Captulo 1

Introducci
on a las Ecuaciones
Diferenciales
Llegados a este curso de ecuaciones diferenciales ordinarias, las ecuaciones que han estudiado en
cursos previos tenan por solucion un conjunto de n
umeros (reales o complejos); un vector, etc.
Considere por ejemplo las siguientes ecuaciones
3x 7 = 0 ;

x R.

x7 + 2 = 0 ;

x C.




2 1
1
Ax b = 0; A =
b=
; A M22 (R); x R2 , b R2 .
1 3
5

En este curso vamos a considerar ecuaciones cuyas incognitas son funciones (Ecuaciones Funcionales) y en las que aparecen la funcion desconocida y alguna de sus derivadas (Ecuaciones
Diferenciales); en particular este curso se enfoca en ecuaciones diferenciales ordinarias. De forma
m
as precisa tenemos la siguiente denicion
Definici
on 1.0.1 Una Ecuaci
on Diferencial Ordinaria en una variable es una ecuaci
on que
relaciona una funci
on desconocida de una variable con una o m
as funciones de sus derivadas.

En general las ecuaciones diferenciales son expresiones del tipo:

F (t, x(t), x (t), ... , x(n) (t)) = 0,
en donde:
t : Tiempo o variable independiente, t I =], [ R.
x : Variable dependiente, x = x(t): funci
on que satisface la ecuaci
on (1.1).
1

(1.1)

F = F (t, x(t), x (t), ..., x(n) (t)), F : I Rn+1 R, (t, x, ..., x(n) ) F (t, x(t)...x(n) (t)).
n Determina el orden de la ecuacion diferencial. Esto se determina mirando la derivada de
orden mas alto que aparece en la ecuaci
on.
x (t) =

dx(t)
dn x(t)
, ..., x(n) (t) =
.
dt
dtn

Ejemplos 1.0.2
on F est
a dada por
1. x2 (t) + x2 (t) = 1. En este caso la funci
F : I R2 R
(t, x, x ) F (t, x, x ) = x2 + x2 1.
La ecuaci
on es de orden n = 1.
on F est
a dada por
2. x (t) + sen x(t) = 0. En este caso la funci
F : I R3 R
(t, x, x , x ) F (t, x, x , x ) = x (t) + sen x(t).
La ecuaci
on es de orden n = 2.
3. x (t) +

5x (t)
(3t2 + 1)x (t) 2x(t) = 5t2 . En este caso la funci
on F est
a dada por
t2
F : I R4 R
(t, x, x , x , x ) F (t, x, x , x , x ),

donde la ecuaci
on F (t, x, x , x , x ) = x (t) +
orden n = 3.

5x (t)
(3t2 + 1)x (t) 2x(t) 5t2 , es de
t2

Vamos a utilizar a lo largo de este curso las siguientes notaciones:

x = x(t),
x: Variable dependiente, t: Variable independiente.
O bien
y = y(x),
y: Variable dependiente, x: Variable independiente.
La primera notaci
on se utiliza mucho en problemas dinamicos (posicion, velocidad de un cuerun en problemas de
po; x, x , x , ... en funcion del tiempo t). La segunda notacion es mas com
2

estatica y problemas geometricos.

Uno de los conceptos fundamentales en todo este curso de ecuaciones diferenciales es el Concepto
de Soluci
on de una ecuacion diferencial. A continuacion vamos a presentar una denicion no
rigurosa de este concepto.

Definici
on 1.0.3 La soluci
on de una ecuaci
on diferencial (1.1) es una funci
on
x : I R
t x = x(t),
denida en un intervalo abierto I =], [ R que satisface la ecuaci
on (1.1).

Ejemplos 1.0.4
on x(t) = cos t es soluci
on de
1. F (t, x, x ) = x2 + x2 1 depende de tres variables y la funci
F (t, x, x ) = 0, en efecto:
F (t, cos t, sen t) = cos2 t + sen2 t 1 = 0.
on x(t) = 13 e2t es soluci
on
2. F (t, x, x , x ) = x +x+e2t depende de cuatro variables y la funci
de F (t, x, x , x ) = 0, en efecto:


1
4
1 2t 2 2t 4 2t
= e2t e2t e2t = 0.
F t, e , e , e
3
3
3
3
3

Diremos que una ecuacion diferencial ordinaria (1.1) esta en forma normal si esta escrita en la
siguiente forma:
x(n) = f (t, x, x , ..., x(n1) ), donde f : I Rn R,
es decir, la derivada de orden mas alto aparece despejada en la ecuacion.

Ejemplos 1.0.5
on f est
a dada por
1. Sea x = x + e2t . En este caso la funci
f : I R2 R
(t, x, x ) f (t, x, x ) = x + e2t .

2. Sea x = sen x. En este caso la funci

on f est
a dada por
f : I R2 R
(t, x, x ) f (t, x, x ) = senx.
3. Sea x =

5 
x + (3t2 + 1)x + 2x + 5t2 . En este caso la funci
on f est
a dada por
t2
f : I R2 R
(t, x, x , x ) f (t, x, x , x ),

donde f (t, x, x , x ) =

4. Sea x =

5 
x + (3t2 + 1)x + 2x + 5t2 .
t2

1 x2 . En este caso la funci

on f est
a dada por
f : I R2 R

(t, x) f (t, x) = 1 x2 .

Vamos a estudiar ahora quizas la ecuaci

on diferencial ordinaria en forma normal de orden 1 mas
sencilla, pero a la vez muy importante que escribiremos en forma normal, es decir
x = f (t, x).

(1.2)

Observaci
on 1.0.1 El lector no debe olvidar que x = x(t), en cuyo caso la ecuaci
on (1.2) en
forma explcita dice que:
x (t) = f (t, x(t)) t I.
M
as a
un, la funci
on f no reconoce a la variable x como funci
on de t.
dada por:

x = ax , a R.

(1.3)

La ecuaci
on (1.3) nos pide encontrar una funci
on cuyo crecimiento en cada instante de tiempo, sea
proporcional al valor de la funcion en ese mismo instante. Tal proporcion se mide con el coecienx
= a. De forma mas precisa tenemos no una ecuacion sino una familia
te de proporcionalidad
x

uniparametrica de ecuaciones (si a = 1, x = x; si a = 2, x = 2x; si a = 10, x = 10x; ...).

El caso mas simple se presenta cuando el par
ametro a = 0. Entonces:
x = 0 (funciones con derivada cero siempre).
Las soluciones de este caso seran
x(t) = c, t R,

c-constante arbitraria,

como lo muestra la siguiente gura

4

Ahora bien, si a = 0 entonces x(t) = eat es solucion de (1.3), en efecto:

x (t) = aeat ,
x (t) = ax(t).
Pero tambien son soluciones (vericar)
x(t) = 2eat y x(t) =

5eat .

El siguiente lema prueba que todas las soluciones de (1.3) son de la forma x(t) = ceat con c
constante arbitraria.
Lema 1.1 Sea x = x(t) una soluci
on de (1.3) denida en I = R. Entonces x(t) = ceat con
c R, una constante arbitraria.
Sea x(t) una solucion de (1.3), entonces:
d at
(e x(t)) = aeat x(t) + eat x (t),
dt
= eat (ax(t) + x (t)),
= eat (ax(t) + ax(t)),
= 0.
As que para todo t R, eat x(t) = c, c-constante.
Luego:
x(t) = ceat .

Note que si tenemos un crecimiento lineal del tiempo t0 = 0; t1 = 1; t2 = 2; ...tn = n entonces
la variable x = x(t) tiene un crecimiento geometrico con razon r = ea .

x0 =x(t0 )= c,
x1 =x(t1 )= cea ,
..
.
xn =x(tn )= c(ea )n .

.....

La siguiente gura indica el crecimiento geometrico de la poblaci

on.
x

e4a
e3a

e2a

5 .....

En este punto vale la pena preguntarse por lo cambios cualitativos que presentan las soluciones
de (1.3). Es de esperar que estos cambios tengan una directa relacion con el signo del parametro
a, lo que es crucial para el estudio del comportamiento asint
otico de las soluciones. Veamos esto
con mas detalle:


Si a > 0
lm x(t) = lm ceat =

+ si
si

c > 0,
c < 0.

Si a = 0 entonces lm x(t) = lm c = c.
t

Si a < 0 entonces lm x(t) = lm ceat = 0.

t

Las siguientes gracas ilustran el comportamiento cualitativo de las soluciones de (1.3) en cada
caso.
Note que si consideramos un nuevo par
ametro b tal que 0 < |b a| < |a| entonces b tiene el
mismo signo de a y por lo tanto el comportamiento cualitativo de las soluciones de
x = bx,
coinciden con el comportamiento cualitativo de las soluciones de (1.3). Algo muy distinto sucede
si a = 0, en donde un peque
no cambia en a lleva a comportamientos cualitativos muy distintos.
6

a> 0

a 0

a<0

Por esta razon al parametro a = 0 es el punto de bifurcaci

on de la familia de ecuaciones unoparametricas (1.3).
De otro lado, las ecuaciones diferenciales del tipo (1.3) tienen una importante aplicacion en el
modelamiento del crecimiento de poblaciones. Fue el economista brit
anico Tomas Malthus (17661834) quien observo que muchas poblaciones crecen a una razon proporcional a la poblacion
umero de
(x = ax) por lo que se piensa x(t) como la cantidad de poblacion en el instante t (n
bacterias, cantidad de material radiactivo, cantidad de personas en una determinada region, etc).
As por ejemplo, si pensamos en el modelamiento del crecimiento de bacterias seg
un el modelo
de Malthus, tendramos el siguiente esquema:

a>0
a

a<0

crecimiento de la especie
longevidad de la especie
extincion de la especie

As vemos por ejemplo que la Extinci

on de una especie se modelada seg
un el modelo de Malthus
al considerar una constante de proporcionalidad a < 0.
Retomamos ahora las ecuaciones diferenciales ordinarias de orden 1 y de forma normal,
x = f (t, x),

(1.4)

y vamos a dar deniciones mas precisas sobre ellas.

La funcion f en (1.4) estara denida en un subconjunto de R2 , D R2 que llamaremos Dominio
de la ecuaci
on.
El dominio ser
a abierto y arco-conexo, esencialmente puede imaginarse a D como un rectangulo
sin frontera ni agujeros.
x

1111111111
0000000000
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111
D
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111

1111111
0000000
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111

D
t
t

Ddominio abierto y arcoconexo

Dconjunto no abierto

D
t

1111111
0000000
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111

Ddominio no arcoconexo

La funcion f : D R2 R, (t, x) f (t, x) se supondr

a siempre continua.
Una soluci
on de (1.4) es una funci
on x : I =], [ R R, x = x(t) denida en un intervalo
abierto I que cumple:
1. x = x(t) C 1 (I) (funciones continuas y derivables con derivada continua en I).
2. (t, x(t)) D, t I, I: intervalo de denicion de la solucion x = x(t).
3. x = f (t, x(t)), t I. (Funciones derivables en I con derivada continua en I).
Ejemplos 1.0.6
1
1. Considere x = x.
t
Note que x(t) = t cumple con la f
ormula, pues
x = 1 y

1
1
x(t) = t = 1.
t
t

Pero una soluci

on no es una funci
on que cumpla con una f
ormula, es mucho m
as que
eso. Hay que especicar d
onde es v
alida. Para este caso, hay dos dominios posibles; nos
quedamos con uno de ellos. D = {(t, x) R2 : t > 0}

2. Considere x = 1 + t2 x2 .
Note que de nuevo, x(t) = t cumple con la f
ormula, pero no es soluci
on. Tenemos en este
caso de nuevo dos alternativas para D. Elegimos una, D = {(t, x) R2 : |x| < t}
8

x(t)=t

Figura 1.1: Graca del dominio D en el ejemplo 1.

x(t) = t viaja por la frontera de D. Falla la condici
on 3, (t, t)
/ D.

3. Considere x = 2t + x2 t4 .
ormula, pero es necesario denir con claridad nuestro
Note que x(t) = t2 cumple con la f
dominio D. Por lo tanto, se debe cumplir:
x2 t4 0 (x t2 )(x + t4 ) 0.
Resolviendo lo la anterior desigualdad se obtienen dos dominios posibles:
D+ = {(t, x) R2 : x > t2 },
D = {(t, x) R2 : x < t2 }.
Tenemos en este caso dos alternativas para D.
Elegimos una, D = D+ . Tenemos entonces que x(t) = t2 viaja por la frontera de D. Falla
/ D.
la condici
on 2, (t, t2 )

x
x(t)=t

Figura 1.2: Graca del dominio D en el ejemplo 3.

1.1.

Campos de Direcciones, interpretaci

on geom
etrica de las
ecuaciones 1.4

Considere una ecuaci

on diferencial de primer orden (1.4) dada por
x = f (t, x).
on se lee en dos
f : D R2 R continua. Vamos a analizar geometricamente esta ecuaci
partes. Por un lado:
1. x (t): geometricamente representa la pendiente de la recta L que es tangente de la curva
solucion (t, x(t)) en cada instante t. La ecuaci
on de la recta tangente esta dada por
= x0 + x (t0 )(t t0 ).

(1.5)

2. f (t, x) determina la pendiente de la recta tangente a la curva (t, x(t)) en el punto (t, x) en
cada instante de tiempo t. Por lo tanto, la ecuaci
on (1.5) queda de la forma
= (t) = x0 + f (t0 , x0 )(t t0 ).

x
Recta tangente L en el punto (t* , x* )

x*
t

t*

Vamos ahora a asociar a f una regla que asigna a cada punto D R2 una u
nica recta que pasa
por dicho punto. Imagnese el siguiente esquema.
Denimos la aplicaci
on
: D R2 R2
(t, x) D(t, x) : Recta que pasa por el punto (t, x)
con pendiente f (t, x).
A esta aplicaci
on : D R2 R2 la llamamos Campo de Direcciones asociada a f . Es claro
que esta aplicaci
on esta bien denida y mas a
un, es continua e inyectiva.

10

P
R

Ejemplo 1.1.1 Considere la ecuaci

on
x =

3t 2x
.
2

En este caso
f (t, x) =

3t 2x
,
2

as D = R2 y por lo tanto para los puntos P (1, 1); Q(2, 1) y R(1, 3/2) tenemos:
f (P ) f (1, 1) = 5/2,
f (Q) f (2, 1) = 2,
f (R) f (1, 3/2)= 0.
Por lo tanto,
1
(P ) : x = 1 52 (t + 1) x = 5
2 t 2,
(Q) : x = 1 + 2(t 2) x = 2t 3,
(R) : x = 32 .

Ejemplo 1.1.2 x =
En este caso,

3x
.
2
f (t, x) =

3x
.
2

Observemos que:
Si x > 3 entonces f (t, x) < 0 para todo t R.
Si x = 3 entonces f (t, x) = 0 para todo t R.
Si x < 3 entonces f (t, x) > 0 para todo t R.

11

M
as a
un, si x entonces f (t, x) (las pendientes de las rectas tangentes son cada vez
m
as negativas) por lo tanto las rectas tangentes son cada vez m
as verticales pero con pendiente
negativa muy grande.
De igual forma, si x entonces f (t, x) +, de nuevo las rectas tangentes son cada vez
m
as verticales pero con pendiente positiva.
En cambio, si x = 3, la recta tangente es horizontal (pendiente cero) para todo t R.
Recordemos por un momento la ecuacion (1.3); x = ax. Hemos hecho ya un analisis de esta
ecuaci
on y se demostro que toda solucion de 1.3 es de la forma x(t) = ceat , con c una constante. En realidad hemos encontrado una familia soluciones para (1.3) (una solucion por cada
constante).
Pero si nuestro interes es tomar una en particular esto nos lleva a elegir de todas las posibles
constantes c, una en especial. Para ello, vamos a a
nadir a la ecuacion una condicion inicial,
x(t0 ) = x0 , as tendremos:

x = ax,
(P.V.I.)

x(t0 ) = x0 .
(P.V.I.) son las siglas de lo que llamaremos Problema de Valor Inicial. En el caso de (1.3)
tendramos:
x(t) = ceat ; x(t0 ) = x0 , entonces:
x(t0 ) = ceat0 = x0 , as que c = x0 eat0 (ajustamos la constante).
Por lo tanto:
x(t) = x0 eat0 eat = x0 ea(tt0 ) .
Hemos encontrado de entre toda una familia de soluciones aquella que queremos (justo la que
cumple con (P.V.I.)).
x(t)=e at

a>0

x0

t0

Figura 1.3: Ilustracion de la solucion x(t) = x0 ea(tt0 ) cuando a > 0.

12

Vamos a generalizar lo anterior.

Consideremos una ecuaci
on diferencial de primer orden
x = f (t, x), f : D R2 R,
a la cual le a
nadimos una condicion inicial x(t0 ) = x0 . Se tiene entonces un problema de valor
inicial (P.V.I.), dado por:

x = f (t, x),
(P.C.)

x(t0 ) = x0 .
donde (t0 , x0 ) D.
Este problema de valor inicial es conocido tambien como Problema de Cauchy, el cual bajo
ciertas condiciones sobre la funcion f tiene una u
nica solucion.
Damos paso as a una simple version de lo que se conoce como el Teorema de Existencia y
Unicidad de soluciones para una ecuacion diferencial ordinaria.
Teorema 1.1 Sea D = {(t, x) R2 : |t t0 | < , |x x0 | < b}. Suponga que tanto f (t, x) y
f
(t, x) son continuas en D. Entonces existe alg
un intervalo abierto J = {t R : |t t0 | < }
x
nica soluci
on x = (t) de (P.C.) para todo t J.
con < en el que existe una u
x

J( )

J( 2 )

x0 b
x0

x0- b
t0 -

t0 -

t0

t0

t0

Figura 1.4: ILustracion del teorema de existencia y unicidad.

Lo que nos dice el Teorema de Existencia y Unicidad es que siempre podemos encontrar bajo las
f
(t, x) el intervalo J =]t0 , t0 + [ en donde se tendra existencia
condiciones pedidas f (t, x) y
x
y unicidad de soluciones. Notese bien que el intervalo J depende de la solucion considerada,
de manera que no debemos olvidar que J = J().
13

De otro lado, si tengo dos soluciones de la ecuacion diferencial, digamos 1 (t) y 2 (t) entonces
en el rectangulo sombreado,(ver gura 1.4) ambas soluciones coinciden, es decir 1 (t) = 2 (t)
para todo t J(1 ) J(2 ) lo que da paso a la unicidad.
Veamos algunos ejemplos importantes:
Ejemplo 1.1.3 Considere la ecuaci
on
x = x2 .

(1.6)

En este caso f (t, x) = x2 , la cual es una funci

on denida en todo R R y adem
as es continua
f
(t, x), (1.6) admite dos soluciones:
al igual que
x
1
1 (t) = ; t I1 =]0, +[
t


(1 t)n , t I2 =]1, 2[
2 (t) =

(A),
(B).

n=0

Note que la serie en (B) corresponde al desarrollo en series de potencias de

1
que es v
alida s
olo
t

para |1 t| < 1.
Se tiene entonces que 1 (t) = 2 (t) en I = I1 I2 , pero son soluciones distintas.
Ejemplo 1.1.4 Considere el P.V.I.
x =
En este caso, f (t, x) =

x
+t ,
t

x(0) = x0 .

(1.7)

x
+ t. Esta funci
on est
a bien denida en
t
D = {(t, x) R2 : t = 0}.

De manera que el teorema de existencia y unicidad puede aplicarse en dos dominios abiertos,
arcoconexos y disjuntos. Se puede demostrar que las soluciones de (1.7) est
an dadas por
x(t) = t2 + ct

; c-cte.

La cual es v
alida para todo t R. M
as a
un, note que si x0 = 0, se tienen innitas soluciones
on. Lo que sucede en este caso es que la
(una por cada constante); y si x0 = 0 no hay soluci
funci
on f no es continua en (0, 0). As que la continuidad es condici
on (incluso, la mnima
condici
on) que nos garantiza la existencia de la soluciones.
Ejemplo 1.1.5 En el teorema de existencia y unicidad es fundamental el explicitar el punto
(t0 , x0 ). En efecto, considere el problema de valor inicial
x = x1/3 ,

x(0) = 0.
14

(1.8)

En este caso f (t, x) = x1/3 . Esta funci

on est
a bien denida en R2 . Se puede comprobar que
xc (t) =

2
3

3/2
(t c)
,

satisface la ecuaci
on en (1.8) para cada constante c.
Pero para cada constante c > 0 observe que

3/2
2
(t c)
c (t) =
3
0

t>c
t c,

satisface el P.V.I. (1.8). Pero adem

as, existe una soluci
on trivial (t) = 0 de (1.8) que no
est
a en la familia de soluciones c (t). As que tenemos por lo menos dos soluciones distintas.
f
(t, x) no es continua en (0,0). Luego la unicidad dex
f
(t, x) en el punto (t0 , x0 ).
pender
a de la existencia y continuidad de
x
La unicidad se pierde, pues la funci
on

x
o1

c1

c2

o2

Figura 1.5: Graca de dos soluciones distintas c1 c2 de (1.8) con c1 < c2 .

