Documente Academic
Documente Profesional
Documente Cultură
ECUACIONES DIFERENCIALES
ORDINARIAS
Cátedra de Matemática
DETEMA
Facultad de Química
1. ECUACIONES DIFERENCIALES ORDINARIAS
1.1 Ecuaciones diferenciales a variables separables
1.1.1 Ecuaciones diferenciales que se transforman en ecuaciones diferenciales a
variables separables
1.2 Ecuaciones diferenciales lineales de primer orden
1.2.1 Ecuación diferencial de Bernoulli
1.2.2 Ecuación diferencial de Ricatti
1.4 Ecuaciones diferenciales lineales de segundo orden
1.3.1 Ecuaciones diferenciales lineales con coeficientes constantes
1.3.1.1 Métodos de coeficientes indeterminados: enfoque de superposición
1.3.2 Método de variación de parámetros
1.5 Ecuaciones diferenciales de orden superior (n )
1.6 Sistemas de ecuaciones diferenciales lineales
2. INTRODUCCIÓN A LA ESTABILIDAD
2.1 Ecuaciones autónomas en
2.2 Estabilidad de puntos críticos. Diagrama de fases
2
1. ECUACIONES DIFERENCIALES ORDINARIAS
Introducción y definiciones
Si una ecuación dada contiene las derivadas o diferenciales de una o más variables dependientes
con respecto a una o más variables independientes, se dice que es una ecuación diferencial
(ED).
Las aplicaciones de dichas ecuaciones en Ingeniería Química son muy variadas e incluyen, por
ejemplo, su uso para analizar la respuesta transitoria de un reactor batch, o algo tan utilizado
como un balance de masa unidimensional en un reactor, cuestiones que el estudiante verá en
cursos posteriores. Ejemplos de lo anterior son:
( )
Las ecuaciones obtenidas arriba tienen una característica en común: contienen derivadas con
respecto a solamente una variable. Esto es lo que las hace ecuaciones diferenciales ordinarias.
Una ecuación que contiene derivadas con respecto a dos o más variables, es denominada
ecuación diferencial en derivadas parciales. Tales derivadas se designan comúnmente con el
símbolo (delta de Jacobi). Un ejemplo de este último tipo de ecuaciones es:
Cuando decimos sin más, ecuación diferencial, entendemos cualquier ecuación de la forma
( )
( ( ) ), en la que el entero positivo n (el orden de la derivada mayor) es el
orden de la ecuación.
Un sistema de ecuaciones diferenciales de primer orden es un sistema de varias ecuaciones
simultáneas de la forma:
( ) (1.0)
( )
………………
( )
3
Definimos orden de un sistema como la suma de los órdenes de las ecuaciones de dicho sistema.
Una simplificación unificadora surge del hecho de que un sistema arbitrario de orden n puede
escribirse como un sistema de n ecuaciones de primer orden.
En consecuencia, todas las ecuaciones y sistemas diferenciales pueden escribirse en la forma de
(1.0). Cuando no haya peligro de confusión, usaremos los términos ecuación y sistema de modo
intercambiable.
El sistema (1.0) es autónomo si las funciones son independientes de t, es decir,
cuando tienen la forma:
( )
( )
( ( ) )
Los sistemas autónomos se caracterizan por su invariancia respecto a todas las traslaciones
t´=t+c, a lo largo del eje del tiempo. Un sistema no autónomo se dice que es dependiente del
tiempo, o que depende explícitamente del tiempo, es decir, de la variable de diferenciación.
Quizás la distinción más importante es la que hay entre sistemas lineales y no lineales.
El sistema (1.0) es lineal si todas las funciones fi son lineales en las xi (variables dependientes).
Diremos que una función f (t, x1, x2, …,xn) es lineal en x1, …, xn si f(t,x1,x2,…,xn)=a1(t)x1+ a2(t)x2
+ …+ an(t)xn + b(t).
No se excluye el caso en donde las funciones ai(t) o b(t) sean constantes. Si b(t)=0, decimos que
f es una función lineal homogénea de las xi (usualmente, sólo las funciones lineales homogéneas
son llamadas “lineales” en Álgebra lineal).
∑ ( ) ( )
Si todas las funciones bi son cero, el sistema es homogéneo, en otro caso, no homogéneo. Un
sistema cualquiera es lineal (homogéneo), si el sistema equivalente de primer orden es lineal
(homogéneo).
Un ejemplo de ecuación no lineal es: . Obsérvese que, en contraposición, la ecuación:
es lineal.
4
Si a esta ecuación se le incorporan valores iniciales o también llamados datos iniciales o
condiciones iniciales, que deberá cumplir la solución de dicho problema, se constituye un
Problema de Valores Iniciales (PVI) y se podrá obtener una solución particular. En una
ecuación diferencial de primer orden, se llama dato inicial a una condición del tipo: x(t0)=x0,
donde t0 y x0 son valores reales dados. Para x(0)=3, la solución particular o única de la última
ecuación es: ( ) .
( ) ( ) ( )
En ciertos casos, es posible hallar fórmulas para las soluciones de (1.1). La técnica empleada es
conocida como separación de variables y una ecuación de la forma de (1.1) se denomina
ecuación a “variables separables”. Obsérvese que las ecuaciones autónomas de primer orden son
de este tipo, con g(t) = 1. Para resolver estas ecuaciones vamos a necesitar formalizar ciertos
conceptos, lo que haremos a continuación.
Teorema 1.1
El primer paso en el método de separación de variables consiste en verificar si existe algún valor
real ɑ tal que f(ɑ)=0, entonces la función x(t)= ɑ independiente de t, definida para todo t es
solución de la ecuación diferencial de acuerdo al teorema 1.1. En efecto, si x(t)= a entonces
dx/dt=0 en la ecuación diferencial dada, lo que resulta en: 0=f(ɑ)g(t). Esto supone una identidad
para todo x porque f(ɑ)=0.
Si queremos buscar las restantes soluciones x(t) tales que f(x(t)) 0 entonces debemos escribir
la ecuación en la forma:
( )
( )
5
de modo que las variables queden “separadas”, con x sólo en el primer miembro y t sólo en el
segundo. Tomando integrales indefinidas en ambos miembros, se obtiene:
∫ ( )
∫ ( )
Teorema 1.2
( ) ( ) ( )
Si (t0,x0) satisface (1.2), entonces (1.2) define x implícitamente como una función u de t en
cierto intervalo que contiene a t0. Además, u es una solución de (1.2) y ( ) .
Sin embargo, si se dan datos iniciales apropiados, por lo general existe una y sólo una función
solución de la ecuación diferencial que cumple esos datos iniciales. En este caso, el trabajo de
encontrar posibles soluciones de equilibrio de la ecuación se reduce a comprobar si g( )
( ) ( )
Resolución del PVI: { con g () ()
( )
( )
2) Si f(x0) 0 ( )
( )∫ ( ( ))
∫ ( )
( )
Hacemos ahora A = ∫ yB= ∫ ( )
( ( ))
6
y u
u = x(y) t x(t)=x
du = x’(y)dy t0 x(t0)=x0
Ejemplo 1.1
Resolver:
( )
{
( )
Solución:
Como f(2)=e-2 0
∫ ∫( )
A)∫ | = ex – e2
B)∫ ( ) ( )|
Como A) = B):
( ) ( ). Luego ( ) ( )
( )
1) {
( )
( )
( ) ( ) ( )
7
( ) [ ( ) ]
Sustituyendo: {
( )
( ) {
( )
Resolviendo este PVI, se obtiene la función u(t). Luego, para hallar la solución x(t) del PVI
original, se deshace el cambio de variable:
x(t)=t.u(t)
Ejemplo 1.2
Resolver:
( )
{
( )
Solución:
Observemos que: t y t0 = 1 .
( )
Utilizando el cambio de variable: ( ) () ( ) , x’ = u + t.u’
Sustituyendo:
{ ( )
( )
∫ ∫
A)∫ = | =1-
B)∫ | || | |
Luego, como A) = B) ,
Así, llegamos a:
8
( )
x(t)= t.u(t) =
( )
2) {
( )
( ) [ ( ) ]
Sustituyendo: { {
( ) ( ) ( )
Resolviendo este PVI, se obtiene la solución u(t). Luego, se deshace el cambio de variable para
hallar la solución x(t) del PVI original:
( )
( )
Ejemplo 1.3
Resolver:
( )
{
( )
Solución:
u’=1+2x’
( )
Sustituyendo: { {
( ) ( ) ( )
9
{ ∫ ∫
( )
√ √
A) ∫ ∫ (√ )
∫ (√ )
∫√ ( )|√√
√ √ √
[ (√ ) (√ )]
√
v y
C. de V.: y = g(v) = √
u √
g’(v) = √ 1 √
B) ∫ |
Como A) = B):
[ (√ ) (√ )]
√
(√ ) √ ( ) (√ )
[ (√ )] (√ ( ) (√ ))
Luego: ( ) (√ ( ) (√ ))
√
(√ ( ) √ )
( )
( ) √
Sean t0 J, x0 I
( ) ( )
Entonces el PVI: {
( )
10
Ejemplo 1.4
Resolver:
{
( )
Solución:
Este problema se resuelve con facilidad ya que la ecuación diferencial es separable. Por tanto se
tiene:
De modo que: [ ( )]
( ) ( ) ,x 0 satisface el PVI.
( ) {
[ ( )]
son continuas, derivables (en particular en x=x0) y soluciones del problema con valor inicial.
Por tanto, este problema tiene una familia infinita de soluciones.
La no unicidad de las soluciones del problema no contradice el teorema de existencia y
unicidad, ya que: ( ) y esta función no es continua (no está definida) para y = 0.
De donde, el teorema no es aplicable en cualquier región que contenga parte del eje x (y = 0).
Sin embargo, si (x0,y0) es cualquier punto que no sea del eje x, entonces existe una solución
única de la ecuación diferencial que pasa por (x0,y0).
11
( ) ( )
{
( )
Veremos ahora dos casos distintos, dependiendo de si Q(x) se anula (ecuación homogénea) o no
(ecuación no homogénea).
En este caso, la solución de la ecuación puede obtenerse fácilmente, considerando que cuando
Q(x) = 0, la ecuación se transforma en una de variables separables. Aplicando el método ya
visto para resolver este tipo de ecuaciones, las soluciones tendrán la siguiente forma:
( ) = ∫ ( ) ,
( )
{
( )
∫
Esta función es: (x) = (*)
Demostración:
Sea (x) definida como en (*). Entonces (x0) = y0. Derivando vemos que esta función satisface
la ecuación:
y’ + P(x) y = 0
∫
( )
∫
Si definimos h(x) = ( ) , entonces:
∫ ∫
h’(x) = ( ) ( ) ( )
∫
h’(x) = (g’(x) + g(x)P(x))= 0 ya que g’(x) + g(x)P(x) = 0, al ser g solución de y’ + P(x) y
=0
12
h’(x) = 0 x I h es constante en I
∫
Pero h(x0) = ( ) = g(x0) = y0 h(x) = y0 x I
Para aplicar este método (introducido por Lagrange), se parte de la solución de la ecuación
homogénea, vista en la sección anterior:
y(x) = ∫ ( )
En primer término, haremos variar la constante c con la variable x. Es decir, ahora c no será más
una constante sino que se transforma en una función c(x). La forma de la solución será entonces:
y(x) = ( ) ∫ ( )
y’(x) = ( ) ∫ ( ) ( ) ∫ ( )
( ) ∫ ( ) ( ) ( ) ∫ ( ) + P(x) ( ) ∫ ( ) = Q(x)
( ) ∫ ( ) ( ) ( ) ( ) ∫ ( )
∫ ( )
∫ ( ) ∫ ( )
( ) ∫ ( ) ∫
13
En caso de tener el PVI:
( )
{
( )
∫ ( ) ∫ ( )
( ) [ ∫ ( ) ]
Más adelante, volveremos sobre este método para ver la generalización del mismo en el
caso de ecuaciones diferenciales de segundo orden y orden superior.
Ejemplo 1.5a
Resolver:
{
( )
Solución:
( ) ∫ ∫
[ ∫ ]
( ) [ ∫ ]
( ) [ ∫ ]
( ) [ ]
( )
14
con dichas condiciones. Esta es en realidad una estrategia general que puede seguirse
para resolver cualquier PVI, no solo al aplicar variación de parámetros.
∫ [ ∫ ]
y(x) = ∫
∫ [ ]
y(x) = ∫
y(x) = [ ]=k
y(0) = k =3
k -1 = 3 k=4
y(x) =
Se le llama factor integrante de una ecuación diferencial a una función (x,y) tal que la
multiplicación de cada miembro de la ecuación diferencial por (x,y) produce una ecuación en
la cual ambos miembros se identifican como derivadas.
Mediante un factor integrante apropiado, existe una técnica estandarizada para resolver la
ecuación lineal de primer orden:
( ) ( )
Multiplicando ambos lados de la ecuación por el factor integrante, el cual elegiremos como:
( ) ∫ ( ) , obtenemos:
∫ ( ) ( ) ∫ ( ) ( ) ∫ ( )
[ ( ) ∫ ( ) ]= ( ) ∫ ( )
15
( ) ∫ ( ) ∫ ( )
∫( ( ) )
( ) ∫ ( ) ⌊∫( ( ) ∫ ( ) ) ⌋
( ) (∫ ( ) ) ∫ ( )
Ejemplo 1.5b
Resolver:
{
( )
Solución:
⌈ ( ) ⌉=
( )
( ) ⌊ ⌋
( ) C=4
16
Finalmente: ( )
Como resulta lógico, se llega al mismo resultado que al aplicar el método de variación de
parámetros.
Sean P, Q: I , continuas.
( ) ( )
Sean x0,y0 I { tiene solución única.
( )
( ) ( ) ( ) ( )
Y la misma está dada por: [ ∫ ( ) ] siendo
∫ ( )
Demostración:
De la definición de (x), es fácil ver que se cumple que (x0) = y0 y, derivando, vemos que
satisface la ecuación:
y’ + P(x) y = Q(x)
g(x) – (x) = 0 x
h’(x) = g’(x) – ’(x) = (Q(x) – P(x)g(x)) – (Q(x) – P(x) (x)) = - P(x)(g(x) – (x))
= - P(x)h(x)
h' P ( x ) h 0
h( x0 ) 0
Por el teorema 1.4 sabemos que este problema presenta solución única:
∫ ∫
h(x) =
Ejemplo 1.6
Resolver:
( )
{
( )
17
Solución:
Como t 0, t0=1 t 0
{ {
( ) ( )
( ) ( )
La solución es: ( ) [ ∫ ]
( ) ∫ ( ) ∫ ∫ ∫ | ||
( )
[ ( ) ] ( )
( ) ( )
( )
() ∫ ( )
∫
( ) ∫ ( ) [ | | ] [ ]
( ) ( ) ( )
Como es aparente en su definición, este tipo de ecuaciones son de primer orden, homogéneas y
no lineales.
18
Es decir que tanto en el caso a) como en el b), la ecuación se reduce al tipo lineal de primer
orden. En particular, en el caso b) se obtiene una ecuación a variables separables.
( ) ( ) ( )
{
( )
( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( )
Sustituyendo: {
( ) ( )
( ) ( ) ( ) ( )
{
( )
y(x) = u( )
Ejemplo 1.7
Resolver:
{
( )
Solución:
Nótese que:
Tenemos que: ( ) , ( ) y
( )
{
( )
19
El cambio de variable es:
( ) ( )
( )
{
( ) ( )
( )
{
( )
( ) ( ) ( )
[ ∫ ]
( ) ∫ ( ) ∫ ( ) | || | |
(t )
() ( )
( ) √ ( )
( ) √ ( )
( ) ( ) ( )
20
Resolución de la ecuación de Ricatti
La solución general para este tipo de ecuación diferencial se construye de la siguiente manera:
( ) ( ) ( )
( )
( ) ( )[ ] ( )[ ] ( )
[ ( ) ( )] ( )
Luego: ( ) ( ) ( )
[ ( ) ( )] ( )
{
( ) ( )
Ejemplo 1.8
Resolver:
{
( )
sabiendo que ( ) es una solución particular de la ecuación diferencial.
Solución:
21
Sustituyendo en la ecuación de Ricatti:
2
1 1 2
z’(t) – = z –
t2 t t2
Se tiene:
2
- u’ = u+1 (Ecuación lineal de primer orden)
t
cuya solución es:
c t
u=
2 3
t
Deshaciendo el cambio de variable hallamos la función z que necesitamos:
1 c t 3t 2
2 z
z t 3 3c t 3
1 3t 2
y(t) =
t 3c t 3
1 3t 2
y(t) =
t 4 t3
Una ecuación diferencial de orden dos o segundo orden es una ecuación de la forma:
22
( ) ( ) ( )
Así es que a partir de estas dos clasificaciones, se pueden definir cuatro casos distintos para una
ecuación de segundo orden.
Del mismo modo que en las ecuaciones diferenciales de primer orden, una función y = y(x) es
solución de la ecuación diferencial de segundo orden, si y(x) satisface la ecuación diferencial, o
sea si verifica:
y”(x) = (x,y(x),y’(x))
Cada ecuación diferencial puede ser considerada como una función de funciones, donde cada
función y tiene dos derivadas y a cada función y, se le asocia una nueva función D[y] que
depende tanto de la función y como de las derivadas de y. A esta función D se le llama operador
diferencial.
Ejemplo 1.9
y’’+ xy = 0
Solución:
Si, por ejemplo tenemos que y(x) = cos x entonces: D[cos x] = -cos x + x cos x
23
Propiedades del operador diferencial
1) D[ y] = D[y]
2) D[y1 + y2] = D[y1] + D[y2]
Demostración:
2) D[(y1 + y2)(t)] = (y1 + y2)”(t) + p(t) (y1 + y2)’(t) + q(t)(y1 + y2)(t) = y1”(t) + p(t) y1’(t) +
q(t)y1(t) + y2”(t) + p(t) y2’(t) + q(t) y2(t) = D[y1(t)] + D[y2(t)]
Un operador D que asigne funciones a funciones y cumpla las propiedades 1 y 2 recién vistas,
se llama operador lineal.
Pasaremos ahora a discutir aspectos generales de las ecuaciones de segundo orden, dividendo el
tratamiento en dos: el caso homogéneo y el no homogéneo. Posteriormente, nos abocaremos a
tratar los métodos de resolución para ambos casos, distinguiendo, asimismo, dos casos según la
naturaleza de los coeficientes de la ecuación.
Sean: p, q: I , continuas en I.
( ) ( )
Entonces el PVI: { ( ) tiene solución y es única.
( )
( ) ( )
24
Demostración:
Si se define:
( ) ( ), entonces:
( ( ) ( )) ( )( ( ) ( )) ( )( ( ) ( ))
( ( ) ( ) ( ) ( ) ( )) ( ( ) ( ) ( ) ( ) ( ))
El teorema a continuación nos asegura que toda solución es de la forma vista anteriormente:
( ) ( ).
y1 y2
y1 ' y2 '
25
Demostración:
Sea y(x) una solución de la ecuación diferencial: y” + p(x) y’+ q(x) y = 0. Debemos hallar dos
constantes y tales que: y(x) = y1(x) + y2(x)
Tomemos x0 I y sean: y0 = y(x0) e y’0 = y’(x0). Las constantes y si existen deben
verificar las ecuaciones:
y1(x0) + y2(x0) = y0
y1’(x0) + y2’(x0) = y’0
Recordando conceptos de Álgebra Lineal, el determinante de la matriz del sistema anterior es:
y1(x).y2’(x) – y1’(x).y2(x) 0 x I. En consecuencia, el sistema tiene solución única.
Sabemos que (x) = y1(x) + y2(x) es solución de la ecuación diferencial por ser una
combinación lineal de soluciones de y” + p(x)y’+ q(x)y = 0. Además, por construcción: (x0) =
y0 y ’(x0) = y’0
Como (x) e y(x) satisfacen el mismo problema de valores iniciales, por el teorema 1.6 se
cumple que y(x) (x). Por lo tanto: y(x) = y1(x) + y2(x) x I.
El problema de hallar la solución general se reduce entonces al de encontrar dos soluciones y1(x)
e y2(x) que verifiquen y1(x) y2’(x) – y1’(x) y2(x) 0 x I.
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
Ejemplo 1.10
Indicar cuál o cuáles de los siguientes conjuntos forman un conjunto fundamental de (E),
justificando en cada caso.
i){ } ii){ }
Solución:
( ) , ,
26
Sustituyendo: ( ) ( ) ( )
( ) es solución de (E)
( ) , ( ) ,
Sustituyendo: ( ) ( ) ( )
Sea ( ) , ,
Sustituyendo en (E): ( ) ( ) ( )
Ahora:
( ) ( ) ( ) ( ) ( ) ( )
[ ]( ) ( ) ( ) ( ) ( )
Teorema 1.9
Sean p(x) y q(x) dos funciones continuas en I y sean y1(x) e y2(x) dos soluciones de:
Demostración:
Veamos que si y1(x) e y2(x) son dos soluciones de la ecuación diferencial homogénea, entonces
W(x) satisface la ecuación diferencial:
27
W’(x) + p(x) W(x) = 0
W’(x) = y1’(x)y2’(x) + y1(x) y2”(x) – y1”(x)y2(x) – y1’(x) y2’(x) = y1(x) y2”(x) – y1”(x)y2(x)
Resulta entonces:
W’(x) = y1[-p(x) y2’ – q(x) y2 ] – y2 [-p(x) y1’ – q(x) y1] = - p(x)[ y1 y2’ – y1’ y2] = -p(x)W(x)
x
x0P
Dado x0 I, obtenemos: W(x) = W( x0 )e
x
x0P
Como e 0 x I, entonces W(x) = 0 x I, o W(x) 0 x I
Es obvio que si una de las soluciones es una constante multiplicada por la otra solución
entonces W(x) = 0. El siguiente teorema nos dice que el reciproco también es cierto.
Teorema 1.10
Sean y1(x) e y2(x) dos soluciones de la ecuación homogénea en I tales que W(x0) = 0 para algún
x0 I; entonces una de las funciones es una constante multiplicada por la otra.
Demostración:
y1(x0) + y2(x0) = 0
y1’(x0) + y2’(x0) = 0
Sea y(x) = y1(x) + y2(x). Sabemos que y(x) es solución de la ecuación homogénea por ser
combinación lineal de y1 e y2. Además, por construcción y(x0) = 0 e y’(x0) = 0. Luego, por el
teorema 1.6 resulta y(x) = 0.
y1(x) + y2(x) = 0 en I
Si 0 tenemos y1(t) = (- / ) y2(t). Si 0 obtenemos (t) = (- / ) y1(t)
En ambos casos una de las funciones es una constante multiplicada por la otra.
Definición: Las funciones y1(x) e y2(x) se dice que son Linealmente Dependientes (LD) en un
intervalo I si una de ellas es una constante multiplicada por la otra o, más en general, cada una
de ellas puede expresarse como combinación lineal de la otra. Las funciones y1(x) e y2(x) son
Linealmente Independientes (LI) en I si no son Linealmente Dependientes.
28
Teorema 1.10 (Corolario)
( ) ( )
( ) ( ) ( )
El problema ahora es hallar u(x). Puesto que ( ) será la segunda solución de (1.3), se cumple
que:
( ) ( )
( ) ( )[ ] ( )
[ ( ) ( ) ] [ ( ) ]
[ ( ) ]
29
( ) ( )
[ ( ) ]
[ ( ) ]
( ) ( ) ( )=∫ ( ) ( )
Propiedad
Demostración:
Sean 1(x) y 2(x) dos soluciones de la ecuación no homogénea. Por la linealidad del operador
D, se puede escribir:
Teorema 1.11
Sean p(x), q(x) y g(x) funciones continuas en un intervalo I. El problema de valores iniciales:
Demostración:
30
1(x0) = 2(x0) = y0 y 1’(x0) = 2’(x0) = y’0
Teorema 1.12
Sean y1(x) e y2(x) dos soluciones linealmente independientes de la ecuación diferencial lineal
homogénea y (t) una solución particular de la ecuación diferencial lineal no homogénea.
Entonces toda solución de la ecuación no homogénea es de la forma:
Demostración:
Sea y(t) una solución de la ecuación diferencial no homogénea. Por la propiedad anterior, la
función (t) = y(t) – (t) es una solución de la ecuación homogénea. Por lo tanto:
Resulta entonces:
Por lo visto hasta ahora, el problema de resolver la ecuación lineal no homogénea de segundo
orden, suponiendo conocidas dos soluciones linealmente independientes de la ecuación
homogénea, se reduce al de hallar una solución particular (t). Este y otros aspectos sobre la
resolución de ecuaciones lineales de segundo orden, se tratarán en lo que sigue. Como se
adelantara en secciones anteriores, dividiremos la discusión de los métodos de resolución de
acuerdo a la naturaleza de los coeficientes y del término independiente de la ecuación.
[ ] (1.4)
31
con ;
Si analizamos la ecuación con el fin de encontrar una forma de resolverla, notamos que la
función solución debe ser tal que, al combinarla linealmente con su derivada primera y derivada
segunda, arroje un resultado nulo. Esto significa que la función solución y sus derivadas deben
ser similares; eventualmente diferir en una constante multiplicativa. Es bastante intuitivo
concluir que la función solución que estamos buscando es de tipo exponencial. Este
razonamiento se apoya también en lo visto para la ecuación lineal de primer orden ,
donde a es una constante real. Ya sabemos que a esa ecuación le corresponde la solución
exponencial en ( ). Este resultado también hace natural tratar de determinar
si existen soluciones exponenciales en ( ) para ecuaciones lineales de orden dos.
y(t ) e t ,
y' (t ) e t
y' ' (t ) 2et
2 e t e t e t
Puesto que la exponencial nunca se anula, la única opción que nos queda para que se verifique
la ecuación anterior es:
En otras palabras, si y(t ) et es solución de (1.4), debe ser raíz del polinomio dado por
(1.5). A dicho polinomio se le denomina polinomio característico de la ecuación diferencial.
