Apuntes del curso

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

3. EXISTENCIA Y UNICIDAD DE SOLUCIONES

3.1 Sucesiones y series de funciones
3.2 Demostración del teorema de existencia y unicidad (Picard)

4. SISTEMAS LINEALES DE ECUACIONES DIFERENCIALES

4.1 Sistemas de ecuaciones lineales de primer orden
4.1.1 Sistemas lineales homogéneos con coeficientes constantes
4.1.1.1 Sistemas hermíticos
4.1.1.2 Sistemas no hermíticos
4.1.2 Sistemas lineales no homogéneos
4.2 Exponencial de una matriz y sistemas lineales
4.3 Cambio de variables para las ecuaciones lineales

5. ESTABILIDAD DE SISTEMAS LINEALES DE ECUACIONES

DIFERENCIALES Y FUNCIONES DE LIAPUNOV
5.1 Ecuaciones autónomas en el plano
5.2 Estabilidad de sistemas lineales. Diagrama de fases
5.3 Estabilidad de sistemas no lineales. Linealización
5.4 Método de Liapunov

6. RESOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS

POR TRANSFORMADA DE LAPLACE
6.1 Transformada de Laplace
6.2 La anti-transformada
6.3 Teoremas de traslación y derivadas de una transformada
6.4 Transformadas de derivadas, integrales y funciones periódicas
6.5 Aplicaciones de la transformada de Laplace a ecuaciones diferenciales ordinarias
6.6 La función delta de Dirac

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:

En este curso sólo consideraremos ecuaciones diferenciales ordinarias.

Una ecuación diferencial de la forma ( ), es llamada ecuación diferencial de primer
orden. La denominación hace referencia al hecho de que en la ecuación sólo aparece la derivada
de primer orden (u orden 1). No se excluye la posibilidad que la función f sea constante con
respecto a t, o x, o a los dos.

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)
( )
………………
( )

El número de ecuaciones es igual al número de variables, sin contar a la variable independiente

t. Se llega a la máxima generalidad cuando se considera un sistema de n ecuaciones simultáneas
en n variables, en el cual las ecuaciones pueden ser de un orden cualquiera, y no necesariamente
el mismo. Exigimos que el sistema sea normal, es decir, que la derivada de mayor orden de cada
variable se presente sólo en una ecuación, y además en el primer miembro de la misma.

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:

( )

Un sistema cualquiera de orden n es autónomo, si el sistema equivalente de ecuaciones de

primer orden es también autónomo.
Así, una sola ecuación de orden n es autónoma si es de 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).

Un sistema lineal de primer orden tiene, por consiguiente, la forma:

∑ ( ) ( )

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.

Se llama solución de una ecuación diferencial a todo par: ( ); siendo I un intervalo y

una función que verifica la ecuación diferencial. De esta forma, se llama
solución general de una ecuación diferencial a la función que la verifica y que involucra a uno o
más parámetros reales e indeterminados. Cuando él o los parámetros de la solución general
asumen valores precisos, la solución se llama particular o única.
Por ejemplo, la solución general de la ecuación: es x(t) = ket

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: ( ) .

Observación: para resolver un PVI de orden n se van a necesitar n condiciones iniciales.

1.1 Ecuaciones diferenciales a variables separables

Sea la función f en la ecuación diferencial de primer orden dx/dt= f(t,x) tal que f se puede
escribir como el producto de una función que depende sólo de t, continua para todo t en un
intervalo abierto de por una función que depende sólo de x continua para todo x, en un
intervalo abierto de . La ecuación tendrá, entonces, la forma:

( ) ( ) ( )

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.

Definición (Punto de equilibro o crítico): sea dx/dt=f(x)g(t); f:I  ; g:J  .

Diremos que x0 I es un punto de equilibrio o crítico de la ecuación diferencial dx/dt=f(x)g(t);
si se cumple que f(x0)= 0.

Teorema 1.1

Sean f:I ; g:J continuas. Sea la ecuación diferencial: dx/dt=f(x)g(t) y sea x0

I un punto crítico de la ecuación diferencial (es decir f(x0)=0).
Entonces la función: (t)= x0 t J es solución de: dx/dt= f(x)g(t); y dicha solución se llama
solución estacionaria o de equilibrio. Profundizaremos sobre este punto en el capítulo 2.

Solución de la ecuación a variables separables

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:

∫ ( )
∫ ( )

donde c es una constante arbitraria. No es necesario introducir una constante arbitraria en el

primer miembro, porque tal constante podría ser combinada con la del segundo.

La última ecuación se puede escribir como: ( ) ( ) , donde H y G son integrales

indefinidas (primitivas) de 1/f y g, respectivamente. Esta ecuación es una representación
implícita de la ecuación diferencial (1.1). La determinación de una fórmula explícita para la
solución requiere que se despeje la x en función de t. Para cada c (posiblemente restringido a
cierto campo), la función resultante proporcionará una o más soluciones de la ecuación
diferencial.

Teorema 1.2

Sea la ecuación: ( ) ( ) para t perteneciente a un intervalo abierto J en el que g es

continua, y x perteneciente a un intervalo abierto I en el que f es continua y no se anula.
Sean G y F integrales indefinidas para g y 1/f en J e I, respectivamente. Sea c un número para el
que se satisfaga la ecuación:

( ) ( ) ( )

al menos para un par de números (t,x).

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( )

Veamos ahora como proceder al tener un PVI.

( ) ( )
Resolución del PVI: { con g () ()
( )

1) Verificar si x0 es punto crítico de la ecuación diferencial (f(x0)=0). Si x0 es punto crítico

entonces (t)=x0 t J es la solución buscada.

( )
2) Si f(x0) 0  ( )
( )∫ ( ( ))
∫ ( )

( )
Hacemos ahora A = ∫ yB= ∫ ( )
( ( ))

Para resolver A, efectuamos el siguiente cambio de variable (C. de V.):

6
 y u
u = x(y) t x(t)=x
du = x’(y)dy t0 x(t0)=x0

Ejemplo 1.1

Resolver:

( )
{
( )

Solución:

Aquí nuestra función f(x)=e-x y g(t)=t+t3. t0=0 y x0=2

Como f(2)=e-2 0 

∫ ∫( )

A)∫ | = ex – e2

B)∫ ( ) ( )|

Como A) = B): 

( ) ( ). Luego ( ) ( )

1.1.1 Ecuaciones diferenciales que se transforman en ecuaciones diferenciales a

variables separables

Consideremos el siguiente PVI:

( )
1) {
( )

Si bien en principio la ecuación diferencial de este problema no responde a la forma de variables

separables, es posible transformarla en una ecuación de este tipo mediante el siguiente cambio
de variable:

( )
( )  ( ) ( )

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:

{ ( )
( )

Entonces: { con F(u)=u2; G(t)=1/t

( )

Siendo F(1) = 1, resolvemos: {

( )

∫ ∫

A)∫ = | =1-

B)∫ | || | |

Luego, como A) = B)   ,

Así, llegamos a:

8
 ( )

Entonces, la solución x(t) del PVI original es:

x(t)= t.u(t) =

( )
2) {
( )

Esta ecuación se transforma en una ecuación a variables separables mediante el siguiente

cambio de variable:

u(t)= at + bx(t)  u’= a + bx’ 

( ) [ ( ) ]
Sustituyendo: {  {
( ) ( ) ( )

con F(u)=bf(u)+a y G(t)=1

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:

Utilizando el cambio de variable: u(t) = t + 2x(t)

u’=1+2x’ 

( )
Sustituyendo: {  {
( ) ( ) ( )

Como F(u)=2u2+1  F(1)=3 0. Resolvemos:

9
{  ∫ ∫
( )

√ √
A) ∫ ∫ (√ )
∫ (√ )
∫√ ( )|√√
√ √ √

[ (√ ) (√ )]
√

v y
C. de V.: y = g(v) = √
u √
g’(v) = √ 1 √

B) ∫ |

Como A) = B):

[ (√ ) (√ )]
√

(√ ) √ ( ) (√ )

[ (√ )] (√ ( ) (√ ))

Luego: ( ) (√ ( ) (√ ))
√

Para encontrar la solución x(t) del PVI original se deshace el C. de V. inicial:

(√ ( ) √ )
( )
( ) √

Teorema 1.3 (Existencia y unicidad para el PVI con ecuaciones diferenciales a

variables separables de primer orden)

Sean f: I ;f C1 (I), g: J ;g C1 (J)

Sean t0 J, x0 I

( ) ( )
Entonces el PVI: {
( )

tiene solución única.

Dada su complejidad, no demostraremos aquí este teorema. En el capítulo 3, vamos a demostrar

el teorema de existencia y unicidad en el caso general de una ecuación diferencial ordinaria de
primer orden (que obviamente incluye el caso de variables separables). El siguiente ejemplo
muestra que el problema con valor inicial podría tener más de una solución en caso de que se
violen las hipótesis del teorema anterior.

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:  [ ( )]

La condición inicial se satisface si c=0, por lo que:

( ) ( ) ,x 0 satisface el PVI.

Por otra parte, la función ( ) ( ) ,x 0 también es una solución del problema

con valor inicial dado. Es más, la función ( ) es otra solución.
De hecho, no es difícil demostrar que, para un valor positivo x0 arbitrario, las funciones:

( ) {
[ ( )]

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).

1.2 Ecuaciones diferenciales lineales de primer orden

Definición: sean P, Q: I , continuas. Se llama ecuación diferencial lineal de primer
orden a una ecuación diferencial de la forma:

y’+ P(x)y = Q(x)

El correspondiente PVI es:

11
 ( ) ( )
{
( )

Veremos ahora dos casos distintos, dependiendo de si Q(x) se anula (ecuación homogénea) o no
(ecuación no homogénea).

1.2.1 Ecuación lineal 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:

( ) = ∫ ( ) ,

El siguiente teorema es análogo al teorema (1.2) para las ecuaciones no lineales.

Teorema 1.4 (Existencia y unicidad de la solución)

Sea P continua en un intervalo abierto I. Sea x0  I un punto elegido arbitrariamente. Sea y0 

. Entonces existe una y una sola función y = (x) que satisface el problema de valores
iniciales:

( )
{
( )

∫
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

Probaremos que (x) es la única solución del problema.

∫
Supongamos que g es otra solución. Probaremos que g(x) = (x) = o lo que es lo
mismo:

∫
( )

∫
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

1.2.2 Ecuación lineal no homogénea

A continuación, se presentarán dos métodos alternativos para obtener las soluciones de la

ecuación no homogénea: el método de variación de constantes o parámetros y el método del
factor integrante.

Método de variación de constantes o parámetros

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) = ( ) ∫ ( )

Paso seguido, se deriva la igualdad anterior:

y’(x) = ( ) ∫ ( ) ( ) ∫ ( )

Ahora, sustituimos en la ecuación diferencial a resolver y hacemos cuentas:

y’+ P(x)y = Q(x)

( ) ∫ ( ) ( ) ( ) ∫ ( ) + P(x) ( ) ∫ ( ) = Q(x)

( ) ∫ ( ) ( ) ( ) ( ) ∫ ( )

Integrando la última ecuación anterior con respecto a x:

∫ ( )
∫ ( ) ∫ ( )

( ) ∫ ( ) ∫

donde k corresponde a la constante de integración del miembro izquierdo de la

ecuación. Finalmente, se sustituye la expresión de c(x) en la solución de partida:
∫ ( ) ∫ ( )
y(x) = [ ∫ ( ) ]

Esta ecuación se conoce como la fórmula de Leibniz.

13
En caso de tener el PVI:

( )
{
( )

la solución que satisface las condiciones iniciales será:

∫ ( ) ∫ ( )
( ) [ ∫ ( ) ]

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:

Tenemos que P(x)= -3 y Q(x)=

Entonces, la solución del PVI se calcula como:

( ) ∫ ∫
[ ∫ ]

Resolviendo las integrales:

( ) [ ∫ ]

( ) [ ∫ ]

( ) [ ]

Finalmente, la solución que buscamos es:

( )

Se puede utilizar el método de variación de parámetros para resolver primero la

ecuación diferencial propiamente dicha (obteniendo una solución general de la misma)
y luego aplicar las condiciones iniciales para obtener una solución particular que cumpla

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.

En este caso, el procedimiento parte de la ecuación:

∫ ( ) ∫ ( )
y(x) = [ ∫ ( ) ]

Haciendo las mismas sustituciones que antes y resolviendo las integrales:

∫ [ ∫ ]
y(x) = ∫

∫ [ ]
y(x) = ∫

y(x) = [ ]=k

Aplicando la condición inicial:

y(0) = k =3

k -1 = 3 k=4

Sustituyendo en la solución general, llegamos así a la solución buscada:

y(x) =

Método del factor integrante

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:

( ) ( )

en un intervalo en que los coeficientes P(x) y Q(x) son continuos.

Multiplicando ambos lados de la ecuación por el factor integrante, el cual elegiremos como:

( ) ∫ ( ) , obtenemos:

∫ ( ) ( ) ∫ ( ) ( ) ∫ ( )

Como la derivada de [∫ ( ) ], [∫ ( ) ] = P(x), el primer miembro de la ecuación

anterior es la derivada del producto ( ) ∫ ( ) . Así que:

[ ( ) ∫ ( ) ]= ( ) ∫ ( )

La integración a ambos lados de la ecuación rinde:

15
 ( ) ∫ ( ) ∫ ( )
∫( ( ) )

Finalmente, despejando y, obtenemos la solución general de la ecuación lineal de primer orden:

( ) ∫ ( ) ⌊∫( ( ) ∫ ( ) ) ⌋

Pasos del método:

1- Definir el factor integrante ( ) ∫ ( )

2- Multiplicar cada lado de la ecuación diferencial por ( )

3- Reconocer el lado izquierdo de la ecuación que resulta como la derivada de un
producto: [ ( ) ( )] ( ) ( ).
4- Integrar la ecuación: ( ) ( ) ∫ ( ) ( ) y despejar y, a fin de obtener la
solución general de la ecuación diferencial original.

El factor integrante ( ) está determinado excepto por una constante multiplicativa.

Si sustituimos ∫ ( ) por ∫ ( ) , el resultado es:

( ) (∫ ( ) ) ∫ ( )

Pero el factor constante no afecta al resultado de multiplicar ambos miembros de la ecuación

diferencial por ( ). Por lo tanto, podemos escoger a ∫ ( ) como cualquier primitiva
conveniente de P(x).

Ejemplo 1.5b

Resolver:

{
( )

Solución:

Tenemos que P(x)= -3 y Q(x)=

Por tanto, el factor integrante es: ( ) ∫

⌈ ( ) ⌉=

( )

( ) ⌊ ⌋

( )  C=4

16
Finalmente: ( )

Como resulta lógico, se llega al mismo resultado que al aplicar el método de variación de
parámetros.

Teorema 1.5 (Existencia y unicidad de la solución)

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)

Probaremos que (x) es la única solución.

Supongamos que g es otra solución. Debemos probar que g(x) = (x), o lo que es lo mismo:

g(x) – (x) = 0  x

Definimos: h(x) = g(x) – (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)

Además, h(x0) = g(x0) – (x0) = y0 – y0 = 0

 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: ( ) [ ∫ ]

( ) ∫ ( ) ∫ ∫ ∫ | ||

( )
[ ( ) ] ( )

( ) ( )
( )
 () ∫ ( )
∫

( ) ∫ ( ) [ | | ] [ ]
( ) ( ) ( )

1.3 Ecuaciones diferenciales no lineales de primer orden

Al discutir las ecuaciones diferenciales a variables separables, vimos varios ejemplos de
ecuaciones no lineales de primer orden. Esto es: la función incógnita de la ecuación (o también
alguna de sus derivadas) se encuentra participando de operaciones no lineales (potencia,
exponencial, logaritmo, etc.). En este curso no vamos a tratar de manera exhaustiva las
ecuaciones diferenciales no lineales, ecuaciones que, salvo excepciones (como el caso de las de
variables separables), son de muy difícil resolución o incluso no poseen solución. En esta
sección vamos a presentar solamente otros dos casos particulares de este tipo de ecuaciones y
ver brevemente la forma de resolverlas.

1.3.1 Ecuación diferencial de Bernoulli

Definición: sean P, Q: I  funciones continuas. Se llama ecuación de Bernoulli a la

ecuación diferencial:
( ) ( ) donde , 1

Como es aparente en su definición, este tipo de ecuaciones son de primer orden, homogéneas y
no lineales.

Notar que: a) si = 0: y’+ P(x)y = Q(x)

b) si = 1: y’+ P(x)y = Q(x)y  [ ( ) ( )]

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.

Resolución de la ecuación de Bernoulli

Resolveremos el correspondiente problema de valores iniciales:

( ) ( ) ( )
{
( )

Multiplicando ambos miembros de la ecuación por el factor , obtenemos:

( ) ( )

Ahora, es claro que podemos aplicar el siguiente cambio de variable:

( ) ( ) ( ) ( ) ( )

( ) ( )
Sustituyendo: {
( ) ( )

( ) ( ) ( ) ( )
{
( )

Identificando ( ) ( ) ( )y ( ) ( ) ( ) podemos resolver el problema como

una ecuación diferencial lineal de primer orden. Resolviendo este PVI, encontramos su solución
u(x). Luego, para hallar la solución del PVI original se deshace el cambio de variable
introducido:

y(x) = u( )

Ejemplo 1.7

Resolver:

{
( )
Solución:

Nótese que:
Tenemos que: ( ) , ( ) y

( )
{
( )

19
El cambio de variable es:

( ) ( )

Sustituyendo en la ecuación diferencial:

( )
{
( ) ( )

( )
{
( )

Resolviendo la ecuación diferencial lineal de primer orden que nos quedó:

( ) ( ) ( )
[ ∫ ]

( ) ∫ ( ) ∫ ( ) | || | |

(t )
 () ( )

Deshaciendo el cambio de variable introducido:

( ) √ ( )

La única posibilidad que admite la condición x(1) = 1 es:

( ) √ ( )

1.3.2 Ecuación diferencial de Ricatti

Definición: Se llama ecuación de Ricatti a una ecuación diferencial de la forma:

( ) ( ) ( )

Al igual que la ecuación diferencial de Bernoulli, la ecuación de Ricatti es de primer orden y no

lineal. La complejidad que agrega es que se trata de una ecuación no homogénea.

20
Resolución de la ecuación de Ricatti

La solución general para este tipo de ecuación diferencial se construye de la siguiente manera:

( ) ( ) ( )

siendo ( ) solución de una ecuación diferencial de Bernoulli que hallaremos y ( ) una

solución particular de la ecuación de Ricatti que se da como dato. La suma ( ) es la solución
de la ecuación de Ricatti que queremos hallar.
Trabajando con la solución general propuesta:

( )

Sustituyendo en la ecuación de Ricatti:

( ) ( )[ ] ( )[ ] ( )

Llegamos así a una ecuación de Bernoulli:

[ ( ) ( )] ( )

Resolviendo esta ecuación hallamos su solución ( ).

Luego: ( ) ( ) ( )

El correspondiente PVI es:

[ ( ) ( )] ( )
{
( ) ( )

Ejemplo 1.8

Resolver:

{
( )
sabiendo que ( ) es una solución particular de la ecuación diferencial.

Solución:

Construimos la solución buscada como:

1 1
y(t) = z(t) +  y’(t) = z’(t) –
t t2

21
Sustituyendo en la ecuación de Ricatti:
2
1  1 2
z’(t) – = z   –
t2  t t2

Haciendo cuentas, nos queda:

2
z’ = z + z2 (Ecuación de Bernoulli)
t
2 -1
z’ z-2 = z +1
t
Haciendo el cambio de variable u = z-1, u’ = - z’ z-2

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

Finalmente, construimos la solución general de la ecuación de Ricatti:

1 3t 2
y(t) = 
t 3c  t 3

Para resolver el PVI, aplicamos la condición inicial:

3 3 4
2 = 1  1=  3c  1  3  c 
3c 1 3c 1 3
Con lo cual, la solución que cumple con el PVI es:

1 3t 2
y(t) = 
t 4  t3

1.4 Ecuaciones diferenciales lineales de segundo orden

Una ecuación diferencial de orden dos o segundo orden es una ecuación de la forma:

22
 ( ) ( ) ( )

Si las funciones p y q dependen efectivamente de la variable x, la ecuación diferencial se

denomina a coeficientes variables. En caso contrario, a coeficientes constantes. En el caso que
la función g(x) sea nula, la ecuación de segundo orden será homogénea (ELH); de lo contrario,
no homogénea (ELNH).

Ejemplo: (homogénea a coeficientes variables)

y’’+ y’+ y = x (no homogénea a coeficientes constantes)

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.

Definición (Operador Diferencial): se llama operador diferencial (D) a la función:

D[y] = y” + p(x) y’+ q(x) y

Observación: Si [ ] Ecuación lineal homogénea (ELH)

Si [ ] ( ) Ecuación lineal no homogénea (ELNH)

Ejemplo 1.9

Hallar el operador diferencial de la ecuación:

y’’+ xy = 0
Solución:

En este caso, tenemos que: p(x) = 0 y q(x) = x

En consecuencia, el operador diferencial es: D[y(x)] = y”(x) + x y(x)

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:

1) D[ y(t)] = ( y)”(t) + p(t) ( y)’(t) + q(t) ( y)(t) =

 y”(t) + p(t)  y’(t) + q(t)  y(t) = (y”(t) + p(t) y’(t) + q(t) y(t)) =  D[y(t)]

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.

1.4.1.1 Ecuación Lineal Homogénea

Teorema 1.6 (Existencia y unicidad de la solución)

Sean: p, q: I  , continuas en I.

( ) ( )
Entonces el PVI: { ( ) tiene solución y es única.
( )

No demostraremos este teorema.

En el siguiente teorema se observa que la suma, o superposición, de dos soluciones de una

ecuación diferencial lineal homogénea es también una solución de la misma.

Teorema 1.7 (Principio de superposición para ecuaciones lineales homogéneas)

Sean y1(x), y2(x) soluciones de la ecuación diferencial lineal de orden 2 en un intervalo I.

Entonces la combinación lineal:

( ) ( )

en donde las constantes son constantes arbitrarias, es también una solución en el

mismo intervalo.

24
Demostración:

Sean y1(x) e y2(x) soluciones de y” + p(x) y’+ q(x) y = 0

Si se define:

( ) ( ), entonces:

( ( ) ( )) ( )( ( ) ( )) ( )( ( ) ( ))

( ( ) ( ) ( ) ( ) ( )) ( ( ) ( ) ( ) ( ) ( ))

Teorema 1.7 (Corolario)

A) Si y1(x) es una solución de una ecuación diferencial homogénea, entonces un múltiplo

constante de ella, y = ( ), es también una solución.
B) Una ecuación diferencial lineal homogénea siempre satisface la solución trivial y=0.