Para nalizar este captulo vamos a presentar una de la aplicaciones mas tempranas en la aplicaciones de las ecuaciones diferenciales ordinarias de primer orden. Esta aplicacion se enmarca
en los modelos de crecimiento poblacional que como bien lo hemos dicho antes inicia sus pasos con el Modelo de Malthus. Presentamos brevemente una aplicacion en la dosicacion de
medicamentos, tema central de los estudiantes de farmacologa y farmacocinetica.

1.2.

Crecimiento Poblacional y Aplicaci

on en Medicina

La manera como el tama

no de una poblacion vara en el tiempo es un asunto de interes en
muchos contextos. Suponga que P (t) es el n
umero de individuos en una region dada en el
15

instante t. En el tiempo t + h el n
umero de individuos es P (t + h), as que P (t + h) P (t) representa el n
umero de individuos que han sido a
nadidos (o bien eliminados) a la poblacion
durante el periodo de tiempo h = t + h t.
Entre m
as grande sea el intervalo de tiempo, mas individuos a
nadidos se esperan, as como entre mas peque
no sea el intervalo de tiempo, menos individuos a
nadidos se esperan. Escribimos
entonces,
P (t + h) P (t) = N h,
o bien:

P (t + h) P (t)
=N.
h

Si hacemos h 0 (muestras de tiempo muy peque

nas, imagina: minutos, segundos...), tenemos:
dP (t)
=N.
dt
Vamos a suponer que la funci
on N depende tanto del instante de tiempo t, como del n
umero de
individuos de la poblacion en ese mismo instante. Es decir, N = N (t, P (t)). As:
dP (t)
= N (t, P (t)).
dt

(1.9)

En ocasiones, la cantidad
1 dP

,
P dt
se conoce como tasa de crecimiento especco. As que para (1.9), la tasa de crecimiento especco esta dada por
1
N (t, P ).
P
Algunas formas de la funcion N (t, P (t)) que podemos suponer, son las siguientes:
a) N (t, P (t)) = n0 P (t) , n0 constante. Tasa de crecimiento especco constante.
Por lo tanto:

dP
= n0 P
dt

(Modelo de Malthus).

En consecuencia,
P (t) = P (0)en0 t ; t [0, +[ ; t R.
b) N (t, P (t)) = (n0 d0 )P (t) + I(t) E(t).
umero de individuos muertos proporcional a la poblaEn este caso, d0 P representa el n
cion; I(t), individuos que entran a la poblacion (inmigrantes); E(t), individuos que salen
de la poblacion (emigrantes). As:
dP
= (n0 d0 )P (t) + I(t) E(t)
dt
16

(Ecuacion lineal de primer orden).

c) N (t, P (t)) = (n0 d0 )P (t) + g(P (t)) donde g es no lineal.

En este caso, se tiene dependencia de la poblacion de forma no lineal. Por ejemplo, si
g(P ) = P 2 entonces
N (t, P (t)) = (n0 d0 )P (t) P 2 (t).
Por lo tanto:

o bien:

dP (t)
= (n0 d0 )P (t) P 2 (t) ,
dt
dP
dt

= ( P )P


= 1
P

= n0 d0 ,

(Ecuacion logstica Modelo de Verhulst).

En cualquier caso, si queremos predecir el tama

no de la poblacion en un tiempo dado,
encontrar la soluci
on de una ecuacion diferencial es absolutamente necesario.

1.2.1.

Dosificaci
on de Medicamentos

Cuando se ingiere un medicamento, este forma una concentraci

on en el uido corporal. Esta
concentraci
on disminuye en el tiempo por eliminacion, destruccion o inactivaci
on. La tasa de
reducci
on de la concentraci
on se encuentra, en la mayora de los casos, proporcional a la concentraci
on. De manera que, si C(t) es la concentraci
on del medicamento en el instante t, entonces,
1
dC(t)
= C(t) ,
dt

donde es una constante positiva que mide la velocidad a la cual la concentracion cae. Tenemos
un modelo de Malthus el cual tiene como funci
on solucion
1

C(t) = C0 e t ;

C0 = C(0).

(1.10)

Note que si t = , entonces

C() = c0 e1 =

C0
< 0,
e

C0
. As que, entre mas grande es , m
as lentamente la dosis de
la concentraci
on cae al valor
e
medicamento desaparece.

17

1.2.2.

Nivel de Acumulaci
on

Note que, de acuerdo con la ecuaci

on (1.10), el medicamento nunca desaparece completamentedel cuerpo excepto en un tiempo innito Pero que sucede en repetidas dosis?
Suponga que en el tiempo t = 0 se administra una dosis C0 . En el tiempo t0 > 0, el residuo r1
justo antes de la segunda dosis es
t0
r1 = C0 e
El residuo r2 antes de la tercera dosis ( con t [t0 , 2t0 ]) es
t0

r2 = C1 e ,


t
t
0
0
1+e
.
r2 = C 0 e
Despues de una tercera dosis, la concentraci
on C2 es
C2 = C0 + r2 ,


t0
2t0
= C0 1 + e + e .
Siguiendo este mismo proceso, si consideramos en el tiempo t = (n 1)t0 , n Z+ , nos da:


t0
2t0
(n1)t0
,
Cn1 = C0 1 + e + e + . . . + e

nt0 
1 e
.
= C0
t0
1 e
De igual forma, el residuo rn en t = nt0 esta dado por

t
0

rn = Cn1 e

t
0

= C0 e

1 e

nt0

t0

1 e


.

Note que
lm Cn1 = CM =

C0

t0 .
1 e
on del medicamento inmediatamente
De manera que CM es un buen estimativo de la concentraci
nt0
nt0
>> 1. En efecto, si
> 5, Cn1 diere de CM en menos del
despues de una dosis cuando

1 %,


nt0
1 e5
C0 (1 e5 )
1 e
,
t0 >
t0 Cn1 >
t0
1 e
1 e
1 e

C0

t
0

1e

C0 (1 e5 )
t
0

1e

C0

t
0

1e

18



C0 e5
1 (1 e5 ) =
t0 .
1 e

Concentracin

C2
C1

Crecimiento Oscilatorio

C0

Nmero de dosis

Figura 1.6: Ilustracion del comportamiento de las concentraciones Cn .

C0 (1 e5 )

es menor que el 1 % de CM (pues e5 > 100).

t0
1 e
no, el nivel de concentraci
on no estara muy lejos de CM ,
As que, a menos que t0 sea muy peque
es un n
umero peque
no de dosis. Dicho de otra forma:
Por lo tanto, la diferencia entre CM y

Si queremos alcanzar la m
axima concentraci
on en 5 dosis debemos hacer el intervalo entre las
dosis, mayor que .
En efecto,
nt0 > 5 sii t0 >

5
.
n

Si n = 5 entonces,
t0 > .
Naturalmente, entre m
as grande sea
una sola dosis).

t0
, mas cercano es CM a C0 , (la concentraci
on maxima en

De igual forma, justo antes de una dosis, el residuo se aproxima al valor r cuando n aumenta,
siendo r dado por
t0
C0
(1.11)
r = CM e = t0
e 1
Note que,
CM =

C0

1e

= C0 +

C0

t0

= C0 + r .

t0
se hace cada vez
M
as a
un, (1.11) implica que r se hace cada vez mas peque
no a medida que

t0
on vara mas entre las dosis.
m
as grande. Cuanto mayor sea , el nivel de concentraci

Por lo tanto, existe un equilibrio entre mantener el residuo por encima de cierto nivel y alcanzar
19

CM en pocas dosis.
Cuando muchas dosis han sido ingeridas, la concentracion se comporta como en la siguiente
gura.
Concentracin
CM

C0

15

Nmero de dosis

Figura 1.7: Comportamiento asintotico de la concentraci

on Cn que oscila entre CM y r.
La concentraci
on oscila entre CM y r, nunca excediendo CM ni por debajo de r.
El comportamiento oscilante que se muestra en la anterior gura puede ser no deseable. Muchos antibioticos pueden tener efectos nocivos hasta que su concentracion ha superado un cierto
umbral, dado que ciertas concentraciones sub-optimas pueden inducir a la resistencia del medicamento por los microorganismos presentes. El crecimiento oscilatorio de la concentracion puede
evitarse al tomar ventaja del comportamiento de la gura 1.6. Una dosis inicial de C0 + r o CM
es dada y despues una dosis de concentracion C0 son suministradas en intervalos de tiempo t0 .
La primera dosis alcanza la concentraci
on CM y desde ese instante, el nivel sigue la curva de la
gura anterior. Mientras que r este por encima de cualquier valor umbral impuesto, la dicultad
antes mencionada ha sido superada.

1.3.

Ejercicios

1. Compruebe que la funci

on
x :]0, [R,
tx = x(t) =

1
,
t

es solucion de la ecuaci
on diferencial
tx + x = 0.
2. Determine si la funcion
y(x) = ex

et dt + cex , c-cte

20

es solucion de la ecuaci
on diferencial
y  = 1 2xy ,
en ] , [.
on diferencial
3. Estudiar los dominios o regiones de R2 en los cuales la ecuaci
1

(x 2) 3
,
x =
t2 1
tiene solucion u
nica.
4. Considere la ecuaci
on diferencial
y =

x(y 1)

Es la funci
on y(x) = 1 solucion de la ecuaci
on?
Determine en que regiones del plano xy esta ecuaci
on diferencial tiene una u
nica
on.
solucion, cuya graca cruce el punto (x0 , y0 ) dentro de la regi
5. Considere el siguiente problema de valor inicial
dy
= xy 1/2 ,
dx

y(0) = y0 .

Determine si para este problema existe una u

nica solucion en los casos y0 = 0, y0 = 1.
6. Determine el valor de r para los que la ecuaci
on diferencial
x2 y  + 4xy  + 2y = 0,
tiene soluciones de la forma y = xr , para x > 0.
7. Muestre que el problema de valor inicial
y =

1
; y(0) = 1,
1 + y2

tiene solucion u
nica denida sobre todo el eje real.
8. Muestre que la ecuaci
on x2 + x2 + 3 = 0 no tiene solucion con valores reales.
9. Considere ecuaciones diferenciales de la forma
y  = f (x), y  = g(x).
Describa e ilustre con ejemplos (o plantee una forma analtica) como resolver estas ecuaciones.
21

10. Muestre que t2 + x2 = 25 es solucion (implcita) de la ecuaci

on diferencial x =
intervalo ] 5, 5[.

t
en el
x

on de y  =
11. Mostrar que la relacion y 2 x3 +8 = 0 dene de manera implcita una soluci
en el intervalo ]2, [.

3x2
2y

12. Dibuje el campo de direcciones para las siguientes ecuaciones diferenciales:

a) x = 2t
b) y  = 4y(1 y)
c) x = 2xt
d) y  = 2x2 3x 2
13. El crecimiento poblacional de una especie de bacterias, llamadas las satitinane sigue un
modelo de Malthus. Se sabe que dada una poblaci
on inicial P0 , la tasa de crecimiento en
un cultivo inicial es k1 , y que despues de horas las satitinane se colocan en un cultivo
diferente y ahora crecen a una tasa constante k2 .
a) Cual es la poblaci
on de bacterias en el tiempo t?
b) El modelo que usted encuentra para este problema satisface las condiciones del
Teorema de Existencia y Unicidad?
14. Cuanto tiempo se necesita para que una poblacion se duplique, si se supone que la tasa
de crecimiento es proporcional a la cantidad de individuos de la poblacion?
15. Considere la ecuaci
on diferencial
P  = P,

()

con constante. Puestos en el lenguaje bancario P (t) representa la cantidad de dinero

que hay en un fondo en el tiempo t. La cantidad P (0) se llama principal y el crecimiento
exponencial dado por () se conoce como interes compuesto continuo. Por otro lado, el
rendimiento (tasa de interes efectiva) se dene como el interes real ganado durante un a
no
dividido entre el principal
P (1) P (0)
.
R=
P (0)
a) Suponga que el bando AB Pillas tiene una tasa de interes del 5 % al a
no, compuesto
continuamente. Cual sera el rendimiento R?
b) La tasa de interes del banco Country Bank es 3 % anual, mientras que el rendimiento
en el banco Davitienda es 3 % anual. Ambos ofrecen interes compuesto. Encuentre los
tiempos de cada banco para que un capital se duplique.
16. Usted tiene $10,000 e intenta invertirlos durante 5 a
nos en un banco que ofrece interes
continuo. Si desea tener $15,000 en su cuenta al nal de estos 5 a
nos. Que tasa de interes
debe obtener?
22

17. El economista frances Leon Walras (1834-1910) considerado como el creador de la economa
matematica visualiz
o el equilibrio de un mercado (compra y venta de bienes y servicios)
como el resultado de un proceso de Tanteo: Un moderador anuncia un producto con precio
p y los compradores y vendedores hacen su oferta. Walras propuso el siguiente modelo
p = k(D(p) S(p)),

()

dp(t)
, D(p) es la funcion de demanda del producto, S(p) es la funcion de oferta
donde p =
dt
del producto y k es una constante positiva que reeja la velocidad de ajuste del mercado.
El caso mas simple en el modelo de Walras es cuando
D(p) = p,
S(p) = p,
con y constantes positivas. Muestre que p(t) = 0 es solucion de () y determine
bajo que condiciones los precios del mercado se acercan y/o se alejan de esta soluci
on.
Que interpretaci
on puede deducir de los resultados?.
c
, c-cte, satisface la ecuacion diferencial ydx + x ln xdy = 0
ln x
(Sugerencia: Convierta esta ecuacion diferencial a la forma normal).

18. Comprobar que y(x) =

19. Muestre que y 2 + x 3 = 0 es solucion implcita de y  =

1
en el intervalo ] , 3[.
2y

20. Considere el problema de valor inicial

x (t) + F  (y) = 0,

x(t0 ) = x0 ,

x (t0 ) = 0

Si F C 2 (R), cuidadosamente explique por medio del teorema de existencia y unicidad

que este problema tiene una u
nica solucion para todo punto (t0 , x0 ) R2 .

23

Captulo 2

M
etodos de Integraci
on
En esta parte del curso vamos a estudiar diversas tecnicas de integraci
on (metodos de solucion)
para cierto tipo de ecuaciones diferenciales ordinarias.
Iniciamos con una ecuaci
on diferencial ordinaria de primer orden general:
x = f (t, x),

(2.1)

con f : D R R R, continua, D: Dominio en el plano. Vamos a considerar las ecuaciones

tipo (2.1) m
as sencillas, las cuales corresponden al caso f (t, x) = g(t), es decir; f no depende de
la variable x. As:
Caso 1.

x = g(t),

(2.2)

con g : I R R continua, I: abierto en R. Supongamos que g es integrable en I, entonces

la ecuaci
on (2.2) se resuelve por simple integraci
on (Teorema Fundamental del Calculo)

x(t) = c + g(t) dt ,
c-cte .
Ahora bien, si se considera el P V I


x = g(t),

(2.3)
x(t0 ) = x0 .

Entonces la soluci
on de (2.3) esta dada por

x(t) = x0 +

g(s) ds .
t0

En efecto, consideramos la ecuaci

on (2.2) e integramos a ambos lados (respecto a la variable t),
entre [t0 , t].
 t
 t
 t
 t
dx

(s) ds =
g(s) ds
x (s) ds =
g(s) ds .
(2.4)
t0 ds
t0
t0
t0
24

Mirando la integral del lado izquierdo en (2.4) se dene (cambio de variable) u = x(s),
dx
ds.
du =
ds
As:
x(t)
 t
 x(t)

dx
du = u
(Regla de Barrow)
(s) ds =
t0 ds
x(t0 )
x(t0 )
= x(t) x(t0 )
En consecuencia, (2.4) equivale a:

x(t) x(t0 ) =

g(s) ds .
t0

Dado que x(t0 ) = x0 (condicion inicial) tenemos:

 t
g(s) ds .
x(t) = xo +
t0

f (t, x) = h(x).

Caso 2.

En este caso f no depende de la variable t. Tenemos entonces

x = f (x).

(2.5)

A las ecuaciones del tipo (2.5) se les conoce como Ecuaciones Aut
onomas. En este caso f : W
R R, W abierto de R, es continua y una soluci
on de (2.5) sera una funci
on diferenciable
x : I R W denida en alg
un intervalo abierto I.

y(x)-x0= f(x0)(x-x0 )

x(t)

x0

t0

Figura 2.1: La pendiente de la recta tangente y(x) a la curva x = x(t) en el instante t0 es f (x0 ).
Vamos a suponer que f C 1 (W ) de manera que podamos garantizar el teorema de existencia
y unicidad de soluciones. Ahora bien, un punto xe W se llama Punto de Equilibrio de (2.5) si
25

f (xe ) = 0. Claramente, la funcion constante

x(t) = xe ,

t I,

es una solucion de (2.5). Por unicidad de las soluciones ninguna otra curva solucion de (2.5)
puede pasar por xe . As pues los puntos de equilibrio (los ceros de la funcion f ) generan un
nuevo grupo de soluciones que llamaremos Soluciones de Equilibrio (o soluciones triviales).
As que si xe es un punto de equilibrio, entonces x(t) = xe para todo t R; por esta razon, xe
se llama tambien Punto Estacionario pues el sistema que modela (2.5) es xe , sera y siempre ha
sido xe (presente, pasado y futuro).
Ahora bien, vamos a considerar puntos x W para los cuales f (x) = 0. Por continuidad existe
un abierto V en el cual f (x) = 0 x V . Entonces; este caso nos permite:
1 dx
=1
f (x) dt

x V.

(2.6)

Buscamos soluciones de (2.6) denidas en I  R tal que

x : I  V
t x = x(t).
As que debemos integrar sobre I  en (2.6) y obtener:


dx
1
dt = dt .
f (x(t)) dt
Sea u = x(t), du =

(2.7)

dx
dt. Por lo tanto:
dt


dx
1
1
dt =
du = G(u).
f (x(t)) dt
f (u)


En consecuencia:
G(u) =

dt = t + c ,

c-cte.

Si podemos tener una formula explcita de G(u) entonces

u = G1 (t + c);
As que:

x(t) = G1 (t + c)

G1 : Inversa de G.

solucion implcita de (2.5).

En muchas ocasiones este procedimiento anterior no contiene las soluciones del equilibrio (no
hay valor de la constante c que las genere). Por lo tanto se debe considerar la uni
on de las
soluciones de equilibrio y las que no lo son para tener todas las soluciones posibles de (2.5).
Veamos algunos ejemplos.

26

Ejemplo 2.0.1 Resolver

x = x(1 x) ,

en este caso tenemos que

f : R R
x f (x) = x(1 x),
donde f C 1 (R).
Buscamos primero las soluciones de equilibrio . Para ello resolvemos f (x) = 0 x(1 x) = 0.
En consecuencia:
x1e (t) = 0, x2e (t) = 1 (dos equilibrios).
Buscamos ahora las dem
as soluciones (soluciones no triviales)
dx
1
=1,
x(1 x) dt
con u = x(t) tenemos:

La integral

1
u(1u)

As:

Por lo tanto:

1
du =
u(1 u)


dt .

du se resuelve usando el metodo de fracciones parciales y obtenemos:




 u 
1
 + c1 ,
du = ln 
c1 -cte.
u(1 u)
u 1





 u 
1


du = ln 
+ c1 = dt = t + c2 .
u(1 u)
u 1


 u 
=t+c

ln 
u 1

c = c2 c1 -cte.

Regresamos a la variable x = x(t) y tenemos:



 x(t) 
 = t + c.
ln 
x(t) 1 
Lo anterior equivale a decir que:



 x(t) 
c+t


= ec et ,
 x(t) 1  = e

lo que implica:
x(t)
= ec et .
x(t) 1
Sea k = ec (constante positiva o negativa) entonces:
x(t)
= ket .
x(t) 1
27

Despejamos x(t) y obtenemos:

x(t) =

ket
.
ket 1

(2.8)

Note que si k = 0 (lo cual no es posible) se encontrara de (2.8) la soluci

on de equilibrio xe = 0.
t
ke
= 1, t R.
Por otro lado no existe constante k alguna tal que t
ke 1
As que el conjunto de soluciones no triviales de la ecuaci
on x = x(1 x) es dado por:
x(t) =

ket
, k = 0 , k-cte
ket 1

y las soluciones de equilibrio

x1e (t) = 0,
x2e (t) = 1.