()
32
Ejemplo 1.11
Solución:
( )
Puesto que estamos frente a un polinomio característico cuadrático (de segundo grado),
tendremos que considerar tres casos, según las dos raíces de la ecuación característica
correspondiente:
Caso 1 (Raíces reales diferentes): bajo la suposición de que el polinomio característico tiene
dos raíces reales diferentes 1 y 2, se encuentran dos soluciones:
e
Caso 2 (Raíces reales repetidas): cuando 1= 2 necesariamente sólo se obtiene una solución
exponencial . Sin embargo, de la presentación del método de reducción de orden visto
anteriormente se deduce inmediatamente que una segunda solución es:
( )
∫
Pero por la fórmula cuadrática, tenemos que 1= puesto que la única forma de que 1=
2 es que . En vista de que , la última ecuación se convierte en:
∫ ∫
33
y
( ) ( )
Sin embargo, en la práctica es preferible trabajar con funciones reales en lugar de exponenciales
complejas. Para simplificar esto utilizamos la fórmula de Euler, vista en el curso de Mat 01
(Análisis I) para números complejos:
donde es cualquier número real. A partir de este resultado puede escribirse que:
y ,
( ) ( )
Puesto que es una solución de (1.4) para cualesquiera valores de
C1 y C2, haciendo C1=C2=1 y C1=1, C2= -1 se obtienen, respectivamente, dos soluciones:
( ) ( ) ( ) ( )
e
Pero:
( )
e
( )
Entonces, por el corolario (A) del teorema 1.7, los dos últimos resultados demuestran que las
funciones reales y son soluciones de (1.4). Aún más se tiene que
[ ] , y así se puede concluir que y
forman por sí solas un conjunto fundamental de soluciones de la ecuación diferencial en
( ). En conclusión, por el principio de superposición, la solución general de este caso es:
( )
A modo de resumen de todo lo recién visto, para hallar la solución de la ecuación lineal
homogénea (ELH), yGH(x), se procede de la siguiente manera:
34
1) Se construye P(), el polinomio característico de la ELH y se resuelve la ecuación P()=0, de
modo de hallar todas sus raíces.
2) La solución general yGH(x) tiene tantos sumandos como el orden de la ELH correspondiente.
La forma de los sumandos sigue la siguiente regla:
A) Por cada raíz 1 de P() corresponde un término de la forma . Si 1 es de
multiplicidad 2, aparecen 2 sumandos de la forma: siendo: c1, c2 ,
constantes indeterminadas.
Ejemplo 1.12
a) , b) c)
Solución:
a) ( )( )
,
b) ( )
c)
√ √
,
√ √
( )
Cómo proceder cuando se trata de una ecuación diferencial de segundo orden a coeficientes
constantes, no homogénea? Por lo visto en secciones anteriores, se deberá seguir el mismo
procedimiento que para el caso homogéneo pero, además, se deberá encontrar una solución
35
particular. En esta sección, presentaremos dos métodos de resolución. Pero antes, enunciaremos
el siguiente teorema que brinda un resultado importante.
[ ] ( ) ( [ ] ), i=1,2…,k
[ ]= g1(x)+ g2(x)+…+gk(x)
Ejemplo 1.13
Verificar que:
Este método se desarrolla desde el punto de vista del principio de superposición para ecuaciones
diferenciales no homogéneas, visto más arriba. Existen otros enfoques totalmente diferentes
(como ser el enfoque aniquilador) que no trataremos en este curso.
Para obtener la solución general de una ecuación diferencial lineal no homogénea se llevan a
cabo dos pasos:
La solución general de una ecuación no homogénea en un intervalo es, entonces: yGNH = yGH +
yP
36
Aunque el método no está limitado a ecuaciones de segundo orden (como veremos más
adelante), sí se limita a ecuaciones lineales no homogéneas que cumplan las siguientes
condiciones:
sean con coeficientes constantes
la función g(x) sea una de los siguientes tipos de funciones: a) algebraica, b)
exponencial ( ), c) , d) sumas y/o productos finitos de las funciones
anteriores.
( ) ( ) ( ) ( ) ( ),
La explicación para este requisito es que el conjunto de funciones que consisten en constantes,
polinomios, exponenciales ( ), senos y cosenos, tienen la propiedad de que las derivadas de
sus sumas y productos son nuevamente sumas y productos de constantes, polinomios,
exponenciales , senos y cosenos, respectivamente. Puesto que la combinación lineal de las
derivadas debe ser idénticamente igual a g(x), entonces es razonable
suponer que tiene la misma forma que g(x). Los siguientes dos ejemplos ilustran el método
básico.
Ejemplo 1.14
Resolver:
Solución:
( √ ) ( √ )
Paso 2. Ahora, puesto que la función g(x) es un polinomio cuadrático, supondremos una
solución particular que tiene también la forma de un polinomio cuadrático:
37
Puesto que la última ecuación es una identidad, el principio de identidad de polinomios
establece que los coeficientes de potencias semejantes de x deben ser iguales:
( )
Esto es:
( √ ) ( √ )
Ejemplo 1.15
Solución:
Una primera propuesta para una solución particular sería del tipo: A . Pero teniendo en
cuenta las derivadas sucesivas de y , parece mejor proponer una solución que
incluya a ambos términos:
( ) ( )
o, equivalentemente:
( ) ( )
38
Del sistema de ecuaciones resultante:
Vemos que la forma que se supuso para la solución particular es una propuesta adecuada; no
es una adivinanza a ciegas. Más adelante, en la sección de ecuaciones diferenciales de orden
superior se incluye una tabla que generaliza la correspondiente elección de la solución particular
de acuerdo a la función g(x) que presente la ecuación no homogénea.
La excepción en la elección “usual” de la forma particular se ve contemplada al tener en cuenta
los siguientes casos:
Caso 1: ninguna función que se suponga como solución particular es una solución de la
ecuación diferencial homogénea asociada
Es decir ninguna función en la solución particular propuesta se duplica con una función en la
solución general homogénea .
Puesto de otra manera: la forma de es una combinación lineal de todas las funciones
linealmente independientes que se generan al derivar repetidamente g(x).
Caso 2: una función particular propuesta es también una solución de la ecuación diferencial
homogénea.
Supóngase una vez más que g(x) consiste en la suma de m términos y suponga que la propuesta
para una solución particular es:
39
Ejemplo 1.16
Resolver:
Solución:
() ( ) {
Entonces: ( )
( )
Entonces: ( ) ( )
( ) ( )
Para hallar a y b: ( ) y ( )
( ) {
( )
( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( ) ( ) {
( )
( ) ( )
Paso 3. Finalmente: ( ) ( )
40
Método de variación de parámetros o constantes
( ) (1.6)
| |
( )
| | , | |
( ) ( )
41
Ejemplo 1.17
Resolver:
( )
Solución:
( )
( ) | |
Como la ecuación diferencial ya está en la forma correcta (esto es, el coeficiente de y’’ es 1), se
identifica ( ) ( ) . A partir de las fórmulas para obtenemos:
| | ( )
( )
| | ( )
( )
y así, calculamos
( )
( )
Por consiguiente:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
42
1.4.3 Ecuaciones diferenciales lineales con coeficientes variables
Llamamos ecuación diferencial lineal homogénea de segundo orden con coeficientes variables o
a coeficientes variables a la ecuación
[ ] ( ) ( ) ( )
con funciones de x y ( )
Es decir, ahora los coeficientes que multiplican a cada término de la ecuación son funciones de
la variable independiente en vez de ser constantes reales. Como el lector comprenderá, esta
característica hace que este tipo de ecuaciones puedan adoptar formas muy variadas y, en
algunos casos, muy complicadas de resolver o incluso sin solución. Por este motivo, aquí vamos
a restringir el tratamiento a un tipo específico de ecuaciones a coeficientes variables: las
ecuaciones de Euler o ecuaciones equidimensionales.
La forma general de una ecuación diferencial de Euler de segundo orden es la siguiente:
[ ]
, k
43
Para esta ecuación, utilizando el método de variación de parámetros o el de factor integrante, se
obtiene una solución del tipo:
y(x) = x-k
Debe observarse que la función xr no está definida para todo valor de r real, salvo que x sea un
número positivo. Por ahora, entonces, nos restringiremos al caso x > 0 y luego nos ocuparemos
del caso x < 0. Notar que el caso x = 0 no es relevante dado que implica la solución nula de la
ecuación diferencial.
[ ] ( ) ( ) ( )
[ ] ( ) ( )
[ ] ( ( ) )
Si definimos ( ) ( ) = ( ) obtenemos:
( ) (1.7)
1 a1 (1 a1) 2 4a 2 1 a1 (1 a1) 2 4a 2
r1 r2
2 2
A continuación, haremos una discusión muy similar a lo que ya vimos para las ecuaciones
diferenciales a coeficientes constantes, es decir, examinaremos tres casos por separado.
Cuando (1 a1) 2 4a 2 > 0 tendremos que r1 r 2 y por lo tanto dos soluciones distintas:
y1( x) x r1 e y 2( x) x r 2
44
Es directo concluir que ambas soluciones son L.I. (puede por ejemplo calcularse W(y1, y2)) para
x 0 por lo que la solución general de la ecuación de Euler para este caso será:
y( x) c1x r1 c2 x r 2 x>0
1 a1
Cuando (1 a1) 2 4a 2 = 0 tendremos que r1 r 2 . Por lo tanto, en principio
2
solamente obtendremos una sola solución para la ecuación diferencial:
y1( x) x r1
Para obtener la segunda solución que necesitamos, procederemos de la siguiente manera. Puesto
que r1 r 2 , podemos expresar F(r) como:
F(r) = (r – r1)2
De esto se deduce que no solamente F(r1) se anula sino también su primera derivada.
Esto nos sugiere derivar con respecto a r la ecuación (1.7):
( x r F (r )) ( x r (r r1) 2 ) x r
= = (r r1) 2 x r (r r1) 2
r r r r
x ln x(r r1) x 2(r r1)
r 2 r
Otra forma de encontrar la segunda solución faltante consiste en aplicar el método de reducción
de orden visto previamente. Según este método, la segunda solución se obtiene a partir de la
fórmula:
e
P ( x ) dx
y 2( x) y1( x) dx
y1( x) 2
45
a1
En este caso particular se tiene que P( x) (recordar que el método de reducción de orden
x
se aplica a una ecuación en donde el coeficiente de mayor orden es igual a 1).
Sustituyendo:
a1
x dx
e
y 2( x ) x r 1 dx
( x r1 ) 2
1 a1
a1
x dx
Puesto que e = e a1 ln x = x a1 y además r1 , tenemos entonces que:
2
x a1 1
y 2( x ) x r 1 1 a1
dx x r 1 dx x r1 ln x
x x
y( x) x r1 (c1 c2 ln x) x>0
Cuando (1 a1) 2 4a 2 < 0 las dos raíces r1 y r2 serán complejas y conjugadas entre sí, digamos
r1 = + i y r2 = - i. Debemos ahora analizar qué significa una solución del tipo xr cuando r
es complejo. En caso que r sea real y x adquiera un valor positivo, se puede escribir (recordando
propiedades de potencia y logaritmo):
xr = erlnx
x + i = xcos(lnx) + isen(lnx)]
Análogamente:
x - i = xcos(lnx) - isen(lnx)]
Con esta definición de xr para valores complejos de r, se puede verificar que se cumplen las
leyes usuales del álgebra y el cálculo diferencial y por lo tanto, x r 1 y x r 2 , son soluciones de la
ecuación de Euler. En consecuencia, la solución general para este caso será:
46
La desventaja de esta solución es que implica trabajar con funciones complejas. Esto lo
podemos evitar si observamos que las partes real e imaginaria de x + i:
xcos(lnx), xsen(lnx)
son también soluciones L.I. de la ecuación de Euler. Por lo tanto, otra solución general más
simple será:
Volvamos ahora a la cuestión del dominio de definición de nuestras soluciones y(x). Habíamos
notado que todo el desarrollo asume que x > 0. En realidad, esto no representa una dificultad
porque es fácil verificar que la forma de la ecuación de Euler no se altera al realizar la
sustitución t = -x por lo que se puede obtener la solución para el caso x < 0 si sustituimos x por
valor absoluto de x en las soluciones que hemos encontrado para cada caso ya discutido:
Caso 1:
x *
r1 r2
y( x) c1 x c2 x
Caso 2:
y( x) x r1 (c1 c2 ln x ) x *
Caso 3:
Ejemplo 1.18
Solución:
En base a todo lo visto antes, se proponen soluciones del tipo y(x) = xr.
Las derivadas que se necesitan son:
47
x2[2r(r – 1) + r -15] = x2[2r2 – r -15] = 0
1 (1 4.2.(15) 1 121 1 11
r1, 2 = r1 3, r 2 5 / 2
4 4 4
5
y( x) c1x 3 c 2 x 2
[ ] ( ) ( ) ( ) ( ) (1.8)
con funciones de x y ( )
Por las mismas consideraciones hechas para el caso de las ecuaciones homogéneas a
coeficientes variables, circunscribiremos el tratamiento a las ecuaciones de Euler o
equidimensionales no homogéneas, dadas por la expresión:
[ ] ( )
yGNH = yGH + yP
En donde el primer término del miembro de la derecha de la ecuación (yGH) está dado por una
solución general de la correspondiente ecuación homogénea y el segundo término (yP) por una
solución particular de la ecuación no homogénea. Esto se va a cumplir también para el caso de
las ecuaciones a coeficientes variables, que nos ocupa ahora.
48
Método de variación de parámetros
La idea básica del método de variación de parámetros para ecuaciones no homogéneas parte de
la solución general de la correspondiente ecuación homogénea, que para segundo orden se
escribe:
sea solución particular de la ecuación no homogénea. La respuesta es que esto siempre será
posible y es lo que veremos a continuación.
Dado que yp(x) es una solución de (1.8), una condición que deben cumplir las funciones u1 y u2
es que:
D[yp] = f(x)
Pero se requieren dos condiciones para determinar ambas funciones u1 y u2. En consecuencia,
estamos en libertad de imponer otra condición a nuestra elección. Esto lo vamos a hacer de
manera que los cálculos se simplifiquen todo lo que sea posible.
Para aplicar la condición D[yp] = f(x) debemos calcular las derivadas yp’(x) e yp’’(x).
Comenzando con la primera, por la regla del producto de derivadas:
Impondremos ahora que los dos últimos sumandos del miembro derecho se anulen:
Así:
Calculamos ahora la derivada de segundo orden yp’’(x), aplicando nuevamente la regla del
producto:
Por definición, sabemos que tanto y1 como y2 satisfacen la ecuación homogénea asociada a (1.8):
49
( ) ( ) ( ) =0
Entonces:
a1( x) a 0( x) a1( x) a 0( x)
y1' ' y1' y1 ; y 2' ' y 2' y2
a 2( x ) a 2( x ) a 2( x ) a 2( x )
a1( x) ao( x)
yp’’ = u1’y1’ + u2’y2’ - (u1 y1'u 2 y 2' ) (u1 y1 u 2 y 2)
a 2( x) a 2( x)
a1( x) ao( x)
yp’’ = u1’y1’ + u2’y2’ - yp ' yp
a 2( x ) a 2( x )
u1’y1 + u2’y2 = 0
u1’y1’ + u2’y2’ = f(x)
Notar que este sistema es lineal para las incógnitas u1’ y u2’. La matriz de coeficientes del
sistema A es:
y1 y2
A =
y1' y 2'
Sabemos que y1, y2 son L.I. por lo que W(y1, y2) 0 siempre. Esto significa que el sistema de
ecuaciones anterior será compatible determinado (una sola solución) y por lo tanto lo podemos
resolver aplicando la regla de Cramer.
50
Sea W1(y1, y2) = -y2f(x), el determinante que resulta de sustituir la primera columna de A por el
0
vector y W2(y1, y2) = y1f(x), el correspondiente determinante al sustituir la segunda
f ( x)
columna de A. En consecuencia, las expresiones para u1’ y u2’ serán:
W 1( y1, y 2) y 2 f ( x) W 2( y1, y 2) y1 f ( x)
u1' u 2'
W ( y1, y 2) W ( y1, y 2) W ( y1, y 2) W ( y1, y 2)
Integrando:
y 2 f ( x) y1 f ( x )
u1 dx u2 dx
W ( y1, y 2) W ( y1, y 2)
y 2 ( x) f ( x) y1( x) f ( x)
yp(x) = -y1(x) W ( y , y ) dx + y (x) W ( y , y ) dx
1 2
2
1 2
Esta fórmula nos introduce directamente en el concepto de las funciones de Green el cual
trataremos al final de esta sección.
Suponer que las funciones a1 y a2 son continuas en un intervalo I. Sean u1’ y u2’ las funciones
obtenidas al resolver el sistema provisto por (1.9) y (1.10).
Si u1( x) u1' (t )dt y u 2( x) u 2' (t )dt entonces yp(x) = u1(x)y1(x) + u2(x)y2(x) es una
solución particular de la ecuación:
( ) ( ) ( )
Para finalizar, recapitulemos, a modo de resumen, los pasos del método de variación de
parámetros para las ecuaciones lineales de segundo orden con coeficientes variables.
Procedimiento:
51
Ejemplo 1.19
Solución:
Debemos encontrar ahora las funciones u1 y u2, producto de hacer variar a c1 y c2 con respecto a
x. Para esto calculamos primero las derivadas de primer orden de y1 e y2:
u1’y1 + u2’y2 = 0
u1’y1’ + u2’y2’ = tanx
Sustituyendo:
u1’cosx + u2’senx = 0
u1’(-senx) + u2’cosx = tanx
Tenemos que:
y 2 f ( x) senxsenx sen 2 x
u1' = = cos x sec x
W ( y1, y 2) cos x cos x
y1 f ( x) cos xsenx
u 2' = = senx
W ( y1, y 2) cos x
yp( x) (senx ln sec x tan x ) cos x cos xsenx cos x ln sec x tan x
Este ejemplo pone de manifiesto una dificultad del método de variación de parámetros a la hora
de su aplicación: dependiendo del término independiente f(x), las primitivas necesarias para
obtener las funciones u1(x) y u2(x) pueden ser complicadas de calcular.
Función de Green
En la sección anterior, vimos que la expresión final de una solución particular para la ecuación
( ) ( ) ( ) se podía escribir como:
y 2 ( x) f ( x) y1( x) f ( x)
yp(x) = -y1(x) W ( y , y ) dx + y (x) W ( y , y ) dx
1 2
2
1 2
y 2 ( x) y1 (t ) y1 ( x) y 2 (t )
G( x, t ) o bien:
W ( y1(t ), y 2(t ))
1 y1(t ) y1( x)
G( x, t )
W ( y1(t ), y 2(t )) y 2(t ) y 2( x)
A partir de esto, no es complicado deducir que la solución particular yp puede expresarse como:
x
yp(x) =
xo
G( x, t ) f (t )dt (1.11)
53
Ejemplo 1.20
Solución:
yGNH = yGH + yP
Está faltando ahora hallar la solución particular a partir de la solución complementaria anterior.
Si bien se trata de una ecuación a coeficientes constantes, no es posible aplicar el método de los
coeficientes indeterminados porque el término independiente de la ecuación no homogénea no
es de la forma exPn(x)cosx o bien exPn(x)senx. Vamos a calcular entonces la función de
Green para la ecuación y desde allí construiremos nuestra solución particular.
Identificamos primero y1(x) = cosx e y2(x) = senx y paso seguido calculamos su Wronskiano:
y 2 ( x) y1 (t ) y1 ( x) y 2 (t )
G( x, t ) senx cos t cos xsent
W ( y1(t ), y 2(t ))
= senx dt cos x tan tdt
Integrando (recordar que las integrales indefinidas anteriores son evaluadas en x y un x0 fijo que
podemos hacer igual a 0), llegamos a la solución particular buscada:
54
Con lo cual, la solución general de la ecuación no homogénea de partida es:
( ) ( )
( ) ( ) ( ) ( ) ( )
siendo ( ) .
Al igual que para orden dos, si g(x)=0 , la ecuación se dice que es homogénea (ELH). En
caso contrario, la ecuación lineal se dice que es no homogénea (ELNH).
Si las funciones ai(x) dependen efectivamente de la variable x, la ecuación diferencial se
denomina a coeficientes variables. En caso contrario, a coeficientes constantes.
Así es que a partir de estas dos clasificaciones, se pueden definir cuatro casos distintos para una
ecuación lineal de orden superior. La teoría para las ecuaciones de orden superior es
completamente análoga a la presentada para la ecuación de segundo orden y basta con
generalizar los conceptos ya vistos al tratar esta última.
Teorema 1.16
Sean y1, y2, …. , yn, n soluciones linealmente independientes de la ecuación lineal homogénea de
orden n a coeficientes constantes, o sea, ninguna yi es combinación lineal de las restantes.
Entonces, la solución general es de la forma:
[ ] ( ) ( )
( [ ] ) (1.12)
55
donde son constantes reales, se debe resolver el polinomio característico de grado
n:
a) Si todas las raíces del polinomio característico son reales y diferentes, entonces la solución
general de (1.12) es:
Es considerablemente más difícil resumir lo análogo visto en los casos 2 y 3 para las ecuaciones
de segundo orden (raíces reales con multiplicidad mayor a 1 y raíces complejas) debido a que
las raíces del polinomio característico de mayor grado pueden aparecer en muchas
combinaciones. Por ejemplo, una ecuación de quinto grado puede tener cinco raíces reales
diferentes, tres raíces reales diferentes y dos raíces complejas, una raíz real y cuatro complejas,
cinco reales iguales, cinco raíces reales pero dos de ellas iguales y así sucesivamente.
Ejemplo 1.21
Resolver:
Solución:
Debe recordarse que cuando los coeficientes son reales, las raíces complejas de un polinomio
característico aparecen siempre en pares conjugados.
56
Así, por ejemplo, un polinomio característico cúbico puede tener como mucho dos raíces
complejas. En general, si es una raíz compleja de multiplicidad k de una ecuación
característica con coeficientes reales, entonces su conjugado es también una raíz de
multiplicidad k. Tendremos 2k soluciones complejas:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
Ejemplo 1.22
Resolver:
Solución:
P() = 3 + = 0 ( )
( ) ( ) ( )
Ejemplo 1.23
Resolver:
Solución:
57
( )
1 et
Al igual que ya se vio para las ecuaciones lineales de segundo orden no homogéneas, cuando los
coeficientes son constantes, es posible aplicar el método de coeficientes indeterminados junto al
enfoque de superposición. Para hallar la solución (yGNH(x)) de la ecuación lineal no homogénea
(ELNH) de orden superior por el método de coeficientes indeterminados, se procede de la
siguiente manera:
Los casos posibles que existen para la ecuación no homogénea a coeficientes constantes se
pueden sintetizar en la siguiente tabla:
58
es raíz de P()
xm Mq(x) ex
con multiplicidad m
i no es raíz de P() Us(t) cos t + Vs(t) sen t (*)
Qq(x) cos x + Rr(x) sen x i es raíz de P()
xm[Us(x) cos x + Vs(x) sen x] (*)
con multiplicidad m
i no es raíz de P() Us(x) cos x + Vs(x) sen x (*)
ex [Qq(x) cos x + Rr(x) sen x] i es raíz de P()
xm ex [Us(x) cos x + Vs(x) sen x] (*)
con multiplicidad m
Ejemplo 1.24
Resolver:
Solución:
1) ( ) √ √ (√ ) (√ )
2) ( )
( )
( )
( ) ( )
Sustituyendo:
( )
( )
3) ( ) √ √ (√ ) (√ )
59
1.5.2 Ecuaciones diferenciales lineales a coeficientes variables
Por los mismos motivos expuestos en ocasión de tratar las ecuaciones a coeficientes variables
de orden dos, restringiremos el tratamiento a las ecuaciones equidimensionales de Euler-
Cauchy, la cuales son análogas a las ecuaciones de Euler de orden dos. En consecuencia, una
ecuación de Euler-Cauchy se puede escribir de la siguiente forma:
Como ya vimos, la sustitución y = xr va a producir términos del mismo grado. Al realizar esta
operación y luego dividir el resultado por xr, obtenemos la ecuación polinomial:
Si la ecuación anterior de grado n tiene n raíces reales distintas r1, r2, …., rn, entonces
obtendremos n soluciones L.I. y la correspondiente solución general será:
Para tener una solución válida para todo valor de x distinto de cero, usamos nuevamente el valor
absoluto:
Los casos restantes en relación a la naturaleza de las raíces de la ecuación polinomial (raíces
reales repetidas y raíces complejas) son análogos a los ya tratados para segundo orden. Aunque
ahora la situación puede ser más complicada si se tienen raíces reales con multiplicidad mayor a
2 o raíces complejas con multiplicidad mayor a 1. En el siguiente ejemplo veremos cómo
resolver una de estas situaciones.
Ejemplo 1.25
Solución:
60
El polinomio posee la raíz evidente r = -1. Al determinar las dos raíces restantes (bajando el
polinomio por Ruffini y luego aplicando Bhaskara, por ejemplo) se llega a que r1,2,3 = -1. Es
decir, -1 es raíz triple.
Cuando se trataba de una ecuación de orden dos con una raíz real repetida, sabíamos que una
solución era la misma que para el caso de raíces distintas:
y1(x) = c1x-1
Mientras que se había deducido que la segunda solución L.I. estaba dada por:
La pregunta que surge ahora es cómo encontrar la tercera solución L.I. cuando se tiene una raíz
real triple. No lo vamos a demostrar, pero la solución que está faltando tiene la forma:
En general, se puede probar que para el caso de una raíz real con multiplicidad k, las k
soluciones L.I. asociadas serán de la forma:
xr lnm|x| m = 0, 1, 2, k – 1
Al igual que para el caso de orden dos a coeficientes variables, la solución general (yGNH) en un
cierto intervalo se puede obtener como:
yGNH = yGH + yP
El primer término del miembro de la derecha de la ecuación (yGH) está dado por una solución
general de la correspondiente ecuación homogénea:
61
y el segundo término (yP) por una solución particular de la ecuación no homogénea.
Naturalmente, la solución particular la vamos a buscar aplicando el método de variación de
parámetros, que el lector recordará operaba bajo la premisa que los coeficientes constantes de la
solución homogénea se convertían en funciones variables de x: u1(x), u2(x), ….., un(x). Los
detalles del método fueron presentados en detalle para el caso de orden dos. La generalización
para orden n produce el siguiente sistema de ecuaciones lineales que posee como incógnitas las
derivadas primeras de las funciones ui anteriores:
. . . = .
El determinante de la matriz A de coeficientes de este sistema será W(y1, y2, …., yn), el
Wronksiano de las funciones y1, y2, …., yn.
yi
yi '
Sea Wi(y1, y2, …, yn) el determinante que resulta de sustituir la columna i-ésima . de la
.
yi n 1
0
0
matriz de sistema A por el vector . . Entonces, la regla de Cramer produce las siguientes
.
f ( x)
soluciones para el sistema:
Integrando:
62
n
Wi ( y1, y 2,..., yn)
yp(x) = y ( x) W ( y , y ,..., y ) dx
i 1
i
1 2 n
Ejemplo 1.26
Solución:
El polinomio posee la raíz evidente r1 = 1. Al determinar las dos raíces restantes (bajando el
polinomio por Ruffini y luego aplicando Bhaskara) se llega a que r2 = 3 y r3 = -2.
