Por consiguiente:
Ḋ(t) < 0 con t1 < t < t2 .
Dado que la función D esta decreciendo y D(t0 ) = ϕ1 (t0 ) − ϕ2 (t0 ) = 0 se cumple que:
ϕ1 (t) > ϕ2 (t), t1 < t < t0
ϕ1 (t) < ϕ2 (t), t0 < t < t2
Supongamos que ϕ1 y ϕ2 se vuelven a cruzar en algún tiempo t3 > t0 , t3 ∈ I1 ∩ I2 , es decir que

ϕ1 (t) < ϕ2 (t), t0 < t < t3 y ϕ1 (t3 ) = ϕ2 (t3 ). Entonces aplicando lo que concluimos recién en t3
tendrı́a que pasar que ϕ1 (t) > ϕ2 (t) para t0 < t < t3 . Pero esto es absurdo. Podemos hacer el mismo
razonamiento si suponemos que se cruzan en el pasado, dejando demostrado el teorema.
Teorema 2.8.
Sea f : R × Rn → Rn en las hipótesis de Picard tal que f (t, x(t)) está acotada. Entonces las soluciones
al problema ẋ = f (t, x) están definidas para todo tiempo.
La demostración queda a cargo del lector. Se sugiere acotar la solución mediante la fórmula:
Z t
x(t) = x0 + f (s, x(s)) ds.
t0
2.3.3. Ejemplos prácticos
En lo que queda del capı́tulo veremos ejemplos utilizado el teorema de Picard y sus consecuencias.
Ejemplo 2.2.
Consideremos la ecuación diferencial
ẋ = x4 − 1.
Tratemos de graficar las soluciones a este problema sin resolver la ecuación, utilizando los teoremas
que hemos visto y estudiando el signo de la de la derivada. Viendo donde se anula ẋ tenemos que 1
y -1 son puntos de equilibrio. Por otro lado las soluciones crecen para x mayores a 1 o menor que -1,
mientras que decrece entre -1 y 1.
Además, esta ecuación se encuentra en las hipótesis de Picard en todo R2 por lo que para cualquier
condición inicial tenemos una única solución. En consecuencia, las soluciones no podrán cortarse, ya
que no se respetarı́a la unicidad en el punto de corte. Gracias a esto último las soluciones estacionarias
nos dividirán el plano en tres. Las soluciones que están por arriba del 1, entre el -1 y 1 y por debajo
de -1 no podrán pasar de una zona a otra.
Caso −1 < x0 < 1:
Página 25
2 TEOREMA DE PICARD
En este caso las soluciones serán decrecientes. Dado que estamos en las hipótesis de Picard podemos
usar el teorema de escape de compactos. Consideremos el compacto K1 = [a, b] × [−1, 1] donde
a < t0 < b dibujado en la figura (11). Por el teorema ya mencionado, si consideramos ϕ(t) la solución
maximal de esta ecuación sabemos que (t, ϕ(t)) debe escaparse de ese compacto tanto en el futuro
como en el pasado. Sin embargo (t, ϕ(t)) no puede escaparse por arriba ni por abajo, ya que no
respetarı́a la unicidad de las soluciones. En consecuencia la gráfica de la solución debe escaparse por
los costados lo que implica que debe existir un t1 , t2 ∈ I(t0 , x0 ) donde t1 < a y t2 > b. Esto sucede
para cualquier a, b ∈ R, de donde podemos concluir que el intervalo maximal de la solución sera todo
R.
K2
K1
a b
-1
Figura 11. Ejemplo con escape de compactos.
Dado que las soluciones tendrán que ser siempre decrecientes y están acotadas, las mismas tendrán
que tener una ası́ntota horizontal. Recordar que la derivada tiende a cero en una ası́ntota horizontal.
Mirando la forma de ẋ vemos que esto solo sucede cuando nos acercamos a 1 o -1. Con esta información
podemos concluir que las soluciones de esta zona serán de la forma de la figura (13).
Caso x0 > 1:
Si ahora consideramos un compacto K2 como el de la figura (11), sabemos que el gráfico de solución
no podrá escaparse por debajo ya que no puede cortar la recta x = 1. En este caso no tenemos una
cota superior (al menos no que sepamos). De todas formas escape de compactos nos permitirá sacar
conclusiones de como es el intervalo maximal en el pasado. Dado que la soluciones son crecientes en
esa zona, sabemos que en el pasado tampoco podrá escaparse por la parte de arriba del compacto, de
modo que tendrá que escaparse del lado temporal. Razonando igual que en caso anterior, podemos
deducir que el intervalo maximal será de la forma I(t0 , x0 ) = (−∞, b), donde b podrı́a ser infinito, y
que las soluciones tienden a 1 cuando el tiempo tiende a menos infinito.
Nos faltarı́a ver que sucede en el futuro. Para esto utilizaremos el teorema 10. Consideremos el
problema:
ẋ = x2