2.1.

Ecuaciones Separables

Consideramos ahora, ecuaciones x = f (t, x) donde f (t, x) es de la forma:

f (t, x) = h(x) g(t) ,
donde h : W R R, h C 1 (W ); g : I R R g C 1 (I).
En este caso tenemos ecuaciones de la forma
x = h(x) g(t).

(2.9)

A las ecuaciones tipo (2.9) se les conoce como Ecuaciones Separables. En este caso D = W I
R R.
Ejemplos 2.1.1
x = 5x2 et , h(x) = 5x2 , g(t) = et .
x = ln(xt ), h(x) = ln(x),

g(t) = t.

x = x, : cte , h(x) = x, g(t) = 1.

x = t + x

(Esta ecuaci
on no es una ecuaci
on diferencial separable).

El metodo de soluci
on de este tipo de ecuaciones es el mismo. Buscamos primero las soluciones de
equilibrio (h(x) = 0). Encontradas estas soluciones, luego buscamos las soluciones no triviales.
De nuevo suponemos h(x) = 0 y separamos las variables
1 dx
= g(t) .
h(x) dt
28

Integramos respecto a t:

1 dx
dt =
h(x) dt


g(t) dt.

Resueltas las integrales entonces se llega a una ecuacion de la forma:

H(x) = G(t) + c, con c-cte.
Si es posible despejar x, se encuentra:
x = x(t) = H 1 (G(t) + c) .
Veamos los siguientes ejemplos:

Ejemplo 2.1.2
x = tx2 .
En este caso, f (t, x) = tx2 , h(x) = x2 , h(x) = x2 , g(t) = t y D = R R.
1. Primero las soluciones de equilibrio: h(x) = x2 .
De aqu tenemos una soluci
on de equilibrio:
x1e (t) = 0,

t R .

2. Ahora las soluciones no constantes:

x = tx2 ,
1 dx
= t,
x2 dt


1 dx
dt =
t dt .
x2 dt
As tenemos:

t2
1
=
+ c,
x
2
Despejamos la variable x = x(t) y obtenemos:

x(t) =

29

c-cte.

1
c+

t2
2

(2.10)

Ejemplo 2.1.3 Considere el problema de valor inicial:

x = et x3 tet x3 ,
Observe que:

x(0) = 1.

et x3 tet x3 = et x3 (1 t).

Por lo tanto, con h(x) = x3 , g(t) = et (1 t), tenemos que:

x = h(x) g(t),
por lo que tenemos una ecuaci
on diferencial separable.
Buscamos entonces las soluciones triviales (de equilibrio):
h(x) = 0 x3 = 0, x1e (t) = 0.
Note que dada la condici
on inicial considerada, la soluci
on de equilibrio x1e (t) = 0 no nos sirve.
Buscamos entonces en las soluciones no triviales. Tenemos entonces seg
un el procedimiento
descrito que:


1 dx
dt = et (1 t)dt
x3 dt
1
c : cte.
x2 = (2 t)et + c,
2
Ajustamos la constante c. Sabemos que x0 = 1, por lo tanto:
1
= (2 0)e0 + c.
2
5
De manera que c = 2 . En consecuencia:
1
.
x(t) = 
5 2(2 t)et
Elegimos el signo de manera que tengamos consistencia con la condici
on inicial, as que:
1
.
x(t) = 
5 2(2 t)et

Ilustraci
on

30

Ejemplo 2.1.4

x = ax,

a-cte.

En este caso: h(x) = x, g(t) = a. Tenemos una ecuaci

on separable. Ahora bien:


1 dx
dt =
a dt ,
x dt
ln |x| = at + c .
Entonces:
eln |x| = eat+c ,
|x| = ec eat .
Sea k = ec , tenemos as: |x| = ec eat , entonces x(t) = keat .
on trivial xe (t) = 0.
Note que k = 0, entonces las soluciones no triviales son x(t) = keat y la soluci
Podemos unirlas y obtener todas en una misma f
ormula:
x(t) = keat ,

2.2.

k R.

Ecuaciones Homog
eneas

Las ecuaciones homogeneas son ecuaciones de la forma

 
 
x
t


x =G
,
x =F
t
x
en donde F : I R R, G : I R R, son funciones de clase C 1 .
Si I =]a, b[ entonces a < xt < b; at < x < bt. Tenemos as:
D+ = {(t, x) : t > 0, at < x < bt},
D = {(t, x) : t < 0, at < x < bt}.
Ejemplo 2.2.1

x2 + 2tx
.
t2
 2
 
x
x
x2 + 2tx
.
,
f
(t,
x)
=
+
2
Note que: f (t, x) =
t2
t
t
x =

Sea F (u) =

u2

 
x
= f (t, x) esto es equivale a decir:
+ 2u, entonces F
t
 
x
.
x = F
t

31

Esta forma especial de las ecuaciones homogeneas sugiere el cambio de variable.

u=

x
,
t

x(t) = u(t) t = g(t, u(t)).

esto equivale a

En consecuencia:
d
d
(g(t, u(t))) = (u(t).t),
dt 
dt
x
= F (u) = u (t).t + u(t).
= F
t

x =

Tenemos entonces: F (u) = u .t + u.

De aqu se deduce una nueva ecuacion en las variables t, u dada por:
u =

F (u) u
.
t

(2.11)

La ecuaci
on (2.11) tiene una gran ventaja pues es una ecuaci
on en variables separables con:
h(u) = F (u) u,

1
g(t) = .
t

Entonces aplicamos toda la teora que hemos visto para las ecuaciones separables para as resolver
(2.11).
Buscamos las soluciones triviales: F (u) u = 0, y luego las soluciones no triviales:
1
1
u =
F (u) u
t

du
1
ds =
F (u(s)) u(s) ds

1
ds.
s

Si sabemos resolver las integrales, llegamos a una ecuacion de la forma

G(u) = ln |t| + c.
As:

u(t) = G1 (ln |t| + c).

Por lo tanto:

x(t) = G1 (ln |t| + c)t; t ]a, b[.

Ejemplo 2.2.2
x =
Hemos visto que:

 
x
x =F
t


x2 + 2tx
.
t2

con

32

F (u) = u2 + 2u ,

la ecuaci
on (2.11) queda en este caso:
u =
u =

u2 + 2u u
,
t
u2 + u
.
t

(2.12)

Buscamos ahora las soluciones de (2.12).

Primero las soluciones triviales. Estas

se obtienen de la ecuaci
on F (u) u = 0 que en este caso
es:
u2 + u = 0, u(u + 1) = 0 .
Tenemos as:

u1e (t) = 0 ,

u2e (t) = 1 .

Ahora las soluciones no triviales:

du
1
F (u) u dt
du
1
2 + u dt
u

1 du
dt
u2 + u dt


 u(t) 


ln 
u(t) + 1 

1
,
t
1
=
,
t
1
=
dt ,
t
=

= ln |t| + c .

Podemos considerar c = ln |d|, d-cte y obtener:



 u(t) 
 = ln |dt|,

ln 
u(t) + 1 

d R.

Dado que debemos elegir un dominio D+ o D entonces, si elegimos D+ se tendra:



 u(t) 
 = ln |dt|.

ln 
u(t) + 1 
De aqu que:
u(t)
= dt .
u(t) + 1
Sea k = d, as:

u(t)
= kt .
u(t) + 1

Despejamos la variable u = u(t) y obtenemos:

u(t) =

kt
.
1 kt

33

En consecuencia:
x(t) = u(t)t,

x(t) =

kt2
,
1 kt

kR.

Las soluciones entonces son:

x1e (t) = 0,

x2e (t) = t,

x(t) =

kt2
,
1 kt

k R, t > 0 .

Ejemplo 2.2.3 Resolver el problema de Cauchy:

x =

xt2 + x3
,
t3

x(1) = 1.

En este caso se toma D = {(t, x) R2 : t < 0}.

Por otro lado:
xt2 x3
+ 3 ,
t3
t
 3
xt2
x
+
.
3
t
t

x =
x =

 
x
.
x =F
t

Por lo tanto:
3

F (u) = u + u ,
Sea u =

x
, x(t) = u(t)t. Llegamos a la ecuaci
on
t
u =

Buscamos las soluciones de esta ecuaci

on.
Soluciones triviales:
u = h(u)g(t) con

u3
.
t

1
.
t
on trivial dada por:
As, h(u) = 0 si y s
olo si u3 = 0. Tenemos una soluci
h(u) = u3 ,

g(t) =

u1e (t) = 0.
on inicial no es considerada esta soluci
on.
Esta soluci
on genera x1e (t) = 0. Pero dada la condici
Ahora las soluciones no triviales:
1 du
h(u) dt

1 du
dt
u3 dt
1
2
2u
1
2u2

= g(t) ,

1
=
dt ,
t
= ln(t) + c , c-cte
 
1
+c .
= ln
t
34

Por lo tanto:
u2 =

1
  ,
1
k + 2 ln
t



u = 


as:

1
  ,
1
k + 2 ln
t




x(t) = t


en consecuencia:

k-cte, t ] , 0[,

1
  .
1
k + 2 ln
t

Ajustamos el valor de la constante k y el signo de la raz. Entonces x(1) = 1, as:



1

  ,
1 = (1)
1

k + 2 ln
1

1
1 =
k
Entonces la raz es k = 1. En consecuencia
1

x(t) = 

1 + 2 ln

1
t

 ,

t ]

e, 0[.

Ahora vamos a presentar una denicion mas precisa de las ecuaciones homogeneas y entender
el por que de este nombre.
Definici
on 2.2.4 Una funci
on
f : D R R R
(t, x) f (t, x),
se dice que es homogenea de grado si:
f (t, x) = f (t, x),
(t, x) D, > 0, R.
Ejemplos 2.2.5

35

1. Sea

f (t, x) = t3 + 5x3 .

Esta funci
on es homogenea de grado = 3. En efecto:
f (t, x) = (t)3 + 5(x)3 ,
= 3 t3 + 53 x3 ,
= 3 (t3 + 5x3 ),
= 3 f (t, x).
2. Sea

g(t, x) = t2 + tx.

Esta funci
on es homogenea de grado = 2.
3. Sea

h(t, x) = t2 x + x3 + t3 1.

Esta funci
on no es homogenea. En efecto:
h(t, x) = 3 t2 x + 3 x3 + 3 t3 1,
= 3 (t2 x + x3 + t3 ) 1,
= 3 h(t, x).
Ahora bien, una ecuaci
on diferencial de primer orden
x = f (t, x),
es una ecuaci
on diferencial homogenea si:
f (t, x) =

P (t, x)
,
Q(t, x)

Q(t, x) = 0;

donde P, Q son funciones homogeneas del mismo grado. Es decir:

P (t, x) = P (t, x)

y Q(t, x) = Q(t, x),

para alg
un R.
La ecuaci
on

P (t, x)
.
Q(t, x)
Se escribe en diversas formas. En muchos libros se presenta as:
x =

P (t, x)
dx
=
Q(t, x)dx = P (t, x)dt P (t, x)dt Q(t, x)dx = 0 .
dt
Q(t, x)

(2.13)

(2.14)

La ecuaci
on (2.14) es la que usualmente se encuentra en los textos. As que, si vamos a buscar
en un libro que es una ecuacion diferencial homogenea, tendramos algo como:
36

Definici
on 2.2.6 Una ecuaci
on diferencial de primer orden
P (t, x)dt + Q(t, x)dx = 0
es homogenea, si las funciones P y Q son funciones homogeneas del mismo grado.
Queda entonces como ejercicio, demostrar que toda ecuaci
on diferencial homogenea de la forma
P (t, x)dx + Q(t, x)dt = 0,
con P y Q funciones homogeneas de grado , se puede escribir en forma equivalente como:
 
 
x
t
o x = G
.
x = F
t
x
Observaci
on. Pruebe que si P (t, x) es homogenea de grado , entonces


x
P (t, x) = t P 1,
.
t

37

Captulo 3

Ecuaciones Diferenciales Exactas

Vamos en este punto del curso a considerar ecuaciones diferenciales de primer orden en una
forma distinta a la usual dada por x = f (t, x). Consideraremos ecuaciones en la forma:
P (t, x) + Q(t, x)x = 0,

(3.1)

donde vamos a suponer lo siguiente:

1. P , Q son funciones continuas en un dominio D R2 .
2.

P Q
x , t

3.

P
x

son funciones continuas en D.

Q
t

en el dominio D (Condicion de exactitud).

Adicionalmente se pide que Q(t, x) = 0 para todo (t, x) D. Mas a

un, bajo este supuesto
P (t, x) + Q(t, x)x = 0 x =
Por lo que si f (t, x) =

P (t, x)
.
Q(t, x)

P (t, x)
llegamos a la forma normal.
Q(t, x)

Si se cumplen 1, 2 y 3, se dice que (3.1) es una Ecuaci

on Diferencial Exacta de primer orden.
Veamos un ejemplo.
Ejemplo 3.0.7 La ecuaci
on
(x cos t + 2tex ) + (sen t + t2 ex 1)x = 0
satisface las condiciones 1, 2 y 3 en D = R R.
En efecto,
P (t, x) = x cos t + 2tex ,
38

Q(t, x) = sen t + t2 ex 1.
Claramente, P , Q,

P Q
x , t

son continuas en R R. M
as a
un, tenemos
P
Q
= cos t + 2tex =
.
x
t

Ahora vamos a presentar un resultado importante, para el caso de ecuaciones diferenciales tipo
(3.1).
Teorema 3.1 Sean P, Q C 1 (R2 ). Las siguientes armaciones son equivalentes:
Existe V C 2 (R2 ) tal que
P
x

Q
t

V
t

= P,

V
x

= Q en R2 .

en R2 .

En el teorema anterior vemos dos elementos importantes. El primero es la existencia de una

funci
on V C 2 (R2 ), que se conoce como Potencial tal que:
V
V
dx

V (t, x) =
(t, x) +
(t, x) ,
t
t
x
dt
= P (t, x) + Q(t, x)x = 0.

(3.2)

Por lo tanto, en cada punto (t, x) que satisface la ecuaci

on (3.1) se tiene que V (t, x) = c con
c-cte. Esto equivale a decir que si x = x(t) es una solucion de (3.1) denida en I R, dicha
solucion vive sobre la curva de nivel V (t, x) = c.
Otro elemento importante, es que se dene todo el teorema en R2 ; pero esto no es restrictivo.
Podemos obtener el mismo teorema sobre un subconjunto D R2 el cual sea Simplemente
Conexo. Un conjunto simplemente conexo se puede interpretar como dominio sin agujeros.
El teorema anterior no es cierto en:

Coronas

Dominio con dos coronas

D = R2 (0, 1)

El teorema anterior es cierto en:

Dominios

Rect
angulos

39

D = R2

Observe que la condicion de exactitud solo implica la existencia local (en el dominio D) de
una funci
on potencial. Por lo que en adelante, vamos a considerar que nuestro dominio D es
Simplemente Conexo.
Veamos ahora el metodo de soluci
on de las ecuaciones diferenciales exactas.
Suponemos entonces:
P, Q C 1 (D),

Q
P
=
,
x
t

Q(t0 , x0 ) = 0 .

En donde (t0 , x0 ) D, x(t0 ) = x0 (Condicion inicial). La idea es buscar el potencial (o la funcion

potencial).
De (3.2) tenemos:
V
(t, x) = P (t, x),
t
Integramos respecto a t:

V
(t, x(t)) dt =
t

x = x(t) .


P (t, x(t)) dt ,

as:
V (t, x) =

P (t, x) dt + h(x) ,

h C 2 (D).

(3.3)

Note que h s
olo depende de x.
Por otro lado:

V
(t, x) = Q(t, x) .
x
Entonces, derivando en (3.3) respecto a x se tiene:


V
(t, x) =
P (t, x) dt + h (x) .
x
x
En este punto se aplica el resultado de la teora de las integrales dependientes de parametros y
se obtiene:

P
V
(t, x) =
(t, x) dt + h (x) ,
x
x
= Q(t, x) ,


as obtenemos:


h (x) = Q(t, x)

P
(t, x) dt .
x

Es esencial que en (3.4) la parte izquierda solo dependa de x; de manera que:


 

P
(t, x) dt dx .
h(x) =
Q(t, x)
x
40

(3.4)

(3.5)

Reemplazando (3.5) en la expresi

on (3.3), tenemos:


 

P
(t, x) dt dx .
V (t, x) = P (t, x) dt +
Q(t, x)
x
La solucion es entonces dada implcitamente por la ecuacion:
V (t, x(t)) = c ,

c-cte.

Ahora bien, la condici

on inicial x(t0 ) = x0 determina la curva de nivel
V (t, x(t)) = V (t0 , x0 ) = c0 .
Ejemplo 3.0.8 Considere la ecuaci
on
t
x = ,
x
denida en D = {(t, x) R2 : x > 0}.
Note que esta ecuaci
on se puede escribir as:
t + xx = 0 .
Sean P (t, x) = t, Q(t, x) = x. Veamos que:
P, Q satisfacen las condiciones 1 y 2, es m
as
Q
P
(t, x) = 0 =
(t, x)
x
t

(Condici
on de exactitud).

Por lo que tenemos una ecuaci

on diferencial exacta.
Ahora, sabemos que existe una funci
on potencial V de clase C 2 tal que:
V
(t, x) = P (t, x) .
t
Entonces:


V (t, x) =

P (t, x) dt + h(x) ,


=
=

t dt + h(x) ,
t2
+ h(x) .
2

Ahora
V
(t, x) = h (x) = Q(t, x) = x,
x
41

h(x) =

x2
.
2

Tenemos entonces

t 2 x2
+
= c, c-cte.
2
2
Las soluciones est
an dadas implcitamente por la ecuaci
on
V (t, x) =

V (t, x(t)) =

t2 (x(t))2
+
= c.
2
2

El siguiente es un buen ejemplo de una ecuacion que no es una ecuaci

on diferencial exacta.
Ejemplo 3.0.9 Sea

t3
x
3


dt +

En este caso:
P (t, x) = x
Por lo tanto:

3.1.

t3
,
3

x2
+xt
2

Q(t, x) =

dx = 0 .
x2
+x t.
2

Q
P
(t, x) = 1 = 1 =
(t, x) .
x
t

Factores Integrantes

Aunque en muchas ocasiones, ecuaciones de la forma

P (t, x) + Q(t, x)x = 0 ,
no son una ecuacion diferencial exacta, es posible multiplicar esta ecuacion por una funci
on
(Funci
on Integrante) que la convierta a una ecuaci
on diferencial exacta.
Por ejemplo:

t
x = 0,
x
no es una ecuacion diferencial exacta (vericar), pero si se multiplica por la funcion (x) = x,
entonces tenemos:
t xx = 0 .
Y esta nueva ecuaci
on s es una ecuacion diferencial exacta (vericar).
Veamos la siguiente denicion:
on
Definici
on 3.1.1 Una funci
on = (t, x) C 1 (D) es un factor integrante de la ecuaci
P (t, x) + Q(t, x)x = 0 ,
si cumple:

42

a) (t, x) = 0, (t, x) D .
on diferencial exacta.
b) La ecuaci
on (t, x)P (t, x) + (t, x)Q(t, x)x = 0, es una ecuaci

Ejemplo 3.1.2 La ecuaci

on

x + x = 0 ,

no es exacta, en efecto: P (t, x) = x; Q(t, x) = 1 y as:

Q
P
(t, x) = 1 = 0 =
(t, x) ,
x
t
no cumple la condici
on de exactitud. Pero (t, x) = et es un factor integrante, en efecto:
et x + et x = 0,
es una ecuaci
on exacta (vericar).

Como encontrar = (t, x)?