En realidad, lo que nos va a importar son las soluciones L.I. halladas, puesto que con
ellas y sus derivadas de hasta segundo orden, se construye el sistema de ecuaciones
lineales:
El determinante de la matriz de coeficientes del sistema nos provee con el Wronskiano de las
funciones y1, y2 e y3:
x x3 x 2
W(y1, y2, y3) = 1 3x 2 2 x 3 = 18x 1 6 x 1 12 x 1 6 x 1 30 x 1
0 6x 6 x 4
63
De acuerdo a la regla de Cramer, las derivadas de nuestras funciones incógnitas ui son:
Sustituyendo:
0 x3 x 2
x x
u1’ = 0 3x 2 2 x 3 = (60 x 2 90 x 2 ) 5 x 1
30 30
30 x 2 6x 6 x 4
x 0 x 2
x x
u2’ = 1 0 2 x 3 = (30 x 4 60 x 4 ) 3x 3
30 30
0 30 x 2 6 x 4
x x3 0
x x
u3’ = 1 3x 2 0 = (90 x 30 x) 2 x 2
30 30
0 6x 30 x 2
3x 2 2x3
u1( x) 5 ln x ; u 2( x) ; u 3( x)
2 3
3x 2 3 2 x 3 2
yp(x) u1y1(x) + u1y2(x) + u3y3(x) = 5 ln x( x) (x ) (x )
2 3
5x
5 x ln x
6
Método de eliminación
El enfoque más elemental para la resolución de los sistemas lineales de ecuaciones diferenciales
es análogo a uno de los métodos estándares de resolución de sistemas de ecuaciones lineales e
incluye la eliminación de variables dependientes por medio de una combinación apropiada de
parejas de ecuaciones, lo cual generalmente también supondrá derivar algunas de esas
64
ecuaciones. El objetivo de este procedimiento es eliminar variables dependientes en sucesión
hasta que quede sola una ecuación con una sola variable dependiente. Esta ecuación restante por
lo común será una ecuación lineal de orden alto y con frecuencia puede resolverse por los
métodos ya vistos. Después que su solución se ha encontrado, a su vez las otras variables
dependientes pueden determinarse, utilizando las ecuaciones diferenciales originales o aquellas
que hayan aparecido en el proceso de eliminación. El método de eliminación o sustitución para
sistemas diferenciales lineales es más conveniente en el caso de sistemas razonablemente
pequeños: aquellos que tienen no más de dos o tres ecuaciones. En el capítulo 4, presentaremos
en detalle otros métodos más generales de resolución de sistemas de ecuaciones diferenciales
lineales.
Ejemplo 1.27
Resolver:
Solución:
Para resolver el sistema, podemos aplicar el método recién descrito. Así, de la segunda ecuación
despejamos la función y:
Se llega a una ecuación diferencial lineal de 2° orden homogénea a coeficientes constantes para
la función x, que resolvemos aplicando el método ya conocido:
() √
( ) √ √ y por tanto ( ) √ √ √ √
Como: ( ) ( ) ( ) ( ) √ √ √ √ √ √
( ) √ √ ( ) ( √ ) √ ( √ ) √
65
Ejemplo 1.28
( ) ( )
( ) ( )
Hallar la o las funciones g(t), sabiendo que (I) y (II) admiten una solución común.
Solución:
( ) ()
{
( ) ( )
Sustituyendo en (II):
()
Por lo tanto: ,
( )
( ) ( )
( )
Por lo tanto: ( )
66
Para hallar g(t), se despeja de (II):
( )
67
2- INTRODUCCIÓN A LA ESTABILIDAD DE ECUACIONES
DIFERENCIALES
Como se vio al inicio del capítulo anterior, una ecuación autónoma de primer orden es un caso
particular de ecuación a variables separables, de la forma:
( ) (2.1)
( )
( ( ))
Tienen particular interés las ecuaciones diferenciales autónomas cuyas soluciones están
definidas en el intervalo más grande posible (soluciones maximales, ver más adelante en el
Ejemplo 2.5), es decir . Debe subrayarse que, en cualquier caso, el conjunto I debe ser un
intervalo conexo en la recta real. No consideraremos soluciones a aquellas funciones que estén
definidas en la unión de dos intervalos disjuntos.
Observación: la definición de solución recién provista exige que la función x sea continua
puesto que x debe ser derivable. Además, el hecho de que f sea una función continua implica
entonces que f(x(t)) depende en forma continua de t, por ser composición de funciones
continuas. Entonces, como x(t) satisface la ecuación diferencial
( ) ( )
( ( )), la derivada es una función continua de t, y por tanto x(t) es una función de
1
clase C .
68
( ) ( )
( ) ( )
definida para x0 yt .
Vamos a introducir ahora una función que recoge toda esta información.
Definición (Flujo): si x(t) es la solución de (2.1) con dato inicial xo, se define la función
( ) ( ). A esta función la llamamos flujo asociado a la ecuación diferencial o
simplemente flujo.
El flujo depende de la condición inicial xo y del tiempo t. Lo que hace el flujo es sencillamente
asignarle al par (x,t) el valor en t de la solución x(t) que tiene como dato inicial a xo. De esta
forma, el flujo recoge la importante dependencia de la solución con respecto a la condición
inicial. Debe tenerse en cuenta que la noción de flujo tiene sentido solamente en el contexto de
la unicidad de las soluciones de una ecuación diferencial.
La forma más simple y habitual de interpretar una ecuación diferencial de primer orden y, en
particular una ecuación autónoma, es considerarla como un problema en el cual debe hallarse x
como una función de t de modo que se satisfaga la ecuación. Así, la función x aparece como una
incógnita y la importancia de la ecuación se reduce al hecho de resolverla, es decir, de hallar sus
soluciones. De hecho, a lo largo del capítulo anterior nos hemos dedicado a presentar métodos
generales de resolución de ecuaciones diferenciales. Sin embargo, este punto de vista es erróneo
e impide comprender los problemas reales planteados por las ecuaciones diferenciales, por
ejemplo en lo que tiene relación con la descripción de fenómenos físicos. En efecto, considerar
a las ecuaciones diferenciales como meros problemas implica también reducir muchas leyes
físicas a esa condición, algo claramente absurdo. Por si esto fuese poco, debe tenerse en cuenta
que el término “resolver” una ecuación diferencial resulta muchas veces ambiguo puesto que en
muchos casos, las soluciones no pueden ser expresadas con fórmulas matemáticas.
Para entender qué es una ecuación diferencial, hay que centrarse en la ecuación misma, no en
sus soluciones, e intentar interpretar su significado. Para el caso que nos ocupa, el de una
ecuación diferencial ordinaria autónoma ̇ ( ), el hecho de que una función x(t) sea
solución tiene una interpretación geométrica muy clara: la pendiente (derivada) de x(t) en cada
punto t coincide con el valor ( ( )). En otras palabras, si en cada punto del plano (t,x)
dibujamos la recta con pendiente f(x) y luego graficamos una solución x(t) de la ecuación
diferencial, encontramos que en cada punto (t,x(t)) del gráfico de x(t), éste es tangente a la recta
con pendiente f(x) que corresponde a ese punto. Es decir que la ecuación genera un campo de
pendientes o de direcciones en el plano (t,x) y sus soluciones son curvas tangentes a ese campo.
69
El término campo de pendientes o direcciones significa que a cada punto del plano (t,x) se le
hace corresponder una pendiente. Así, el sentido real de una ecuación diferencial es definir un
campo de direcciones y sus soluciones serán funciones cuyas gráficas son tangentes a dicho
campo.
Ejemplo 2.1
En la figura 2.1, se representa el campo de pendientes y algunas curvas solución típicas para la
ecuación diferencial ̇ = - x, en el plano (t,x). Es aparente que cada una de las soluciones x(t) se
aproxima a cero a medida que . Si tenemos en cuenta que x(t)=Ce-t es la solución general
de ̇ =-x, las curvas solución dibujadas en la figura, tienen la forma correcta.
70
Solamente en casos excepcionales las soluciones de una ecuación diferencial podrán expresarse
mediante fórmulas. En tales casos, la forma de las curvas solución no será muy complicada de
determinar. Pero debe siempre recordarse que resolver una ecuación es solamente un medio para
obtener un fin y que, en la mayoría de los casos ese fin puede y/o debe ser alcanzado por otros
medios.
Definición (Órbita o trayectoria): dada una solución x(t) de una ecuación diferencial
autónoma, se define la órbita o trayectoria de esa solución como el conjunto de valores que
recorre la misma orientado en el sentido en que la variable t crece. Es decir, la órbita de una
función solución es la imagen orientada de dicha solución.
Podemos decir también que la órbita de una solución x es la curva que describe en I el flujo
( ) cuando t varía en . Hay que aclarar que, si bien las nociones de curva solución y de
órbita están muy relacionadas, son distintas. Una curva solución es el gráfico de una solución
(función) mientras que una trayectoria es el conjunto imagen de dicha solución con la
orientación inducida por la parametrización dada por la solución.
Puede haber soluciones distintas que den lugar a la misma órbita puesto que dichas soluciones
adoptarán valores iguales pero en distintos instantes de tiempo t. Estas soluciones están
trasladadas en el eje t y a veces se denominan de esa manera: “trasladadas”. De esta forma, las
órbitas pueden ser miradas como “tipos de soluciones esencialmente iguales”. Esta
particularidad se va a cumplir para cualquier ecuación autónoma.
Definición (Punto crítico): como se vio al inicio del capítulo anterior, un punto crítico o de
equilibrio (lo vamos a identificar generalmente como ̅ o ) de la ecuación ̇ ( ) satisface
la igualdad f(x)=0. Es decir, un punto crítico es raíz de f(x). Si x=a es un punto crítico de la
ecuación, entonces la ecuación diferencial tiene la solución constante ( ) .
Una solución constante tiene el significado físico de equilibrio. Pensemos en un péndulo. Este
tiene dos posiciones de equilibrio. En la primera, la bola está exactamente debajo del punto de
suspensión; en la segunda exactamente encima. Si el péndulo es separado de su primera
posición de equilibrio, se pondrá a oscilar a un lado y a otro de tal posición. La amplitud de su
oscilación puede hacerse tan pequeña como se quiera simplemente haciendo pequeño el
71
desplazamiento. Supongamos de momento que no existen ni resistencia del aire ni fricción
interna que retarden el movimiento del péndulo. Entonces, el péndulo persiste en sus
oscilaciones pequeñas (su movimiento es periódico y de pequeña amplitud). La situación es
totalmente distinta en lo que respecta a perturbaciones de la segunda posición de equilibrio. Si
el péndulo es desplazado aun ligeramente de la posición, efectuará largas oscilaciones
periódicas alrededor de la otra posición de equilibrio. Se separará mucho de la posición original
de equilibrio por minúsculo que haya sido el desplazamiento inicial. Decimos que el segundo
equilibrio es inestable y que el primero es estable. La distinción nace al considerar, no
simplemente el equilibrio en sí, sino los movimientos que se originan cerca del equilibrio. Si
ahora consideramos el efecto de la fricción sobre el movimiento del péndulo (péndulo
amortiguado), vemos que cualquier oscilación alrededor del equilibrio estable se extinguirá
gradualmente; en cada oscilación se pierde cierta energía y la amplitud de cada oscilación será
un poco menor que la precedente. Por lo tanto, un pequeño desplazamiento del péndulo de la
posición de equilibrio estable, produce un movimiento que no sólo permanece cerca del
equilibrio, sino que de hecho se le va aproximando. Se dice que el equilibrio es asintóticamente
estable. Este tipo de equilibrio es sólo posible en presencia de fuerzas de fricción. Esto presenta
una analogía clara con las soluciones de equilibrio de una ecuación autónoma, como veremos
ahora.
Definición: sea x(t)=c una solución de equilibrio de (2.1), o lo que es lo mismo, c un punto
crítico de (2.1). Decimos que c es estable si para cada , existe un tal que si u es una
solución que satisface | ( ) | para cierto t0, entonces | ( ) | para todo .
Si se puede elegir de modo que | ( ) | implique ( ) decimos que c es
asintóticamente estable. Si c no es estable decimos que es inestable.
Notar que todas las soluciones que se aproximan suficientemente a una solución estable para
algún valor de t, están definidas para todos los valores superiores de t.
Una condición necesaria y suficiente para que x(t)=c sea asintóticamente estable es que f(x) 0
para todo x próximo a c y menor que éste, y f(x) 0 para todo x próximo a c y mayor que éste
(en otras palabras, que f(x) cambie del signo positivo al negativo en un entorno de c).
72
los intervalos f(x) y con una flecha que apunta hacia abajo los intervalos en que f(x) .
Observar que estas flechas no son otra cosa que las trayectorias de las soluciones en los
respectivos intervalos.
Si un punto crítico ̅ tiene un entorno en el que todas las flechas apuntan hacia él, es estable.
Más aún, si no hay ningún otro punto crítico en el entorno entonces es asintóticamente estable,
porque las órbitas que se acercan no pueden detenerse en ninguna otra parte (detenerse implica
̅ =0 y la aparición de un nuevo punto crítico).
Análogamente, si en cualquier entorno suficientemente pequeño de ̅ hay alguna flecha que
apunta alejándose de ̅ y no hay otros puntos críticos de la ecuación diferencial, entonces se
trata de un punto crítico inestable. A continuación, veamos algunos ejemplos para aplicar el
procedimiento descrito.
Ejemplo 2.2
Clasificar los puntos críticos, dibujar el diagrama de fase y a partir de él hacer un estudio
cualitativo de las curvas solución de la siguiente ecuación:
Solución:
1- Para hallar los puntos de equilibrio o críticos (raíces de f(x)), se determina dónde se
anula el término 3y. Vemos claramente que el único punto crítico es y=0.
2-
73
3- Usamos la información de los pasos 1 y 2 para dibujar el diagrama de fase. Para esto, se
procede de la siguiente manera:
a) Dibujamos una línea vertical y marcamos un punto sobre ella para marcar el punto
crítico.
b) Como ̇ en el intervalo , agregamos en ese intervalo una flecha
apuntando hacia arriba.
c) De la misma forma en el intervalo se coloca una flecha apuntando hacia
abajo.
Como las flechas se alejan del punto, el equilibrio es inestable.
4- Una vez que tenemos el diagrama de fase podemos hacer un bosquejo cualitativo de las
curvas solución. La solución de equilibrio corresponde al punto crítico y además es la
línea horizontal ( ) . Las soluciones que empiezan positivas crecen y las
soluciones que empiezan negativas decrecen. Presentamos también la curva solución al
lado del diagrama de fase para que quede bien claro como las flechas del diagrama de
fase representan la dirección y de la curva.
Está claro que existen tres órbitas distintas en el diagrama de fase: la primera órbita es el
conjunto formado exclusivamente por el punto crítico (0) y la correspondiente solución
estacionaria. La segunda órbita es el semieje positivo que corresponde al recorrido de
las soluciones que crecen a medida que transcurre el tiempo y la tercera es el semieje
negativo formado por las proyecciones de las soluciones que decrecen a medida que
aumenta t.
Puesto que la ecuación del ejemplo es fácil de resolver aplicando variables separables,
el lector puede confirmar todos estos resultados con la expresión de las soluciones.
Ejemplo 2.3
Clasificar los puntos críticos, dibujar el diagrama de fase y a partir de este, hacer un estudio
cualitativo de las curvas solución de la siguiente ecuación:
̇ ( )
74
Solución:
2-
3- Colocamos dos puntos sobre el diagrama de fase correspondiendo a los puntos críticos.
Colocamos una flecha hacia abajo en la región , una flecha hacia arriba para
y una flecha hacia abajo para . Como las flechas se alejan del 0, el punto
crítico es inestable. Por el contrario, en el caso y=M, el punto crítico es estable ya que
ambas flechas se acercan a él.
4- Ahora dibujaremos las curvas solución. Las líneas horizontales y(t)=M, y(t)=0 son
soluciones de equilibrio. Las curvas solución por encima de y(t)=M decrecen. En el
intervalo las soluciones se alejan de y(t)=0 y se acercan a la solución de
equilibrio y(t)=M. Finalmente, las soluciones que empiezan negativas (y < 0) decrecen.
Para finalizar la discusión, veamos otros ejemplos un poco más complicados, incluyendo el
agregado de condiciones iniciales de manera de configurar un PVI.
Ejemplo 2.4
̇
{ ( )
75
La solución de este PVI es ( )
En el caso que estamos analizado cualquier sirve, porque todas las soluciones se escapan
al infinito, independientemente de cuál sea la condición inicial.
Tomemos, por ejemplo, . Si entonces consideremos la solución ( ) cuya
condición inicial es ( ) ( ).
Como ( ) la solución x(t) está fuera del intervalo (-1,1) si t es suficientemente
grande. Esto basta para probar la inestabilidad, pero si queremos hacer un cálculo más fino
notemos que x(t) sale de (-1,1) en el instante:
76
Este comportamiento está ilustrado en el diagrama de fases de la página siguiente, donde
podemos apreciar que todas las soluciones se escapan del intervalo (-1,1). Para un valor
pequeño de hemos representado las soluciones con datos iniciales: . La solución
con dato inicial supera el valor 1 en el tiempo t=t~.
El punto crítico 0 de ̇ =ax es asintóticamente estable si a 0. También es estable si a=0, pero
en ese caso no es asintóticamente estable.
Ejemplo 2.5
̇ = ax - bx2 a 0, b 0
Notemos que para x pequeño ax - bx2 ~ ax, en tanto que el factor bx2 domina para valores de x
grandes.Vamos a estudiar primero el caso particular que se obtiene tomando a = 0, la ecuación
̇ = -bx2 con .
77
cuando son positivas. Este comportamiento sugiere que el origen no es estable dado que hay
órbitas con dato inicial negativo arbitrariamente cercano a y=0 que se alejan.
Vale la pena notar que aunque 0 sea inestable el comportamiento de esta ecuación cerca del
punto crítico es bien distinto del que teníamos en el ejemplo ̇ = ax con a 0. En ese caso,
todas las órbitas se alejaban del origen, pero las soluciones de (2.2) con dato inicial positivo se
aproximan a 0, como recién se mencionó. Entonces, el origen es un punto crítico inestable para
̇ =-y2, a pesar de que las soluciones positivas de la ecuación se aproximan a él cuando el tiempo
tiene a . Todas estas consideraciones pueden confirmarse al construir el diagrama de fases
de la ecuación autónoma (no mostrado).
̇
Cuando estamos fuera del caso y=0 podemos escribir: e integrar entre el tiempo
̇( )
inicial t = 0 y un t genérico para obtener: ∫ ( )
Si llamamos y0 a la condición inicial y(0) obtenemos:
( )
( ) (2.3)
̇ ( )
( )
Notemos que (2.3) también da la solución cuando y0 = 0 a pesar de que los argumentos que se
presentaron para deducirla valen sólo para .
78
( ( )) ( )
Un cálculo directo con la fórmula (2.3) muestra que dichas soluciones satisfacen:
( ) ( )
( )
Esta última observación confirma lo que ya sabíamos: el origen es un punto crítico inestable,
porque dados cualesquiera, la solución con dato inicial sale del
intervalo ( ) y escapa hacia - . Cuando el dato es y0 entonces t(y0) y la solución
está definida en ( ( ) ) y se cumple:
( ) ( ) ( )
Vemos que (2.4) tiene dos puntos críticos: el origen x = 0, que ya estaba en el modelo original y
el punto x = 1. Además ̇ es positiva si x está en el intervalo (0,1) y negativa en ( )
( ). Esto significa que ( ) y ( ) son dos soluciones estacionarias de (2.4). Si
una solución x(t) está en (0,1) entonces ̇ y la solución está creciendo y viaja a la derecha.
Si una solución está en ( ) o en ( ) la solución decrece y viaja hacia la izquierda. Así
que 0 es un punto crítico inestable y 1 es asintóticamente estable.
79
Cuando estamos fuera de x=0 o x=1 podemos escribir:
̇ ̇ ̇
̇ ̇
∫ ∫
| ( )| | | | ( )| | |
( )( )
| |
( ( ))
( )( )
| ( ( ))
|
Y luego:
( )
| ( )
| | |
Para resolver el valor absoluto de la última expresión, debemos saber el signo a asignar a la
expresión resultante. Si x0 no es ni 0 ni 1 (es la situación que nos interesa ahora) entonces la
expresión:
( )
está definida y no se anula nunca. Por lo tanto, tampoco se puede anular ( )
, y siempre
conserva el mismo signo que en t=0. En consecuencia, al resolver el valor absoluto, se obtiene:
( )
( )
( ) (2.5)
Podemos verificar que x(t) es efectivamente solución del problema a resolver con dato inicial
x0=x(0). Si evaluamos x(t) en t=0 está claro que obtenemos x0.
Además el cálculo directo de la derivada ̇ muestra:
80
̇( ) ( ) ( )
( )
Notamos que (2.5) también da la solución correcta cuando tomamos los datos iniciales x0=1 o
x0=0, a pesar de que en su derivación no tuvimos en cuenta estos casos.
Vamos a estudiar ahora el comportamiento de las soluciones:
Para empezar tomemos las dos soluciones estacionarias que ya habíamos identificado.
( ) ( )
Es decir, las órbitas se acercan al punto crítico x = 1 cuando el tiempo crece y al punto
crítico x=0 al hacer . Esto último puede interpretarse como que la órbita “sale”
del punto x=0. Estas soluciones son crecientes en t.
( ) ( )
( ) ( )
( )
( ) [( ) ]
Además: ( ) ( ) , ( )
Como se aprecia en el campo de direcciones de la figura 2.2 debajo, los puntos críticos x=0 y
x=1 tiene comportamientos muy diferentes. Las soluciones que comienzan cerca de x=0, se
alejan a medida que pasa el tiempo, por lo que este punto es inestable, mientras que el punto
x=1 es asintóticamente estable puesto que las soluciones que comienzan cerca del punto,
permanecen cerca del punto y se acercan aún más al mismo conforme pasa el tiempo.
81
Figura 2.2. Campo de direcciones de la ecuación ̇ = x - x2. Es aparente el carácter de
inestabilidad del punto crítico x = 0 y el carácter de estabilidad asintótica del punto crítico x = 1.
82
3. EXISTENCIA Y UNICIDAD DE SOLUCIONES
Definición (sucesión de funciones): una sucesión de funciones es una aplicación que a cada
número natural n le hace corresponder una función fn. Usaremos el símbolo { } para
representar la sucesión de funciones dada por para todo n .
Ejemplos:
) ( ) ) ( ) √ ) ( ) ∑
{ { ( )} }
( ) ( )
Ejemplo 3.1
( )
83
| |
( ) { ( )} { | |
| |
Aquí ocurre que la función límite puntual es discontinua (en -1 y 1) a pesar de que las funciones
de la sucesión son continuas.
Tenemos que:
( )
{| ( ) ( )| } ( ) ( )
( )
Por tanto la distancia entre la función fn y la función límite puntual f, no converge a cero.
Veamos ahora el caso en que dicha distancia sí converge a cero.
Notación: ⃗⃗
I = [a,b]
Figura 3.1. Convergencia uniforme de una sucesión de funciones en el intervalo [a,b]. La línea
continua describe el gráfico de la función f en el intervalo [a,b] mientras que la punteada los
valores que adopta la sucesión fn en el mismo intervalo.
Teorema 3.1
Sea { } una sucesión de funciones continuas tal que ⃗⃗⃗ Entonces f es continua.
84
En el ejemplo 3.1 recién visto, la función límite puntual no era continua. Esto no contradice el
teorema anterior puesto que la sucesión fn no convergía uniformemente a f (la distancia entre la
sucesión y la función límite no convergía a cero).
Se fija un x
La correspondiente sucesión de números reales { }( ) converge a f(x), es decir: para
todo existe un número natural n0 tal que para todo n se verifica
que | ( ) ( )| . Naturalmente el número n0 dependerá de y en general
también de x, porque si se cambia x por otro punto z la sucesión { ( )} será
distinta de { ( )} y el n0 que vale para { ( )} no tiene por qué valer también para
{ ( )}.
Se fija un
Existe un número natural n0 (que dependerá de ) tal que para todo n con
se verifica que | ( ) ( )| para todo x .
Es decir que en la convergencia uniforme hay un mismo número n0 que es válido
simultáneamente para todos los x .
La presencia del valor absoluto es incómoda para derivar por lo que conviene quitarlo, lo que
casi siempre puede hacerse con facilidad.
Ejemplo 3.2
( )
Solución:
Es evidente que { ( )} ( ) .
85
Como ( ) , tenemos que: ( ) .
( ) √
( ) √ y ( ) √
{ ( ) } ( ) { ( ) } ( )
{| ( ) ( )| }
Demostración:
| ( ) ( )| | ( )| | ( ) ( )|
Recíprocamente, suponiendo que la condición del enunciado se cumple, entonces para cada x
se cumple que la sucesión { } verifica la condición de Cauchy puesto que:
| ( ) ( )| {| ( ) ( )| }
Por el teorema de completitud de dicha sucesión es convergente. Por tanto podemos definir la
función límite puntual como f(x) ( ) para todo x .
Comprobemos ahora que { } converge uniformemente a f en J. Dado , por la hipótesis
hecha, hay un n0 tal que para todos n, m se verifica que:
| ( ) ( )|
86
Fijando x yn en esta desigualdad y tomando límite para m obtenemos que:
| ( ) ( )|
{| ( ) ( )| }
siempre que n .
Series de funciones
Dada una sucesión de funciones { } podemos formar otra sucesión { } cuyos términos se
obtienen sumando consecutivamente los de { }. Es decir , , y en general
∑ . La sucesión { } así definida se llama serie de término general y la
representaremos por el símbolo ∑ .
Así que, una serie de funciones es una sucesión de funciones que se obtienen sumando
consecutivamente las funciones de una sucesión dada. Todo lo dado para sucesiones de
funciones se aplica exactamente igual para series de funciones. En particular, los conceptos de
convergencia puntual y uniforme para sucesiones de funciones tienen igual significado para
series como veremos a continuación.
Sea una sucesión de funciones { ( )} y { } una sucesión de números reales positivos tal que
| ( )| para toda x I. Si la serie ∑ es convergente, entonces la serie de funciones
∑ ( ) converge uniformemente en I.
Demostración:
|∑ ∑ | ∑
87
Deducimos que para todo x I se verifica que:
| ( ) ( )| |∑ ( ) ∑ ( )| | ∑ ( )| ∑ | ( )| ∑
{| ( ) ( )| }
∫ ∑ ( ) ∑ ∫ ( )
∫ ( ) ∫ ( )
∫ ( ) ∫ ( )
∑∫ ( ) ∫ (∑ ( ))
Observación: este teorema, bajo las condiciones de convergencia uniforme, permite permutar
los símbolos de integral y límite y de integral y sumatoria infinita (serie).
