Beruflich Dokumente
Kultur Dokumente
ECUACIONES DIFERENCIALES
ORDINARIAS
Apunte de curso
AXEL OSSES
Centro de Modelamiento Matematico
Departamento de Ingeniera Matematica
axosses@dim.uchile.cl
JUAN PEYPOUQUET
Departamento de Ingeniera Matematica
jpeypou@dim.uchile.cl
Indice general
Captulo 1. Introduccion
1. Motivacion
2. Definiciones basicas y nocion de solucion de una EDO
3. Los teoremas de existencia y unicidad
1
1
5
10
13
14
27
38
47
47
50
58
64
75
83
83
88
94
101
107
107
109
111
119
124
153
155
161
164
171
INDICE GENERAL
182
CAPTULO 1
Introducci
on
1.
Motivaci
on
CA0
CB0
CA(t)
t=0
CB(t)
t>0
Figura 1. Osmosis
por una membrana semipermeable.
medida que el tiempo transcurre, el agua se desplaza a traves de la
membrana desde la solucion de baja concentracion A hacia la de alta
concentracion B hasta alcanzar asintoticamente un valor de equilibrio
como se muestra en el grafico de la Figura 2. Se sabe que el promedio M
de concentraciones es conservado a traves del tiempo de modo que se
puede obtener en cada instante la concentracion en B conociendo la de
A y viceversa. Si se hace un grafico semilogartmico de ln(M CA (t)) en
funcion del tiempo, experimentalmente resulta una recta de pendiente
1
1. INTRODUCCION
CB
M
CA
t
Figura 2. Evolucion de las concentraciones durante la
osmosis. La asntota es el promedio de las concentracioC 0 +C 0
nes de ambos medios M = A 2 B .
negativa . Una hipotesis razonable es entonces un ajuste exponencial
de CA (t) a la asntota de abscisa M, esto es,
(1)
ln(M CA (t)) = t + C
CA (t) = M K et ,
CA (0) = CA0
K = M CA0 .
CA (t) = M (M CA (0))et .
Pero hay alguna ley o principio que explique este fenomeno? La idea
fundamental consiste en estudiar si existe una relacion simple entre la
concentracion CA (t) y su aumento CA (t). Veamos:
esto es
(4)
CA (t) = Ke t
= Ke t + M M
= (M (M Ke t ))
CA (t) = (M CA (t)).
1. MOTIVACION
1. INTRODUCCION
2
x 1 + y (x)
= C,
Tractriz.
OY
1.3. Familias ortogonales. Una ecuacion diferencial puede servir para agrupar una familia de curvas, como las tractrices en el punto
anterior. Tambien pueden usarse para eliminar el parametro que indexa la familia. Denotemos por F la familia de todas las parabolas con
vertice en el origen. Ellas estan definidas por la ecuacion y = ax2 , con
a R. Derivando obtenemos y = 2ax. Sustituyendo en la expresion
anterior obtenemos xy = 2y. Esta igualdad vincula a la funcion con su
derivada y con la variable independiente, sin necesidad de utilizar un
y
parametro adicional. La expresion y = 2 revela ademas otra propiex
dad geometrica importante de las curvas en F : su pendiente en cada
punto es el doble de la pendiente de la recta que une el punto con el
origen. En general, muchas propiedades geometricas compartidas por
las curvas de una familia pueden conocerse al inspeccionar la ecuacion
DE SOLUCION
DE UNA EDO
2. DEFINICIONES BASICAS
Y NOCION
diferencial correspondiente.
Tratemos ahora de encontrar la familia G de todas las curvas que
intersectan de manera perpendicular a las parabolas antes descritas.
Si la funcion z G define una de estas curvas entonces satisface
z (x)y (x) = 1 para toda y F y para todo x R siempre que
2y(x)
z(x) = y(x) (se intersectan). Dado que y (x) =
, la ecuacion que
x
define a la familia G es
x
1
=
.
z (x) =
y (x)
2z(x)
Tenemos entonces que
2z(x)z (x) = x
2
d
z(x)
= x.
dx
Si integramos a ambos lados de la ecuacion obtenemos
x2
2
z(x) = + C,
2
donde C es una constante. Escrito de otro modo, esto es
z2
x2
+
= 1.
C
2C
La familia G esta integrada por todas las elipses que estan centradas
en el origen con la propiedad de que el cuadrado del semieje horizontal
es el doble del cuadrado del semieje vertical.
2.
Definiciones b
asicas y noci
on de soluci
on de una EDO
Una ecuaci
on diferencial ordinaria (abreviada EDO) es una
identidad de la forma
F (x, y(x), y (x), y (x), . . . , y (n) (x)) = 0,
donde x es la variable independiente e y es la funcion incognita. La
funcion F representa la relacion que liga las derivadas de y. Se dice que
la ecuacion es ordinaria pues se deriva con respecto a una sola variable3.
El orden de una ecuacion diferencial es el grado de derivacion maximo que aparece en la ecuacion que en este caso es el n
umero natural4 n.
3Si
1. INTRODUCCION
orden de la EDO
Q(x) = 0
homogenea
Q(x) 6= 0
no homogenea
i, ai = cte
coeficientes constantes
an = 1
normalizada
i, ai = ai (x)
coeficientes variables
Pn
i=0
ai y (i) = Q.
(5)
ai (x) =
ai (x)
, i = 0, . . . , n 1,
an (x)
Q(x) =
Q(x)
an (x)
DE SOLUCION
DE UNA EDO
2. DEFINICIONES BASICAS
Y NOCION
En este curso llamaremos intervalo al segmento que une dos puntos a y b de la recta real extendida [, ], pudiendo contener o no a
los extremos cuando estos sean finitos. En caso de contener alguno de
los extremos, entenderemos que las nociones de continuidad y diferenciabilidad en dicho punto son laterales.
Sean I un intervalo y n N. Decimos que una funcion y : I R es
de clase C n en I si las derivadas de y hasta el orden n existen y son
continuas en I (entenderemos que la derivada de orden 0 es la propia
funcion y). Denotamos por C n (I) el conjunto de las funciones que son de
clase C n en I. Es facil ver que dicho conjunto es un espacio vectorial con
las operaciones usuales de suma y ponderacion por escalar. Observemos
que cada funcion y C 0 (I) define una trayectoria o curva en I R:
{(x, z) | x I, z = y(x)}.
Consideremos ahora una funcion F : I Rn+1 R. La primera
nocion de solucion que estudiaremos es la siguiente. Diremos que una
funcion y : I R es soluci
on o que define una curva integral de
la ecuacion diferencial
F (x, y, y , y , . . . , y (n) ) = 0
en el intervalo I si y C n (I) y
1. INTRODUCCION
DE SOLUCION
DE UNA EDO
2. DEFINICIONES BASICAS
Y NOCION
1. INTRODUCCION
10
y 0
y0
y explota cerca
= .
3.
Sean f : I R R una funcion y L > 0. Decimos que f es globalmente Lipschitz con respecto a la segunda variable, con constante L,
si para cada y1 , y2 R y para cada x I se tiene
(6)
11
12
1. INTRODUCCION
Por otra parte, 0 = r(y0 + r)2. Pero como todo lo anterior es valido
para cualquier r > 0 podemos tomar
1
r
0 = max
.
=
2
r>0 (y0 + r)
4y0
Todo lo anterior nos dice que existe una u
nica solucion y esta definida,
1
1
al menos, en el intervalo ( 4y0 , 4y0 ).