x(t0 ) = x0
Este problema es fácil de resolver por variables separables, obteniéndose que las soluciones son de
la forma:
1
x(t) =
1/x0 + t0 − t
Vemos que estas soluciones no están definidas para todo tiempo, ya que se anula el denominador
en el tiempo t∗ = t0 + 1/x0 . Cuando la condición inicial es x0 > 0 nos encontramos con que el
intervalo maximal está acotado superiormente (t∗ > t0 ), mientras que para x0 < 0 el intervalo maximal
está acotado inferiormente (t∗ < t0 ).
Si llamamos f1 (x) = x2 y f2 (x) = x4 − 1 sabemos que existe un k > 0 tal que para x > k se
cumple que f1 (x) < f2 (x) (por el grado de los polinomios). Si x0 > k, podemos considerar (I1 , ϕ1 ) la
solución maximal a ẋ = f1 (x) y (I2 , ϕ2 ) la solución maximal a nuestro problema original ẋ = f2 (x)
ambas con condición inicial (t0 , x0 ). Como x0 > k > 0, I1 = (−∞, t∗ ). Dado que x0 es creciente en
esa zona, si x0 > k también lo será la solución en el futuro (en el futuro nos mantendremos en la zona
Página 26
2 TEOREMA DE PICARD
donde vale la desigualdad), lo que nos permitirá usar el teorema de comparación. Por el teorema ya
mencionado tenemos que ϕ1 (t) < ϕ2 (t) para todo t > t0 y t ∈ I1 ∩ I2 .
Sabemos que ϕ1 se va a más infinito cuando en t∗ , de modo que si ϕ2 está definida hasta t∗ también
tendrá que irse a más infinito (figura (12.a)). En conclusión I2 = (−∞, b), donde b ≤ t∗ (observar
que la solución ϕ2 podrı́a haberse escapado al más infinito antes que ϕ1 ). Claramente el valor de b
depende de las condiciones iniciales (t∗ depende de (t0 , x0 )).
ϕ2 (t) ϕ1 (t) t∗ b
(t0 , x0 )
(t0 , x0 )
b t∗ ϕ3 (t) ϕ4 (t)
(a) (b)
Figura 12. Ejemplo usando el teorema 10.
Podemos observar que las soluciones a ẋ = x4 − 1 con condición inicial x0 > 1 no pueden estar
acotadas. Esto lo podemos deducir ya que en caso de estar acotadas, podemos razonar de forma análoga
a cuando la condición inicial se encontraba entre -1 y 1, concluyendo que las soluciones tendrı́an que
tener una ası́ntota horizontal mayor a 1. Sin embargo, la derivada de ẋ es continua y vale cero solo
en 1 y -1, por lo que no es posible que tenga una ası́ntota horizontal en otro valor. Por lo tanto las
soluciones van a alcanzar en algún momento el valor k mencionado en el párrafo anterior y una vez
alcanzado podemos aplicar el teorema 10, deduciendo que I(t0 , x0 ) = (−∞, b) con b ∈ R para x0 > 1.
Caso x0 < −1:
Podemos proceder de forma análoga al caso anterior. Por escape de compactos podemos deducir
que el intervalo maximal no está acotado superiormente. Luego para el pasado podemos utilizar el
teorema 10. Llamaremos (I3 , ϕ3 ) la solución maximal de ẋ = x2 y (I4 , ϕ4 ) la solución maximal de
ẋ = x4 − 1 con la misma condición inicial (t0 , x0 ). En este caso, estamos en condiciones iniciales
negativas por lo que I3 = (t∗ , +∞). Dado que ahora nos hace falta saber como es el intervalo maximal
en el pasado, consideramos la desigualdad para tiempos menores a t0 , donde tenemos que ϕ4 (t) <
ϕ3 (t), ∀ t < t0 , t ∈ I3 ∩ I4 . Razonando igual que el caso anterior, deducimos que el intervalo maximal
para una condición inicial x0 < −1 tiene la forma (a, +∞), con a ∈ R que depende de (t0 , x0 ) (figura
(12.b)).
Por último recordemos que al ser una ecuación diferencial autónoma, las soluciones tienen la misma
forma independientemente de t0 , pero corridas en el tiempo. Teniendo en cuenta estas cosas, un buen
bosquejo de las soluciones es el siguiente.
¿Como saber que teorema usar? Escape de compactos sirve cuando sabemos que la solución esta
acotada. Si esta acotada superior e inferiormente, seguro tendrá que escaparse por la variable temporal.
Si esta acotada solo superiormente o inferiormente, ahı́ habrá que fijarse el signo de la derivada, como
nos pasó en este ejemplo.
Verán que es bastante intuitivo darse cuenta si el intervalo maximal está acotado superior o
inferiormente en ecuaciones diferenciales sencillas. Si consideramos el problema:
ẋ = xα , α > 0
por variables separables obtenemos que la solución a este problema es:
x1−α (t) = x1−α
0 + (1 − α)(t − t0 ), si α 6= 1
x(t) = x0 et−t0 , si α = 1.
Página 27
2 TEOREMA DE PICARD
-1
O
Figura 13. Soluciones a ẋ = x4 − 1.
Si 1−α < 0, x(t) será un cociente y por lo tanto, no estará definida cuando se anule el denominador.
En consecuencia se cumple que:
si α > 1 ⇒ la solución no está definida para todo tiempo
si 0 < α ≤ 1 ⇒ la solución está definida para todo tiempo.
Para ecuaciones diferenciales con f (t, x) > x, la derivada ya es demasiado grande y se va a infinito
en un tiempo finito. Generalmente las soluciones que se utilizan para comparar son de la forma
ẋ = axα , dado que estas son fáciles de resolver y ya vimos cuales están definidas para todo R y cuales
no.
Recordar que al usar escape de compactos el compacto siempre debe estar incluido en Rn+1 . Un
clásico error es decir que las soluciones deben escaparse de un compacto y no es la solución, si no el
gráfico de la solución el que debe escaparse. Por ejemplo consideremos una ecuación diferencial en las
hipótesis de Picard con el diagrama de fases de la siguiente figura:
(t0 , x0 )
La solución de esta ecuación con condición inicial (t0 , x0 ) que llamaremos ϕ : R → R2 está conte-
nida en un compacto A. En este caso si queremos usar escape de compactos, el compacto K sale de
la hoja. Considerando el compacto K = [a, b] × A, con a < t0 < b, vemos del diagrama que ϕ(t) ⊂ A,
de modo que el gráfico de la solución deberá escaparse del lado temporal, de donde podemos concluir
que las soluciones están definidas para todo tiempo.
Ejemplo 2.3.
Consideremos ahora el siguiente problema:
ẋ = t − x2 .
Tratemos de bosquejar las funciones con las herramientas que tenemos. Se verifica rápidamente que
f (t, x) es continua y que la derivada respecto a x también lo es, de modo que estamos en las hipótesis
de Picard. Comenzaremos estudiando el signo de f para hacernos una primera idea de como serán las
soluciones.
Página 28
2 TEOREMA DE PICARD
Para empezar vemos que esta ecuación no tiene puntos de equilibrio. La derivada es nula en la
parábola t = x2 , por lo que las soluciones tendrán que cruzar esta curva con pendiente nula. Dentro
de la parábola la derivada es positiva, y por fuera es negativa, de donde podemos concluir que las
soluciones que cortan la curva vienen decreciendo, la atraviesan con pendiente horizontal y luego
crecen, por lo que las soluciones tendrán un mı́nimo en la curva t = x2 .
ẋ = 0
ẍ = 0
Figura 14
Dado que los puntos de la parábola son mı́nimos, una vez que las soluciones entran a la parábola
no podrán salir. Esto es debido a que cuando entran a la parábola su derivada es positiva por lo que
las soluciones estarán creciendo. Pero si cortarán la curva tendrı́an que tener un mı́nimo, lo cual no es
posible ya que están creciendo. Observar que esto implica que las curvas que entran en algún momento
deben cambiar su concavidad. Calculando donde las curvas cambian su concavidad (ẍ = 0) tenemos
que:
1
ẍ = 1 − 2xẋ = 1 − 2x(t − x2 ) = 0 ⇒ t = + x2 .
2x
Para poder dibujar esta curva se recomienda realizar la curva de t(x) y luego dibujar la inversa
(simétrica respecto a la recta x = y). De modo que las soluciones luego de entrar a la parábola
tendrán que cortar la curva roja de la figura (14). Estudiando el signo de la concavidad tenemos que
la concavidad es negativa en la parte inferior y superior derecha y positiva en el resto del plano, lo
que concuerda con lo dicho anteriormente.
Si las soluciones que entran a la parábola no pueden salir, tendremos una cota superior para
las mismas, lo que nos permitirá sacar conclusiones utilizando el teorema de escape de compactos.
Considerando el compacto de la figura (15). Sabemos que la solución dentro de la parábola es creciente
y no puede cortar la curva t = x2 en el futuro, de donde podemos concluir que el intervalo maximal
no está acotado superiormente.
Figura 15. Escape de compactos ejemplo ẋ = t − x2 .
Esto no quiere decir que todas las soluciones estén definidas para todo tiempo en el futuro, ya que
podrı́an haber soluciones que nunca entren a la parábola. Llamaremos ϕc a las soluciones que cumplen
que ϕ(0) = c. Para c ≥ 0, las soluciones entrarán a la parábola y en consecuencia su intervalo maximal
Página 29
2 TEOREMA DE PICARD
no está acotado superiormente. Uno podrı́a intuir que para valores cercanos a c = 0 negativos, las
soluciones también entrarán a la parábola ya que su pendiente en t = 0 será casi horizontal por la
continuidad de las derivadas (si f (t, x) = t − x2 , f (0, 0) = 0). Pero veamos que pasa para c más chicos.
Consideremos el problema:
ẋ = − 21 x2

