una introduccin
2007
Disponible en: http://dcain.etsin.upm.es/ fabricio/Docencia.html
ndice
1. Repaso de la teora bsica de probabilidades
1.1.
Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.
Propiedades bsicas.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.
1.4.
Variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.
Vectores aleatorios
1.6.
. . . . . . . . . . . . . . . . . . . . . . .
10
1.7.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
1.8.
Distribuciones condicionales
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
1.9.
Funciones generatrices
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. La caminata aleatoria.
16
2.1.
16
2.2.
. . . . . . . . . . . .
16
2.3.
. . . . . . . . . . . . . . . . . . . . . . . .
17
2.3.1.
Pared reejante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.3.2.
Pared absorbente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
2.4.
21
2.5.
3. El proceso de Wiener.
23
25
3.1.
25
3.2.
La medida de Wiener . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
29
4.1.
29
4.2.
. . . . . . . . . . . . . . . . . . . . . . . .
31
4.3.
. . . . . . . . . . . . . . . . . . . . . . . . .
33
5. Introduccin
35
35
37
7.1.
38
7.2.
El teorema de Riesz-Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
7.3.
. . . . . . . . . . . . . . . . . . . . . .
41
7.4.
42
Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
La frmula de Feynman-Kac para + V . . . . . . . . . . . . . . . . . . . .
2
La frmula de Feynman para la ecuacin de Schrdinger . . . . . . . . . . . . .
1
Los autovalores del operador de Schrdinger + V (x) . . . . . . . . . . . .
2
Aplicacin de Feynman-Kac al estudio del comportamiento asinttico de los au-
46
46
46
48
50
50
tovalores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
9.2.1.
54
. . . . . . . . . . . . . . . . .
9.2.2.
9.2.3.
El puente Browniano . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
t(/2V )
Estimaciones de tr e
. . . . . . . . . . . . . . . . . . . . . . . .
55
56
57
frecuencia
con la que
ocurren ciertos sucesos cuya naturaleza aleatoria nos impide conocer con detalle las leyes que
los gobiernan. Ejemplos de este tipo de fenmenos son el resultado de arrojar una moneda, el
ganador de una carrera de caballos o el comportamiento del precio de una accin. La abstraccin
y generalizacin de estas situaciones y conceptos, nos llevan a las siguientes deniciones:
1)
denotar
denotada por
1.
est en
2. si
3. si
An
5)
F,
F,
si satisface:
F;
est en
F,
estn en
entonces
para
Ac
est en
n = 1, 2, . . . ,
F;
entonces
n=1 An
est en
F.
Funcin de probabilidad. Una funcin P (), denida sobre los eventos en un espacio
P () = 1;
2.
0 P (A) 1
A F.
Aj Ak = para j 6= k ,
X
P (An ) ,
P (nI An ) =
entonces
nI
donde
6)
(An ; n I)
Espacio de probabilidad.
La funcin
P ()
espacio de probabilidad.
(espacio
P (Ac ) = 1 P (A) .
P2:
P () = 0 .
4
P3:
P (A B) = P (A) + P (B) P (A B) .
P4:
P (A) P (B) ,
P5 (
si
AB.
Identidad de inclusin-exclusin ):
P (nr=1 Ar ) =
n
X
P (Ar )
r=1
P6 (
Propiedad de continuidad ):
An An+1 ,
r<s
An
supongamos que
lm An = A ,
entonces
lm P (An ) = P (A) .
Aqu el lmite de los conjuntos debe entenderse del siguiente modo: dado
n
sucientemente grande tal que a r=1 Ar .
P7 (
(nr=1 Ar )
n
X
a A,
existe un
tenemos que:
P (Ar ) .
r=0
Ejercicio 1.
a un evento
B,
fX es la frecuencia
con la que ocurre el evento X , entonces el nmero de veces que ocurren A y B al mismo tiempo
relativa con la que ocurren los eventos al realizar un nmero
de pruebas. Si
es:
N fAB
Mientras que el nmero de veces que ocurre
es
N fB
y el cociente entre ambas es la denicin de probabilidad condicional desde el punto de vista
intuitivo de las frecuencias:
fA|B =
Con ms generalidad, an cuando
P (B) = 0
fAB
.
fB
admitimos la llamada
P (A B) = P (A|B)P (B) .
5
ley de multiplicacin :
A 7 P (A|B)
es una funcin de probabilidad para los eventos en
denicin.
Bj Bk =
j 6= k , y A r Br ,
X
P (A) =
P (A|Br )P (Br ) .
para
luego
Regla de multiplicacin.
La forma elemental
P (A B) = P (A|B)P (B)
puede extenderse
n
P n+1
r=1 Ar = P (A1 )P (A2 |A1 )P (A3 |A1 A2 ) . . . P (An+1 | r=1 Ar ) .
Finalmente, si combinamos la regla de particin con la denicin de probabilidad condicional, obtenemos la conocida:
Ejercicio 2.
bilidad
0,99
(Uso de la regla de Bayes) Un test mdico detecta una enfermedad con proba-
0,01
cuando se lo
Independencia.
a)]Los eventos
son
independientes
independencia de sucesos.
si
P (A B) = P (A)P (B) .
Una
familia
de eventos
(Ai , 1 i n)
es independiente si
Ejercicio 3.
A := El
B := El
C := El
Mustrese que los eventos son dos a dos independientes pero que no son independientes como
familia de eventos.
6
de un ex-
X()
R.
aleatorias por letras maysculas, mientras que sus valores posibles sern escritos con letras
minsculas. Pasamos a las deniciones.
a)b)
1.
es una funcin
2.
X(),
denida sobre
tomando valores en
R.
FX := P ({ : X() x})
y tambin se denota directamente por
P (X x).
conjunto
funcin
consideradas.
3.
to numerable
de
probabilidad de que
R. Comnmente es un subconjunto
X asuma un valor x determinado se
fX
se llama
de la variable
X.
fX (k) =
n
k
pk (1 p)nk ,
0 k n.
B(n, p).
y la
usa la notacin
X B(n, p) .
fX (k) =
e k
.
k!
Nos referiremos a ella como Poisson(). Esta distribucin est asociada al nmero de
xitos que pueden ocurrir en un intervalo temporal dado, cuando los mismos pueden
ocurrir en cualquier instante del intervalo. Ejemplos pueden obtenerse en el nmero
de llamadas recibidas en un intervalo dado; en este caso el parmetro
el nmero esperado de llamadas en ese intervalo.
7
representa
(1 p)
de fallo, sea
el nmero
de pruebas que se realizan hasta obtener un xito (incluyendo esta ultima prueba).
Luego
tiene distribucin
fX (k) = (1 p)k1 p,
k = 1, 2, . . .
fX (s) ds
FX (x) =
Ejemplos:
1.
f (x)
Densidad uniforme.
(a, b)
con la idea
intuitiva de que los intervalos de igual longitud tienen la misma probabilidad de ser
elegidos, es fcil ver que la distribucin de probabilidad viene dada por:
F (x) = P (X x) =
a
La densidad de
(
f (x) =
2.
xa
dx
=
.
ba
ba
1
,
ba
para
0,
en otro caso.
a < x < b,
3.
1
(2 2 )1/2
(x )2
exp
2 2
!
,
< x < .
Ejercicio 4.
F.
y su espacio de eventos
con
Denimos algunas
cantidades tiles para tratar estos casos distinguiendo entre el caso discreto y el continuo.
1.
xi
Xi .
Notacin:
x = (x1 , x2 , . . . , xn ) X = (X1 = x1 , X2 = x2 , . . . , Xn = xn ) .
De este modo, si
Rn ,
es un subconjunto de
P (X D) =
tenemos que:
f (x) .
xD
variables
variable
fX1 (x) =
f (x, x2 , . . . , xn ) .
x2 ,...,xn
Es decir, sumamos sobre todos los valores posibles del resto de las variables, dejando jo
al valor
x.
distribuciones marginales.
f (x1 , x2 )
X1 , X2
F (x1 , x2 ),
por:
x1
denotada por
x2
F (x1 , x2 ) =
f (u, v) dvdu .
es un subconjunto del
Z Z
P ((X1 , X2 ) D) =
Z bZ
De modo que
fX1 (x) =
f (x, x2 )dx2 .
3.
x1
X2
son independi-
x2 ,
Z Z
P (X1 A, X2 B) =
A
Ejercicio 5.
c < d.
a) Sean
X1
X2
F (x1 , x2 ),
y supongamos que
a<b
Mustrese que
X1 , X2
Z = g(X, Y )
(X, Y ).
probabilidad:
Z Z
FZ (z) := P (Z z) = P (g (X, Y ) z) =
f (x, y) dxdy .
x,y:g(x,y)z
Z =X +Y
Si
X, Y ,
f (x, y)
y su
luego:
Z Z
FZ (z) = P (X + Y z) =
f (x, y) dxdy
x,y:x+yz
zx
f (x, y) dxdy
Zx=
z
Zy=
f (v, u v) dv du
=
u=
donde
Si
X, Y
fX (v) fY (z v) dv ,
fZ (z) =
que representa la
convolucin
y nos queda:
de las densidades de
10
y de
Y.
(1)
fZ (z) =
Z
X, Y
Si
son variables
N (0, 1),
1
1 2 1
2
exp v (z v) dv
2
2
2
1
1 2
z 2
1
2
exp z v
dv = e(1/4)z ,
2
4
2
2
Ejercicio 6.
luego
X1 N (1 , 12 )
N (1 + 2 , 12 + 22 ).
Muestra que si
X1 + X2
es
X2 N (2 , 22 )
con
X1 , X2
independientes,
N,
dn ,
los
1 X
dn .
N n
w=
dn corresponden a una variable discreta, podemos reescribir esto agrupando los datos
Pongamos por ejemplo que dn {xi : 1 i < }. Entonces, podemos reescribir el
Si los datos
repetidos.