Por otra parte, observemos que y(x) =
1
x+ y1
es la solucion de la
ecuacion (en el captulo siguiente veremos como deducir esto). En realidad ella esta definida en el intervalo ( y10 , ), que es mas grande de
lo que predice el Teorema 1.2. Observemos, sin embargo, que el punto
donde y deja de existir esta mas cerca de x0 = 0 cuando mas grande
sea y0 .
Ejemplo 1.9. Retomando el Ejemplo 1.6, notemos que la funcion
CAPTULO 2
M
etodos b
asicos para la resoluci
on de EDO
En este captulo estudiaremos algunas tecnicas que nos permitiran
determinar las curvas integrales para una gran cantidad de EDO. Comenzaremos por analizar cuatro tipos de ecuaciones de primer orden
que llamaremos elementales:
EDO con integracion directa: y = f (x).
EDO a variables separables: y = f (x)g(y).
EDO lineal de primer orden homogenea: y + a0 (x)y = 0.
EDO lineal de primer orden no homogenea: y +a0 (x)y = Q(x).
Posteriormente estudiaremos algunas ecuaciones de primer y segundo orden que pueden reducirse a casos elementales. Finalmente daremos
una breve introduccion a metodos numericos sencillos que permiten
aproximar la solucion de una EDO.
Nos enfocaremos en la resolucion de las ecuaciones sin ser demasiado rigurosos en los aspectos teoricos que justifican los calculos pues
esto u
ltimo sera tratado con mas profundidad en captulos posteriores.
Recordemos primero el siguiente resultado, conocido como el Teorema Fundamental del Calculo (TFC):
Teorema 2.1 (TFC). Sea f integrable en [a, b], entonces, dado
x0 [a, b] e y0 R, la funcion y, definida por
y(x) = y0 +
f (s)ds,
x0
1Derivable en el cerrado [a, b] significa derivable en el abierto (a, b) y con derivadas laterales en a+ y b .
13
14
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
15
1
para x 6= 0.
x
dx
+ C = ln(|x|) + C = ln(|x|) + ln(k) = ln(k|x|).
x
y (s)ds =
f (s)ds.
x0
x0
Detengamonos
R xaqu para comparar (10) y (11). Esta claro que la funcion F (x) = x0 f (s)ds en (11) es una primitiva bien particular de f :
aquella que cumple F (x0 ) = 0. Entonces la constante C en (10) deja
de ser arbitraria y se tiene que C = y(x0 ). Esto nos dice que el problema de Cauchy asociado tiene una u
nica solucion para cada condicion
inicial.
En las ecuaciones de primer orden que estudiaremos en este curso,
siempre podremos determinar la constante arbitraria si conocemos el
valor de la funcion en un punto del intervalo2.
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
16
1.2. EDO en variables separables. Una EDO en variables separables tiene la forma:
(12)
y = f (x)g(y).
1
g
y F es una
G(y) = F (x) + C.
Si queremos una formula explcita para las curvas integrales debemos
despejary en funcion de x en la relacion anterior3. Si no se puede
despejar y, las soluciones quedan expresadas de manera implcita o
parametrica (ver Ejemplo 2.6).
Ejemplo 2.4. Analicemos la ecuacion
y = xy.
Aqu f (x) = x y g(y) = y. Observemos primero que la funcion nula
y(x) 0 define una curva integral de la EDO. Si y 6= 0 hacemos
Z
Z
dy
= x dx + C.
y
Tenemos entonces que
x2
+ C,
2
de donde
2
x2
x
+ C = ke 2 ,
|y| = exp
2
dnode k = eC > 0. Eliminando el modulo y considerando los posibles
valores positivos y negativos vemos que todas las curvas integrales son
de la forma
x2
y = ke 2 ,
con k R (el valor k = 0 nos da la solucion nula).
ln(|y|) =
17
y = arctan(x + C).
2
3
2
Para el problema de Cauchy, veamos ahora como funciona el metodo
con integrales definidas. Si se integra entre x0 I y x I a ambos
lados de (12), se tiene que
Z y(x)
Z x
dy
=
f (x)dx.
y(x0 ) g(y)
x0
18
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
1
g
y
y =
y
Z
Z
y
p
dy =
dx + C.
k2 y
Haciendo y = k 2 sen2 dy = 2k 2 sen cos d obtenemos
Z
k sen 2k 2 sen cos d
= x+C
k cos
Z
2k 2 sen2 d = x + C
Z
1 cos(2)
2
d = x + C
2k
2
sen 2
2
= x+C
2k
2
4
sen 2
2
x = 2k
C.
2
4
Por lo tanto, se tiene que x = x() e y = y() con
k2
(2 sen 2) C
2
k2
y =
(1 cos 2) .
2
x =
19
0.2
0.4
0.6
0.8
0.5
1.5
20
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
K > 0 constante.
y = 3
g y
2(g y )y y + y (y )2
y = 3
(g y )2
y (g y )2 = 6(g y )y y + 3y (y )2
3y y = (g y )(g y 6y ) = (g y )(g 7y ).
21
1/3
a1 (x)y + a0 (x)y = 0.
a0 (x)
, a1 (x) 6= 0
a1 (x)
y = a0 (x)y.
Presentaremos dos enfoques:
Variables separables: Claramente la funcion nula y(x) 0 define
una curva integral para esta EDO. Para los valores donde y 6= 0, notamos que la EDO (1.3) es de la forma y = f (x)g(y) con f (x) = a0 (x) y
g(y) = y. As
Z
ln(|y|) = a0 (x)dx + C
Z
|y| = k exp a0 (x)dx , k > 0
Z
y = k exp a0 (x)dx
con k R, incluyendo la solucion nula.
22
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
R
Factor integrante: Definimos (x) = exp a0 (x)dx y observamos que (x) = a0 (x)(x). Si multiplicamos la ecuacion por (x)
obtenemos
(x)y (x) + a0 (x)(x)y(x) = 0
(x)y (x) + (x)y(x) = 0
((x)y(x)) = 0,
con lo cual el producto (x)y(x) es constante y as
Z
k
= k exp a0 (x)dx
y(x) =
(x)
con k R, como antes. Este enfoque es la clave para resolver las
ecuaciones lineales no homogeneas.
Ejemplo 2.8. Encontremos las curvas integrales de la ecuacion
y cos x + cos1 x y = 0, x 6= 2 + k usando el metodo de separacion de
variables. Tenemos que
y +
1
y
cos2 x
y
Z
dy
y
ln(|y|)
y
= 0
= y sec2 x
Z
= sec2 xdx + C
= tan x + C
= k exp( tan x),
con k R.
23
(x)
Si a1 (x) 6= 0 podemos normalizar a0 (x) = aa10 (x)
, Q(x) = aQ(x)
y reescrir
1 (x)
la ecuacion como
y + a0 (x)y = Q(x).
Si multiplicamos
ambos
R
lados de la ecuacion por el factor integrante
(x) = exp a0 (x)dx obtenemos
((x)y(x)) = (x)Q(x)
Z
(x)y(x) =
(x)Q(x)dx + C
Z
C
1
y(x) =
(x)Q(x)dx.
+
(x) (x)
El primer termino del lado derecho,
Z
C
yh (x) =
= C exp a0 (x)dx
(x)
se llama solucion homogenea. Aunque se habla de la solucion homogenea,
en realidad se trata de una familia de soluciones, indexadas por la constante C. El segundo termino,
Z
1
(x)Q(x)dx
yp (x) =
(x)
Z
Z
Z
= exp a0 (x)dx
exp
a0 (x)dx Q(x)dx
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
24
CA exp
dt + CA exp
dt
= M exp
dt
CA et + CA et = Met
CA et
= Met
Z
t
CA e
=
Met dt + C
t
CA = Ce
Z
+ Me
et dt
1 t
e , se tiene que
CA (t) = Cet + M
con C R. El resultado es una familia de curvas (indexadas por el
parametro C). Si evaluamos en el tiempo inicial t = 0, se puede encontrar el valor de la constante C, es decir, CA (0) = C + M y CA (0) = CA0 .