De la condici
on b) tenemos:
(t, x)P (t, x) + (t, x)Q(t, x)x = 0 .
Es una ecuacion diferencial exacta, as que cumple la condici
on de exactitud para
P (t, x) = (t, x)P (t, x) ; Q(t, x) = (t, x)Q(t, x) .
As:
Q
P
(t, x) =
(t, x) .
x
t
Por lo tanto:
P

(t, x)P (x, t) + (t, x)

(t, x) =
(t, x)Q(x, t) + (t, x)
(t, x) .
x
x
t
t
En consecuencia la ecuaci
on que satisface todo factor integrante (t, x) esta dada por:



Q
P

(t, x)P (t, x)

(t, x)Q(t, x) =
(t, x)
(t, x) (t, x) .
x
t
t
x
Si es posible resolver para la ecuaci
on anterior logramos nuestro objetivo. Es posible buscar
(intentar) casos especiales como: = (t), = (x), = (t x), = (t.x), ...
Si bien = (t), entonces:
 (t)
=
(t)

P
x

Q
t

43

(Q(t, x) = 0) .

si se logra obtener:
Q
t (t, x)
= (t) ,
Q(t, x)

P
x (t, x)

entonces:

 (t) = (t)

(Ecuaci
on Separable),

de donde:

(t) = e

(t)dt

Si bien = (x), entonces:

 (x)
=
(x)

Q
t

P
x

(P (t, x) = 0) .

si se logra obtener:
Q
t (t, x)

P
x (t, x)
= (x) ,
P (t, x)

entonces:

 (x) = (x)

(Ecuaci
on Separable),

de donde:

(x) = e

(x)dx

Ejemplo 3.1.3 Considere la ecuaci

on:
(3t2 x + 2tx + x3 )dt + (t2 + x2 )dx = 0 .
En este caso:

P (t, x) = 3t2 x + 2tx + x3 , Q(t, x) = t2 + x2 .

En este caso se cumplen las condiciones 1, 2 y 3 en R2 . Ahora bien:

P
(t, x) = 3t2 + 2t + 3x2 ,
x
Q
(t, x) = 2t .
t
Q
on no es una ecuaci
on diferencial
Claramente P
x (t, x) = t (t, x), en consecuencia la ecuaci
exacta.
Veamos que existe un factor integrante. Para ello veamos:

 (t)
(t)

=
=
=

Q
t
,
Q
3t2 + 2t + 3x2 2t
,
t 2 + x2
3(t2 + x2 )
= 3.
t 2 + x2
P
x

44

de aqu:

(t) = e

3dt

= e3t .

Multiplicamos la ecuaci
on por e3t y obtenemos:
e3t (3t2 x + 2tx + x3 ) + e3t (t2 + x2 ) = 0 .
 x):
Tenemos nuevas funciones P(t, x), Q(t,
P(t, x) = e3t (3t2 x + 2tx + x3 ) ,
 x) = e3t (t2 + x2 ) .
Q(t,
Y as:
P
(t, x) = 3(t2 + x2 )e3t + 2te3t ,
x

Q
(t, x) = 3e3t (t2 + x2 ) + 2te3t .
t


P
= tQ , nuestra nueva ecuaci
on s es exacta. Por lo tanto, buscamos la funci
on
Dado que x
potencial V , de manera que:

4

V (t, x) =
Sabemos que:

V
(t, x) = P(t, x) ,
t
e3t (3t2 x + 2tx + x3 )dt + h(x) .

t2 e3t dt =

e3t t2 2 3t 1 3t
te + e + c1 ,
3
9
9

as:
suponemos que c1 = 0 y adem


te3t dt =

e3t t 1 3t
e + c2 ,
3
9

suponemos que c2 = 0, nalmente; suponiendo constantes nulas tenemos:


2
1
2
2
1
e3t (3t2 x + 2tx + x3 ) dt = xe3t t2 xte3t + xe3t + xte3t xe3t + x3 e3t ,
3
3
3
9
3
1
= xt2 e3t + x3 e3t .
3
En consecuencia:

1
V (t, x) = xt2 e3t + x3 e3t + h(x) .
3

45

Luego:
V
(t, x) = t2 e3t + x2 e3t + h (x) ,
x
 x) ,
= Q(t,
= e3t (t2 + x2 ) + h (x) ,
= e3t (t2 + x2 ) .
As que: h (x) = 0, entonces h(x) = c3 , c3 -cte. De nuevo podemos suponer c3 = 0.
Las soluciones de la ecuaci
on est
an dadas implcitamente por la ecuaci
on:
1
V (t, x(t)) = xt2 e3t + [x(t)]3 e3t = c,
3

3.2.

c-cte.

Cambio de Variables

Supongamos que tenemos una ecuacion diferencial de primer orden

x = f (t, x) ,
con f C 1 (D), D R R.
Sabemos que x = x(t), pero que sucede cuando x depende tanto de t, como de otra variable
u = u(t). En este caso u : I  R R, x : I R R de clase C 1 ambas funciones.
Tenemos por el supuesto anterior:
x = g(t, u),

con u = u(t), g C 1 (D  ) .

Derivando implcitamente, tenemos:

x = t g(t, u) + u g(t, u)u ; t g(t, u) =
De aqu:

g
(t, u) .
t

f (t, x) = t g(t, u) + u g(t, u)u .

Ahora bien, si u g(t, u) = 0 (necesario para aplicar el Teorema de la funcion implcita), tenemos:
u =
con
F (t, u) =

f (t, x) t g(t, u)
,
u g(t, u)
f (t, g(t, u)) t g(t, u)
,
u g(t, u)

46

encontramos una nueva ecuaci

on diferencial de primer orden en las variables t y u = u(t) dada
por:
u = F (t, u) ,
con F : D  R R R, F C 1 (D  ).
Los dominios D, D  y D  se suponen abiertos y arco-conexos. Veamos con un ejemplo como y
donde se aplica esta tecnica.

Ejemplo 3.2.1 La ecuaci

on de Bernoulli
Esta ecuaci
on est
a dada por:
x + q(t)x = p(t)xn ,

n N {1};

la cual surge de modelos matem

aticos para el movimiento bidimensional de un proyectil bajo la
inuencia de la gravedad y de la resistencia del aire.
En este caso: f (t, x) = p(t)xn q(t)x con p, q C 1 (I).
Aplicamos el siguiente cambio de variable (sustituci
on),
1

x = g(t, u) = u 1n ,
As:
t g(t, u) = 0,

u g(t, u) =

u = u(t).
1
1
u 1n 1 .
1n

Tenemos:
t g(t, u) = 0,

u g(t, u) =

n
1
u 1n .
1n

En consecuencia:
F (t, u) =

f (t, g(t, u)) t g(t, u)

,
u g(t, u)
n

p(t)u 1n q(t)u 1n 0
n

1
1n
1n u

= (1 n)[p(t) q(t)u] .
Nuestra nueva ecuaci
on diferencial est
a dada por:
u = (1 n)[p(t) q(t)u] .
La escribimos de la forma:

u + (1 n)q(t)u = (1 n)p(t) ,
47


u + r(t)u = m(t) ,

(3.6)

donde:
r(t) = (1 n)q(t),

m(t) = (1 n)p(t).

La ecuaci
on (3.6) a
un no sabemos resolverla, la dejamos pendiente y daremos su solucion en el
siguiente tema sobre las ecuaciones lineales de primer orden.

3.3.

Ejercicios

1. Resolver las siguientes ecuaciones.

a) x =

t2
x

b) y  =

x2
y(1 + x3 )

t et
x + ex
x2
d) y  =
1 + y2
c) x =

2. Demuestre que cada una de las siguientes ecuaciones son ecuaciones homogeneas y encuentre sus soluciones.
x+t
dx
=
dt
t
4x 3t

b) x =
2t x
2
c) (t + 3tx + x2 )dt t2 dx = 0

a)

d) 2ydx xdy = 0
x + 3y
e) y  =
xy
x2 + xy + y 2
f ) y =
x2
3. Encuentre una sustituci
on adecuada para resolver los siguientes problemas.
a) x = (t + x + 1)2
b) y  = 1 + eyx+5
c) y  = (y 2x)2 7, y(0) = 0
4. Resuelva la siguiente ecuacion usando el metodo de separaci
on de variables.

48

a) x = (t 3)(x + 1) 3
b) Muestre que x(t) = 1 satisface la ecuacion.
c) Muestre que no hay una elecci
on de la constante de integraci
on c de modo que la
solucion de la parte (a) produzca la solucion x(t) = 1. Explique por que se pierde
esta solucion.
5. Considere la ecuaci
on con coecientes lineales
(a1 x + b2 y + c1 )dx + (a2 x + b2 y + c2 )dy = 0 .
Muestre que la ecuaci
on anterior puede reducirse a una ecuacion de la forma
y  = G(ax + by) ,
cuando a1 b2 = a2 b1 .
6. Use una sustitucion adecuada para convertir la ecuacion diferencial de la forma
y  = G(ax + by) ,
en una ecuaci
on separable.
7. Justique la veracidad o falsedad de la siguiente armaci
on:
Toda ecuaci
on separable de primer orden
x = h(x)g(t) ,
es exacta.

on de
8. Dada la ecuaci
on x = t + x, Considera usted que se puede resolver por separaci
variables? Proponga una solucion conveniente que convierta esta ecuaci
on en una ecuaci
on
de variables separables y resuelvala.
9. La ecuaci
on diferencial

y  = p(x) + q(x)y + r(x)y 2 ,

()

es llamada la Ecuaci
on de Ricatti, por ejemplo:
y =

4
1
y + y2 ,
2
x
x

()

es una ecuaci
on de Ricatti.
on () y el cambio de variable
Mediante el conocimiento de una solucion y1 (x) de la ecuaci
y(x) = z(x) + y1 (x) ,
se obtiene una Ecuacion de Bernoulli en las variables (x, z). Si y1 (x) = x2 es solucion de
() muestre que bajo el cambio de variable sugerido se obtiene una Ecuaci
on de Bernoulli.
49

10. Resolver la ecuacion Logstica



P
dP
= Kp 1
,
dt
N
con K, N : constantes. Dibuje el campo de direcciones.
11. En las siguientes ecuaciones determine si es una ecuacion diferencial exacta. Si lo es resuelvala.
a) (2x 1)dx + (3y + 7) = 0
b) (sen x x sen t)dt + (cos t + t cos x x)dx = 0


1
xy
c) (y ln y e )dx + y + x ln y dy = 0
t
2
d) t dx
dt = 2te x + 6t

e) (tan t sen t sen x)dt + (cos t cos x)dx = 0.

12. Encuentre un factor integrante que convierta las siguientes ecuaciones en ecuaciones diferenciales exactas y resuelvalas.
a) (2y 2 + 3x)dx + 2xy dy = 0
b) 6tx dt + (4x + 9t2 )dx = 0.

50

Captulo 4

Ecuaci
on Lineal homog
enea de
primer orden
En el captulo anterior, hemos visto la ecuacion de Bernoulli
dx
+ q(t)x = p(t)xn ,
dt

n N {1},

on de Bernoulli queda en la
con p, q C 1 (I). Con la sustitucion x = u 1n , u = u(t) la ecuaci
variable u as:
(4.1)
u + r(t)u = m(t) ,
con r(t) = (1 n)q(t), m(t) = (1 n)p(t).
Hemos dejado como tarea pendiente la resolucion de la ecuaci
on (4.1), esta tarea la resolveremos
bajo el estudio que emprenderemos a continuacion sobre las ecuaciones lineales de primer orden.
Definici
on 4.0.1 (Ecuaci
on lineal de primer orden) Considere una ecuaci
on diferencial de primer orden
(4.2)
x = f (t, x) ,
on lineal de primer
con f : D R R R, f C 1 (D). Diremos que (4.2) es una Ecuaci
orden si f es de la forma;
f (t, x) = a(t)x + b(t).

Es decir, tenemos

x = a(t)x + b(t) ,

(4.3)

donde a, b : I R R las suponemos continuas (o bien y mejor a

un C  (I)), I intervalo
abierto.

51

Veamos algunos ejemplos:

Ejemplos 4.0.2
1. x = 3t2 x + sen t,

a(t) = 3t2 ; b(t) = sen t.

2. x + 1t x = 5t2 ,

a(t) = 1t ; b(t) = 5t2 .

3. x 2tx = et ,

a(t) = 2t; b(t) = et .

4. Claramente la ecuaci
on (4.1) es una ecuaci
on lineal de primer orden
u + r(t)u = m(t), a(t) = r(t); b(t) = m(t).
on no es lineal.
5. x = t ln(x) + sen t. Esta ecuaci
on no es lineal.
6. (2tx + t2 )x + et . Esta ecuaci
7.

5 3
3t x

+ sen(x + t). Esta ecuaci

on no es lineal.

Ahora veamos que, en el caso que b(t) = 0, la ecuaci

on (4.3) queda as:
x = a(t)x .

(4.4)

Este caso se conoce como el caso homogeneo o bien la ecuaci

on lineal homogenea. Es conocida
ya la soluci
on de (4.4) (pues es una ecuacion separable) la cual esta dada por;

A(t)
, donde A(t) = a(t)dt, c-cte.
x(t) = Ce
Ejemplo 4.0.3
x =

2x
, D = R {1, 1} R.
(t + 1)(t 1)

En este caso:
a(t) =

1
1
2
=

.
(t + 1)(t 1)
t+1 t1


En consecuencia:
A(t) =



t + 1
.

a(t)dt = ln 
t 1

Suponemos t ]1, [ .
t+1

x(t) = CeA(t) = Celn( t1 ) ,

t+1
, C R.
x(t) = C
t1

52

Nota:
Hacer los casos t ] 1, 1[ , t ] , 1[ .
Ahora bien, si consideramos la ecuaci
on lineal de primer orden no homogenea (b(t) = 0), buscamos soluciones que tengan la forma: x(t) = A(t)f (t), donde f : R R es una funci
on derivable.
Este metodo de soluci
on es llamado Variacion de constantes(o bien Variacion de Parametros)
quiz
as porque en el caso b(t) = 0, la funcion f es constante.
x(t) = CeA(t) x(t) = f (t)eA(t)
caso b(t) = 0
caso b(t) = 0 .
Tenemos as:
x(t) = f (t)eA(t) ,
x (t) = f  (t)eA(t) + f (t)eA(t) A (t) ,
= f  (t)eA(t) + f (t)eA(t) a(t) ,
= a(t)x + b(t) ,
= a(t)f (t)eA(t) + b(t).
En consecuencia:
f  (t)eA(t) = b(t) ,
f  (t) = eA(t) b(t).


Y as:
f (t) =

eA(t) b(t) dt + k,

Por tanto, concluimos que:


A(t)

x(t) = ke

A(t)

+e

k-cte R.

eA(t) b(t) dt.

(4.5)

Ahora veamos que toda solucion de (4.3) es de la forma (4.5). En efecto, sea y(t) otra solucion
de (4.3) entonces
x (t) y  (t) = a(t)x(t) + b(t) (a(t)x(t) + b(t)) ,
x (t) y  (t) = a(t)(x(t) y(t)) .

(4.6)

Sabemos del captulo 1 que todas las soluciones de (4.6) son de la forma k0 eA(t) , k0 -cte, as:
y(t) = x(t) k0 eA(t) ,


= (k k0 )eA(t) + eA(t) eA(t) b(t) dt ,

= CeA(t) + eA(t) eA(t) b(t) dt , C-cte.
53

Esto prueba que todas las soluciones de (4.3) son de esta forma.

Observaci
on 4.0.1 Una observaci
on importante que hacemos de la forma de la soluci
on de
(4.3) es la siguiente:
1. Sea
xh (t) = keA(t) ,

k-cte.

x

on del problema
= a(t)x. Es decir, es la soluci
on que corresponde al
xh (t) es la soluci
caso homogeneo; de aqu que llamaremos a xh (t) la solucion homogenea de (4.3).


2. Sea
A(t)

xp (t) = e

eA(t) b(t) dt .

Note que:
xp (t)

A(t)

= A (t)e

eA(t) b(t) dt ,

xp (t) = A (t)xp (t) + b(t) ,

xp (t) = a(t)xp (t) + b(t) ,
on de (4.3), la cual llamaremos la solucion particular de (4.3).
es decir, xp (t) es soluci
3. En consecuencia, toda soluci
on de (4.3) es de la forma:
x(t) = xh (t) + xp (t) .
(Soluci
on homogenea + soluci
on particular)
Ejemplo 4.0.4 Resolver el siguiente problema de Cauchy.
x + 2x = et ,
En este caso: a(t) = 2, b(t) = et , A(t) =
Por tanto:

x(0) =

1
.
4

a(t) dt = 2t.


x(t) = c eA(t) + eA(t) eA(t) b(t) dt ,

= c e2t + e2t e2t et dt ,

= c e2t + e2t e3t dt ,
1
= c e2t + e2t e3t ,
3
1
= c e2t + e5t .
3
54

Reemplazando la condici
on inicial:
x(t) = c

1
1
= ;
3
4

x(t) =

7 2t
e
12

En conclusi
on:

c=

Sol. homog
enea

1 1
7
+ =
.
4 3
12

1
+ ( )e5t .
 3
Sol. particular

Ejemplo 4.0.5 Resolver:

1
x + x = sen t, t > 0 .
t
1
En este caso, a(t) = t , A(t) = ln t , b(t) = sen t. As:

x(t) = c eA(t) + eA(t) eA(t) b(t) dt ,

x(t) = c eln t + eln t e ln t b(t) dt ,

sen t
dt ,
x(t) = c t + t
t

sen t
dt dene una funci
on analtica dada por:
La integral
t


!
(1)n t2n
sin t
dt =
= g(t)
t
(2n
+
1)!
n=0

Como se puede ver, una ecuacion lineal sencilla puede dar soluciones complicadas.
Con el siguiente ejemplo mostramos una nemotecnia para que recuerdes y apliques en la soluci
on
de problemas relacionados con las ecuaciones lineales ordinarias.

Ejemplo 4.0.6 Resolver:

3
x x = t 5 ,
t

t > 0.

1. Identico
3
q(t) = ,
t
3
x x = t 5
t

55

p(t) = t5 .
x + q(t)x = p(t) .

2. Factor integrante,

3t dt

= t3

q(t) dt

3. Multiplico la ecuaci
on por el factor integrante,
3
t3 (x x) = t3 t5
t

(x + q(t)x) = e


d  q(t) dt
(e
x) = e q(t) dt p(t) .
dt

q(t)dt

q(t) dt

p(t) .

4. Siempre se obtiene,
d 3
(t x) = t2
dt

5. Integramos a ambos lados,


1
t3 x = t2 dt = t3 + c
3


q(t) dt

x=

q(t) dt

p(t) dt + c .

6. Despejamos x = x(t) ,
1
x(t) = t6 + c t3
3

x(t) = c e

q(t) dt

+ e


q(t) dt

q(t) dt

p(t) dt .

Observaci
on 4.0.2 Note que llegamos a la f
ormula

x(t) = c e

q(t) dt

+e


q(t) ,dt

q(t) ,dt

p(t) dt ,

es la misma f
ormula que se obtiene con el metodo de variaci
on de par
ametros, exceptuando los
signos (pues a(t) = q(t)).
Ya estamos listos para resolver las ecuaciones de Bernoulli
x + q(t)x = p(t)xn ,

n N {1}.
1

on de Bernoulli en la
Sabemos que bajo el cambio de variable x = u 1n , (n = 1), la ecuaci
variable u = u(t) queda de la forma:
u + r(t)u = m(t),
con r(t) = (1 n)q(t); m(t) = (1 n)p(t).
La ecuaci
on (4.7) ya la sabemos resolver, pues es una ecuacion lineal.
Veamos un ejemplo:

56

(4.7)

Ejemplo 4.0.7
1
2
x + x = 2 x3 ,
t
t
1
2
En este caso: n = 3, q(t) = , p(t) = 2 .
t
t
1

t ]0, [ .

on:
Haciendo el cambio de variable x = u 1n ; x = u 2 , se llega a la ecuaci
u + r(t)u = m(t) ,
con r(t) = 4q(t) ; m(t) = 4p(t). Es decir:
4
8
u + u = 2 .
t
t

(4.8)

La funci
on u = u(t), que cumple (4.8), est
a dada por:

A(t)
A(t)
+e
eA(t) b(t) dt ,
u(t) = c e

con A(t) =

4
8
dt = 8 ln(t), t ]0, [ , b(t) = 2 .
t
t

As que:
u(t) =
=
=


1
8 4
c
+ 8 eln(t ) 2 dt ,
8
t
t
t

4
c
+
t6 dt ,
t8 t8
4
c
+ t , c-cte.
8
t
7

En consecuencia:
x(t) =
=

4.1.


4

4

u(t) ,
4
c
+ t,
8
t
7

c-cte, t ]0, +].

Aplicaciones

A continuacion vamos a presentar una serie de aplicaciones de la ecuacion lineal en diferentes

ramas de la ciencia.

4.1.1.

En economa (Walrasian T
atonnement Process)

La palabra Tatonnement proveniente del frances y signica tanteo o ir en prueba y error.