1 X
n(i)xi ,
w=
N i=1
donde
a la
frecuencia
w=
fi xi .
i=1
Valor esperado. Sea X una variable discreta con distribucin de probabilidad f (k); el valor
esperado (o media ) de X est denotado por E [X] y denido por
X
E [X] :=
xk f (k) ,
k |xk | f (k) < . Si esta condicin falla diremos que la variable no tiene media
nita. En el caso de una variable continua la denicin es anloga:
siempre que
E [X] :=
x f (x) dx ,
siempre que
Teorema
tales que
Y = g(X),
donde
g ()
es una funcin
R.
es discreta, luego
E [Y ] =
g (xk ) f (k) ,
k
siempre que
b) Si
es continua, luego:
g (x) f (x) dx ,
E [X] :=
siempre que
|g (x)|
Demostracin:
f (x) dx < .
E [Y ] : =
yP (Y = y)
X X
P (X = x)
x:g(x)=y
g (x) P (X = x)
x:g(x)=y
g (x) P (X = x) ,
x
donde la ltima igualdad se obtiene teniendo en cuenta que
valores posibles de
X.
Propiedad
Si
y {x : g(x) = y}
tenemos que:
E [g (X) h (Y )] = E [g (X)] E [h (Y )] .
Ejercicio 7.
Ejercicio 8.
es la media y
o Var[X].
Covarianza y correlacin
Para variables
X, Y
es:
cov (X, Y
(X, Y ) :=
cov (X, Y
Y,
dis-
Y = y , permite considerar las probabilidades condiX dado que Y = y . Esto dene una nueva funcin de probabilidad para
x fX|Y (|y)
X
fX,Y (x, y)
,
fY (y)
P (X = x, Y = y)
P (Y = y)
fY (y) > 0 .
fX|Y (x|y) =
Esperanza condicional.
X:
X fX,Y (x, y)
1 X
fY (y)
=
fX,Y (x, y) =
= 1.
fY (y)
fY (y) x
fY (y)
x
La esperanza condicional de
dado
Y =y
se obtiene calculando
E (X|Y = y) =
xfX|Y (x|y) .
x
Cuando no se especica un valor concreto de
y,
la esperanza condicional de
X
Y,
dado
es una
es decir:
Caso continuo.
usando la probabilidad condicional. En este caso nos guiamos heursticamente por analoga con
Xe
f , entonces la densidad condicional
Y
de
dado
Y =y
fX|Y (x|y) =
La esperanza condicional de
dado
f (x, y)
,
fY (y)
Y =y
cuando
fY (y) > 0 .
Z
E (X|Y = y) =
xfX|Y (x|y) dx ,
R
E (X|Y = Y ())
El lema de particin.
a) Si
Sean
Ysondiscretas, entoncesfX
b) Si
(x) =
y fX|Y
son continuas, entonces:
(x|y) fY (y) .
Z
fX|Y (x|y) fY (y) dy .
fX (x) =
R
Ejercicio 9.
A partir de este lema podemos mostrar algunas identidades tiles. Consideremos el caso
discreto:
E [X] =
xfX (x) =
XX
!
=
X X
y
E (X|Y = y) fY (y)
= E [E (X|Y )] .
Y hay una idendidad anloga para el caso continuo.
Sean
e independientes. Entonces:
P (X < Y |Y = y) fY (y) dy
P (X < Y ) =
Al ser
P (X < Y ) =
FX (y) fY (y) dy .
P (X < Y ) =
fY (y) dy
(y, y + dy).
en el
La
MX (t) := E etX ,
14
(a, a),
convergencia:
"
#
r
X tr X r
X
tX
t
=E
E e
=
E [X r ] .
r!
r!
r=0
r=0
De modo que los coecientes del desarrollo, que podemos recuperar derivando
indican el momento
r-simo
de la variable
E etX
nos
X.
Unicidad]Si MX (t) es convergente en un intervalo (a, a) con a > 0, entonces los momentos
de la variable
mentos de
de momentos
son nitos. Si
conjunta
FX (x).
M (s, t) := E esX+tY = MX (s)MY (t) .
X e
fgms, tal que, cuando n , Mn (t)
F (x). Adems, si Mn (t) es la fgm de una
Ms an, puede mostrarse que si la fgm conjunta factoriza de esta manera, entonces
Ejemplo.
n .
Z
2
1
2
e(xt) /2 dx
= et /2
2
t2 /2
=e
.
Y N (, 2 ),
obtenemos:
2
(+X)t
t+ 2 t2
t
MY (t) = E e
= e MX (t) = e
.
La funcin caracterstica
X (t) := E eitX = E [cos(tX) + isen(tX)] , t R, i2 = 1 ,
se llama la
funcin caracterstica
de la variable
itX
E e
E eitX = 1 .
Cuando la funcin generatriz de momentos existe en un intervalo
t R.
X (t) = MX (it) ,
X (t) = et .
15
(a, a)
tenemos que:
2. La caminata aleatoria.
2.1. El proceso aleatorio ms simple en una dimensin.
Nos planteamos el siguiente problema elemental de probabilidades:
UnicidadFactorizacinContinuidad
XN = N, N + 1, . . . , 1, 0, 1, . . . , N 1, N
X0 = 0
Si su posicin inicial es
P (XN = m)
XN = m
de encontrarla en la posicin
al dar un nmero
w(m, N ) :=
de pasos N .
Haremos en primer lugar un abordaje directo calculando una expresin explcita para estas
probabilidades. Como veremos ms adelante, ste tambin puede resolverse desde puntos de
vista distintos: a travs de la solucin explcita de una ecuacin en derivadas parciales, como
una ecuacin en diferencias, o como el valor esperado de una variable estocstica.
w(m, N ) = 0
para
d+i = N
di = m
accesibles para un
i, d
son
0, . . . , N
no todas
letras A e
es
, i =
d= N +m
2
letras B:
w(m, N ) =
Ejercicio 10.
de modo que
N! 1
=
d!i! 2N
N +m
2
1
N!
N m N .
! 2 !2
la media de la variable
XN
es cero y su varianza
N.
El comportamiento de esta expresin para
frmula de Stirling:
1/2
n! (2n)
donde
f (n) g(n)
para
m N 1 , m, N
n n
n ,
(n)
limn fg(n)
= 1.
(2)
Usando esta aproximacin
podemos escribir:
r
w(m, N )
1 recordemos que
mN
para
2 N +1/2
N
N m
N +m
m/2
es equivalente a
16
N 2 m2
lmN
m
N
N2+1
= 0.
N m.
(3)
o de forma equivalente:
r
w(m, N )
Por otra parte, si
mN
2
N
1 m/N
1 + m/N
m/2
1
m 2 N2+1
N
N m.
(4)
1x
1+x
m/2
m
m
2
2
= e 2 logf (x) = e 2 (2x+O(x )) = emx+mO(x )
de modo que
1 m/N
1 + m/N
m/2
m
m
= e N (1+O( N ))
y adems
1 x2
N2+1
entonces
1
= e
N +1
log
2
m 2 N2+1
N
=e
m2
2N
1+O
m2
N2
r
w(m, N )
El comportamiento asinttico para
2 m2 m2
e N e 2N =
N
N , m N ,
2 m2
e 2N .
N
es nalmente:
N!
1
w(m, N ) = N +m N m N
! 2 !2
2
2 m2
e 2N
N
(5)
un intervalo de longitud
x+ x
2
x x
2
x
x
x
x
u(y, t)dy := P (x
mh x +
) w(x/h, t/k)
=
2
2
2h
h
k x2t2 k2
h
e
2t
(6)
h2
Deniendo adems el coeciente de difusin D :=
(es la velocidad a la que se recorre la
2k
2
distancia h partida por dos) tenemos que la densidad de probabilidad viene dada (para h 0,
x 1)
por la expresin
u(x, t) =
x2
1
e 4Dt
4Dt
(7)
r > 0,
tiene probabilidad 1 de ir
hace rebotar el
caminos reejados
al otro lado de la pared. Por ejemplo, si el camino rebota slo una vez, podemos considerar
otro camino que sale hacia la derecha en el punto de rebote y est reejado al otro lado de la
pared. Al realizar los
posicin
2r m
y el reejado llegar a la
(vase la gura)
Del mismo modo, cada camino libre que atraviese una sola vez la posicin r (y que llegue
m0 = 2r m) corresponde a la reexin de un camino admisible. Si sumamos
0
la probabilidad del camino libre que llega a m y la del camino libre que llega a m tenemos
a la posicin
el mismo efecto que al multiplicar por dos la probabilidad del camino admisible (considerado
como camino libre). Para generalizar esta idea, supongamos que el camino rebota dos veces en
la pared. En este caso habr que multiplicar por 4 a la probabilidad del camino libre, con lo
cual habr que construir 3 caminos ms para seguir con la misma idea.
Dado el camino admisible, tenemos 3 caminos libres ms para elegir, uno que llega a m y
m0 . Consideremos el que llega hasta el punto 1, despus de pasar la barrera se
m.
r.
De
(8)
paso, si bien toca la pared, no debe ser multiplicado por dos. Vase el ejemplo de la gura
La probabilidad que buscamos es entonces la mitad que la obtenida con la frmula (8) y
tenemos entonces que
es exactamente la
Si tomamos
wref (m, N ; r)
2
N
12
2 /2N
em
+ e(2rm)
2 /2N
(m < r)
1
uref (x, t) =
2 Dt
Donde
xr := rh,
x
4Dt
+e
(2xr x)2
4Dt
(x < xr ),
(9)
es la posicin de la pared.
uref
|x=xr = 0
x
pasos, pero considerando que una vez que atraves una pared en la
a > 0,
a.
la probabilidad
tenemos que
Podemos hacer la
debemos
misma construccin grca que para el caso anterior, esta vez teniendo en cuenta que
m0 . Por cada camino prohibido (libre)
0
que llega a m (esto es, que atraviesa a la pared en a), podemos construir uno que llega a m
admisibles no pueden reejarse ya que no hay puntos de contacto con el eje. Recprocamente,
0
por cada camino que sale de 0 y llega a m podemos contar un camino prohibido que llega a
m.
m < a.
y la funcin densidad es
1
uabs (x, t) =
2 Dt
x
4Dt
(2xa x)2
4Dt
.