C 0 CB0
Luego C = CA0 M = A
. Por lo tanto, la solucion es
20
C 0 + CB0
CA CB0
et + A
CA (t) =
2
2
y como
et dt =
25
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
26
10
9
8
7
6
5
k=3
k =2
3
k =1
2
1
0
0
10
ekt
kt
1+ 2
sen(t) cos(t) .
sen(t)e dt =
k
k
k
Z
Ak
kt
sen(t)
e
cos(t)
. Por lo
Luego,
A sen(t)ekt dt = 2
k + 2
k
tanto (16) queda de la forma
Ak 2
sen(t)
cos(t)
.
T (t) = Cekt + TA0 + 2
k + 2
k
Si consideramos sen =
escribir
T (t) = Cekt + TA0 +
k
y cos =
podemos
k2 + 2
k2 + 2
Ak
(sen(t) cos() cos(t) sen()).
{z
}
k2 + 2 |
sen(t)
Ak
kt
0
Finalmente, T (t) = Ce
| {z } + TA + k 2 + 2 sen(t ). Las variayh
|
{z
}
yp
ciones de la temperatura del mar se encuentran asintoticamente retrasadas o con desfase positivo con respecto a las del ambiente (ver
Figura 3). Ademas, notar que la amplitud asintotica de la temperatura
27
21
20
19
18
17
16
0
10
12
w
k
2.
Veremos ahora algunas ecuaciones diferenciales que se pueden reducir a casos elementales mediante un cambio de variables.
2.1. Ecuaciones homog
eneas. Sean f : R2 R una funcion
de dos variables y k N. Se dice que f es homog
enea de grado k si
f (x, y) = k f (x, y) para cada , x, y R. Observemos que si f y g
(x,y)
puede escribirse
son homogeneas de grado k entonces el cuociente fg(x,y)
28
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
h(z) z
,
x
que es una ecuacion en variables separables.
z =
.
z =
z =
x 1z
x 1z
Para resolver esta ecuacion en variables separables hacemos
1
1z
z =
2
1+z
x
Z
Z
Z
zdz
dx
dz
=
2
2
1+z
1+z
x
1
arctan(z) ln(1 + z 2 ) = ln |x| + C.
2
Si ahora deshacemos el cambio de variables obtenemos la solucion expresada de manera implcita:
r
y
y2
arctan
ln 1 + 2 = ln |x| + C.
x
x
29
dy
= b sen a.
dt
dy
dy dx
=
. Recordando
dx dt
dt
b cos
b sen a
a + b
=
b
y 2 +x2
x
y 2 +x2
p
a x2 + y 2 by
=
.
bx
30
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
Esta u
ltima ecuacion es homogenea. Hacemos el cambio de variable
z = xy xz + z = y . Recordando que x e y son positivas tenemos que
a
xz + z =
1 + z2 + z
b
a
z
=
bx
1 + z2
Z
dz
a
ln x + C.
=
2
b
1+z
Reescribimos la constante C como C = ab ln k con k > 0 y obtenemos
a
ln(z + 1 + z 2 ) = ln(kx) b
a
z + 1 + z 2 = (kx) b
2a
1 + z 2 = (kx) b 2z(kx) b + z 2 .
Ecuaci
on de Bernoulli. La ecuacion de Bernoulli es de la
y + p(x)y = q(x)y n ,
con
n 6= 0.
1n
que resulta ser una ecuacion lineal no homogenea de primer orden normalizada.
Ejemplo 2.14 (Modelo Logstico de poblacion). El modelo logstico se basa en el siguiente principio:
El aumento de una poblacion es proporcional al producto
entre la poblacion misma y su diferencia respecto a un
31
(17)
Z t
Z s
Z t
1
1
+
= exp
exp
M(s)ds
M(s)ds (s)ds .
P
P0
0
0
0
Reordenando se obtiene
(18)
P =
P0 M
.
P0 + (M P0 ) exp(M t)
Ecuaci
on de Riccati. La ecuacion de Riccati es de la forma
y = p(x)y 2 + q(x)y + r(x).
1
Se realiza el cambio de variable y = y1 + , donde y1 es alguna solucion
z
conocida (por ejemplo facil de calcular) de (19). Derivando con respecto
z
a x se tiene y = y1 2 y reemplazando en (19),
z
2
z
1
z
y1 2 = p(x) y1 +
+ q(x) y1 2 + r(x)
z
z
z
y1 p(x)
q(x)
z
+ r(x)
y1 2 = p(x)y12 + 2p(x) + 2 + q(x)y1 +
z
z
z
z
y1 p(x) q(x)
z
y1 2 = [p(x)y12 + q(x)y1 + r(x)] + 2p(x) + 2 +
z
z
z
z
32
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
1
z
1
=2+ ,
y = 2 .
z
z
z
Sustituyendo en la ecuacion obtenemos
2
1
z
1
+ 2+
2 = 2 2 +
z
z
z
z
1
4
1
2 = 2 2 + 4 + + 2
z
z
z z
z = 3z + 1.
y = y1 +
1
Ce3x
1,
3
con
C R.
33
y de all,
p = 1 + kxex
con
k R.
En terminos de y esto es una ecuacion con integracion directa
y = 1 + kxex
y = x + k(x 1)ex + K
con
k, K R.
34
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
wy
2Ct +
arc sen
=
2C
wy
= sen( 2Ct + )
2C
2C
sen( 2Ct + ) con C, R.
y =
w
35
k
m
y
Figura 6. Sistema mecanico de un resorte y una masa.
Ejemplo 2.18 (Cadena cayendo). Para el sistema de la segunda
figura, el largo de la cadena es L y su densidad es [masa / largo], por
lo tanto la EDO que lo describe es
Definiendo =
Ly = gy
g
y y = 0.
L
g
se tiene la EDO y 2 y = 0. El mismo cambio
L
de variable nos da
dz
z 2y
dy
dz
z
dy
z2
2
z
y
Esto es
= 0
= 2y
y2
= 2 + C
p2
=
2 y 2 + 2C
p
= y 2 + a2
p
dy
con
a=
2C
.
2
= dt = t + .
y 2 + a2
Haciendo el cambio de variable y = a senh en el lado izquierdo,
Z
a cosh
d = t +
a cosh
= t + .
Por lo tanto, y = a senh(t + ), con R constante.
36
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
Figura 7. Sistema mecanico de una cadena bajo el efecto de g con un extremo cayendo.
2.6. Otros casos. En ocasiones es posible reducir una ecuacion
complicada a otra mas simple mediante un cambio de variables. No hay
una regla general para determinar el cambio correcto, de modo que la
experiencia es clave.
Ejemplo 2.19. La ecuacion
y = (x + y)2
es de Ricatti. Sin embargo, para aplicar el metodo descrito mas arriba es
necesario conocer una solucion particular, lo que puede no ser evidente.
Otra opcion es usar el cambio w = x + y. Esto nos da w = 1 + y y la
ecuacion se transforma en
w = w 2 + 1,
que es una ecuacion en variables separables. Para hallar la solucion
general hacemos
Z
Z
dw
= dx,
w2 + 1
con
C R.
cos(x + y + 1)
1 cos(x + y + 1)
37
con
C R.