El teorema a continuación nos asegura que toda solución es de la forma vista anteriormente:

( ) ( ).

Teorema 1.8 (Solución general ecuación homogénea)

Sean y1(x) e y2(x) dos soluciones de:

y” + p(x) y’+ q(x) y = 0

en un intervalo I, tales que y1(x)y2’(x) – y1´(x) y2(x)  0 en dicho intervalo.

Entonces y(x) = y1(x) + y2(x) , es la solución general de la ecuación diferencial.
Nota:
La solución general de un ecuación diferencial de segundo orden, lineal y homogénea, se puede
obtener a partir de una combinación lineal de dos soluciones y1(t) e y2(t). Este es el denominado
principio de superposición. Como veremos enseguida, la relación entre las dos soluciones, y1(t)
e y2(t) es el valor del determinante de la siguiente matriz:

y1 y2
y1 ' y2 '

que se calcula como: y1(x) y2’(x) – y1’(x) y2(x)

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.

Definición (Conjunto fundamental o sistema fundamental de soluciones): Sea la ecuación

diferencial:

( ) ( ) ( )

Sean ( ), ( ) soluciones de (1.3)

Diremos que { ( ) ( )} es un conjunto fundamental de soluciones de (1.3) si se cumple

que:

( ) ( ) ( ) ( ) ( ) ( )

Ejemplo 1.10

Sea la ecuación (E):

Indicar cuál o cuáles de los siguientes conjuntos forman un conjunto fundamental de (E),
justificando en cada caso.

i){ } ii){ }

Solución:

i) Para el conjunto { } calculamos:

( ) , ,

26
Sustituyendo: ( ) ( ) ( )

 ( ) es solución de (E)

( ) , ( ) ,

Sustituyendo: ( ) ( ) ( )

 ( ) no es solución de (E). Y por tanto { } no es un conjunto fundamental de

(E).

ii) Para el conjunto { } haremos un tratamiento similar.

Ya sabemos que: ( ) es solución de (E) por i).

Sea ( ) , ,

Sustituyendo en (E): ( ) ( ) ( )

 ( ) es solución particular de (E).

Ahora:

( ) ( ) ( ) ( ) ( ) ( )

{ } es un conjunto fundamental de (E).

Definición (Wronskiano de dos funciones): sean f, g: I  , derivables en I. Se llama

Wronskiano de f y g, a la función:

[ ]( ) ( ) ( ) ( ) ( )

Teorema 1.9

Sean p(x) y q(x) dos funciones continuas en I y sean y1(x) e y2(x) dos soluciones de:

y” + p(x) y’+ q(x) y = 0

Entonces W(x) es idénticamente nulo, o nunca es cero en I.

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)

Puesto que y1(x) e y2(x) son dos soluciones de la ecuación homogénea:

y1” = -p(x) y1’ – q(x) y1 e y2” = -p(x) y2’ – q(x) y2

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:

Supongamos que W(x0) = 0, entonces:

y1(x0) + y2(x0) = 0

y1’(x0) + y2’(x0) = 0

tiene una solución no trivial, 0y 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)

Dos soluciones y1(x) e y2(x) son linealmente independientes en un intervalo I si y solo si su

Wronskiano W(y1,y2)  0 en dicho intervalo. O sea, dos soluciones y1(x) e y2(x) forman un
conjunto fundamental de soluciones si y solo si son linealmente independientes.

Veremos a continuación un método general que aprovecha el conocimiento de una de las

soluciones de: y” + p(x)y’+ q(x)y = 0, para hallar la segunda solución linealmente
independiente.

Método de reducción de orden

Este método se aplica para construir un conjunto fundamental de soluciones de la ecuación

diferencial: (1.3): ( ) ( ) (donde p(x) y q(x) son funciones continuas en
algún intervalo I) a partir de una solución conocida ( ) de (1.3).

Sea ( ) una solución diferente de cero de la ecuación (1.3), es decir:

( ) ( )

Se buscará entonces otra solución ( ) de (1.3) de manera que { ( ) ( )} sea un conjunto

fundamental de (1.3).

La función ( ) se propondrá de la forma siguiente:

( ) ( ) ( )

El problema ahora es hallar u(x). Puesto que ( ) será la segunda solución de (1.3), se cumple
que:

( ) ( )

Se calculan primero las derivadas pertinentes:

Y ahora se sustituye en (1.3):

( ) ( )[ ] ( )
[ ( ) ( ) ] [ ( ) ]

Por ser ( ) solución entonces:

[ ( ) ]

Aplicamos ahora el cambio de variable: ( ) ( )

29
 ( ) ( )

[ ( ) ]

[ ( ) ]

Resolviendo la ecuación (que se transformó en una ecuación a variables separables), se halla

una solución particular ( ) de la misma. Como ( ) ∫ ( ) entonces:

( ) ( ) ( )=∫ ( ) ( )

1.4.1.2 Ecuación Lineal no Homogénea

Sea la ecuación no homogénea:

D[y] = y” + p(x) y’+ q(x) y = g(x)

con p(x), q(x) y g(x) continuas en un intervalo I.

Propiedad

La diferencia entre dos soluciones de la ecuación lineal no homogénea es una solución de la

ecuación diferencial lineal homogénea.

Demostración:

Sean 1(x) y 2(x) dos soluciones de la ecuación no homogénea. Por la linealidad del operador
D, se puede escribir:

D[1(x) – 2(x)] = D[1(x)] – D[2(x)] = g(x) – g(x) = 0

Por lo tanto, 1 – 2 es solución de la ecuación homogénea.

Teorema 1.11

Sean p(x), q(x) y g(x) funciones continuas en un intervalo I. El problema de valores iniciales:

y” + p(x) y’+ q(x) y = g(x)

y(x0) = y0 y’(t0) = y’0

de tener solución, tiene solución única.

Demostración:

Sean 1 y 2 dos soluciones de la ecuación no homogénea tales que:

30
1(x0) = 2(x0) = y0 y 1’(x0) = 2’(x0) = y’0

Entonces, por la propiedad anterior, 1 – 2 es una solución de la ecuación diferencial

homogénea y” + p(x) y’+ q(x) y = 0 que satisface:

(1 – 2)(x0) = 0 y (1’ – 2’)(x0) = 0

De acuerdo al teorema 1.6: 1 – 2 = 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:

y(x) = y1(x) + y2(x) + (x)

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:

(t) = y1(t) + y2(t)

para algunas constantes y .

Resulta entonces:

y(t) = y1(t) + y2(t) + (t)

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.

1.4.2 Ecuaciones diferenciales lineales con coeficientes constantes

1.4.2.1 Ecuación Lineal Homogénea

Se denomina ecuación diferencial lineal homogénea de segundo orden con coeficientes

constantes o a coeficientes constantes a 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.

De acuerdo a lo anterior, si se asume una solución del tipo:

y(t )  e t ,  

sus derivadas de primer y segundo orden serán:

y' (t )  e t
y' ' (t )  2et

Si ahora sustituimos en la ecuación (1.4):

2 e t e t e t

Haciendo factor común:

e t (a 22  a1  ao)  0

Puesto que la exponencial nunca se anula, la única opción que nos queda para que se verifique
la ecuación anterior es:

a22  a1  ao = 0 (1.5)

En otras palabras, si y(t )  et 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.

Definición (Polinomio característico de la ecuación diferencial: [ ] ): sea la ecuación

diferencial de segundo orden lineal homogénea (1.4). Se llama polinomio característico de dicha
ecuación al polinomio:

()  

32
Ejemplo 1.11

Hallar el polinomio característico de la siguiente ecuación diferencial:

Solución:

( )  

Volviendo a nuestro problema de resolución de la ecuación (1.4), el mismo se reduce a

encontrar las raíces del polinomio característico y con esos valores, construir las dos soluciones
L.I. cuya combinación lineal nos dará la solución general de la ecuación diferencial.

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:

 

sean reales y diferentes, reales e iguales o complejas conjugadas.

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

Claramente estas funciones son linealmente independientes en ( ) y por lo tanto forman

un conjunto fundamental de soluciones. Se deduce entonces que la solución general de la
ecuación diferencial homogénea de segundo orden en este intervalo es:

 

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:


  
∫  ∫

La solución general de la ecuación (1.5) es entonces:

33
  

Caso 3 (Raíces complejas conjugadas): si 1 y  2 son complejas, entonces podemos escribir:

 y 

En donde son reales e . Formalmente, no existe diferencia entre este caso y

el caso 1, por lo tanto:

( ) ( )

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 ,

en donde se ha usado ( ) y ( ) . Observar que sumando

primero y restando después las dos ecuaciones en (3), se obtiene, respectivamente:

( ) ( )
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.

B) Por cada par de raíces: de P() aparecen dos sumandos de la forma:

+ .

Ejemplo 1.12

Resolver las siguientes ecuaciones diferenciales:

a) , b) c)

Solución:

a)   (  )( )

 ,

b)   ( )

 

c)  

√ √
 , 

√ √
( )

1.4.2.2 Ecuación Lineal no Homogénea

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.

Teorema 1.14 (Principio de superposición para ecuaciones lineales no homogéneas)

Sean k soluciones particulares de la ecuación diferencial lineal de orden dos en

un intervalo I, correspondiendo a k distintas funciones g1, g2,...,gk, respectivamente. Esto es,
suponer que representa una solución particular de la correspondiente ecuación diferencial:

[ ] ( ) ( [ ] ), i=1,2…,k

Entonces: ( ) ( ) ( ) es solución particular de:

[ ]= g1(x)+ g2(x)+…+gk(x)

Ejemplo 1.13

Verificar que:

es una solución particular de:

es una solución particular de:

es una solución particular de:

Se deduce a partir del Teorema 1.14, que la superposición de , e .

es una solución de:

El problema que seguimos teniendo es como obtener soluciones particulares. Veamos a

continuación un primer método para lograr ese objetivo.

Método de coeficientes indeterminados. Enfoque de superposición

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:

i) Hallar la solución de la ecuación lineal homogénea yGH(x)

ii) Encontrar cualquier solución particular yP de la ecuación no homogénea

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.

El método de coeficientes indeterminados no es aplicable, por ejemplo, a ecuaciones en las

cuales g(x) es de la forma:

( ) ( ) ( ) ( ) ( ),

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 1. Primero se resuelve la ecuación homogénea asociada: . Por la

fórmula cuadrática encontramos que las raíces del polinomio característico  
son:  √ y  √ . Por lo tanto, la solución general de la ecuación
homogénea es:

( √ ) ( √ )

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:

Se busca determinar coeficientes específicos A, B y C para los cuales es una solución de la

ecuación problema. Sustituyendo y sus derivadas:

en la ecuación diferencial dada a resolver, se obtiene:

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:

Resolviendo este sistema de ecuaciones se llega a los valores de .

Así, una solución particular de nuestra ecuación diferencial es:

Paso 3. La solución general de la ecuación dada es:

( √ ) ( √ )

Ejemplo 1.15

Encontrar una solución particular de:

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:

Derivando y sustituyendo los resultados en la ecuación diferencial, se obtiene, después de

reagrupar:

( ) ( )

o, equivalentemente:

( ) ( )

38
Del sistema de ecuaciones resultante:

obtenemos: . Por ende, una solución particular de la ecuación es:

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 .

Además si g(x) consiste en la suma, digamos, de m términos, entonces la suposición de una

solución particular consiste en la suma de propuestas de la forma
correspondientes a esos términos:

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:

, donde las son las formas de las soluciones

particulares correspondientes a esos términos. Bajo las circunstancias descritas en este caso, se
puede formular la siguiente regla general:

Si cualquier contiene términos que se duplican en , entonces esa , debe multiplicarse

por , donde n es el entero positivo más pequeño que elimina esa duplicación.

39
Ejemplo 1.16

Resolver:

Solución:

Paso 1. Primero hallaremos la solución de la ecuación homogénea asociada:

()    ( ) { 


Entonces: ( )

Paso 2. La presencia de ( ) sugiere que la solución particular incluya un polinomio

lineal, siendo . Sin embargo como contiene un término (b) que se repite en
(c1.1) estamos en el caso 2 y el método sugiere multiplicar por , siendo n en este caso 1.

( )
Entonces: ( ) ( )

( ) ( )
Para hallar a y b: ( ) y ( )

Luego sustituyendo en la ecuación diferencial:

( )  { 
( )
 ( )

A su vez la solución particular debe contemplar el término ( )

( )
 ( ) ( )
( )
( ) ( )
( )
( ) ( )

Ahora sustituyendo en la ecuación diferencial:

( ) ( )  { 

( )
 ( ) ( )

Paso 3. Finalmente: ( ) ( )

40
Método de variación de parámetros o constantes

La base del método de variación de parámetros o de constantes ya fue presentada en la sección

correspondiente a las ecuaciones de primer orden. Ahora veremos cómo se aplica para el caso
de ecuaciones de segundo orden. Este método tiene una clara ventaja sobre el método de
coeficientes indeterminados, la cual consiste en que siempre proporciona una solución particular
, con la condición de que la ecuación homogénea correspondiente se pueda resolver. Es decir,
el presente método no se limita a una función f que sea una combinación lineal de los cuatro
tipos de funciones presentadas previamente (polinomios, exponenciales , senos y cosenos),
como ocurre con el método de coeficientes indeterminados.
Además, el método de variación de parámetros, a diferencia del de coeficientes indeterminados,
es aplicable a ecuaciones diferenciales con coeficientes variables, las cuales serán objeto de
tratamiento en la sección siguiente.

Resumen del método

Presentaremos ahora un esquema del método y luego en la siguiente sección y en el capítulo 4

se verá en profundidad y generalizará su desarrollo. La ecuación a resolver es:

( ) (1.6)

En primer término, se encuentra la solución general de la ecuación homogénea:

Paso seguido, se calcula su Wronskiano:

| |

Luego, se divide la ecuación (1.6) entre , obteniendo:

( )

Finalmente, mediante integración, se encuentran dos funciones, , cuyas derivadas se

definen así:

y , donde están dados por:

| | , | |
( ) ( )

Una solución particular se obtiene como y la correspondiente solución

general de la ecuación será:

41
Ejemplo 1.17

Resolver:

( )

Solución:

Puesto que el polinomio característico es   + 4= ( ) , se tiene que:

( )

Identificando: e , se calcula el Wronskiano:

( ) | |

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

( )

( )

Integrando se deduce que:

Por consiguiente:

( ) ( ) ( ) ( )

Por lo tanto, la solución general buscada es:

( ) ( ) ( ) ( )

42
1.4.3 Ecuaciones diferenciales lineales con coeficientes variables

1.4.3.1 Ecuación Lineal Homogénea

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:

[ ]

con a1 y a2 constantes reales.

El nombre equidimensional responde a que los coeficientes de cada término de la ecuación

presentan un exponente del mismo valor al orden de la derivada (recordar que x0 = 1 y que una
función puede considerarse como la derivada de orden cero de sí misma).
Lamentablemente, el método de resolución basado en polinomios característicos que se
introdujo para el caso con coeficientes constantes, no funciona cuando los coeficientes son
variables. Asumir lo contrario es un error muy frecuente. Necesitamos entonces apelar a otra
estrategia de resolución.
En primer término, como cualquier ecuación de segundo orden, sabemos que la ecuación de
Euler admite una solución general de la forma:

y(x) = c1y1(x) + c2y2(x)

donde y1(x) e y2(x) son soluciones L.I. de la ecuación diferencial.

Por otro lado, si consideramos la característica de equidimensional de estas ecuaciones es

bastante directo ver que si la solución adoptara la forma de una potencia de x, por ejemplo y(x)
= xr, la sustitución en la ecuación rendiría solamente términos del mismo grado. Si se recuerda,
una situación similar ocurría en las ecuaciones a coeficientes constantes cuando se asumían
soluciones del tipo exponencial. Esta suposición también se sugiere al considerar la siguiente
ecuación de primer orden:

, 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.

Al sustituir en la ecuación de Euler por la solución tentativa xr, tenemos que:

[ ] ( ) ( ) ( )

Calculando las derivadas:

[ ] ( ) ( )

[ ] ( ( ) )

Si definimos ( ) ( ) = ( ) obtenemos:

( ) (1.7)

La última igualdad solamente se va a cumplir cuando x = 0 o cuando F(r) = 0. Si descartamos

el primer caso (conduciría a la solución y nula como ya se mencionó más arriba) la otra
alternativa supone que r sea raíz de la ecuación cuadrática F(r) = 0. Cuando eso ocurra, y(x) = xr
será solución de la ecuación de Euler de segundo orden.
Para encontrar las raíces de F(r) = ( ) 0 aplicamos la regla de Bhaskara que
en este caso arroja:

1  a1  (1  a1) 2  4a 2 1  a1  (1  a1) 2  4a 2
r1  r2 
2 2

Conociendo sus raíces, podemos escribir la forma cuadrática F en su descomposición factorial:

F (r )  (r  r1)(r  r 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.

Caso 1: (Raíces reales diferentes)

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

Caso 2: (Raíces reales repetidas)

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

En el desarrollo anterior se aplicó la regla para la derivación de un producto. Recordar también

x r
que = x r ln x .
r
( x r F (r ))
El último resultado indica que se anula cuando r = r1. Esto, a su vez, nos asegura
r
que y1( x)'  x r1 ln x es también solución de la ecuación de Euler (recordar que ( )
( x r F (r ))
[ ] por lo que = [ ]).
r
En suma, la solución general para este caso será:

y( x)  c1x r1  c2 ln xx r1  x r1 (c1  c2 ln x) x>0

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

Se llega así a la misma solución general encontrada por el método anterior:

y( x)  x r1 (c1  c2 ln x) x>0

Caso 3 (Raíces complejas conjugadas):

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

Esta igualdad la podemos utilizar para definir xr cuando r es compleja:

x + i = e( + i)lnx = e lnxeilnx = xeilnx

Aplicando la definición de función exponencial compleja llegamos a:

x + i = xcos(lnx) + isen(lnx)]

Análogamente:

x - i = xcos(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:

y( x)  c1x i  c2 x i

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:

xcos(lnx), xsen(lnx)

son también soluciones L.I. de la ecuación de Euler. Por lo tanto, otra solución general más
simple será:

y( x)  c1x  cos( ln x)  c2 x  sen( ln x) x>0

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:

y( x)  c1x  cos( ln x )  c2 x  sen( ln x ) x  *

Ejemplo 1.18

Encontrar la solución general de la siguiente ecuación diferencial:

2x2y’’ + xy’ – 15y = 0

Solución:

En base a todo lo visto antes, se proponen soluciones del tipo y(x) = xr.
Las derivadas que se necesitan son:

y’(x) = rxr-1 y’’(x) = r(r – 1)xr-2

Sustituyendo en la ecuación problema obtenemos:

2x2 r(r – 1)xr-2 + x rxr-1 – 15 xr = 0

47
x2[2r(r – 1) + r -15] = x2[2r2 – r -15] = 0

Ahora se calculan las raíces de F(r) = 2r2 – r – 15:

1  (1  4.2.(15) 1  121 1  11
r1, 2  =   r1  3, r 2  5 / 2
4 4 4

La solución general del problema es:

5

y( x)  c1x 3  c 2 x 2

1.4.3.2 Ecuación Lineal no Homogénea

Llamamos ecuación diferencial lineal no homogénea de segundo orden con coeficientes

variables o a coeficientes variables a la ecuación:

[ ] ( ) ( ) ( ) ( ) (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:

[ ] ( )

con a1 y a2 constantes reales y f función de x.

Previamente, al analizar el caso de las ecuaciones lineales no homogéneas a coeficientes
constantes, vimos que la solución general (yGNH) en un cierto intervalo se podía obtener como:

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.

Cuando la ecuación no homogénea es a coeficientes constantes, vimos que el método más

simple para hallar una solución particular de la misma era el de coeficientes indeterminados,
aunque dicho método estaba limitado a ciertos tipos de funciones f(x) en (1.8). Además, este
método tampoco sirve para el caso de coeficientes variables. La alternativa que presentamos fue
el método de variación de parámetros o constantes, el cual describimos en detalle para el caso
de las ecuaciones lineales de primer orden y de manera resumida para el caso de las ecuaciones
lineales de segundo orden (y superior), no homogéneas a coeficientes constantes. En lo que
sigue, veremos en detalle la base de este método, extendiéndolo al caso que nos ocupa en esta
sección.

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:

yGH(x) = c1y1(x) + c2y2(x)

En el contexto del método, a la solución anterior se le denomina solución complementaria

(yc(x)).

Suponer ahora que sustituimos las constantes c1 y c2 de la solución complementaria por

funciones que dependen de x: u1 y u2. La pregunta es si es posible escoger estas funciones de
modo que la combinación:

yp(x) = u1(x)y1(x) + u2(x)y2(x)

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:

yp’ = u1y1’ + u2y2’ + u1’y1 + u2’y2

Impondremos ahora que los dos últimos sumandos del miembro derecho se anulen:

u1’y1 + u2’y2 = 0 (1.9)

Así:

yp’ = u1y1’ + u2y2’

Calculamos ahora la derivada de segundo orden yp’’(x), aplicando nuevamente la regla del
producto:

yp’’ = u1y1’’ + u2y2’’ + u1’y1’ + u2’y2’

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 )

Sustituyendo en la expresión para yp’’:

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)

Identificando yp e yp’ en el miembro derecho de la ecuación anterior llegamos a:

a1( x) ao( x)
yp’’ = u1’y1’ + u2’y2’ - yp ' yp
a 2( x ) a 2( x )

Esto significa que:

D[yp] = u1’y1’ + u2’y2’

Así, el requisito de partida de que yp satisfaga la ecuación no homogénea (D[yp] = f(x)) se

transforma en:

u1’y1’ + u2’y2’ = f(x) (1.10)

En conclusión, las funciones u1 y u2 quedan determinadas por el sistema de ecuaciones provisto

por las condiciones (1.9) y (1.10):

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' 

Obsérvese que el determinante de la matriz A no es otro que el Wronskiano de y1, y2:

W(y1, y2) = y1y2’ – y2y1’

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)

Finalmente, la solución particular que se está buscando adopta la siguiente forma:

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.