Con la propiedad
uabs (xa , t) = 0 .
Para
m=a
a,
pasos. Debemos tener en cuenta que de todos los caminos que llegan
debemos quitar todos los que han atravesado la barrera anteriormente. Una
a1
N 1
estamos en
a+1
o en
a 1.
en tiempo
para tiempo
N 1.
a1
son
la misma cantidad
a+1
son todos
hay
a+1
a.
Si
nmero de caminos
(N 1)!
N!
2
( N 2+a )!( N 2a )!
( (N 1)+(a+1)
)!( (N 1)(a+1)
)!
2
2
!
( N a )
N!
12 2
= N +a N a
N
( 2 )!( 2 )!
=
N!
a
N +a
N ( 2 )!( N 2a )!
dividido por
a,
a tiempo
a
N!
a
= w(a, N ) .
N a
N +a
N
N 2 ( 2 )!( 2 )!
N
wabs (a, N ; a) =
En el caso de
a
wabs (a, N ; a)
N
que expresada en trminos de
xa = ah
t = Nk
2
N
12
e(a
2 /2N )
1
2k 2 (x2a /4Dt)
e
h2 t
12
1
xa k
2
e(xa /4Dt)
=
t
Dt
xa k
p(xa , t) =
t
wabs .
La densidad de probabilidad
q(xa , t)
[t, t + t]
especie de
xa
en el intervalo de
es
Z
t
t+t
xa
t
q(xa , t)dt p(xa , t)
=
2k
2t
1
Dt
12
e(xa /4Dt) t
xa , estn
Haciendo t 0
donde tuvimos que dividir por dos, ya que los tiempos posibles de llegada, jado
denidos en intervalos de tamao
2k
(dependiendo de la paridad de
obtenemos
xa
q(xa , t) =
2t
1
Dt
12
m,N ).
e(xa /4Dt)
q(xa , t) = D
xa
x=0
y llegan por
w(m, N )
x = mh en el tiempo
hasta (m 1)h en el tiempo
1
1
w(m, N + 1) = w(m 1, N ) + w(m + 1, N ),
2
2
(10)
w(m, N ) 0
m, N
posibles, la probabilidad de que alguna de ellas ocurra va a tender a cero necesariamente. Por
esto es mejor que consideremos una aproximacin a la densidad de probabilidad
uh,k (x, t) :=
u(x, t):
1
w(x/h, t/k) .
2h
(11)
La idea central que nos gua es encontrar una funcin de densidad lmite para
momento, vamos a suponer que este lmite existe y lo denotamos por
h,k (x, t) 0,
para
h, k 0.
De
u(x, t):
h, k 0 .
1
1
uh,k (x, t + k) = uh,k (x h, t) + uh,k (x + h, t) .
2
2
(12)
Como veremos ms adelante, (12) es un esquema numrico que aproxima a la solucin de una
ecuacin diferencial. En este caso tenemos el problema inverso al clculo numrico: dada la
ecuacin en diferencias intentaremos determinar la ecuacin diferencial de la funcin lmite.
Para hacer esto necesitamos saber con qu ecuacin es consistente este esquema, y debemos
reemplazar la solucin continua
el desarrollo de Taylor:
u
(x, t)k + O(k 2 )
t
1
1 2u
(u(x h, t) + u(x + h, t)) = u(x, t) +
(x, t)h2 + O(h4 )
2
2 x2
u(x, t + k) = u(x, t) +
(ntese el error de orden 4 debido a la cancelacin de las potencias impares). Igualando las
cantidades obtenidas tenemos que
u
h2 2 u
h4
(x, t) + O(k) =
(x, t) + O( ).
t
2k x2
k
h2
permanezca constante,
2k
obtenemos la ecuacin del calor unidimensional para la densidad de probabilidad u:
Si tomamos ahora lmite para
Obsrvese que si
h2 /k 0
u/t = 0,
que corresponde a un
1
wref (r, N ; r) = wref (r 1, N 1; r) .
2
probabilidad de llegar en tiempo N + 1 a la posicin r 1
es:
1
wref (r 1, N + 1; r) = wref (r 2, N ; r) + wref (r, N ; r) ,
2
ya que tenemos probabilidad 1 de rebotar una vez que estamos en la posicin
wref (r, N ; r)
r.
Eliminando
1
1
wref (r 1, N + 1; r) = wref (r 2, N ; r) + wref (r 1, N 1; r) .
2
2
En trminos de la densidad continua escribimos la ecuacin anterior:
1
1
uref (xr h, t + k) = uref (xr 2h, t) + uref (xr h, t k) .
2
2
Obsrvese que usamos la densidad para puntos interiores, ya que la relacin entre densidad
y probabilidad discreta no es obvia para los puntos del borde (desde este punto de vista).
Aproximando por Taylor obtenemos la identidad (todas las funciones estn evaluadas en
y quitamos el
ref
(xr , t)
del subndice):
u
1
u
1
1 u
1 u
u
h+
k + o( k 2 + h2 ) = u
h+ u
h
k + o( h2 + k 2 ),
x
t
2
x
2
2 x
2 t
k = O(h2 ):
u
u
h = O(h2 )
= 0.
x
x
Esta es la misma condicin, de tipo Neumann, que observamos para la solucin explcita.
En el caso de la pared absorbente debemos observar que:
1
wabs (a 1, N + 1; a) = wabs (a 2, N ; a),
2
ya que la probabilidad de que venga por la derecha (desde
a)
1
uabs (xa h, t + k) = uabs (xa 2h, t),
2
y aproximando por Taylor (funciones evaluadas en
(xa , t)):
1
u + O(h + k) = u + O(h + k),
2
por lo tanto
u = 0,
como obtuvimos anteriormente con la solucin explcita para
22
uabs .
h y paso
k , la densidad de probabilidad de encontrar a una partcula para tiempo t = N k en
2
la posicin x = mh, cuando m, N con h / (2k) = D , es consistente con ecuacin del calor
Resumiendo, hemos encontrado que, haciendo un camino aleatorio de paso espacial
temporal
ut = Duxx .
Cuando hay una pared reectante en
x = xr
(13)
u
(xr , t) = 0
x
y cuando hay una pared absorbente tenemos la condicin
u(xa , t) = 0.
En ambos casos la condicin inicial para
es una
x 6= 0
pero su integral
In , n N,
(
P (In = 1) = p
P (In = 0) = q
con
p + q = 1.
Si
SN :=
PN
n=1 In , entonces
lm P
Ejercicio 11.
SN N p
b
a
N pq
1
=
2
x2
e 2 dx .
SN
E[SN ] = N p
V [SN ] = N pq
2) Identica los posibles valores de la variable
SN ,
P (SN = m) = pm q (N m)
N!
(N m)!m!
m Np
.
x=
N pq
23
N =
S
N N p
, escribe
N pq
(14)
P (SN = m) = P (N = x) =
x2
1
e 2 (1 + o(1))
2N pq
Nota que:
r
m
p
1
=q 1
x ,
N
qN
r
q
m
=p 1+
x .
N
pN
5) Suma las contribuciones del intervalo, teniendo en cuenta que la distancia entre los valores
m Np
xm =
N pq
es
xm = xm+1 xm =
Si sumamos sobre los
xm
1
.
npq
Z b
X
x2
x2
1
1
2m
P (a N b) =
e
xm
e 2 dx N
2 x [a,b]
2 a
m
dependientes Bn
lm P
in-
1/2 respectivamente.
= 1/2. En este caso
!
PN
Z b
x2
B
1
n
n=1
a
e 2 dx .
b =
2 a
N
y denimos
k = t/N
como el paso
lm P
N
Llamando
XN
N
X
h
h
hBn b t
a t
k
k
n=1
1
=
2
x2
e 2 dx .
PN
n=1
h
jos. Obsrvese que si
0 para N ,
k
la densidad de XN estar concentrada alrededor del origen. Eligiendo a, b 1 tales que
R b x2
1
e 2 dx est tan cerca del valor 1 como queramos y N sucientemente grande tal que
2 a
N 0
para
P ( XN ) P
donde
con
h
h
a t XN b t
k
k
1
=
2
Z
a
convenientemente. Concluimos
que
lm P ( XN ) = 1
24
si
x2
e 2 dx + N = 1 + N ,
h
0.
k
Obsrvese que esta es la escala que corresponde a la ley de los grandes nmeros, donde
tomaramos
h = 1/N = O(k).
R b x2
h
1
Si por el contrario tenemos que , elegimos a 0 b de modo que
e 2 dx <
2 a
k
, con pequeo. En este caso, dados
h A, Bh arbitrarios (jos), tendremos que para un N
sucientemente grande [A, B] (a t , b t ) y por lo tanto
k
k
P (A XN B) P
h
h
a t XN b t
k
k
1
=
2
x2
e 2 dx + N = + N ,
de modo que
lm P (A XN B)
N
para
lm P (A XN B) = 0
si
h
.
k
Los casos considerados son lmites que nos llevan a distribuciones de algn modo triviales.
La primera, que concentra toda la medida en el origen, es una delta de Dirac. La segunda
dispersa las posiciones de tal modo que la probabilidad de encontrarlas en un intervalo nito
es nula. El caso que ms nos interesa es el que viene a continuacin.
A := a t hk = a 2Dt,
Z A/2Dt
2
1
x2
P (A XN B) =
e
dx + N
2 B/2Dt
Z A
x2
1
=
e 4Dt dx + N
4Dt B
de modo que
1
lm P (A XN B) =
N
4Dt
x2
e 4Dt dx .