El proceso de tanteo de Walras introducido por el economista y matematico Leon Walras es un
tipo de proceso de compra y venta de bienes y servicios.
57

Walras visualiz
o el equilibrio del mercado como un resultado del proceso de tanteo. Un moderador anuncia un producto con precio p, y los compradores y vendedores hacen su oferta.
Si esta oferta resulta es un exceso de demanda E(p) 0 el precio se elevara hasta el equilibrio,
en el que la oferta iguala a la demanda. (E(p) = 0) Este proceso se invierte cuando hay un
exceso de oferta p = k E(p) donde k es una constante positiva que reeja la velocidad de ajuste
y E(p) D(p) S(p) es el exceso de demanda.
Como un caso sencillo de este proceso, se considera el caso inicial donde
D(p) = + p demanda del producto.
S(p) = + p oferta del producto.
Entonces; seg
un la ley de Walras:
p = k E(p) = k [D(p) S(p)] .
As que:
p = k ( + p p) ,
p = k ( )p + k ( ) .

(4.9)

Esta es una ecuaci

on lineal en p = p(t) cuya solucion es:


k ()t

+ p0
e
con = ,
p(t) =

donde p0 = p(0).
Observaci
on 4.1.1 . Demostrar que es la soluci
on de (4.9).
Note que, si < 0 entonces:
lm p(t) =

Caso estable.

Note ademas que es la pendiente de la curva demanda y es la pendiente de la curva

de oferta y cuando < 1 (lo cual siempre se cumple cuando la demanda tiene pendiente
negativa y la oferta pendiente positiva) el mercado es estable; es decir: El exceso de demanda es
reducido y eventualmente eliminado por precios corrientes.
Si > 0 entonces estamos en el caso inestable: Una continua e indenida inacion se abre
paso.
Otro modelo en economa (mas en detalle, en Macroeconoma) es el modelo Keynesiano sobre
la renta nacional de un pais. Dicho modelo conlleva a una ecuaci
on lineal de primer orden en la
variable Y Renta nacional.

58

4.1.2.

En mec
anica cl
asica

Entre las m
as bonitas y pr
acticas aplicaciones de las ecuaciones lineales de primer orden (en una
variable dependiente) esta el describir las trayectorias de los movimientos de un cuerpo rgido
(cuerpo rgido partcula radialmente simetrica con distribuci
on de densidad uniforme, por
ejemplo, piense en una bola de billar muy muy peque
na).
Suponga que un cuerpo rgido de masa m es atrado por el campo gravitacional de la tierra y se
encuentra a una distancia x del nivel del mar. De la ley de Newton para atraccion de cuerpos
se tiene:
mgR2
, g constante gravitacional,
(4.10)
mx (t) =
(T + x)2
donde:
x = x(t) posicion del cuerpo en el tiempo t.
x = x (t) velocidad del cuerpo en el tiempo t.
x = x (t) aceleraci
on del cuerpo en el tiempo t.
Sabemos que, si v es la velocidad del cuerpo, entonces:
v  (t) =

dv
dv dx

=v
.
dx dt
dx

(4.11)

Reemplazando en (4.10) tenemos:

v

gR2
dv
=
.
dx
(R + x)2

(4.12)

La ecuaci
on (4.12) es una ecuaci
on en variables separables v = v(x). Resolvemos (4.12) y obtenemos:
gR2
v2
=
+ c, c-cte.
2
(R + x)
Las condiciones fsicas del problema son:
x(0) = xo = 0,

v(0) = vo > 0 .

As tenemos
v = v(x(t)),
En consecuencia

vo = v(x(0)) = v(0) > 0 .



v(x(t)) = vo2 2gR +

2gR2
.
R + x(t)

Si el cuerpo esta ascendiendo se toma el signo positivo (+), y si el cuerpo esta descendiendo se
toma el signo negativo ().

59

La altura m
axima de ascenso ser
a cuando v = 0; luego, altura maxima, v() = 0, =
As que, la velocidad inicial necesaria para llegar a la altura es


vo = 2gR
.
R+

vo2 R
2gRvo2

La velocidad de escape ve sera cuando , as que




= 2gR 11,1km/s.
ve = lm 2gR

R+
Este n
umero es solo una aproximacion; en la vida real se encuentran condiciones como la resistencia del aire, la humedad, entre otras; que incrementan la velocidad de escape.

Observaci
on 4.1.2 Sabemos que la fuerza que ejerce la tierra sobre un cuerpo es su peso.
Entonces el peso w(x) est
a dado por
w(x) =

mgR2
.
(R + x)2

Si consideramos la primera aproximacion (la parte lineal del desarrollo de Taylor para w = w(x))
en x = 0 (cerca al nivel del mar) tenemos
w(x) = w(0) + w (0)x + O(x) ,
w(x) w(0) + w (0)x ,
2x
), para x peque
no.
w(x) mg(1
R
As que:
w(x) = mg .
Ahora veamos que si en la ecuaci
on (4.10) consideramos x = 0 (nivel del mar) y v(t) = x (t),
v  (t) = x (t), entonces
(4.13)
v  = g .
A la ecuaci
on (4.13) le a
nadimos una fuerza de fricci
on fR (v) dad por fR (v) = v
m y tenemos
v  = g

v
v
v +
= g ,
m
m

(4.14)

la ecuaci
on (4.14) es una ecuacion lineal y sabemos resolverla.
El signo que acompa
na a la constante g en (4.14) depende de la direcci
on positiva del eje del
movimiento del cuerpo rgido. Si pensamos en cada libre la direcci
on positiva es haca abajo y
se toma g en vez de g. Lo mismo en caso contrario.
As

mg
+ c e m t .
v(t) =

60

Como v(0) = 0 (cada libre) entonces c =

mg

mg
(1 e m t ) Velocidad.

(4.15)

m2 g
mg
t + 2 (1 e m t ) Posicion.

(4.16)

v(t) =
E integrando (4.15) tenemos
x(t) =
En problemas de cada libre

v(t) =

mg
(1 e m t ) ,

m2 g
mg
t 2 (1 e m t ) .

mg
Observa que si t entonces v(t) velocidad lmite.

x(t) =

4.1.3.

En ingeniera y fsica

En la teora de circuitos es notorio y de forma continua la presencia de las ecuaciones diferenciales en su analisis. Seguramente el lector reconoce los parlantes Bose reconocidos por su delidad,
muy superior frente a otras marcas. Pues bien, uno de los m
as reconocidos profesores de Ingeniera Electrica con alto nivel de matematicas fue Amar Bose. Esta en lo correcto si reconocio el
signicado de su apellido.
Los circuitos son un ejemplo de lo que se conoce en el campo cientco como Modelo de Redes,
los cuales se usan ampliamente por ejemplo, en la manufactura y otros sistemas econ
omicos.
Sin ser rigurosos en el analisis consideramos la siguiente tabla
Dispositivo

Smbolo

Unidad

Cada de voltaje

Resistor

ohm ()

v = iR

Capacitor

farad (f )

C dv
dt = i

Inductor

henry (H)

di
v = L dt

Vamos a considerar los circuitos RL (Resistor-Inductor)

Primero nos referimos a dos leyes fundamentales conocidas como leyes de Kirchho:
Ley de corriente: La suma algebraica de las corrientes que entran en un nodo en cualquier
instante es igual a cero.

i1 i2 = 0

i1 + i2 = 0
61

i1 i2 + i3 = 0

i1 + i2 + i3 = 0

Ley de voltaje: La suma algebraica de las cadas de voltaje en una malla en cualquier instante es igual a cero.

Dado un circuito RL como en la gura, aplicamos la ley de Voltajes y tenemos seg

un la tabla 1
lo siguiente.
Cada de Voltaje en la fuente+ Cada de Voltaje en el resistor+ Cada de Voltaje en el inductor
= 0.
Esto equivale a:
E(t) + i(t)R(t) + L(t)

di(t)
= 0.
dt

Lo que determina la ecuaci

on
i +

E(t)
R(t)
i=
.
L(t)
L(t)

Tenemos entonces una ecuaci

on diferencial lineal para la funcion de corriente i = i(t).
Suponga que E(t) = e fuente de voltaje constante, R = R(t) Resistor de resistencia
constante y L(t) = L inductor con inductancia constante. Entonces tenemos como incognita la
corriente i = i(t).
i +

R
i = e.
L
62

Por lo tanto
R

i(t) = k e L t +
Note que lm i(t) =
t

E
R

E
.
R

Estado estacionario.
R

lm k e L t = 0.

Vamos de un estado transitorio a un estado constante o un estado estacionario.

Si E(t) = A sen t, A constante (fuente de voltaje oscilatoria).
R
A
i(t) = k e L t + (sin t cos t) .
2
Note que lm i(t) no existe (oscila).
t

lm k e L t = 0 .

Vamos de un estado transitorio a un estado oscilatorio.

Consideremos ahora circuitos RC (Resistor-Capacitor) con q(t) carga (energa almacenada en
el capacitor en el tiempo t.)

Tenemos: q(t) = c v(t) y de la tabla 1

q  (t) = c v  (t) = q  = i .
De nuevo, aplicando la ley de corrientes:
1
E(t) + iR(t) + q(t) = 0 .
c
Lo que determina la ecuaci
on
q  (t) +

E(t)
1
q(t) =
.
c R(t)
R(t)

(4.17)

Encontramos de nuevo una ecuacion diferencial lineal para la funcion carga q = q(t).
Ejercicio: Suponga que E(t) = e y R(t) = R; con e y R constantes. Encuentre la soluci
on de
(4.17).
63

4.1.4.

En qumica

Tratamiento de aguas
Consideremos un tanque de agua cuyo volumen en cualquier instante de tiempo se mantiene
constante.

Imaginemos que dentro del tanque de agua hay una cantidad de contaminante Q(t) de alg
un
tipo. Nos preguntamos por la cantidad de contaminante en cualquier instante de tiempo.
El principio fsico (conservaci
on de la cantidad Q) que se obtiene es

 



dQ
Tasa de ujo de
Tasa de ujo de
Tiempo de
=

=
entrada de Q
salida de Q
cambio de Q
dt
Ahora bien


Tasa de ujo de
entrada de Q

Tasa de ujo de
salida de Q

Concentraci
on de
Flujo de volumen de agua
contaminante de entrada
que entra al tanque
=
Ce
ve

Concentraci
on de
Flujo de volumen de agua
contaminante de salida
=
que sale del tanque
Cs
vs

Se supone que el agua en el tanque esta bien mezclada (agua + contaminante), de manera
que se supone que la concentraci
on del ujo de salida del contaminante es la misma que la
concentraci
on global de contaminante en el tanque.


Concentraci
on de
contaminante en el tanque


=

Q(t)
Cantidad de contaminante
=
.
Volumen del tanque
v

Del principio fsico se desprende

Q
dQ
= ve ce vs cs = ve ce vs ,
dt
v
y llegamos as, a una ecuaci
on lineal
Q + vs

Q
= ve ce .
v
64

Ahora, si consideramos el volumen no constante, suponemos que entra una concentracion de

contaminante a una tasa re y sale del tanque a una tasa rs . As
v(t) = v(0) + (re rs )t .
Entonces
Cs =

Q(t)
Q(t)
=
.
v(t)
v(0) + (re rs )t

Por tanto, concluimos que

ve re ,

vs rs ,

y ademas, la ecuaci
on lineal es
Q + rs

4.2.

Q
= re Ce .
v0 + (re rs )t

Ejercicios

1. Para cada una de las siguiente ecuaciones, encuentre su respectiva solucion.

dP
+ 2tP = P + 4t 2
dt
di
b) L + Ri = E, L = 0 L, R, E constantes
dt
dx
+ x2 = tx
c) t2
dt
3
1
dy
+ y 2 = 1, y(0) = 4.
d) y 2
dx
a)

2. Considere el problema de valor inicial

x + et x = f (t),

x(0) = 1 .

Exprese la soluci
on del PVI anterior en el caso t > 0, como una integral no elemental,
cuando f (t) = 1.Cual es la solucion cuando f (t) = 0? Cuando f (t) = et ?
3. Considere la EDO
x =

1
,
t + x2

a) Determine ques esta ecuaci

on es lineal si se considera a la variable t como funcion de
x (t = t(x)).
b) Teniendo en cuenta el item anterior, encuentre su solucion.
4. Dada la ecuaci
on diferencial

y  + p(x)y = f (x) .


p(x) dx . No se tiene en cuenta la constante de inteSabemos que

 el factor integrante es e

graci
on en p(x) dx. Explicar por que usar p(x) dx + c no tiene efecto alguno sobre la
solucion de la ecuaci
on diferencial.

65

5. Suponga que p(x) es continua en alg

un intervalo abierto I y que el punto a esta incluido
en I. Que se puede decir acerca de la soluci
on del problema de valor inicial
y  + p(x)y = 0,

y(a) = 0?

6. Considere el problema de valor inicial


x + 1 + sen2 t x = t,

x(0) = 2 .

Demuestre que el factor integrante para esta ecuaci

on se puede escribir como
t

(t) = e

1+sen2 s ds

y que la soluci
on del problema de valor inicial es
 t
2
1
.
( ). d
x(t) =
(t) 0
(t)
7. Demuestre que si a y son constantes positivas y b es cualquier n
umero real, entonces
toda solucion de la ecuaci
on x + ax = bet tiene la propiedad de que x 0 cuando
t (Sug: Considere a = y a = ).
8. Sea u = u1 (t) una solucion de

u + p(t)u = 0

(H) ,

y sea u = u2 (t) una solucion de

u + p(t)u = q(t)

(NH) .

Demuestre que u = u1 (t) + u2 (t) tambien es solucion de (NH).

9. En economa, un modelo matematico que describe la variaci
on de la renta nacional (Y )
de un pais, es el modelo keynesiano; en el cual se asume que la renta nacional aumenta en
respuesta al exceso de demanda (D Y ).
 y gasto p
En una economa cerrada simple con inversi
on (I)
ublico (G) el exceso de demanda
es igual al consumo mas la inversion mas el gasto p
ublico. Se asume que el consumo (C) es
una funci
on lineal y creciente de la renta nacional (C(Y ) = Co + C1 Y ). Encuentre la EDO
que modele el crecimiento de la renta nacional en cualquier instante de tiempo. Resuelva
esta ecuaci
on que encuentra y estudie el comportamiento de la funci
on Y = Y (t) cuando
t .
10. Considere un tanque de 100 m3 lleno de agua. El agua contiene un contaminante con una
concentraci
on de 0,6 mg3 . Se bombea haca el tanque bien mezclado agua mas limpia con
3
una concentraci
on de contaminante de 0,15 mg3 , a una tasa de 5 ms . El agua uye haca
afuera del tanque a traves de una valvula de exceso de ujo a la misma tasa que se bombea
haca adentro.

66

a) Determine la cantidad y concentraci

on del contaminante en el tanque como una funci
on del tiempo. Realice la graca de esta funci
on.
b) En que momento sera 0,3

g
m3

la concentraci
on?

En los ejercicios 11 al 14 se reeren al circuito dado en la gura a continuacion

11. Establezca la ecuaci
on diferencial para la corriente, si la fuente del voltaje es e = e(t) sin t,
el resistor vale 1 ohm y la inductancia 1 H. Determine la corriente como una funci
on del
tiempo para cualquier condici
on inicial i(0).
12. La fuente de voltaje es una constante e, la inductancia es L > 0 y el resistor es lineal con
valor R > 0.
a) Demuestre que lm i(t) existe y es el mismo para cualquier corriente inicial.
i0

b) Si e = 8,5, para que valores de R y L se cumple lm i(t) = 4,2 ?

t

13. El resistor tiene valor de 1 ohm y la inductancia L = 1 H. La fuente de voltaje es una

batera de 9 v que se desconecta (con cortocircuito) despues de 10 s. Es decir,

9, 0 t 10
e(t) =
0, t 10
La corriente inicial es cero. Encuentre i(t) para 0 t 20 y graque el resultado.
14. La resistencia (o lo mismo, el resistor) vale 2 ohm y la inductancia L = 1 H. La fuente
de voltaje es 1,5 v que se desconecta despues de los primeros 10 s y se conecta luego (con
un interruptor). La corriente inicial es cero. Encuentre i(t) para 0 t 20 y graque el
resultado.
15. En un circuito RC el capacitor es 0,5 F , el resistor es lineal y vale 2 ohm y la fuente de
voltaje sinusoidal est
a dada por e(t) = 6 sin t. Encuentre la carga en el capacitor como
funci
on de t dado que inicialmente era 1 F .
16. Suponga que un circuito RC tiene un resistor variable. Si en el tiempo t, la resistencia
esta dada por R = R(t) = r0 + r1 t, r0 , r1 > 0, constantes. Cual es la EDO que determina
la carga del capacitor en cualquier instante t?
Si tenemos una fuente constante e(t) = e0 y la carga inicial es q0 para el capacitor,
demuestre que la carga del capacitor en cualquier instante de tiempo es

q(t) = e0 C + (q0 e0 C)

r0
r0 + r1 t

1
C r1

donde C es la capacitancia del capacitor del circuito.

17. Ley de Newton para el enfriamiento de cuerpos. Isaac Newton formulo una ley sobre el
enfriamiento de un cuerpo. Dicha ley dice que la variaci
on de temperatura en un cuerpo

67

es proporcional a la diferencia que hay entre la temperatura del cuerpo y la del medio que
lo rodea. Matem
aticamente, dicha ley se expresa as:
dT
(t) = k (T (t) Tm ) .
dt

()

T = T (t): temperatura del cuerpo en el instante t.

Tm : temperatura del medio donde esta el cuerpo.
constante de proporcionalidad.
Resuelva la ecuaci
on (). Ahora bien, piense por ejemplo que un estudiante de la PUJ
pide un milo caliente en la cafetera. El vaso de milo se retira del horno microondas a una
as tarde, su temperatura es de 110o F . Cuanto
temperatura de 200o F . Diez minutos m
tiempo le llevara al vaso de milo enfriarse a la temperatura ambiente de 70o F ?
18. Una masa de 20 g se deja caer de desde un avion que vuela horizontalmente. La resistencia del aire act
ua con una constante de proporcionalidad de 10 gs . Considerando solo el
movimiento vertical:
a) Encuentre la velocidad con la cual cae el cuerpo, como una funci
on del tiempo.
b) Encuentre la velocidad despues de 10 s, suponiendo que el cuerpo no ha chocado con
el suelo.
c) Si se supone que la fuerza gravitacional es constante calcule
vlmite = lm v(t) ,
t

donde v(t) velocidad del cuerpo en el tiempo t.

19. Resolver las siguiente ecuaciones:
dv
+ 4uv = 3u
dt
dy
+ 3(x + 1)y = x 1
(x2 + x 2)
dt
dy 2x + 1
y =x1
x +
dt
x+1
dy
+ 2x3 y = 1
x4
dx
dx
+ 4tx = t, x(2) = 1.
(t2 + 1)
dt

a) (u2 + 1)
b)
c)
d)
e)

68

Captulo 5

Sistemas de Ecuaciones Diferenciales

Ordinarias
Iniciamos en esta gua una nueva etapa en el curso de ecuaciones diferenciales ordinarias; nos
encontramos a las puertas de los Sistemas de Ecuaciones Diferenciales Ordinarias. Este tema es
uno de los mas bonitos y extensos en el estudio de las ecuaciones diferenciales, o visto de otra
forma, es en esencia el objeto fundamental de estudio de todo curso de ecuaciones diferenciales.
Sin ser muy rigurosos, vamos a dar una breve introduccion a los Sistemas de Ecuaciones Diferenciales Ordinarias (S.E.D.O).
Imaginamos un habitat (piensa en un dominio D en el plano) en donde viven dos especies, digamos x e y. Vamos a dar una serie de suposiciones sobre el crecimiento poblacional de cada especie.
1. Las Especies no interactuan en tres s. Se sigue un modelo de Malthus para modelar el crecimiento.
Bajo este supuesto, si quisieramos conocer la cantidad de individuos de cada especie llegaramos
llegaramos a un par de ecuaciones de la
x = kx ,


y = y ,

(5.1)
(5.2)

con k, constantes. La no interaccion de las especies se ve reejada en la independencia de las

ecuaciones. (La variable x no aparece en la ecuaci
on (5.2) y la variable y no aparece en la ecuacion (5.2)).
Las constantes k, dependen de muchas condiciones dadas en principio por el mismo habitat
de las especies, alimento mnimo para sobrevivir, entre otras.

69

Vamos a utilizar una notacion distinta basada en el curso de algebra lineal.


Sea X =

x
y


.

Denimos la funcion de clase C 1

X : I R R2

x(t)
y(t)

t X(t) =


Mas a
un:


x (t)
y  (t)

X (t) =


.


.

As que si x(t) e y(t) son soluciones de (5.1) y (5.2) respectivamente:



X (t) =

Si A =

k 0
0

kx (t)
y  (t)


=

k 0
0



x(t)
y(t)


.


, entonces llegamos a la ecuacion diferencial de primer orden (en forma ma-

tricial)

X  = AX

Recordemos que x = ax; equivale a decir:



x
y


=

k 0
0



x
y


.