1
y (x)
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
38
3.
Aproximaci
on de la soluci
on mediante m
etodos
num
ericos
x0
x1
x2
x3
X0
3. METODOS
NUMERICOS
39
por el area del rectangulo con base en el segmento [x0 , x1 ] y cuya altura esta dada por el valor del integrando en el extremo izquierdo del
intervalo [x0 , x1 ]. Tenemos que
Z x1
f (s, y(s))ds (x1 x0 )f (x0 , y(x0)),
y(x1 ) y(x0 ) =
x0
de donde
y(x1 ) y(x0 ) + hf (x0 , y(x0)) = y0 + hf (x0 , y(x0 )).
Esto sugiere definir
y1 = y0 + hf (x0 , y0)).
Inductivamente, para n = 1, . . . , N 1 definimos
(21)
yn+1 = yn + hf (xn , yn ).
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
40
dn
xn
Metodo de Euler progresivo:
R xn+1
xn
xn+1
f (s, y(s))ds dn (xn+1 xn ).
M
etodo de Euler retr
ogrado: Esta vez aproximamos la integral
utilizando el valor del integrando en el extremo derecho de cada subintervalo. Para n = 0, . . . , N 1 definimos
(22)
lo que equivale a
yn+1 yn
= f (xn+1 , yn+1).
h
Se dice que este es un metodo implcito pues es necesario resolver
la ecuacion (22), que generalmente es no lineal, para determinar yn+1.
Este proceso puede ser difcil, lo cual representa una desventaja de
este metodo. Sin embargo, el metodo de Euler retrogrado (y los metodos implcitos en general) goza de mejores propiedades de estabilidad,
concepto que presentaremos mas adelante.
dn+1
xn+1
xn
Metodo de Euler retrogrado:
R xn+1
xn
3.2. M
etodos de segundo orden. Los metodos de segundo orden utilizan dos aproximaciones sucesivas para calcular la integral, basadas en el valor del integrando en dos puntos distintos del subintervalo.
3. METODOS
NUMERICOS
41
Los que presentamos a continuacion son casos especiales de los llamados Esquemas de Runge-Kutta.
M
etodo de Euler modificado: Tambien se basa en una aproximacion
de la integral por un rectangulo, pero esta vez se toma el valor del
integrando en el punto medio del subintervalo x
bn+1 = xn + h2 . Dicho
valor es f (b
xn+1 , y(b
xn+1)). Es necesario estimar el valor de y(b
xn+1), para
lo cual se utiliza el metodo de Euler progresivo (en lugar de resolver una
ecuacion no lineal). As, cada iteracion del algoritmo tiene dos etapas.
Primero calculamos
h
ybn+1 = yn + f (xn , yn ),
2
xn
Metodo de Euler modificado:
x
bn+1
R xn+1
xn
xn+1
f (s, y(s))ds cn+1 (xn+1 xn ).
M
etodo de Heun: En esta ocasion utilizamos la regla de los trapecios
para aproximar la integral:
Z xn+1
i
hh
f (xn , yn ) + f (xn+1 , yn+1) .
f (s, y(s))ds
2
xn
Al igual que en el metodo de Euler modificado, estimaremos el valor
de y(xn+1) usando el metodo de Euler progresivo. As, definimos
y luego calculamos
ybn+1 = yn + hf (xn , yn )
yn+1 = yn +
i
hh
f (xn , yn ) + f (xn+1 , ybn+1 ) .
2
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
42
dn+1
dn
xn+1
xn
Metodo de Heun:
R xn+1
xn
f (s, y(s))ds
1
2 (dn+1
+ dn )(xn+1 xn ).
ex y = x + C,
C R.
y(x) = ex (x + 1).
Veamos ahora como funcionan los metodos descritos arriba. Para ello
dividimos el intervalo [0, 1] en 20 subintervalos de longitud 0, 05. La
siguiente tabla muestra los valores que da la ecuacion diferencial (ED)
mediante la formula (23), los metodos de Euler progresivo (EP), de
Euler retrogrado (ER), de Euler modificado (EM) y de Heun (H), junto
con los errores cometidos al aplicar cada metodo.
3.3. Estabilidad. A grandes rasgos, un metodo es estable en la
medida en que los valores que entrega se mantienen cerca de la curva
integral que se pretende aproximar. Es decir, si el error en = |yn y(xn )|
es peque
no. Hay diferentes criterios de estabilidad, pero nosotros nos
centraremos en la llamada estabilidad asintotica, que tiene que ver
con el comportamiento a largo plazo.
3. METODOS
NUMERICOS
43
ED
EP
Error
ER
Error
EM
Error
Error
0
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.55
0.60
0.65
0.70
0.75
0.80
0.85
0.90
0.95
1
1
1.104
1.216
1.336
1.466
1.605
1.755
1.916
2.089
2.274
2.473
2.687
2.915
3.161
3.423
3.705
4.006
4.328
4.673
5.042
5.437
1
1.100
1.208
1.323
1.447
1.581
1.724
1.878
2.043
2.219
2.409
2.612
2.829
3.061
3.310
3.577
3.861
4.166
4.491
4.838
5.210
0
0.004
0.008
0.013
0.018
0.024
0.031
0.038
0.046
0.055
0.064
0.075
0.086
0.099
0.113
0.128
0.145
0.163
0.182
0.204
0.227
1
1.108
1.224
1.350
1.485
1.631
1.788
1.957
2.138
2.333
2.543
2.768
3.010
3.269
3.547
3.845
4.165
4.507
4.873
5.266
5.686
0
0.004
0.009
0.014
0.020
0.026
0.033
0.041
0.050
0.059
0.070
0.082
0.094
0.108
0.124
0.140
0.159
0.178
0.200
0.224
0.250
1
1.104
1.216
1.336
1.465
1.605
1.754
1.915
2.088
2.273
2.472
2.685
2.914
3.159
3.421
3.702
4.003
4.325
4.670
5.038
5.432
0
0.000
0.000
0.000
0.000
0.000
0.001
0.001
0.001
0.001
0.001
0.001
0.002
0.002
0.002
0.002
0.003
0.003
0.003
0.004
0.004
1
1.104
1.216
1.336
1.465
1.605
1.754
1.915
2.088
2.273
2.472
2.685
2.914
3.159
3.422
3.703
4.004
4.326
4.671
5.039
5.433
0
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.002
0.002
0.002
0.002
0.003
0.003
0.003
Cuadro 1. Desempe
no de los metodos estudiados
44
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
h<
1
a
1
a
h=
<h<
1
a
2
a
h>
2
a
3. METODOS
NUMERICOS
45
Ejemplo 2.24. Si aplicamos el metodo de Euler retrogrado para el
problema de Ejemplo 2.23 obtenemos
yn+1 = yn + hf (xn+1 , yn+1) = yn + h(ayn+1 ).
Despejando vemos que
1
1
yn =
y0 .
1 + ah
(1 + ah)n+1
Como 1 + ah > 1 para todo h > 0 tenemos que lmn yn = 0 y
por lo tanto lmn |yn y(xn )| = 0 sin importar el valor de h. Esto
nos dice que el metodo es incondicionalmente estable.
yn+1 =
y0
con a > 0 e y0 > 0. Se trata de una ecuacion lineal de primer orden cuya solucion es y(x) = y0 eax . Esta vez no es cierto que lmx y(x) = 0
para ning
un valor de a.