Demostración:
Sea f(x)= { ( )}. La hipótesis de convergencia uniforme nos dice que dado
existe un n0 tal que para todo se cumple:
88
Así pues, si tenemos:
|∫ ( ) ∫ ( ) | |∫ [ ( ) ( )] | ∫ | ( ) ( )|
∫ ( )
∫ ( ) ∫ ( )
Ejemplo 3.3
Calcular ∫ ( )
Solución:
( ) ( )
∫ ( ) ∫ ( )
Haciendo cuentas:
( ) ( ) ( )
Puesto que x [ ]
( ) ( ) =0
Se llega a que:
en [ ] y ( )
89
Como | | en [ ] se tiene que:
| | ( )
| ( ) ( )| | ( )| | ( )| [ ]
∫ ( ) ∫
Observación: este teorema nos dice que, bajo las hipótesis hechas, podemos permutar los
símbolos de derivada y de límite:
( )
Demostración:
Sabiendo que las funciones fn tienen derivada primera continua en I y fijando un punto c I,
tenemos que por el teorema fundamental del cálculo:
( ) ( ) ∫ ( )
Tomando límites a ambos lados de la igualdad anterior y haciendo uso de la hipótesis del
teorema y del resultado del teorema 3.4, deducimos que:
( ) ( ( ) ∫ ( ) )= ( ) ∫ () ( )
∫ () = ( ) ∫ ()
( ) ( ) ∫ ( )
Una nueva aplicación del teorema fundamental del cálculo nos dice ahora que:
90
f’(x) = g(x) para todo x I.
Ejemplo 3.4
( )
Estudiar la convergencia uniforme de ( ) en (0,e)
Solución:
( )
En x = 1 la sucesión converge, pues ( )
( )
Las funciones ( ) son derivables en (0,e) y la sucesión de funciones
derivadas es ( ) ( )
Si x = 0, fn’ (0) = 0 | |
Si x > 0, | |
| ( ) | | | [ ).
91
cual existe la solución, no tiene un real interés y no es complicado extender la demostración
para construir una solución maximal. Lo realmente importante es demostrar que existe un cierto
intervalo en donde la solución es única. En lo que sigue, formalizaremos estas cuestiones.
Teorema 3.6 (Existencia y unicidad local para una ecuación de primer orden)
Es necesario encontrar un enfoque indirecto que establezca la existencia de una solución de las
ecuaciones, pero que por lo general no proporcione un medio práctico para hallarla. La clave de
este método es, como veremos, la construcción de una sucesión de funciones que converja a una
función límite que satisfaga el problema con valor inicial, aun cuando los miembros por
separado de la sucesión no lo hagan. Como regla, es imposible calcular explícitamente más de
unos cuantos miembros de la sucesión; por lo tanto, la función límite sólo puede encontrarse en
forma explícita en casos raros. Pero dadas las restricciones sobre f(x,y), es posible demostrar que
la sucesión en cuestión converge y que la función límite tiene las propiedades deseadas.
Nótese que se podría considerar el problema en el que el punto (x0,y0) es el origen; es decir:
Si se da algún otro punto inicial, entonces siempre es posible hacer un cambio preliminar de
variable, correspondiente a una traslación de los ejes de coordenadas que lleve el punto (x0,y0) al
origen. En concreto, se pueden introducir las nuevas variables dependientes e independientes w
y v, respectivamente, definidas por las ecuaciones:
w = y - y0
v = x - x0
Teorema 3.7
( ) ∫ [ ( )] (3.4)
92
Demostración:
Para probar el directo, debe probarse que toda función que verifica el problema de valores
iniciales (3.1), también verifica la ecuación integral de la tesis.
Si por un momento se supone que existe una función ( ), definida en un cierto intervalo I,
que satisface el problema con valor inicial, entonces [ ( )] es una función continua sólo de
x. De donde, es posible integrar la ecuación (3.1a) desde el punto inicial x = x0 hasta un valor
arbitrario de x, con lo que se obtiene:
∫ ( ) ∫ [ ( )]
O, equivalentemente:
( ) ( ) ∫ [ ( )]
( ) ∫ [ ( )]
Para probar el recíproco, debe probarse que toda función que verifica la ecuación integral,
también verifica el problema de valores iniciales (3.1). Sea la función u definida en un intervalo
I que satisface la ecuación integral (3.4). Si hacemos x = x0, tenemos que la última ecuación se
reduce a:
( )
u’= f(x,u(x))
Nótese que la ecuación integral no es una fórmula para la solución del problema con valor
inicial, sino que proporciona otra relación que satisface cualquier solución del problema (3.1).
Por lo tanto, el problema con valor inicial y la ecuación integral son equivalentes en el sentido
de que cualquier solución de uno de ellos también será una solución del otro. Resulta más
conveniente demostrar que existe una solución única de la ecuación integral en cierto intervalo
| | . Entonces, el mismo resultado se cumplirá para el problema con valor inicial.
93
Construcción de la solución
Un método para demostrar que la ecuación integral (3.4) tiene una solución única se conoce
como método de aproximaciones sucesivas, o método de iteraciones de Picard, en honor a su
autor. Al aplicar este método se empieza por elegir una función inicial , arbitrariamente o
aproximando de alguna manera la solución del problema con valor inicial. Si consideramos la
condición inicial definida en el origen, la selección más sencilla es ( ) . Entonces
satisface por lo menos la condición inicial (3.2b), aunque quizás no la ecuación diferencial
(3.2a). La siguiente aproximación se obtiene al sustituir ( ) por ( ) en el segundo miembro
de la ecuación (3.4) y llamar ( ) al resultado de esta operación. Por lo tanto:
( ) ∫ [ ( )]
( ) ∫ [ ( )]
y en general:
( ) ∫ [ ( )]
A fin de demostrar el teorema (3.6) es necesario dar respuesta a cuatro preguntas primordiales:
En primer lugar, se demostrará cómo pueden contestarse estas preguntas mediante un ejemplo
específico y relativamente sencillo, y luego pasaremos a realizar la demostración en el caso
general.
94
Ejemplo 3.5
( ), y(0) = 0 (3.5)
Para resolver este problema por el método de aproximaciones sucesivas, primero se observa
que si ( ), entonces la ecuación integral correspondiente es:
( ) ∫ [ ( )] (3.6)
( ) ∫ [ ( )] ∫
De modo semejante:
( ) ∫ [ ( )] ∫ [ ]
y:
( ) ∫ [ ( )] ∫ [ ]
( ) (*)
Para cada y este resultado puede establecerse por inducción matemática. Resulta evidente
que la ecuación (*) es verdadera para n = 1 y es necesario demostrar que si es cierta para n = k,
entonces también se cumple para n = k + 1. Se tiene que:
( ) ∫ [ ( )]
∫ ( ) ( )
∑ (3.7)
95
| |
( )
Por lo tanto, la serie (3.7) converge para todo x, y su suma ( ) es el límite de la sucesión
{ ( )}.
Además, como la serie (3.7) es una serie de Taylor, es posible derivarla o integrarla término a
término, siempre que x permanezca dentro del intervalo de convergencia, que en este caso es
todo el eje x. Por lo tanto, es posible verificar por cálculo directo que ( ) ∑ es
una solución de la ecuación integral (3.6). De manera alternativa, al sustituir y por ( ) en la
ecuación (3.5) puede verificarse que esta función también satisface el problema con valor
inicial.
Por último, para abordar la cuestión de la unicidad, supóngase que el problema con valor inicial
tiene dos soluciones y .
Dado que y satisfacen la ecuación integral (3.6), al restarlas se obtiene que:
( ) ( ) ∫ [ ( ) ( )]
Recordamos ahora una propiedad de la integral con respecto al valor absoluto, vista en el curso
de Análisis I (Mat 01):
b b
a
f f
a
| ( ) ( )| |∫ [ ( ) ( )] | ∫ | [ ( ) ( )]|
| ( ) ( )| ∫ | ( ) ( )| (3.8)
( ) ∫ | ( ) ( )|
U(0) = 0 (3.9)
( )
96
( ) ( )
( ( ) ( ))
[ ( )]
Luego, al integrar la última ecuación desde cero hasta x y aplicar la ecuación (3.9) se obtiene:
( )
Regresaremos ahora a la demostración del teorema 3.6 de existencia y unicidad. El punto clave
de la hipótesis del teorema es el requisito de que f tenga una derivada parcial continua con
respecto a y. Sin embargo, siendo precisos, se puede decir que estrictamente este requisito no se
emplea en la demostración del teorema, sino una consecuencia más simple del mismo. Esta
consecuencia se enuncia en el siguiente teorema.
Bajo las hipótesis del teorema 3.6, K > 0 tal que para todo par de puntos (x,y1), (x,y2) del
rectángulo R se cumple que:
f ( x, y1) f ( x, y 2) K y1 y 2
Demostración:
Sean (x,y1) y (x,y2) R, dos puntos con la misma abscisa. Al aplicar el teorema del valor medio
del cálculo diferencial, considerando a f como función solamente de y, sabemos que y3
(y2,y1) tal que:
97
f ( x, y 3)
f ( x, y1) f ( x, y 2) ( y1 y 2)
y
f ( x, y 3) f ( x, y 3)
f ( x, y1) f ( x, y 2) ( y1 y 2) ( y1 y 2) (3.10)
y y
Por hipótesis, R es un rectángulo en el plano por lo que es cerrado y acotado y df/dy es continua
en R. Entonces, por el teorema de valor extremo (o de Weierstrass), df/dy posee máximo y
mínimo en R, es decir, está acotada en R. Esto significa que existe K > 0 tal que ( x, y) R
se cumple:
f ( x, y )
K
y
f ( x, y1) f ( x, y 2) K y1 y 2
Sea d un número real que verifica 0 < d < 1/K, con K una constante positiva de Lipschitz para la
función f de la ecuación diferencial y’= f(x,y). Si u y v son soluciones de y’= f(x,y) definidas en
el intervalo I: | | , y además, u(x0) = v(x0) entonces u = v.
98
En caso que se tengan dos funciones u y v continuas en I, su diferencia también será continua en
I y también tendrá norma, la cual se calcula como:
Recordando propiedades de norma vistas en el curso de Álgebra Lineal (Mat 03), sabemos que
la norma es siempre un número real no negativo que vale cero solamente cuando la función es
idénticamente nula.
Demostración:
( ) ∫ [ ( )]
( ) ∫ [ ( )]
x I.
( ) ( ) ∫ [ ( )] -∫ [ ( )] =∫ ( [ ( )] - [ ( )])
| ( ) ( )| |∫ ( [ ( )] - [ ( )]) | (3.11)
|∫ ( [ ( )] - [ ( )]) | ∫ | [ ( )] - [ ( )]|
| ( ) ( )| ∫ | [ ( )] – [ ( )]|
Lo cual es equivalente a:
| ( ) ( )| |∫ | [ ( )] - [ ( )]| | (3.12)
Notar que la aplicación de valor absoluto al miembro derecho de la última desigualdad no altera
la misma, puesto que el resultado de la integral ya es un número positivo.
Por hipótesis, los puntos ( ( )) y ( ( )) pertenecen al rectángulo R, para s I. Luego,
por el teorema 3.8, se cumple la condición de Lipschitz:
99
f (s, u(s)) f (s, v(s)) K u(s) v(s)
Sustituyendo en (3.12):
| ( ) ( )| | ∫ K u ( s ) v( s ) |
| ∫ K u ( s ) v( s ) | | ∫ K || u v || |
|∫ K || u v || | K || u v || | |
|| ||| | || ||
| ( ) ( )| || ||
Ahora bien, esta desigualdad se cumple x I por lo que también se cumple que:
(| ( ) ( )|) || ||
Es decir que:
|| || || ||
Llegamos a un absurdo que contradice la hipótesis del teorema (d < 1/K). Luego:
|| || u=v
De esta manera, probamos que, de existir una solución de la ecuación (3.1), definida en un
intervalo suficientemente pequeño que contenga a x0, y que tome el valor y0 para x = x0, esa
solución es única. Nos queda ahora demostrar la existencia de solución, hecho que fue asumido
al demostrar la unicidad.
100
La prueba de la existencia consiste en demostrar que la sucesión { } que se obtiene aplicando
las iteraciones de Picard, converge a una función u y que esta función verifica la ecuación
integral (3.4):
( ) ∫ [ ( )]
Está claro que la función que satisface la ecuación integral debe ser continua. Sin embargo,
aun cuando cada miembro de la sucesión { } sea continuo, esto no asegura la continuidad de
En efecto, algunas veces una sucesión de funciones continuas converge a una función límite
discontinua (ver ejemplo 3.1). Por lo visto en la sección 3.1, para asegurar la continuidad de ,
la sucesión { } debe de converger uniformemente a .
En el ejemplo 3.5, f y df/dy resultaron ser continuas en todo el plano xy y cada miembro de la
sucesión { } pudo calcularse explícitamente. En contraste, en el caso general se supone que f y
df/dy son sólo continuas en el rectángulo R:| | ,| | . Además, como regla,
los miembros de la sucesión no pueden determinarse explícitamente.
El peligro es que en alguna etapa del procedimiento, por ejemplo para n = k, la gráfica de
( ) puede contener puntos que estén fuera del rectángulo R. De donde, en la siguiente
etapa (en el cálculo de ( )) sería necesario evaluar f en puntos en los que se ignora si f es
continua e incluso si existe. En esta situación, el cálculo de ( ) sería imposible.
Por lo tanto, lo primero que se debe demostrar es que todas las funciones definidas en la
construcción de la sucesión { } son continuas y tienen sus gráficas dentro del rectángulo R.
Para lograr este objetivo, será necesario restringir x a un intervalo más pequeño que | |
. Para encontrar ese intervalo se aplica nuevamente el resultado del teorema de Weierstrass, es
decir que una función continua en un conjunto cerrado y acotado es acotada. De donde, f es
acotada sobre R y por tanto, existe un número positivo M tal que:
| ( )| ( ) (3.13)
101
Con esta condición inicial, la gráfica de ( ) contiene el punto (0,0) y puesto que
[ ( )] = ( ) entonces, por (3.13), el valor absoluto máximo de la pendiente de la
gráfica es igual a M. Estas dos observaciones significan que la gráfica de ( ) debe
estar en la región con forma de cuña de la figura 3.3. Esto es más fácil de entender si se recuerda
la definición de pendiente de una recta, en este caso, la recta tangente a la gráfica de la solución
en cada iteración. Por lo que se dedujo recién, la recta tangente a la solución tendrá una
ecuación del tipo y = cx, con c , la pendiente de la recta. Si tomamos el caso c = M,
entonces el valor absoluto máximo permitido de x será b/M que se verificará para | | = b.
La restricción sobre la gráfica de ( ) supone, a su vez, que el punto [ ( )]
permanece en R por lo menos en tanto que R contenga la región en forma de cuña, lo cual se
cumple, como recién vimos, para | | . Por lo tanto, de aquí en adelante, sólo se
considerará el rectángulo R:| | | | , en donde d es igual a a o a b/M, el
que sea menor de ambos. Con esta restricción, todos los miembros de la sucesión { ( )}
existen.
Figura 3.3. Región en la que se encuentran las iteraciones sucesivas de Picard. a) b/M <
a; b) b/M > a. En sombreado, la región en forma de cuña que contiene las gráficas de las
soluciones de las sucesivas iteraciones.
Teorema 3.10
Sea d un número positivo que verifica d a o d b/M (M definido según (3.13)). Sea u una
función continua, solución de y’= f(x,y), definida en el intervalo I: | | y tal que la
|
gráfica de u esté incluida en R, es decir ( ) | .
Entonces la función ̅ definida en I como:
̅( ) ∫ [ ( )] (3.14)
Demostración:
Por lo ya visto en la demostración del teorema 3.7, está claro que ̅ es continua y además, su
derivada, ̅ ( ) ( ( )) también es continua. A partir de (3.14) se deduce que:
̅( )
102
̅( ) ∫ [ ( )]
| ̅( ) | |∫ | [ ( )]| |
|∫ | [ ( )]| | |∫ |
|∫ | | |
| |
| ̅( ) |
Sea d un número positivo que verifica d a o d b/M (M definido según (3.13)) y d < 1/K,
con K una constante de Lipschitz positiva para la función f de la ecuación y’= f(x,y). Sea u0 una
función continua, solución de y’= f(x,y), definida en el intervalo I: | | y tal que
| ( ) | .
Entonces la sucesión { } definida en I como:
( ) ∫ [ ( )]
( ) ∫ [ ( )]
103
Demostración:
( ) ∫ [ ( )]
( ) ∫ [ ( )]
( ) ( ) ∫ [ ( )] -∫ [ ( )] =
∫ ( [ ( )] [ ( )]) (3.15)
|∫ ( [ ( )] [ ( )]) | ∫ | [ ( )] [ ( )]|
| [ ( )] [ ( )]| | ( ) ( )|
| ( ) ( )| |∫ | ( ) ( )| |
A su vez, por consideraciones análogas a las vistas en la demostración del teorema 3.9:
|∫ | ( ) ( )| | | ∫ || || | || || | | |
|| || | | || ||
| ( ) ( )| || ||
|| || || || (3.16)
104
Sea c = Kd. Como d < 1/K c < 1.
|| || || ||
|| || || || || ||
|| || || || n 1
( ) ( )+( ) …. + ( )
|| || || || || || || ||
|| || || || || || || || =
( )|| ||
Notar que la suma entre paréntesis en el último término de la expresión anterior corresponde a
los primeros k – 1 términos de la serie geométrica c
n 0
n
. De lo visto en el curso de Análisis II
1
(Mat 04) se sabe que dicha serie converge cuando |c| < 1, que es el caso que nos ocupa, a .
1 c
Así, podemos asegurar que la suma de los primeros k – 1 términos de la serie será menor o igual
al valor de convergencia, con lo cual.
( )|| || || ||
|| || || ||
105
Como c < 1 . Y por lo tanto || || cuando Por lo
visto en la sección 3.1, esto significa que la sucesión { } converge uniformemente a una
función u.
Resta demostrar que la expresión de u es la que establece la hipótesis del teorema. Para esto,
comencemos planteando la siguiente igualdad:
|∫ [ ( )] -∫ [ ( )] | = |∫ ( [ ( )] - [ ( )]) |
|∫ ( [ ( )] - [ ( )]) | |∫ | ( ) ( )| | || || | |
|| ||
|∫ [ ( )] -∫ [ ( )] |
∫ [ ( )] ∫ [ ( )] (3.17)
Obsérvese que esta igualdad requiere poder intercambiar los signos de límite e integración (o
paso del límite adentro del signo de integración), cosa que no es problema en este caso porque la
sucesión { } converge uniformemente (ver sección 3.1).
( ) ∫ [ ( )]
planteando:
( ) ( ∫ [ ( )] )
( ) ∫ [ ( )]
Arribamos así al resultado provisto por la tesis del teorema, con lo cual la existencia de solución
queda demostrada.
106
Ejemplo 3.6
̇
{
( )
( ) ( ( ))
Recordemos que resolver el sistema { es equivalente a resolver la ecuación
( )
integral (3.4):
( ) ∫ ( ( ))
Entonces:
( ) ( )( ) ∫
( ) ( )( ) ∫ ( )
( ) ( )( ) ∫ ( )
Notemos que a medida que avanzamos la iteración, vamos obteniendo más y más términos del
desarrollo de la función exponencial :
( )
( ) ∑
Ejemplo 3.7
( )
107
( ) ( )( ) ∫( )( )
( ) ( )( ) ∫ ( )
( ) ( )( ) ∫ ( )
( ) ( )( ) ∫ ( )
Otra vez resulta claro que estamos generando sumas parciales de una solución en serie de
potencias. No es nada obvio cuál es la función que tiene dicha representación en serie de
potencias, pero el problema con condiciones iniciales se resuelve de inmediato mediante
separación de variables:
( )
( ) ∑
Nuevamente, queda en evidencia que, a medida que se avanza en las iteraciones de Picard, se
van obteniendo cada vez más términos de la solución.
108
4. SISTEMAS LINEALES DE ECUACIONES
DIFERENCIALES DE PRIMER ORDEN
( ) ( ) ( )
…
…
… (4.1)
( ) ( ) ( )
está estrechamente ligada con la de una sola ecuación lineal de n-ésimo orden. Para analizar el
sistema (4.1) más efectivamente, lo escribiremos en notación matricial. Esto es, consideraremos
( ) ( ) como componentes de un vector ( ); de forma semejante,
( ) ( ) son componentes de un vector g(t), y ( ) ( ) son elementos de una
matriz P(t) de dimensión nxn. Entonces la ecuación (4.1) toma la forma:
( ) ( ) (4.2)
( ) (4.3)
Evidentemente, esta ecuación se obtiene de la ecuación (4.2) haciendo g(t)=0. Una vez que se
ha resuelto la ecuación homogénea, hay varios métodos que se pueden usar para resolver la
ecuación no homogénea, como se vio en el capítulo 1 para problemas con una sola ecuación.
Esto se tratará más adelante. Usaremos la notación:
( ) ( )
( )( ( ) ( )( ( )
) ( ),…, ) ( ) (4.4)
( ) ( )
( )
para designar soluciones específicas del sistema (4.3). Observar que ( ) ( ) se refiere
( )
a la i-ésima componente de la j-ésima solución ( ).
( ) ( )
Llamaremos ( ) a la matriz cuyas componentes son y denotaremos | ( )| a su
determinante.
Teorema 4.1
Si ( ) ( )
son soluciones de la ecuación (4.3) sobre el intervalo entonces, en
|
este intervalo, ( )| es idénticamente cero o nunca se anula.
109
La importancia de este teorema se basa en el hecho de que nos evita la necesidad de examinar
| ( )| en todos los puntos en el intervalo de interés y nos permite determinar si ( ) ( )
| |
( )| | (4.5)
Teorema 4.2
Sean:
( ) ( ) ( )
, ,…,
( ) ( ) ( )
( ) ( )
Además, sean las soluciones del sistema (4.3) que satisfacen las condiciones
iniciales:
( )( ( ) ( ) ( )
) ( ) (4.6)
( ) ( )
respectivamente, donde t0 es cualquier punto en . Entonces forman un
conjunto fundamental de soluciones del sistema (4.3).
110
(4.7)
En (4.7), A es una matriz constante de dimensión nxn. Por analogía con el tratamiento de las
ecuaciones lineales de segundo orden, buscaremos soluciones de la ecuación (4.7) de la forma:
(4.8)
, o bien, ( ) (4.9)
Ejemplo 4.1
( )
Solución:
( )( ) ( )
Este sistema tiene una solución no trivial si y sólo si el determinante de la matriz de coeficientes
se anula. Así, los valores permitidos de se encuentran a partir de la ecuación secular:
| | ( )
El polinomio cuadrático tiene las raíces y . Estos son los valores propios de la
matriz de los coeficientes A. Si = 3, entonces el sistema se reduce a la ecuación:
111
De donde y el vector propio correspondiente a puede tomarse, por ejemplo,
como:
( )
( )
( )
( )
( )( ) ( )( )
( ) , ( )
| |( ) | |
( )( ) ( )( ) ( ) ( )
det(A - I) = 0
La situación más sencilla se tiene cuando A es una matriz hermitiana o hermítica (matriz
cuadrada de elementos complejos que tiene la característica de ser igual a su traspuesta
conjugada). Los valores propios 1,…, n son todos reales en este caso. Además, incluso si
algunos de los valores propios están repetidos, siempre existe un conjunto completo de n
vectores propios linealmente independientes: ( ) ( )
. En consecuencia, las soluciones
correspondientes del sistema diferencial (4.7) son:
112
( )( ( ) ( ) ( )
) ( ) (4.10)
( ) ( ) ( ) ( )
( ) ( ) ( )
| ( )( )| | | | |
( ) ( ) ( ) ( )
( ) ( )
Una subclase importante de las matrices hermíticas es la clase de las matrices reales simétricas.
Es decir, si la matriz es real, la condición de matriz hermítica se reduce a ser matriz simétrica. Si
A es real y simétrica, entonces los vectores propios ( ) ( )
así como los valores propios
1,…, n son todos reales. De aquí que las soluciones serán todas de valores reales. Sin embargo,
si la matriz hermítica A no es real, entonces, en general, los vectores propios tienen partes
imaginarias diferentes de cero y las soluciones serán de valores complejos.
Ejemplo 4.2
( √ )
√
Solución:
La matriz de coeficientes es real y simétrica, de modo que podemos proceder en la forma que
acaba de describirse. Suponiendo que , se llega al sistema algebraico:
( √ )( ) ( )
√
| √ | ( )( )
√
113
( √ )( ) ( )
√
( )
De aquí que √ y el vector propio correspondiente al valor propio 1=2 puede
tomarse como:
( )
(√ )
( )
( )
√
(√ ) ( )
√
Ejemplo 4.3
( )
Solución:
( )
( )
( ) ( )
( ) ( )
( )( ) ( )( ) ( )( )
( ) ( ) ( )
114
( ) ( ) ( )
Este ejemplo recuerda el hecho que aun cuando un valor propio ( = -1) se repita, puede ser
posible encontrar dos vectores propios asociados linealmente independientes ( ) ( )
El primer caso no plantea dificultad alguna. Se va a obtener un solo vector propio real
linealmente independiente por cada valor propio y, como consecuencia, existirán n soluciones
linealmente independientes de la forma que recién vimos para una matriz simétrica. Se dice que
el sistema es diagonalizable. Por consiguiente, la solución general aún está dada por la ecuación
(4.10), donde ahora se sobreentiende que 1,…, n son todos diferentes.
Si algunos de los valores propios ocurren en parejas de complejos conjugados, entonces aún se
tienen n soluciones linealmente independientes, de la forma de (4.10), siempre que todos los
valores propios sean diferentes. Por supuesto, las soluciones que provienen de valores propios
complejos son en general complejas. Sin embargo, es posible obtener un conjunto compuesto de
soluciones de valores reales.
Se presentan dificultades más serias si un valor propio está repetido. En este caso, el número de
vectores propios correspondientes, linealmente independientes, puede ser menor que la
multiplicidad algebraica del valor propio. Si es así, el número de soluciones linealmente
independientes de la forma será menor que n. Se dice que la matriz es no diagonalizable.
Entonces, para construir un conjunto fundamental de soluciones, es necesario buscar soluciones
adicionales por otra vía. La solución es análoga a la de una ecuación lineal de n-ésimo orden
con coeficientes constantes, es decir, una raíz repetida de la ecuación característica da lugar a
soluciones de la forma cuando el sistema es no diagonalizable.
Finalmente, si A es compleja pero no hermítica, entonces los valores propios complejos no
necesariamente ocurren en parejas conjugadas y normalmente los vectores propios son de
valores complejos, aun cuando el valor propio asociado sea real. Las soluciones de la ecuación
diferencial (4.7) aún son de la forma de (4.10) siempre que los valores propios sean distintos
pero, en general, todas las soluciones son de valores complejos.
A continuación, profundizaremos un poco más los casos 2 y 3, es decir, aquellos que arrojan
valores propios complejos y repetidos, respectivamente.
115
4.1.2.1 Valores propios complejos conjugados
( )
(A – 1I) =0
Tomando el complejo conjugado de esta ecuación y observando que A e I son matrices reales,
obtenemos:
( ) ( )
( )( ) ( ) ( )( ) ( )
de la ecuación diferencial (4.7) son también complejas conjugadas entre sí. Por lo tanto,
podemos encontrar dos soluciones de valores reales correspondientes a los valores propios
complejos 1 y 2 tomando las partes reales e imaginarias de ( ) ( ) ( ) ( ).