(15)
3. El proceso de Wiener.
3.1. Denicin y propiedades bsicas del proceso de Wiener.
Hemos analizado uno de los procesos ms simples en una dimensin: la caminata aleatoria
(random walk). Hemos visto tambin que el lmite de las distribuciones de probabilidad discretas
puede llevarse al continuo por medio de un lmite adecuado en el tamao de los pasos espacial
y temporal. Las escalas entre ambos pasos estn vinculadas de una manera particular para
que en el lmite obtengamos una distribucin de probabilidad no trivial. Concretamente, hemos
2 Como es costumbre en estadstica, utilizaremos letras maysculas para indicar a las variables aleatorias y
minsculas para indicar un valor particular de las mismas.
25
1.
W0 = 0.
2.
Wt
3. Si
t > s, Wt Ws
Ws
es independiente de
Wt
Wt y Ws
N (0, t).
y tiene distribucin
sea independiente de
Wt Ws
XN =
N
X
kBn ,
n=1
donde
k := t/N
es el paso temporal y
Bn , 1 n N
con probabilidad
1/2
independientes
respectivamente. La media de
XN
variables normales
Bn
Zn
adecuadamente escaladas en
y varianza 1, y construimos el proceso (ahora con una distribucin continua de posibles valores
de la posicin, pero con valores temporales discretos)
XN =
N
X
dist
kZn
Zn = N (0, 1) .
n=1
Es fcil mostrar que la suma de variables normales independientes sigue siendo normal, con
media igual a la suma de las medias respectivas y varianza igual a la suma de las varianzas
respectivas. En este caso,
todo
XN
para
teorema cen-
Para ver la propiedad nmero 3 del proceso tenemos que tener en cuenta que los incrementos
a partir de un valor de tiempo
Wt
Wt Ws
de
Wt = Ws + lm
tenemos que
s,
Bn
N
X
k = (t s)/N .
kBn ,
n=1
posteriores al tiempo
es independiente de
Ws
Ws ,
Este proceso bsico, que hemos estudiado desde distintos puntos de vista, tiene el nombre
de
proceso de Wiener,
Wt := Wt+t Wt =
tZt ,
26
dist
Zt = N (0, 1) .
t 0:
dWt =
dtZt .
(16)
Una aclaracin sobre el uso de subndices en (16). El incremento innitesimal del proceso
Wt se obtiene realizando una muestra de una variable normal independiente del valor actual de
Wt , multiplicada por la raz del incremento innitesimal dt. El subndice en Zt se utiliza para
indicar que la prueba aleatoria debe realizarse en tiempo t y que esta prueba es independiente
de las que deban realizarse para calcular incrementos en otros valores de tiempo. Como variables
aleatorias son idnticas (estn idnticamente distribuidas) pero es importante comprender que
la innidad de pruebas de las variables
Zt
Wt
son
todas independientes. Dicho de otro modo y salvando las diferencias, es como si tuviramos que
arrojar una moneda en cada instante de tiempo para calcular una muestra de la evolucin del
proceso. Como veremos a continuacin, esto es equivalente a denir una medida de probabilidad
en un espacio de caminos continuos.
-lgebra
proceso de construccin, y la escala utilizada para aadir las pruebas independientes, hacen que
una muestra del proceso de Wiener sea una funcin continua (en un sentido probabilstico).
Calculemos la siguiente probabilidad:
Por otra
x2
1
e 2t dx
P (|Wt+t Wt | > ) = P (| tZt | > ) =
2t |x|>
x
2t
e
|x|>
dx = 2
x
2t
dx 2
x
2 t
e 2 t
dx =
t
De modo que:
(17)
No debemos confundir (17) con la nocin de regularidad de una funcin en el sentido usual. Si
bien esta relacin nos dice que la probabilidad de dar un salto es de un orden arbitrariamente
pequeo respecto de
lmite (que tendramos que denir con precisin) que sea discontinua, ya que en principio
Wt
t > 0,
muestra
del proceso
(0) = 03 .
de funciones continuas
: [0, +) 7 R,
trabajo original.
Imaginemos ahora que, dada una muestra
valor de la funcin continua
en
la variable
Wt : 7 R
nos devuelve el
t:
Wt () = (t) .
La distribucin de probabilidad de
Wt
P (a Wt b) = medida
distribucin marginal
muy particulares:
de los
[a, b]
en
t.
El conjunto
C[a,b];t := { : a (t) b}
se llama
x2
P C[a,b];t :=
e 2t
,
(x, t) :=
2t
(x, t)dx ,
a
t y media cero.
C[a1 ,b1 ];t1 y C[a2 ,b2 ];t2 debemos
tener en cuenta la distribucin conjunta de las variables Wt1 y Wt2 (t1 < t2 ) caracterizada por
la independencia del incremento Wt1 := Wt2 Wt1 respecto de Wt1 . La probabilidad que
queremos medir es la de las funciones continuas que pasan en t1 por un intervalo [a1 , b1 ] y en
t2 por un intervalo [a2 , b2 ]. Para ello notemos que:
Z b1 Z b2
P (a1 Wt1 b1 , a2 Wt2 b2 ) =
p(x1 , t1 ; x2 , t2 )dx1 dx2
(1) a1
a2
Z b2
Z b1 Z b2
Z b1
=
p(x2 , t2 |x1 , t1 )p(x1 , t1 )dx1 dx2 =
p(x1 , t1 )
p(x2 , t2 |x1 , t1 )dx2 dx1
Wt ,
(18)
a1
a2
a1
a2
(19)
Finalmente:
b1
Z
b2
(x1 , t1 )
a1
a2
Habiendo denido la probabilidad de la interseccin de eventos elementales, tenemos entonces denida la de la unin:
P C[a1 ,b1 ];t1 C[a2 ,b2 ];t2 = P C[a1 ,b1 ];t1 + P C[a2 ,b2 ];t2 P C[a1 ,b1 ];t1 C[a2 ,b2 ];t2 .
3 La demostracin de esta armacin nos llevara un poco lejos a cuestiones tcnicas de teora de la medida.
Vase [2].
28
Esto nos permite denir una medida en el lgebra generada por los conjuntos cilndricos
F0
(uniones e intersecciones nitas de estos conjuntos). A partir de aqu podemos denir la sigma
lgebra
F0
ellos. No entraremos en los detalles tcnicos para mostrar que la medida est bien denida,
vase [2] o [5].
La denicin de esta medida, debida a Norbert Wiener, nos permite integrar funcionales
denidos en
dado un funcional
F(),
a su integral
Z
F()dP
F()dW
notacin
F cuando
dado.
En este caso
(x, T ) x2 dx = T ,
x P ( : x (T ) < x + dx) =
F()dW =
T.
uh,k
que esta ecuacin tiene una solucin explcita bien denida con una condicin inicial de tipo
delta de Dirac. En este apartado veremos que los valores de
valores en los nodos de un
uh,k
w(m, N )
D > 0,
h,
k . Aproximamos
para t > 0:
y temporal de paso
u(x, t + k) u(x, t)
u
(x, t) =
+ O(k)
t
k
2u
u(x + h, t) 2u(x, t) + u(x h, t)
(x, t) =
+ O(h2 )
2
x
h2
El
n
un 2unm + unm1
un+1
m um
=
D m+1
k
h2
2
= O(k + h ) ,
29
u
2u
(mh, nk) D 2 (mh, nk)
t
x
los
donde
consistencia
n
n
n
n+1
n
+ Um1
2Um
Um+1
Um
Um
=D
,
k
h2
0
Um
= u0 (mh) ,
n+1
n
n
n
Um
= Um
(1 2) + Um+1
+ Um1
;
0
Um
= u0 (mh) ,
(20)
Dk
0
. A partir del dato inicial Um , podemos calcular los niveles temporales sucesivos
h2
por medio de la frmula explcita (20). Ntese que para = 1/2 nos queda exactamente el mismo
donde
:=
w(m, N ). Independientemente
n
n
n
de esto, veamos la convergencia del esquema numrico discreto. Sea em = um Um . La ecuacin
en diferencias para e viene dada por:
n
en+1
= enm (1 2) + enm+1 + enm1 + km
, e0m = 0.
m
n+1
n-simo.
Si tomamos el
en := mx(|enm |) ,
m
y deniendo
n = mx|m,n |;
m
Si
1 2 0
= mx n .
n
1
) tenemos la siguiente acotacin:
2
= 1/2:
1 n1
n1
Um1 + Um+1
2
1 n2
n2
n2
=
Um2 + 2Um
+ Um+2
4
n
Um
=
1
multiplica a todos los trminos, donde j es
2j
el nmero de iteraciones realizadas. Los coecientes que acompaan a cada uno de los valores
n2
Um
corresponden al nmero de caminos que pueden realizarse dando dos pasos temporales,
n
para llegar a Um (vase la gura).
Ya en estas dos iteraciones podemos observar que
esqnumerico.eps
30
Desde la posicin
(m + 1, n 2)
no puede accederse a
(m, n)
(m, n) cuando realizamos una caminata aleatoria con probabilidad 1/2 de ir hacia
n
=
Um
w(i m, n) Ui0 .
(21)
i
Esta ecuacin nos permite interpretar a
n
Um
como el
valor esperado
Ui0
sobre el espacio de probabilidad de los caminos que unen el punto (m, n) con la recta del nivel
0
incial. Utilizando la frmula asinttica para w(m, n) (vase (5)), Ui = u(ih, 0), t = nk , x = mh,
y el hecho de que solamente la mitad de los puntos aportan al promedio, podemos escribir
Um,n
En este caso
k
h2
1X
=
2 i
2
2 k k(ihx)
e 2h2 t u(ih, 0)h .
t h
1
y obtenemos
2D
X (ihx)2
1
e 4Dt u(ih, 0)h ,
Ux/h,t/k =
2 Dt i
y utilizando el resultado de convergencia numrica para
1
u(x, t) =
2 Dt
h, k 0:
(yx)2
4Dt
u(y, 0)dy ,
e 4Dt
dy , es una medida sobre la recta, para cada x, t
2 Dt
jos y la solucin de la ecuacin del calor es el
del dato inicial con respecto a
una nueva interpretacin: La funcin
hacia atrs.
valor esperado
x, t.
mirando el problema
(x, t)
Por otra parte, teniendo en cuenta que la variable aleatoria es el proceso de Wiener a tiempo
t,
u(x, t) = E [u0 (x + Wt )] ,
donde
Wt
continuos que salen del origen y la integracin se realiza respecto de la medida de Wiener.