El metodo de Euler progresivo nos da yn = (1 + h)n y0 , mientras que
el metodo de Euler retrogrado nos da yn = (1 h)n y0 . En ning
un caso
existe lmn |yn y(xn )|. Esto se ve facilmente pues ambos lmites son
de la forma lmn |bn cn | con b 6= c. Por lo tanto, ambos metodos
son inestables.
CAPTULO 3
Daremos una breve introduccion a los operadores diferenciales lineales y plantearemos el problema que nos interesa resolver en este
captulo.
1.1. Operadores diferenciales lineales. As como una funcion
transforma n
umeros en n
umeros: f (x) = y, un operador transforma
funciones en funciones: P (f ) = g. Por ejemplo, la derivada o la integral son operadores que transforman una funcion en su derivada o
primitiva, respectivamente. Mas adelante estudiaremos la transformada de Laplace, que tambien es un operador. Los operadores que involucran solamente derivadas de una funcion se denominan operadores
diferenciales (en oposicion a los operadores integrales, que involucran
primitivas).
Nos interesan operadores que act
uan de una manera muy especial
sobre cierto tipo particular de funciones.
Sea I un intervalo. Recordemos que C n (I) denota el conjunto de
funciones f : I R tales que f, f , f , . . . , f (n) continuas en I. Las
funciones que pertenecen a C n (I) se dice que son n veces continuamente diferenciables o de clase C n .
Estos conjuntos son subespacios vectoriales del espacio de funciones
de I R con la suma y ponderacion por escalar habituales. En efecto,
47
48
D
=
| {z } dxk
k veces
(P1 )(f ) = P1 (f ).
49
I. En particular, se tiene la distributividad por la derecha y por la izquierda, que es una propiedad heredada de la composicion de funciones.
Esto es
(P1 + P2 )Q = P1 Q + P2 Q,
Q(P1 + P2 ) = Q P1 + Q P2 .
homog
enea
subespacio H de
soluciones homogeneas
no homog
enea
hiperplano S de
soluciones particulares
coefiP (D)y = 0
P (D)y = Q
cientes
Polinomio caracterstico Coeficientes indeterminados
Variacion de parametros
constantes Valores caractersticos
coeficientes
variables
P (x, D)y = 0
Formula de Abel
Formula de Liouville
P (x, D)y = Q
Representacion de Green
Variacion de parametros
n
X
ak (x)D k
k=0
es un operador diferencial lineal de orden n. La ecuacion es a coeficientes constantes si los coeficientes de P son constantes:
n
X
ak D k .
P (x, D) = P (D) =
k=0
50
en el intervalo I si y C (I) y
n
X
k=0
(n1)
y(x0 ), y (x0 ), . . . , y
(x0 ) = y0 , y0 , . . . , y0
Teorema 3.1 (Existencia y Unicidad). Supongamos que las funciones ai (x), Q(x) son continuas en un intervalo I. Entonces para cada
x0 I y para cada vector de condiciones iniciales, el problema de Cauchy (24) tiene una u
nica solucion.
(k)
= 0 para cada
y + a1 y + a0 y = Q
DE ORDEN DOS
2. ESTUDIO COMPLETO DE LA ECUACION
51
De la primera ecuacion encontramos z, que sustituimos en la segunda ecuacion para obtener y. Mas precisamente, los resultados de la
Seccion 1 nos dan
Z
1 x
1 x
e1 x Q(x)dx
z = C1 e + e
Z
2 x
2 x
e2 x z(x)dx,
y = C2 e + e
de donde
2 x
y(x) = C2 e
|
2 x
+ C1 e
{z
e(1 2 )x dx
}
Soluci
on Homog
enea yh (x)
2 x
+e
|
(1 2 )x
Z
{z
1 t
Q(t)dt dx .
}
Soluci
on Particular yp (x)
2.1. Soluci
on Homog
enea. Se tienen tres casos para los valores caractersticos:
1. Si 1 y 2 son reales y distintos vemos inmediatamente que la solucion queda de la forma yh (x) = Ae1 x + Be2 x .
2. Si 1 = 2 = R entonces yh (x) = Aex + Bxex .
3. Finalmente, si 1 y 2 son complejos conjugados de la forma
iw con w 6= 0 tendremos que yh (x) = ex (Aeiwx + Beiwx ). Estas
soluciones nos dan valores complejos, lo cual es un inconveniente. Para
resolver este problema recordemos que eiwx = cos(wx) + i sen(wx), de
donde
eiwx + eiwx
eiwx eiwx
= cos(wx) y
= sen(wx).
2
2i
As podemos escribir yh (x) = ex (C cos(wx) + D sen(wx)), con C =
(A + B)/i y D = (A B).
52
F(t)
m
b
E(t)
q
-
DE ORDEN DOS
2. ESTUDIO COMPLETO DE LA ECUACION
53
yh = C1 e(B )t + C2 e(B+ )t .
2. Si = 0 las races son reales e iguales.
Decimos que el sistema
t + C4 ,
20
15
10
5
10
20
30
40
50
60
70
80
90
100
10
20
30
40
50
60
70
80
90
100
10
30
20
10
0
10
0
10
54
2.2. Condiciones de borde. Hemos visto que una ecuacion lineal de segundo orden tiene una u
nica solucion si especificamos el valor
de la funcion y su derivada en un punto. Otro problema interesante es
determinar si existe alguna solucion que parta de un punto y llegue
a otro predefinido. Este tipo de problema aparece con frecuencia en
fsica, ingeniera y economa. Consideremos, por ejemplo, un problema
del tipo
y + y = 0
y(0) = 0
y(1) = 0.
Deseamos saber para cuales valores de este problema tiene soluciones y cuantas. De acuerdo con el signo de podemos distinguir 3 casos:
para A y B. Como w 6= 0, la u
nica solucion es A = B = 0. De nuevo,
solo obtenemos la solucion nula.
3. = w 2 > 0. En este caso las soluciones estan dadas por
y(x) = A sen(wx) + B cos(wx).
Esta vez las condiciones en 0 y 1 nos dan el sistema
B = 0
A sen(w) = 0
para A y B. Si
w = k
con
kZ
DE ORDEN DOS
2. ESTUDIO COMPLETO DE LA ECUACION
55
2.3. Soluci
on Particular. Al inicio de la seccion mostramos
una solucion particular yp . Dicha solucion depende fuertemente de la
estructura exponencial de las soluciones de la ecuacion homogenea y
por lo tanto la expresion es valida u
nicamente cuando los coeficientes
son constantes. Presentaremos ahora un caso especial del m
etodo de
variaci
on de par
ametros, que permite obtener una solucion particular cuando se conocen dos soluciones homogeneas exigiendo u
nicamente
que sean suficientemente distintas, lo que en orden dos quiere decir
simplemente que no sean una m
ultiplo de la otra (ver Ejemplo 3.2).
Sean y1 e y2 dos soluciones de la ecuacion homogenea tal que una
no es m
ultiplo de la otra. Buscamos una solucion particular de la forma
yp (x) = 1 (x)y1 (x) + 2 (x)y2 (x), donde las funciones 1 (x) y 2 (x) son
incognitas. En lo que sigue reemplazamos yp en (25) y ordenamos los
terminos convenientemente, omitiendo la dependencia de x para mayor
claridad. Obtenemos
Q = yp + a1 yp + a0 yp
= (1 y1 + 2 y2 ) + a1 (1 y1 + 2 y2 ) + a0 (1 y1 + 2 y2 )
= (1 y1 + 2 y2 ) + 1 y1 + 2 y2 + 1 y1 + 2 y2
+a1 (1 y1 + 2 y2 + 1 y1 + 2 y2 ) + a0 (1 y1 + 2 y2 )
= (1 y1 + 2 y2 ) + 1 y1 + 2 y2 + a1 (1 y1 + 2 y2 )
pues 1 (y1 + a1 y1 + a0 y1 ) = 2 (y2 + a1 y2 + a0 y2 ) = 0.