Teorema 1.15 (Variación de parámetros)

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:

1) Encontrar la solución general (complementaria) de la ecuación diferencial homogénea

asociada: yGH = c1y1 + c2y2
2) Calcular las derivadas de primer orden de y1 e y2 y plantear el sistema lineal para las
incógnitas u1’ y u2’
3) Resolver el sistema del paso 2)
4) Integrar las derivadas u1’ y u2’ obtenidas en el paso 3)
5) Formar la solución particular deseada: yp = u1y1 + u2y2

51
Ejemplo 1.19

Encontrar una solución particular para la ecuación y’’ + y = tanx

Solución:

Se deja al lector el trabajo de verificar que la solución general (complementaria) de la ecuación

homogénea asociada (y’’ + y = 0) es:

yc(x) = c1cosx + c2senx

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:

y1 = cosx  y1’ = -senx

y2 = senx  y2’ = cosx

Planteamos ahora el sistema de ecuaciones lineales con incógnitas u1’ y u2’:

u1’y1 + u2’y2 = 0
u1’y1’ + u2’y2’ = tanx

Sustituyendo:

u1’cosx + u2’senx = 0
u1’(-senx) + u2’cosx = tanx

Tenemos que:

W(y1, y2) = cos2x + sen2x = 1

W 1( y1, y 2) = -senxtanx
W 2( y1, y 2) = cosxtanx

Las expresiones para u1’ e u2’ son:

 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

Integrando los dos resultados anteriores, obtenemos las funciones deseadas:

u1 =  (cos x  sec x)dx  senx  ln sec x  tan x

u2 =  senxdx   cos x
52
La solución particular buscada es:

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

Definimos ahora la función G(x,t) como:

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)

donde xo es un punto de referencia fijo para la evaluación de la integral (típicamente 0).

La función G(x,t) se denomina función de Green para la ecuación no homogénea

( ) ( ) ( ), asociada a la función (solución) complementaria yGH(x) = c1y1(x) +
c2y2(x) de a la ecuación homogénea correspondiente. Nótese que G depende solamente de las
soluciones y1 e y2 y no de f. Una vez que se obtiene la función de Green, la ecuación (1.11)
expresa una solución particular en términos de la función “forzante” f.

En realidad, para nuestro objetivo de encontrar soluciones particulares para la ecuación no

homogénea, la función de Green no aporta elementos conceptuales nuevos sino que se introduce
como una forma simple de escribir una fórmula complicada. Precisamente esa es su principal
utilidad en el contexto en el que la se está presentando. Sin embargo, el uso e importancia de las
funciones de Green no se limita a lo visto recién sino que la teoría puede aplicarse para resolver
otros tipos de problemas involucrando ecuaciones diferenciales, así como también problemas
físicos de diversa índole en mecánica y electrostática, en donde las funciones de Green toman la
forma de funciones de respuesta a impulsos (típicamente funciones delta de Dirac que
trataremos hacia el final del curso).

53
Ejemplo 1.20

Determinar la solución general de la ecuación diferencial:

y’’ + y = secx 0 < x < /2

Solución:

Como ya sabemos, la solución general de la ecuación no homogénea estará dada por:

yGNH = yGH + yP

Al ser una ecuación a coeficientes constantes, la solución general de la ecuación homogénea

asociada (yGH), puede obtenerse a partir de las raíces de su polinomio característico. Un cálculo
muy rápido arroja:

yGH = c1cosx + c2senx

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 exPn(x)cosx o bien exPn(x)senx. 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:

W(y1(t), y2(t)) = cost.cost + sent.sent = cos2t + sen2t = 1

La función de Green deviene en:

y 2 ( x) y1 (t )  y1 ( x) y 2 (t )
G( x, t )   senx cos t  cos xsent
W ( y1(t ), y 2(t ))

Sustituyendo en la expresión de la solución particular a calcular y haciendo cuentas:

yp(x) =  G( x, t ) f (t )dt =  senx cos t  cos xsent sec tdt =

1 sent
senx cos t sec tdt  cos x  sent sec tdt = senx  cos t dt  cos x  dt =
cos t cos 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:

yp(x) = xsenx  cos x ln(cos x)

54
Con lo cual, la solución general de la ecuación no homogénea de partida es:

yGNH = c1cosx + c2senx + xsenx  cos x ln(cos x)

1.5 Ecuaciones diferenciales lineales de orden superior (n )

Definición: Se llama ecuación diferencial lineal de orden superior a la ecuación:

( ) ( )
( ) ( ) ( ) ( ) ( )

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.

Ejemplo: (homogénea a coeficientes variables)

yiv+ y’’+ y = x (no homogénea 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.

1.5.1 Ecuaciones diferenciales lineales a coeficientes constantes

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:

y(x) = c1 y1(x) + c2 y2 (x) + · · · + cn yn(x)

con c1 , c2 , · · · , cn constantes reales.

1.5.1.1 Ecuación Lineal Homogénea

En general para resolver la ecuación:

[ ] ( ) ( )
( [ ] ) (1.12)

55
donde son constantes reales, se debe resolver el polinomio característico de grado
n:

Caso 1: polinomio característico con raíces reales

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.

b) Cuando es una raíz de multiplicidad k de un polinomio característico de grado n (esto es, k

raíces son iguales a ), puede demostrarse que las soluciones linealmente independientes son:

y la solución general de (1) debe contener la combinación lineal:

Ejemplo 1.21

Resolver:

Solución:

Calculando las raíces de:

se observa que , . Así, la solución general es:

Caso 2: polinomio característico con raíces complejas

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:

( ) ( ) ( ) ( )

( ) ( ) ( ) ( )

Se concluye, con la ayuda de la fórmula de Euler, que la solución general de la ecuación

diferencial correspondiente debe contener una combinación lineal de las 2k soluciones reales
linealmente independientes:

Ejemplo 1.22

Resolver:

Solución:

P() = 3 +  = 0  ( )

Las raíces son :  

La solución general correspondiente es:

( ) ( ) ( )

Ejemplo 1.23

Resolver:

Solución:

El polinomio característico es:   ( )

Las raíces son todas complejas:   y 

Por lo tanto, la solución general es:

57
 ( )

Podemos sintetizar estos resultados para la ecuación homogénea a coeficientes constantes en la

siguiente tabla:

Raíz Multiplicidad Soluciones

 1 et

 m et, t et, . . . , tm-1 et

  i 1 et cos( t) , e t sen ( t)

et cos( t), e t sen ( t) ,

  i m t et cos( t), t e t sen ( t), . . .,

tm-1 e t cos ( t), tm-1 e t sen ( t)

1.5.1.2 Ecuación Lineal no Homogénea

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:

1) Se halla la solución general de la ecuación lineal homogénea asociada: yGH(x)

2) Se elige una solución particular de la ecuación lineal no homogénea (yPNH(x)), de acuerdo al

criterio presentado en la tabla a continuación.

3) La solución buscada se construye como: yGNH(x) = yGH(x) + yPNH(x)

Los casos posibles que existen para la ecuación no homogénea a coeficientes constantes se
pueden sintetizar en la siguiente tabla:

Hay una solución particular de la forma

g(x) Se cumple
(x)
0 no es raíz de P() Mq(x) polinomio de grado q
Qq(x) polinomio de grado q 0 es raíz de P()
xm Mq(x)
con multiplicidad m
Qq(x) ex ,     no es raíz de P() Mq(x) ex

58
  es raíz de P()
xm Mq(x) ex
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 (*)
ex [Qq(x) cos x + Rr(x) sen x]    i es raíz de P()
xm ex [Us(x) cos x + Vs(x) sen x] (*)
con multiplicidad m

(*) Us(t) y Vs(t) son polinomios de grado s, con s = max { q , r }

Ejemplo 1.24

Resolver:

Solución:

1) ( ) √ √ (√ ) (√ )
2) ( )

Para hallar , y , se hace:

( )
( )
( ) ( )

Sustituyendo:

( )

Aplicando identidad de polinomios:

 ( )

3) ( ) √ √ (√ ) (√ )

59
1.5.2 Ecuaciones diferenciales lineales a coeficientes variables

1.5.2.1 Ecuación Lineal Homogénea

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:

Dy  anx n y ( n)  an  1x n1 y ( n1)  .....  a2 x 2 y ( 2)  a1xy (1)  aoy  0

en donde a0, a1, a2, …. , an son constantes reales, con an  0.

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:

anr(r - 1)(r – 2)…(r – (n – 1)) + ……+ a2r(r – 1) + a1r + a0 = 0

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:

y(x) = c1xr1 + c2xr2 + …. + cnxrn x>0

Para tener una solución válida para todo valor de x distinto de cero, usamos nuevamente el valor
absoluto:

y(x) = c1|x|r1 + c2|x|r2 + …. + cn|x|rn

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

Encontrar la solución general de la ecuación: x3y’’’ + 6x2y’’+ 7xy’ + y = 0

Solución:

La ecuación polinomial resultante de aplicar la sustitución y = xr y posteriormente dividir entre

xr la ecuación diferencial problema es:

r(r – 1)(r – 2) + 6r(r - 1) + 7r + 1 = r3 + 3r2 + 3r + 1 = 0

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:

y2(x) = c2x-1 ln|x|

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:

y3(x) = c3x-1 ln2|x|

Por lo que, la solución general pedida será:

y(x) = c1x-1 + c2x-1 ln|x| + c3x-1 ln2|x|

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

1.5.2.2 Ecuación Lineal no Homogénea

Nuevamente, en el caso de las ecuaciones de orden superior no homogéneas, limitaremos el

análisis a las ecuaciones de Euler-Cauchy no homogéneas, dadas por la expresión:

Dy  anx n y ( n)  an  1x n1 y ( n1)  .....  a2 x 2 y ( 2)  a1xy (1)  aoy  f ( x)

en donde a0, a1, a2, …. , an son constantes reales, con an  0.

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:

yGH(x) = c1y1(x) + c1y2(x) + …. + cnyn(x)

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:

u1’y1 + u2’y2 + …. + un’yn = 0

u1’y1’ + u2’y2’ + … + un’yn’= 0
u1’y1’’ + u2’y2’’ + … + un’yn’’= 0
. . . = .

. . . = .

u1’y1n-1 + u2’y2n-1 + … + un’ynn-1 = f(x)

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:

Wi ( y1, y 2,..., yn)

ui ' 
W ( y1, y 2,..., yn)

Integrando:

Wi ( y1, y 2,..., yn)

ui    dx
W ( y1, y 2,..., yn)

Finalmente, la solución particular de la ecuación no homogénea de orden n adopta la siguiente

forma:

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

Encontrar la solución particular de la ecuación no homogénea:

x3y’’’ + x2y’’ - 6xy’ + 6y = 30x

Solución:

Buscamos primero la solución general (complementaria) para la ecuación de Euler-

Cauchy homogénea asociada. Para esto, se deben hallar tres soluciones L.I. que serán,
como de costumbre, de la forma y = xr. La ecuación polinomial asociada es:

r(r – 1)(r – 2) + r(r - 1) - 6r + 6 = r3 - 2r2 -5r + 6 = 0

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.

La solución complementaria es:

yc(x) = c1x + c2x3 + c3x-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:

xu1’ + x3u2’ + …. + x-2u3’ = 0

u1’ + 3x2u2’ + … + (-2x-3)u3’ = 0
0 + 6xu2’ + … + 6x-4u3’= 30x-2

En la última ecuación, el término independiente debe corresponder a la forma canónica de la

ecuación no homogénea problema.

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

Para calcular el determinante anterior aplicamos la regla de Sarrus.

63
De acuerdo a la regla de Cramer, las derivadas de nuestras funciones incógnitas ui son:

Wi ( y1, y 2,..., yn)

ui ' 
W ( y1, y 2,..., yn)

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

Integrando las derivadas anteriores obtenemos:

 3x 2 2x3
u1( x) 5 ln x ; u 2( x) ; u 3( x)
2 3

Así que la solución particular pedida es:

 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

1.6 Sistema de ecuaciones diferenciales lineales

Se llama sistema de ecuaciones diferenciales lineales o sistema lineal de ecuaciones

diferenciales a todo conjunto de ecuaciones lineales diferenciales que involucran a 2 o más
funciones y a sus derivadas.

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:

Ahora derivamos la ecuación anterior, lo que arroja:

Sustituyendo las expresiones para y e recién obtenidas en la primera ecuación, tenemos:

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: ( ) ( ) ( ) ( ) √ √ √ √ √ √

Por lo tanto la solución del problema es:

( ) √ √ ( ) ( √ ) √ ( √ ) √

65
Ejemplo 1.28

Dadas las ecuaciones diferenciales:

( ) ( )
( ) ( )

Hallar la o las funciones g(t), sabiendo que (I) y (II) admiten una solución común.

Solución:

Sea u = u(t) solución de (I) y (II)

( ) ()
{
( ) ( )

Sustituyendo en (II):

La última ecuación es lineal de orden 2, a coeficientes constantes, y no homogénea. Dada la

forma funcional del término independiente, se puede resolver aplicando el método de
coeficientes indeterminados.

1) Se obtiene la solución general de la ecuación homogénea asociada:

 ()  

Por lo tanto:  ,

( )

2) Se obtiene la solución particular de la ecuación no homogénea:

( ) ( )

 ( ) (ɑ=1 no es raíz de P())

Para hallar ɑ, se calculan las derivadas necesarias: ( ) ( ) ( )

Sustituyendo en la ecuación diferencial original:

 ( )

Por lo tanto: ( )

66
Para hallar g(t), se despeja de (II):

( )

67
2- INTRODUCCIÓN A LA ESTABILIDAD DE ECUACIONES
DIFERENCIALES

2.1 Ecuaciones autónomas en

2.1.1 Solución y flujo

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)

donde también usaremos la notación ̇ para la derivada de x con respecto a t.

Es decir, en una ecuación autónoma la variable independiente t no aparece explícitamente. La

función f que aparece en el miembro de la derecha de la ecuación es una función real y continua
definida en un abierto .

Definición (Solución): decimos que una función x: I ,I  es una solución de la

ecuación diferencial autónoma (2.1) si la igualdad:

( )
( ( ))

se satisface para todos los valores de t en el intervalo I.

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 .

La particularidad de una ecuación diferencial autónoma 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.

En particular, la solución verifica:

68
 ( ) ( )

para la condición inicial ( ) . O dicho de otro modo, el instante inicial t0 es irrelevante,

y el resultado de la evolución (el valor de la solución en un instante dado) sólo depende de la
posición inicial x0 y del tiempo transcurrido t - t0. Por esta razón, para una ecuación
diferencial autónoma llamaremos solución a la función continua:

( ) ( )

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.

2.1.2 Interpretación geométrica

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.

Figura 2.1. Campo de direcciones de la ecuación diferencial ̇ = - x.

Frecuentemente puede representarse de manera más fácil el campo de direcciones asociado a

una ecuación diferencial si antes se traza un cierto número de isoclinas. Las isoclinas, como su
nombre lo sugiere (“igual inclinación”), son las curvas sobre las que se cumple que f(x) es
constante (f(x) = c). Es decir, para una ecuación autónoma, se trata de rectas paralelas al eje t del
plano (t,x). Puesto que el campo de direcciones es constante a lo largo de cada isoclina, para
dibujarlo basta con trazar segmentos rectos de pendiente c a través de unos cuantos puntos de la
isoclina.

En conclusión, puede decirse que el problema fundamental de la teoría de ecuaciones

diferenciales es el de describir las curvas de las soluciones de dichas ecuaciones. Este problema
no supone una dificultad importante en el contexto del Cálculo o la Geometría Analítica en
donde muchas veces también se pretende describir la gráfica de una cierta función f. La
diferencia entre los dos problemas es de dificultad. En Cálculo, la función f está dada por una
fórmula, es decir, viene dada la por la combinación de funciones tipo (potencias, exponenciales,
trigonométricas, logarítmicas etc.) conocidas y normalmente sencillas de graficar. Sin embargo,
en ecuaciones diferenciales la función solución v no está definida por una fórmula sino por la
condición de satisfacer la propia ecuación diferencial y por pasar su gráfica por un cierto punto
(t0, x0). Esto hace que, en general, la descripción de la gráfica sea más difícil.

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.

2.1.3 Órbitas, puntos críticos y soluciones estacionarias

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 ( ) .

Definición (Solución estacionaria): una solución constante de una ecuación diferencial se

denomina una solución de equilibrio o estacionaria. Así, el punto crítico x= , un número,
corresponde a la solución de equilibrio ( ) , una función de valor constante. La órbita de
una solución estacionaria consta solamente de un punto: a.

Si es un punto crítico de una ecuación diferencial, el flujo satisface ( )  t.

Un aspecto fundamental es que el comportamiento cualitativo de una ecuación autónoma de

primer orden puede describirse a partir de sus puntos críticos. Es decir, puede obtenerse
información importante acerca de las soluciones de la ecuación sin necesidad de resolverla,
como veremos enseguida.

2.2 Estabilidad de puntos críticos. Diagrama de fases

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).

2.2.1 Diagrama de fases de una ecuación autónoma en

El diagrama de fases asociado a una ecuación autónoma es sencillamente la proyección sobre el

eje x de las curvas que corresponden a las soluciones de la ecuación, dibujadas en el plano (t,x)
y conservando la información sobre la orientación de las curvas . O sea que el diagrama de fases
contendrá toda la información del recorrido orientado de las soluciones o lo que es equivalente,
las trayectorias de las mismas. Mediante este diagrama sabremos, de una forma cualitativa,
cómo se comporta el sistema y dispondremos de toda la información necesaria para hacer un
bosquejo de las curvas solución. A continuación, veremos cómo construirlo.
Consideremos la recta y marquemos primero los puntos críticos de la ecuación diferencial
̇ =f(x), que no son otra cosa que las soluciones de la ecuación f(x)=0. Concentrémonos luego en
los intervalos en que queda dividida la parte de la recta que está fuera de los puntos críticos. En
cada uno de esos intervalos el signo de f(x) es constante, porque f(x) es continua y no puede
anularse. Si consideramos un intervalo en que f(x) es positiva, las soluciones sólo pueden crecer
mientras que estén en él, porque su derivada ̇ es justamente f(x). En cambio, en un intervalo en
que f(x) es negativa las soluciones decrecen. Marcaremos con una flecha que apunta hacia arriba

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:

Los pasos a seguir son:

1- Hallar los puntos de equilibrio.

2- Dibujar el gráfico de f(y) y determinar en qué regiones ̇ es positiva y negativa.

3- Dibujar el diagrama de fase y estudiar la estabilidad de los puntos de equilibrio.

4- Hacer un bosquejo de las curvas 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-

Se ve a partir del gráfico que ̇ para e ̇ para Una forma

alternativa de llegar a la misma solución es simplemente estudiar el signo de f.

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.

El siguiente gráfico ilustra la descripción anterior.

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:

1- Los puntos críticos de la ecuación son: y=0, y=M

2-

Se ve a partir del gráfico que ̇ para y que ̇ para

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 ( )

El único punto crítico de la ecuación es x=0 que será estable si , e inestable si .

Analicemos esto construyendo los diagramas de fase para ambos casos.

Diagrama de fases de ̇ con .

El origen x=0 es inestable.

Diagrama de fases de ̇ con .

El origen x=0 es asintóticamente estable.

En efecto, fijemos para aplicar la definición analítica. Si la condición inicial es x0

entonces la solución es ( ) . Si tenemos | ( ) | | | | |
( )

Por lo que si elegimos ( ) la condición implica | ( )| | | . Fijando un

número todas las soluciones cuyo dato inicial x0 tiene módulo menor que permanecen
en el intervalo ( )

Por el contrario, si la estimación (E) fracasa. Probemos que en esta situación el 0 es

inestable. Para probar la inestabilidad hay que negar la definición de estabilidad. Por lo tanto
debemos mostrar que existe un tal que para cualquier positivo podemos encontrar una
condición inicial ( ), con la propiedad de que la solución x(t) con dato inicial x(0)=x0
sale del intervalo ( ).

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

Considere la ecuación no lineal de primer orden:

̇ = ax - bx2 a 0, b 0

Cuando se re-escribe la ecuación en la forma: ( ) se la puede

reconocer como la ecuación logística o ecuación de Verhulst, muy útil en Ecología. En el
estudio de la transición del flujo laminar turbulento, en la dinámica de fluidos, surge una
ecuación semejante, denominada ecuación de Landay.

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 .

Comenzaremos por olvidarnos de la constante b mediante el cambio de variable: y = bx.

Entonces ̇ = b ̇ = -b2x2 = -y2 y basta con considerar el caso ̇ = -y2 (2.2)
Como y2 se anula en y=0, la solución de (2.2) con dato inicial y0 = 0 es la solución constante
y(t)=0. Notemos además que todas las soluciones son no crecientes, porque siempre se satisface
̇ . Por lo tanto, estas se alejan de y = 0 cuando son negativas y se aproximan a y = 0

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:

( )

Por lo tanto, la solución de la ecuación con dato y0 es:

( ) (2.3)

La verificación de que esta función cumple con (2.2) es inmediata:

̇ ( )
( )

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 .

Observación (intervalo de existencia de las soluciones): es interesante notar que la ecuación

(2.3) no está definida para todo t si . En efecto, el denominador se anula en t = t(y0) = -
1/y0. Si entonces ( ) y la solución que en tiempo 0 está en y0 satisface
( ) .
Es decir, la solución se escapa a en un tiempo finito, como consecuencia de que la
velocidad y’ por la que pasa por cada punto y es –y2, una velocidad negativa y muy grande
cuando y tiene módulo grande. Este hecho hace que la solución no pueda prolongarse más allá
del intervalo ( ).
A esta solución se le denomina solución maximal de la ecuación, porque no puede extenderse
más allá del dominio .
Notemos que los valores de (2.3) para ( ) ya no tienen nada que ver con la solución que
estábamos calculando. Aunque la fórmula defina una función también en ( ), en ese
rango de valores de t ya no guarda ninguna conexión con el problema de resolver la ecuación y’
= -y2 con dato inicial y0.
En resumen, las soluciones x(t) de (2.2) con dato y(0) = y0 son decrecientes y están
definidas en el intervalo:

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:

( ) ( ) ( )

Así que, efectivamente, las soluciones se aproximan a 0 para tiempos grandes.

Ahora vamos a estudiar el caso ̇ = x - x2 (2.4) que se obtiene cuando a = b = 1.

Comencemos por estudiar el diagrama de fases para esta ecuación. Como esto pasa básicamente
por estudiar el signo de ̇ graficamos x - x2, que es el miembro de la derecha de la ecuación.
Donde esta función se anula tendremos puntos críticos, donde es positiva las soluciones son
crecientes y decrecientes donde la función es negativa.

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:

̇ ̇ ̇

e integrar entre el tiempo inicial t=0 y t genérico para obtener:

̇ ̇
∫ ∫

Si llamamos x0 a la condición inicial x(0), luego de integrar obtenemos:

| ( )| | | | ( )| | |

Este último resultado lo podemos re-escribir como:

( )( )
| |
( ( ))

Un paso más lleva a:

( )( )
| ( ( ))
|

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:

( )
( )

Por último, podemos despejar x(t), lo que resulta:

( ) (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.