(5.3)

La ecuaci
on (5.3) representa un Sistema de Ecuaciones Diferenciales de primer orden en forma
matricial. Las ecuaciones (5.1) y (5.2) vista de forma conjuta forman un sistema de ecuaciones
diferenciales de primer orden (no acoplado).1
El sistema de dos ecuaciones dado por (5.3) es el ejemplo mas simple. Sin embargo, sistemas
mas complicados de dos ecuaciones pueden reducirse a esta forma.
Desde un punto de vista mas geometrico, podemos considerar la aplicaci
on
A : R2  R2  

x
x
kx
A
=
.
y
y
y
GRAFICA!! pagina 5 guia 6.
Por otro lado, si (t) = (x(t), y(t))T es una solucion de (5.3) (o bien (5.1) y (5.2)), la familia de
todas las curvas solucion (t) R2 se conoce como espacio de fases de (5.3).
1

El no acoplado equivale a Las especies no interactuan entre s.

70

Veamos algunos casos:

GRAFICA
pg 6 gua 6

Ambas especies crecen sin

lmite.
x: proliferacion.
y: proliferacion.

GRAFICA
pg 6 gua 6

La especie x crece sin lmite

mientras que la especie y decrece a cero (muere).
x: proliferacion.
y: extincion.

GRAFICA
pg 6 gua 6

La especie x decrece a cero

(muere) mientras que la especie y crece sin lmite.
x: extincion.
y: proliferacion.

GRAFICA
pg 6 gua 6

La especie x e y decrece a cero

(extinci
on de las especies).
x: extincion.
y: extincion.

En este punto es relevante preguntarse: Como hallar las soluciones de (5.3)?

La respuesta a esta pregunta tiene su inicio en una simple observacion:
Sabemos que para la ecuacion diferencial de primer orden
x:I RR
x = ax,

a-cte,

no esperar que
todas las soluciones son de la forma: x(t) = ceat con c-cte. Pues bien, no es extra
todas las soluciones de (5.3) tengan la misma forma:
(t) = etA C,
donde C-vector de constantes (2 1) y etA - matriz (2 2) solucion. A la matriz etA se le conoce
como Matriz Exponencial de la matriz tA.

tA =

tk 0
0 t


.

As que nuestra tarea es encontrar la matriz exponencial de un sistema de ecuaciones dado.

71

Por otro lado, si nos jamos bien en las ecuaciones (5.1) y (5.2) sabemos que; las soluciones
estan dadas por:
x(t) = c1 ekt ; y(t) = c2 et ; c1 , c2 -ctes.
As que las soluciones de (5.3) seran de la forma:

(t) =

x(t)
y(t)


=

c1 ekt
c2 et


,

las cuales las podemos expresar as:


(t) =

ekt 0
0 et


=

c1
c2


.

Si denimos:

tA

ekt 0
0 et


;

C=

c1
c2


,

entonces todas las soluciones son de la forma

(t) = etA C
tal como lo esperabamos.
Para este modelo fue posible encontrar la matriz exponencial etA , pero en general, esta no es
una tarea sencilla.
2. Las especies interactuan entre s.
Bajo este supuesto, un posible modelo sera el siguiente
x = ax + by ,
y  = cx + dy ,
con a, b, c, d-ctes (c, b = 0). Este sistema de ecuaciones (acoplado)2 lo escribimos en forma
matricial
 


x
a b
con X =
; A=
.
X  = AX ,
y
c d
Quien es etA en este caso?
Esta pregunta no es tan facil de responder. Es mas, es falso en general armar que
 at bt 
e
e
tA
.
e =
ect edt
A
un siendo este un caso de dimension muy baja (2 2) la matriz etA no es tan evidente.
Por ejemplo:
2

El acoplado equivale a las especies interactuan entre s.

72

Si a = d = , b = , c = ( > 0)
entonces:


cos t sen t
tA
t
.
e =e
sen t cos t
Si a = d = 0 y c b > 0
entonces:
tA

1
=
2

 

bt e cb e cb
e cb + e cb

.

ct e cb e cb
e cb + e cb

Dejamos esta breve introduccion a los sistemas de ecuaciones diferenciales y nos encaminamos
a la tarea de presentar todo el andamiaje matem
atico para resolver sistemas de ecuaciones de
la forma
X  = A(t)X + b(t),
con A-matriz n n

A : I R Mnn (R)
t A(t) = [aij (t)]1in
b : I R Rn

(5.4)

,1jn

b1 (t)

t b(t) = ... .
bn (t)

Las aplicaciones A y b las suponemos continuas en I R.

Diremos que (5.4) es homogenea si b(t) 0 t I R.

X  = A(t)X

Problema homogeneo asociado a (5.4).

En el caso tal de que b(t) = 0 para alg

un t I R, entonces (5.4) se llama afn o completa.
Nuestro objetivo es resolver el problema de Cauchy,

(P )

X  = A(t)X + b(t) ,
X(t0 )= X0 ,

x01 (t)

on inicial; (t0 , x0 ) I Rn .
donde X0 = ... es la condici
x0n (t)

Con este objetivo en mente, necesitaremos primero unos resultados del Analisis Funcional.

73

Dado un intervalo I R, abierto y una aplicacion

: I R Mnn (R) ,
denimos la derivada de en un punto t I como:
(t + h) (t)
,
h0
h

 (t) = lm
cuando el lmite exista.

Lema 5.1 Sean , : I Mnn (R) derivables en t0 I. Entonces:


d

()
=  (t0 )(t0 ) + (t0 )  (t0 )
dt
t=t0
(Regla del producto)
Lema 5.2 Sea : I R Mnn (R) derivable en todo t0 R y suponga que det (t0 ) = 0.
Entonces
1 : I Mnn (R),
es derivable en t0 y


 1
(t0 ) = 1 (t0 ) (t0 )1 (t0 ).

on det : I R es derivable y su
Lema 5.3 Dada : I R Mnn (R) derivable, la funci
derivada es:
 





 11 12  

12
1n
11
1n




d

..  + . . . +  ..
.. 
(det (t)) =  ...


. 
. 
 
 .
dt




nn
n1 n2 nn 
n1 n2
Ejemplo 5.0.1 Sea


(t) =

5t2 t ln(t)
sen t
et

donde t > 0, entonces:


 10t t ln(t)
d
(det (t)) = 
cos t
et
dt

 
  5t2 ln(t) + 1
+
  sen t
et






= 10tet t ln(t) cos t + 5t2 et sen t(ln(t) + 1).

Ahora consideremos el conjunto
Zb = {X C 1 (I, R) | X  = A(t)X + b(t)},

74

es decir: el conjunto de las soluciones de (5.4) o bien de la ecuacion diferencial E.D.L.

on diferencial lineal hoEn particular, si b = 0 , Z0 es el conjunto de soluciones de la ecuaci

mogenea E.D.L.H.
Se puede demostrar que C 1 (I, Rn ) conjunto de todas las funciones de clase C 1 de I R
on innita). Mas a
un, el siguiente teorema es
en Rn forma un espacio vectorial (de dimensi
fundamental para nuestro estudio.
on n de C 1 (I, Rn ).
Teorema 5.0.2 Z0 es un subespacio vectorial de dimensi
Este teorema nos dice que Z0 tiene una base conformada por n-funciones 1 (t), . . . n (t) ;
i : I R Rn , i = 1, . . . , n.
Mas a
un, a toda base de Z0 se le llama Sistema Fundamental de Soluciones de la E.D.L.H.
Corolario 5.0.3 Toda soluci
on de E.D.L.se escribe como la suma de una soluci
on particular
de la ecuaci
on completa y de alguna soluci
on de la E.D.L.H. Es decir, si
Xp Zb ,
Xh Z0 ,
entonces
X = Xp + Xh ,
Nos centramos ahora en la E.D.L.H.

X Zb .

X  = A(t)X ,

donde A : I R Mnn (R) es continua.

Diremos que una funci
on matricial : I R Mnn (R) es una matriz solucion de la
ecuaci
on de E.D.L.H, si es solucion de la ecuaci
on matricial
 (t) = A(t)(t).
Esta denicion es equivalente a que las columnas de son soluciones de E.D.L.H; pues si
ponemos por columnas:
= ( 1 | 2 | . . . | n )

11
..
.
n1

12
..
.
n2

75

..
.

1n
..
.
nn

y si derivamos: (ver el lema 6.3).

 (t) = (
=(
=
 (t) =

1 (t)
A(t)1 (t)
A(t) (1 (t)

2 (t)

n (t)

| ... |

),

| A(t)2 (t) | . . . | A(t)n (t) ),

|

2 (t)

n (t)

| ... |

),

A(t) (t) .

Por otro lado, la matriz solucion se dice que es fundamental si sus columnas son linealmente
independientes si y solo si det (t) = 0 , t I.
Proposici
on 5.0.1 Sea una matriz soluci
on de E.D.L.H. son equivalentes:
i) es una matriz fundamental (m. f ).
ii) Existe t0 I tal que det (t0 ) = 0.
iii) det (t0 ) = 0 , t0 I.
Cabe mencionar que existen innitas matrices fundamentales, pero todas ellas estan relacionadas
as:
Proposici
on 5.0.2 Sea una m.f. de E.D.L.H. entonces:
i) (t) C es una m.f. de E.D.L.H. con C Mnn (R) una matriz constante tal que
det C = 0.
ii) Si es otra m.f. de E.D.L.H., existe C Mnn (R) una matriz constante tal que
(t) = (t) C, t I.
A continuacion presentamos un teorema clave en nuestro estudio.
Teorema 5.0.4 (F
ormula de Jacobi)
Sea (t) una matriz soluci
on de E.D.L.H. y t0 I. Entonces se verica:
t

det (t) = det (t0 ) e t0

T r A(s) ds

donde T r A(t) es la traza de la matriz A(t).

La formula de Jacobi nos permitira mas adelante encontrar soluciones de una ecuacion diferencial de primer orden a partir de una solucion conocida.
Soluci
on de la E.D.L. Completa
Dado el problema de Cauchy
76

X  = A(t)X ,
X(t0 )= X0 ,

t0 I

una matriz fundamental (t0 ) es principal en t0 si (t0 ) = In matriz identidad de orden n.

Teorema 5.0.5 (Teorema de Existencia y Unicidad)
Para el problema de Cauchy, A : I R Mnn (R) continua

(P.V.I)

X  = A(t)X ,
X(t0 )= X0 .

t0 I

nica. M
as a
un si (t) es fundamental
Siempre existe una matriz principal t0 I y tal matriz es u
on de P.V.I. es X(t) = (t)X0 .
y principal en t0 entonces la soluci
Vamos a generalizar lo anterior para la E.D.L. completa.

Teorema 5.0.6 (F
ormula de Variaci
on )
Considere el P.V.I.

X  = A(t)X + b(t) ,
(P.V.I)
X(t0 )= X0 .
Con A : I R Mnn (R) continua, b : I R Rn continua. Si (t) es una matriz
fundamental y principal de
X  = A(t)X,
on de P.V.I es:
en t0 entonces la soluci
t
X(t) = (t)X0 + (t)

1 (s)b(s) ds .

t0

Note que: X(t) = Xh (t) + Xp (t), solucion homogenea + solucion particular.

Ecuaci
on Diferencial Lineal con Coeficientes constantes
Acabamos de ver que para resolver una E.D.L. necesitamos encontrar una matriz fundamental
de la correspondiente E.D.L.H. Actualmente no existe ning
un metodo que permita encontrar
dicha matriz fundamental.
Pero en el caso

A : I R Mnn (R)
t A(t) = A = [aij ],

77

en donde A es una matriz con coecientes aij constantes, si existe un metodo para hallar una
matriz fundamental de la ecuacion E.D.L.H. con coecientes constantes
X = A X
y as despues de aplicar la formula de variaci
on de constantes, resolver:
X  = A X + b(t)
Definici
on 5.0.7 Sea A Mnn (R). Denimos la matriz exponencial de A como:
A

e =

!
An
n=0

n!

Esta denicion es correcta, pues la serie es convergente, en efecto:

(
( q
( n(
n
q
(  An (
( A (
( = lm (
( lm  A 
(
(
(
q ( n=0 n! (
q n=0 n!
n=0 n!
q An 

q n=0 n!

lm

= eA < .

Teorema 5.0.8 la matriz (t) = eA(tt0 ) es matriz fundamental y principal en t0 para el P.V.I.

X  = AX ,
X(t0 )= X0 .
El lector podra pensar que hemos denido de la manga la matriz fundamental, estoy de acuerdo;
pero no es el objetivo de estas notas ser rigurosos. En este punto, basta con mencionar e invitar
al lector a leer el tema correspondiente a las iteraciones de Picard.

X = A x ;

t
Xn+1 = X0 + A


Xn (s) ds

t0

Del anterior teorema se deducen los siguientes resultados:

Lema 5.4 Dada A Mnn R, t0 R. Si (t) = eA(tt0 ) , se cumple que:
 (t) = AeA(tt0 )
Corolario 5.0.9 Por el teorema de Jacobi (f
ormula de Jacobi), se cumple, con t0 = 0
1. det eAt = etT r(A) . Si t = 1, det eA = eT r(A) .
olo si eA es invertible.
2. det eA > 0 si y s

78

3. Dado que eA es invertible entonces

(eA )1 = eA .
En base a este resultado, podemos expresar la formula de variaci
on de constantes, en una forma
mas familiar.
Observaci
on 5.0.1 todas las soluciones de

X  = AX + b(t) ,
X(t0 )= X0 .
son de la forma:
A(tt0 )

X(t) = e

A(tt0 )

t

X0 + e

eA(tt0 ) b(s) ds .

t0

Como calcular la matriz eAt ?

Dada una matriz A Mnn (R) (con coecientes constantes) t I R, se dene:
eAt =

!
(At)k
k=0

k!

= In + tA +

t2 A2
+ ...
2!

Teorema 5.0.10 Propiedades:

1. e0 = Inn .
olo si AB = BA.
2. eA+B = eB+A si y s
3. eP DP

= P eD P 1 .

Definici
on 5.0.11 A Mnn (R) es una matriz nilpotente de orden m, si tenemos:
Am1 = 0 y Am = 0,
donde

0 ... 0

.. matriz nula.
0 = ...
.
0 ... 0

Definici
on 5.0.12 A Mnn (R) es una matriz diagonal si

..
, j,s R.

n
79

Ejemplos 5.0.13

0 1 1
A= 0 0 2
0 0 0

es nilpotente de orden 3.

B=

31 0
0 31

Es diagonal; 1 = 2 = 31.
Por que hablar de matrices nilpotentes y matrices diagonales?
Si A es una matriz nilpotente de orden m, entonces:
1
1
Am1 ,
eA = I + A + A2 + . . . +
2
(m 1)!
m1
 Ak
(Suma nita).
eA =
k=0 k!
Si A es diagonal, entonces;

A=

..

y ademas:

A=

k1

..

1
.

eA =

kn

e1

..

en

Ejemplo 5.0.14 Calcular eAt si:

0 1 1
1. A = 0 0 2 .
0 0 0

1 0 0
2. A = 0 2 0 .
0 0 3

0 1 1
1. Sabemos que si A = 0 0 2 , A es nilpotente de orden m = 3, es decir:
0 0 0
A2 = 0 y A3 = 0.
80

As que:
etA = I3 +

At A2 t2
+
,
1!
2!

etA

1 0 0
0 t t
0 0 2
2
t
= 0 1 0 + 0 0 2t + 0 0 0
2
0 0 1
0 0 0
0 0 0

1 t t t2
2t .
= 0 0
0 0
1

1 0 0
2. Si A = 0 2 0 , entonces A es diagonal y por lo tanto:
0 0 3

etA

et 0
0
= 0 e2t 0 .
0
0 e3t

81

Captulo 6

Transformada de Laplace
Damos inicio con esta gua a la parte nal del curso de ecuaciones diferenciales, en la cual
estudiaremos un nuevo concepto que pertenece a lo que en matematicas se conoce como Transformada Integrales.
Preguntemonos como hacan en el pasado cuando no se disponan de calculadoras pero si de
las extensas tablas de logaritmos. Pues bien, las tablas de logaritmos arduamente conseguidas,
servan para realizar varios calculos difciles.

Ejemplo 6.0.15 Resolver la ecuaci

on
x=

35.

Si se toma logaritmo a ambos lados, tenemos:

7
log x = log 35 ,
1
log 35 .
log x =
7

Consultamos en la tabla el logaritmo de 35 y al dividirlo entre 7 ya conocemos el logaritmo de

x. Ahora bien, mirando la tabla de los antilogaritmos obtenemos el valor de ?????.
La gran ventaja del uso de los logaritmos es que simplica las operaciones de la aritmetica.
log(producto) = suma(log)
log(divisi
on) = resta(log)
log(potencias) = producto(log)
Pues bien, esta ventaja que presenta la funcion logaritmo tambien la presenta La Transformada
de Laplace. En esencia, la transformada de Laplace que lleva funciones en funciones (es decir es
un operador ) y que simplica operaciones en dicho proceso; por ejemplo:
derivadas producto de polinomios.
82

Ahora bien, una ecuaci

on diferencial involucra derivadas de una funcion desconocida as que, si
aplicaramos el operador de Laplace llevaramos el problema a una ecuacion algebraica que en
principio esperaramos fuese mas facil.
As, tenemos el siguiente esquema: (L operador de Laplace.)
L

Ecuacion Diferencial Ordinaria

Ecuacion Algebraica

L1

x-solucion

L{x}

Note que en este esquema es necesario que nuestro operador sea denido en un conjunto especial
de funciones donde L{x} tenga sentido (al menos para hablar de una ecuacion algebraica en la
variable L{x}) y tambien que sea invertible (exista el operador inverso L1 ) para recuperar de
nuevo la variable inicial x (nuestra funcion solucion de la ecuaci
on diferencial).
Vamos a presentar a continuaci
on de manera formal la transformada de Laplace.
Definici
on 6.0.16 Sea f : [0, [ R, t f (t). Se dene la transformada de Laplace
L{f } = F ; F = F (s) como:

est f (t) dt ,
F (s) =
0

siempre y cuando la integral impropia dependiente de un par

ametro sea nita.
Ejemplo 6.0.17 Sea f (t) = c, c-cte. Tenemos

est c dt ,
F (s) =
0

est dt ,
= c
0
 b
est dt ,
= c lm
b 0

est b
,
= c lm
b
s 0


est 1
+
,
= c lm
b
s
s
s
;
s > 0.
=
c
As que:
f (t) = c

c
;
s

c-cte.

Dado que la integral impropia que involucra la denici

on de la transformada de Laplace necesitamos que exista (es decir, que sea nita!) Vamos a considerar un conjunto especial de funciones
83

donde se garantiza lo anterior.

Definici
on 6.0.18 Sea f : [0, [ R, t f (t). Diremos que f est
a en la clase , f , si
satisface:
f es continua en [0, [.
f tiene a lo sumo crecimiento exponencial; es decir, existen M 0 y R tales que
|f (t)| M et ;

t 0.

Gracamente, la anterior desigualdad se ve as: PENDIENTE GRAFICA

Ejemplos 6.0.19 Veamos algunos ejemplos de funciones que est
an en .
1. Las funciones polin
omicas
f (t) = a0 + a1 t + . . . + an tn .
En efecto, sabemos que
lm

tn
= 0,
en

(Regla de LHopital)

para todo n N (jo).

Sea M = max{|a0 |, |a1 |, . . . , |an |}. Para t sucientemente grande, se cumple que
|f (t)| M tn M et ,

( = 1).

2. Las funciones trigonometricas

f (t) = c1 cos (wt) + c2 sen (t),

c1 , c2 , w, -ctes.

Observe que:
|f (t)| = |c1 cos(wt) + c2 sen(t)|
|c1 || cos(wt)| + |c2 || sen(t)|
|c1 | + |c2 | .
Sea M = |c1 | + |c2 |, entonces |f (t)| M e0t , ( = 0).

84

3. Las funciones exponenciales

f (t) = et ln a = at ,

a > 1.

Tomemos as:
at et = et ln a et ,
= et(ln a) .
Sea ln a entonces f (t) et 1. Con M = 1; ln a se tiene: f (t) et , t 0.
4. Suma y producto de funciones en pertenecen a . En efecto, sean f, g . Dena
h = f + g, entonces:
|h(t)| = |f (t) + g(t)|
|f (t)| + |g(t)|,
M1 e

1 t

t 0
2 t

+ M2 e

M1 , M2 0; 1 , 2 R.