Notese que si imponemos 1 y1 + 2 y2 = 0, obtenemos el sistema
1 y1 + 2 y2 = 0
1 y1 + 2 y2 = Q,
que se escribe de forma matricial como
0
y1 (x) y2 (x)
1 (x)
.
=
y1 (x) y2 (x)
2 (x)
Q(x)
El determinante de la matriz de la izquierda:
y1 (x) y2 (x)
= y1 (x)y (x) y2 (x)y (x)
W (x) = W (y1 , y2) =
2
1
y1 (x) y2 (x)
56
vemos que
Qy2
0 y2
=
Q y2
W (y1 , y2)
Qy1
y1 0
=
.
2
y1 Q
W (y1 , y2)
Luego integramos ambas expresiones para obtener los valores de
1 (x) y 2 (x):
Z
Qy2
1 =
dx + K1
W (y1 , y2)
Z
Qy1
2 =
dx + K2
W (y1 , y2)
As, una solucion particular yp es
Z
Z
Qy2
Qy1
dx + y2
dx.
(26)
yp = y1
W (y1 , y2)
W (y1 , y2 )
Se propone al lector como ejercicio comprobar que en los tres casos
mencionados en el Teorema 3.2 el Wronskiano es distinto de cero en
todo R.
1
1
=
W (y1 , y2 )
1
=
W (y1 , y2 )
2.4. El fen
omeno de resonancia. Retomaremos el Ejemplo 3.1
de la analoga electromecanica para explicar un fenomeno muy interesante, llamado resonancia, que ocurre en la ecuacion lineal de segundo
orden. Mencionaremos primero un par de ejemplos de este fenomeno.
Para afinar algunos instrumentos musicales, en especial los de cuerda, se puede utilizar un instrumento llamado diapas
on. Cada diapason
tiene una frecuencia propia o fundamental. El procedimiento es el
siguiente: se percute la cuerda y se coloca cerca del diapason. Si la
frecuencia de vibracion de la cuerda es suficientemente cercana a la
frecuencia propia del diapason, este comenzara a vibrar. Se sabe entonces que la cuerda produce el sonido correcto. En palabras, esto se
explica mas o menos as: la vibracion de la cuerda es transmitida al
diapason a traves del aire. Si la frecuencia de las vibraciones es muy
cercana a la frecuencia propia del diapason, entonces la amplitud del
movimiento de este u
ltimo se potencia considerablemente. En breve
veremos una justificacion precisa de este hecho. El mismo fenomeno es
el que hace posible que algunas voces humanas sean capaces de romper
piezas finas de cristal.
DE ORDEN DOS
2. ESTUDIO COMPLETO DE LA ECUACION
57
b k
F (t)
y + y=
.
m
m
m
k
.
sen(t) y cos(t), donde = =
m
Supongamos que se tiene la ecuacion
y +
k
y = A cos(t),
m
Recordemos que
1
[cos( + ) + cos( )]
2
1
[sen( + ) + sen( )] .
sen() cos() =
2
cos() cos() =
A cos(t) cos(( + )t) cos(t) cos(( )t)
+
.
+
2
+
58
2
A
Vemos que la amplitud del movimiento es 2
as peque
na
2 . Mientras m
sea la diferencia entre y mas grande sera la amplitud.
Ejercicio Propuesto 3.1. Realice los calculos con b 6= 0 y observe que ocurre un fenomeno similar, pero obtenemos esta vez la ampliA
tud p
. La resonancia se produce para un valor de
(k m 2 )2 + b2 2
cercano a la frecuencia fundamental si b es suficientemente peque
no.
3.
M
as sobre la estructura de la soluci
on
3. MAS
59
ellas. Seleccionemos x0 I. De acuerdo con el Teorema de Existencia y Unicidad, para cada i = 1, . . . , n podemos encontrar una funcion
yi C n tal que y (n) (x) + + a1 (x)y (x) + a0 (x)y(x) = 0 para todo
x I y ademas satisface la condicion inicial
yi(x0 )
yi (x0 )
..
.
(i1)
yi
(x0 )
..
.
(n1)
yi
(x0 )
= 0
= 0
= 1
= 0.
Construimos as n funciones y1 , . . . , yn . Probaremos ahora que son linealmente independientes. Supongamos que 1 y1 (x)+ +n yn (x) = 0
para todo x I. Derivando, tenemos que
1 y1 (x) + + n yn (x) = 0
1 y1 (x) + + n yn (x) = 0
..
..
.
.
(n1)
(n1)
1 y1
(x) + + n yn
(x) = 0.
Evaluando en x = x0 vemos que 1 = 2 = = n = 0 (en cada
lnea queda solo un sumando), con lo que las funciones y1 , . . . , yn son
linealmente independientes.
Ahora probaremos que todo elemento yh H puede escribirse
como combinacion lineal de y1 , . . . , yn . Queremos encontrar constantes 1 , . . . , n R tales que para todo x I,
(28)
yh (x)
1
2
yh (x)
=
..
..
.
.
(n1)
(n1)
(n1)
(n1)
n
y1
(x) y2
(x) . . . yn
(x)
yh
(x)
y1 (x)
y1 (x)
..
.
y2 (x)
y2 (x)
..
.
...
...
..
.
yn (x)
yn (x)
..
.
60
1
1
..
.2 =
.
..
1
n
yh (x0 )
yh (x0 )
..
.
(n1)
yh
(x0 )
(i1)
y por el Teorema de Existencia y Unicidad, Teorema 3.1 (ver la observacion que le sigue), yh zh es la funcion nula.
donde y1 , . . . , yn son soluciones linealmente independientes de la ecuacion homogenea, yp es cualquier solucion particular de la ecuacion no
homogenea y las Ci R son constantes arbitrarias que dependen del
vector de condiciones iniciales. 2
2Las
3. MAS
61
S
Y
H
Y
y1 (x)
.
.
.
y
(x)
n
W (x) = W (y1 , . . . , yn ) =
..
.
.
..
..
.
.
(n1)
(n1)
y1
(x) . . . yn
(x)
62
n
X
det(C1 , . . . , Cj , . . . , Cn ).
j=1
.
(n2)
(x)
. . . yn
(n)
. . . yn (x)
...
...
..
.
yn (x)
yn (x)
..
.
y1 (x)
...
yn (x)
.
.
..
..
..
.
W (y1 , . . . , yn ) =
.
(n2)
(n2)
y
(x)
.
.
.
y
(x)
n
1
Pn1
P
(i)
(i)
n1
a
(x)y
.
.
.
a
(x)y
n
i
i
1
i=0
i=0
3. MAS
63
(29)
y1 (x0 )
y1 (x0 )
..
.
(n1)
y1
...
...
..
.
(x0 ) . . .
1
0
2 0
=
..
...
.
(n1)
n
0
yn
(x0 )
yn (x0 )
yn (x0 )
..
.
64
1 y1 (x0 ) + + n yn (x0 )
1 y1 (x0 ) + + n yn (x0 )
..
.
(n1)
z (n1) (x0 ) = 1 y1
(n1)
(x0 ) + + n yn
= 0
= 0
(x0 ) = 0.
y1
...
yn
y1
...
yn
=
..
..
..
.
.
.
(n1)
(n1)
y1
. . . yn
4.
