Politecnico di Milano

Corso di Analisi e Geometria 1

Federico Lastaria
federico.lastaria@polimi.it

Esempio di studio qualitativo di unequazione differenziale: lequazione logistica.

Dicembre 2014

Indice
1 Crescita esponenziale

2 Lequazione logistica

2.1

Studio qualitativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2

Soluzioni in forma esplicita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Crescita esponenziale

Cominciamo con una delle equazioni del primo ordine pi`

u semplici e pi`
u importanti.
Teorema 1.1 (Crescita esponenziale) Le soluzioni dellequazione
x0 = ax

(1.1)

dove a `e una costante reale assegnata, sono tutte e soltanto le funzioni del tipo
x(t) = keat

(1.2)

dove k `e una qualunque costante reale.

Dimostrazione. a) Tutte le funzioni x(t) = keat , dove k `e una costante qualunque, sono soluzioni di
x0 = ax. Infatti,
x0 (t) = keat a = a(keat ) = kx(t)
b) Non ci sono altre soluzioni di x0 = ax, al di fuori delle funzioni x(t) = keat , k R. Infatti,
sia y(t) una soluzione di x0 = ax, cio`e si abbia y 0 (t) = ay(t). La funzione y(t)eat `e allora costante,
perche
d
y(t)eat = y 0 (t)eat + y(t)eat (a) = ay(t)eat ay(t)eat = 0
dt
Quindi y(t)eat = k, ossia y(t) = keat .
2
1

Lequazione logistica

Abbiamo visto che un possibile modello per descrivere la crescita di una popolazione `e dato dallequazione differenziale della crescita esponenziale:
x0 = ax,

a>0

(2.1)

Sappiamo che le soluzioni di questa equazione sono esattamente tutte le funzioni del tipo x(t) = Ceat ,
dove C `e una costante reale arbitraria. La quantit`a x(t) misura la popolazione di una certa specie
allistante t, e lequazione 2.1 esprime lipotesi che la velocit`a di riproduzione x0 (t) sia proporzionale
alla quantit`
a x(t) di individui. Ovviamente, questo modello1 si fonda su drastiche semplificazioni e
trascura diversi effetti. Ad esempio, non tiene conto del fatto che la popolazione non pu`o crescere
senza limite. Inoltre, con laumento della popolazione, la competizione tra gli individui (ad esempio,
per il cibo) pu`
o rallentare la velocit`
a di riproduzione.
Proviamo allora a raffinare le nostre ipotesi, supponendo che:
1. Se la popolazione x(t) `e molto piccola, la velocit`a di crescita x0 (t) `e (allincirca) proporzionale a
x(t).
2. Se la popolazione diventa sufficientemente grande, il tasso di crescita x0 (t) diventa negativo.
Naturalmente non esiste ununica equazione che sia compatibile con queste due ipotesi. Una di tali
infinite equazioni `e lequazione del modello logistico dellaccrescimento2 :
x0 = ax(1

x
)
N

(2.2)

I parametri a e N sono positivi e si possono interpretare nel modo seguente: a `e il tasso di crescita
percentuale quando x `e piccola, ossia quando il termine quadratico ax2 /N `e trascurabile. (Infatti, in
2
x
tal caso, lequazione x0 = ax(1 N
) = ax a xN `e praticamente indistinguibile da x0 = ax, lequazione
della crescita esponenziale). Invece N `e una quantit`a limite di popolazione, raggiunta la quale, la
x
velocit`
a di crescita si annulla. (Infatti, se a secondo membro si pone x = N , si ha x0 = ax(1 N
) = 0).
Non appena la quantit`
a di popolazione supera la quota N , la velocit`a di crescita diventa negativa.
x
x
(Infatti, se x > N , si ha (1 N
) < 0 e quindi si ha x0 = ax(1 N
) < 0).
Non `e restrittivo assumere N = 1. Questa ipotesi significa che abbiamo operato un cambio di
scala, scegliendo la quantit`
a N come unit`a di misura della popolazione. (Allora x(t) rappresenter`a la
frazione di popolazione N presente allistante t). Lequazione logistica si scrive allora
x0 = ax(1 x)

(2.3)

Si tratta di unequazione
1. Del primo ordine (perche la derivata pi`
u alta che figura `e la derivata prima).
2. In forma normale (perche `e esplicitata rispetto a x0 , ossia `e del tipo x0 = f (x, t)).
3. Autonoma. Questo significa che il secondo membro ax(1 x) non dipende esplicitamente dal
tempo t.
4. Non lineare. (Ricordiamo che le equazioni lineari sono quelle del tipo x0 = ax + b, dove a, b sono
funzioni di t).
1 Detto

anche modello di Malthus.

equazione fu studiata dal biologo belga Verhulst nel 1838.

2 Questa

2.1

Studio qualitativo

Senza affrettarci a risolvere in modo esplicito lequazione 2.3, possiamo studiarla in modo qualitativo3 .
Rappresentiamo il campo di direzioni dellequazione x0 = a(1 x)x sul piano t, x delle soluzioni.
Questo significa che nel punto di coordinate (t, x) riportiamo la pendenza, che `e data dalla quantit`
a
a(1 x)x. Facciamo le seguenti osservazioni:
1. Ci sono due soluzioni di equilibrio, in corrispondenza dei valori in cui il secondo membro a(1x)x
si annulla. Precisamente, le due soluzioni costanti x(t) 0 (per ogni t) e x(t) 1 (per ogni t).
2. Se 0 < x < 1, la pendenza a(1 x)x `e positiva.
3. Se x > 1, la pendenza a(1 x)x `e negativa.
Dunque la posizione di equilibrio 0 `e instabile: appena la popolazione diventa positiva, comincia
a crescere. Invece, la posizione di equilibrio 1 `e asintoticamente stabile. Questo significa che una
popolazione di poco superiore a 1 decresce, mentre una di poco inferiore a 1, cresce.