 En segundo lugar miremos qué ocurre cuando . Como

el denominador en (2.5) no se anula nunca, así que la fórmula no tiene
problemas de definición.
Es un cálculo directo comprobar que:

( ) ( )

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.

 Ahora, si el denominador se anula en:

( ) ( )

de modo que las soluciones están definidas en (t(x0),+ ), son decrecientes en t y

satisfacen:

( ) ( )
( )

 Si las órbitas son decrecientes y están definidas sobre un intervalo de la forma

( ( )), siendo, como en el caso anterior:

( ) [( ) ]

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

3.1 Sucesiones y series de funciones

3.1.1 Convergencia puntual y convergencia uniforme

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:

) ( ) ) ( ) √ ) ( ) ∑

Definición (Convergencia puntual): dado x se dice que la sucesión de funciones { }

converge puntualmente en x, si la sucesión de números reales { ( )} es convergente.
El conjunto C de todos los puntos x en los que la sucesión de funciones { } converge
puntualmente, se llama campo de convergencia puntual. Simbólicamente:

{ { ( )} }

Suponiendo que C la función definida para todo x por:

( ) ( )

se llama función límite puntual de la sucesión { }

Observación: es importante no confundir la sucesión de funciones { } con la sucesión de

números reales { ( )} obtenida evaluando las funciones de dicha sucesión en un número x .
De la misma forma es importante no olvidar que en una sucesión la variable es siempre n y
nunca x . Así, la sucesión { ( )} es la aplicación que a cada número natural n le asigna el
número real ( ) donde x es fijo.

Ejemplo 3.1

Sea la sucesión de funciones { } donde para cada n , es la función dada, para

todo x por:

( )

Es claro que si | | se tiene que { ( )} y si | | se tiene que { ( )} .

Para tenemos que { ( )} { } que evidentemente converge a ½. Por tanto, el

campo de convergencia puntual de { } y la función límite puntual está definida por:

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.

Definición (Convergencia uniforme): sea I un intervalo no vacío contenido en el campo de

convergencia puntual de la sucesión { }. Decimos que una sucesión de funciones { }
converge uniformemente a f, si dado , existe tal que para todo y
| ( ) ( )| .

Notación: ⃗⃗

La figura 3.1 ilustra el concepto de convergencia uniforme.

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).

Diferencias entre convergencia puntual y convergencia uniforme en I

Decir que { } converge a f puntualmente en I significa que:

 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
{ ( )}.

Decir que { } converge a f uniformemente en I significa que:

 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 .

En la práctica, el estudio de la convergencia puntual se reduce a calcular para cada x fijo el

{ ( )}. Mientras que para estudiar la convergencia uniforme en el intervalo I, lo que
se hace es calcular con las técnicas usuales de derivación, el máximo absoluto de | ( )
( )| en I. Supongamos que el máximo absoluto de | ( ) ( )| se alcanza en el punto
cn . Entonces si { ( ) ( )} existe convergencia uniforme en I, en otro
caso no existe convergencia uniforme en I. En particular, si hay una sucesión { } de puntos de
I tal que { ( ) ( )} no converge a 0, entonces { } no converge uniformemente a f en I.

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

Estudiar la convergencia uniforme en intervalos de la forma [0,a] y [ ) donde , de la

sucesión de funciones { } definidas para todo por:

( )

Solución:

Es evidente que { ( )} ( ) .

85
Como ( ) , tenemos que: ( ) .
( ) √

Estudiando el signo de ( ) se determina fácilmente que:

( ) √ y ( ) √

Entonces, la función es estrictamente creciente en [0,[ ] y estrictamente decreciente en

√
[ ) por lo que alcanza un máximo valor en +
en el punto
√ √

{ ( ) } ( ) { ( ) } ( )

Como { ( )} se sigue que ( ) converge uniformemente en [0,a], pero no converge

uniformemente en [ ).

Teorema 3.2 (Condición de Cauchy para la convergencia uniforme)

Una sucesión de funciones { } converge uniformemente en J, si y sólo si para todo ,

existe un número natural n0 tal que para todos n, m se verifica que:

{| ( ) ( )| }

Demostración:

Supongamos que { } converge uniformemente a una función f en J. Entonces dado ,

existirá un n0 tal que para todo n se tiene que {| ( ) ( )| }
Sea m . Para todo x tenemos que:

| ( ) ( )| | ( )| | ( ) ( )|

Por lo tanto para todos n, m se verifica que {| ( ) ( )| }

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:

| ( ) ( )|

Esta última desigualdad es válida para todo x . Deducimos así que:

{| ( ) ( )| }

siempre que n .

Hemos probado así que { } converge uniformemente a f en J.

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.

Definición: decimos que una serie de funciones ∑ ( ) converge uniformemente en I, si la

sucesión de funciones { ( )} converge uniformemente en I.

Teorema 3.3 (Criterio de Weierstrass)

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:

De la hipótesis se deduce, en virtud del criterio de comparación para series de términos

positivos, que la serie ∑ | ( )| converge para todo x I. Esto implica que la serie ∑
también converge para todo x I. Probemos que la convergencia es uniforme. Para esto,
utilizaremos el criterio de Cauchy.

Como ∑ es convergente cumplirá la condición de Cauchy, esto es, dado , existe n0

tal que si entonces:

|∑ ∑ | ∑

87
Deducimos que para todo x I se verifica que:

| ( ) ( )| |∑ ( ) ∑ ( )| | ∑ ( )| ∑ | ( )| ∑

Como esta desigualdad es válida para todo x I se sigue que:

{| ( ) ( )| }

Es decir la serie ∑ cumple la condición de Cauchy para la convergencia uniforme en I.

Corolario: si ∑ ( ) converge uniformemente en [a,b] y son continuas, entonces:

∫ ∑ ( ) ∑ ∫ ( )

3.1.2 Convergencia e integración

Teorema 3.4 (Paso del límite dentro del signo integral)

Sea una sucesión de funciones continuas [ ] que converge uniformemente a

[ ] entonces:

∫ ( ) ∫ ( )

Esto implica que:

∫ ( ) ∫ ( )

En particular, si una serie ∑ converge uniformemente en [a,b] 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:

| ( ) ( )| para todo x en [a,b]

88
Así pues, si tenemos:

|∫ ( ) ∫ ( ) | |∫ [ ( ) ( )] | ∫ | ( ) ( )|

∫ ( )

Al cumplirse esto para todo se sigue que:

∫ ( ) ∫ ( )

Ejemplo 3.3

Calcular ∫ ( )

Solución:

Tomemos [ ] dadas por:

( ) ( )

Entonces si fn converge uniformemente a f en [ ], se tendrá que:

∫ ( ) ∫ ( )

Haciendo cuentas:

( ) ( ) ( )

Puesto que x  [ ]

( ) ( ) =0

Se llega a que:

en [ ] y ( )

89
Como | | en [ ] se tiene que:

| | ( )
| ( ) ( )| | ( )| | ( )| [ ]

que tiende a 0 si n tiende a ; luego la convergencia es uniforme. En consecuencia:

∫ ( ) ∫

3.1.3 Convergencia y derivada

Teorema 3.5 (Derivación término a término)

Sea { } una sucesión de funciones de clase C1 en I = (a,b). Si { ( )} converge para algún c

( ) y ⃗⃗⃗ ( ) (la derivada de la sucesión fn converge uniformemente a g), entonces
existe f tal que ⃗⃗⃗ (la sucesión fn converge uniformemente a f) y f’ = g en (a,b).

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:

( ) ( ( ) ∫ ( ) )= ( ) ∫ () ( )

∫ () = ( ) ∫ ()

Si llamamos f(x) al último miembro de la igualdad anterior, llegamos a 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 ( ) ( )

Como ( ) para todo x [ ) se tiene que:

 Si x = 0, fn’ (0) = 0 | |

 Si x > 0, | |

Luego dado . En consecuencia, si n se verifica que:

| ( ) | | | [ ).

Luego converge uniformemente a 0.

Como ( ) converge uniformemente a g(x) = 0 en [ ), también converge

uniformemente a g(x) = 0 en (0,e).

En consecuencia, converge uniformemente a f en (0,e), siendo f derivable en (0,e) con f’ = g.

Como g = 0, se tiene que f es constante, y como ( ) ( ) , f es la función nula.

3.2 Demostración del teorema de existencia y unicidad

En esta sección, analizaremos la demostración del teorema fundamental de existencia y

unicidad, también conocido como teorema de Picard, para los problemas con valor inicial de
ecuaciones diferenciales de primer orden. Informalmente, el problema lo podemos plantear en
los siguientes términos: queremos demostrar que una ecuación de primer orden y’= f(x,y) tiene
una solución única que satisface las condiciones iniciales dadas, suponiendo que f y df/dy son
funciones continuas.
Más precisamente, la idea es probar que dado un punto (x0,y0), existe un intervalo que contiene a
x0 en el cual está definida una solución u que verifica u(x0)= y0 y ninguna otra solución definida
en el mismo intervalo puede verificar la misma condición inicial. La longitud del intervalo en el

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)

Sea f y df/dy funciones continuas en un rectángulo R: | | ,| | .

Sea h > 0, suficientemente pequeño. Entonces existe algún intervalo | | en el que
existe una solución única ( ) del problema con valor inicial:

y’= f(x,y) (3.1a)

y(x0) = y0 (3.1b)

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:

y’= f(x,y) (3.2a)

y(0) = 0 (3.2b)

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

Dada su complejidad, dividiremos la demostración del teorema de existencia y unicidad en

varios pasos. En primer término, es necesario transformar el problema con valor inicial (3.1) en
una forma más conveniente.

Teorema 3.7

La función u es solución del problema (3.1) si y sólo si se cumple:

( ) ∫ [ ( )] (3.4)

La ecuación (3.4) se denomina ecuación integral.

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:

( ) ( ) ∫ [ ( )]

Puesto que ( ) , llegamos al resultado deseado:

( ) ∫ [ ( )]

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:

( )

Esto significa que u cumple con la condición inicial de (3.1b).

Por otra parte, puesto que una función integral es siempre continua, la solución u de (3.4) es
continua. Además, f es continua por hipótesis del teorema 3.6. Ambas observaciones implican
que el integrando [ ( )] es continuo y, por lo tanto, puede aplicarse el teorema fundamental
a (3.4). De esto resulta que u es derivable y su derivada viene dada por:

u’= f(x,u(x))

Ergo, u es solución de la ecuación diferencial (3.1a).

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:

( ) ∫ [ ( )]

De manera semejante, se obtiene a partir de :

( ) ∫ [ ( )]

y en general:

( ) ∫ [ ( )]

De esta manera, es posible generar la sucesión de funciones { } de modo

que cada miembro de la sucesión satisface la condición inicial (3.2b), pero en general ninguno
satisface la ecuación diferencial. Sin embargo, si en alguna etapa, por ejemplo para n = k, se
encuentra que ( ) ( ) entonces se concluye que es una solución de la ecuación
integral (3.4). De donde también es una solución con valor inicial (3.2b) y en este punto
termina la sucesión. En general esto no ocurre y es necesario considerar toda la sucesión infinita
de términos.

A fin de demostrar el teorema (3.6) es necesario dar respuesta a cuatro preguntas primordiales:

1. ¿Existen todos los miembros de la sucesión { }, o es posible que el proceso se

interrumpa en alguna etapa?
2. ¿Converge la sucesión { }?
3. ¿Cuáles son las propiedades de la función límite? En particular, ¿satisface la ecuación
integral (3.4) y, por tanto, el problema con valor inicial (3.1)?
4. ¿Es ( ) la única solución o puede haber otras?

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

Considérese el problema con valor inicial:

( ), 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)

Si la aproximación inicial es ( ) , se deduce que:

( ) ∫ [ ( )] ∫

De modo semejante:

( ) ∫ [ ( )] ∫ [ ]

y:

( ) ∫ [ ( )] ∫ [ ]

Las expresiones de ( ) ( )y ( ) sugieren que:

( ) (*)

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:

( ) ∫ [ ( )]

∫ ( ) ( )

lo que completa la demostración inductiva.

Basado en la ecuación (*), se deduce que ( ) es la n-ésima suma parcial de la serie infinita:

∑ (3.7)

De donde ( ) existe si y sólo si la serie (3.7) converge.

Al aplicar el criterio del cociente a la serie (3.7), se ve que para cada x:

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

Si se toman valores absolutos en los dos miembros de la igualdad y previa y se aplica la

propiedad, se tiene:

| ( ) ( )| |∫ [ ( ) ( )] | ∫ | [ ( ) ( )]|

Si x se restringe al intervalo , en donde A es una constante arbitraria, entonces

y:

| ( ) ( )| ∫ | ( ) ( )| (3.8)

En este punto es conveniente introducir la función U definida por:

( ) ∫ | ( ) ( )|

Entonces, de inmediato se concluye que:

U(0) = 0 (3.9)
( )

Además, U es derivable y ( ) ( ) ( ). De donde, por la ecuación (3.8):

96
 ( ) ( )

Al multiplicar esta ecuación por la cantidad positiva se obtiene:

( ( ) ( ))

Notar que el miembro derecho de la inecuación anterior es igual a la derivada de la función

( ). Por lo tanto:

[ ( )]

Luego, al integrar la última ecuación desde cero hasta x y aplicar la ecuación (3.9) se obtiene:

( )

Como x , entonces ( ) para y junto con la ecuación (3.9), esto requiere

que U(x) = 0 para cada . Por ende, ( ) y por consiguiente ( ) ( ), lo que
contradice la hipótesis original. En conclusión, no puede haber dos soluciones diferentes del
problema con valor inicial para . Una ligera modificación de este argumento produce la
misma conclusión para .

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.

Teorema 3.8 (Condición de Lipschitz)

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

La desigualdad anterior se conoce como condición de Lipschitz y la constante K se denomina

constante de Lipschitz. Toda función f que cumple con la condición de Lipschitz se denomina
continua Lipschitz. En este caso, decimos que la función f es continua Lipschitz en su segunda
variable.

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

Tomando ahora valores absolutos resulta:

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

Sustituyendo en (3.10) llegamos al resultado deseado:

f ( x, y1)  f ( x, y 2)  K y1  y 2

En lo que sigue, utilizaremos la condición de Lipschitz en vez de la continuidad de df/dy puesto

que esta última no es indispensable para la demostración del teorema 3.6 y puede sustituirse por
la menos restrictiva condición de Lipschitz. Normalmente, las funciones que son continuas
Lipschitz también cumplen con que su derivada df/dy es continua. Una excepción muy conocida
es la función f(x,y) = |y|. En efecto, es bien sabido que df/dy no existe en y = 0 (por lo tanto df/dy
no es continua en y = 0) y sin embargo K = 1 es una constante de Lipschitz en todo el plano
(x,y).
En primer término, vamos a demostrar la unicidad de la solución que postula el teorema 3.6,
dejando la cuestión más compleja de existencia de la solución para el final.

Teorema 3.9 (Unicidad de la solución)

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.

Para la demostración del teorema de unicidad, haremos uso de la siguiente definición.

Definición (Norma de una función): dado un intervalo I cerrado y acotado y u una

función continua en I, se llama norma de u al máximo del valor absoluto de u(x) en I y
se lo nota:

||u|| = max |u(x)|,  x I

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:

||u - v|| = max |u(x) – v(x)|,  x I

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:

Sea u(x0) = v(x0) = y0. Por el teorema 3.7 podemos escribir:

( ) ∫ [ ( )]

( ) ∫ [ ( )]

x I.

Restando las dos ecuaciones integrales:

( ) ( ) ∫ [ ( )] -∫ [ ( )] =∫ ( [ ( )] - [ ( )])

Tomando valores absolutos:

| ( ) ( )| |∫ ( [ ( )] - [ ( )]) | (3.11)

Aplicando la propiedad de valor absoluto con respecto a la integración (ya utilizada en el

ejemplo 3.5) a la ecuación (3.11), se deduce que:

|∫ ( [ ( )] - [ ( )]) | ∫ | [ ( )] - [ ( )]|

Por (3.11), esto implica, a su vez, que:

| ( ) ( )| ∫ | [ ( )] – [ ( )]|

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 ) |

Aplicando la definición de norma recién vista, obtenemos la siguiente desigualdad:

| ∫ K u ( s )  v( s ) | | ∫ K || u  v || |

Resolviendo ahora la última integral, recordando que || u  v || es un número no negativo:

|∫ K || u  v || | K || u  v || | |

Por hipótesis, | | , con cual:

|| ||| | || ||

Como resultado, la desigualdad (312) deviene:

| ( ) ( )| || ||

Ahora bien, esta desigualdad se cumple  x I por lo que también se cumple que:

(| ( ) ( )|) || ||

Es decir que:

|| || || ||

Si suponemos que || || > 0, se puede dividir la última desigualdad entre || ||,

obteniéndose:

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)

Dado que [ ( )] es igual a ( ) entonces el valor absoluto máximo de la pendiente de

la gráfica de la solución ( ) es M. Para mayor simplicidad (pero sin realmente perder
generalidad), consideraremos el caso en el que la condición inicial del problema (3.1)
corresponde al origen (( ) ( )) Esto implica que R es la región mostrada en la figura
3.2.

Figura 3.2. Región de definición del teorema 3.6 para ( ) ( )

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)

es continua y su gráfica está incluida en R.

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
̅( ) ∫ [ ( )]

Aplicando valor absoluto (y propiedades ya vistas en el ejemplo 3.5 y la demostración del

teorema 3.9) en la segunda ecuación:

| ̅( ) | |∫ | [ ( )]| |

De acuerdo a (3.13) y la monotonía de la integral, se cumple:

|∫ | [ ( )]| | |∫ |

Resolviendo la última integral:

|∫ | | |

De acuerdo a la hipótesis del teorema tenemos que:

| |

Resumiendo la cadena de desigualdades obtenida, llegamos a que:

| ̅( ) |

Esta es precisamente la condición de que la gráfica de ̅ esté incluida en R.

Estamos ahora listos para demostrar la existencia de solución al problema de (3.1).

Teorema 3.11 (Existencia de la solución)

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:

( ) ∫ [ ( )]

converge uniformemente a la función:

( ) ∫ [ ( )]

103
Demostración:

Las iteraciones de Picard previamente discutidas implican que:

( ) ∫ [ ( )]

( ) ∫ [ ( )]

Restando ambas expresiones obtenemos:

( ) ( ) ∫ [ ( )] -∫ [ ( )] =

∫ ( [ ( )] [ ( )]) (3.15)

Por propiedades de valor absoluto e integración ya mencionadas, se cumple que:

|∫ ( [ ( )] [ ( )]) | ∫ | [ ( )] [ ( )]|

Usando la condición de Lipschitz en el integrando del segundo miembro de la desigualdad

tenemos que:

| [ ( )] [ ( )]| | ( ) ( )|

Si combinamos este resultado con la ecuación (3.15), llegamos a que:

| ( ) ( )| |∫ | ( ) ( )| |

A su vez, por consideraciones análogas a las vistas en la demostración del teorema 3.9:
|∫ | ( ) ( )| | | ∫ || || | || || | | |

Por hipótesis, además:

|| || | | || ||

Por consiguiente, el resultado de la cadena de desigualdades es:

| ( ) ( )| || ||

Puesto que esta desigualdad se cumple x  I , la definición de norma indica que:

|| || || || (3.16)

De esta forma, encontramos una cota superior para || ||.

104
Sea c = Kd. Como d < 1/K  c < 1.

Si hacemos n = 1 en (3.16) y sustituimos por c, se tiene que:

|| || || ||

Análogamente, para n = 2, obtenemos:

|| || || || || ||

Por medio de una sencilla inducción, podemos efectuar la siguiente generalización:

|| || || || n 1

Ahora bien, la diferencia se puede expresar de la siguiente forma:

( ) ( )+( ) …. + ( )

Si aplicamos la función norma a ambos miembros de la igualdad y teniendo en cuenta la

desigualdad triangular para la norma vista en el curso de Álgebra Lineal (Mat 03):

|| || || || || || || ||

Entonces, a partir de las acotaciones vistas recién, podemos escribir:

|| || || || || || || || =

( )|| ||

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.

( )|| || || ||

Llegamos finalmente a que:

|| || || ||

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:

|∫ [ ( )] -∫ [ ( )] | = |∫ ( [ ( )] - [ ( )]) |

Aplicando un razonamiento similar al que se utilizó a partir de la ecuación (3.15) en la primera

parte de la demostración, planteamos la siguiente cadena de desigualdades:

|∫ ( [ ( )] - [ ( )]) | |∫ | ( ) ( )| | || || | |
|| ||

Dado que { } converge uniformemente a u, entonces || || cuando Se sigue

entonces que:

|∫ [ ( )] -∫ [ ( )] |

Lo cual es equivalente a que:

∫ [ ( )] ∫ [ ( )] (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).

Es inmediato que ( ) ( ) ({ } converge a u). Con esto en mente, tomamos

límites en la ecuación:

( ) ∫ [ ( )]

planteando:

( ) ( ∫ [ ( )] )

O, lo que es lo mismo (teniendo en cuenta la ecuación (3.17)):

( ) ∫ [ ( )]

Arribamos así al resultado provisto por la tesis del teorema, con lo cual la existencia de solución
queda demostrada.

106
Ejemplo 3.6

El objetivo es aplicar el método de aproximaciones sucesivas al PVI:

̇
{
( )

( ) ( ( ))
Recordemos que resolver el sistema { es equivalente a resolver la ecuación
( )
integral (3.4):

( ) ∫ ( ( ))

En este caso el operador integral es ( )( ) ∫ ( ) . Tomamos como función x0 la

función constante ( ) .

Entonces:

( ) ( )( ) ∫

( ) ( )( ) ∫ ( )

( ) ( )( ) ∫ ( )

Notemos que a medida que avanzamos la iteración, vamos obteniendo más y más términos del
desarrollo de la función exponencial :

( )
( ) ∑

Por lo tanto ( ) converge a la función en todo . Naturalmente, es la solución del

PVI que estamos considerando, algo que puede verificarse resolviendo directamente el
problema considerando que se trata de una ecuación a variables separables.