En esta seccion estudiaremos varios metodos para resolver la ecuacion diferencial lineal de orden n a coeficientes constantes. En primer
lugar veremos como una EDO lineal de orden n puede interpretarse
como un sistema de n ecuaciones lineales de primer orden. Una consecuencia es que el Teorema de Existencia y Unicidad para la ecuacion
de orden n, Teorema 3.1, se obtiene como corolario del Teorema 5.2,
que demostraremos en el Captulo 5. Esta identificacion tambien nos
da un metodo teorico para resolver las ecuaciones de orden superior
tratandolas como sistemas de primer orden y aplicando las tecnicas
que describiremos en el captulo correspondiente.
Seguidamente estudiaremos tecnicas que son propias de la ecuacion
de orden n. Para la ecuacion homogenea describiremos un metodo que
sigue la misma lnea de lo que se hizo para la ecuacion de orden 2,
usando los valores caractersticos. Finalmente nos enfocaremos en la
b
usqueda de soluciones particulares de la ecuacion homogenea.
65
y (x)
y (x)
..
.
= z2 (x)
= z3 (x)
..
.
z1
0
1
0 ...
0
z2
0
1 ...
0
0
. = .
.
.
..
.
..
..
..
..
..
.
zn
a0 a1 a3 . . . an1
|
{z
| {z }
z
Ac
}|
z1
z2
..
.
zn
{z
z
0
0
..
.
Q
| {z }
b
Soluci
on homog
enea. La EDO
y (n) + an1 y (n1) + + a0 y = 0
66
l
Y
( i )mi ,
i=1
ml veces
(30)
3Como
i6=j
i C, la funci
on ei x toma valores complejos. Nos libraremos de este
problema tomando las partes real e imaginaria al igual que en la ecuaci
on de orden
dos.
67
Necesitamos encontrar n l soluciones mas, para lo cual nos apoyaremos de nuevo en la afirmacion (30). Para cada valor caracterstico
i encontraremos mi funciones que anulan el operador (D i )mi . Sabemos que ei x es una de ellas. Nos proponemos encontrar las mi 1
restantes.
Lema 3.3. Sea un valor caracterstico con multiplicidad m 2.
Las funciones
ex , xex . . . , xm1 ex
son m soluciones linealmente independientes de la ecuacion diferencial.
n. En virtud de (30), basta probar que
Demostracio
(D )m xk ex = 0
si
k m 1.
En efecto,
(D )xk ex = kxk1 ex + xk ex xk ex = kxk1 ex .
De este modo,
y
(D )k xk ex
(D )k+1 xk ex
= k! ex ,
= k! ex ex
= 0.
m1
Y
k!
k=0
Para los valores caractersticos complejos, que dan origen a soluciones complejas, hacemos lo siguiente: Si = + i es un valor caracterstico complejo, de multiplicidad m, entonces = i tambien es
68
xex cos(x),
...
xm1 ex cos(x),
xex sen(x),
...
xm1 ex sen(x).
xex ,
...,
xm1 ex .
xex cos(x),
...
xm1 ex cos(x),
ex sen(x),
xex sen(x),
...
xm1 ex sen(x).
Los detalles de la demostracion de este teorema, por ejemplo la independencia lineal de las n funciones encontradas, se dejan como ejercicio.
Ejemplo 3.3.
(D 1)2 (D + 3)5 D 3 y = 0.
69
Ejemplo 3.4. Resolveremos ahora la ecuacion diferencial
y (5) y (4) + 2y 2y + y y = 0.
El polinomio caracterstico es
p() =
=
=
=
5 4 + 23 22 + 1
( 1)(4 + 22 + 1)
( 1)(2 + 1)2
( 1)( i)2 ( + i)2 .
1 = 1, m1 = 1 {ex },
Finalmente, toda solucion homogenea se escribe como combinacion lineal de estas funciones, por lo que la solucion general es
yh (x) = C1 ex + C2 cos(x) + C3 sen(x) + C4 x cos(x) + C5 x sen(x).
4.3. Ecuaci
on no homog
enea. Estudiaremos dos metodos para encontrar una solucion particular de la ecuacion homogenea:
El metodo de coeficientes indeterminados, que puede usarse cuando el lado derecho incolucra u
nicamente polinomios,
senos, cosenos y exponenciales. Consiste en postular que la
solucion es de cierto tipo (similar al lado derecho), pero con
coeficientes que son determinados a posteriori. Tiene la ventaja de que los calculos son extremadamente sencillos ya que
involucran u
nicamente derivacion de polinomios, exponenciales y funciones trigonometricas.
El metodo de variaci
on de par
ametros se basa en la representacion de la ecuacion de orden n como un sistema lineal de
primer orden. De hecho, tambien es un metodo valioso para encontrar soluciones particulares de estos sistemas. Consiste en
representar la solucion particular como una combinacion variable de las soluciones homogeneas. Tiene dos ventajas notables en cuanto a su rango de aplicaciones: en primer lugar,
sirve para cualquier tipo de lado derecho; en segundo lugar, el
metodo tambien es u
til, al menos teoricamente, para el estudio de ecuaciones a coeficientes variables. Tambien tiene dos
70
qk (x)ex sen(x),
71
A.2. Si 6= 0, proponemos
yp (x) = r(x)ex cos(x) + s(x)ex sen(x).
Al reemplazar en la ecuacion diferencial se obtiene un sistema lineal de
2(k + 1) ecuaciones con 2(k + 1) incognitas.
Ejemplo 3.6. Encontraremos una solucion particular de la ecuacion
(D 1)(D + 1)y = ex cos(2x).
Observemos que el lado derecho esta multiplicado por un polinomio de
grado 0. Como 1 + 2i no es raz del polinomio caracterstico postulamos
como solucion a la funcion
h
i
yp (x) = A0 ex cos(2x) + B0 ex sen(2x) = A0 cos(2x) + B0 sen(2x) ex .
Tenemos que
h
i
Dyp (x) = ex (A0 + 2B0 ) cos(2x) + (B0 2A0 ) sen(2x) ,
y de all que
h
i
D 2 yp (x) = ex (3A0 + 4B0 ) cos(2x) (4A0 + 3B0 ) sen(2x) .
72
ex
(sen(2x) cos(2x)).
8
73
Ac =
0
1
0
0
0
1
..
..
..
.
.
.
0
0
0
a0 a1 a2
0
..
..
.
.
1
an1
b=
0
0
..
.
Q
y1
...
yn
y1
...
yn
=
..
..
..
.
.
.
(n1)
(n1)
y1
. . . yn
74
Ac = ..
..
.
.
(n)
y1
y notemos que
yn
yn
.. = .
.
(n)
. . . yn
1
(x) b(x) =
2
1
4Se
ex ex
ex ex
0
1
1+ex
1
=
2(1 + ex )
ex
ex
75
Z x
e dx
1
=
ln
F1 (x) =
1 + ex
2
1 + ex
y
Z
1
ex dx
ex
F2 (x) =
=
+ ln 1 + ex .
x
2
1+e
2
Finalmente obtenemos la solucion particular
yp (x) = F1 (x)ex + F2 (x)ex
1
= ex ln 1 + ex + ex ln 1 + ex .
2
5.
5.1. Ecuaci
on homog
enea.
5.1.1. Formulas de Abel y Liouville. En el caso de la ecuacion
homogenea con coeficientes variables, el metodo de los valores caractersticos no se puede aplicar y no existe una metodologa general para
encontrar las soluciones. No obstante, podemos facilmente encontrar
una solucion linealmente independiente a partir de otra concida en el
caso de orden dos, utilizando la formula de Abel, dada en el Teorema 3.5. Esta dice que si y1 e y2 son soluciones de la ecuacion lineal
homogenea de orden dos entonces el Wronskiano W satisface
Z
W (x) = C exp a1 (x)dx .