Figura 1: Campo di direzioni per lequazione logistica x0 = a(1 x)x.

Dallo studio del campo di direzioni possiamo indovinare landamento delle curve integrali, ossia dei
grafici delle soluzioni:
3 La

matematica `
e larte di non fare i calcoli, diceva provocatoriamente il matematico Oscar Chisini.

.
Figura 2: Curve integrali (cio`e grafici delle soluzioni) dellequazione logistica x0 = a(1 x)x. Queste
curve si chiamano curve logistiche.

Per disegnare in modo qualitativo le curve integrali, occorre fare qualche considerazione.
Anzitutto si noti che il grafico della soluzione di equilibrio x = 1 (la soluzione costante x(t) 1 per
ogni t 0) fa da barriera alle altre soluzioni, nel senso che nessuna soluzione attraversa la retta x = 1.
Questo `e ovvio, perche se una soluzione (diversa da x = 1) intersecasse la retta x = 1 in un punto,
per tale punto passerebbero due distinte curve integrali, e questo violerebbe lunicit`a della soluzione.
` importante studiare il comportamento asintotico delle soluzioni. Supponiamo che x(t) sia una
E
soluzione che parta dal punto (0, A), con 0 < A < 1. Poiche il grafico di x(t) `e tutto contenuto nella
striscia 0 < x < 1, la derivata x0 (t) = a[1 x(t)]x(t) `e positiva, e quindi la funzione x(t) `e crescente (e
superiormente limitata da 1). Quindi esiste finito il limite di limt+ x(t) = L. Tale valore asintotico
L `e proprio uguale a 1. Infatti, esiste il limite di x0 (t), per t +, perche
lim x0 (t) = lim a(1 x)x = a(1 L)L

t+

t+

Inoltre, tale limite deve essere uguale a zero. (Cenno: Se x(t) L per t + e x0 (t) ha limite per
t +, tale limite deve essere zero. Infatti, se n N, per il teorema del valor medio x(n+1)x(n) =
x0 (tn ).1, per un opportuno tn [n, n + 1]. Facendo tendere n a +, il primo membro tende a
L L = 0 e quindi x0 (tn ) 0. Poiche la successione tn tende a +, anche x0 (t) 0 per t +).
Quindi aL(1 L) = 0, e quindi L = 1. In modo del tutto analogo, vediamo che anche le curve
logistiche che partono da punti (0, B), con B > 1, tendono asintoticamente alla posizione di equilibrio
(asintoticamente stabile) x = 1.
Lo studio qualitativo verr`
a confermato dallo studio delle soluzioni, che ora troviamo in modo
esplicito.

2.2

Soluzioni in forma esplicita

Lequazione logistica x0 = a(1 x)x `e a variabili separabili. Da

Z

dx
=
(1 x)x
4

dx
(1x)x

= a dt, segue

Z
a dt + C

(2.4)

Poiche

1
(1x)x

1
x

1
1x ,

lequazione 2.4 diventa:

Z

1
dx +
x

1
dx =
1x

Z
a dt + C

(2.5)

Passando alle antiderivate,

ln |x| ln |1 x| = at + C

(2.6)

Poiche ci stiamo restringendo al caso x > 0 (per la natura del problema, la popolazione non pu`o essere
negativa), si ha |x| = x. Anche se alla fine vedremo che non ce n`e bisogno, distinguiamo due casi.
1) Se 1 x > 0, si ha |1 x| = 1 x e pertanto
x
= at + C
1x

ln
ossia

x
= eC eat
1x

(2.7)

dove eC `e una costante arbitraria positiva.

x
= at + C e
2) Se invece 1 x < 0, si ha |1 x| = x 1 e da 2.6 segue ln x1

x
= eC eat ,
x1
con eC costante positiva arbitraria, ossia
x
= ( eC ) eat ,
1x

(2.8)

dove ( eC ) `e una costante negativa arbitraria. Possiamo allora unificare le 2.7 e 2.8 scrivendo
semplicemente
x
= K eat
(2.9)
1x
dove K `e una costante reale arbitraria (positiva, nulla o negativa). Da 2.9 segue:
x(t) =

Keat
1 + Keat

Valutando questa espressione allistante t = 0 si ha x(0) =

K=

(2.10)
K
1+K .

Risolvendo rispetto a K,

x(0)
1 x(0)

Sostituendo tale valore di K in 2.10, con qualche passaggio algebrico possiamo riscrivere la 2.10 in
termini della popolazione iniziale x(0) come
x(t) =

x(0)eat
1 x(0) + x(0)eat

(2.11)

Questa soluzione `e valida per ogni condizione iniziale x(0). In particolare, se x(0) = 0 si ha x(t) 0
e se x(0) = 1 si ha x(t) 1. (In questo modo si ritrovano le due soluzioni di equilibrio).

.
t

x(0)e
0
Figura 3: Tre soluzioni x(t) = 1x(0)+x(0)e
t dellequazione logistica x = (1 x)x soddisfacenti le
condizioni iniziali x(0) = 1, x(0) = 1/12, x(0) = 1.5

.
Figura 4: Curve logistiche corrispondenti a diverse condizioni iniziali