( )( ( )
) ( ) ( ) ( )
( )
Al separar ( ) en sus partes real e imaginaria, obtenemos:
( )( ) ( ) ( )
( )( ) ( )
Si escribimos: ( ), entonces los vectores:
( ) ( )
( ) ( )
son soluciones de valores reales de la ecuación (4.7). Es posible también demostrar que u y w
son soluciones linealmente independientes.
116
Por ejemplo, supongamos que , y que 3,…, n son todos valores
propios reales y distintos. Sean los vectores propios correspondientes: ( ) , ( )
( ) ( )
. Entonces la solución general de la ecuación (4.7) es:
( ) ( )
( ) ( )
donde u(t) y w(t) están dadas por las expresiones más arriba obtenidas. Conviene hacer énfasis
en que este análisis sólo se aplica si la matriz de coeficientes A, en la ecuación (4.7), es real,
porque sólo entonces los valores y vectores propios complejos ocurren en pares conjugados.
Ejemplo 4.4
( )
Solución:
( )( ) ( )
| |
( )
( ) ( )
( ) ( )
( )( ( ) ( )( ( )
) ( ) ) ( )
Para obtener un conjunto de soluciones de valores reales, debemos encontrar las partes real e
imaginaria, ya sea de ( ) o de ( ) . En efecto:
( )
( ) ( ) ( )
117
=( ) ( )
( ) ( ) ( ) ( )
Para verificar que, en efecto, u(t) y v(t) son linealmente independientes, calculemos su
determinante:
| ( )( )| | |
( ) ( )
( ( ) ( )
Como el determinante nunca es cero, se deduce que u(t) y v(t) constituyen un conjunto
fundamental de soluciones (de valores reales) del sistema problema.
Ejemplo 4.5
( )
118
Solución:
( )( ) ( )
De esto se deduce que los valores propios de A son 1 = 2 = 2. Para este valor de , las dos
ecuaciones de la última ecuación implican que . En consecuencia, sólo se obtiene el
( ) ( ).
vector propio Por lo tanto, una solución del sistema es:
( )( ) ( )
O sea que no existe una segunda solución de la forma . Resulta natural tratar de
encontrar una segunda solución de la forma:
Para que la última ecuación se satisfaga para todo t, es necesario que los coeficientes de y
sea cada uno cero. Del término encontramos que:
=0
De donde, no existe solución distinta de cero del sistema, de la forma . Ahora bien, ya
que tenemos términos tanto en como en , además de podemos suponer que la
segunda solución debe contener también un término de la forma . En otras palabras, se
necesita suponer que:
(4.11)
donde son vectores constantes. Después de sustituir esta expresión para x en el sistema
problema, llegamos a:
( ) ( )
( )
( )
119
pensarse que la segunda ecuación no tiene solución; sin embargo, esto no necesariamente es
cierto. De hecho, la matriz ampliada de esta ecuación es:
( | )
Si se escribe:
( ) ( ) ( )
( ) ( ) ( )
( )( ) ( ) ( )
( )( ) ( )( ) ( ) [( ) ( ) ]
A partir de este ejemplo, resulta evidente una diferencia entre un sistema de dos ecuaciones de
primer orden y una sola ecuación de segundo orden. Recordemos que para una ecuación lineal
de segundo orden, con una raíz repetida 1 de la ecuación característica, no se requiere un
término en la segunda solución, ya que es un múltiplo de la primera solución.
Por otra parte, para un sistema de dos ecuaciones de primer orden, el término con 1=2 no
es múltiplo de la primera solución a menos que sea proporcional al vector propio
asociado con el valor propio 1.
En virtud de que casi nunca es así, es necesario retener el término .
El procedimiento visto en este ejemplo, puede aplicarse en el caso general. Efectivamente,
considerar nuevamente el sistema del ejemplo y suponer que = es un valor propio doble de
A, pero que sólo existe un vector propio linealmente independiente , asociado a . Entonces
una primera solución similar a la vista recién es:
( )( )
120
donde satisface ( )
( )( )
( )
( )( ) ( ) ( )( ) ( ) ( )( ) ( )
Suponer ahora que existe un solo vector propio linealmente independiente asociado al valor
propio triple = . Entonces la primera solución está dada por ( ) ( ) una segunda
( )( )
solución por y una tercera solución va a ser de la forma:
( )( )
( )
( )( ( ) ( )( ( )
) )
( )
Una tercera solución es de la forma: ( )
( )
121
tenga solución. Si escribimos:
( ) ( )
Supongamos que ( ) ( ) ( ) ( ) ( )( )
son soluciones L.I., sobre algún intervalo abierto,
del sistema homogéneo de n ecuaciones lineales. Entonces, a la matriz de dimensión
nxn vista al principio del capítulo:
( ) ( ) ( )
( ) ( ) ( )
( ) [ ]
( ) ( ) ( )
( ) ( )( ) ( )( ) ( )
( )
del sistema:
( ) ( ) (4.12)
donde
[ ]
122
Con el fin de que la solución X(t) satisfaga la condición inicial X(a)=b donde los componentes
de b: son conocidos, bastará con que el vector de coeficientes c de la ecuación
satisfaga: ( ) ; es decir:
( ) (4.13)
Cuando sustituimos (4.13) en (4.12) llegamos directamente a la tesis del teorema siguiente.
Sea ( ) una matriz fundamental para el sistema lineal homogéneo sobre un intervalo
abierto que contiene el punto t = a. Entonces la solución (única) del PVI:
( ) ( )
Ejemplo 4.6
y usarla para obtener la solución del sistema que satisfaga las condiciones iniciales x(0)=1,
y(0)=-1
Solución:
[ ]
| | | | ( )( )
Para =5, calculamos los vectores propios. En este caso, resolviendo el sistema mediante el
método de escalerización:
-F1
[ ] [ ] -3F1+F2 [ ][ ] [ ]
{( ) }
123
Una base del mismo es:
{( )} ( ) ( )
F1/6
[ ] [ ] -3F1+F2 [ ][ ] [ ]
{( ) }
b
{( )} ( ) ( )
Así:
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) [ ]
Según lo visto recién, para hallar la solución del PVI, tenemos que a = 0. Entonces:
( ) [ ] | ( )| = -6-1=-7
( ) [ ]
Y su transpuesta:
( ( ) ) [ ]
Así que (recordando nociones básicas vistas en el curso de Álgebra Lineal (Mat 03)) la matriz
inversa de ( ) es:
( ) [ ]
124
Por la fórmula (4.14), la solución es:
( ) [ ][ ][ ] [ ]
Las soluciones del PVI con condiciones iniciales están dadas por:
( )
( )
Vamos a ver ahora que la denominada exponencial de una matriz (también llamada matriz
exponencial): ( ) es una solución matricial de la ecuación diferencial matricial
con una matriz de coeficientes A de nxn.
Recordando conceptos sobre polinomios de Taylor, la exponencial de un número z se puede
definir por medio de la serie exponencial:
(4.15)
∑ (∑ )
Ejemplo 4.7
[ ]
En este caso particular en el que tenemos una matriz diagonal, se cumple que [ ]
por cada número entero .
Calculamos el exponencial de la matriz A a partir de la ecuación (4.15):
125
[ ] [ ]
[ ] [ ]
El análogo nxn del resultado 2x2 se establece en la misma forma. Esto es, la exponencial de una
matriz diagonal D de nxn:
[ ]
es:
[ ]
b) ( )
c) Si entonces
d) es no singular (su determinante es distinto de cero) para cada matriz A de nxn (análogo al
hecho de que para todo valor real de t)
Si el determinante de es distinto de cero, se deduce que su rango es completo y por ende, los
vectores columna de siempre son linealmente independientes.
(4.16)
126
Soluciones por medio de exponenciales de matrices
( ) ( )
O sea:
( )
( )
Si A es una matriz de nxn, entonces la solución (única) del problema con condición inicial:
( )
[ ] y [ ] (4.17)
127
Recordamos ahora que, al ser A diagonalizable, se cumple la siguiente igualdad:
( ) ( )
Donde [ ]
( ) ( ) ( )
( ) ( ) [ ( ) ( ) ]
En conclusión:
[ ] (4.18)
Ejemplo 4.8
128
Solución:
[ ] y [ ]
De este modo: [ ]y [ ]
Calculando [ ]
( ) [ ][ ][ ] [ ][ ]
( ) [ ]
Nótese que los vectores columna x(1)(t) y x(2)(t) de la matriz fundamental ( ) satisfacen las
condiciones iniciales:
( ) ( )(
( ) [ ] ) [ ]
( ) ( )
La solución general ( ) ( ) es:
( ) ( )
( ) [ ]
( ) ( )
Qué ocurre en el caso que la matriz A del sistema no es diagonalizable? El siguiente ejemplo
nos ilustra al respecto.
Ejemplo 4.9
[ ]
Solución:
129
Es inmediato que la matriz A de coeficientes 2x2 sólo tiene un valor propio repetido y el
vector propio asociado [ ]. De modo que el último teorema visto no se aplica para el
cálculo de .
Notemos que A=2I +B con [ ]
( )
Ahora [ ] por ser 2It una matriz diagonal y por multiplicación directa, de
forma que se deduce de la serie en (4.16) que:
[ ]
( ) [ ][ ] [ ]
Nota: la relativa facilidad para calcular se debió a la forma particular (triangular superior)
de la matriz A y a su dimensión (2x2). Para una matriz general A de nxn que no tenga un
conjunto completo de n vectores propios LI, el cálculo de la matriz exponencial puede ser una
tarea complicada, relacionada con las formas canónicas de las matrices, que se estudian en
Álgebra lineal avanzada.
( ) (4.19)
(4.20)
130
( ) ( ) ( ) (4.21)
( ) ( ) ( ) (4.22)
( ) ∫ ( ) (4.23)
donde las cj son constantes arbitrarias. Por último, la solución x de la ecuación (4.19) se obtiene
de la ecuación (4.20). Cuando el segundo término del segundo miembro de (4.23) se multiplica
por la matriz P, se obtiene la solución general de la ecuación homogénea X’=AX, mientras que
el primer término del segundo miembro de (4.23) produce una solución particular del sistema no
homogéneo (4.19). Así que, este procedimiento también puede aplicarse para resolver el sistema
homogéneo correspondiente.
Ejemplo 4.10
( ) ( ) ( ) t 0
Solución:
Un cálculo rápido demuestra que los valores propios de la matriz A de coeficientes son: 1= 0y
2= -5, y que los vectores propios correspondientes son:
( ) ( )
( ) ( )
( ) ( )
√ √
131
( ) ( ) ( )
√
De donde:
( ) ( ) e ( )
√ √ √
Finalmente ( ) ( ) ( ) ( ) ( )
Los dos últimos términos de la solución encontrada corresponden a la solución general del
sistema homogéneo correspondiente. Los tres primeros términos son una solución particular del
sistema no homogéneo dado.
Una segunda manera de hallar una solución particular del sistema no homogéneo del ejemplo es
el método de los coeficientes indeterminados. Recordando lo visto en el capítulo 1, este método
se basa en suponer la forma de solución con algunos o todos los coeficientes no especificados y,
a continuación, se busca determinar estos coeficientes de modo que se satisfaga la ecuación
diferencial. En el aspecto práctico, este método sólo es aplicable si la matriz de coeficientes P es
una matriz constante y si las componentes de g son funciones polinomiales, exponenciales o
sinusoidales, o de sumas de productos de éstas. El procedimiento para elegir la forma de la
solución es esencialmente el mismo que el dado en el capítulo 1 para ecuaciones diferenciales
lineales de segundo orden y orden superior. La diferencia más importante se ilustra en el caso de
un término no homogéneo de la forma , en donde λ es una raíz simple del polinomio
característico. En esta situación, en vez de suponer una solución de la forma , es necesario
usar , en donde a y b se determinan por sustitución en la ecuación diferencial.
Ejemplo 4.11
(E)
Solución:
En primer lugar, obtenemos la solución general del sistema homogéneo dado, como se ha visto
en detalle en ejemplos anteriores:
( )
( ) [ ] [ ] [ ]
( )
Puesto que no hay duplicación entre los términos de y los términos no homogéneos de la
ecuación (E), suponemos una solución tentativa de la forma:
( )
( ) [ ] [ ] [ ] ( )
( )
132
Sustituyendo (E1) en (E):
[ ] [ ][ ] [ ] [ ] [ ]
Cuando igualamos los coeficientes de t y los términos constantes (en las componentes x e y)
obtenemos las ecuaciones:
(E2)
(E2)
( )
( )
Ejemplo 4.12
( )
133
por lo que tendríamos seis coeficientes escalares por determinar. Aquí resultará más sencillo
aplicar el método de variación de parámetros, que explicaremos a continuación.
Consideremos ahora los problemas más generales, en los que la matriz de los coeficientes es no
constante o no diagonalizable. Sea:
( ) ( ) (4.24)
donde P(t) y g(t) son continuas sobre . Supongamos que se ha encontrado una matriz
fundamental ( ) para el sistema homogéneo correspondiente:
( ) (4.25)
Se puede usar el método de variación de parámetros o de constantes para construir una solución
particular y, a partir de ahí, la solución general del sistema no homogéneo (4.24). Ya se vio en
detalle el método en el capítulo 1 y ahora plantearemos su desarrollo para sistemas lineales.
Este método puede aplicarse a una ecuación diferencial lineal con coeficientes variables y que
no está restringido a términos no homogéneos que involucren sólo polinomios, exponenciales y
funciones sinusoidales.
Queremos encontrar una solución particular Xp del sistema lineal no homogéneo (4.24)
Partimos de la solución general del sistema homogéneo (4.25), que adopta la forma:
( ) ( ) ( ) ( )
( ) ( )
Análogamente a lo que vimos para el caso de una única ecuación diferencial, la idea es sustituir
el vector “parámetro” c con un vector variable u(t) y de esa manera buscar una solución
particular que tenga la forma:
( ) ( ) ( ) (4.26)
Lo que hay que hacer es determinar u(t) de modo que Xp satisfaga la ecuación (4.24).
( ) ( ) ( ) ( ) ( )
134
Al hacer la sustitución en la ecuación (4.20) se tiene:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
Pero ( ) ( ) ( ) porque cada vector columna de ( ) satisface el sistema homogéneo
asociado. Por lo tanto la última ecuación se reduce a:
( ) ( ) ( )
Es decir:
( ) ∫ ( ) ( )
( ) ( )∫ ( ) ( ) (4.27)
( ) ( ) ( )∫ ( ) ( )
( ) ( )∫ ( ) ( )
( ) ( ) ( ) ( )) ( )∫ ( ) ( )
para el PVI:
135
( ) ( )
X(a)=b
Como es usual, con B((I))C indicamos la matriz de cambio de base que permite calcular las
coordenadas en la base B a partir de las coordenadas en la base canónica C. La matriz inversa,
-1
B((I))C , de esta matriz es la matriz C((I))B, también una matriz cambio de base, que ahora
permite realizar el cálculo de las coordenadas XC en la base canónica de un vector X, a partir de
sus coordenadas XB en la base B, por la fórmula:
X=XC=C((I))BXB
Recordemos que las columnas de la matriz C((I))B son los vectores de la base B (o
equivalentemente, sus coordenadas en la base canónica C).
Transformemos la ecuación diferencial con esta información. Primero lo haremos de manera
directa, simplemente derivando para calcular ̇ y sustituyendo en la ecuación.
Es muy sencillo despejar X de la fórmula (4.25) que introduce el cambio de variable para
obtener:
X = (B((I))C-1) Y (4.26)
136
Dado que la matriz B((I))C-1 es constante, si derivamos esta última fórmula para calcular ̇
resulta:
̇ (B((I))C-1) ̇
Esta es una ecuación lineal, con una matriz B((I))C A (B((I))C-1) semejante a la ecuación original.
Recordemos que dos matrices A y B son semejantes si existe una matriz invertible P tal que
B=PAP-1. En nuestro caso, tenemos que P = B((I))C.
Haremos nuevamente la reducción de la ecuación lineal ̇ a la forma (4.27), esta vez
transformando el campo vectorial que el segundo miembro de la ecuación define por medio del
diferencial del cambio de variables h que introdujimos en (4.25). Para empezar notemos que h
es lineal, así que el diferencial de h en cualquier punto es el propio h. Recordemos además que
el campo vectorial de la ecuación original es f(X)=AX y que X=h-1(Y) está dado por la fórmula
(4.26). Combinando toda esta información, calculamos el campo vectorial g(Y) de la ecuación
que se obtiene haciendo el cambio de variable:
Ejemplo 4.13
( )
Nos ocuparemos tanto de encontrar una fórmula general para sus soluciones, calculando el flujo
(( ) ) para un dato inicial ( ) como de comprender la geometría asociada a este
flujo, representando detalladamente el diagrama de fases respectivo. Para estudiar la ecuación
137
utilizaremos el hecho de que A es una matriz diagonalizable y transformaremos todo el
problema a un nuevo sistema de coordenadas basado en los vectores propios de A. El polinomio
característico asociado con A es:
( ) ( )( )
cuyas raíces son . Para calcular los vectores propios buscamos los subespacios
N(A - 4I) y N(A - 2I) (N: núcleo). Una vez hecho esto resulta evidente que la base de 2:
{( )( )}
está formada por dos vectores propios de A, el primero asociado al valor propio 4 y el segundo
al valor propio 2.
Al calcular las matrices de cambio de base: B((I))C e C((I))B, que vinculan las coordenadas B con
las coordenadas respecto a la base canónica C, obtenemos:
C((I))B = ( ) -1
B((I))C = C((I))B = ( )
B((I))C A C((I))B =( )
̇
{
̇
( ( ) ( )) ( )
Para los cálculos será útil la notación matricial que usa la noción de matriz exponencial:
( )
( ) ( ) ( ) ( )( )
( )
Esta fórmula permite resolver completamente el problema original. Por otra parte, si tratamos de
resolver el PVI:
138
̇
{
( ) ( )
Y(t)= B((I))CX0
Dicha solución todavía estará expresada en las coordenadas asociadas con la base B. Para
recuperar la solución X(t) del problema original deshacemos el cambio de base, multiplicando a
la izquierda por C((I))B, de modo que la solución resulta ser:
Si sustituimos en esta fórmula las matrices con las que estamos trabajando con este ejemplo
obtenemos:
( ) ( )( )( )( )
Luego de efectuar la multiplicación entre matrices que está indicada en la expresión anterior, y
recordando el significado de la solución X(t) como solución con dato inicial (x0,y0) podemos
escribir el flujo asociado con ̇ como:
(( ) ) ( )( ) (4.30)
Es muy sencillo verificar que ésta es la solución del problema, sustituyendo en la ecuación
diferencial para ver que se satisface, y evaluando en t = 0 para ver que también se verifica la
condición inicial X(0)=X0=(x0,y0). Notemos que la matriz que aparece en la fórmula (4.30) es la
exponencial de la matriz A, ya que permite resolver el PVI multiplicándola a la derecha por la
condición inicial X0. Tenemos entonces, para la matriz A con la que estamos trabajando en este
ejemplo, que:
( )
Observación: los argumentos que nos llevaron a la fórmula (4.28) son completamente generales
y no dependen de cuáles sean las matrices A y D. Esto implica que al transformar una ecuación
diferencial ̇ en una ecuación ̇ introduciendo un cambio de variables lineal:
B((I))CX
139
X(t) = C((I))B D B((I)) C
A = C((I))B D B((I)) C
C((I))B B((I)) C
140
5. ESTABILIDAD DE SISTEMAS LINEALES DE ECUACIONES
DIFERENCIALES Y FUNCIONES DE LIAPUNOV
En este capítulo, retomaremos las cuestiones sobre la estabilidad de las soluciones para una
ecuación autónoma y el análisis geométrico (diagrama de fases), discutidas en el capítulo 2,
pero ahora extendiéndolas a los sistemas lineales (en menor medida también a los no lineales)
de dos ecuaciones diferenciales autónomas de primer orden. Estos sistemas dan lugar a las
llamadas ecuaciones autónomas en el plano o en . Seguiremos utilizando la notación
̇ ( ) (5.1) para los sistemas autónomos, pero ahora hay que pensar que la función solución
x es un elemento de y f también es una función de (o de un conjunto abierto ). En
general puede ser conveniente escribir:
̇ ( ), ( )
( ) ( ( ) ( ))
̇ ( )
{
̇ ( )
Observación: X es una función continua de t, porque es derivable. El hecho de que f sea una
función continua implica entonces que f(X(t)) depende en forma continua de t, por ser
composición de funciones continuas. Entonces, como X(t) satisface la ecuación diferencial
̇ ( ), la derivada ̇ ( ) es una función continua de t, y por tanto X(t) es una función de
clase C1. Esta observación es enteramente análoga a la realizada en el capítulo 2 para el caso de
una solución x(t) de una ecuación autónoma en .
Además, al igual que ocurría para una ecuación diferencial autónoma en , la particularidad de
un sistema autónomo de no depender explícitamente de la variable independiente t, se refleja en
las soluciones: si es una solución, entonces para todo valor a , la función ( )
( ) es otra solución.
141
Veamos también la definición de flujo para un sistema de ecuaciones autónomas en el plano, la
cual, como el vector apreciará es también enteramente análoga al caso unidimensional
presentado en el capítulo 2.
Definición (Flujo): si X(t) es la solución de (5.1) con dato inicial Xo, se define la función
( ) ( ). A esta función la llamamos flujo asociado al sistema de ecuaciones
diferenciales o simplemente flujo.
El flujo depende de la condición inicial Xo y del tiempo t. Lo que hace el flujo es sencillamente
asignarle al par (X,t) el valor en t de la solución X(t) que tiene como dato inicial a Xo.
( ) ( ( ) ( ))
( ) ( ( ) ( ))
con t I.
La gráfica de dicha solución es la curva x = u(t), y = v(t) en el espacio (t,x,y). De manera similar
a lo que ocurría para el caso de una ecuación diferencial en , se va a cumplir que la tangente a
la curva x = u(t), y = v(t) en cada uno de sus puntos es la recta asignada al punto por (5.1). Por
tanto, el sistema (5.1) constituye un campo lineal de direcciones o pendientes en el espacio
(t,x,y) y la gráfica de cualquiera de sus soluciones, en particular u y v, será tangente al campo de
direcciones en cada uno de sus puntos.
142
( )
( )
siendo (u(t), v(t)) una solución de la ecuación (5.1). De acuerdo a esto, una trayectoria es una
curva en el plano (x,y) que admite una representación paramétrica que es solución de (5.1).
Una forma sencilla de visualizar una trayectoria u órbita es considerar a la misma como la
proyección de la gráfica de la solución (descrita en el espacio (t,x,y)) sobre el plano (x,y). Esto
quedará más claro con el siguiente ejemplo.
Ejemplo 5.1
Sea el sistema:
Podemos resolver el sistema lineal para obtener la solución X(t) = (x(t), y(t)), aplicando la
teoría matricial vista en el capítulo anterior. Alternativamente, el sistema se puede
describir mediante la ecuación de segundo orden equivalente:
̈ +x=0
Esta ecuación representa una forma simplificada de la conocida ecuación diferencial para el
oscilador armónico (masa unida a un resorte), que el lector seguramente ya vio en cursos de
Física anteriores:
m ̈ + kx = 0
Observación: este ejemplo nos muestra que una ecuación diferencial de segundo orden de la
forma ̈ ( ̇ ) es equivalente al sistema de primer orden:
̇
̇ ( )
que resulta ser autónomo si el tiempo t no aparece explícitamente en la ecuación original. Esta
transformación puede extenderse y generalizarse para reducir una ecuación diferencial de orden
n a un sistema de primer orden con n variables dependientes.
143
trayectoria (proyección) de la primera solución es el punto (0,0) y la trayectoria de la segunda
solución es la circunferencia x2 + y2 = 1 (recordar que sen2x + cos2x = 1).
Si ahora consideramos la solución que cumple que X() = (0,1), la misma vendrá dada por X(t)
= (sen(t-, cos(t-). La gráfica de esta solución va a ser una traslación en el eje t de la hélice
de la segunda solución mientras que la trayectoria que describe es la misma circunferencia. La
diferencia es que los puntos de esta circunferencia son generados en distintos valores de t que
los puntos de la circunferencia anterior.
Por lo tanto, existen soluciones distintas que dan lugar a la misma órbita debido a que dichas
soluciones adoptan valores iguales pero en distintos instantes de tiempo t. Estas soluciones se
denominan “trasladadas” puesto que están trasladadas con respecto al eje t. De esta forma, las
órbitas pueden ser miradas como “tipos de soluciones esencialmente iguales”.
Figura 5.1. Curvas solución (izquierda) y trayectorias (derecha) del sistema de ecuaciones del
ejemplo 5.1. En el caso de la circunferencia, la flecha orienta la órbita, indicando el sentido en
el que se la recorre (ver más adelante).
| ( ) | | ( ) |
144
| ( ) | | ( ) | para todo .
Vemos nuevamente que las nociones de punto crítico, solución estacionaria y estabilidad son
análogas al caso unidimensional.
2
5.1.4 Diagrama de fases de un sistema autónomo en
Ejemplo 5.2
̇
{ (E)
̇
Solución:
Podríamos resolver el problema aplicando alguno de los métodos vistos en el capítulo 4. Pero en
este caso de un sistema de ecuaciones no ligadas, es evidente que el problema de valores
iniciales que estamos considerando es equivalente al par de problemas escalares:
̇ ̇
{ ( ) {
( )
145
Por lo tanto, es inmediato que su solución es:
x(t) = x0 , y(t) = y0
2
que escrita en forma de vector de es:
(x(t),y(t))=(x0 y0 )
En consecuencia, el flujo que corresponde al sistema de ecuaciones (E) es (ver Figura 5.2):
(( ) ) ( )
Más interesante que obtener una forma para el flujo asociado con la ecuación, es conseguir una
buena representación gráfica del conjunto de sus soluciones, es decir el diagrama de fases. Por
supuesto, la fórmula del flujo es un insumo útil para esta tarea, pero puede obtenerse mucha
información interesante sin resolver la ecuación, a saber:
146
eje y. Con los mismos argumentos, se ve rápidamente que x(t) crece en el primer y
cuarto cuadrante y decrece en el segundo y tercero. En tanto que y(t) crece en el primer
y segundo cuadrante, y decrece en el tercero y el cuarto.
Si consideramos los valores de a=2 y b=1, tenemos que (x(t),y(t))=(x0 y0 ) y el
resto de las órbitas estará contenido en curvas de la forma x = ky2. El diagrama de fases
se representa en la figura 5.3.
Figura 5.3. Diagrama de fases para el sistema del ejemplo 5.2 (a=2, b=1).