x(0) = c
Por variables separables obtenemos que las soluciones a este problema son:
1
x(t) = t 1
2 + x0
Estas soluciones para x0 < 0 dejan de estar definidas en el tiempo − x20 > 0. Se cumple que t − x2 <
− 12 x2 en la zona t < 21 x2 . Consideremos ψ una solución de ẋ = − 12 x2 como en la figura (16) con
ψ(0) = k. Esta solución se mantiene en la zona donde t − x2 < − 21 x2 . Por lo tanto, si consideramos ϕk
la solución a ẋ = t − x2 con ϕk (0) = k, por comparación obtenemos que ϕk (t) < ψ(t) para t > 0 donde
ambas soluciones estén definidas. Dado que ψ se va a menos infinito en un tiempo finito, también lo
hará ϕk .
k x2
t= 2
ϕk (t)
ψ(t)
Figura 16. Comparación con la ecuación ẋ = − 21 x2 .
Para c < k, dado que las soluciones no se pueden cortar, ϕc tendrá que mantenerse por debajo de
ϕk , de modo que tampoco estarán definidas para todo tiempo en el futuro.
En consecuencia, tendremos un conjunto de soluciones que entran a la parábola t = x2 en deter-
minado tiempo y están definidas para todo tiempo y otro conjunto de soluciones que se escapan a
menos infinito en un tiempo finito en el futuro. ¿Habrá alguna solución que este definida para todo
tiempo pero que nunca entre a la parábola?
Definamos el conjunto A = {c ∈ R/ ϕc corta la curva t = x2 } y B = {c ∈ R/ I(0, c) =
(a, b), con b ∈ R}, donde I(0, c) es el intervalo maximal de la solución ϕc (t). Por lo que ya comenta-
mos, el conjunto de los c ≥ 0 pertenecen a A, mientras que para c ≤ k (siendo k el valor utilizado en
la comparación) pertenecen a B. Estos valores de c mencionados no son los únicos que perteneces a
A ni a B, simplemente son los que estamos seguros en que conjunto se encuentran.
Tanto el conjunto A como el B tendrán que ser conjuntos abiertos por el teorema de la continuidad
respecto a las condiciones iniciales (teorema 2.5). Por ejemplo, supongamos que B = (−∞, d]. Esto
implica que para c > d, las soluciones ϕc si están definidas para todo tiempo en el futuro, ya que si
no pertenecerı́an al conjunto B. Dado que d ∈ B sabemos que existe un tiempo t∗ donde ϕd se va a
menos infinito. Por la continuidad de las soluciones tendrı́amos que poder encontrar un δ tal que las
soluciones con d < c < d + δ estén tan cerca como queramos por un tiempo T < t∗ . Sin embargo esto
no es posible, ya que cuando T se acerca a t∗ , ϕd tiende a menos infinito, alejándose del resto de las
soluciones con d < c < d + δ. Podemos pensar de forma análoga con el conjunto A.
Como el conjunto de los reales es conexo y A,B son dos abiertos disjuntos, claramente no pueden
cubrir todo R. Es decir, que existe al menos un c0 que está definido para todo tiempo pero√que no
corta la curva. Observar que ϕc0 tendrá que estar contenida entre √ la curva ẍ = 0 y x = − t para
tiempos lo suficientemente grandes. Ver que ϕc0 es menor a x = − t es sencillo, ya que c0 < 0 (los
c ≥ 0 cortan la curva t = x2 ) y nunca entra a la parábola. Por otro lado, si la solución se mantuviera
por debajo e la curva ẍ = 0, la solución tendrı́a una concavidad negativa, por lo que en algún momento
Página 30
2 TEOREMA DE PICARD
saldrı́a de la parábola t = − 12 x2 (curva que aparecı́a en la comparación de ecuaciones diferenciales). Y