1 2u
u
=
+ (x) ,
t
2 x2
D = 1/2)
u(x, 0) = (x)
(22)
n+1
n
n
= U nm+1 + (1 2)Um
+ Um1
+ km
Um
31
:=
1 k
.
2 h2
n
enm := Um
unm
n
n
n
n
= enm+1 + (1 2) enm + enm1 un+1
m um + um+1 2um + um1 + km
en+1
m
u
k + o(k)
t
n
un+1
m um =
k 2u
unm+1 2unm + unm1 =
+ k oh (1) (oh 0, h 0)
2 x2
De este modo
un+1
m
unm
unm+1
2unm
unm1
u 1 2 u
+
k + o(k) + koh (1)
=
t
2 x2
= km + o(k) + koh (1)
Obtenemos entonces:
en+1
= enm+1 + (1 2) enm + enm1 + o(k) + koh (1)
m
Si
1/2
en = maxm |enm |:
= 1/2
con
1/2,
es decir
k h2 .
1 n1
1 n1
n
+ Um1
+ km
Um
= U
2 m+1 2
1
1 n2
1
n2
n2
=
Um+2 + 2Um
+ Um2
+ km+1 + km1 + km
4
2
2
n2
= E Um+X2 + kE [(xm + hX1 )] + kE [(xm + hX0 )]
donde
Xn =
n
X
Bi ,
X0 = 0
(23)
i=1
es una caminata aleatoria con pruebas independientes dadas por:
(
1
Bi =
1
y
E[]
con probabilidad
con probabilidad
1/2
1/2
n
Um
= E [(xm + hXn )] +
n
X
kE [(xm + hXi )]
i=1
(24)
0
donde, como antes, la integral se realiza en el espacio de caminos continuos denidos en el
intervalo
[0, t]
frmula de Feynman-Kac.
32
Vericacin
La ecuacin con fuente puede resolverse formalmente sumando una solucin particular con
valor inicial cero y una solucin de la ecuacin homognea (
up (x, t) =
(ts) 2
e 2 x2 (x) ds
0
Z t Z +
0
0
=
(x x , t s)(x) dx ds
0
Z t Z +
(h, )(x + h) dh d
=
h=x0 x, =ts 0
Z t
E[(x + W )] d
=
0
u
1 2u
=
+ V (x)u
t
2 x2
donde
representa un
potencial
u(x, 0) = (x)
(25)
|V (x)| M .
n
n
n
n
n+1
2Um
+ Um1
Um
Um
1 Um+1
1 n
n
=
+
U
V
+
U
V
m+1
m1
m+1
m1
k
2
h2
2
(26)
El esquema del lado derecho est elegido especialmente para conseguir una interpretacin estocstica ms directa. Reescribimos la relacin en la forma
n+1
Um
=
k
k
n
n
n
+ Vm+1 Um+1 + (1 2) Um + + Vm1 Um1
2
2
(27)
Veamos que el trmino nuevo en (26) no destruye la consistencia del mtodo numrico:
1
1 n
u
V
n
n
u
Vm+1 + um1 Vm1 =
um + h
+ o(h)
Vm +
h + o(h) +
2 m+1
2
x
x
1
u
V
n
um h
+ o(h)
Vm
h + o(h)
2
x
x
= unm Vm + o(h)
La convergencia del esquema puede mostrarse siguiendo pasos anlogos a los de la ecuacin
del calor con una fuente.
en+1
m
=
k
k
n
n
+ Vm+1 em+1 + (1 2)em + + Vm1 enm1 + o(k) + koh (1)
2
2
33
1/2
y que
kM 2,
sean positivos:
= 1/2
h, k 0.
y obtenemos el esquema
1 n1
1 n1
n
= Um+1
(1 + kVm+1 ) + Um1
(1 + kVm1 )
Um
2
2
Escribamos
1 n1 kVm+1 1 n1 kVm1
n
Um
= Um+1
e
+ Um1 e
+ o(k)
2
2
donde
o(k)
|V | M .
n
Um
=
kVm1
kVm+1 1 n2 kVm
1 n2 kVm+2
n2 kVm2
n2 kVm
Um+2 e
Um e
+ Um2
+ Um
e
e
e
e
+ o(k)
+
4
4
1 n2 kVm1 +kVm2
1 n2 kVm+1 +kVm+2 1 n2 kVm+1 +kVm
e
e
+ Um e
+ ekVm1 +kVm + Um2
+ 2o(k)
= Um+2
4
4
4
Esto lo escribimos ahora en una notacin ms sugerente:
n
Um
=
caminos
caminos
P2
1 n2
i=1 kVm+Xi () + 2o(k)
U
e
m+X
()
2
22
Pn
1 0
i=1 kVm+Xi () + no(k)
U
e
m+X
()
n
n
2
Rt
k0
donde
Xi ,
(xm + Wt ()) e
dW
a los caminos
Rt
Z
u(x, t) =
(x + Wt ()) e
34
V (x+Ws ())ds
dW
(28)
Observacin
Vamos a interpretar el lado derecho de la frmula (28). Suponiendo la existencia de una
solucin
s = u(x + Ws , t s) e
Para
s=0
la variable
V (x+W )d
0 = u(x, t) .
Si dejamos evolucionar a
hasta
s=t
Rt
t = u(x + Wt , 0) e
tenemos que
V (x+W )d
Rt
= (x + Wt ) e
V (x+W )d
Tomando ahora valor esperado sobre los caminos continuos obtenemos la expresin
Rt
E[t ] = E[(x + Wt ) e
V (x+W )d
Si queremos que esta frmula represente a la solucin de (25), esto debe coindidir con
u(x, t) = 0 .
Es decir que
E[t ] = 0
t > 0 .
Rs
d
E[u(x + Ws , t s) e 0 V (x+W )d ]
ds
y comprobar que es cero para todo valor de
5. Introduccin
Los conocimientos bsicos de Teora de las Probabilidades necesarios para seguir el curso
pueden encontrarse en el captulo 2 del libro [Evans]. Dicho texto tambin proporciona un
enfoque complementario sobre algunos de los temas expuestos en estas notas.
En la seccin primera recapitulemos brevemente algunos de los conceptos vistos en la parte
primera del curso. A continuacin, en la seccin segunda describiremos con detalle la construccin de la medida de Wiener y del movimiento Browniano.
R.
La posicin
Xn
de la partcula tras
nN
caminata aleatoria
en
X0 = 0.
h > 0,
n N,
1/2.
Xn = Xn1 + hBn ,
donde
Bn
ja, a la derecha o a la
(29)
(30)
Bn , n N,
1, ..., n 1.
es independiente de
El problema principal al que hemos dedicado el primer captulo del curso fue el de construir
una ley de propagacin
Wt ,
t [0, ),
t>0
aleatoria.
Wt+h Wt a
t es independiente del recorrido previo de la partcula Ws para s t.
Dicho problema fue contemplado originalmente por Albert Einstein (1905) en su intento
formular una teora cuantitativa que describiera las observaciones realizadas, entre otros, por el
botnico Robert Brown (alrededor de 1827) sobre el movimiento, aparentemente catico, que
describen pequeas partculas de polen en suspensin sobre un lquido.
4 Debido a considera-
ciones fsicas las partculas no saltan instanneamente de una posicin a otra requeriremos
tambin que el proceso
(iii) los caminos
(Wt )t0
Para construir
N N
Wt
Wt
satisfaga:
son continuos.
t [0, )
dividimos el intervalo
[0, t]
en
k := t/N,
y, para
n = 0, ..., N ,
k
Wnk
:= Xn ,
de los
Wtk = WNk k .
E
As pues, si hacemos tender
2
Wtk
h2
= h N = t.
k
2
(31)
W0 = 0.
2D > 0
garantiza que:
lm + P A
h,k0
h2 /k2D
Wtk
1
B =
4Dt
2Dt.
(32)
x2
e 4Dt dx.
Wt
no prueba
an la existencia del
4 Un comentario ms detallado de los aspectos histricos del decubrimiento del movimiento Browniano puede
encontrarse en el libro [Nelson67].
36
Wt . Simplemente
armar que, de existir Wt , ste ha de estar distribuido
permite
2Dt .
segn una ley normal N 0;
Para obtener la ley de Wt nos hemos servido de una caminata aleatoria cuyos incrementos
proceso lmite
estn distribuidos segn una ley muy particular (30). Es natural preguntarse si el resultado
nal (32) depende de esta circunstancia. Dicho de otro modo: tomemos incrementos
Bn
in-
del Lmite.
Teorema 6.1
Sean
lm P
a<b
Teorema Central
se tiene
B1 + ... + Bn
b
a
n
=
1
2 2
x2
e 22 dx.
Vemos por tanto que la distribucin normal aparece de forma natural como la nica distribucin posible para el proceso lmite
suele decir que el
Wt
es un
y se
si
t>s0
Wt Ws
necesariamente el incremento
N 0; t s
ha
Denicin 7.1.
5
espacio de probabilidad
(, P)
es un
proceso de
Wiener 6 o
Wt , t [0, ),
denidas sobre un
movimiento Browniano 7
estndar
B1. W0 = 0.
B2. Dados 0 t1 t2 ... tn
los incrementos
Wtn Wtn1 ,
Wtn1 Wtn2 ,
son independientes.
B3.Para
N 0; h .
todos
t 0
h > 0,
el incremento
Wt+h Wt
(x, t) :=
1 x2
e 2t ,
2t
para
t > 0.
Escribiremos tambin:
(x, 0) := 0 (x) ,
5 Salvo en los casos en que pueda haber ambigedad, no haremos referencia explcita a la sigma lgebra de
P.
siendo
distribucin de
W0
es precisamente
0 .8
x = 0.