Sea M = M1 + M2 , = max{1 , 2 }. Entonces

|h(t)| M et .
Ahora, para el producto de funciones h(t) = f (t) g(t), tenemos
|h(t)| = |f (t)||g(t)|
M1 e1 t |g(t)|
M1 e1 t M2 e2 t

M1 M2 e(1 +2 )t ,

t 0.

Sea M = M1 M2 y = 1 + 2 . Tenemos que:

|h(t)| M et ,

t 0.

Observaci
on 6.0.2 Lo anterior nos dice que por ejemplo, las siguiente funciones est
an en :
. . . , t5 e2t , t5 + cos(3t) sen(2t), t4 cos(2t)e6t , . . .
Claramente no se puede esperar otra cosa que la existencia de funciones que no esten en .
Ejemplo 6.0.20 Sea

f (t) = et .
3

En efecto, suponga que existen M 0 y R, tales que |f (t)| = et M et ,

3 t

et
3 t

Pero esto no es cierto pues et

M,

t 0.

es no acotada en [0, [.
85

t 0. Entonces

Miremos ahora que la transformada de Laplace est

a bien denida en .
En efecto, sea f (t) . Entonces, existen M 0, R tales que
t 0,

|f (t)| M et
esto equivale a decir

M et f (t) M et ;

t 0.

Lema 6.0.21 Sea f . Entonces existe un n

umero s0 R (s0 depende de f ) tal que
F (s) = L{f (s)} est
a bien denida si s > s0 .
Demostraci
on
Sabemos que


L{f (s)} =

As



|L{f (s)}| = 

Por lo tanto:

e
0


|L{f (s)}|

st

lm

est f (t) dt .

 

f (t) dt

est |f (t)| dt .

est M et dt,


b 0

(s)t

Me


e(s)t b
dt = lm M
,
b
s 0

M
< si s > .
s

Tomamos s0 = y tenemos la demostracion completa.

Es de notar que la transformada de Laplace de una funci

on dada, digamos f, tiene como dominio
]s0 , [ donde s0 = s0 (f ); s0 depende de f .
As:

L:f
F (s); s ]s0 (f ), [
f = f (t) L{f (s)}.

Este operador tiene propiedades de linealidad.

1. Si f1 , f2 entonces L{f1 + f2 } = L{f1 } + L{f2 } para s > s0 (f1 ); s0 (f2 ).
2. f , c R entonces L{cf } = c L{f }; c-cte.

86

Cabe mencionar que hemos denido la transformada de Laplace por medio de una integral
impropia dependiente de un parametro, y hemos visto que en esta denici
on tiene sentido;
ahora bien, esto quiere decir que es suciente con el hecho de que f para que L{f } exista;
pero no es necesaria esta condici
on. Por ejemplo, la funcion
 1 3
3 t + 2t; t 2,
f (t) =
1
e 2 t ;
0 t 2.
f (t)
/ pero L{f } existe.
Vamos a sacar provecho de las transformadas de Laplace.
Derivadas  Producto de polinomios.
Llevando cosas m
as difciles a cosas mas simples.

6.1.

Transformadas de Laplace y derivadas

3

Sea f C 1 [0, [ y supongamos que f y f  estan en (observe que f (t) = cos(et ) pero
/ ). Calculemos L{f  (s)}.
f
Por denicion:


L{f (s)} =

st 

f (t) dt = lm

b 0

est f  (t) dt.

Por otro lado, aplicando el metodo de integracion por partes

b
 b
 b

st 
st 
e f (t) dt = f (t)e  + s
est f (t) dt,
0

= f (b)esb f (0) + s

est f (t) dt.

Tomando lm a ambos lados, tenemos que

b

L{f  (s)} = f (0) + s L{f (s)},

s : sucientemente grande.

El anterior resultado lo podemos extender a derivadas superiores.

Segundo orden
L{f  (s)} = f  (0) + s L{f  (s)},
= f  (0) + s(f (0) + s L{f (s)}),
= f  (0) sf (0) + s2 L{f (s)}.
En conclusi
on,

L{f  (s)} = s2 L{f (s)} + sf (0) + f  (0).

87

Tercer orden
L{f  (s)} = f  (0) + s L{f  (s)},
= f  (0) + s(f  (0) sf (0) + s2 L{f (s)}),
= f  (0) sf  (0) s2 f (0) + s3 L{f (s)}.
En conclusi
on,

L{f  (s)} = s3 L{s} s2 f (0) sf  (0) f  (0).

Teorema 6.1.1 Sea f C n [0, [ , f, f  , . . . , f (n) . Entonces

L{f (n) }(s) = sn L{f (s)} sn1f (o) . . . sf (n2) (0) f (n1) (0),
si s es sucientemente grande.
Ejemplo 6.1.2 Mirando la tabla de las transformadas de Laplace, sabemos que
L{cos(at)} =

s
;
s2 + a2

s > 0.

Ahora bien,
d
(cos(at)) = a sen(at),
dt
entonces

)
d
(cos(at)) ,
L
dt
s L{cos(at)} 1 ,
s2
1,
s2 + a2
a2
.
2
s + a2


L{a sen(at)} =
=
=
=
As que

L{sen(at)} =

s2

a
.
+ a2

Ahora presentaremos un resultado que es clave en lo que sigue, el cual se puede inferir por
induccion.
Proposici
on 6.1.1 Considere la ecuaci
on L[x] = b, con b : I R R continua, tal que
b , con L[x] el operador
L : C n (I) C 0 (I)
x L[x] = x(n) + an1 x(n1) + . . . + a1 x + a0 .
con a0 , a1 , . . . , an1 constantes.
Entonces todas las soluciones de L[x] = b; satisfacen que x, x , x , . . . , x(n) .
88

El anterior resultado no se puede aplicar en ecuaciones como:

x + tx = et

el operador no es lineal.
3

x + 2x 3x = et

b(t)
/ .

Ejemplo 6.1.3 Considere la ecuaci

on
x 3x = 4,
con condici
on inicial x(0) = 7.
El anterior problema lo sabemos resolver muy bien, pues es una ecuaci
on lineal de primer orden,
m
as a
un:
t
x(t) = x0 e3t + e3t 0 ee 4 d ,

= 7e3t + 4e3t 13 e3t 13 ,

= 7e3t + 43 e3t 43 ,
=

15 3t
3 e

4
3

Veamos c
omo se hace con el operador de Laplace. Aplicamos el operador de Laplace a ambos
lados (esto es posible por la Proposici
on 6.1.1)
L{x 3x} = L{4} =

4
,
s

s > 0.

Aplicando las propiedades de linealidad y derivadas

L{x } 3L{x} =
x0 + sL{x} 3L{x} =

4
,
s
4
.
s

Sea = L{x}, tenemos:

(s 3) =
=
=
=
=
Hemos obtenido
L{x} =

4
+ x(0) ,
s
4
+ 7,
s
4 + 7s
,
s
4 + 7s
,
s(s 3)
2s
4
.
+
3s 3(s 3)
4 1 25 1
+
.
ss
3 s3
89

Mirando la tabla de las transformadas de Laplace al reves sabemos que

 )
1
1 1
L{1} = ,
1=L
s
s
)

1
1
L{e3t } =
.
e3t = L1
s3
s3
As:

25
4
L{x} = L{1} + L{e3t }.
3
3

Entonces,
x(t) =

25 3t 4
e .
3
3

Consideremos la siguiente ecuacion diferencial de segundo orden

x + a1 x + a0 x = b(t),
con a0 , a1 constantes y b(t) . Aplicando el operador de Laplace a ambos lados:
L{x + a1 x + a0 x} = L{b(t)} ,
L{x } + L{a1 x } + L{a0 x} = L{b(t)} .
Tenemos:
x(0) sx(0) + s2 L{x} + a1 (x(0) + sL{x}) + a0 L{x} = L{b(t)} .
Por lo tanto,

L{x}[s2 + a1 s + a0 ] = L{b(t)} + a1 x(0) + sx(0) + x (0) ,

L{x} =

L{b(t)} + a1 x(0) + sx(0) + x (0)

.
s2 + a1 s + a0

Ejemplos 6.1.4 Veamos como aplica lo anterior:

1. Sea

x + 2x + x = 3et ;

90

x(0) = 1, x (0) = 1.

(6.1)

Entonces,
L{x} =
=
=
=
=
2. Sea

L{3et } + 1(s + (2)) + 1

,
s2 2s + 1
3
s1 + s 2 + 1
,
s2 2s + 1
3
s1 + s 1
,
(s 1)2
3 + (s 1)2
,
(s 1)3
3
1
.
+
3
(s 1)
s1

x + 3x = sen 5t;

x(0) = 0, x (0) = 0.

Entonces,
L{x} =
=
=
=

L{sen 5t} + 0(s + 0) + 0

,
s2 + 3
L{sen 5t}
,
s2 + 3
5
s2 +2s
s2 + 3

(s2

5
.
+ 25)(s2 + 3)

La expresion (6.1) nos brinda la transformada de Laplace de la solucion x de la ecuaci

on diferencial lineal de segundo orden que consideramos. Cabe preguntarnos ahora C
omo obtener la
solucion x a partir del conocimiento de su transformada de Laplace?
Pues la respuesta es formalmente simple. Debemos invertir el proceso. Es decir, debemos
justicar la existencia de el operador inverso de Laplace, que denotamos por L{F (s)} donde:
F (s) = L{f } si y solo si f (t) = L1 {F (s)}.
Existe una f
ormula general para la transformada inversa de Laplace, pero se requiere conocer la
teora de las funciones de la variable compleja, pero no lo haremos aqu.
Se puede demostrar que si f1 , f2 tales que
L{f1 } = L{f2 }
Entonces, f1 (t) = f2 (t) t [0, [ .

91

para s > s0 .

El anterior resultado arma que una funcion f (t) esta completamente determinada por su transnica.
formada de Laplace. Esto equivale a decir que si L1 {F (s)} existe, entonces es u
Entonces basta con leer la tabla de las transformadas de Laplace al reves. Mas a
un la propiedad de la linealidad la hereda de igual forma la transformada inversa.
Continuando con los ejemplos (5.2.4), tenemos:
1. Para el P V I

x + 2x + x = 3et ;

x(0) = 1, x (0) = 1.

Encontramos que:
L{x} =

3
1
.
s 1 (s 1)3

Entonces, mirando las tablas:

1
3
} + 3L1 {
},
s1
(s 1)3
3
= et + (t2 et ) .
2

x(t) = L1 {

2. Para el P V I

x + 3x = sen 5t ;

x(0) = 0, x (0) = 0.

Encontramos que:
L{x} =

5
.
(s2 + 25)(s2 + 3)

Primero hacemos un poco de algebra:

(s2

As + B Cs + D
5
= 2
+ 2
.
2
+ 25)(s + 3)
s +3
s + 25

Haciendo los calculos respectivos se obtiene:

5
5
22
5
22
=
+
.
(s2 + 25)(s2 + 3)
s2 + 3 s2 + 25

Entonces


5
22

)
5
22
,
s2 + 25

+L
s2 + 3

1
5
sen 3t
sen 5t .
22
22 3

x(t) = L
=

Ejemplo 6.1.5 Resolver el siguiente problema de valor inicial utilizando la transformada de

Laplace.

92

 
x + 4x + 6x = et ,

x(0) = 0 ;

x (0) = 0 .

Aplicando la transformada de Laplace se obtiene:

1
= 2 s+1
.
L{x} = 2
s + 4s + 6
s + 4s + 6
L{et }

Entonces,
L{x} =

(s +

1
.
+ 4s + 6)

1)(s2

Note que:
(s +

1
A
Bs + C
1
=
=
+
.
2
+ 4s + 6)
(s + 1)[(s + 2) + 2]
s + 1 (s + 2)2 + 2

1)(s2

Entonces:

1= A((s + 2)2 + 2) + (Bs + C)(s + 1) ,

= (A + B)s2 + (4A + B + C)s + 6A + C .

De aqu tenemos que:

A+B =0

A = B.

4A + B + C = 0

3B + C = 0,

6A + C = 1

6B + 3B = 1,

C = 3B.
3B = 1 B = 1/3.

As que,
B=-1/3
A=1/3
C=-1
Por lo tanto:
1
(s + 1)[(s + 2)2 + 2]

s


+1
1
3
=

,
3(s + 1)
(s + 2)2 + 2
1 s2+2
1
1

,
3(s + 1) 3 (s + 2)2 + 2 (s + 2)2 + 2
1
s+2
1
1

.
=
3(s + 1) 3 [(s + 2)2 + 2] 3[(s + 2)2 + 2]
=

93

As que:
*
x(t)= L1

1
3(s + 1)

+
+
*
*
1 1
1 1
s+2
1
L
L
,
3
(s + 2)2 + 2
3
(s + 2)2 + 2

1
1 1
1
= et e2t cos( 2t) e2t sen( 2t) .
3
3
3
2
Veamos otro ejemplo donde se aplica la transformada de Laplace.

Ejemplo 6.1.6 Resolver el sistema

x1 = 2x1 + x2 ,

x1 (0) = c1 ,

x2 = x1 + 4x2 ,

x2 (0) = c2 .

Aplicamos la transformada de Laplace a ambos lados:

L{x1 }= 2L{x1 } + L{x2 } ,
L{x2 }= L{x1 } + 4L{x2 } .
Tenemos as:
c1 + sL{x1 }= 2L{x1 } + L{x2 } ,
c2 + sL{x2 }= L{x1 } + 4L{x2 } .
(s 2)L{x1 } L{x2 }= c1
L{x1 } + (s 4)L{x2 }= c2

)
Sistema de ecuaciones algebraicas 2 2.

Usamos la regla de Cramer.


 c1 1
1

L{x1 } =
(s 3)2  c2 s 4


 c1 (s 4) + c2
=
,

(s 3)2



 s 2 c1  c2 (s 2) c1
1

=
.
L{x2 } =
c2 
(s 3)2  1
(s 3)2
As tenemos:
x1 = L

x2 = L




c1 (s 4) + c2
(s 3)2
c2 (s 2) c1
(s 3)2

Conviene escribir lo anterior de la siguiente forma:

94

)
,
)
.

x1 = L1
x2 = L1
Mirando las tablas concluimos:




c1
c1 c2

(s 3) (s 3)2
c2 c1
c2

(s 3) (s 3)2

)
,
)
.


)
)
c1
c1 c2
,
L1
(s 3)
(s 3)2
x1 = c1 e3t + (c2 c1 )te3t .
x1 = L1

)

)
c2
c2 c1
1
x2 =
+L
,
(s 3)
(s 3)2
x2 = c2 e3t + (c2 c1 )te3t .


L1

6.2.

Teoremas de Traslaci
on

A continuacion vamos a presentar una serie de propiedades de la transformada de Laplace.

Iniciamos con la introducci
on de las funciones escalon.

6.2.1.

Funci
on Escal
on Unitario


Denimos la funcion
c (t) =

0,
1,

t<c
t c,

con c 0.
Veamos su graca.
GRAFICA!!!!!!!
Ejercicio: Trazar las gracas de las funciones
y(t) = d c (t), d > 1.
h(t) = (t) 2 (t).
En muchas ocasiones resulta conveniente considerar para una funcion f dada, una nueva funcion
denida as:

0
,
t<c
y = c (t) =
f (t c) ,
t c.
Es decir: c (t) = f (t c) c (t).
95

c -representa geometricamente una traslacion de f, una distancia positiva c, en la direccion positiva

de t.
GRAFICAS!!!!!!!!
Veamos ahora cual es la trasformada de Laplace de la funcion c .

L{c (t)} =

st


c (t) dt =

est dt =

ecs
,
s

s > 0.

Este resultado es muy importante pues nos permite determinar el siguiente teorema llamado
Teorema de Traslaci
on.
Teorema 6.2.1 Teorema de Traslaci
on (Parte 1).
Si F (s) = L{f (t)} existe para s > sf 0 y si c es una constante positiva, entonces
L{(t)} = L{c (t)f (t c)} ,
= ecs L{f (t)} ,
= ecs F (s) .
Demostraci
on. Veamos por calculo directo que el resultado es cierto:

L{(t)} =

st


(t) dt =

0
st

est c (t)f (t c) dt ,


f (t c) dt =

= ecs

e(+c)s f () d ,

=tc


es f () d .
0

As que: L{(t)} = ecs L{f (t)}.

Del Teorema de Traslaci

on se concluye:
Corolario 6.2.2 Si F (s) = L{f (t)} existe para s > sf 0 y si c es una constante positiva,
entonces:
L1 {ecs F (s)} = c (t) f (t c).
Vamos a presentar unas aplicaciones del anterior resultado.

96

Ejemplo 6.2.3 Calculemos la transformada de Laplace de la siguiente funci

on
 3
,
0<t5
t

f (t) =
t 5.
t3 + t 5 ,
Note que f (t) la podemos escribir de la siguiente forma:

h(t) = 5 (t) t 5 .

f (t) = t3 + h(t);
Entonces:

L{f (t)}= L{t3 + h(t)} ,

= L{t3 } + L{h(t)} ,

6
L{f (t)}= 4 + e5s L{ t} ;
s

s > 0.

Ejemplo 6.2.4 Encontrar la transformada inversa de

1 e2s
.
s2
 )
 2s )
1
e
1
1
1
+L
.
Tenemos que L {F (s)} = L
2
s
s2
F (s) =

Identicamos ahora:

con G(s) =

1
e2s
= e2s 2 = e2s G(s) ,
s2
s

1
G(s) = L{t}. Por lo tanto:
s2
L1 {F (s)} = t 2 (t)(t 2) .

f (t) = t .

Note que la funci

on g(t) = t 2 (t) (t 2) se puede escribir as:

t ,
0t<2
g(t) =
2 ,
t 2.
Teorema 6.2.5 Teorema de Traslaci
on. (Parte 2)
Si F (s) = L{f (t)}, existe para s > sf 0 y s0 es una constante (positiva o negativa), entonces:
L{es0 t f (t)} = F (s s0 ) ,
con s > sf + s0 .
Demostraci
on. Por calculo directo tenemos:


s0 t
st s0 t
L{e f (t)} = e e f (t) dt = e(ss0 )t f (t) dt .
0

En consecuencia:
L{es0 t f (t)} = F (s s0 ) .


97

6.2.2.

Aplicaci
on de este Teorema

Encontremos la transformada inversa de

G(s) =

s2

1
,
4s + 5

s > 0.

Completando cuadrados en el denominador, tenemos:

G(s) =

1
1
= F (s 2) con F (s) = 2
.
(s 2)2 + 1
s +1

Dado que F (s) = L{sen t} entonces:

L{e2t sen t} = F (s 2),
= G(s) .
As:

s0 = 2 ,

L1 {G(s)} = e2t sen t .

Observaci
on 6.2.1 Note que el anterior resultado justica lo obtenido en la p
agina 68???????

6.3.

Convoluci
on entre Funciones

Consideremos dos funciones f (t) = t2 ; g(t) = t por ejemplo. Observe que:

2
,
s3
1
G(s) = L{g(t)} = L{t} = 2 ,
s
F (s) = L{f (t)} = L{t2 } =

Por otro lado

L{f (t) g(t)} = L{t3 } =

s > 0.
s > 0.
24
.
s4

Esto nos muestra que

H(s) = L{f (t) g(t)} = F (s) G(s) ,
L{f (t) g(t)} = L{f (t)} L{g(t)} .
Nos preguntamos entonces por el siguiente problema.
Si F (s) = L{f (t)} y G(s) = L{g(t)} Quien es la funci
on Continua
h : [0, [ R
t h(t) ,
tal que L{h(t)} = F (s) G(s)?
El siguiente teorema nos brinda la respuesta a esta pregunta.

98

Teorema 6.3.1 (Teorema de Convoluci

on). Si F (s) = L{f (t)}; G(s) = L{g(t)} existen para
s > a 0, entonces
L{h(t)} = F (s) G(s),
con

t

t
f (t )g( ) d =

h(t) =
0

g(t )f ( ) d .
0

La funcion h se conoce como convoluci

on de f y g y se denota por
h(t) = (f g)(t) .
Previo a la demostracion de este teorema veamos algunos ejemplos y propiedades de la convolucion.

6.3.1.

Propiedades de la Convoluci
on

1. f g = g f

(Conmutatividad)

2. f (g1 + g2 ) = f g1 + f g2

(Distributividad)

3. (f g1 ) h = f (g h)

(Asociatividad)

Observaci
on 6.3.1 En general f 1 = f y f f puede ser negativo.
Ejemplos 6.3.2

1. Sea f (t) = cos t,

t
cos(t ) d ,

(f 1)(t) =
0

t

= sen(t ) ,
0

= sen t ,
= f (t) .
2. Sea f (t) = sen t,

t
sen(t ) sen d ,

(f f )(t) =
0

t
=

(sen t cos sen sen2 cos t) d ,

t
sen t
(1 + cos t cos t) cos t ,
2
2
99

t
sen t
cos t .
2
2

Observe que (f f )(2) = < 0.