si la solución saldrı́a de la parábola t = − 21 x2 por comparación obtendrı́amos que ϕc0 se va a menos
infinito en un tiempo finito, lo cual es absurdo.
También podemos deducir que existe un único c0 ∈ R tal que c0 6∈ A y c0 6∈ B. Supongamos
que existe ϕc0 y ϕc1 soluciones tal que ambas están definidas para todo tiempo pero no entran a la
parábola t = x2 . Supongamos que c1 > c0 , lo que implica que ϕc1 (t) > ϕc0 (t). En ese caso tenemos
que:
(ϕc −˙ ϕc ) = (t − ϕ2 (t)) − (t − ϕ2 (t)) = ϕ2 (t) − ϕ2 (t) > 0.
1 0 c1 c0 c1 c0
Es decir, que la distancia entre ϕc1 y ϕc0 va aumentando. Pero esto es absurdo, ya que ambas
soluciones tienen que estar entre las curvas ẋ = 0 y ẍ = 0, las cuales se acercan cada vez más. En
consecuencia, existe un único c0 tal que ϕc0 está definida para todo tiempo en el futuro y no entra a
la parábola.
Queda a cargo del lector, demostrar que las soluciones no están definidas para todo tiempo en el
pasado. Observar que para tiempos negativos, se cumple que t − x2 < −x2 . Ahora si, un bosquejo de
las soluciones es el la imagen (17).
O
Figura 17. Soluciones a ẋ = t − x2 .
Es fácil darse cuenta que por Picard, los gráficos de las soluciones a ecuaciones diferenciales
en R no pueden cortarse. Ya que, en caso de que se corten, si nuestra condición inicial es en ese
punto tendrı́amos dos soluciones posibles. Consideremos la función ϕ(t) = (t sin(t), t2 sin(t)), donde
su derivada es ϕ̇ = (t cos(t) + sin(t), t2 cos(t) + 2t sin(t)). Por lo tanto ϕ es solución a:

ẋ = t cos(t) + sin(t)
ẏ = t2 cos(t) + 2t sin(t)
Este problema se encuentra en las hipótesis de Picard. Observar que ϕ(π) = ϕ(2π) = (0, 0) y que
ϕ̇(π) = (−π, −π 2 ), ϕ̇(2π) = (2π, 4π 2 ). Si graficamos la trayectoria de ϕ en un intervalo de tiempo que
contenga a [π, 2π] verı́amos algo parecido a la siguiente imagen.
La solución da una vuelta y vuelve al punto (0, 0). Uno podrı́a pensar, que si considero como
condición inicial (0, 0) hay dos posibles soluciones. Por un lado, podrı́a dar la vuelta y volver a pasar
por el origen y por otro lado irse sin agarrar la vuelta. En consecuencia, no se cumplirı́a Picard. Esto
no es cierto. Recordar que cuando nos referimos a una condición inicial no es solo la posición, la
condición inicial contiene posición y tiempo inicial, es decir (t0 , x0 ). Que agarre un camino o el otro
depende del tiempo inicial (que t0 = π o t0 = 2π). El gráfico de esta función (t, ϕ(t)) se encuentra en
R3 , en realidad ese punto que en la trayectoria se corta, no se corta en el gráfico de la función ya que
está evaluado en distintos tiempo. En resumen, Picard no impide que las trayectorias de las soluciones
se corten.
Página 31
2 TEOREMA DE PICARD
ϕ̇(2π)
ϕ̇(π)
Figura 18. Ejemplo de ecuación no autónoma.
Claramente esta ecuación no es autónoma. Ademas de observarse en la ecuación diferencial, en