Wt+h Wt
que
Ws
es independiente de
s t.
condicin ms fuerte es que determina de forma nica la distribucin conjunta de las variables
Wt1 , Wt2
para cualquier eleccin de
... , Wtn
0 t1 t2 ... tn .
(33)
A2
A1 , ..., An R
(34)
An
Boreliamos.
: Rn R
medible, se
tiene
Z
(x1 , ..., xn ) (x1 , t1 ) ... (xn xn1 , tn tn1 ) dx1 ...dxn ,
(35)
Rd
siendo
P.
Es fcil demostrar que si un proceso verica que la ley conjunta de (33) viene dada por
(34) entonces automticamente se tiene B2 y B3.
Consideremos la siguiente condicin: B3'.
Central del Lmite que B2, B3' y B4 implican B3. Los procesos que verican B2 y B3' se
conocen como
procesos de Lvy.
(, P)
dotado de un
Wt .
espacio de probabilidad (, P ); esto es, Wt satisface B1,...,B4. Cada dene a travs del
movimiento Browniano un camino
[0, ) 3 t 7 Wt () .
Dicho de otro modo, un movimiento Browniano induce una aplicacin:
W : R[0,)
7 (Wt ())t[0,) ;
todas
[0,)
es conviente recordar que el producto cartesiano R
es por denicin el conjunto de
0 (x1 ).
38
(x1 , 0) dx1
de probabilidad
en los Borelianos de
R[0,)
E R[0,)
Boreliano,
ponemos
P (E) := P W E
= P : W () E .
P se suele llamar distribucin del proceso Wt . De hecho, P es la distribucin conjunta
[0,)
de todas las variables aleatorias Wt para t [0, ). Si F : R
R es medible entonces se
tiene
Z
Z
F W dP =
F () dP () .
(36)
La medida
R[0,)
Proposicin 7.2. Todos los movimientos Brownianos tienen la misma distribucin P. Ms an,
si
Wt : R[0,) R
Wt () := (t) entonces Wt
[0,)
probabilidad R
,P .
es un movimiento Browniano
R[0,)
para
E R[0,)
... tn :
1. Si
P.
para
j = 1, ..., n
0 t1
b1
P (E) =
bn
...
a1
(37)
an
(38)
Rn
3. Una consecuencia inmediata de (37) es que
R[0,) : (0) 6= 0 = 0.
4. La propiedad B4 de la denicin de
Wt
es equivalente a armar:
donde
que
(39)
[0, )
en
tales
de
10 en un espacio topolgico
Borel
Cc (X),
el espa-
cio de las funciones continuas, a valores reales y con soporte compacto, denidas sobre
esto es,
de
Lf 0
para
X.
es
f 0,
L:
en
R.
Si
es positiva,
que representa a
Z
Lf =
f (x) d (x) ,
para toda
f Cc (X) .
(40)
X
La medida
(K)
K X.
1. Si
2. La medida
que verica (40) se dene del siguiente modo. En primer lugar, para un
conjunto abierto
V X
ponemos:
(V ) := sup {L : Cc (X) ,
Una vez hecho esto, denimos para
EX
0 1,
sop V } .
arbitrario:
(E) := nf { (V ) : V X
abierto y
E V }.
(41)
X.
De hecho,
X.
S es posible
(B) = 0.
4. Si
no es demasiado patolgico
compacto y
adems verica:
K E} .
(42)
Rd
Z
Lf :=
f
Rd
es positiva por lo
que satisface:
Z
f=
Rd
f (x) dm (x) ,
Rd
siendo la segunda integral la denida mediante la teora de la medida. Esfcil probar que
m es precisamente la medida de Lebesgue sobre Rd .
10 Se llama
medida de Borel
X.
11 No demasiado patolgico quiere decir aqu que todos los abiertos de
compactos.
40
Borelianos.
De nuevo
x0 X
Lx0 : Cc (X)
R
.
7 (x0 )
L x0
x0
con la propiedad:
Z
(x) dx0 (x) = (x0 ) .
X
Dicha medida se conoce como la
que
x0 (E) = 0
En el caso de
si
x0
/E
X = Rd
y que
masa de Dirac
centrada en
x0 .
Es inmediato comprobar
({x0 }) = 1.
Rd )
(o un abierto de
renarse notablemente.
Teorema 7.4
d
0
una distribucin positiva, esto es, que verica
Sea T D R
d
T () 0 para toda Cc R tal que 0. Entonces existe una medida , con las
mismas propiedades que en el Teorema 7.3 que verica:
(Schwartz)
Z
T () =
(x) d (x) .
Rd
Vemos pues que, por el simple hecho de ser positiva, T puede extenderse de Cc
Rd a todas
las funciones Borel medibles de soporte compacto.
Proposicin 7.5.
[0,)
sobre los Borelianos de R
que satisface (37), (38).
[0,)
Como consecuencia de esto, el proceso en R
, P denido por Wt () := (t) cumple la
Existe una medida
para ciertos
0 t1 ... tn ,
(43)
Z
L (F ) :=
Z
F (x1 , ..., xn ) (x1 , t1 ) ... (xn xn1 , tn tn1 ) dx1 ...dxn .
...
R
(44)
Se nos presentan dos grandes diculdas para aplicar el Teorema 7.3 en este contexto.
Si X es innito dimensional entonces no es localmente compacto por ejemplo, C ([0, ) ; R),
RN o un espacio de Hilbert de dimensin innita no son localmente compactos. Ms precisamente, es fcil probar que un producto de espacios localmente compactos es localmente compacto si y slo si todos los factores, salvo eventualmente un nmero nito, son
compactos.
Lo que es ms importante, una funcin continua de la forma (43) no pertenece a
41
Cc R[0,)
la compacticacin
El espacio producto
:= R [0,)
12 y contiene
R[0,) ;
es automticamente compacto
ms an,
|L (F )|
sup |F ()| .
(45)
R[0,)
Z
F (x1 , ..., xn1 ) (x1 , t1 ) ... (xn xn1 , tn tn1 ) dx1 ...dxn
...
RZ
RZ
F (x1 , ..., xn1 ) (x1 , t1 ) ... (xn1 xn2 , tn1 tn2 ) dx1 ...dxn .
...
=
R
Teorema 7.7
(Wiener)
abilidad uno:
13 La extensin de M. Stone del resultado clsico de aproximacin de funciones continuas por polinomios de
un espacio topolgico y
42
Sea
Z
(x, t) dt;
(, ) := sup
0<t
|x|>
claramente
(, ) = o ()
cuando
0.
Vamos a acotar la probabilidad de que un camino tenga una variacin de tamao mayor que
en un intervalo de longitud
que todos los caminos
Lema 7.8.
Sean
, > 0
0 t1 ... tn
tales que
P (E) 2
tn t1 < .
para ciertos
2
Consideremos el conjunto
i, j = 1, ..., n} .
, .
2
, ,
siendo
para algn
j = 2, ..., n} ,
E A.
Vamos a descomponer
| (t1 ) (tk )|
para
k j} .
Entonces se tiene:
ABC
siendo
C :=
A existe
Cj0 . As,
[n
j=2
(Cj Dj ) .
un ndice menor
j0
para el cual
Dj0 .
Si
/ B
(tn ) (tj )
Dj
Lema 7.9.
0a<b
ba
con
P (E (a, b, )) 2
para ciertos
2
t, s [a, b]} .
, .
para ciertos
t, s S} .
(46)
P (E (a, b, , S)) 2
2
, .
Claramente,
nitos de
r>0
existe
K E (a, b, )
E (a, b, , S).
Por tanto
Lema 7.10.
Sea
kN
y supongamos que
1 N.
Sea
para ciertos
t, s [0, k] , |t s| < } .
k
P (F (k, , )) 2 , .
F (k, , )
entonces
| (t) (s)| > 4 para t, s en el mismo subintervalo o en subin pertenece a E (a, b, ) siendo [a, b] uno de los dos
\ \ [
C0 ([0, ) ; R) =
kN nN mN
En particular, como cada uno de los
1 1
k, ,
n m
es cerrado,
c
.
C0 ([0, ) ; R) es un Boreliano.
C0 ([0, ) ; R) =
[ [ \
kN nN mN
44
F
1 1
k, ,
n m
,
y claramente,
\
mN
1 1
k, ,
n m
1 1
= lm P F k, ,
= 0,
m
n m
con lo que
B0
gen-
erada por las ventanas elementales (se utiliza el conocido como Teorema de extensin de Kolmogorov). Este enfoque tiene algunos inconvenientes tcnicos. Por ejemplo, como resultado
de ello, el conjunto
C0 ([0, ) ; R) no es B0 -medible
conjunto que diere de l en un conjunto de medida nula que s lo es. Ello es debido a que
B0
es estrictamente menor que la sigma lgebra de los Borelianos. Para darse cuenta de el-
lo basta observar que cualquier union o interseccin numerable de ventanas elementales slo
depende de una cantidad numerable de componentes
{ : (t) > a
para algn
t R}
tj ,
ticular, los anlogos de los lemas 7.9 y 7.10, que en nuestro caso son triviales, son mucho ms
difciles de demostrar si uno trabaja con
B0 .
RN
2X
1
X
senkt
.
Gk (kt)
Wt () := G0 () t + 2
k
n1
n=1
k=2
t.
En el
captulo 3 de [Evans] puede encontrarse una demostracin basada en ideas similares, aunque
tcnicamente mucho ms sencilla, debida a P. Lvy.
Es posible demostrar que las trayectorias del movimiento Browniano son ms regulares de
C0 ([0, ) ; R) el espacio de los caminos Hlder de exponente > 0
que arrancan del origen, esto es, C0 ([0, ) ; R) si (0) = 0 y, dado k > 0, existe K tal
t, s [0, k]
| (t) (s)| K |t s| .
Teorema 7.11.
Ejercicio 7.12.
Sea
SR
S := { : (t) S
verica
P (S ) = 0.
Advertencia: ante todo hay que probar que
es medible.