Ejemplo 3.7

El objetivo es nuevamente aplicar el método de aproximaciones sucesivas al PVI:

( )

En este caso el operador integral es: ( )( ) ∫ ( )

La fórmula de iteración se escribe así:

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

La teoría básica general de un sistema de n ecuaciones lineales 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)

Se dice que el vector ( ) es solución de la ecuación (4.2), si sus componentes satisfacen el

sistema de ecuaciones (4.1). A partir de ahora supondremos que P y g son continuas sobre algún
intervalo: .
Es conveniente considerar primero la ecuación matricial homogénea:

( ) (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 ( ) ( )

forman un conjunto fundamental de soluciones (son L.I.), simplemente evaluando su

determinante en cualquier punto conveniente del intervalo. El teorema puede probarse (no lo
haremos aquí) de dos formas. En la primera, se establece primero que el determinante de
( ) ( )
satisface la ecuación diferencial:

| |
( )| | (4.5)

Por lo tanto, | ( )| es una función exponencial y se llega de inmediato a la conclusión del

teorema. La expresión para | ( )|, obtenida resolviendo la ecuación (4.5), se conoce como
fórmula de Abel.
Alternativamente, puede deducirse el teorema demostrando que si n soluciones ( ) ( )
de
la ecuación (4.3) son linealmente dependientes en un punto t=t0, entonces deben ser linealmente
dependientes en cada punto en . Consecuentemente, si ( ) ( )
son linealmente
independientes en un punto, deben de ser linealmente independientes en cada punto en el
intervalo.
El teorema siguiente establece que el sistema (4.3) siempre tiene al menos un conjunto
fundamental de soluciones.

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).

Resumiendo y extendiendo lo visto en el capítulo 1 para una ecuación diferencial, cualquier

conjunto de n soluciones linealmente independientes del sistema (4.3) constituye un conjunto
fundamental de soluciones. Bajo las condiciones dadas en esta sección, tales conjuntos
fundamentales siempre existen, y toda solución del sistema (4.3) puede representarse como una
combinación lineal de cualquier conjunto fundamental de soluciones.

4.1 Sistemas lineales homogéneos

Empezaremos mostrando cómo obtener la solución general de un sistema de ecuaciones lineales

homogéneas con coeficientes constantes, esto es, un sistema de la forma:

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)

donde deben determinarse y el vector constante . Sustituyendo X en el sistema (4.7) por su

expresión dada en la ecuación (4.8), se obtiene:

Después de cancelar el factor escalar diferente de cero obtenemos:

, o bien, ( ) (4.9)

Donde I es la matriz identidad de dimensión nxn. Entonces, para resolver el sistema de

ecuaciones diferenciales (4.7), debemos resolver el sistema de ecuaciones algebraicas (4.9). Este
último problema es precisamente el que determina los valores y vectores propios de la matriz A,
como se vio en profundidad en el curso de Mat 03 (Álgebra Lineal). Por tanto, el vector x dado
por la ecuación (4.8) es una solución de la ecuación (4.7), siempre que sea un valor propio y
un vector propio asociado a la matriz de los coeficientes A.

Ejemplo 4.1

Encontrar la solución general del sistema:

( )

Solución:

Suponiendo que y sustituyendo por X en la ecuación matricial del problema, se llega

al sistema de ecuaciones algebraicas:

( )( ) ( )

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:

( )
( )

De modo semejante, para , encontramos que , de modo que el vector propio

puede ser:

( )
( )

Las soluciones correspondientes de la ecuación diferencial son:

( )( ) ( )( )
( ) , ( )

El determinante de estas soluciones es:

| |( ) | |

que nunca es cero. En consecuencia, las soluciones ( ) ( )

forman un conjunto fundamental
y la solución general del sistema que estamos buscando es:

( )( ) ( )( ) ( ) ( )

donde c1 y c2 son constantes reales arbitrarias.

En resumen, para encontrar soluciones de la ecuación diferencial (4.7), debemos encontrar los
valores y vectores propios de A, a partir del sistema algebraico asociado (4.9).
Los valores propios 1,…, n (que no necesitan ser diferentes) son raíces de la ecuación
polinomial:

det(A - I) = 0

La naturaleza de los valores y vectores propios de A, determina la naturaleza de la solución del

sistema (4.1). A continuación, analizaremos esta cuestión en detalle.

4.1.1 Sistemas hermíticos

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)

Para demostrar que estas soluciones forman un conjunto fundamental evaluamos su

determinante:

( ) ( ) ( ) ( )
( ) ( ) ( )
| ( )( )| | | | |
( ) ( ) ( ) ( )

La última igualdad surge de aplicar propiedades de determinantes.

Primero observamos que la función exponencial nunca es cero. A continuación, como los
vectores propios ( ) ( )
son linealmente independientes, el determinante de la última
matriz es diferente de cero. Como consecuencia, | ( ( ) ( )
)( )| es distinto de cero y
entonces ( ) ( )
forman un conjunto fundamental de soluciones. Por lo tanto, cuando A es
una matriz hermítica, la solución general de la ecuación (4.7) es:

( ) ( )

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

Encontrar la solución general de:

( √ )
√

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:

( √ )( ) ( )
√

Los valores propios satisfacen:

| √ | ( )( )
√

Así, 1=2 y 2=-2. Para =2, nos queda:

113
( √ )( ) ( )
√

( )
De aquí que √ y el vector propio correspondiente al valor propio 1=2 puede
tomarse como:

( )
(√ )

De modo semejante, correspondiendo al valor propio 2=-2, tenemos √ , de modo que

el vector propio es:

( )
( )
√

Por tanto, la solución general del sistema es:

(√ ) ( )
√

Ejemplo 4.3

Encontrar la solución general de:

( )

Solución:

Nuevamente, observamos que la matriz de los coeficientes es real y simétrica. Siguiendo

idéntico procedimiento que en los ejemplos anteriores, se llega a que los valores y vectores
propios son:

( )
( )

( ) ( )
( ) ( )

De aquí que un conjunto fundamental de soluciones es:

( )( ) ( )( ) ( )( )
( ) ( ) ( )

Y la solución general es:

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 ( ) ( )

(sistema diagonalizable) y como consecuencia construir la solución general.

4.1.2 Sistemas no hermíticos

Si la matriz A en el sistema de (4.7) no es hermítica, entonces la situación referente a la solución

del sistema es un poco más compleja. Supongamos primero que A es real. Entonces se tienen
tres posibilidades para sus valores propios:

1- Todos los valores propios son reales y distintos

2- Algunos valores propios ocurren en parejas de complejos conjugados
3- Algunos valores propios están repetidos

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

Consideraremos nuevamente un sistema de n ecuaciones lineales homogéneas, con coeficientes

constantes, del tipo de (4.7). La matriz de coeficientes A es de valores reales. Si buscamos
soluciones de la forma , entonces ya sabemos que debe ser un valor propio y un
vector propio correspondiente de la matriz de los coeficientes A.
Como A es real, entonces los coeficientes en la ecuación polinomial (4.9) son reales y
cualesquiera valores propios complejos, deben ocurrir en pares conjugados.
Por ejemplo si donde y son reales, es un valor propio de A, entonces lo es
también . Además, los vectores propios correspondientes ( ) ( )
también son
complejos conjugados. Para verlo, supongamos que 1 y ( ) satisfacen:

( )
(A – 1I) =0

Tomando el complejo conjugado de esta ecuación y observando que A e I son matrices reales,
obtenemos:

( ) ( )

donde y ( ) son los complejos conjugados de 1 y ( )

respectivamente. En otras palabras,
también es un valor propio de A y ( ) ( )
es el vector propio correspondiente.
Entonces, las soluciones:

( )( ) ( ) ( )( ) ( )

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 ( ) ( ) ( ) ( ).

Si escribimos: ( ) donde y son reales, entonces tenemos (recordando la

definición de función exponencial compleja):

( )( ( )
) ( ) ( ) ( )

( )
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

Encontrar un conjunto fundamental de soluciones de valores reales para el sistema:

( )

Solución:

Como de costumbre, suponemos que

Esto conduce al conjunto de ecuaciones lineales algebraicas:

( )( ) ( )

que determina los valores y vectores propios de A. La ecuación característica es:

| |
( )

En consecuencia, los valores propios son . Un cálculo sencillo

demuestra que los vectores propios correspondientes son:

( ) ( )
( ) ( )

De donde, un conjunto fundamental de soluciones del sistema es:

( )( ( ) ( )( ( )
) ( ) ) ( )

Para obtener un conjunto de soluciones de valores reales, debemos encontrar las partes real e
imaginaria, ya sea de ( ) o de ( ) . En efecto:

( )
( ) ( ) ( )

117
 =( ) ( )

De donde, un conjunto de soluciones de valores reales es:

( ) ( ) ( ) ( )

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.

4.1.2.2 Valores propios repetidos

Concluiremos nuestra consideración del sistema lineal homogéneo con coeficientes

constantes, con un estudio del caso en el que la matriz A tiene un valor propio
repetido. La discusión en esta sección es válida para A real o compleja. Si = es una raíz de
multiplicidad k de la ecuación ( ) se dice que entonces es un valor propio de
multiplicidad k de la matriz A. En este evento, existe dos posibilidades: se tienen k vectores
propios linealmente independientes que corresponden al valor propio , o bien, hay menos de k
de tales vectores propios.
En el primer caso, sean ( ) ( )
k vectores propios linealmente independientes asociados
con el valor propio de multiplicidad k. Entonces: ( ) ( ) ( ) ( )( ) ( )
son
k soluciones linealmente independientes del sistema bajo estudio. Por ende, en este caso, no
existe diferencia en que se repita el valor propio = puesto que aún se tiene un conjunto
fundamental de soluciones de la forma . Esto siempre ocurrirá si la matriz de los
coeficientes A es hermítica.
Sin embargo, si la matriz de los coeficientes no es hermítica, entonces puede haber menos de k
vectores propios independientes, que correspondan a un valor propio de multiplicidad k. Si esto
ocurre, habrá menos de k soluciones de la forma , asociadas con este valor propio. Por lo
tanto, para construir la solución general es necesario encontrar otras soluciones de una forma
diferente. Como se mencionó en secciones anteriores, por analogía con los resultados previos
para las ecuaciones lineales de orden n (vistas en el capítulo 1), resulta natural buscar soluciones
adicionales que comprendan productos de polinomios y funciones exponenciales.

Ejemplo 4.5

Encontrar un conjunto fundamental de soluciones del sistema:

( )

118
Solución:

Suponiendo como de costumbre que planteamos:

( )( ) ( )

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:

donde es un vector constante. Sustituyendo por x en el sistema de partida, se llega a:

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:

( ) ( )

Igualando coeficientes de y en cada lado de la ecuación, se obtienen las condiciones:

( )
( )

La primera de las ecuaciones anteriores se satisface si es el vector propio de A que

corresponde al valor propio = 2, esto es, ( ). Ya que det(A - 2I) es cero, podría

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:

( | )

La segunda fila de esta matriz es proporcional a la primera, de modo que el sistema es

indeterminado y, por lo tanto, tiene infinitas soluciones.
Se tiene:

Por lo que si , en donde k es arbitraria entonces

Si se escribe:

( ) ( ) ( )

entonces al sustituir en la expresión de la segunda solución buscada (4.11), se obtiene:

( ) ( ) ( )

El último término de la ecuación anterior es simplemente múltiplo de la primera solución

( )
( ) y puede ignorarse, pero los primeros dos términos constituyen una nueva solución:

( )( ) ( ) ( )

Un cálculo elemental muestra que | ( ( ) ( ) )( )| y por tanto ( ) ( )

forman un conjunto fundamental de soluciones del sistema problema. En conclusión, la solución

general que se obtiene es:

( )( ) ( )( ) ( ) [( ) ( ) ]

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 ( )

Procediendo como en el ejemplo, encontramos que una segunda solución es:

( )( )

donde satisface la primera solución y queda determinado a partir de:

( )

Aun cuando ( ) puede demostrarse que siempre es posible resolver la última

ecuación para .

Si = es un valor propio de la matriz A de multiplicidad mayor que dos, entonces se tiene

mayor variedad de posibilidades. Podemos ilustrar esto, considerando un valor propio de
multiplicidad tres. Suponer primero que el valor propio triple = tiene tres vectores propios
linealmente independientes ( ) ( ) ( )
. En este caso, el conjunto de soluciones
independientes que corresponde es simplemente:

( )( ) ( ) ( )( ) ( ) ( )( ) ( )

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:

( )( )

( )( ), ( )( ) y queda determinado por:

donde satisface la solución satisface la solución

( )

Una vez más, es posible resolver la última ecuación para .

La posibilidad final es que se tengan dos vectores propios linealmente independientes

( ) ( )
, correspondientes al valor propio = de multiplicidad tres. Entonces, dos
soluciones del sistema son:

( )( ( ) ( )( ( )
) )

( )
Una tercera solución es de la forma: ( )

donde satisface ( ) y es una solución de ( ) . Aquí es necesario

( ) ( )
elegir como una combinación lineal de los vectores propios de tal manera que la
ecuación:

( )

121
tenga solución. Si escribimos:

( ) ( )

entonces debemos elegir c1 y c2 de modo que ( ) para todo y que satisfaga: (

) . Para esta selección de entonces es posible obtener . Las soluciones ( ) ( )
( ) ( )
( ) ( ) forman un conjunto de soluciones independientes, que corresponden al valor
propio = en este caso. Debe quedar claro que si se tiene un valor propio de multiplicidad aún
mayor, entonces la situación puede volverse todavía más complicada. Por ejemplo, si = es un
valor propio de multiplicidad cuatro, entonces debemos tratar mayor cantidad de casos, ya sea
que tengan cuatro, tres, dos o un vector propio linealmente independiente.

4.1.3 Matrices fundamentales

Centrémonos nuevamente en el sistema , donde A es una matriz constante dada, no

necesariamente real. Ya se describieron dos métodos para resolver tales sistemas: por el método
de eliminación (sección 1.6) y por la suposición de existencia de soluciones de la forma
, introducida al inicio de este capítulo. Ahora se proporcionará otro punto de vista.

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:

( ) ( ) ( )
( ) ( ) ( )
( ) [ ]
( ) ( ) ( )

que tiene por vectores columna a los vectores solución ( ) ( ) ( ) ( ) ( )

( ) se le da el
nombre de matriz fundamental del sistema. Puesto que sus vectores columna son linealmente
independientes, se sigue que la matriz es no singular, o sea, es invertible y su matriz inversa
es ( ) . En términos de la matriz fundamental ( ), la solución general:

( ) ( )( ) ( )( ) ( )
( )

del sistema:

puede escribirse en la forma:

( ) ( ) (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.

Teorema 4.3 (Soluciones usando matrices fundamentales)

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:

( ) ( )

está dada por ( ) ( ) ( ) ( ) ( ) ( ) (4.14)

Ejemplo 4.6

Encontrar la matriz fundamental del sistema: {

y usarla para obtener la solución del sistema que satisfaga las condiciones iniciales x(0)=1,
y(0)=-1

Solución:

La matriz de sistema es, en este caso:

[ ]

Y sus valores propios, los calculamos como de costumbre:

| | | | ( )( )

Para =5, calculamos los vectores propios. En este caso, resolviendo el sistema mediante el
método de escalerización:

-F1
[ ] [ ] -3F1+F2 [ ][ ] [ ]

El subespacio propio asociado a =5 es:

{( ) }

123
Una base del mismo es:

{( )} ( ) ( )

Análogamente para =-2:

F1/6
[ ] [ ] -3F1+F2 [ ][ ] [ ]

{( ) }
b
{( )} ( ) ( )

Así:

( ) ( ) ( )

( ) ( ) ( ) ( )

son soluciones L.I. y producen la matriz fundamental:

( ) [ ]

Según lo visto recién, para hallar la solución del PVI, tenemos que a = 0. Entonces:

( ) [ ]  | ( )| = -6-1=-7

La matriz de cofactores de ( ) es:

( ) [ ]

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:

( )

( )

4.1.4 Exponenciales de matrices

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:

Similarmente, si A es una matriz de nxn, entonces la exponencial de una matriz es la matriz

de nxn definida por la serie:

(4.15)

en donde I es la matriz identidad. El significado de la serie a la derecha está dado por:

∑ (∑ )

en donde y así sucesivamente. En forma inductiva:

. Se puede demostrar que el límite existe para toda matriz Anxn. Esto es,
la exponencial de una matriz eA está definida para toda matriz cuadrada A.

Ejemplo 4.7

Considere la matriz diagonal de 2x2:

[ ]

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 resultado anterior establece que: [ ] de modo que el exponencial de la matriz

diagonal A se obtuvo simplemente por exponenciación de cada elemento diagonal de A.

El análogo nxn del resultado 2x2 se establece en la misma forma. Esto es, la exponencial de una
matriz diagonal D de nxn:

[ ]

es:

[ ]

obtenida por la exponenciación de cada elemento en la diagonal de D.

La matriz exponencial satisface la mayor parte de las relaciones exponenciales que son
familiares en el caso de exponentes escalares. Por ejemplo:

a) Si  es la matriz nula de nxn, entonces: 

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.

e) Si t es una variable escalar, entonces, la sustitución de A por At en (4.15) arroja:

(4.16)

Desde luego, At se obtiene sencillamente al multiplicar cada elemento de A por t.

126
Soluciones por medio de exponenciales de matrices

Un hecho clave para la utilización de la matriz exponencial en la resolución de sistemas de

ecuaciones diferenciales lineales es que la diferenciación término a término de la serie (4.16) es
válida, lo que arroja el siguiente resultado:

( ) ( )

O sea:

( )

Este resultado es análogo a la fórmula: ( ) del cálculo elemental.

De este modo, la función matricial:

( )

satisface la ecuación diferencial matricial:

Esta es la afirmación de la que se partió al inicio de la sección.

Debido a que, como recién se dijo, los n vectores columna de son linealmente
independientes, se deduce que la matriz, ( ) de nxn es una matriz fundamental para el
sistema lineal .

Teorema 4.4 (Soluciones usando matrices exponenciales)

Si A es una matriz de nxn, entonces la solución (única) del problema con condición inicial:

( )

está dada por: ( )

Así, la solución de los sistemas homogéneos de ecuaciones diferenciales se puede reducir a la

tarea de calcular las matrices exponenciales. Esta tarea es más fácil en el caso de una matriz A
de nxn que tiene un conjunto completo: de n vectores propios linealmente
independientes correspondientes (en orden) a los n valores propios no
necesariamente distintos). Es decir, una matriz diagonalizable. En este caso, definimos la matriz
de vectores propios P y la matriz diagonal de valores propios D de A como:

[ ] y [ ] (4.17)

127
Recordamos ahora que, al ser A diagonalizable, se cumple la siguiente igualdad:

A partir de esto, planteamos el siguiente desarrollo:

( ) ( )

Donde [ ]

Aplicando la definición de exponencial de una matriz:

( ) ( ) ( )
( ) ( ) [ ( ) ( ) ]

En conclusión:

Ahora definimos una nueva matriz diagonal At como:

[ ] (4.18)

Sustituyendo, llegamos al siguiente resultado:

A continuación, presentaremos el teorema que formaliza estas cuestiones.

Teorema 4.5 (Cálculo de )

Suponer que la matriz A de nxn tiene n vectores propios linealmente independientes

correspondientes (en orden) a los valores propios . Si la matriz de
vectores propios P y la matriz diagonal se definen como las ecuaciones (4.17) y (4.18),
-1
respectivamente (de modo que A = PDP ), entonces:

Ejemplo 4.8

Encontrar la matriz exponencial ( ) y la solución general ( ) ( ) para el sistema

lineal:

128
Solución:

La matriz de coeficientes [ ] tiene valores propios y con vectores

propios asociados:

[ ] y [ ]

De este modo: [ ]y [ ]

Calculando [ ]

se deduce de la ecuación (( ) que:

( ) [ ][ ][ ] [ ][ ]

( ) [ ]

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

Utilizar la matriz exponencial para encontrar una solución general de:

[ ]

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 [ ]

Puede probarse muy fácilmente que . En el caso general, el producto de cualquier

matriz de nxn con la matriz identidad de nxn va a conmutar. Entonces, de acuerdo a la propiedad
se puede escribir:

( )

Ahora [ ] por ser 2It una matriz diagonal y por multiplicación directa, de
forma que se deduce de la serie en (4.16) que:

[ ]

Por lo tanto, la matriz fundamental ( ) del sistema está dada por:

( ) [ ][ ] [ ]

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.

4.2 Sistemas lineales no homogéneos

4.2.1 Sistemas diagonalizables

Comencemos el tratamiento con sistemas de la forma:

( ) (4.19)

siendo A, la matriz de coeficientes, constante y diagonalizable, de dimensión nxn. Sea la matriz

P, invertible y cuyas columnas son los vectores propios: ( ) ( )
de A. Definamos una
nueva variable Y como:

(4.20)

Entonces sustituyendo X en la ecuación (4.19), obtenemos:

( ). Multiplicando por P-1 se deduce que:

130
 ( ) ( ) ( ) (4.21)

donde ( ) ( ) y D es la matriz diagonal cuyos elementos en la diagonal son los

valores propios 1,…, n de A arreglados en el mismo orden en que los correspondientes
vectores propios ( ) ( )
aparecen como columnas de P. La ecuación (4.21) es un sistema
de n ecuaciones no ligadas. Para cada ( ) ( ), la ecuación queda:

( ) ( ) ( ) (4.22)

donde ( ) es una cierta combinación lineal de ( ) ( ) . La ecuación (4.22) es una

ecuación lineal de primer orden y es posible resolverla por los métodos vistos en el capítulo 1.
Consecuentemente, tenemos que:

( ) ∫ ( ) (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

Encontrar la solución general del sistema:

( ) ( ) ( ) 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:

( ) ( )
( ) ( )

Antes de escribir la matriz P de vectores propios, recordemos que eventualmente debemos

encontrar P-1. La matriz de los coeficientes A es real y simétrica por lo que sus valores propios
son todos reales y P-1 es simplemente la transpuesta de P, siempre que se normalicen los
vectores propios de A (de modo que < , > ). Así, normalizando ( ) ( )
tenemos:

( ) ( )
√ √

haciendo X = PY y sustituyendo por X en el sistema problema, obtenemos el siguiente sistema

de ecuaciones para la nueva variable dependiente Y:

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

Encontrar una solución general del sistema:

(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)

Resolvemos las dos primeras ecuaciones de (E2) para obtener: , y después

despejamos en las dos últimas ecuaciones: y

Así que nuestra solución particular es ( ) [ ]

Y la solución general del sistema (E) es:

( )
( )

En el caso de expresiones repetidas en la función complementaria (solución de la ecuación

homogénea) y los términos no homogéneos, hay una diferencia entre el método de coeficientes
indeterminados para sistemas y para ecuaciones individuales. Para un sistema, la elección
ordinaria para una solución tentativa debe multiplicarse no sólo por la mínima potencia entera
de t que elimine la repetición, sino también por todas las potencias menores (enteras y no
negativas) y todos los términos resultantes deben incluirse en la solución tentativa.