una ecuación autónoma para una misma posición no podemos tener dos derivadas distintas. Veremos
que en las ecuaciones autónomas no pueden cortarse las trayectorias. Como ya vimos en el
primer capı́tulo, si tenemos una ecuación diferencial ẋ = f (x) y ϕ(t) una solución con ϕ(0) = x0 , las
funciones ϕt0 (t) = ϕ(t − t0 ) también serán soluciones a la ecuación con condición inicial ϕ(t0 ) = x0 ,
para todo t0 ∈ R.
Sea ϕ(t) una solución a una ecuación diferencial autónoma y C1 la curva de su trayectoria. Sabemos
que otras infinitas soluciones de la forma ϕt0 = ϕ(t − t0 ) tendrán la misma trayectoria pero recorrida
a distinto tiempo. Si existiera otra solución φ(t) con su correspondiente curva de la trayectoria C2 que
cortara la curva C1 en un tiempo t̄ en x̄ seguro podemos encontrar otra solución ϕt0 que pase por el
mismo punto en el mismo tiempo. Por lo tanto la solución con condición inicial (t̄, x̄) no serı́a única.
Esto último podrı́a generar ciertas confusiones en lo siguiente. Si consideramos el problema lineal:

ẋ = x
ẏ = y
Las soluciones son de la forma (x0 et , y0 et ) y el diagrama de fases como ya se vio anteriormente es un
haz de rectas que pasan por el origen. Esto no contradice lo que deducimos recién. En cada recta se
encuentran tres tipos de soluciones distintas, la solución estacionaria (0, 0) y dos semirectas que salen
desde el origen sin incluirlo. Esto lo podemos ver ya que si x0 6= 0 o y0 6= 0 la solución nunca alcanza
el origen, solo tiende a el en el menos infinito. Por lo tanto, las trayectorias no se cortan.
Página 32

4 Picard PDF

Cargado por

Copyright:

Formatos disponibles

4 Picard PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

4 Picard PDF

Cargado por

Copyright:

Formatos disponibles

Capı́tulo 1

Convergencia entre funciones

x(t) es solución a (∗) ⇔ x(t) = T (x(t)) ⇔ x(t) es un punto fijo de T

(a) Punto fijo x = 0 (b) Punto fijo x = 0 (c) Punto fijo x = 0 y x = 1

Figura 1. Método para encontrar puntos fijos.