45
de medida positiva}
con, pongamos,
Kac :
t u (x, t) 12 u (x, t) = 0,
u (x, 0) = (x) ,
L2 Rd , entonces u
es solucin de
(x, t) Rd [0, ) ,
(47)
fmula de Feynman-
Z
u (x, t) =
(x + (t)) dP,
(48)
donde
:= C0 ([0, ) ; R)
t u (x, t) v x u (x, t) = 0,
(x, t) Rd [0, ) ,
u (x, 0) = (x) ,
para
v Rd .
(49)
Claramente,
u (x, t) = (x tv) ,
y podemos escribir,
Z
u (x, t) =
(x + (t)) dMv ,
siendo
Mv
que satisface:
n
o
Mv (tv)t[0,)
= 1.
Pese a que (47) es parablica y (49) es hiperblica, ambas ecuaciones admiten una solucin en
trminos de una integral del dato inicial en el espacio de caminos
Llevados por esta analoga, podemos decir que las trayectorias del movimiento Browniano
son las curvas caractersticas de la ecuacin del calor. De hecho, esta armacin es ms que una
mera analoga. En la seccin siguiente mostraremos una aplicacin de la frmula de FeynmanKac (en su versin con potencial, que describimos a continuacin) al estudio del comportamiento
de los autovalores de un operador de Schrdinger.
(x, t) Rd [0, ) ,
u (x, 0) = (x) .
(50)
14 Conviene observar que la demostracin de esta frmula es elemental una vez que se conoce la frmula
explcita para la solucin fundamental para la ecuacin del calor en
46
Rd .
y sea
C R
que la solucin
Sea
Rd
xR
en
R,
se tiene
(x + (t)) e
u (x, t) =
Rt
0
V (x+(s))ds
dP.
(51)
Antes que nada, conviene saber que la frmula (51) es vlida bajo hiptesis mucho ms
2
dbiles sobre V y . Concretamente, basta suponer, por ejemplo, L
Rd y V L1loc Rd
esencialmente acotado inferiormente [Nelson64, TayPDEII].
La prueba que presentamos es debida a Nelson [Nelson64] y est basada en la frmula
de Lie para las soluciones de una ecuacin diferencial asociadas a la suma de dos campos de
vectores (que en el marco innito-dimensional se conoce como frmula de Trotter). Comencemos
recordando el resultado clsico de Lie:
Teorema 8.2
(Frmula de Lie)
Sean
matrices cuadradas
d d.
Entonces:
n
= lm et/nA et/nB .
et(A+B)
(52)
Este resultado expresa que, para calcular las soluciones de la ecuacin diferencial:
x = (A + B) x
basta saber resolver alternativamente las ecuaciones
y = Ay,
en intervalos de tiempo cortos
z = Bz,
conmutan
AB = BA entonces
Ejercicio 8.3.
La frmula de Lie es vlida en un marco ms general que el que presentamos aqu (en concreto, es cierta en el contexto de espacios de Banach y generadores de grupos de contracciones,
vase [TayPDEII], Apndice 11.A). Nos limitamos a enunciar el resultado parcial que nos ser
til; en cuanto a su demostracin, remitimos al lector a las referencias antes citadas.
Proposicin 8.4.
la solucin
u (x, t)
Supongamos que
n
(x) .
(53)
Rd .
El aspecto notable de la identidad (53) es que slo involucra resolver la ecuacin del calor
et/2 y multiplicar por la funcin etV ; ambos pasos son explcitos.
sin potencial
t/n/2 t/nV
Z
(x) =
Z
=
Rd
15 Con esto queremos decir que dado
>0
existe
K Rd
47
| (x)| <
para
x Rd \ K .
ahora, repitiendo el clculo anterior y realizando dos sencillos cambios de variable obtenemos:
2
et/n/2 et/nV (x)
Z
Z
t/nV (x+(t/n))
=
e
et/nV (x+x1 ) (x + (t/n) + x1 ) (x1 , t/n) dx1 dP
d
R
Z
=
et/nV (x+x2 ) et/nV (x+x1 +x2 ) (x + x1 + x2 ) (x1 , t/n) (x2 , t/n) dx1 dx2
2d
ZR
et/nV (x+x2 ) et/nV (x+x1 ) (x + x2 ) (x1 , t/n) (x2 x1 , t/n) dx1 dx2 ,
=
R2d
y, reproduciendo el proceso anterior, obtenemos en general:
t/n/2 t/nV
n
(x) =
Rnd
(x1 , t/n) (x2 x1 , t/n) ... (xn xn1 , t/n) dx1 ....dxn .
Esta expresin no es ms que:
t/n/2 t/nV
n
Z
(x) =
et/n
Pn
j=1
V (x+(j/nt))
(x + (t)) dP,
(54)
Rn (t,)
Ahora bien, si
(t)
(x + (t)) ,
donde
tX
Rn (t, ) :=
V (x + (j/nt)) .
n j=1
lm Rn (t, ) =
n
con lo que para
P-casi
todo
t R,
V (x + (s)) ds,
0
se tiene:
Rt
0
V (x+(s))ds
n
Como
specto a
(x + (t)) .
h > 0:
iht u (x, t)
h2
u (t, x)
2
u (x, 0) = (x) L2
+ V (x) u (t, x) = 0,
Rd .
(x, t) Rd R,
(55)
Esta ecuacin es muy similar a la ecuacin del calor, excepto por la presencia de la unidad
imaginaria
it
u (x, t) = e
(x) =
d/2
(2it)
ei|xy|
/2t
(y) dy.
Rd
h > 0, la solucin de (55) es simplemente u (x, t) = eiht (x). En particular, se comprueba
2
fcilmente que, a diferencia de la ecuacin del calor, la norma L
Rd de las soluciones de (55)
se conserva: ku (t, )kL2 Rd = kkL2 Rd .
( )
( )
Para
Al igual que sucede con la ecuacin del calor, es posible demostrar la siguiente frmula de
Trotter (suponemos, hasta que digamos lo contrario, que
Proposicin 8.5.
u (x, t)
Supongamos que
h = 1):
L2 Rd
, la solucin
it/n/2 it/nV
(x) =
1
(2it)d/2
i nt
n
(x) .
|xy|2
V
2(t/n)2
(56)
(y)
(y) dy,
Rd
el cuadrado satisface:
2
eit/n/2 eit/nV (x)
Z
|xx2 |2
|x2 x1 |2
t
i nt
V
(x
)
i
V
(x
)
1
2
1
2
2(t/n)2
e
e n 2(t/n)
(x1 ) dx1 dx2
=
2d/2
2d
(2it)
R
Z
|xx1 |2
|x2 x1 |2
i nt
V (x1 )
i nt
V (x2 )
1
2
2
2(t/n)
2(t/n)
=
e
e
(x2 ) dx1 dx2 ,
(2it)2d/2 R2d
y, en general, escribiendo
it/n/2 it/nV n
x0 = x:
(x) =
0
1
2
xj xj1 |
P
|
n
@
i nt
V (xj )A
2
j=1
1
(2it)nd/2
tX
Sn (t, x0 , ..., xn ) :=
n j=1
j = 1, ..., n
(t)
Rnd
Si escribimos
entonces si
2(t/n)
es un camino denido en
[0, t]
!
|xj xj1 |2
V (xj )
2 (t/n)2
tal que
(0) = x0 = x
(57)
(jt/n) = xj
para
accin clsica:
Z t
S (t, ) :=
0
1
2
| (s)| V ( (s)) ds.
2
1
u (x, t) = lm
n (2it)nd/2 Rnd
Z Z
=
eiS(t,) (y) dC () dy
Rd
1 ([0,t])
Cx,y
49
siendo
1
Cx,y
([0, t]) el conjunto de los caminos diferenciables que satisfacen (0) = x y (t) = y .
Este clculo es meramente formal. De hecho, es posible demostrar que no existe ninguna medida
sobre el espacio de caminos para la que la frmula anterior es vlida (vase [Cameron]). No
obstante, el proceso de paso al lmite dene una integral a la Riemann. Ms detalles sobre esta
construccin pueden encontrarse en [Nelson64].
Si tomamos
h>0
obtenemos:
u (x, t) =
Rd
Ejercicio 8.6.
cuando
h 0,
1 ([0,t])
Cx,y
eiS(t,)/h dC () .
1 ([0,t])
Cx,y
V L1loc Rd ; R
acotado inferiormente,
(58)
(59)
y tal que
12 + V .
L2 Rd con
Z
1
d
D (A) := u H R :
A := 21 x +
es autoadjunto en
Rd
Adems, existe una base ortonormal
(n )nN
de
L2 Rd
A:
1
x n + V n = n n .
2
Los autovalores correspondientes son reales, mayores que
CV ,
y verican
cuando
n .
Demostracin. La demostracin es estndar. Comencemos observando que podemos, sin prCV 0 de lo contrario, basta aplicar el resultado
f L Rd ; claramente u D (A) es solucin de
V + CV .
Sea
1
u + V u + u = f
2
si y slo si,
Z
QA (u, ) :=
ZR
1
x u (x) x (x) + u (x) (x) + V (x) u (x) (x) dx =
2
f (x) (x) dx =: Lf ()
Rd
50
obtenido
para toda
D (A). QA (, )
f L
D (A)
en
R.
Lf
D (A)
(que
existe un nico
u D (A)
que verica
QA (u, ) = Lf ()
para toda
D (A).
(A + 1)1 : L2 Rd D (A) , L2 Rd
est bien denida y es continua. Probaremos ms adelante que la inyeccin de
1
2
es compacta, de lo que se sigue que (A + 1)
es un operador compacto de L
D (A) en L2 Rd
Rd en si mismo.
Teniendo en cuenta que tambin es autoadjunto, concluimos vase, por ejemplo, [Davies] o
2
cualquier otro libro de anlisis funcional que existe una base ortonormal de L
Rd formada
(n )nN
por funciones
que satisfacen:
(A + 1)1 n = n n ,
siendo
n R
lmn n = 0.