Ejemplo 4.12

Considere el sistema no homogéneo: [ ] [ ]

La solución del sistema homogéneo asociado es: ( ) [ ] [ ]

Si usáramos el método de coeficientes indeterminados, una solución tentativa adoptaría la

forma: ( ) que exhibe duplicación con la función complementaria en
( ) . Por lo tanto seleccionaríamos como la nueva solución tentativa:

( )

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.

4.2.2 Sistemas con coeficientes variables y/o no diagonalizables

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.

Método de variación de parámetros

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:

( ) ( ) ( ) ( )

Primero usamos la matriz fundamental ( ) con vectores columna para reescribir la

función complementaria en 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).

La derivada de ( ) es (por regla del producto):

( ) ( ) ( ) ( ) ( )

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:

( ) ( ) ( )

Entonces, basta escoger u(t) de modo que: ( ) ( ) ( )

Es decir:

( ) ∫ ( ) ( )

Mediante la sustitución de la expresión anterior en (4.26) obtenemos finalmente la solución

particular deseada, como se establece en el teorema siguiente.

Teorema 4.6 (Variación de parámetros para sistemas lineales diferenciales)

Si ( ) es una matriz fundamental para el sistema ( ) en algún intervalo en donde P(t)

y f(t) son continuos, entonces una solución particular del sistema no homogéneo: ( )
( ) está dada por:

( ) ( )∫ ( ) ( ) (4.27)

Ésta es la fórmula de variación de parámetros para sistemas lineales de primer orden. Si

agregamos esta solución particular a la función complementaria, solución del sistema
homogéneo asociado, la solución general del sistema no homogéneo de (4.24) es:

( ) ( ) ( )∫ ( ) ( )

Carece de importancia la elección de la constante de integración en la ecuación (4.23) porque lo

único que necesitamos es una sola solución particular. Al resolver problemas con condiciones
iniciales a menudo conviene escoger la constante de integración de modo que ( ) y por
tanto integramos entre y t:

( ) ( )∫ ( ) ( )

Si agregamos esta solución particular a la solución homogénea ( ( ) ( ) ( )

( ) ( ) ( )) obtenemos la solución:

( ) ( ) ( ) ( )) ( )∫ ( ) ( )

para el PVI:

135
 ( ) ( )
X(a)=b

4.3 Cambio de variables para los sistemas lineales

El objetivo de esta última sección es introducir un tratamiento sistemático de las ecuaciones

lineales de la forma ̇ donde A es una matriz cuadrada de nxn y coeficientes constantes, y
n
X representa un vector de .
La razón básica por la que un sistema de ecuaciones diferenciales de esas características
presenta cierta dificultad en su resolución es que las ecuaciones comúnmente están ligadas, en
otras palabras, algunas de ellas o todas contienen a más de una, o tal vez a todas las variables
dependientes. Esto ocurre siempre que la matriz de los coeficientes A no sea una matriz
diagonal, de donde, las ecuaciones en el sistema deben resolverse simultáneamente, en lugar de
consecutivamente. Esta observación sugiere que una manera de resolver un sistema de
ecuaciones podría ser transformándolo a un sistema equivalente no ligado, en el cual cada
ecuación sólo contenga una variable dependiente. Esto equivale a transformar la matriz de los
coeficientes A en una matriz diagonal. En efecto, es conocido de los cursos de Álgebra lineal
que todos los cálculos en los que intervienen matrices se simplifican cuando es posible trabajar
con una base adecuada del espacio. El caso más claro de esto es el de las matrices
diagonalizables, pero aun cuando la matriz no sea diagonalizable es, en general, posible pasar a
una situación más conveniente por un cambio de variable lineal adecuado. En lo que sigue,
estudiaremos el efecto de estos cambios de coordenadas sobre las ecuaciones diferenciales
lineales ̇ cuando A es una matriz real de nxn y resolveremos completamente estas
ecuaciones cuando la matriz A es diagonalizable sobre el cuerpo real.
n
Comencemos por recordar que coincide con el vector Xc de sus coordenadas en la base
canónica C. Al introducir una nueva base B en n queda definido un cambio de coordenadas
X ( ) que a cada vector X le asigna sus nuevas coordenadas Y=XB, de la siguiente manera:

( ) B((I))CXC = B((I))C X (4.25)

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) ̇

Al sustituir en ̇ = AX encontramos que la nueva variable Y debe satisfacer la ecuación:

̇ B((I))C A (B((I))C-1) Y (4.27)

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:

g(Y)=Dhh-1(Y)f(h-1(Y))=h(Ah-1(Y))= B((I))C A (B((I))C-1) Y

Tal como esperábamos, el resultado es el que aparece en la fórmula (4.27).

Observación: si la matriz A es diagonalizable, y B es una base de vectores propios de A,

entonces la matriz de la ecuación lineal (4.27) es diagonal. En estos casos, habremos logrado
una importante simplificación de la ecuación por medio del cambio de variables. En general,
aunque las matrices no sean diagonalizables, puede encontrarse una matriz de una forma
canónica más simple que la matriz original por medio de un cambio de variable como el que
acabamos de presentar.

A continuación mostraremos, con un ejemplo, como la reducción del problema original ̇

a otro con matriz diagonal puede utilizarse para resolverlo completamente, en el sentido de
poder calcular las soluciones y representar detalladamente el diagrama de fases correspondiente.
Con esto último, estaremos introduciendo el análisis que se realizará sobre los sistemas lineales
diferenciales en el capítulo 5.

Ejemplo 4.13

Vamos a considerar la ecuación lineal ̇ en 2

, con matriz:

( )

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 = ( )

La ecuación diferencial en las nuevas coordenadas Y=B((I))C X es:

̇ B((I))C A C((I))BY = DY (4.28)

donde D es la matriz diagonal:

B((I))C A C((I))B =( )

Vamos a pasar a trabajar en coordenadas y escribir el vector Y en la forma Y = (u,v). Es evidente

que la ecuación (4.28) resulta entonces equivalente al sistema desacoplado:

̇
{
̇

cuyas soluciones son, con notación obvia:

( ( ) ( )) ( )

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
 ̇
{
( ) ( )

debemos comenzar por transformar la condición inicial a las nuevas coordenadas Y. La

condición inicial correspondiente es:
Y0 = B((I))CX0

Luego resolvemos el problema con este dato y obtenemos una solución:

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:

X(t)= C((I))B Y(t)= C((I))B B((I))CX0 (4.29)

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

podremos calcular las soluciones de la ecuación original por medio de la fórmula:

139
X(t) = C((I))B D B((I)) C

En término de las matrices exponenciales esto significa que si:

A = C((I))B D B((I)) C

 C((I))B B((I)) C

Esta observación no depende de que A sea diagonalizable.

140
5. ESTABILIDAD DE SISTEMAS LINEALES DE ECUACIONES
DIFERENCIALES Y FUNCIONES DE LIAPUNOV

5.1. Ecuaciones autónomas en

5.1.1 Nociones básicas

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:

̇ ( ), ( )

Si escribimos la función f componente a componente, tenemos:

( ) ( ( ) ( ))

La notación ̇ ( ) no indica otra cosa que el sistema es de dos ecuaciones escalares:

̇ ( )
{
̇ ( )

La noción de solución de una ecuación diferencial en el plano (y en general en ) es

completamente análoga a la que introdujimos anteriormente en y da lugar a la siguiente
definición.

Definición (Solución): si es un abierto en y f: es una función continua, una

solución de la ecuación diferencial autónoma ̇ ( ) es una función derivable
definida sobre un intervalo abierto I, tal que se satisface ̇ ( ( )) .

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.

5.1.2 Interpretación geométrica

La interpretación geométrica de una ecuación diferencial de primer orden que se discutió en el

capítulo 2 puede ser fácilmente generalizada para sistemas de tales ecuaciones y, en particular,
para el caso de una ecuación autónoma en el plano, es decir, un sistema de dos ecuaciones
diferenciales de primer orden del tipo (5.1). La diferencia es que ahora se deberá pasar a un
espacio tridimensional con un sistema coordenado (t,x,y). Así, una solución de (5.1) está dada
por un par de funciones u,v definidas en un cierto intervalo I, tales que:

( ) ( ( ) ( ))
( ) ( ( ) ( ))

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.

5.1.3 Órbitas, puntos críticos y soluciones estacionarias

Las definiciones de órbitas, puntos críticos y soluciones estacionarias para un sistema de

ecuaciones del tipo (5.1) son enteramente análogas a las discutidas en el capítulo 2 para las
ecuaciones autónomas en la recta real.

Definición (Órbita o trayectoria): dada una solución X(t) de un sistema de ecuaciones

diferenciales del tipo (5.1), 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. Entonces, si bien las nociones
de curva solución y de trayectoria están muy relacionadas, son diferentes. Una curva solución es
el gráfico de la solución mientras que una trayectoria es el conjunto imagen de la solución, con
la orientación inducida por la parametrización dada por dicha solución. Así, las ecuaciones
paramétricas de una trayectoria serán:

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

donde m es la masa unida al resorte y k su constante de estiramiento. En el caso de este ejemplo:

m = k = 1.

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.

Aplicando la teoría vista en el capítulo 1 para ecuaciones lineales a coeficientes constantes

puede hallarse la función x(t) y luego, por sustitución, la función y(t). En cualquiera de los dos
casos, es sencillo determinar que la solución que cumple X(0) = (0,0) es X(t) = (0,0) y que la que
cumple que X(0) = (0,1) es X(t) = (sent, cost). Estas soluciones describen en el espacio (t,x,y)
una recta (el eje t) y una hélice y sus proyecciones en el plano (x,y) corresponden a un punto (el
origen) y a una circunferencia, respectivamente, como se muestra en la Figura 5.1. Entonces, la

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).

Esta situación se verifica para cualquier sistema autónomo e implica que si

( ) e ( ) son las ecuaciones paramétricas de una órbita, también lo serán las
ecuaciones ( )e ( ) k 

Definición (Punto crítico): un punto crítico o de equilibrio (lo vamos a identificar

generalmente como ̅ o ) de la ecuación (5.1) satisface la igualdad f(X)=0. Es decir, un punto
crítico es raíz de f(X). Si X=(a,b) es un punto crítico de la ecuación, entonces la ecuación
diferencial admite la solución constante ( ) ( ,b).

Definición (Solución estacionaria): una solución constante de un sistema de ecuaciones

diferenciales como (5.1) se denomina una solución de equilibrio o estacionaria. Así, el punto
crítico X= ( ,b), un vector, corresponde a la solución de equilibrio ( ) ( ,b) una función
vectorial de valor constante. La órbita de una solución estacionaria consta solamente de un
punto: (a,b).

Definición (Estabilidad): sea ( ) ( ( ) ( )) ( ,b) una solución de equilibrio de

(2.1), o lo que es lo mismo, ̅ ( ,b) un punto crítico de (5.1). Decimos que ̅ es estable si
para cada , existe un tal que si X(t) satisface:

| ( ) | | ( ) |

para cierto t0, entonces también se verifica que:

144
| ( ) | | ( ) | para todo .

Si se puede elegir de modo que ( ( ) ( ) ̅ decimos que ̅ es asintóticamente

estable. Si ̅ no es estable decimos que es inestable.

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

En el capítulo 2, presentamos el estudio cualitativo de una ecuación autónoma en que nos

permitía conocer la forma de las soluciones de la ecuación, ayudados por el diagrama de fases.
Este diagrama se dibujaba en una dimensión (el eje vertical x) y en él se ubicaban los puntos
críticos de la ecuación. Luego, las soluciones se graficaban en el plano (t,x).
La situación es un poco más complicada cuando queremos construir el diagrama de fases
asociado a un sistema de dos ecuaciones como el de (5.1). En efecto, como se concluye a partir
de lo visto en el ejemplo 5.1, el diagrama de fases asociado a una ecuación autónoma en 2 es la
proyección sobre el plano (t,x) de las curvas que corresponden a las soluciones de la ecuación,
dibujadas en el plano (t,x,y) y conservando la información sobre la orientación de las curvas .En
consecuencia, el diagrama de fases deberá ser dibujado en dos dimensiones (el plano (x,y)) y las
soluciones en tres (el espacio (t,x,y)). Puesto que esto último resulta poco práctico, el análisis
normalmente se circunscribe al diagrama de fases que, en realidad, es suficiente para analizar el
comportamiento de las soluciones y la estabilidad de los puntos críticos.
Tal como acontecía para una ecuación en el diagrama de fases contendrá toda la información
del recorrido orientado de las soluciones o lo que es equivalente, las trayectorias de las mismas.
Mediante este diagrama sabremos, de una forma cualitativa, cómo se comporta el sistema y
dispondremos de toda la información para la clasificación de puntos críticos. A continuación,
veremos algunos ejemplos preliminares simples pero ilustrativos. Posteriormente,
presentaremos un tratamiento más general y sistemático para el análisis geométrico de las
soluciones y la estabilidad de las mismas.

Ejemplo 5.2

Resolver y dibujar el diagrama de fases del sistema lineal:

̇
{ (E)
̇

con valores iniciales: (x(0),y(0))=(x0,y0).

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):

(( ) ) ( )

Figura 5.2. Flujo asociado al sistema del ejemplo 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:

 Puntos críticos: consideremos el caso en (E). La condición de que (x,y)

sea un punto crítico implica , en este caso, la igualdad (ax,by)=(0,0), por lo que el único
punto crítico es el origen (0,0).
 Órbitas: (x(t),y(t)) es una curva en . Para saber cómo es el crecimiento de cada una de
las componentes x(t) e y(t) de una solución de la ecuación diferencial no hace falta
resolver la ecuación completamente y luego derivar para hallar ̇ ( ) y ̇ ( ) y estudiar su
signo. Por el contrario, la propia ecuación diferencial nos da directamente el valor de ̇
y ̇ en cada punto del plano.
En el caso que nos ocupa, con vemos directamente que si una solución
(x(t),y(t)) está en el primer cuadrante { } entonces ̇ e ̇ por lo que
x e y aumentan cuando t crece. Sobre todos los puntos del eje x tenemos ̇ , por lo
que las soluciones tienen tangente horizontal allí. De hecho, la parte positiva y la parte
negativa del eje x son dos órbitas. También lo son la parte positiva y la parte negativa
del eje y, en este caso con tangente vertical, puesto que ̇ en todos los puntos del

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

Hallar el diagrama de fases del sistema lineal ̇ en 2

, con matriz:

( )

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

La solución para el sistema transformado ̇ ya encontrada oportunamente es:

( ( ) ( )) ( )

Representar el diagrama de fases de ̇ es un trabajo sencillo, como se observa en la figura

5.4. No es difícil apreciar que las semirrectas y del eje Ou son órbitas que se alejan
del origen, y también lo son las semirrectas v yv del eje Ov. El resto de las órbitas está
contenido en curvas de la forma u=kv y “salen” del origen u=0, v=0 de manera tangente al eje
2

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).

El diagrama de fases de la figura 5.5 es consistente con estas deducciones. Profundizaremos en

estas cuestiones a continuación.
En general, al aplicar la transformación lineal al sistema para obtener el sistema
, con B matriz diagonal, se puede demostrar que dicha transformación comporta
rotaciones alrededor del origen o simetrías con respecto a rectas que pasan por el origen,

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 Estabilidad de sistemas lineales. Diagrama de fases

En virtud de que muchas ecuaciones diferenciales no pueden resolverse convenientemente

mediante métodos analíticos, es importante considerar qué información cualitativa es posible
obtener acerca de sus soluciones sin resolver en realidad dichas ecuaciones, a diferencia de lo
que vimos recién. Como se aclaró al inicio del capítulo, trabajaremos con sistemas de dos
ecuaciones lineales con coeficientes constantes, de la forma:

(5.2)

siendo x = ( ) un vector columna de componentes x1 y x2 (las funciones incógnitas del

sistema) y ( ) la matriz de coeficientes del sistema. Recordemos que si se buscan

soluciones de la forma , por sustitución de x en la ecuación (5.2) se obtiene:

( ) (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.

Al analizar el sistema (5.2), es necesario considerar diferentes casos, dependiendo de la

naturaleza de los valores propios de A. Esta discusión ya se realizó en el capítulo 4, en donde
vimos cuál era la forma de las soluciones en cada caso. Por lo tanto, en el análisis que sigue,
consideraremos dichas soluciones conocidas. En cambio, nos concentraremos en el diagrama de
fases del sistema lineal, aportando una discusión sistemática y completa, incluyendo todos los
casos que pueden presentarse.

150
Caso 1: Valores propios reales y desiguales del mismo signo ( )

Para este caso, la solución general de la ecuación (5.2) es:

( ) ( )
(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

Figura 5.6. Nodo impropio; a) Plano de fases. b) x1 en función de t.

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

Consideremos el sistema lineal:

Sus soluciones son ( ) , ( ) con .. Analicemos las

trayectorias: cuando y , se tiene x=0, . Estas soluciones determinan dos
únicas trayectorias. Si , la trayectoria es la parte positiva del eje Oy, y si , la
trayectoria es la parte negativa del eje Oy. En ambos casos, las trayectorias se recorren
alejándose del punto crítico cuando .
Cuando y , tenemos , . Estas soluciones determinan dos nuevas
trayectorias. Una trayectoria es la semirrecta bisectriz del primer cuadrante, que corresponde al
caso . La otra es la semirrecta bisectriz del tercer cuadrante, que corresponde al caso
. En ambos casos, las trayectorias se recorren alejándose del punto crítico cuando
.
Si son distintos de cero, entonces tenemos, eliminando el parámetro t, que las
trayectorias verifican la ecuación . En realidad, dicha ecuación corresponde a dos
trayectorias. Es fácil comprobar que en los puntos de dichas trayectorias, a medida que nos
aproximamos al (0,0), la pendiente de la recta tangente se va aproximando a 1.
El punto crítico (0,0) de este sistema es un nodo y el diagrama de fases se muestra en la figura
5.7.
Obsérvese que los valores propios del sistema lineal considerado son reales, distintos y del
mismo signo (positivo). En este caso, toda trayectoria sale del punto (0,0) cuando . Hay
cuatro trayectorias en forma de semirrecta que determinan dos rectas que pasan por el origen, y
el resto de las trayectorias se asemejan a porciones de parábolas. Es fácil entender que si los
valores propios hubieran sido negativos, la única diferencia habría sido que, en vez de salir, toda
trayectoria habría entrado al punto (0,0) cuando .

Figura 5.7. Nodo del ejemplo 5.4.

152
Caso 2: Valores propios reales y de signo opuesto ( )

La solución general de la ecuación (5.2) es:

( ) ( )
(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

Figura 5.8. Punto silla; y . a) Plano de fases b) x1 en función de t.

Ejemplo 5.5

Consideremos el sistema lineal:

( ) ( )

La solución general del sistema (1) es:

153
 ( )( ) ( )
( )

( ) ( ) (5.7)

en donde son constantes arbitrarias.

Para visualizar la solución (5.7) resulta útil considerar su gráfica en el plano x1x2 para varios
( )
valores de las constantes c1 y c2. Por ejemplo, si = 0, ( ), es decir,

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.

Figura 5.9. Trayectorias del ejemplo 5.5. El origen es un punto silla.

154
Ejemplo 5.6

Consideremos el sistema lineal:

Sus soluciones son ( ) , ( ) . Analicemos ahora las trayectorias.

Cuando y , se tiene x(t) = 0, ( ) . Todas estas soluciones determinan
dos únicas trayectorias que descansan sobre la recta x = 0 (el eje 0y). Cuando , la
trayectoria es la semirrecta x = 0 con . Cuando , la trayectoria es la semirrecta x = 0
con . Cuando , ambas trayectorias “entran” en el origen. En cambio, cuando
y , se tiene ( ) , y(t) = 0. Ahora las trayectorias descansan sobre la recta y
= 0 (el eje 0x). Cuando , la trayectoria es la semirrecta y = 0 con . Cuando ,
la trayectoria es la semirrecta y = 0 con . A medida que t aumenta, ambas trayectorias se
alejan del origen.
Cuando son ambos no nulos, la trayectoria correspondiente a la solución ( ) ,
( ) descansa sobre la curva de ecuación . Este tipo de curvas semejan
hipérbolas, y constan de dos ramas situadas en los cuadrantes primero y tercero cuando ,
o bien en los cuadrantes segundo y cuarto, cuando . Cada una de dichas ramas
constituye una trayectoria.
En resumen, hay cuatro trayectorias en forma de semirrecta, que determinan dos rectas que
pasan por el origen. Cuando , dos de esas trayectorias se recorren hacia el origen; las
otras dos, “salen” del origen. Entre estas semirrectas hay cuatro regiones, cada una de las cuales
contiene trayectorias que se asemejan a ramas hiperbólicas. Cuando , estas trayectorias
no tienden hacia el punto crítico, sino que son asintóticas a algunas de las semirrectas que se
alejan del origen (ver figura 5.10). El punto crítico aislado (0,0) es nuevamente un punto silla.

Figura 5.10. Punto silla del 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.

a) A diagonalizable: la solución general de la ecuación (5.2) es:

( ) ( ) ( ) ( )
(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.

b) A no diagonalizable: en este caso, la solución general de la ecuación (5.2) es:

( ) (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.

Para valores grandes de t, el término dominante en la ecuación (5.8) es . Por tanto,

cuando , todas las trayectorias se aproximan al origen tangentes (asintóticas) a la recta
que pasa por el vector propio (recordar que se discute el caso en que el único valor propio es
negativo). Esto es cierto incluso si c2=0, porque entonces la solución se encuentra

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)

en donde ( ) . Observar que el vector y es el que determina la dirección de

x, mientras que la cantidad escalar sólo afecta a la magnitud de x. Nótese también que para
valores fijos de c1 y c2, la expresión para y es una ecuación vectorial de la recta que pasa por el
punto y es paralela a . Para trazar la trayectoria correspondiente a una pareja dada de
valores de c1 y c2, es posible proceder de la siguiente manera. En primer lugar, se traza la recta
dada por ( ) y se nota que la dirección de t es creciente sobre esta recta. En la
figura 5.12a se muestran dos de esas rectas, una para y otra para . A continuación,
a medida que t crece, la dirección del vector x dado por la ecuación (5.9) sigue la dirección de t
creciente sobre la recta, pero la magnitud de x decrece con rapidez y tiende a cero, debido al
factor exponencial decreciente . Por último, cuando t decrece hacia , la dirección de x
queda determinada por los puntos sobre la parte correspondiente de la recta y la magnitud de x
tiende al infinito. De esta manera, se obtienen las trayectorias de trazo grueso de la figura 5.12a.
Para completar el diagrama también se trazaron algunas de las otras trayectorias con líneas más
tenues. En la figura 5.12b se muestran gráficas típicas de x1 en función de t.


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

Considerar el sistema lineal:

( ) (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.