1.2. Convergencia de funciones

Muchas veces nos referiremos a la distancia de dos elementos como:

Figura 2. Distancia del supremo.

Figura 3. Sucesión fn (x) = x/n.

Sin embargo dado un ǫ > 0, si quisiéramos encontrar

Si fn : M → R c.u. a f tenemos que para n ≥ n0 :

Figura 4. Convergencia uniforme.

Vemos ahora otro ejemplo. Sea:

sup |fn (x) − f (x)| = sup |xn | = fn (1 − δ) = (1 − δ)n

lı́m sup |fn (x) − f (x)| = lı́m (1 − δ)n = 0

ya que (1 − δ) es menor que 1. En este dominio, la sucesión de funciones si converge uniformemente.

kf (x) − f (a)k < ǫ

En consecuencia, si una sucesión de funciones continuas converge puntualmente a una discontinua,

1.2.1. Convergencia, integración y derivación

Ejercicio: considerar la sucesión

Del teorema 1.2 de las integrales tenemos que:

Llamando f a la función a la que converge fn se obtiene que:

∗ c.u c.u c.u

1.3. Sucesiones de Cauchy

Decimos que fn : M → R es de Cauchy si:

dado ǫ > 0, ∃ n0 (ǫ) tal que si n ≥ n0 y k ∈ N ⇒ kfn+k − fn k∞ < ǫ

sup |fn+k (x) − fn (x)| < ǫ, con n ≥ n0 , k ∈ N.

(1.2) |fn+k (x) − fn (x)| < ǫ, ∀x∈M

|f (x) − fn (x)| < ǫ, ∀x∈M

sup |f (x) − fn (x)| < ǫ

llegando a la definición de una sucesión uniformemente de Cauchy.

1.4. Series de funciones

Con estas suposiciones, gracias a la continuidad de T tenemos que:

Por otro lado:

Uniendo ambas cosas:

En consecuencia si T n (x) converge uniformemente y T es continua, a lo que converge será un

Considerando la función x(t) = 1 para comenzar la iteración:

Si aplicamos el lı́mite cuando n tiende a infinito:

Aclaraciones del conjunto F :

2.2. Teorema de Picard

Sea (M, d) un espacio métrico y F : M → M , diremos que F es una contracción si:

(2.4) d(F n+r (x), F n (x)) ≤ k n d(F r (x), x)

Definiremos f : Ω ⊆ R × Rn → Rn una función Lipschitziana respecto a la variable espacial si

Diremos que una función f : Ω ⊆ R × Rn → Rn es localmente Lipschitz según la variable espacial

Propiedad 2.1. Sea Ω ⊆ R × Rn abierto y f : Ω → Rn de clase C 1 respecto a la variable espacial

Ahora si, estamos preparados para demostrar el teorema de Picard.

Teorema 2.2 (Picard).

Considerando k = α.c < 1 (punto 3):

Aclaraciones y observaciones del teorema:

2.2.1. Resumen del teorema de Picard

Es interesante como demostramos un teorema de ecuaciones diferenciales transformándolo en un

donde las primeras dos funciones las podemos reescribir como:

ϕ3 (t) ϕ2 (t) ϕ1 (t)

2.3. Consecuencias del teorema de Picard

2.3.1. Soluciones maximales

Ahora si, vayamos a las soluciones maximales.

Teorema 2.4 (Solución maximal). Sea Ω ⊆ R × Rn abierto y f : Ω → Rn localmente de Lipschitz

tiene una única solución maximal.

Figura 8. Continuidad respecto a las condiciones iniciales.