3. Sea g(t) = sen t ; f (t) = t. Calculamos (f g)(t).
t
(t ) sen d ,

(f g)(t) =
0

t

t
sen d

=t
0

sen d ,
0

t 
t t





= t cos  cos  + cos d ,


0

= t sen t .
Demostraci
on del Teorema 5.4.1
Sabemos que


F (s) =

es f () d ,


G(s) =

es g() d .

Entonces:


F (s) G(s) =


f ()d

es g() d .

Dado que la primera integral no depende de podemos hacer lo siguiente:


F (s) G(s) =

s(+)


f () d

g() d .
0

Sea t = + ; dt = d .

F (s) G(s) =

st


f (t ) dt

g() d ,
0

100


=

st


f (t ) dt

g( ) d .
0

La region de integraci
on es:
,
R = (t, ) R2 | 0 t < +, 0 t}.
Para la anterior integral podemos aplicar el Teorema de Fubini,
 
F (s) G(s) =
0

est f (t )g( ) dt d ,

st

f (t )g( ) d

t

dt .

Esto nos dice que:

Si

t
f (t )g( )d,

h(t) =
0

entonces
F (s) G(s) = L{h(t)},
lo que equivale a:

h(t) = L1 {(s) G(s)} = (f g)(t) .



El siguiente esquema ilustra lo anterior.

F

f (t)

F (s) = L{f (t)}

h(t)

F (s) G(s)

g(t)

G(s) = L{g(t)}

h(t) = (f g)(t). (El producto en el espacio de las Transformadas de Laplace se corresponden

con la convoluci
on en el espacio de de funciones!)

Ejemplo 6.3.3 Encuentre la transformada inversa de

H(s) =

a
.
+ a2 )

s2 (s2
101

Note que H(s) = F (s) G(s) con F (s) =

f (t) =

1
a
y G(s) = 2
; por lo tanto:
2
s
s + a2
t

= L1 {F (s)} ,

g(t) = sen at = L1 {G(s)} .

Por el teorema se concluye:

(f g)(t) = L1 {H(s)} ,
t
(t ) sen a d =

(f g)(t) =
0

at sen at
.
a2

Ejemplo 6.3.4 Resolver la ecuaci

on
y  + y = sent
con las condiciones iniciales y(0) = 0 ; y  (0) = 2.
Aplicamos la transformada de Laplace:
L{y  } + L{y} = L{sen t} ,
s2 L{y} s y(0) y  (0) + L{y} =

s2

1
,
+1

1
+ 2,
+1
2
1
.
+ 2
L{y} = 2
2
(s + 1)
s +1
(s2 + 1)L{y} =

Tomando la transformada inversa:

y(t) = L
Sea F (s) =

s2

*
1

1
2
(s + 1)2

s2

*
+ 2L

1
2
s +1

+
.

1
1
y G(s) = 2
. En consecuencia:
+1
s +1
y(t) = L1 {F (s) G(s)} + 2L1 {F (s)} ,
= (f g)(t) + 2f (t).

Donde f (t) = L1 {F (s)} = g(t) = L1 {G(s)} = sen t.

As que:
(sen t sen t) =
Por lo tanto:
y(t) =

1
1
sen t t cos t (vericar esto).
2
2
1
1
sen t t cos t + 2 sen t .
2
2
102

6.4.

Derivadas de Transformadas

Sea f : [0, [ R con transformada de Laplace F (s) es decir:

F (s) = L{f (t)} ,

F (s) =

est f (t) dt .

(6.2)

Al derivar en (6.2) respecto a s obtenemos:



F (s) =
s


F (s) =
0


st

f (t) dt ,




 st
st
e f (t) dt = te f (t) dt = est (tf (t)) dt .
s
0

As que F  (s) = L{tf (t)}.

Lo anterior se puede generalizar!
Teorema 6.4.1 Si F (s) = L{f (t)}, n N entonces
L{tn f (t)} = (1)n

dn F (s)
.
dsn

Ejemplo 6.4.2 Sea f (t) = sen kt. Sabemos que:

F (s) =
Entonces con n = 1
d
L{t sen kt} =
ds

s2

k
.
+ k2

k
2
s + k2


=

(s2

2ks
.
+ k2 )2

Resolver la ecuaci
on diferencial:
x + 16x = cos4t,

x(0) = 0, x (0) = 1.

Si aplicamos la transformada de Laplace se obtiene:

L{x + 16x} = L{cos4t} ,
s2 L{x} sx(0) x (0) + 16L{x} =
103

s2

s
.
+ 16

As:

s
+ 1,
+ 16
1
s
.
+ 2
L{x} = 2
2
(s + 16)
s + 16
L{x}(s2 + 16) =

s2

Ahora, aplicando la Transformada de Laplace inversa:

+
*
+
*
s
s
1
1
.
+L
x(t) = L
(s2 + 16)2
s2 + 16
Del ejemplo anterior, se concluye con k = 4 que
*
+
s
1
= t sen 4t .
L1
2
2
(s + 16)
8
As que:
1
1
x(t) = t sen 4t + sen 4t .
8
4
Ahora veamos un resultado que se deduce del teorema de Convoluci
on.
Proposici
on 6.4.1 Si F (s) = L{f (t)} entonces
+

* t
L

f ( ) d

F (s)
.
s

Demostraci
on. Por el teorema de Convolucion tenemos:
t
f ( )g(t ) d ,

(f g)(t) =
0

L{(f g)(t)} = F (s) G(s), donde G(s) = L{g(t)}.

Ahora bien, si g(t) = 1 entonces G(s) =

1
, por lo tanto:
s
+
* t

L{(f 1)(t)} = L

f ( ) d

= F (s)

Es decir:

* t
L

f ( ) d
0

104

F (s)
.
s

1
.
s

Ejemplo 6.4.3 Sabemos que

L{sen kt} =
As que:

*
L

1
1
2
s s + k2

De igual forma:

*
L

f (t) = L
As:

*
L

1
1

s s2 + k 2

k
,
+ k2

(s > 0).

t
sen(k ) d =
0

1
s2 (s2 + k2 )

donde

1
=
k

s2

1
(1 cos kt) .
k2

t
=

f (t) dt ,
0

1
1

s s2 + k 2

+
=

1
(1 cos kt) .
k2

t

1
= 2
k

(1 cos kt) dt =
0

1
1
(t sen kt) .
k2
k

Teorema 6.4.4 Sea f : [0, [ R una funci

on peri
odica con periodo mnimo T (i.e.
f (t + T ) = f (t), t [0, [ ) tal que F (s) = L{f (t)}. Entonces
1
F (s) =
1 esT

T

est f (t) dt .

Ejemplo 6.4.5 Sea f (t) = sen at. Note que f es peri

odica con periodo T =
est f (t) = est sen at ,
2

st

e
0

2
f (t) =
0

2s
s2 + a2 1 1
a
1

.
s2
s

As:
F (s) =

1
1e

F (s) =

est sen at ,

s2

2s
a

s
+ a2

s2 + a2
s2

1

2s
1
1e a ,
s

(tal como dice la tabla !)

105

2
. Entonces:
a

Ejemplo 6.4.6 Considere la siguiente funci

on:


1 0t<1
0 1 t < 2,

E(t) =

E(t + 2) = E(t) para todo t [0, [. Nuestra funci

on tiene periodo T = 2 y gr
aca: GRAFICA!!!!!!
Entonces:
1
L{E(t)} =
1 e2s

2

est E(t)dt =

1
.
s(1 + es )

Veamos como se aplica el anterior resultado:

Ejemplo 6.4.7 Considere un circuito RLC como el siguiente:



GRAFICA!!!

E = E(t) =

1 ,0 t < 1
0 ,1 t < 2,

La ecuaci
on diferencial de la corriente, i = i(t) es:
Li + Ri = E(t),

L = 0 ,

i(0) = 0.

Dividimos por L y aplicamos la transformada de Laplace

L{i } +

1
R
L{i} = L{E(t)} ,
L
L



1
1
R
L{i} =
,
L
L s(1 + es )




1
1
R
= i(0) +
.
L{i} s +
L
L s(1 + es )

sL{i} i(0) +

As obtenemos:

En consecuencia:

1
1
L{i} =
L (s +

.
1

.
R
s(1 + es )
L)


1
1 1
i(t) = L
L
s(s +

R
(1 + es )
L)

)
.

Nos proponemos ahora a estudiar los factores involucrados. Por un lado tenemos que:

!
1
=
(1)n xn ,
1+x
n=0

106

|x| < 1 .

En consecuencia, para s > 0, |es | < 1 y entonces:

!
1
=
(1)n ens .
s
1+e
n=0
De otro lado,
1
s(s +

R
L)

L/R
L/R

s
s + R/L

As:
1
s(s +

(fracciones parciales).

!

L/R
L/R
(1)n ens ,

s
s + R/L
n=0



L ! (1)n ens ! (1)n ens

=

.
R n=0
s
s
+
R/L
n=0

1
=

R
1 + es
L)

Ahora bien, si tomamos la trasformada de Laplace inversa en la u

ltima expresi
on, tenemos que:

 ns ) !
 ns )

e
e
1 !

.
(1)n L1
(1)n L1
i(t) =
R n=0
s
s + R/L
n=0
Por el Teorema de Traslaci
on, sabemos que:
c (t) f (t c) = L1 {ecs F (s)} ,
donde f (t) = L1 {F (s)}.
En consecuencia:
L

ens
s

)
= n (t) ,

n = 1, 2...

pues en este caso f (t) = 1.

De igual forma
L

ens
s + R/L

)
= n (t) g(t n) ,

n = 1, 2...

con g(t) = e L t . Concluimos as:


 ns )
 ns )

!
!
R
e
e
1
1+
e L t +
,
(1)n L1
(1)n+1 L1
i(t) =
R
s
s + R/L
n=1

n=1




!
!
R
1
n
R
t
n

(tn)
1+
(1) n (t) e L +
(1) n (t)e L
.
i(t) =
R
n=1

n=1

107

6.5.

Ejercicios

1. Aplique la denicion de Transformada de Laplace para calcular F (s) = L{f (t)} (No usar
tablas!) de las siguientes funciones:
a) teat
b) cosh bt
c) ebt senh at
d)

t2 , 0 t 1
1 , 1<t2
f (t) =

3t , 2 <t3

2. La funcion gamma se denota por (p) y se dene por la integral


(p + 1) =

ex xp dx , p > 1 .

a) Demuestre que para p > 0 se cumple:

(p + 1) = p(p).
b) Demuestre que (1) = 1.
c) Si p N, digamos p = n, n N entonces pruebe que:
(n + 1) = n!
d) Para p > 0 muestre que:
p(p + 1)(p + 2)...(p + n 1) =

(p + n)
.
(p)

A partir de lo anterior, calcule:

(1/2) , (3/2) , (11/2).
3. Sea p > 1. Muestre que L{tp } =

(p + 1)
, s > 0. Encuentre: L{tn }, n N.
sp+1

108

4. Demuestre que
L{t

1/2

2
}=
5

Mas a
un, si

x2

ex dx ,

,
2

dx =

encuentre

L{t1/2 }

s > 0.

y L{t?????}

5. Aplique el metodo de la Transformada de Laplace para resolver las siguientes ecuaciones

diferenciales:
a) y  y  6y = 0 ;
b) x(IV ) 4x = 0 ;

x(0) = 1,

c)


x + 4x =

d)


x +x=

e)


y  (0) = 1.

y(0) = 1,

x + 4x =

x (0) = 0 ;

x (0) = 2, x (0) =?

1 ,
0 ,

0t<
t<

x(0) = 1 ;

x (0) = 0 .

t ,
0 ,

0t<1
1t<

x(0) = 0 ;

x (0) = 0 .

t ,
0 ,

1t<1
1t<

x(0) = 0 ;

x (0) = 0 .

6. Resolver: x + x = /2 (t) 3/2 (t);

x(0) = 0, x (0) = c.

7. Encuentre las siguientes trasformadas de Laplace inversas:

)

1
1
a) L
s4 (s2 + 1)
)

s
1
b) L
(s + 1)(s2 + 4)

109

1
c)
(s + 1)2 (s2 + 4)
)

G(s)
1
d) L
(s2 + 1)

L1

8. Resolver y expresar la solucion en terminos de una integral de convolucion las soluciones

de los siguientes problemas:
a) y  + 2 y = g(t);

y(0) = 0 , y  (0) = 1.

b) y  + 3y  + 2y = cost;

y(0) = 1 , y  (0) = 0.

c) y (IV ) + 5y  + 4y = g(t);

y(0) = 1 , y  (0) = 0 , y  (0) = 0 , y  (0) = 0.

9. Sean f (t) ; k(t) funciones conocidas las cuales tienen transformadas de Laplace. Considere
la ecuaci
on integral
t
(t) + k(t )() d = f (t) .
0

Aplique la transformada de Laplace a esta ecuacion y obtenga una expresi

on de L{(t)}
en terminos de F (s) = L{f (t)} y K(s) = L{k(t)}.
10. considere la ecuaci
on integral
t
k(t )() d = sen 2t .

(t) +
0

a) Demuestre que si u = u(t) satisface u = entonces:

u + u tu (0) u(0) = sen 2t .
b) Pruebe que (6.3) equivale al problema de valor inicial
u (t) + u(t) = sen 2t ;
c) Resuelva (6.3).

110

u(0) = u (0) = 0.

(6.3)

Bibliografa
[1] M. Abramowitz, I. A. Stegun, Handbook of Mathematical Functions, with formulas tables
and mathematical tables. Dover, 1972.
[2] V. M. Alekseev, Quasirandom dynamical systems I, Math. USSR Sbornik 5 (1968), 73-128.
[3] V. M. Alekseev, Quasirandom dynamical systems II, Math. USSR Sbornik 6 (1968), 505560.
[4] V. M. Alekseev, Quasirandom dynamical systems III, Math. USSR Sbornik 7 (1969), 1-43.
[5] E. Barrabes, J.M. Cors, C. Pinyol, J. Soler, Hip-Hop solutions of the 2N body problem with
eccentricity close to 1, Physica D 23 (2010), 214-219.
[6] E. Belbruno, J. Llibre, M. Olle, On the families of the periodic orbits which bifurcate from
the circular Sitnikov motions, Celestial Mech. Dynam. Astronm. 60 (1994), 99-129.
[7] M. Alvarez, J. Llibre, Restricted three-body problems and the non-regularization of the elliptic collision restricted isoceles three-body Problem. Extracta Mathematicae. 13 (1998), 73-98.
[8] H Cabral, Z. Xia, Subharmonic solutions in the restricted three-body problem, Discrete Contin. Dynam. Systems. 1 (1995), 463-474.
[9] J. Chazy, Sur lallure nale du mouvement dans le probl`eme des trois corps. Journ. Math.
Pures et Appl. 8 (1929), 353-380.
[10] Shui-Nee Chow, J. Hale, Methods of Bifurcation Theory. Springer-Verlag, New York, 1982.
[11] M. Corbera, J.Llibre, Periodic orbits of the Sitnikov problem via a Poincare map, Celestial
Mech. Dynam. Astronom. 77 (2000), 273-303.
[12] M. Corbera, J. Llibre, On the symmetric periodic orbits of the elliptic Sitnikov problem via
the analytic continuation method, Celestial Mechanics, Contemp. Math. 292 (2002), 91-127.
[13] D. Nu
nez, R. Ortega, Parabolic fixed points and stability criteria for nonlinear Hills equation, Z. Angew. Math. Phys. 51 (2000), 890-911.
[14] C. Escudero, A. Rivera, P. Torres, Chemical oscillatiosn out chemical noise, preprint.

111

[15] J. Fura, A. Ratajczak, S. Rybicki, Existence and continuation of periodic solutions of autonomous Newtonian systems, J. Di. Equs. 218 (2005), 216-252.
[16] E. Freire, A. Gasull, A. Guillamon, First derivative of the period function with applications,
J. Dierential Equs. 204 (2004), 139-162.
[17] J. Hagel, A new analytical approach to the Sitnikov problem, Celestial Mech. Dynam. Astronom. 53 (1992), 267-292.
[18] J. K. Hale, Ordinary dierential equations, Krieger Publishing Company, Inc., Florida
(1980).
[19] E.L. Ince, Ordinary dierential equations, Dover 1956.
[20] W. H. Morris, S. Smale. Dierential equations, Dynamical Systems and Linear Algebra.
Academica Press, New York and London, 1974.
[21] L. Jimenez-Lara, A. Escalona-Buenda, Symmetries and bifurcations in the Sitnikov Problem, Celestial Mech. Dynam. Astronom. 79 (2001), 97-117.
[22] F. Klein. Ueber die Nullstellen der hypergeometrischen Reihe, Math. Ann. 37 (1890).
[23] S. krantz, H. Parks, A primer of real analytic functions, 1st edition, Birkhauser, 2002.
[24] N.N Lebedev, Special functions and their applications. Dover, 1972.
[25] J. Liu, Y.S. Sun, On the Sitnikov Problem, Celestial Mech. Dynam. Astronom. 49 (1990),
285-302.
[26] J. Llibre, R. Ortega, On the families of periodic orbits of the Sitnikov problem, SIAM J.
Applied Dynamical Systems. 7 (2008), 561-576.
[27] J. Llibre, C. Simo, Estudio cualitativo del problema de Sitnikov, Publicacions Matem`
atiques
U.A.B. 18 (1980), 49-71.

[28] J. Leray, J. Schauder, Topologie et equations fonctionnelles, Ann. Sci. Ecole

Norm. Sup. 51
(1934), 45-78.
[29] W. Magnus, S. Winkler, Hills equation, Dover, 1979.
[30] J. Martinez-Alfaro, C. Chiralt, Invariant rotational curves in Sitnikovs problem, Cel. Mech.
and Dyn. Syst. 55 (1993), 351-367.
[31] S. Mathlouthi, Periodic orbits of the restricted three-body problem, Trans.Amer. Math. Soc.
350 (1998).
[32] R. Mennicken, On Inces Equation Arch. Rat. Mech and Analysis. 29 (1968), 144-160.
[33] J. Moser, E. Zehnder, Notes on Dynamical Systems, Am. Math. Soc. 2005

112

[34] R. Ortega, The twist coecient of periodic solutions of the time-dependent Newtons equation, J. Dynam. Dierential Equations. 4 (1992), 651-665.
[35] R. Ortega, The stability of the equilibrium of a nonlinear Hills equation, Siam J.Math.
Anal. 25 (1994), 1393-1401.
[36] R. Ortega, A. Rivera, Global bifurcations from the center of mass in the Sitnikov problem.
Discrete and Continuous Dynamical Systems. Series B. 14 (2010), 719-732.
[37] R. Ortega, A. Ure
na, Introducci
on a la Mec
anica Celeste,
[38] E. Perdios and V.V. Markellos, Stability and bifurcations of Sitnikov motions, Celestial
Mech. Dynam. Astronom., 42 (1988) 187-200.
[39] H. Pollard, Mathematical introduction to celestial mechanics, Prentice Hall, 1966.
[40] V.A. Pliss, Nonlocal Problems of the Theory of Oscillations, Academic Press, 1966.
[41] L.D. Pustylnikov, On the measure of one-way oscillating motions for the Kolmogorov and
its generalization in the n-body problem, Russian Math. Surveys 53 (1998) 1102-1103.
[42] P. Rabinowitz, Some global results for nonlinear eigenvalue problems, J. Funct. Anal. 7
(1971), 487-513.
[43] H. Runckel On the zeros of the hypergeometric function. Math. Ann. 191 (1971), 53-58.
[44] C.L. Siegel, J.K. Moser Lectures on Celestial Mechanics. Springer-Verlag, New York, 1971.
[45] K. A. Sitnikov, The eistencia of oscillatory motions in the three-body problem, Dokl. Akad.
Nauk, USSR, 2 (1960) 303-306.
[46] I. Starkgold, Branching of solutions of nonlinear equations, SIAM Review, 13 (1971) 289332.
[47] F. Verhuslt, Nonlinear dierential equations and dynamical systems, Universitex, 1985.
[48] E. B. Van Vleck, A determination of the number of real and imaginary roots of the hypergeometric series, Trans. Amer. Math. Soc. 3 (1902), 110-131.
[49] D. Whitley Discrete Dynamical Systems in Dimensions One and Two, Bull. London Math.
Soc. 15 (1983), 177-217.
[50] C. Zanini, Rotation numbers, eigenvalues and Poincare-Birkho theorem, J. Math. Anal.
App. 279 (2003), 290-307.

113