La solución general previamente encontrada es:

( )( ) ( )
( ) ( ) [( ) ( ) ]

Si analizamos la gráfica de la solución es evidente que x se vuelve no acotado cuando y

que cuando . Cuando , cada trayectoria es asintótica a una recta de
pendiente -1. En la figura 8 se muestran las trayectorias del sistema. El patrón de trayectorias de
esta figura es típico de los sistemas de primer orden con valores propios iguales y un
solo vector propio independiente. En este caso, el origen es un nodo impropio, como ya se vio
antes. Si los valores propios son negativos, las trayectorias son semejantes, aunque se recorren
en dirección hacia adentro.

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.

Caso 4: Valores propios complejos ( )

Supongamos que los valores propios son , en donde y son reales, y

. En este caso, también será posible escribir la solución general en términos de los valores

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.

De acuerdo a la definición de vector y valor propio de A, podemos escribir:

A(u + iv) = ( )(u + iv)

Igualando partes reales e imaginarias en la ecuación anterior se obtiene:

Au = u – v
Av = v + u

Por otro lado, tenemos que:

(AP)(1) = Au
(AP)(2) = Av

Luego (AP)(1) = v - u y (AP)(2) = u + v

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

Lo que implica que:

P-1AP = B

Esto establece la semejanza que se deseaba demostrar entre A y 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)

Si se sustituyen las ecuaciones de (5.11) en la primera de las de (5.12), se encuentra que:

y, por lo tanto:

(5.13)

con c una constante. De manera semejante, si se sustituyen las ecuaciones de (5.11) en la

segunda de las de (5.12) y se aplica el hecho de que ( ) , se tiene que:

Lo que implica que:

(5.14)

con el valor de cuando t = 0.

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)

Figura 5.14. Punto espiral; , a) , plano de fases. b)

en función de t, c) plano de fases, d) en función de t.

Figura 5.15. Punto espiral, con .

161
Ejemplo 5.8

Consideremos el sistema autónomo lineal:

Las soluciones son:

( ) [ ( ) [ ]

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:

Aquí podemos reconocer a una familia de espirales logarítmicas.

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).

Caso 5: Valores propios imaginarios puros ( )

En este caso, y el sistema (5.10) del caso 4 se reduce a:

( )

con valores propios .

Si se aplica el mismo argumento que en el caso 4, se encuentra que:

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.

Figura 5.17. Centro ( ) a) Plano de fases. b) x1 en función de t.

Ejemplo 5.9

Consideremos el sistema autónomo lineal:

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.

La geometría de las trayectorias las podemos también determinar fácilmente resolviendo la

ecuación diferencial que resulta del sistema de partida:

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).

Figura 5.18. Centro del ejemplo 5.9.

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.

Esta ecuación diferencial de segundo orden puede transformarse en el siguiente sistema

autónomo de primer orden:

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.

2- Considerado como un nodo, el patrón de las trayectorias en cada caso es relativamente

simple. Para ser más específicos, por cada punto (x0,y0) en el plano de fases, pasa sólo

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.

Las situaciones descritas en a), b) y c) ilustran los conceptos de estabilidad asintótica,

estabilidad e inestabilidad, respectivamente, para la solución de equilibrio x=0 del sistema (5.2)
del principio. En la tabla 1 se resume la información obtenida acerca del sistema (5.2). Es
recomendable que el estudiante la tenga bien presente a la hora de resolver problemas de
esta índole.

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) ).

Valores propios Tipo de punto crítico Estabilidad

Nodo impropio Inestable

Nodo impropio Asintóticamente estable

Punto silla Inestable

Nodo propio o impropio Inestable

Nodo propio o impropio Asintóticamente estable

Punto espiral

Inestable

Asintóticamente estable

Centro Estable

1- Si , entonces los valores propios son complejos conjugados.

Además, como tienen parte real igual a T/2, resulta:

- Son imaginarios puros si y sólo si T = 0 (centro y estabilidad)

- Tienen parte real negativa cuando (espiral y estabilidad asintótica)

- Tienen parte real positiva cuando (espiral e inestabilidad)

Por ello al considerar el plano TD, podemos asegurar que por encima de la parábola
se tiene:

- En el eje OD se presentan centros y hay estabilidad.

- A la izquierda del eje OD se presentan espirales y hay estabilidad asintótica.

- A la derecha del eje OD se presentan espirales, pero hay inestabilidad.

2- Si , entonces se tiene . Por ello los valores propios son reales y de

distinto signo. Se presentan puntos silla e inestabilidad. En consecuencia, al considerar
el plano TD, por debajo del eje OT se presentan puntos silla e inestabilidad.

3- Si y , entonces los valores propios son reales y tienen el mismo

signo que T. De ahí que:

167
 a) Si , se tiene:
- Cuando , entonces los valores propios son iguales y negativos (nodo
propio o impropio, estabilidad asintótica)

- Cuando , entonces los valores propios son reales, distintos y negativos

(nodo impropio, estabilidad asintótica)

b) Si , se tiene:
- Cuando , entonces los valores propios son iguales y positivos (nodo
propio o impropio, inestabilidad)

- Cuando , entonces los valores propios son reales, distintos y positivos

(nodo impropio, inestabilidad)

𝑻𝟐 𝟒𝑫 𝟎

Figura 5.19. Diagrama de estabilidades en función de T y D.

5.3 Estabilidad de sistemas no lineales. Linealización

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

El punto crítico x=0 del sistema lineal (5.2) es:

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

Figura 5.20. Perturbación esquemática de y .

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

Figura 5.21. Perturbación esquemática de .

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:

x’= f(x) (5.16)

El interés principal es examinar el comportamiento de las trayectorias del sistema (5.16) en la

vecindad de un punto crítico . Lo primero es considerar sistemas no lineales que sean
próximos, en algún sentido apropiado, a un sistema lineal (5.2). En consecuencia suponer que:

( ) (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)

Es decir, cerca del origen, ‖ ( )‖ es pequeño en comparación con el propio ‖ ‖. A un sistema

de este tipo se le conoce como sistema casi lineal en la vecindad del punto crítico x=0.

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

De manera semejante, si ( ) ( ( ) ( )), entonces:

‖ ( )‖ [ ( ) ( )]

Así, se concluye que la condición (5.18) se satisface si y sólo si ( ) y ( )

cuando .
Ahora se escribirá el sistema no lineal general (5.16) en la forma escalar:

( ) ( ) (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 .

Nótese que ( ) ( ) y que ( ) y ( ) t

Entonces el sistema (5.20) se puede escribir así:

( ) ( ) ( )
( ) ( )( ) ( ) (5.21)
( ) ( ) ( )

Obsérvese que la matriz de 2x2 es la matriz Jacobiana de f(x,y) evaluada en el punto ( )

o, en notación vectorial:
( ) ( ) (5.22)

En donde ( )y ( ) . Observar que la parte lineal de las ecuaciones

(5.21) o (5.22) tiene la matriz de coeficientes que consta de las derivadas parciales de f1 y f2
evaluadas en el punto crítico ( ). Las ecuaciones (5.21) o (5.22) proporcionan un método
general para encontrar el sistema lineal correspondiente a un sistema casi lineal cerca de un
punto crítico dado.

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.

Tabla 2. Propiedades de estabilidad e inestabilidad de los sistemas lineales y casi lineales

(det(A) ) ).

Sistema lineal Sistema casi lineal

Tipo Estabilidad Tipo Estabilidad

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

PEs Inestable PEs Inestable

PEs Asintóticamente estable PEs Asintóticamente estable
C Estable C o PEs Indeterminada

NI(nodo impropio); NP(nodo propio); PS(punto silla); PEs(punto espiral); C(centro)

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:

( )( ) ( )( )

Esto arroja , valores propios reales, distintos y con signos opuestos. De

acuerdo a nuestro análisis anterior de este caso, sabemos que (0,0) es un punto silla inestable del
sistema lineal asociado y también lo será del sistema casi lineal del problema. Las trayectorias
del sistema lineal cerca de (0,0) aparecen en la figura 5.22a, mientras que las del sistema no
lineal aparecen en la figura 5.22b. La figura 5.22c muestra un diagrama de fase del sistema no
lineal desde una “perspectiva más amplia”. Además del punto silla en (0,0), existen puntos
espirales cerca de los puntos (0.279, 1.065) y (0.933,-1.057) y un nodo cerca de (-2.345, -
0.483).

Los siguientes teoremas formalizan la generalización para del estudio de la estabilidad de

los puntos críticos de los sistemas casi lineales que hemos visto para

173
Teorema 5.3

Sea de clase C1 en una región que contiene el punto , y supongamos que

( ) . Entonces es asintóticamente estable para el sistema no lineal x’=f( ) siempre que
todos los valores propios de la matriz Jacobiana de f evaluados en el punto tengan partes
reales negativas.

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

Sea de clase C1 en una región que contiene el punto , y supongamos que

( ) . Entonces es inestable para el sistema no lineal x’=f( ) siempre que al menos un
valor propio de la matriz Jacobiana de f evaluada en el punto tenga parte real positiva.

Ejemplo 5.11

Dado el siguiente sistema:

a) Hallar las soluciones de equilibrio

b) Linealizar el sistema
c) Determinar la estabilidad de las soluciones de equilibrio

a) Las soluciones de equilibrio son aquellas que cumplen f(x,y)= (0,0), es decir:

( ) ( )

De donde obtenemos dos ecuaciones:

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).

b) Para linealizar el sistema se calcula la Jacobiana de f(x,y)

( ) [ ]

Evaluando la matriz Jacobiana en cada punto de equilibrio tenemos:

( ) [ ] ( ) [ ]

El sistema linealizado para la solución de equilibrio (1,1) es:

El sistema linealizado para la solución de equilibrio (-1,-1) es:

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.

Análogamente para el punto de equilibrio (-1,-1) hallaremos los valores propios de la

matriz Jacobiana:

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

Dado el siguiente sistema:

a) Hallar los puntos críticos

b) Linealizar el sistema
c) Determinar la estabilidad de los puntos críticos

a) Las soluciones de equilibrio (puntos críticos) son aquellas que cumplen f(x,y)= (0,0), es decir:

( ) ( )

De donde obtenemos dos ecuaciones:

A partir de la primera ecuación se deduce . Al sustituir en la segunda ecuación:

, respectivamente

Por lo tanto, los puntos de equilibrio del sistema son: (0,0) , (0,1) y (1/4,1/2).

b) Para linealizar el sistema se calcula la Jacobiana de f(x,y)

( ) [ ]

Evaluando la matriz Jacobiana en cada punto de equilibrio tenemos:

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:

( ) ( )

De donde obtenemos dos ecuaciones:

La solución de la primera ecuación ya está explícita. Para la segunda ecuación, tenemos la

soluciones = . Combinando ambos resultados, arribamos a los puntos críticos antes
mencionados.

Para linealizar el sistema se calcula la Jacobiana de f(x,y)

( ) [ ]

Evaluando la matriz Jacobiana en cada punto de equilibrio tenemos:

( ) [ ] ( ) [ ]

Para el punto de equilibrio (0,0) los valores propios de la matriz Jacobiana son:

Para el punto de equilibrio ( ) 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.

Notar que si no restringiéramos el valor de al intervalo [0,2 ), obtendríamos infinitos puntos

críticos de la forma (k ), con k  Z, de manera que cuando k es par, los puntos críticos
corresponderán al origen y cuando k es impar, corresponderán al punto ( )
Por lo tanto, dichos puntos críticos no agregarán nueva información y carecerán de importancia.

Ejemplo 5.14

Cuando el péndulo está sujeto a la fuerza de rozamiento (péndulo amortiguado), la ecuación

diferencial que rige su movimiento es:

̈= ̇

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:

( ) ( )

De donde obtenemos dos ecuaciones:

La solución de la primera ecuación ya está explícita. Para la segunda ecuación, tenemos

nuevamente la soluciones = (al restringir al intervalo [0,2 )). Llegamos a que la
existencia de la fuerza de rozamiento no altera los puntos críticos del sistema, que son: (0,0),
( ,0).

Ahora calculamos la matriz Jacobiana de f(x,y) para el sistema no lineal:

( ) [ ]

Evaluando la matriz Jacobiana en cada punto de equilibrio tenemos:

( ) [ ] ( ) [ ]

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

Para el punto de equilibrio ( ) los valores propios de la matriz Jacobiana son:

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.

5.4 Método de Liapunov

5.4.1 Estudio de estabilidad

En la sección 5.2 se demostró de qué manera suele determinarse la estabilidad de un punto

crítico de un sistema casi lineal a partir del estudio del sistema lineal correspondiente.
Sin embargo, en general no es posible sacar conclusiones cuando el punto crítico es un centro
del sistema lineal correspondiente (ver tabla 2 en páginas anteriores). Ejemplo de esta situación
es el péndulo amortiguado, que se tratará más adelante en este capítulo. También, para un punto
crítico asintóticamente estable puede ser importante investigar la región de estabilidad
asintótica; es decir, ese dominio para el que todas las soluciones que inician en su interior
tiendan al punto crítico. Dado que la teoría de los sistemas casi lineales es una teoría local, no
proporciona información sobre esta cuestión.

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.

Definición (Función de Liapunov): Sea un punto de equilibrio de ̇ ( ) ( ), con f

definida en y sea U . Diremos que V:U , de clase , es una función de
Liapunov para si se cumple:

a. ( ) ( ) { } (2)
b. ̇( ) (3)

Si la inecuación (3) es estricta para x - { }, entonces diremos que V es una función de

Liapunov estricta para la ecuación en U. Algunas veces la función ̇ se menciona como la
derivada de V con respecto al sistema (1).
Las condiciones (2) y (3) se enuncian de la siguiente manera: la función de Liapunov debe ser
definida positiva, con derivada semidefinida negativa.

La derivada que aparece en la ecuación (3) se define (y calcula) de la siguiente manera en :

̇( ) 〈 ( ) ( )〉

( )
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)

A continuación se enuncia el trascendente teorema de Liapunov sobre estabilidad y que contiene

además información acerca de la estabilidad asintótica de los puntos críticos.

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:

Por simplicidad, tomaremos como punto crítico ( ) ( ) ya que, como ya vimos en la

sección de linealización de sistemas casi lineales, esto no implica ninguna pérdida de
generalidad. Es decir un punto de equilibrio en el origen puede ser la traslación de otro punto de
equilibrio o, más generalmente, la traslación de una solución no nula del sistema.

Considérese la parte a) del teorema, es decir, el caso ̇ . Sea una constante y

considérese la curva en el plano xy dada por V(x,y)=c. Para c=0, la curva se reduce al simple
punto x=0, y=0. Sin embargo, para y suficientemente pequeña, es posible demostrar que
al aplicar la continuidad de V, la curva es cerrada y contiene al origen como se muestra en la
figura 5.23a. Además, se supone que si , la curva V(x,y)=c1 está dentro de la curva
V(x,y)=c2.

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:

( ) ( ) ( )

conocido como gradiente de V, es normal a la curva V(x,y)=c y apunta en la dirección de V

creciente. En este caso, V crece hacia afuera del origen, de modo que apunta hacia afuera del
origen, como se indica en la figura 5.23b. Considerar a continuación una trayectoria ( )
( ) del sistema (1) y recordar que el vector ( ) ( ) ( ) es tangente a la
trayectoria en cada punto; ver la figura 5.23b.

Sea ( ), ( ) un punto de intersección de la trayectoria y una curva cerrada

V(x,y)=c. En este punto, ( ) ( ), ( ) ( ), de modo que, por la ecuación
(4), se obtiene:

a b

Figura 5.23. Interpretación geométrica del método de Liapunov.

183
 ̇( ) ( ) ( ) ( ) ( )

[ ( ) ( )][ ( ) ( )] ( ) ( )

Por lo tanto, ̇ ( ) es el producto escalar del vector ( ) y el vector ( ). Dado que

̇( ) , se concluye que el coseno del ángulo entre ( ) y ( ) también es menor
o igual a cero de donde, el propio ángulo se encuentra en el intervalo [ ]. Entonces, la
dirección del movimiento sobre la trayectoria es hacia dentro con respecto a V(x,y)=c o, en el
peor de los casos, tangente a esta curva.
Las trayectorias que se inician en el interior de una curva cerrada V(x,y)=c (no importa cuán
pequeño sea c) no puede escapar, de modo que el origen es un punto estable. Si ̇ ( ) ,
entonces las trayectorias que pasan por los puntos de la curva en realidad apuntan hacia adentro.
Como consecuencia, es posible demostrar que las trayectorias que se inician suficientemente
cerca del origen deben tender a éste; de donde, el origen es asintóticamente estable.

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:

a) Elegir una función de Liapunov adecuada para el sistema

b) Estudiar la estabilidad de la solución nula

Solución:

a) Podemos elegir como función de Liapunov a la forma ( ) (veremos más

adelante que una elección de este tipo es muy usual por ser una función positiva ( )
( ) y que además se anula en el origen, es decir es definida positiva como debe ser toda
función de Liapunov).

Calculamos el gradiente de V:

( ) ( )

Dado que ( ) ( ) la función ̇ resulta ser entonces:

̇ ( ) 〈( )( )〉 ( )( )
Sea el conjunto abierto {( ) }, que contiene al origen (0,0). Entonces:

̇( ) ( )

Podemos observar que la desigualdad es estricta ( ) ( ) por tanto ̇ ( ) es definida

negativa en U y V es una función de Liapunov estricta en U.

185
b) Por el teorema de Liapunov el origen (solución nula del sistema) es asintóticamente estable.

Ejemplo 5.16

Dado el sistema:

a) Verificar que ( ) es una función de Liapunov para el sistema

b) Estudiar la estabilidad de la solución nula

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:

( ) ( ) ( ) ( )

Calcularemos ahora la derivada ̇ ( ). Como ( ) ( ) y el gradiente de V

es igual a:

( ) ( )
Entonces:

̇( ) 〈( )( )〉 ( ) ( ) ( )

Por lo tanto decimos que V es una función de Liapunov estricta.

b) Por el teorema de Liapunov el origen es asintóticamente estable

5.4.2 Estudio de inestabilidad

Teorema 5.6 (Cetaev)

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:

Estudiar la estabilidad de la solución nula

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 ( )

Finalmente procedemos a calcular ̇ :

̇( ) 〈( )( )〉 ( ) ( )

Por lo tanto, por el teorema de Cetaev, el origen es inestable.

5.4.3 Candidatos a funciones de Liapunov

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

1) Sea la forma cuadrática de ecuación: ( )

187
Entonces:

a) V es definida positiva si y sólo si:

b) V es definida negativa si y sólo si:

 b
a 
2) Sea la matriz simétrica A =  2  que representa la forma cuadrática de ecuación:
 b c 
2 

( ) y 1, 2 los valores propios de A.

Entonces:

a) V es definida positiva si y sólo si:

1 > 0 y 2 > 0

b) V es definida negativa si y sólo si:

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

Demostrar que el punto crítico (0,0) del sistema autónomo:

es asintóticamente estable.

Solución:

Se intentará construir una función de Liapunov de la forma mencionada en el teorema 5.7, es

decir:

188
 ( )

Bajo estas condiciones, entonces:

( ) ( )

De modo que, por lo ya visto al inicio de la sección:

̇( ) ( )( ) ( )( )
[ ( ) ( ) ( ]

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:

( )

De donde, por el teorema 5.5, el origen es un punto crítico asintóticamente estable.

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

Esto determina que m=3, n=1 y así a=b/3.

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

Considérese la ecuación del movimiento de una masa m sujeta a un resorte amortiguado:

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:

y su único punto crítico es (0,0).

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.

Las energías cinética y potencial de la masa son:

Así, la energía total del sistema es:

( )

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:

( )

En consecuencia, la energía total del sistema es:

( )
( ) ( )

Ahora ( ) no es una forma cuadrática como en el ejemplo 5.17 pero no es complicado

observar que es una función continua y definida positiva ( ( ) ) para  (0, 2  ),
mientras que en el origen ( ) ( ) E es nula. En cuanto a su derivada, tenemos que:

̇( ) 〈( )( )〉 ( )

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:

̇( ) 〈( )( )〉  ( )

La derivada es entonces negativa o nula, o bien, semidefinida negativa, lo que convierte a E en

una función de Liapunov nuevamente no estricta e implica que el origen es un punto crítico
estable para el sistema del péndulo amortiguado. Aplicando el mismo argumento (basado en la
física del problema) utilizado en el ejemplo 5.14 de la sección 5.3, concluimos que la fuerza de
rozamiento permite que el origen sea también un punto crítico asintóticamente estable.

192
6. RESOLUCIÓN DE ECUACIONES DIFERENCIALES
ORDINARIAS POR TRANSFORMADA DE LAPLACE

6.1 Transformada de Laplace

Entre los elementos que resultan muy útiles al resolver ecuaciones diferenciales lineales se
encuentran las transformadas integrales.

Sea la función f, de variable t, definida para , una función K, de variables s y t y una

función F, de variable s. Entonces, a la expresión:

( ) ∫ ( ) ( )

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.

En particular nos interesan transformaciones integrales, en donde el intervalo de integración es

el intervalo no acotado [ ):

( ) ∫ ( ) ( )

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.

Definición (Transformada de Laplace): bajo las hipótesis recién vistas, la integral:

{ ( )} ∫ ( ) (1)

se denomina transformada de Laplace de f siempre que la integral sea convergente.

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:

{ } ∫ ( ) ∫ |

siempre que . En otras palabras, cuando s , el exponente –sb es negativo y

cuando . Si , la integral es divergente.

L es una trasformación lineal

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.

Condiciones suficientes para la existencia de { ( )}

La integral que define la transformada de Laplace no necesariamente converge. Por ejemplo, no

existen { } ni { }. Las condiciones suficientes que garantizan la existencia de { ( )} son
dos, a saber:

a) f es continua a trozos en [ )y
b) f es de orden exponencial para .

Recordar que una función f es continua a trozos o seccionalmente continua en [ ) si, en

cualquier intervalo , existe un número finito de puntos , con k=1,2,…;
( ), en el cual f tiene discontinuidades finitas y es continua en cada intervalo abierto
. El concepto de orden exponencial se expone en la siguiente definición.

Definición (Orden exponencial): se dice que una función f es de orden exponencial si

existen números c, M y T reales siendo M y T tales que | ( )| para .

Si, por ejemplo, f es una función creciente, entonces la condición | ( )|

simplemente establece que la gráfica de f en el intervalo ( ) no crece más rápido que la
gráfica de la función exponencial , donde c es una constante positiva. Véase la figura a
continuación.

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

Demostrar esta última desigualdad equivale a mostrar que el es finito para

n=1,2,3,… En efecto, el resultado se deduce, por ejemplo, al aplicar n veces la regla de
L´Hôpital al límite indeterminado.