Cuando el punto crítico (0,0) es inestable. Esto es muy fácil de ver en este caso,
porque cualquier solución (x(t),y(t)) de la ecuación que no sea la solución estacionaria (0,0) se
va al infinito cuando t , en el sentido de que:
‖ ( ) ( )‖
Por lo tanto, independientemente de lo cerca de (0,0) que esté su condición inicial (x(0),y(0)) la
solución se escapa de cualquier entorno de (0,0), lo que implica la inestabilidad de este punto
crítico. El escenario opuesto se va a verificar cuando puesto que cualquier
solución (x(t),y(t)) de la ecuación que no sea la solución estacionaria, va a tender a dicha
solución cuando t en el sentido de que:
‖ ( ) ( )‖
Ejemplo 5.3
( )
Si el lector recuerda, este sistema es el del ejemplo 4.13 y fue resuelto al final del capítulo 4.
Aquí vamos a usar las soluciones encontradas para construir el diagrama de fases. Una forma de
hacer este trabajo es lo que hicimos en el ejemplo anterior, es decir, proyectar en el plano (x,y)
las curvas parametrizadas que se obtienen de la fórmula (4.30) para las soluciones:
147
(( ) ) ( )( )
Sin embargo, existe un método alternativo, que consiste en representar en el plano (u,v) (u, v
vectores propios de A) el diagrama de fases asociado con la ecuación ̇ , donde D es la
forma diagonal asociada con A, y luego “trasladar” este dibujo al plano (x,y) mediante el
cambio:
X=C((I))BY
( ( ) ( )) ( )
Ov.
Pasemos a analizar en que se transforman todos los elementos del diagrama que aparece en la
figura al deshacer el cambio de variable lineal que nos llevó a la ecuación ̇ .
Figura 5.4. Diagrama de fases del ejemplo 5.3 en los ejes de vectores propios (u,v).
1. Notemos que al aplicar la matriz cambio de base P al vector (1,0) del plano (u,v), este se
transforma en el vector (1,1) del plano (x,y). Por lo tanto, el eje Ou se transforma en la
recta de ecuación x=y. Por lo tanto sobre la recta x=y tenemos tres órbitas: la solución
estacionaria que corresponde al punto crítico (0,0); una órbita que se aleja del origen
sobre la parte de la recta x=y que está en el primer cuadrante y una tercera órbita,
simétrica a la anterior, que está en el tercer cuadrante y también se aleja del origen.
2. Un análisis parecido puede hacerse a partir del hecho de que el vector (0,1) del plano
(u,v) se transforma en el vector (1,-1) del plano (x,y) cuando se le aplica P. Por lo tanto,
148
el eje Ov se transforma en la recta x=-y. Sobre esta recta está el origen (0,0) que es un
punto estacionario y hay dos órbitas no triviales, en los cuadrantes dos y cuatro, que se
alejan del punto crítico, de manera similar a lo que ocurre en 1).
3. El resto de las órbitas se obtienen “deformando” el dibujo que se obtuvo en el plano
(u,v). En particular, todas ellas salen del origen en forma tangente a la recta y=-x y
tienen en el infinito una dirección asintótica paralela a y=x.
Con esta información ya tenemos suficiente para representar el diagrama de fases asociado con
la ecuación, que es el que aparece en la figura 5.5.
Puede ser útil además contrastar la información que se obtiene deformando el plano de fases de
la ecuación en su forma diagonal con el análisis de los signos de ̇ ̇ . La ecuación matricial
del sistema indica que:
̇ ̇
Entonces deducimos que sobre la línea y=-3x se anula ̇ y que esta derivada ̇ debe cambiar de
signo cuando la órbita x(t) atraviesa la recta de la ecuación y=-3x. En concreto, x(t) es creciente
mientras y -3x y decreciente cuando y -3x. Consideraciones análogas valen para ̇ y la recta
x=-3y: y es creciente en el semiplano x -3y y decreciente en el semiplano x -3y. Cuando una
órbita atraviesa esta recta cambia el crecimiento de su componente según el eje y, porque
cambia el signo de ̇ .
Figura 5.5. Diagrama de fases del ejemplo 5.3 en los ejes canónicos (x,y).
149
seguidas por dilataciones o contracciones a partir de rectas que pasan por el origen. Todos estos
cambios no alteran la geometría intrínseca del diagrama de fases.
(5.2)
( ) (5.3)
Por lo tanto, debe ser un valor propio y ν un vector propio correspondiente de la matriz de
coeficientes A. Como ya se ha visto, los valores propios son raíces de la ecuación polinomial:
( ) (5.4)
De manera semejante, para el sistema (5.2), los puntos críticos son puntos solución del sistema
homogéneo Ax = 0. Dado que también en estos puntos dx/dt = 0, los mismos corresponden a
soluciones constantes o soluciones de equilibrio de la ecuación diferencial (5.2).
Supondremos de ahora en más que A es no singular, o bien que A es invertible y, por lo tanto,
que . Como el lector vio en el curso de Álgebra Lineal (Mat 03), esto supone que los
valores propios serán siempre diferentes de cero. Esta restricción sobre A, en la práctica,
significa que x = (0,0) (el origen) es el único punto crítico del sistema (5.2), en vez de tener
infinitas soluciones. Esta será la situación para cualquier sistema lineal homogéneo con
coeficientes constantes. En el caso general, no se requerirá la existencia de un solo punto crítico
(el origen u otro) pero sí que los puntos críticos existentes sean aislados. Esto significa que se
puede definir una bola con centro en el punto crítico de forma que no exista otro punto crítico en
dicha bola. Esta hipótesis excluye casos triviales o absurdos, sin interés físico y matemático.
150
Caso 1: Valores propios reales y desiguales del mismo signo ( )
( ) ( )
(5.5)
en donde son ambos positivos o ambos negativos. Supóngase en primer lugar que y
que los vectores propios ( ) ( )
son como se indica en la figura 1a. En este caso x1 y x2
decrecen exponencialmente como funciones de t. Por la ecuación (5.5), se sigue que
( ) , sin importar los valores de ; en otras palabras, todas las
soluciones tienden al punto crítico en el origen cuando . Si la solución parte de un punto
inicial de la recta que pasa por ( ) , entonces . Como consecuencia, la solución
( )
permanece sobre la recta que pasa por , para todo t, y se aproxima al origen cuando .
( )
De manera semejante, si el punto inicial está sobre la recta que pasa por , entonces y
la solución se aproxima al origen a lo largo de esa recta. En la situación general, es útil volver a
escribir la ecuación (5.5) en la forma:
( ) ( ) ( )
[ ]
( ) ( ) ( )
En tanto que , el término es despreciable en comparación con ,
para t suficientemente grande (recordar que ). Por tanto, cuando t , la
trayectoria no sólo se aproxima al origen, también tiende hacia la recta que pasa por ( ) De
donde, todas las soluciones se aproximan al punto crítico tangente a ( ) , excepto aquellas que
se inician exactamente sobre la recta que pasa por ( ) (cuando ). En la figura 5.6a se
muestran varias trayectorias. En la figura 5.6b se presentan algunas gráficas típicas de x1 en
función de t, ilustrando el decaimiento exponencial en el tiempo de todas las soluciones. El
comportamiento de x2 en función de t es semejante.
Este tipo de punto crítico se llama nodo, o también nodo impropio, para distinguirlo de otro tipo
de nodo que se mencionará más adelante. Si tanto 1 como 2 son positivos y ,
entonces la dirección de movimiento se aleja del punto crítico en el origen, en vez de acercarse a
éste.
𝜈
𝜈
151
En este caso x1 y x2 crecen exponencialmente como funciones de t. El resto de las
consideraciones recién hechas se mantiene.
Ejemplo 5.4
152
Caso 2: Valores propios reales y de signo opuesto ( )
( ) ( )
(5.6)
en donde y .
Suponer que los vectores propios ( ) y ( ) son como se muestra en la figura 3a. Si la solución
parte de un punto inicial de la recta que pasa por ( ), tenemos que . Como consecuencia,
( )
la solución permanece sobre la recta que pasa por para todo t y, como ,‖ ‖
( )
cuando . Si la solución parte de un punto inicial sobre la recta que pasa por , entonces
la situación es semejante: , excepto que ahora ‖ ‖ , cuando porque .
Las soluciones que parten de otros puntos iniciales siguen trayectorias como las que se muestran
en la figura 5.8a. El exponencial positivo es el término dominante en la ecuación (5.6), para
valores grandes de t, de modo que al final todas estas soluciones tienden al infinito
asintóticamente a la recta determinada por el vector propio ( ) correspondiente al valor propio
positivo . Las únicas soluciones que se aproximan al punto crítico en el origen son las que se
inician precisamente sobre la recta determinada por ( ).
En la figura 5.8b se muestran algunas gráficas típicas de x1 en función de t. Para ciertas
condiciones iniciales, la solución no cuenta con el término exponencial positivo, de modo que
cuando . Para todas las demás condiciones iniciales, el término exponencial
positivo termina por dominar y hace que x1 se vuelva no acotada. El comportamiento de x2 es
semejante. En este caso, el origen se conoce como punto silla.
𝜈 𝜈
Ejemplo 5.5
( ) ( )
153
( )( ) ( )
( )
( ) ( ) (5.7)
Al eliminar t de las dos ecuaciones, se ve que esta solución se encuentra sobre la recta
. Esta es la recta que pasa por el origen en la dirección del vector propio ( ) .
Si la solución se considera como la trayectoria de una partícula en movimiento, entonces ésta se
encuentra en el primer cuadrante cuando y en el tercero cuando . En cualquier
caso, la partícula se aleja del origen a medida que t crece. A continuación, considérese
( )
( ), o bien:
Esta solución está sobre la recta , cuya dirección está determinada por el vector
( )
propio . La solución está en el cuarto cuadrante cuando y en el segundo cuando
como muestra la figura 4. En los dos casos, la partícula se desplaza hacia el origen a
medida que t crece. La solución (5.7) es una combinación de ( ) ( ) y ( ) ( ). Para t grande, el
( ) ( )
término ( ) es dominante y el término ( ) se vuelve despreciable. Por tanto, todas
las soluciones para las que son asintóticas a la recta cuando . De manera
semejante, todas las soluciones para las que son asintóticas a la recta cuando
. En la figura 5.9 se muestran las gráficas de varias soluciones. El patrón de las
trayectorias en esta figura es típico de todos los sistemas de primer orden para los que
los valores propios son reales y de signos opuestos. Como ya vimos, el origen se llama punto
silla.
154
Ejemplo 5.6
155
Caso 3: Valores propios iguales ( )
Suponer ahora que 1 = 2 = . Se discutirá el caso en que los valores propios son negativos; si
son positivos, las trayectorias son semejantes (por ende, los planos de fase también), pero se
invierte la dirección del movimiento. Existen dos sub-casos, dependiendo de si el valor propio
repetido tiene dos vectores propios linealmente independientes (L.I.) o solamente uno, en otras
palabras, dependiendo de que la matriz A de coeficientes del sistema sea diagonalizable o no,
respectivamente. Discutiremos ahora las dos alternativas.
( ) ( ) ( ) ( )
(x1 x2 )
en donde ( ) y ( ) son los vectores propios independientes. Por ende, la razón x2/x1 es
independiente de t, pero depende de la razón entre las componentes de ( ) y ( ), así como de
las constantes arbitrarias c2 y c1. Por lo tanto, todas las trayectorias se encuentran sobre rectas de
( )
la forma ( ) , que pasan por el origen, como se muestra en la figura 5.11a. En la figura
5.11b se muestran gráficas típicas de x1 o x2 en función de t. El comportamiento decreciente de
las soluciones supone que sus trayectorias se acercan al origen a medida que t crece.
El punto crítico se llama nodo propio.
( ) (5.8)
en donde es el único vector propio L.I. y es el vector propio generalizado asociado con el
valor propio repetido.
𝜈 𝜈
Figura 5.11. Nodo propio con dos vectores propios L.I.; . a) Plano de fases, b) x1
en función de t.
156
sobre esta recta. De manera semejante, para valores negativos grandes de t, el término
es de nuevo el dominante, de modo que, cuando , cada trayectoria es asintótica paralela
a . En el caso general, la orientación de las trayectorias depende de las posiciones relativas de
. En la figura 7a se muestra una situación posible. Para localizar las trayectorias resulta útil
escribir la solución (5.8) en la forma:
[( ) ] (5.9)
Figura 5.12. Nodo impropio con un vector propio L.I.: 1 = 2 < 0. a) Plano de fases, b) x1 en
función de t, c) Plano de fases.
157
La otra situación posible se observa en la figura 5.12c, en donde está invertida la orientación
relativa de Cuando un valor propio doble sólo tiene un vector propio independiente, el
punto crítico se conoce como nodo impropio.
Ejemplo 5.7
𝑐
( ) (5.10)
Se trata del mismo sistema del ejemplo 4.5, resuelto oportunamente en el capítulo anterior. Para
refrescar el procedimiento de resolución, se refiere al lector al citado ejemplo.
( )( ) ( )
( ) ( ) [( ) ( ) ]
Figura 5.13. a) Plano de fases del sistema del ejemplo 5.7. El origen es un nodo impropio. b)
Gráficas de x1 en función de t.
158
propios y los vectores propios. Vamos a demostrar ahora que los sistemas que tienen valores
propios se tipifican por la siguiente ecuación matricial:
( ) (5.10)
o, en forma escalar:
, (5.11)
Sea A una matriz de 2x2 con valores propios Lo que debemos demostrar es que A es
semejante a una matriz B de la forma de la de (5.10). Sea u + iv un vector propio de A, asociado
al valor propio , en donde u y v son vectores 2. Por lo que ya sabemos, esto implica
que u – iv es también vector propio de A, asociado al valor propio Puesto que u + iv y u
– iv son linealmente independientes, también lo serán u y v. Sea también la matriz P, cuyas
columnas están constituidas por u y v, en ese orden. Evidentemente que P es invertible.
Au = u – v
Av = v + u
(AP)(1) = Au
(AP)(2) = Av
En donde los superíndices (1) y (2) denotan la primera y segunda columna de la matriz AP,
respectivamente. Un cálculo simple muestra que (AP)(1) y (AP)(2) son las columnas de PB. Por
lo tanto, llegamos a que:
AP = PB
P-1AP = B
En vez de usar los métodos vistos en el capítulo 4 para resolver este sistema, aprovecharemos la
oportunidad para introducir otro método importante: el uso de las llamadas coordenadas
polares. Las coordenadas polares r, se definen por:
159
Nótese que no está definido en el origen. Al derivar estas ecuaciones se obtiene:
( ) ( ) (5.12)
y, por lo tanto:
(5.13)
(5.14)
Las ecuaciones (5.13) y (5.14) son las ecuaciones paramétricas en coordenadas polares de las
trayectorias del sistema (5.10). Para dibujarlas, no es necesario sustituir en las expresiones de
las soluciones x1 y x2 puesto que las ecuaciones en coordenadas polares muestran claramente el
aspecto geométrico de las trayectorias. Si , por la ecuación (5.14) se deduce que decrece
cuando t crece, por lo que la dirección del movimiento sobre una trayectoria es, por convención,
en el sentido del movimiento de las agujas del reloj. Alternativamente, si crece cuando
t crece y el movimiento sobre las trayectorias es anti-horario. Cuando , por la ecuación
(5.13) se ve que . Por tanto, las trayectorias son espirales que
se aproximan o se alejan del origen, dependiendo del signo de . Las dos posibilidades se
muestran en la figura 5.14, junto con algunas gráficas típicas de en función de t. En este caso,
el punto crítico se conoce como foco o punto espiral.
De manera más general, es posible demostrar que para cualquier sistema con valores propios
complejos , en donde , las trayectorias siempre son espirales; dirigidas hacia
adentro o hacia afuera, respectivamente, dependiendo de si es negativa o positiva. Pueden ser
alargadas o sesgadas con respecto a los ejes de coordenadas, y la dirección del movimiento
puede ser en el sentido del movimiento de las agujas del reloj o en sentido contrario. Es fácil
obtener una idea general de la orientación de las trayectorias directamente a partir de las
ecuaciones diferenciales. En efecto, suponer que:
160
( ) ( )( )
tiene los valores propios complejos y considérese el punto (0,1) sobre el eje y positivo.
En este punto, por las ecuaciones del último sistema, se concluye que: .
Dependiendo de los signos de b y d, es posible inferir la dirección del movimiento y la
orientación aproximada de las trayectorias. Por ejemplo, si b y d son negativos, entonces las
trayectorias cruzan el eje y positivo como si se dirigiesen hacia abajo y hacia el segundo
cuadrante, Si , entonces las trayectorias deben ser espirales hacia adentro como la de la
figura 5.15.
a) b)
c) d)
161
Ejemplo 5.8
( ) [ ( ) [ ]
Es posible determinar la forma de las trayectorias resolviendo la ecuación diferencial que resulta
del sistema de partida:
Se trata de una ecuación homogénea cuyas soluciones son curvas en el plano de fases. Para ver
cuál es la forma de estas órbitas hacemos un cambio a coordenadas polares en la solución
obtenida, resultando:
Observar que los valores propios de este sistema son complejos conjugados pero no
imaginarios puros. En este caso, las trayectorias son espirales que se enrollan a su alrededor. Por
otra parte, todas se comportan de la misma forma: tienden a (0,0) cuando , cuando
, o bien salen de (0,0) cuando (ver figura 5.16).
( )
y, en consecuencia:
162
Figura 5.16. Foco o espiral del ejemplo 5.8.
en donde c y son constantes. Por lo tanto, las trayectorias son circunferencias con centros en
el origen que se recorren en el sentido del movimiento de las agujas del reloj si y en el
sentido contrario si . Se realiza un circuito completo alrededor del origen en un intervalo
de tiempo de duración , por lo que todas las soluciones son periódicas con período .
En este caso, el punto crítico se llama centro.
En general, cuando los valores propios son imaginarios puros, es posible demostrar que las
trayectorias son elipses con centro en el origen. Una situación típica se muestra en la figura
5.17, en la que también se ilustran algunas gráficas típicas de x1 contra t.
Ejemplo 5.9
163
Este sistema es el mismo que el del ejemplo 5.1 al inicio del capítulo, es decir, el que representa
el movimiento del oscilador armónico sin rozamiento, con constante de resorte k = 1 y masa de
la partícula m = 1.
0 1
La matriz del sistema es A = con valores propios: 1 = i y 2 = -i.
1 0
Sus soluciones son:
( ) , ( )
Por lo visto recién, sabemos que el punto crítico (0,0) aislado es un centro estable y las
trayectorias del diagrama de fases serán circunferencias centradas en el origen.
Es decir que la solución es una circunferencia de radio √ . Así, deducimos que las trayectorias
son todas las circunferencias centradas en el origen y se recorren, para , en sentido
contrario al de las agujas del reloj (ver figura 5.18).
El hecho que en este caso el origen sea un punto crítico estable pero no asintóticamente estable
(las órbitas que comienzan cerca del punto crítico permanecen cerca pero no se acercan aún más
a medida que pasa el tiempo) está de acuerdo a la física del problema. En efecto, al no existir
fuerza de rozamiento, las oscilaciones del resorte mantendrán siempre la misma amplitud, en
vez de hacerse cada vez más pequeñas y finalmente detenerse.
Estudiemos ahora qué ocurre cuando introducimos una fuerza de rozamiento que amortigua el
movimiento del oscilador. La ecuación del movimiento de una masa m sujeta a un resorte (de
constante k) amortiguado es:
164
con c > 0 la constante de amortiguamiento.
Es directo determinar que el único punto crítico del sistema es el origen (0,0).
0 1/ m
La matriz del sistema es A = con valores propios:
k c
4k 4k
c c2 c c2
m m
4k
Entonces, tendremos que si c 2 > 0 ambos valores propios serán negativos puesto que
m
4k
(c 2 < c . Resulta así que el punto crítico es un nodo asintóticamente estable del
m
sistema. Este es el escenario cuando tenemos un amortiguamiento importante (valores
4k
comparativamente grandes de c). En cambio, cuando c 2 < 0, existirán dos valores propios
m
complejos conjugados, con parte real negativa, y el punto crítico será un punto espiral de
sistema, también asintóticamente estable. Ahora existe un amortiguamiento pequeño (valores
comparativamente chicos de c).
La física del problema nos indica que el resultado obtenido matemáticamente es razonable. Al
existir fuerza de rozamiento, las oscilaciones del resorte serán cada vez de menor amplitud a
medida que pasa el tiempo hasta que llegue un momento que se extingan para quedar en reposo
(en el punto crítico (0,0)).
A partir del análisis realizado para los distintos casos posibles para los valores propios de la
matriz del sistema (5.2) del principio (teniendo en cuenta que det(A) ) se pueden extraer las
siguientes conclusiones:
1- Después de mucho tiempo (cuando ), cada trayectoria individual exhibe sólo uno
de tres tipos de comportamiento: tiende al infinito, se aproxima al punto crítico x=0 o,
de manera repetida, recorre una curva cerrada, correspondiente a una solución
periódica, que rodea al punto crítico.
165
una trayectoria porque se cumple la unicidad de soluciones; por lo tanto, las trayectorias
no se cortan entre sí. La única solución que pasa por el origen es la solución de
equilibrio x=0. Las otras soluciones que parecen pasar por el origen en realidad sólo se
aproximan a este punto cuando .
3- En cada caso, el conjunto de todas las trayectorias es tal que ocurre una de las tres
siguientes situaciones:
a) Todas las trayectorias se aproximan al punto crítico x=0 cuando . Este es el caso
si los valores propios son reales y negativos o complejos con parte real negativa.
b) Todas las trayectorias permanecen acotadas pero no se aproximan al origen cuando
. Este es el caso si los valores propios son imaginarios puros.
c) Por lo menos una de las trayectorias (o quizá todas) tiende al infinito cuando .
Este es el caso, si por lo menos uno de los valores propios es positivo o si los valores
propios tienen parte real positiva.
El análisis hecho en esta sección sólo es válido para los sistemas del tipo x’=Ax, en dos
variables y con A una matriz de coeficientes constantes, cuyas soluciones se representan
geométricamente como curvas en el diagrama de fases. Es posible hacer un análisis semejante,
aunque bastante más complicado, para un sistema con una matriz de coeficientes constantes A
de nxn cuyas soluciones sean curvas en un espacio de fase n-dimensional.
Hemos visto que la naturaleza y la estabilidad del punto crítico de un sistema autónomo lineal
se pueden describir atendiendo a sus valores propios. Pasaremos ahora a ver que, con la misma
facilidad, estas características se pueden describir en términos de la traza T = traza(A) y del
determinante D = det(A) de la matriz A de coeficientes del sistema.
En efecto, el polinomio característico para una matriz A de orden 2, viene dado por:
( )
Si, son los valores propios de la matriz del sistema, sabemos que y
, y además se tiene que:
siendo , ya que el cero no puede ser un valor propio (esto ocurriría si D = 0, caso que no
consideramos). Ahora, atendiendo a los diferentes valores de T y D tenemos las siguientes
situaciones:
166
Tabla 1. Propiedades de estabilidad de los sistemas lineales (det(A) ).
Punto espiral
Inestable
Asintóticamente estable
Centro Estable
Por ello al considerar el plano TD, podemos asegurar que por encima de la parábola
se tiene:
167
a) Si , se tiene:
- Cuando , entonces los valores propios son iguales y negativos (nodo
propio o impropio, estabilidad asintótica)
b) Si , se tiene:
- Cuando , entonces los valores propios son iguales y positivos (nodo
propio o impropio, inestabilidad)
𝑻𝟐 𝟒𝑫 𝟎
En la sección anterior se dio una descripción detallada pero informal de las propiedades de
estabilidad de la solución de equilibrio x=0 del sistema lineal bidimensional dado por (5.2):
x’ = Ax
Recuérdese que se requirió que det(A) , de modo que x=0 fuera un punto crítico aislado y de
hecho el único punto crítico del sistema. Ahora, vamos a volver a plantear los resultados en el
siguiente teorema.
Teorema 5.1
168
a) asintóticamente estable si los valores propios son reales y negativos o son complejos
y tienen parte real negativa
b) estable, pero no asintóticamente estable, si son imaginarios puros
c) inestable si son reales y cualquiera de los dos es positivo o si son complejos y tienen
parte real positiva
Este teorema afirma lo que ya hemos estado discutiendo y analizado en secciones previas: los
valores propios de la matriz de coeficientes A determinan el tipo de punto crítico en x=0
y sus características de estabilidad. A su vez, los valores de dependen de los coeficientes
del sistema (5.2).
Es posible demostrar que las perturbaciones pequeñas en alguno o en todos los coeficientes del
sistema se reflejan en perturbaciones pequeñas en los valores propios. La situación más delicada
ocurre cuando y ; es decir, cuando el punto crítico es un centro y las
trayectorias son curvas cerradas que lo rodean. Si se hace un ligero cambio en los coeficientes,
los valores propios tomarán los nuevos valores y , en donde
es pequeño en magnitud y (ver figura 5.20). Si , lo que ocurre casi siempre, las
trayectorias del sistema perturbado son espirales en vez de curvas cerradas. El sistema es
asintóticamente estable si , pero inestable si . Por tanto, en el caso de un centro,
perturbaciones pequeñas en los coeficientes bien pueden cambiar un sistema estable en uno
inestable y, en cualquier caso, es de esperar que se altere el patrón en el diagrama de fases y el
tipo de punto crítico.
𝛽 𝛽
𝜆 𝑖𝛽
𝜆 𝛼 𝑖𝛽
𝛼
𝜆 𝑖𝛽 𝛼
𝜆 𝛼 𝑖𝛽
Otro caso menos sensible ocurre si los valores propios son iguales; en este caso el punto
crítico es un nodo. Perturbaciones pequeñas en los coeficientes normalmente hacen que las dos
raíces iguales se separen (se bifurquen). Si las raíces separadas son reales, entonces el punto
crítico del sistema perturbado sigue siendo un nodo, pero si las raíces separadas son complejas
conjugadas, entonces el punto crítico se vuelve un punto espiral.
En la figura 5.21, se ilustran esquemáticamente estas dos posibilidades. En este caso, la
estabilidad o inestabilidad del sistema no es afectada por perturbaciones pequeñas en los
coeficientes, pero las trayectorias pueden alterarse de manera considerable.
En todos los demás casos, perturbaciones suficientemente pequeñas en los coeficientes del
sistema no modifican la estabilidad o inestabilidad del mismo, ni se altera el tipo de punto
crítico o las trayectorias. Por ejemplo, si son reales, negativos y distintos, un cambio
169
pequeño en los coeficientes no modifica el signo de ni les permite acercarse. Por tanto,
el punto crítico sigue siendo un nodo impropio asintóticamente estable.
𝛽 𝛽
𝜆 𝜆 𝜆 𝜆
𝛼 𝛼
𝜆 𝜆 𝜆
En general, las perturbaciones recién mencionadas significan que el sistema deja de ser lineal.
Cuánto se aparta de la linealidad dependerá de la magnitud de estas perturbaciones. A
continuación, se considerará un sistema autónomo no lineal bidimensional:
( ) (5.17)
y que x=0 es un punto crítico aislado del sistema (5.17), como se ha hecho en todo el
tratamiento de estabilidad anterior. Esto significa, como ya se dijo, que existe alguna bola
alrededor del origen dentro del cual no hay otros puntos críticos. Además, se supondrá que
de modo que x=0 también es un punto crítico aislado del sistema lineal x’=Ax.