An =
1
1 n .
n
con lo
que,
observar
Habremos completado la demostracin del resultado una vez que hayamos probado la compaci
2
Rd .
dad de la inyeccin de D (A) en L
Lema 9.2.
(un )
Si
Demostracin. Sea Cc Rd
para
tal que
uN
n (x) :=
N N:
x
N
un (x) .
Fijado
N , la sucesin uN
n
D (A)
est acotada en
Z
Rd
2
un0 (x) uN
n0 (x) dx
Z
ZR
x 2
N
|un (x)|2 dx
|un0 (x)|2 dx
|x|>N
Z
1
CN ,
lmN CN = 0.De aqu
2
Cauchy en L
Rd . F
siendo
es de
51
/3
concluir que
(un0 )
(x, t) Rd [0, ) ,
u (x, 0) = (x) ,
(60)
u (x, t) :=
Rt
V (x+( ))d
(x + (t)) dP.
A.
1 2
|p| + V (x) .
2
H (x, p) :=
En el enunciado del siguiente resultado requeriremos que nuestro potencial satisfaga tres hiptesis adicionales:
V C Rd ; R ,
etV L1 Rd ,
t [0, ) ,
R
etV (x) dx
RRd
= 1,
siendo V (x) := m
ax V (y) ,
lm+ lm inf
tV (x) dx
yB(x;)
0
t0+
e
d
R
vol (x, p) Rd Rd : H (x, p)
lm
= C,
0.
(2)d
(61)
(62)
(63)
Teorema 9.3.
mos por
N ()
al nmero de autovalores de
N ()
cuando
Supongamos que
1
d
(2)
vol
menores que
Entonces:
(x, p) Rd Rd : H (x, p)
Q (x, y, t) :=
nN
entonces para toda
L2 R
d
la funcin:
Z
u (x, t) :=
Q (x, y, t) (y) dy
Rd
Z
Q (x, x, t) dx =
Rd
X
nN
52
etn
es la
traza
c a la medida:
X
c () :=
n ()
nN
entonces tenemos que:
tn
et dc ()
=
0
nN
y
N () := c ([0, )) .
(64)
Proposicin 9.4.
t 0+ , se tiene:
Z
X
tn
e
=
et dc ()
Cuando
nN
1
d
(2)
etH(x,p) dxdp.
(65)
Rd Rd
1
d
(2)
siendo, para
IR
tH(x,p)
dxdp =
Rd Rd
1
d
(2)
etE dH (E)
medible:
H (I) := vol
(x, p) Rd Rd : H (x, p) I
lm
H ((, E])
(2)d E
= C.
(66)
Los siguientes resultados permiten relacionar (66) con el comportamiento asinttico de (64)
para
Teorema 9.5
ciertos
(Teorema Abeliano)
Sea
[0, )
, C 0,
lm E ((, E]) = C.
E
Entonces,
lm+ t
t0
etE d (E) = C ( + 1) .
lm
t0+
Z
d
(2)
etH(x,p) dxdp = C ( + 1) .
(67)
Rd Rd
Teorema
9.6
R
t
e d ()
0
(Teorema Tauberiano)
<
para todo
t>0
lm+ t
t0
Sea
y, para ciertos
, D 0,
etE d (E) = D.
Entonces,
lm ((, ]) =
53
D
.
( + 1)
[0, )
que satisface
lm+ t
t0
et dc () = C ( + 1) ,
lm c ((, ]) = C,
N ()
vol
(x, p) Rd Rd : H (x, p)
.
(2)d
f (x) :=
de modo que
R
Rd
f (x) dx = 1.
x
d
1
B(0;1)
d
Claramente,
Q (x, y, t) f (y x) dy Q (x, x, t) =
Rd
etn |n (x)|2 ,
cuando
0+ .
nN
Sea
Ct := { : | (t)| < } ;
utilizando la frmula de Feynman-Kac obtenemos:
Z
Q (x, x, t) = lm+
0
= lm+
0
Q (x, y, t) f (y x) dy
d
ZR
Rt
0
V (x+( ))d
f ( (t)) dP.
Ahora bien,
Rt
0
V (x+( ))d
d
f ( (t)) dP = d
Rt
0
V (x+( ))d
dP
Rt
Ct
1
=
d/2 P (C t )
(2t)
V (x+( ))d
Ct
d
d
K := d (2t)d/2 P Ct = d
claramente,
K 1,
cuando
0+ .
54
Z
|x|<
e|x|
/2t
dx;
dP,
1
lm+
0 P (Ct )
para
[0, t]
: Rd R
( ( )) dP = lm+ E (W ) |Ct ,
0
Ct
1
lm+
0 P (Ct )
Z
( ( )) dP = E [ (W ) |Wt = 0] ;
Ct
y de hecho obtenemos:
1
P (Ct )
=
Z
( ( )) dP
Ct
d/2
D1
d/2
(2 (t ))
Z
Rd
t|y|2
|x|2 2xy
2(t )
dxdy,
Rd
con
|x|2
2t
D =
dx.
|x|<1
A la vista de esto, se tiene:
1
lm+
0 P (Ct )
td/2
Z
( ( )) dP =
Ct
(2 (t ))d/2
1
lm+
0 P (Ct )
=
t|y|2
(y) e 2 (t ) dy.
Rd
0 1 ... n t:
Z
( (1 ) , ..., (n )) dP
Ct
td/2
(t n )d/2
|xn |2
Rnd
W0,t := W Wt ,
t
conocido como
puente Browniano.
Denotemos por
1 ...n
del proceso:
[0, t] ,
P0,t
1
lm+
0 P (Ct )
Z
() dP =
Ct
En particular,
Q (x, x, t) =
() dP0,t .
1
d/2
(2t)
55
Rt
0
V (x+( ))d
dP0,t .
tn
nN
=
=
1
(2t)d/2
Rd
1
d/2
(2t)
1
Rd
(2t)d/2 Rd
Z
1
(2t)
Rt
V (x+( ))d
dP0,t dx
d/2
1
t
1
td/2
t (2 (t ))d/2
t|y|2
Rd
Rd
t := { : | ( )|
(0, t)
para
(0) = (t) = 0} ,
> 0,
X
etn
nN
1
d/2
(2t)
1
d/2
(2t)
Z
P0,t (t )
d/2
(2t)
Rt
0
V (x+( ))d
dP0,t dx
Rd
Rd
Rd
Ahora bien, razonando como en las demostraciones de los lemas 7.9 y 7.10 obtenemos:
Ahora bien,
0,t
1 sup
td/2
t|y|2
e 2 (t ) dy
(2 (t ))d/2 |y|>
Z
|y|2
dy
= 1 sup
e 2
0 t |y|> t
(2)d/2
(t )
Z
|y|2
dy
=1
e 2
(2)d/2
|y|> 4
t
Z
|y|2
dy
=
e 2
.
(2)d/2
|y| 4
t
0 t
lmt0+ P0,t (t ) = 1
R
etV (x) dx
RRd
lm+ lm inf
= 1.
0
t0+
etV (x) dx
Rd
Por tanto,
P
(2t)d/2 nN etn
R
1 lm inf
t0+
etV (x) dx
Rd
P
(2t)d/2 nN etn
R
lm sup
1
etV (x) dx
t0+
Rd
con lo que el resultado queda probado.
56
Apndice
A. La ecuacin del calor: solucin analtica.
Para hallar una expresin para la funcin de densidad lmite debemos resolver la ecuacin
del calor en una dimensin espacial. Repasemos brevemente la existencia de soluciones de esta
ecuacin por medio de la transformada de Fourier. Denimos
f(s) :=
eisx f (x) dx
(68)
1
f (x) =
2
(69)
fc00 (s) =
eisx f 00 (x) dx
= s
eisx f (x) dx
= s f(s) .
2
u
(s, t) = Ds2 u(s, t) ,
t
tomamos a
t:
u
2
Ds2 t
log
.
ub0 = Ds t u(s, t) = ub0 (s)e
Podemos recuperar la funcin
1
u(x, t) =
2
Escribiendo la transformada de
Z +
Z +
1
is(xq)Ds2 t
u(x, t) =
u0 (q)
e
ds dq
2
Z +
Z +
(xq) 2
(xq)2
1
is Dt+
4Dt
2 Dt
=
e
u0 (q)
e
ds dq
2
!
Z +
Z i xq
(xq)2
2 Dt
1
dp
2
=
ep
dq
e 4Dt u0 (q)
xq
2
Dt
i
2 Dt
Z +
(xq)2
1
=
e 4Dt u0 (q) dq .
2 Dt
57
(70)
Cuando
u0
(71)
idntica a la expresin obtenida para la densidad de probabilidad (7). De esta manera recuperamos a la misma funcin a travs de la solucin de una ecuacin en derivadas parciales. En
(70) podemos ver que la solucin para una condicin inicial arbitraria se obtiene a partir de
la solucin fundamental a travs de la convolucin, esto es equivalente a distribuir en forma
continua innidad de fuentes a lo largo de la recta.
Referencias
[1] Alexandre Chorin, Ole Hald:
Springer 2006.
[3] S. Chandrasekar:
en Reviews of
Application of Brownian motion to the equation of KolmogorovPetrovskii-Piskunov. Comunications on pure and applied mathematics, Vol. XXVI-
Davies, E. B.
Spectral theory and dierential operators. Cambridge Studies in Ad42. Cambridge University Press, Cambridge, 1995.
vanced Mathematics,
[Dugundji] Dugundji, J.
[Evans]
Evans, L. C.
URL:
[LiebLoss]
http://math.berkeley.edu/~evans/.
5 (1964) 332343.
[Nelson67] Nelson, E.
~nelson/books.html.
58
J. Mathematical Phys.
http://www.math.princeton.edu/
[Rudin]
Rudin, W.
Real and complex analysis. Third edition. McGraw-Hill Book Co., New
York, 1987.
[Simon]
Simon, B.
matics,
Partial dierential equations. II. Qualitative studies of linear equations. Applied Mathematical Sciences, 116. Springer-Verlag, New York, 1996.
[TayPDEII] Taylor, M. E.
59