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:

| ( )|

Luego, f es de orden exponencial.

Teorema 6.1 (Condiciones suficientes para la existencia):

Sean c, T reales y f(t) una función continua a trozos en el intervalo [ ) y de orden

exponencial para ; entonces { ( )} existe para .

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 .

A lo largo de todo el capítulo se enfocará nuestra atención en funciones continuas o continuas a

trozos y de orden exponencial. Se observa, sin embargo, que estas condiciones son suficientes
pero no necesarias para la existencia de la transformada de Laplace. Es decir que pueden existir
funciones que no cumplen con esas condiciones pero para las cuales, la transformada de Laplace
está definida. Por ejemplo, la función f(t)=t-1/2 no es continua a trozos en el intervalo [0, ), pero
su trasformada de Laplace existe.

Ejemplo 6.2

Determinar { }.

Solución:

A partir de la definición de transformada de Laplace se tiene:

{ } ∫

Integrando por partes y utilizando que , junto con el resultado del

ejemplo anterior, se obtiene:

{ } | ∫ { } ( )

Ejemplo 6.3

Determinar { }

196
Solución:

A partir de la definición de transformada de Laplace tenemos:

( )
{ } ( )
∫ ∫ |

( )
El resultado obtenido obedece al hecho de que para

Ejemplo 6.4

Determinar { }.

Solución:

A partir de la definición de transformada de Laplace e integrando por partes:

{ } ∫ | ∫

El primer término de la última igualdad es igual a cero, por lo que la expresión se reduce a:

{ } ∫

[ | ∫ ]

{ } (siendo )

Reordenando la última igualdad, el resultado final es:

[ ] { } { }

Ejemplo 6.5

Determinar: a) { } y b) { }

a) A partir de la definición 6.0.0 e integrando por partes se tiene que:

( )
{ } ( ) ( )
∫ ( ) ∫ | ∫

( )
|
( ) ( )

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.

Teorema 6.2 (Transformadas de algunas funciones básicas)

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:

( ) { ( )}

La transformada inversa de Laplace es de hecho otra integral. Sin embargo, la evaluación de

esta integral requiere el uso de variables complejas, las cuales sobrepasan el alcance de este
curso.

El análogo del teorema 6.2 para la anti-transformada es el siguiente.

Teorema 6.3 (Anti-transformadas de algunas funciones)

a) { }

b) { }, n=1,2,3…

c) { }

d) { }

e) { }

f) { }

g) { }

Los resultados de este teorema se obtienen directamente a partir de aplicar la definición de

transformada inversa a los resultados del teorema 6.2.

L-1 es una transformación lineal

Se supondrá que la transformada inversa de Laplace es en sí misma una transformación lineal;

esto es, para las constantes :

{ ( ) ( )} { ( )} { ( )}

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:

Identificando que , multiplicamos por 8 y dividimos entre 8, y utilizando el inciso d)

del teorema 6.3, obtenemos:

200
 { } { }

Ejemplo 6.10

Determinar { }

Solución:

La función de s dada puede escribirse como dos expresiones separadas, así:

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 ( )( ),

Por lo tanto puede escribirse:

( )( )( )

201
y así, por el inciso (c) del teorema 6.3:

{ } { } { } { }
( )( )( )

Observación: existe otro método de determinar los coeficientes en una descomposición de

( )
fracciones simples en el caso especial en que { ( )} ( ) es un cociente de polinomios ( )
,
y Q(s) es un producto de factores lineales distintos:

( )
( )
( )( ) ( )

Este método se denomina coloquialmente como “tapadita” y lo ilustraremos a continuación

mediante el ejemplo:

( )( )( )

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:

|
( )( )

Escrito de otra manera:

|
( )( )( )

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:

|
( )( )( )

|
( )( )( )

El resultado final al que llegamos es:

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:

( ) ( ) ( ) ( )

Haciendo s=0 y s=-2 resulta que y , respectivamente. Igualando los coeficientes

de se obtiene:

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:

{ } { }
( ) ( )
{ } { } { } {( )
}

Para llegar al resultado final, se ha usado también {( )

} del ejemplo 6.5

Teorema 6.4 (Comportamiento de F(s) cuando )

Sea f(t) continua en [ ) y de orden exponencial para ; entonces:

{ ( )}

203
Demostración:

Puesto que f(t) es continua a trozos en , está necesariamente acotada en este intervalo:

| ( )|

También:

| ( )|

para . Si M representa el máximo de { } y c representa el máximo de { },

entonces:

| { ( )}| ∫ | ( )|

( )
|

para . Cuando entonces | { ( )}| y, por lo tanto { ( )} .

Ejemplo 6.13

Las funciones ( ) y ( ) no son transformadas de Laplace de funciones

( )
continuas a trozos de orden exponencial, puesto que:

( ) y ( )

Se dice que { ( )} { ( )} no existen.

6.3 Teoremas de traslación y derivadas de una transformada

No es conveniente utilizar la definición cada vez que se desea encontrar la transformada de
Laplace de una función f(t). Por ejemplo, la integración por partes involucrada al evaluar,
digamos { } es bastante complicada. En lo que sigue se presentan varios teoremas
que permiten calcular algunas transformadas de una forma más sencilla.

Si se sabe que { ( )} ( ), puede calcularse la transformada de Laplace { ( )} sin más

esfuerzo que trasladar, o correr, F(s) a F(s-a).
Este resultado se conoce como primer teorema de traslación, o primer teorema de corrimiento.

204
Teorema 6.5 (Primer teorema de traslación)

Si a es un número real cualquiera, entonces:

{ ( )} ( )

donde ( ) { ( )}.

Demostración:

La prueba es inmediata puesto que por la definición de transformada de Laplace:

{ ( )
( )} ∫ ( ) ∫ ( ) ( )

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.

Para enfatizar, algunas veces es útil hacer uso del simbolismo:

{ ( )} { ( )}

donde significa que se sustituye s por s-a en F(s).

Ejemplo 6.14

Determinar: ( ) { } y( ) { }

Solución:

Los resultados se obtienen aplicando directamente el primer teorema de traslación:

(a) { } { } | ( )

205
 (b) { } { } (a=-2 entonces s – a = s -(-2) = s + 2)

|
( )

Forma inversa del primer teorema de traslación

La forma inversa del teorema 6.5 puede escribirse:

( ) { ( )} { ( )| }

donde ( ) { ( )}

Ejemplo 6.15

Determinar { }

Solución:

{ } { }
( )

{ } { }
( ) ( ) ( )

{ } { }
( ) ( )

√
{ | } { | }
√

√ √
√

Ejemplo 6.16

Determinar {( )
}.

Solución:

Completando cuadrados en el numerador y utilizando linealidad se llega a:

{ } { }
( ) ( ) ( )

206
 { } { }
( ) ( )

{ | } { | }

Función escalón unitario

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.

Definición (Función escalón unitario): La función ( ) se define como:

( ) {

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)
( )

puede escribirse como:

( ) ( ) ( ) ( ) ( ) ( ) (2)

Para verificar esto usamos la definición de ( ):

207
 ( ) ( ) ( )
( ) {
( ) ( ) ( )

En forma similar, una función del tipo:

( ) { ( )

puede expresarse como:

( ) ( )[ ( ) ( )].

Se vio anteriormente en el primer teorema de traslación que un múltiplo exponencial de f(t)

resulta en una traslación o corrimiento de la transformada F(s) sobre el eje s. En el siguiente
teorema veremos que siempre que F(s) se multiplique por una función exponencial apropiada, la
transformada inversa de este producto es la función corrida y=f(t-a)u(t-a). Este resultado se
llama segundo teorema de traslación o segundo teorema de corrimiento.

Teorema 6.6 (Segundo teorema de traslación)

Si a es una constante positiva, entonces:

{ ( ) ( )} ( )

donde ( ) { ( )}

Demostración:

A partir de la definición de transformada de Laplace se tiene que:

{ ( ) ( )} ∫ ( ) ( )

∫ ( ) ( ) ∫ ( ) ( ) ∫ ( )

Sea ahora v=t-a, y así dv=dt; entonces:

{ ( ( ) { ( )}
) ( )} ∫ ( ) ∫ ( )

Ejemplo 6.17

Determinar {( ) ( )}

Solución:

Con la identificación de a=2, se deduce del segundo teorema de traslación que:

{( ) ( )} { }

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

Hallar la transformada de Laplace de la función mostrada a continuación.

Solución:

Con la ayuda de la función escalón unitario, puede escribirse:

( ) ( ) ( )

Usando linealidad y el resultado en (3), se deduce que:

{ ( )} { } { ( )} { ( }

Ejemplo 6.19

Determinar { ( )}

Solución:

Con a=2π tenemos del teorema 6.6:

{ ( )} { ( ) ( }

{ }

209
Forma inversa del segundo teorema de traslación

La forma inversa del teorema 6.6 es la siguiente:

( ) ( ) { ( )} (4)

( ) { ( )}

Ejemplo 6.20

Determinar { }.

Solución:

Identificamos y ( ) { } . Así, de (4)

{ } { } ( ) ( ) ( )

Si ( ) { ( )} y suponemos que es posible intercambiar el orden de derivación e

integración, entonces:

( ) ∫ ( ) ∫ [ ( )] ∫ ( ) { ( )}

Esto es:

{ ( )} { ( )}

En forma similar:

{ ( )} { ( )} { ( )} ( { ( )}) { ( )}

Los dos casos anteriores sugieren el resultado general para { ( )}.

Teorema 6.7 (Derivadas de transformadas)

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) { } { } ( )
( )

c) Cuando n=2 en el teorema 6.7, esta transformada puede escribirse:

{ } { }

y así, obteniendo las dos derivadas, se llega al resultado. Alternativamente se puede

hacer uso del resultado que ya se obtuvo en el inciso b).

Puesto que ( )

se tiene que:

{ } { } (( )
)

Derivando y simplificando, obtenemos:

{ }
( )

d) { } { } { } (( )
)

( )
[( ) ]

6.4 Transformadas de derivadas, integrales y funciones periódicas

Nuestra meta será utilizar la transformada de Laplace para resolver ciertos tipos de ecuaciones
diferenciales. Con ese fin es necesario evaluar cantidades tales como { } y { }.
Por ejemplo, si f’ es continua para , entonces integrando por partes se obtiene:

{ ( )} ∫ ( ) ( )| ∫ ( ) ( ) { ( )}

o bien:

211
 { ( )} ( ) ( ) (1)

Aquí se ha supuesto que ( ) y s > 0. Similarmente:

{ ( )} ∫ ( )

( )| ∫ ( )

( ) { ( )} [ ( ) ( )] ( )

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.

Teorema 6.8 (Transformada de una derivada)

( )
Si ( ) ( ) ( ) son continuas en el intervalo [ ) y de orden exponencial, y si
( )
( ) es continua a trozos en [ ), entonces:

( ) ( )
{ ( )} ( ) ( ) ( ) ( )

Ejemplo 6.22

Obsérvese que la suma es la derivada de . Por lo tanto:

{ } { ( )}

{ } (por ecuación (1))

( { }) (por el teorema 6.7)

(( )
) ( )

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.

Teorema 6.9 (Convolución)

Si ( ) { ( )} y ( ) { ( )} existen para , entonces:

212
 ( ) ( ) ( ) { ( )} (3)

En donde:

( ) ∫ ( ) ( ) ∫ ( ) ( ) (4)

La función h se conoce como convolución de f y g; las integrales de la ecuación (4) se llaman

integrales de convolución.

La igualdad de las dos integrales (4) se deduce al efectuar el cambio de variable en la

primera integral. Antes de proporcionar la demostración de este teorema se harán algunas
observaciones sobre la integral de convolución. Según este teorema, la transformada de
convolución de dos funciones, en vez de ser la transformada de sus productos ordinarios, se
expresa por el producto de las transformadas separadas. Suele remarcarse que la integral de
convolución puede concebirse como un “producto generalizado” al escribir:

( )( )( )

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*g=g*f (ley conmutativa)

f*(g1+g2)=f*g1+f*g2 (ley distributiva)

(f*g)*h=f*(g*h) (ley asociativa)

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:

( )( ) ∫ ( ) ∫ ( )

Si, por ejemplo, f(t)=cost, entonces:

( )( ) ∫ ( ) ( )|

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:

( ) ( ) ∫ ( ) ∫ ( )

Dado que el integrando de la primera integral no depende de la variable de integración de la

segunda, es posible escribir F(s)G(s) como una integral iterada:

( ) ( ) ( ) ( )
∫ ∫ ( ) (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)

A continuación, sea , entonces la ecuación (6) adopta la siguiente forma:

( ) ( ) ∫ ( ) ∫ ( ) (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:

Con ( ) y ( ) , el teorema de convolución establece que la transformada de

Laplace de la convolución de f y g es el producto de sus transformadas:

{∫ ( ) } { } { }
( )( )

Forma inversa del teorema de convolución

A veces el teorema de convolución es útil para encontrar la transformada inversa de Laplace de

un producto de dos transformadas. Efectivamente, por el teorema 6.9 se tiene:

{ ( ) ( )} (8)

Ejemplo 6.24

Determinar {( )( )
}

Solución:

Se podría usar fracciones simples para calcular la anti-transformada, pero si identificamos:

( ) y ( )

entonces:

{ ( )} ( ) y { ( )} ( )

Por lo tanto, por (8) se obtiene:

( )
{ } ∫ ( ) ( ) ∫ ∫
( )( )

Ejemplo 6.25

Determinar {( )
}

Solución:

Sea:

215
 ( ) ( )

de modo que: ( ) ( ) { }

En este caso, de (8) se obtiene:

{( )
} ∫ ( ) (9)

Ahora, recordando las relaciones trigonométricas:

( )
( )

Restando la primera de la segunda identidad obtenemos:

[ ( ) ( )]

Si se hace ( ), puede llevarse a cabo la integración en (9):

{ } ∫[ ( ) ]
( )

[ ( ) ]

Transformada de una función periódica

Si una función periódica tiene un período T, siendo , entonces ( ) ( ). La

transformada de Laplace de una función periódica se puede obtener integrando sobre un
período.

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:

Utilizando aditividad de integrales (recordar que la impropia debe converger), escribimos la

transformada de Laplace como dos integrales:

216
 { ( )} ∫ ( ) ∫ ( ) ∫ ( ) (11)

Cuando se hace , la última integral en (11) se convierte en:

( ) { ( )}
∫ ( ) ∫ ( ) ∫ ( )

Por lo tanto, (11) deviene en:

{ ( )} ∫ ( ) { ( )}

Despejando { ( )} se llega al resultado deseado:

{ ( )} ∫ ( )

Ejemplo 6.26

Hallar la transformada de Laplace de la función periódica mostrada en la figura que sigue.

Solución:

En el intervalo , la función se puede definir como:

( ) {

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:

( ) {

Entonces f(t)=g(t) en el intervalo [ ], donde T=2. Pero g se puede expresar en términos de

funciones escalón unitario como:

( ) ( ) ( ) ( ) ( )

Así que (12) se puede escribir como:

{ ( )} { ( )} { ( ) ( ) ( )}

[ ]

Esta ecuación es idéntica a la ecuación (13).

6.5 Aplicaciones de la transformada de Laplace a ecuaciones

diferenciales ordinarias

Como se estableció en el teorema 6.8 (Transformada de una derivada) { ( ) ( )}, siendo ,

depende de y(t) y de sus n-1 derivadas evaluadas en t=0. Esto hace que la transformada de
Laplace sea un medio ideal para resolver problemas de valor inicial en ecuaciones diferenciales
con coeficientes constantes. Esta clase de ecuación diferencial puede reducirse a una ecuación
algebraica en la función transformada Y(s). Para entender esto, consideremos el problema de
valor inicial:

( )

( )
( ) ( ) ( )

( )
donde y también , son constantes. Se puede escribir, por la
propiedad de linealidad de la transformada de Laplace:

{ } { } { } { ( )} (1)

Por el teorema 6.8, (1) se convierte en:

218
 ( )
[ ( ) ( ) ( )]
( ) ( ) ( ) ( )
[ ( )]
( )

O bien:

( )
[ ] ( ) [ ] [
( )
] ( ) (2)

donde ( ) { ( )} y ( ) { ( )}. Despejando Y(s) en (2) y aplicando la anti-

transformada, se encuentra y(t):

( ) { ( )}

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.

Ecuación resolución de solución de la

Ejemplo 6.27 L ecuación la ecuación
L -1 ecuación
transformada transformada original

Resolver:

, y(0)=1

Solución:

Se obtiene primero la transformada de cada miembro de la ecuación diferencial dada:

{ } { } { }

Usamos después:

{ } ( ) ( ) ( ) y { }
( )

Sustituyendo en la ecuación inicial:

( ) ( )

y despejando Y(s) se obtiene:

( )
( )
( )( )

Por fracciones simples tenemos que:

219
( )( )

que nos lleva a:

( ) ( )

Haciendo s=2 y s=3 en la última ecuación, se obtiene A=-1 y B=2, respectivamente. En

consecuencia:

( )

y:

( ) { } { }

Por el inciso (c) del teorema 6.3 se deduce que:

( )

Ejemplo 6.28

Resolver:

, y(0)=2, y’(0)=6

Solución:

Aplicando la transformada a cada miembro de la ecuación diferencial (utilizando linealidad):

{ } { } { } { }

Ahora, por el teorema 6.8, escribimos:

( ) ( ) ( ) [ ( ) ( )] ( )
( )

Usando las condiciones iniciales y simplificando se obtiene:

( ) ( )
( )

( ) ( ) ( )
( )

( )
( )

y así:

220
 ( ) { } { }
( )

Recuérdese por el primer teorema de traslación que:

{ | }

Por lo tanto, la solución es:

( )

Ejemplo 6.29

Resolver:

, y(0)=0, y’(0)=0

Solución:

Análogamente a los ejemplos anteriores, hacemos el siguiente desarrollo:

{ } { } { } { } { }

( ) ( ) ( ) [ ( ) ( )] ( )

( ) ( )
( )

( )
( )( )

Por fracciones simples:

( )( )

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:

Por lo que y . Así que:

( )

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:

Transformando la ecuación se obtiene:

( ) ( )

( )
( )

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:

( ) ( ) ( ) ( )

Resolvemos el problema como en los ejemplos anteriores:

{ } { } { ( )}

Teniendo en cuenta la expresión de f(t) y utilizando el segundo teorema de traslación llegamos a

que:

( ) ( ) ( ) ( )
( )

( ) ( )

( )
( ) ( )

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:

( ) { } { } { }
( ) ( )

( ) ( ) ( )

Teniendo en cuenta la periodicidad de la función seno y la definición de la función escalón

utilizada, podemos escribir la solución de forma equivalente:

( ) {

Observe en la gráfica de x(t) de la siguiente figura que las amplitudes de la oscilación se

estabilizan a partir del momento en que la fuerza externa desaparece.

223
Ejemplo 6.32

Resolver: ( ) ( ) ( )

donde:

( ) ( ) ( ) ( )

Solución:

Aplicando el segundo teorema de traslación y simplificando, la transformada de la ecuación

diferencial es:

( ) ( )

o bien:

( )
( ) ( ) ( )

Utilizando fracciones simples, la última ecuación se convierte en:

( ) [ ] [ ]
( ) ( )
[ ]
( )

Usando nuevamente la forma inversa del segundo teorema de traslación, llegamos a:

( ) ( ) ( ) ( )
( ) [ ( ) ] ( ) [ ( ) ] ( )
( ) ( )
[ ( ) ] ( )

Ecuación integral de Volterra

El teorema de convolución es útil en la resolución de algunos tipos de ecuaciones en las cuales

aparecen funciones desconocidas después del signo de integral. Uno de estos casos lo constituye
la ecuación integral de Volterra:

( ) ( ) ∫ ( ) ( )

donde las funciones g(t) y h(t) son conocidas.

Ejemplo 6.33

Resolver:

224
 ( ) ∫ ( )

Solución:

Por el teorema de convolución se sabe que:

{ ( )} { } { } { ( )} { }

( ) ( )

( ) ( )

( )

( )
( )
( )

Por lo tanto:

( ) { } { } { } { }

6.6 La función delta de Dirac

Impulso unitario

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.

El comportamiento de ( ) cuando se ilustra en la siguiente figura.

La función ( ) se llama impulso unitario puesto que cuenta con la siguiente propiedad
de integración:

∫ ( )

Función delta de Dirac

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) ∫ ( )

La expresión ( ) se llama función delta de Dirac.

Es posible obtener la transformada de Laplace de la función delta de Dirac por la suposición

formal de que:

{ ( )} { ( )}

Teorema 6.11 (Transformada de la función delta de Dirac)

Para

{ ( )} (1)

226
Demostración:

Para comenzar se puede escribir ( ) en términos de la función escalón unitario en virtud

de las expresiones vistas en la sección 6.2:

una función ( ) { ( ) se puede escribir como ( ) ( )[ ( )

( )]. Por tanto:

( ) [ ( ( )) ( ( ))]

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:

{ ( )} { ( )} ( )

Esto concluye la demostración del teorema.

Ahora, cuando , es razonable concluir de (1) que

{ ( )}

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:

a) Por (1) la transformada de Laplace de la ecuación diferencial es:

( ) ( )

o bien:

( )

Utilizando la forma inversa del segundo teorema de traslación, se tiene que:

( ) ( ) ( ):

Puesto que ( ) , la solución anterior se puede escribir como:

( ) { (3)

La figura debajo representa la gráfica de y(t). Se observa que la masa presenta

movimiento armónico simple hasta que es golpeada en t= . La acción del impulso
unitario es aumentar la amplitud de oscilación a √ .

b) En este caso la transformada de la ecuación es simple:

( )

y así:

228
 ( ) ( ) ( )

o, lo que es lo mismo:

( ) { (4)

La gráfica de la función muestra que, como podríamos esperar de las condiciones

iniciales, en este caso la masa no presente movimiento hasta que es golpeada en t= .

229
BIBLIOGRAFÍA

1. Ecuaciones diferenciales y problemas con valores en la frontera. Boyce.DiPrima

2. Ecuaciones diferenciales. C. Henry Edwards, David E. Penney
3. Ecuaciones diferenciales con aplicaciones de modelado. Dennis G. Zill
4. Ecuaciones diferenciales ordinarias. Otto Plaat
5. Ecuaciones diferenciales ordinarias: ejemplos y nociones básicas. Omar Gil
6. Estabilidad en sistemas de ecuaciones diferenciales. Universidad de Sevilla. Nieves
Jiménez.
7. Análisis de sistemas no lineales. Universidad Nacional del Sur
8. Cálculo diferencial e integral. Javier Pérez

230