La suposición de que el origen es el único punto crítico, no significa pérdida de generalidad, ya
que si , siempre es posible sustituir u=x - en la ecuación (5.17); entonces u satisfará un
sistema autónomo con un punto crítico en el origen.
Por último, se supondrá que las componentes de g tienen derivadas parciales continuas de
primer orden y satisfacen la condición límite:
‖ ( )‖
‖ ‖
(5.18)
Puede ser de utilidad expresar la condición (5.18) en forma escalar. Si se escribe x como vector
fila: xT=(x,y), entonces:
170
‖ ‖ ( ) r
‖ ( )‖ [ ( ) ( )]
( ) ( ) (5.19)
El sistema (5.19) es casi lineal en la vecindad de un punto crítico ( ) siempre que las
funciones tengan derivadas parciales continuas hasta orden dos. Para demostrar esto,
apliquemos los desarrollos de Taylor en torno al punto ( ) para describir (x,y) y (x,y) en
la forma:
( ) ( ) ( )( ) ( )( ) ( )
(5.20)
( ) ( ) ( )( ) ( )( ) ( )
en donde:
( ) [( ) ( ) ] cuando ( ) ( )
y, de manera semejante .
( ) ( ) ( )
( ) ( )( ) ( ) (5.21)
( ) ( ) ( )
o, en notación vectorial:
( ) ( ) (5.22)
171
Regresemos al sistema casi lineal (5.17). Como el término no lineal g(x) es pequeño en
comparación con el término lineal Ax, cuando x es pequeño, es razonable esperar que las
trayectorias del sistema lineal (1) sean buenas aproximaciones a las del sistema no lineal (5.17),
por lo menos cerca del origen. Esto resulta cierto en muchos casos (pero no en todos), como
afirma el siguiente teorema.
Teorema 5.2
Sean los valores propios del sistema lineal (5.2) correspondiente al sistema casi lineal
(5.17). Entonces el tipo y la estabilidad del punto crítico (0,0) del sistema lineal y del sistema
casi lineal son como se indica en la tabla 2 a continuación.
NI Inestable NI Inestable
NI Asintóticamente estable NI Asintóticamente estable
PS Inestable PS Inestable
NP o NI Inestable NP, NI o PEs Inestable
NP o NI Asintóticamente estable NP, NI o PEs Asintóticamente estable
En esencia, este teorema afirma que para x pequeño, los términos no lineales también son
pequeños y no afectan la estabilidad ni el tipo de punto crítico, según quedan determinados por
los términos lineales, excepto en dos casos sensibles: imaginarios puros, y reales
e iguales. Recordar que antes en esta sección se afirmó que perturbaciones pequeñas en los
coeficientes del sistema lineal (5.2) y, por tanto, en los valores propios , pueden
modificar el tipo de punto crítico sólo en estos dos casos sensibles (también la estabilidad en el
caso de valores propios imaginarios puros). Resulta razonable esperar que el término no lineal
pequeño de la ecuación (5.17) pueda tener un efecto sustancialmente semejante, por lo menos en
estos dos casos sensibles.
Esto efectivamente es así, pero el principal resultado del teorema es que en todos los demás
casos el término no lineal pequeño no altera el tipo ni la estabilidad del punto crítico. Por tanto,
excepto en los dos casos sensibles, pueden determinarse el tipo y la estabilidad del punto crítico
del sistema no lineal a partir de un estudio del sistema lineal mucho más sencillo. Cuando
son iguales, quedará determinada la estabilidad del punto crítico, no así el tipo.
172
Todo el análisis de los diagramas de fases y estabilidad de puntos críticos realizado en la
sección anterior para los sistemas lineales adquiere real importancia cuando se lo puede
trasladar al estudio de los sistemas no lineales, puesto que mientras los primeros son simples de
resolver (de hecho ya conocemos las soluciones generales para todos los casos posibles), los
últimos no lo son en una gran cantidad de casos. Sin embargo, debe tenerse siempre en cuenta
que se trata de una aproximación local en el sentido que las órbitas de un sistema no lineal van a
diferir de manera considerable con respecto al de uno lineal en zonas alejadas del punto crítico.
Ejemplo 5.10
Determinar el tipo y estabilidad del punto crítico (0,0) del sistema casi lineal:
Solución:
En este caso, el sistema lineal asociado se obtiene simplemente eliminando los términos
cuadráticos, -3y2 y 7xy del sistema de partida:
El lector puede comprobar este resultado calculando la matriz Jacobiana de f(x,y) y luego
evaluándola en el origen (el punto crítico que se pide estudiar).
Los valores propios del sistema del lineal asociado se obtienen al resolver la ecuación secular:
( )( ) ( )( )
173
Teorema 5.3
Figura 5.22a. Trayectorias Figura 5.22b. Trayectorias del Figura 5.22c. Diagrama
de fase del sistema linealizado. sistema casi lineal original. del sistema casi lineal.
Teorema 5.4
Ejemplo 5.11
a) Las soluciones de equilibrio son aquellas que cumplen f(x,y)= (0,0), es decir:
( ) ( )
174
A partir de la segunda ecuación se obtiene . Al sustituir en la primera ecuación:
( )( )
Por lo tanto, los puntos de equilibrio del sistema son: (1,1) y (-1,-1).
( ) [ ]
( ) [ ] ( ) [ ]
Para el punto de equilibrio (1,1) hallaremos los valores propios de la matriz Jacobiana:
[ ]
( ) ( )( ) ( )
Se obtienen dos valores propios iguales negativos. Según lo presentado en la tabla 1, el punto
crítico es un nodo. Estamos en el caso 3 de la sección 1. Para saber si el nodo es propio o
impopio, calculamos los vectores propios de la matriz Jacobiana:
[ ][ ] [ ] {
Se llega a que los vectores propios asociados al único valor propio de la Jacobiana son de la
forma (x,y) / x = y. Está claro entonces que todos los vectores propios son múltiplos entre sí y
por lo tanto podemos obtener un solo vector propio L.I. En conclusión, el diagrama de fase
asociado al sistema linealizado corresponde a un nodo impropio.
175
[ ]
( ) ( )( )
Bhaskara mediante, se llega a un valor propio positivo y otro negativo por lo que el diagrama de
fase asociado al sistema corresponde a un punto silla (ver figura 16a).
c) Con la ayuda de la tabla 2, vista anteriormente, concluimos que para el sistema casi lineal del
problema, el punto de equilibrio (1,1) es asintóticamente estable, mientras que el punto (-1, -1)
es inestable.
En el próximo ejemplo veremos un caso especial en donde resulta sencillo distinguir entre un
centro o un foco en el sistema no lineal.
Ejemplo 5.12
a) Las soluciones de equilibrio (puntos críticos) son aquellas que cumplen f(x,y)= (0,0), es decir:
( ) ( )
Por lo tanto, los puntos de equilibrio del sistema son: (0,0) , (0,1) y (1/4,1/2).
( ) [ ]
176
( ) [ ] ( ) [ ] ( ) [ ]
Para el punto de equilibrio (0,0) los valores propios de la matriz jacobiana son:
Para el punto de equilibrio (0,1) los valores propios de la matriz jacobiana son:
Finalmente, para el punto crítico ( ) la matriz jacobiana presenta los valores propios:
√ √
Según la tabla 1, se sigue que los dos primeros puntos críticos son puntos sillas del sistema
lineal mientras que el tercer punto crítico se trata de un centro.
c) Con la ayuda de la tabla 2, vista anteriormente, concluimos que para el sistema casi lineal del
problema, los puntos de equilibrio (0,0) y (0,1) son puntos silla inestables. En contraste, el
tercer punto crítico, ( ), no puede ser clasificado sin ambigüedad a partir de lo visto
anteriormente puesto que puede ser un centro o un espiral del sistema no lineal. Sin embargo, el
sistema del ejemplo es de tipo exacto. Un sistema es exacto cuando verifica:
f1x(x,y) + f2y(x,y) = 0
Es decir, la traza de la matriz Jacobiana de la linealización es nula para todo par (x,y). Cuando
esto ocurre, el polinomio característico de la matriz jacobiana en cualquier punto crítico no va a
incluir el término de primer grado. En consecuencia, cuando el determinante de la jacobiana sea
positivo, los valores propios serán complejos conjugados con parte real nula, mientras que
cuando el determinante sea negativo, los valores propios serán reales de distinto signo. Esto
significa que los puntos críticos del sistema no lineal van a ser exclusivamente de tipo centro o
silla, respectivamente. Concluimos entonces que el punto crítico ( ) es un centro de nuestro
sistema problema, que sabemos es siempre un punto crítico estable.
Existen otros caminos alternativos más potentes para distinguir entre centros y focos en un
sistema no lineal puesto que se pueden aplicar aun cuando el sistema no sea exacto pero que por
su complejidad, no los trataremos aquí.
Ejemplo 5.13
La ecuación diferencial de segundo orden que describe el movimiento del péndulo sin
rozamiento viene dada por:
̈=
177
donde es el ángulo que forma la posición de la varilla del péndulo con respecto al eje vertical,
medido en sentido anti-horario desde el punto más bajo que puede alcanzar la masa unida al
péndulo, r es el largo de la varilla y g es la aceleración de la gravedad.
Como ya hemos visto en el caso del oscilador armónico, una ecuación de estas características
puede reducirse a un par de ecuaciones de primer orden de la siguiente forma:
̇
{
̇
Nuestro objetivo es identificar los puntos críticos del péndulo, y la estabilidad de los mismos,
mediante la linealización del sistema anterior.
En el capítulo 2, se vio que ( , ) = (0,0) y ( , ) = ( ,0) son los dos puntos críticos del sistema
cuando restringimos , hecho que es fácil de verificar. En efecto, como de
costumbre, las soluciones de equilibrio (puntos críticos) son aquellas que cumplen f(x,y)= (0,0),
es decir:
( ) ( )
( ) [ ]
( ) [ ] ( ) [ ]
Para el punto de equilibrio (0,0) los valores propios de la matriz Jacobiana son:
√ √
178
Observación: un camino alternativo y más rápido de linealizar el sistema del péndulo consiste
en aproximar por , aproximación que el lector sabe que es buena para valores pequeños
de . O sea, para desviaciones pequeñas con respecto al origen. En consecuencia, este camino
resulta un atajo para analizar el punto crítico (0,0) pero no el punto ( ) puesto que este último
ni siquiera resultará ser punto crítico del sistema lineal asociado.
Según la tabla 1, llegamos a que el primer punto crítico es un centro del sistema lineal asociado,
mientras que el segundo punto crítico es un punto silla. Apelando a la tabla 2, se concluye que
( ) es un punto crítico inestable del sistema del péndulo sin rozamiento. Este resultado es
consistente con la física del problema ya discutida en el capítulo 2.
En contraste, la tabla 2 no permite concluir sobre el tipo y estabilidad de ( ) en el sistema no
lineal al ser este un centro del sistema lineal asociado. Sin embargo, observamos que el sistema
linealizado es exacto, es decir que la traza de su matriz Jacobiana es nula y, además, el
determinante es positivo. Entonces, según lo discutido en el ejemplo 5.12, el origen resulta ser
también un centro estable del sistema no lineal del péndulo.
Si bien este análisis no nos permite sacar más conclusiones acerca de la estabilidad asintótica
del origen, la física del problema (también descrita en el capítulo 2) nos indica que (0,0) no es
un punto crítico asintóticamente estable del sistema puesto que el péndulo se mantendrá
oscilando de manera simétrica alrededor del punto más bajo de su trayectoria (origen) toda vez
que su posición inicial esté cercana a dicho punto. Esto es porque en ausencia de rozamiento, los
movimientos del péndulo serán siempre de la misma amplitud en vez de ir acercándose
paulatinamente al origen por efecto del rozamiento. Este efecto lo estudiaremos en el próximo
ejemplo.
Ejemplo 5.14
̈= ̇
en donde el segundo término del miembro de la derecha representa la fuerza de rozamiento (c >
0), m es la masa del cuerpo unido al péndulo y g, r, definidos como para el péndulo sin
rozamiento. La equivalencia con un sistema de dos ecuaciones de primer orden es la siguiente:
̇
{
̇
Nuestro objetivo será nuevamente identificar los puntos críticos del péndulo, y la estabilidad de
los mismos, mediante la linealización del sistema anterior.
179
Para encontrar los puntos críticos hacemos f(x,y)= (0,0), o sea:
( ) ( )
( ) [ ]
( ) [ ] ( ) [ ]
Para el punto de equilibrio (0,0) los valores propios de la matriz Jacobiana son:
c c 4g c c 4g
( )2 ( )2
mr mr r mr mr r
c c 4g c c 4g
( )2 ( )2
mr mr r mr mr r
Para (0,0) tenemos un escenario similar al discutido en la sección 5.2 para el oscilador armónico
c 2 4g
amortiguado. En efecto, tendremos que si ( ) > 0 ambos valores propios serán
mr r
c 2 4g c
negativos puesto que ( ) < . Resulta así que el punto crítico es un nodo
mr r mr
asintóticamente estable del sistema lineal asociado. Este es el escenario cuando tenemos un
amortiguamiento importante (valores comparativamente grandes de c). En cambio, cuando
180
c 2 4g
( ) < 0, existirán dos valores propios complejos conjugados, con parte real negativa,
mr r
y el punto crítico será un punto espiral del sistema linealizado, también asintóticamente estable.
Ahora existe un amortiguamiento pequeño (valores chicos de c).
c 2 4g
Mientras tanto, para ( ), siempre existirán valores propios reales puesto que ( ) >
mr r
c 2 4g c
0. Asimismo, como ( ) > , ambos valores propios tendrán distintos signos
mr r mr
siendo el punto crítico del sistema linealizado un punto silla inestable, independientemente de si
el amortiguamiento es pequeño o grande.
Por último, valiéndonos de la tabla 2, concluimos que en todos los casos, los resultados
extraídos para el sistema lineal, son válidos para el sistema casi lineal. Esto está de nuevo de
acuerdo a la física del problema. En efecto, al existir rozamiento, las oscilaciones del péndulo
alrededor del punto de reposo ((0,0)) serán paulatinamente de menor amplitud hasta que el
péndulo deje de moverse y quede en reposo. Esto corresponde a la situación de un punto crítico
asintóticamente estable. Pero si el punto de equilibrio es ( ), pequeñas perturbaciones harán
que el péndulo se aleje del punto como ocurriría con un péndulo sin amortiguamiento puesto
que la fuerza de la gravedad va a ser siempre de mayor magnitud que la fuerza de rozamiento.
Este comportamiento está de acuerdo con el de un punto crítico inestable.
En esta sección se analiza otro enfoque más general para estudiar la estabilidad de puntos
críticos, conocido como método de Liapunov o método directo. El método se rotula como
directo porque no se requiere conocimiento alguno de la solución del sistema de ecuaciones
diferenciales. En vez de ello, las conclusiones sobre la estabilidad o inestabilidad de un punto
crítico se obtienen al construir una función auxiliar adecuada. Esta técnica es muy poderosa ya
que brinda información de tipo más global, por ejemplo, una estimación de la extensión de la
región de estabilidad asintótica de un punto crítico. Además, el método de Liapunov también
puede aplicarse para estudiar sistemas de ecuaciones que no sean casi lineales; sin embargo aquí
no se abordarán esos problemas.
En primer lugar necesitamos introducir nuevas definiciones.
181
Definición (Definición de una función): Sea una función V definida en algún dominio U
que contiene el punto crítico ( ). Entonces se dice que V es definida positiva si V( )=0 y
V(x,y) ( ) { }. De manera semejante, se dice que V es definida negativa en U si
V( )=0 y V(x,y) para todos los demás puntos en U. Si se sustituyen las desigualdades
estrictas por las no estrictas , se dice que V es semidefinida positiva y
semidefinida negativa, respectivamente.
a. ( ) ( ) { } (2)
b. ̇( ) (3)
̇( ) 〈 ( ) ( )〉
( )
siendo f la función del sistema autónomo (1) tal que ( ) [ ]
( )
En consecuencia:
̇( ) ( ) ( ) ( ) ( ) (4)
Se elige esta notación porque así ̇ ( ) puede identificarse como la razón de cambio de V a lo
largo de la trayectoria del sistema (1) que pasa por el punto (x,y). Es decir, si x= ( ), ( )
es una solución del sistema (1), entonces, aplicando regla de la cadena:
[ ( ) ( )] ( ) ( )
[ ( ) ( )] [ ( ) ( )] ( ) ( ) ( ) ( )
̇( ) (5)
Teorema 5.5
Sea V una función de Liapunov para x’ = f(x) en un dominio abierto U que contiene al punto de
de equilibrio , entonces:
a) es estable
182
b) Si V es una función de Liapunov estricta y es aislado, entonces es asintóticamente estable
Demostración:
Una trayectoria que se inicie adentro de una curva cerrada V(x,y)=c no puede salir de ésta.
Entonces, dado un círculo de radio alrededor del origen, al tomar c suficientemente pequeño
se puede asegurar que toda trayectoria que se inicie adentro de la curva cerrada V(x,y)=c
permanece dentro del círculo de radio ; de hecho, permanece en el interior de la propia curva
cerrada V(x,y)=c. Por tanto, el origen es un punto crítico estable. Para demostrar esto,
recuérdese por lo visto en cursos anteriores de Análisis que el vector:
( ) ( ) ( )
a b
183
̇( ) ( ) ( ) ( ) ( )
[ ( ) ( )][ ( ) ( )] ( ) ( )
La hipótesis de que el punto crítico sea aislado es esencial para que la existencia de una función
de Liapunov estricta con un mínimo en implique la estabilidad asintótica. Veamos un ejemplo
que muestra este hecho. Consideremos en la ecuación diferencial:
̇
̇
Todo el eje y=0 está formado por puntos críticos de la ecuación diferencial, cada uno de los
cuales es estable pero no asintóticamente estable. Supongamos el punto crítico (1,0) y una
solución del sistema dada por x(t) = 2, y(t) = que corresponde al punto (2, 2) para t0 = 0.
Es directo que para valores de t grandes, la solución va a acercarse al punto crítico (2,0) pero no
al (1,0), aunque va a permanecer cerca de este último. Por lo tanto, existirán trayectorias que no
tiendan al punto crítico (1,0) y entonces dicho punto no es también asintóticamente estable. Un
argumento similar puede exponerse para cualquiera de los infinitos puntos críticos del sistema.
El diagrama de fases correspondiente puede apreciarse en la figura 5.24.
Sin embargo, la función V(x,y)=x2+y2 es una función de Liapunov estricta para esta ecuación,
porque ̇ ( ) ( )( ) en cualquier punto de que no sea un
punto crítico de la ecuación diferencial. O sea que si el punto crítico no es aislado, puede existir
una función de Liapunov estricta para el sistema sin que eso suponga la estabilidad asintótica
del punto.
184
Figura 5.24. Diagrama de fases del sistema ̇ ̇ . Los infinitos puntos del eje
0x son puntos críticos estables y no aislados.
Ejemplo 5.15
Dado el sistema:
Solución:
Calculamos el gradiente de V:
( ) ( )
̇ ( ) 〈( )( )〉 ( )( )
Sea el conjunto abierto {( ) }, que contiene al origen (0,0). Entonces:
̇( ) ( )
185
b) Por el teorema de Liapunov el origen (solución nula del sistema) es asintóticamente estable.
Ejemplo 5.16
Dado el sistema:
Solución:
a) Para verificar si V es una función de Liapunov debemos analizar las dos condiciones de la
definición. Es decir que V sea definida positiva y que su derivada sea semidefinida negativa
( ) o definida negativa (x,y) – (0,0), siendo el origen un punto de equilibrio del
sistema en cuestión.
Vemos que la primera condición la cumple claramente ya que:
( ) ( ) ( ) ( )
( ) ( )
Entonces:
̇( ) 〈( )( )〉 ( ) ( ) ( )
Sea un punto de equilibrio de x’= f(x) con f . Sea V:D de clase que cumple:
1- V( )=0
2- Existe x0 arbitrariamente cerca de tal que V(x0)
3- ̇ ( ) { ‖ ‖ ( ) }
Entonces es inestable.
Nótese que V no es una función de Liapunov (no cumple ̇ ( ) ) sino que es una función
auxiliar que cumple con los requisitos descritos en el teorema.
Una demostración geométrica del teorema 5.6 también tomando como punto crítico del sistema
el origen, se deduce mediante argumentos semejantes a los presentados para el teorema 5.5.
186
Brevemente, suponer que ̇ es definida positiva y que, dado cualquier círculo alrededor del
origen existe un punto interior (x1,y1) en el que ( ) . Considerar una trayectoria que se
inicie en (x1,y1). A lo largo de esta trayectoria, por la ecuación (3) se concluye que V debe
crecer, ya que ̇ ( ) ; además como ( ) , la trayectoria no puede tender al
origen debido a que ̇ ( ) . Esto demuestra que el origen no puede ser asintóticamente
estable. Al aprovechar más el hecho de que ̇ ( ) , es posible demostrar que el origen es
un punto inestable; sin embargo aquí no se proseguirá esta argumentación.
Ejemplo 5.17
Dado el sistema:
Solución:
Observamos que el origen es un punto de equilibrio del sistema. Tomaremos como función
auxiliar ( ) . Estudiando el signo de V(x,y) vemos que:
( ) ( ) , con {( ) | | | |}
A su vez ( )
̇( ) 〈( )( )〉 ( ) ( )
Los teoremas 5.5 y 5.6 dan las condiciones suficientes para la estabilidad y la inestabilidad de
sistemas de ecuaciones diferenciales, respectivamente. Sin embargo, estas condiciones no son
necesarias, ni el hecho que no pueda determinarse una función adecuada V significa que no
exista alguna.
A pesar de que no existen métodos generales para la construcción de funciones de Liapunov, se
ha investigado bastante sobre este tipo de funciones para clases especiales de ecuaciones. Por su
simplicidad, un tipo de funciones muy común para construir funciones de Liapunov son las
denominadas formas cuadráticas, un ejemplo de las cuales hemos usado en los ejemplos 5.12 y
5.13). La ventaja de estas funciones radica en que es sencillo determinar su definición (positiva
o negativa), más aún en el caso de dos variables. Esta afirmación se fundamenta en el siguiente
teorema.
Teorema 5.7
187
Entonces:
b
a
2) Sea la matriz simétrica A = 2 que representa la forma cuadrática de ecuación:
b c
2
Entonces:
1 > 0 y 2 > 0
1 < 0 y 2 < 0
Este teorema nos provee de dos maneras (tests) distintas para poder conocer la definición de una
forma cuadrática. Notar que, como se vio en el curso de Álgebra Lineal (Mat 03), el hecho de
que A sea simétrica nos asegura que todos sus valores propios serán reales y por ende, siempre
podremos evaluar sus signos.
Notar también que la magnitud utilizada en el primer test, corresponde al determinante
de la matriz A (con los coeficientes de la forma cuadrática) utilizada en el segundo test, lo que
indica claramente que ambos tests están relacionados.
Ejemplo 5.18
es asintóticamente estable.
Solución:
188
( )
( ) ( )
̇( ) ( )( ) ( )( )
[ ( ) ( ) ( ]
Si se elige b=0 y que a y c sean números positivos cualesquiera, entonces ̇ es definida negativa
y V es definida positiva, en virtud del teorema 5.7. Por ejemplo:
( )
Ejemplo 5.19
Demostrar, utilizando el método directo de Liapunov, que el punto crítico aislado del siguiente
sistema es asintóticamente estable:
Solución:
En primer término, se comprueba fácilmente que dicho sistema tiene un único punto crítico que
es el (0,0). Notar que la matriz del sistema linealizado en (0,0) no es invertible, por lo que el
proceso de linealización no da información. Trataremos de buscar una función del tipo
( ) n y m números naturales, que sea definida
positiva, y tal que además verifique que la función ̇ sea definida negativa.
Haciendo cuentas: ̇( ) ( ) ( )
( ) ( )
Notar que el miembro dentro del primer paréntesis será siempre positivo por lo que una forna de
conseguir una función del tipo que se está buscando es lograr que el miembro dentro del
segundo paréntesis se anule. Para esto, se necesita que:
, , con
Así pues, por ejemplo, la función de Liapunov ( ) nos permite asegurar que el
punto crítico (0,0) de este sistema es asintóticamente estable.
189
La idea de considerar una función de Liapunov para el estudio de la estabilidad de un punto
crítico surge de manera natural, cuando se piensa que “si la energía total de un sistema físico
tiene un mínimo local en cierto punto de equilibrio, entonces ese punto será estable”. Esta idea
intuitiva la utilizó Liapunov para considerar el tipo de funciones que hemos descrito en el
estudio de estabilidad. Lo que hacen las funciones de Liapunov es generalizar el concepto de
energía total de un sistema físico. Precisamente, los siguientes ejemplos, que son los del
oscilador armónico amortiguado, péndulo libre y péndulo amortiguado, ya presentados en las
secciones 5.2 y 5.3, ponen de manifiesto que la energía total de un cierto sistema físico es una
función de Liapunov que nos permite estudiar la estabilidad del punto de equilibrio del sistema.
Ejemplo 5.20
donde c es una constante que representa el amortiguamiento que ejerce el medio en que se
mueve la masa, y es la constante de estiramiento del resorte. El sistema autónomo de
primer orden, equivalente a dicha ecuación de segundo orden, es:
Este sistema físico ya fue estudiado en secciones anteriores, determinando las características
(tipo y estabilidad) del punto crítico. Veamos ahora cómo se puede hacer el mismo análisis por
el método de Liapunov.
( )
Es directo deducir que la función E(x,y) es una forma cuadrática con coeficientes positivos por
lo que es definida positiva para todo (x,y) , salvo el origen en donde es nula. En cuanto a su
derivada, tenemos que:
̇( ) 〈( )( )〉 ( )
Por tanto, ̇ es semidefinida negativa (se anula para todo punto de la forma (x,0)) y se trata de
una función de Liapunov para nuestro sistema. La semidefinición implica que dicha función
190
sólo nos permite determinar que el punto de equilibrio es estable cuando aplicamos el método
de Liapunov. Sin embargo, al existir amortiguación del movimiento oscilatorio (cuando ),
el mismo será cada vez de menor amplitud conforme transcurre el tiempo, de manera que el
resorte tenderá a su posición de equilibrio (el punto crítico (0,0)). Concluimos entonces, por la
física del problema, que dicho punto es asintóticamente estable.
Nótese que si c = 0, el sistema autónomo se reduce a la ecuación diferencial que rige el
movimiento de un resorte sin rozamiento y el punto crítico será estable (un centro) pero no
asintóticamente estable como vimos en secciones anteriores. Para esta situación, la energía total
de la masa seguirá siendo una función de Liapunov para el sistema: definida positiva y su
derivada será siempre nula, lo cual es consistente con la semidefinición negativa. Esto nos
indica que el origen será un punto crítico estable pero por el método de Liapunov tampoco
sabremos si es además asintóticamente estable.
No obstante, la ventaja principal del método de Liapunov para determinar estabilidad de puntos
críticos es que no es necesario conocer la solución del sistema bajo estudio. Esto es lo que
convierte al método en una técnica tan importante y potente.
Ejemplo 5.21
La ecuación diferencial del péndulo libre se describe por el conocido sistema lineal:
̇
{
̇
Ya se vio que los puntos críticos eran ( ) y ( ,0) al restringir al intervalo [0, 2 ). Vamos
a aplicar el método de Liapunov para estudiar la estabilidad del origen.
La energía cinética de la masa unida a la varilla viene dada por la fórmula usual:
( )
La energía potencial del sistema equivale al trabajo efectuado al elevar el péndulo por arriba de
su posición de reposo (la más baja), es decir:
( )
( )
( ) ( )
̇( ) 〈( )( )〉 ( )
Por tanto, ̇ es siempre nula lo que implica que E es constante a lo largo de cualquier trayectoria
del sistema. Nótese que esta situación peculiar igualmente satisface la condición de
191
semidefinición para ̇ que requiere el teorema de Liapunov. En conclusión, la energía total del
sistema es una función de Liapunov no estricta. Su carácter de semidefinición negativa implica
que dicha función solamente nos permite determinar que el punto de equilibrio (0,0) es estable.
No obstante, utilizando el mismo argumento que en el ejemplo 5.13 de la sección 5.3,
deducimos que, en ausencia de rozamiento, el origen no es un punto crítico asintóticamente
estable.
Ejemplo 5.22
Proseguimos con el sistema del péndulo oscilante, ahora considerando el rozamiento del aire. El
sistema que describe la situación física fue introducido en la sección 5.3:
̇
{
̇
Estudiaremos nuevamente el carácter del origen como punto crítico del sistema. La expresión
para la energía total del sistema es idéntica a la deducida en el ejemplo anterior:
( )
( ) ( )
Naturalmente, E es nuevamente una función definida positiva. Nos falta calcular su derivada ̇
para determinar si nos sirve como función de Liapunov y así sacar conclusiones:
̇( ) 〈( )( )〉 ( )
192
6. RESOLUCIÓN DE ECUACIONES DIFERENCIALES
ORDINARIAS POR TRANSFORMADA DE LAPLACE
( ) ∫ ( ) ( )
se le llama transformada integral, es decir, una integral que transforma una función f de variable
t, en otra función F de variable s. Se dice que la función F es la transformada de f y la función
auxiliar K se llama kernel (núcleo en alemán) de la transformación.
( ) ∫ ( ) ( )
La expresión anterior involucra una integral impropia que, como ya sabemos, se define en
términos de un límite:
∫ ( ) ( ) ∫ ( ) ( )
El límite anterior, en general, existirá sólo para algunos valores de la variable s. Veremos a
continuación que la elección ( ) conduce a una transformación integral
especialmente importante.
{ ( )} ∫ ( ) (1)
Cuando la integral que se define en (1) converge, el resultado es una función de s. Por
convención, se utilizará una letra minúscula para denotar la función que se transforma, y la
correspondiente letra mayúscula para representar su trasformada de Laplace; por ejemplo:
{ ( )} ( ), { ( )} ( ) { ( )} ( )
193
Ejemplo 6.1
Determinar { }
Solución:
{ } ∫ ( ) ∫ |
Recordando algunas propiedades vistas en los cursos de Análisis I (Mat 01) y Álgebra Lineal
(Mat 03), para una suma de funciones puede escribirse:
∫ [ ( ) ( )] ∫ ( ) ∫ ( )
siempre que ambas integrales impropias sean convergentes. Por lo tanto se deduce que:
{ ( ) ( )} { ( )} { ( )} ( ) ( )
Debido a esta propiedad, se dice que L es una transformación lineal o un operador lineal.
a) f es continua a trozos en [ )y
b) f es de orden exponencial para .
194
Como se aprecia en la siguiente figura, las funciones ( ) ( ) ( )
son todas de orden exponencial para , puesto que se tiene, respectivamente:
| | | | | |
Una función tal como ( ) no es de orden exponencial puesto que su gráfica crece más
rápido que cualquier potencia lineal positiva de c para .
Una potencia de exponente entero positivo de t es siempre de orden exponencial puesto que para
:
| | o | | para
A su vez se puede demostrar que toda función acotada es de orden exponencial, ya que si f está
acotada, existe M tal que | ( )| para todo . Si consideramos c = 0:
| ( )|
195
Demostración:
Para demostrar el teorema sólo es necesario demostrar que la integral dada en la ecuación (1)
converge para . Al separar en dos partes la integral impropia nos queda:
{ ( )} ∫ ( ) ∫ ( ) ∫ ( )
La integral existe por hipótesis del teorema siendo ( ) continua, de donde la existencia
de { ( )}.depende de la convergencia de la segunda integral. Ahora bien, se cumple que:
| | ∫| ( )| ∫
( ) ( )
( )
∫ |
( )
Puesto que ∫ converge, la integral ∫ | ( )| converge por primer criterio
para integrales impropias. Esto, a su vez, implica que existe para . La existencia de
implica que { ( )} ∫ ( ) existe para .
Ejemplo 6.2
Determinar { }.
Solución:
{ } ∫
{ } | ∫ { } ( )
Ejemplo 6.3
Determinar { }
196
Solución:
( )
{ } ( )
∫ ∫ |
( )
El resultado obtenido obedece al hecho de que para
Ejemplo 6.4
Determinar { }.
Solución:
{ } ∫ | ∫
El primer término de la última igualdad es igual a cero, por lo que la expresión se reduce a:
{ } ∫
[ | ∫ ]
{ } (siendo )
[ ] { } { }
Ejemplo 6.5
Determinar: a) { } y b) { }
( )
{ } ( ) ( )
∫ ( ) ∫ | ∫
( )
|
( ) ( )
b) Integrando por partes una vez más y considerando el resultado de la parte a):
197
( )
( )
{ } | ∫ ∫ ( )
{ } [ ]
( )
( )
Ejemplo 6.6
Determinar { ( )} para ( ) {
Solución:
Puesto que f se define en dos tramos, { ( )} se expresa como la suma de dos integrales:
{ ( )} ∫ ( ) ∫ ( ) ∫ ( )
∫ ( ) ∫ ( ) ∫ ( )
El siguiente teorema generaliza algunos de los ejemplos anteriores. De aquí en adelante nos
abstendremos de formular restricciones para s; entendiéndose que s está lo suficientemente
restringida para garantizar la convergencia de la correspondiente transformada de Laplace.
a) { }
b) { }
c) { }
d) { }
e) { }
f) { }
g) { }
Ejemplo 6.7
Determinar { }.
Solución:
Utilizando identidad trigonométrica, linealidad y los incisos a) y e) del teorema 6.2 se obtiene:
{ } { } { } { }
( )
198
6.2 La anti-transformada
En la sección anterior nos enfocamos en el problema de transformar una función f(t) en otra
función F(s), en términos de la integral ∫ ( ) . Simbólicamente esto se representaba
por:
{ ( )} ( )
Nos ocuparemos ahora del problema inverso, esto es: dada una función F(s) hallar la función f(t)
que corresponde a esta transformada. Decimos que f(t) es la transformada inversa o la anti-
transformada de F(s), escribiéndose como:
( ) { ( )}
a) { }
b) { }, n=1,2,3…
c) { }
d) { }
e) { }
f) { }
g) { }
{ ( ) ( )} { ( )} { ( )}
199
donde F y G son las transformadas de las funciones f y g.
Problema de inversión
Como veremos más adelante, una de las aplicaciones más importantes de la transformada de
Laplace (de hecho es la razón para tratar este tema en este curso) es la resolución de ciertos
tipos de ecuaciones diferenciales ordinarias con condiciones iniciales. La dificultad más
importante que se presenta al resolver estas ecuaciones aplicando transformada de Laplace,
reside en el problema de determinar la función solución y= ( ), que corresponda a la
transformada Y(s). Este problema se conoce como problema de inversión de la transformada de
Laplace. En efecto, ( )es la trasformada inversa correspondiente a Y(s).
En el problema de inversión se deben considerar las siguientes preguntas:
1- ¿Posee toda función F(s) una transformada inversa? No. Hay funciones que no poseen
transformadas inversas. Véase más adelante el ejemplo 6.13. Sin embargo, estas
funciones tienen interés principalmente matemático y poco interés práctico.
2- ¿Pueden dos funciones f1(t) y f2(t) tener la misma transformada F(s)? Sí. La
transformada inversa de Laplace de una función F(s) puede no ser única. Es posible que
{ ( )} { ( )} siendo . En efecto, si son continuas a trozos en
[ ) y de orden exponencial para y si { ( )} { ( )}, entonces puede
demostrarse que las funciones f1 y f2 son esencialmente iguales; esto es pueden diferir
sólo en puntos de discontinuidad. Sin embargo, si f1 y f2 son continuas en [ ) y
{ ( )} { ( )}, entonces f1=f2 en ese intervalo.
En este curso, trabajaremos con funciones que poseen una única anti-transformada, así que, de
ahora en más, no nos preocuparemos por estas cuestiones.
Ejemplo 6.8
Determinar { }
Solución:
Para coincidir con la forma dada en el inciso b) del teorema 6.3, se identifica n=4. Luego, se
multiplica y se divide ente 4! Por lo tanto:
{ } { }
Ejemplo 6.9
Determinar { }
Solución:
200
{ } { }
Ejemplo 6.10
Determinar { }
Solución:
Por la propiedad de linealidad de la trasformada inversa y por los incisos e) y d) del teorema 6.3,
se puede tener:
√
{ } { } { } √ √
√ √
Ejemplo 6.11
Determinar {( )( )( )
}
Solución:
Recordando el método de fracciones simples visto en el curso de Análisis I (Mat 01), existen
constantes únicas A, B y C tales que
( )( )( )
( )( ) ( )( ) ( )( )
( )( )( )
Puesto que los denominadores son idénticos, los numeradores lo son igualmente:
( )( ) ( )( ) ( )( )
Comparando coeficientes de potencias de s en ambos lados de la igualdad, sabemos que la
última ecuación equivale a un sistema de tres ecuaciones con tres incógnitas: A, B, C. Si se
consideran s=1, s=-2 y s=-4, las raíces del denominador común (s-1)(s+2)(s+4), se obtiene,
respectivamente:
s=1 ( )( ),
s = -2 ( )( ),
s = -4 ( )( ),
( )( )( )
201
y así, por el inciso (c) del teorema 6.3:
{ } { } { } { }
( )( )( )
( )
( )
( )( ) ( )
( )( )( )
Como recién vimos, por la teoría de las fracciones simples se sabe que existen constantes únicas
A, B y C tales que:
(1)
( )( )( )
Supóngase que luego se multiplican ambos lados de la última expresión, digamos, por s -1, se
simplifica y enseguida se hace s = 1. Puesto que los coeficientes de B y C serán cero obtenemos:
|
( )( )
|
( )( )( )
donde se ha coloreado el factor que se canceló cuando el lado izquierdo de (1) se multiplicó por
s -1. El factor coloreado no se evalúa en s=1. Ahora, para obtener B y C simplemente se evalúa
el primer miembro de (1) coloreando, a su vez, s – 2 y s + 3:
|
( )( )( )
|
( )( )( )
202
( )( )( )
Este método es una versión simplificada del resultado conocido como teorema de desarrollo de
Heaviside. No es posible utilizarlo cuando Q(s) posee raíces complejas y tiene sus limitaciones
en el caso que Q(s) posea raíces con multiplicidad mayor a 1.
Ejemplo 6.12
Determinar { ( )
}
Solución:
Suponer que:
( ) ( ) ( )
de manera que:
( ) ( ) ( ) ( )
A partir de las ecuaciones anteriores se llega a que , y D=0. Por lo tanto, por los
incisos a), b) y c) del teorema 6.3:
{ } { }
( ) ( )
{ } { } { } {( )
}
{ ( )}
203
Demostración:
Puesto que f(t) es continua a trozos en , está necesariamente acotada en este intervalo:
| ( )|
También:
| ( )|
| { ( )}| ∫ | ( )|
( )
|
Ejemplo 6.13
( ) y ( )
204
Teorema 6.5 (Primer teorema de traslación)
{ ( )} ( )
donde ( ) { ( )}.
Demostración:
{ ( )
( )} ∫ ( ) ∫ ( ) ( )
Si se considera a s como una variable real, entonces la gráfica de F(s-a) es la misma de F(s)
corrida | | unidades sobre el eje s. Si , la gráfica de F(s) se desplaza a unidades a la
derecha, mientras que si , la gráfica se corre | | unidades a la izquierda. Véase la
siguiente figura.
{ ( )} { ( )}
Ejemplo 6.14
Determinar: ( ) { } y( ) { }
Solución:
(a) { } { } | ( )
205
(b) { } { } (a=-2 entonces s – a = s -(-2) = s + 2)
|
( )
( ) { ( )} { ( )| }
donde ( ) { ( )}
Ejemplo 6.15
Determinar { }
Solución:
{ } { }
( )
{ } { }
( ) ( ) ( )
{ } { }
( ) ( )
√
{ | } { | }
√
√ √
√
Ejemplo 6.16
Determinar {( )
}.
Solución:
{ } { }
( ) ( ) ( )
206
{ } { }
( ) ( )
{ | } { | }
En Ingeniería con frecuencia encontramos funciones que corresponden a estados de “sí” o “no”,
o bien de “activo” o “inactivo”. Por ejemplo, una fuerza externa que actúa en un sistema
mecánico o una tensión eléctrica aplicada a un circuito, puede tener que eliminarse después de
cierto tiempo. Es por lo tanto conveniente definir una función matemática especial llamada
función escalón unitario.
( ) {
Obsérvese que ( ) está definida sólo en el eje t no negativo, ya que esto basta para
estudiar la transformada de Laplace.
Cuando la función escalón unitario se multiplica por otra función definida para , tal
función “desactiva “o “apaga” una parte de la gráfica de la función.
Por ejemplo la figura a continuación ilustra la gráfica de , cuando se multiplica por
( ):
( ) ( ) {
La función escalón unitario puede utilizarse también para expresar funciones continuas a trozos
de manera compacta. Por ejemplo, la siguiente función:
( )
( ) { (1)
( )
( ) ( ) ( ) ( ) ( ) ( ) (2)
207
( ) ( ) ( )
( ) {
( ) ( ) ( )
( ) { ( )
( ) ( )[ ( ) ( )].
{ ( ) ( )} ( )
donde ( ) { ( )}
Demostración:
{ ( ) ( )} ∫ ( ) ( )
∫ ( ) ( ) ∫ ( ) ( ) ∫ ( )
{ ( ( ) { ( )}
) ( )} ∫ ( ) ∫ ( )
Ejemplo 6.17
Determinar {( ) ( )}
Solución:
{( ) ( )} { }
208
Con frecuencia se desea encontrar la transformada de Laplace solamente de la función escalón
unitaria. Esto puede hacerse por la definición de transformada o por el segundo teorema de
traslación. Si se identifica f(t)=1 en el teorema 6.5, entonces f(t-a)=1, ( ) { } , y así:
{ ( )} (3)
Ejemplo 6.18
Solución:
( ) ( ) ( )
{ ( )} { } { ( )} { ( }
Ejemplo 6.19
Determinar { ( )}
Solución:
{ ( )} { ( ) ( }
{ }
209
Forma inversa del segundo teorema de traslación
( ) ( ) { ( )} (4)
( ) { ( )}
Ejemplo 6.20
Determinar { }.
Solución:
{ } { } ( ) ( ) ( )
( ) ∫ ( ) ∫ [ ( )] ∫ ( ) { ( )}
Esto es:
{ ( )} { ( )}
En forma similar:
{ ( )} { ( )} { ( )} ( { ( )}) { ( )}
Para n=1,2,3,…
{ ( )} ( ) ( )
donde ( ) { ( )}
210
Ejemplo 6.21
Determinar: a) { } ) { } ) { } ) { }
Solución:
a) Observar en este primer ejemplo que se puede también usar el primer teorema de
traslación. Para aplicar el teorema derivadas de transformadas se identifica n=1 y
( ) .
{ } { } ( )
( )
b) { } { } ( )
( )
{ } { }
Puesto que ( )
se tiene que:
{ } { } (( )
)
{ }
( )
d) { } { } { } (( )
)
( )
[( ) ]
{ ( )} ∫ ( ) ( )| ∫ ( ) ( ) { ( )}
o bien:
211
{ ( )} ( ) ( ) (1)
{ ( )} ∫ ( )
( )| ∫ ( )
( ) { ( )} [ ( ) ( )] ( )
o, equivalentemente:
{ ( )} ( ) ( ) ( ) (2)
Los resultados en (1) y (2) son casos especiales del siguiente teorema, el cual proporciona la
transformada de Laplace de la n-ésima derivada de f.
( ) ( )
{ ( )} ( ) ( ) ( ) ( )
Ejemplo 6.22
{ } { ( )}
(( )
) ( )
Convolución
Algunas veces es posible identificar una transformada de Laplace H(s) como el producto de
otras dos transformadas F(s) y G(s) las que corresponden a funciones conocidas f y g
respectivamente. En este caso, podría anticiparse que H(s) sería la transformada del producto f y
g. Sin embargo, esto no es así, como se establece en el siguiente teorema.
212
( ) ( ) ( ) { ( )} (3)
En donde:
( ) ∫ ( ) ( ) ∫ ( ) ( ) (4)
( )( )( )
En particular, la notación (f*g)(t) sirve para indicar la primera integral que aparece en la
ecuación (4).
La convolución f*g tiene muchas de las propiedades de la multiplicación ordinaria. Por ejemplo,
es relativamente sencillo demostrar que:
f*0=0*f=0
Sin embargo, existen otras propiedades de la multiplicación ordinaria que no tiene la integral de
convolución. Por ejemplo, en general no es cierto que f*1 es igual a f. Para ver esto, nótese que:
( )( ) ∫ ( ) ∫ ( )
( )( ) ∫ ( ) ( )|
Es evidente que ( )( ) ( ). De manera semejante, puede no ser cierto que f*f sea no
negativo.
Volviendo ahora a la demostración del teorema 6.9, nótese primero que si:
( ) ∫ ( )
213
y
( ) ∫ ( )
Entonces:
( ) ( ) ∫ ( ) ∫ ( )
( ) ( ) ( ) ( )
∫ ∫ ( ) (5)
Esta expresión puede ponerse en una forma más conveniente al introducir nuevas variables de
integración. En primer lugar, sea , para fija. Entonces la integral con respecto a de
la ecuación (5) se transforma en una integral con respecto a t, de donde:
( ) ( ) ∫ ( ) ∫ ( ) (6)
( ) ( ) ∫ ( ) ∫ ( ) (7)
La integral del segundo miembro de (7) se calcula sobre la región sombreada en la figura
mostrada debajo. En el supuesto de que es posible invertir el orden de la integración, finalmente
se obtiene:
( ) ( ) ∫ ∫ ( ) ( )
o bien:
( ) ( ) ∫ ( ) { ( )}
En donde h(t) queda definida por la ecuación (4). Esto completa la demostración del teorema
6.9.
214
Ejemplo 6.23
Determinar {∫ ( ) }
Solución:
{∫ ( ) } { } { }
( )( )
{ ( ) ( )} (8)
Ejemplo 6.24
Determinar {( )( )
}
Solución:
( ) y ( )
entonces:
{ ( )} ( ) y { ( )} ( )
( )
{ } ∫ ( ) ( ) ∫ ∫
( )( )
Ejemplo 6.25
Determinar {( )
}
Solución:
Sea:
215
( ) ( )
de modo que: ( ) ( ) { }
{( )
} ∫ ( ) (9)
( )
( )
[ ( ) ( )]
{ } ∫[ ( ) ]
( )
[ ( ) ]
Teorema 6.10
Sea f(t) continua a trozos en [0, ) y de orden exponencial. Si f(t) es periódica, con
período T, entonces
{ ( )} ∫ ( ) (10)
Demostración:
216
{ ( )} ∫ ( ) ∫ ( ) ∫ ( ) (11)
( ) { ( )}
∫ ( ) ∫ ( ) ∫ ( )
{ ( )} ∫ ( ) { ( )}
{ ( )} ∫ ( )
Ejemplo 6.26
Solución:
( ) {
y fuera del intervalo como f(t+2)=f(t). Considerando que T=2, haciendo uso de la ecuación (10)
e integrando por partes, se tiene que:
{ ( )} ∫ ( ) (12)
∫ ∫
217
⌈ ⌉ (13)
( )
( )
Los resultados en (13) se pueden obtener en realidad sin evaluar la integral haciendo uso del
segundo teorema de traslación. Si se define:
( ) {
( ) ( ) ( ) ( ) ( )
{ ( )} { ( )} { ( ) ( ) ( )}
[ ]
( )
( )
( ) ( ) ( )
( )
donde y también , son constantes. Se puede escribir, por la
propiedad de linealidad de la transformada de Laplace:
{ } { } { } { ( )} (1)
218
( )
[ ( ) ( ) ( )]
( ) ( ) ( ) ( )
[ ( )]
( )
O bien:
( )
[ ] ( ) [ ] [
( )
] ( ) (2)
( ) { ( )}
El procedimiento se describe en el siguiente esquema. Obsérvese que este método incorpora las
condiciones iniciales prescritas directamente en la solución. Por lo tanto, no hay necesidad de
realizar las operaciones por separado para determinar las constantes en la solución general de la
ecuación diferencial.
Resolver:
, y(0)=1
Solución:
{ } { } { }
Usamos después:
{ } ( ) ( ) ( ) y { }
( )
( ) ( )
( )
( )
( )( )
219
( )( )
( ) ( )
( )
y:
( ) { } { }
( )
Ejemplo 6.28
Resolver:
, y(0)=2, y’(0)=6
Solución:
{ } { } { } { }
( ) ( ) ( ) [ ( ) ( )] ( )
( )
( ) ( )
( )
( ) ( ) ( )
( )
( )
( )
y así:
220
( ) { } { }
( )
{ | }
( )
Ejemplo 6.29
Resolver:
, y(0)=0, y’(0)=0
Solución:
{ } { } { } { } { }
( ) ( ) ( ) [ ( ) ( )] ( )
( ) ( )
( )
( )
( )( )
( )( )
Lo que implica
( )( ) ( ) ( ) ( )
Haciendo s=0 y s=-1 resultan, respectivamente, A=1/6 y B=1/3. Como nos falta determinar C y
D, igualamos los coeficientes de y s, obteniendo el siguiente sistema de ecuaciones:
( )
221
( )( )
( )
( ) ( )
Finalmente, de los incisos (a) y (c) del teorema 6.3 y del primer teorema de traslación, se
obtiene:
√
( ) { } { } { } { }
( ) √ ( )
√
√ √
Ejemplo 6.30
Resolver:
, x(0)=0, x’(0)=1
Solución:
( ) ( )
( )
( )
Con la ayuda del inciso d) del teorema 6.3 y el teorema 6.6 se encuentra que:
( ) { } { }
( )
Ejemplo 6.31
Resolver ( ) ( ) ( )
donde ( ) {
222
Como se aprecia en la figura anterior, la función f(t) puede interpretarse como una fuerza
externa que actúa en un sistema mecánico sólo por un tiempo corto, siendo eliminada
posteriormente. Aunque este problema puede resolverse en forma convencional, el
procedimiento puede ser complicado cuando f(t) se define como una función partida. Utilizando
las ecuaciones (1) y (2) de la sección 6.2 y la periodicidad del coseno, se puede expresar f en
términos de la función escalón unitario como:
( ) ( ) ( ) ( )
{ } { } { ( )}
( ) ( ) ( ) ( )
( )
( ) ( )
( )
( ) ( )
Por el inciso (b) del ejemplo 6.21 (con k=4) junto con la ecuación (4) de la sección 6.3,
llegamos a la solución deseada:
( ) { } { } { }
( ) ( )
( ) ( ) ( )
( ) {
223
Ejemplo 6.32
Resolver: ( ) ( ) ( )
donde:
( ) ( ) ( ) ( )
Solución:
( ) ( )
o bien:
( )
( ) ( ) ( )
( ) [ ] [ ]
( ) ( )
[ ]
( )
( ) ( ) ( ) ( )
( ) [ ( ) ] ( ) [ ( ) ] ( )
( ) ( )
[ ( ) ] ( )
( ) ( ) ∫ ( ) ( )
Ejemplo 6.33
Resolver:
224
( ) ∫ ( )
Solución:
{ ( )} { } { } { ( )} { }
( ) ( )
( ) ( )
( )
( )
( )
( )
Por lo tanto:
( ) { } { } { } { }
Algunos sistemas mecánicos suelen estar sometidos a una fuerza exterior (o a una tensión
eléctrica aplicada en el caso de circuitos) de gran magnitud, que solamente actúa durante un
tiempo muy corto. La función:
( ) {
con graficada a continuación, puede servir como modelo matemático para tal
fuerza.
225
Para un valor pequeño de a, se tiene que ( ) es esencialmente una función constante de
gran magnitud, que está “activa” por un tiempo muy corto alrededor de t0.
La función ( ) se llama impulso unitario puesto que cuenta con la siguiente propiedad
de integración:
∫ ( )
En la práctica es conveniente trabajar con otro tipo de impulso unitario. Una “función” que
aproxima a ( ) se define por el límite:
( ) ( )
La última expresión que no es una función del todo, puede caracterizarse por dos propiedades:
i) ( ) { y ii) ∫ ( )
{ ( )} { ( )}
Para
{ ( )} (1)
226
Demostración:
( ) [ ( ( )) ( ( ))]
Por linealidad y por la ecuación (3) de la sección 6.2 la transformada de Laplace de la última
expresión es:
( ) ( )
{ ( )} [ ]
o bien:
{ ( )} ( ) (2)
Puesto que (2) tiene la forma indeterminada 0/0 cuando aplicamos la regla de L´Hôpital:
{ ( )} { ( )} ( )
{ ( )}
El último resultado destaca el hecho de que ( ) no es una función ordinaria de las que se han
considerado puesto que se espera que, por el teorema 6.5: { ( )} .
Ejemplo 6.34
Resolver:
( )
sujeta a:
a) y(0)=1, y’(0)=0
b) y(0)=0, y’(0)=0
227
Los dos problemas de valor inicial pueden servir como modelos para describir el movimiento de
una masa sujeta a un resorte en un medio en el que la amortiguación es despreciable. En t=
segundos se le proporciona un fuerte golpe. En a) la masa se suelta desde el reposo, en un punto
que está una unidad debajo de la posición de equilibrio. En b) la masa está en reposo en la
posición de equilibrio.
Solución:
( ) ( )
o bien:
( )
( ) ( ) ( ):
( ) { (3)
( )
y así:
228
( ) ( ) ( )
o, lo que es lo mismo:
( ) { (4)
229
BIBLIOGRAFÍA
230