Mas precisamente, la Formula de Abel nos dice que
Z
y2 y1 y1 y2 = C exp a1 (x)dx .
exp a1 (x)dx ,
y2 y2 =
y1
y1
que es una ecuacion lineal de primer orden que sabemos resolver. Multiplicamos la ecuacion por el factor integrante
Z
1
y1
dx =
(x) = exp
y1
y1
y obtenemos
Z
y2
C
= 2 exp a1 (x)dx .
y1
y1
76
Integrando obtenemos
y2 = Dy1 + y1 C
Z
1
exp a1 (x)dx du.
y12
Si tomamos D = 0 obtenemos la F
ormula de Liouville
y2 = Cy1
Z
1
exp a1 (x)dx du.
y12
xy2 y2 = C exp
,
x
de donde
1
C
1
y2 2 y2 = 3
x
x
x
y
C
2
= 3
x
x
y2
C
=
+ D.
x
2x2
Tomamos C = 2, D = 0 y obtenemos y2 = x1 .
77
Luego
z (u) = eu y (eu ) + e2u y (eu ) = xy (x) + x2 y (x),
con lo cual
x2 y (x) = z (u) z (u)
x 6= 0.
78
5.2. Ecuaci
on no homog
enea. En esta seccion presentaremos
dos metodos para buscar soluciones particulares a la ecuacion no homogenea. La formula de Green es una consecuencia del metodo de
variacion de parametros, por lo que se necesita conocer a priori una
base para el espacio H de soluciones homogeneas. El segundo metodo,
que involucra series de potencias, no requiere conocer las soluciones de
la ecuacion homogenea, por lo que en muchas ocasiones es u
til tambien
para estudiar este tipo de ecuacion.
5.2.1. Formula de Green. El metodo de variacion de parametros
visto antes para coeficientes constantes se aplica en el caso de coeficientes variables. Para ello, se deben conocer primero n soluciones
linealmente independientes de la ecuacion homogenea.
Recordemos que en ese contexto se busca
n
X
Fi (x)yi (x),
yp (x) =
i=1
i=1
n
X
i=1
=
=
yi (x)
Wi (s)
ds
W (s)
1 X
yi (x)Wi (s)ds
W (s) i=1
n
Q(s) X
fi (s)ds.
yi (x)(1)n+i W
W (s) i=1
n n obtenemos
y1 (s)
y1 (s)
Z
Q(s)
..
yp =
.
W (s) (n2)
y
(s)
1
y1 (x)
|
79
ds.
(n2)
. . . yn
(s)
...
yn (x)
{z
}
...
...
..
.
yn (s)
yn (s)
..
.
=R(x,s)
Teorema 3.8 (Teorema de Representacion de Green). Una solucion particular de la ecuacion no homogenea es
Z
R(x, s)
yp = G(x, s)Q(s)ds, donde G(x, s) =
W (s)
es la funci
on de Green.
5.2.2. Solucion en serie de potencias. El siguiente metodo sera presentado de manera ilustrativa; sin profundizar en los detalles teoricos
que justifican su aplicacion. Sean I un intervalo abierto, x0 I y
f : I R. Decimos que f anal
de x0 si existen
Ptica en un entorno
k
a0 , a1 , a2 , . . . tales que la serie k=0 ak (x x0 ) converge absolutamente para todo x suficientemente cercano a x0 y
X
ak (x x0 )k .
f (x) =
k=0
X
ak xk .
y(x) =
k=0
80
X
xn
ex
n=0
sen(x)
senh(x)
X
n=0
1
1x
n!
X
(1)n x2n+1
n=0
(2n + 1)!
x2n+1
(2n + 1)!
X
xn
ln(1 x)
n=1
X
(1)n x2n
cos(x)
(2n)!
n=0
X
x2n
(2n)!
n=0
cosh(x)
arctan(x)
n=0
X
(1)n x2n+1
2n + 1
n=0
y (x) y(x) = 0
y(0) = 1
y (0) = 0.
P
k
x0 = 0) y tenemos que
Escribimos y(x) =
k=0 ak x (aqu
y (x) y(x) =
=
=
k=2
k=0
X
k=0
k2
k(k 1)ak x
ak xk
k=0
k
(k + 2)(k + 1)ak+2 x
ak xk
k=0
(k + 2)(k + 1)ak+2 ak xk .
X
k=0
(k + 2)(k + 1)ak+2 ak xk = 0 + 0x + 0x2 + . . .
81
1
a0
a2m2
+
= =
;
(2m)(2m 1) (2m)!
(2m)!
y si k = 2m + 1,
a2m+1 =
a2m1
1
a1
+
= =
.
(2m + 1)(2m) (2m + 1)!
(2m + 1)!
As,
X
X
x2m
x2m+1
y(x) = a0
+ a1
.
(2m)!
(2m
+
1)!
m=1
m=1
Obtenemos una combinacion lineal de dos soluciones linealmente independientes de la ecuacion. Para determinar las constantes a0 y a1
utilizamos las condiciones iniciales.
1 = y(0) = a0
0 = y (0) = a1 .
Tenemos finalmente que
X
x2m
y(x) =
= cosh(x).
(2m)!
m=0
1 x
e + ex = cosh(x).
2
82
X
2
k 2 ak xk .
x yp (x) + xyp (x) =
k=0
d X k
= x
x
dx k=0
= x
=
kxk1
k=1
kxk .
k=1
X
xk
yp (x) =
= ln(1 x).
k
k=1
En el Ejemplo 3.10 se encontraron las soluciones de la ecuacion homogenea correspondiente. Con esa informacion, la solucion general resulta ser
y(x) = A ln(x) + B ln(1 x).
CAPTULO 4
Transformada de Laplace
1.
Definiciones y ejemplos
Luego L[1](s) =
1
para s > 0 (la asntota es c = 0).
s
Re(a)
entonces
la
integral
e
eat dt =
0
R (sa)t
e
dt no converge. Si s > Re(a),
0
Z +
at
L[e ](s) =
e(sa)t dt
0
+
1 (sa)t
e
=
sa
0
1
=
.
sa
1
para s > Re(a) (la asntota es c = Re(a)).
De all, L[eat ](s) =
sa
83
84
4. TRANSFORMADA DE LAPLACE
1
s + iw
= 2
s iw
s + w2
para s > 0.
L[Im(f )] = ImL[f ],
con lo cual
L[cos wt](s) =
s
s2 + w 2
y L[sen wt](s) =
w
s2 + w 2
para s > 0.
2 s1 s+1
1
.
= 2
s 1
1. DEFINICIONES Y EJEMPLOS
85
f (t) = (1) =
1
0t<1
1 1 t < 2
extendida periodicamente a [0, ) con perodo 2, se llama onda cuadrada y es continua por pedazos.
Ejemplo 4.6. La funcion f (t) = t [t] o bien f (t) = t, 0 t < 1
extendida periodicamente a [0, ) con perodo 1, llamada onda de
dientes de sierra, es continua por pedazos.
1
Ejemplo 4.7. La funcion f (t) = tan(t) no es continua por pedazos
pues
lm+ tan(t) =
y
lm tan(t) = +.
t 2
t 2
86
4. TRANSFORMADA DE LAPLACE
Ejemplo 4.8. La funcion
f (t) =
1
t
t 6= 0
0 t=0
de modo que f C .
|f (s)|ds
M
|f (0)| + ex
x
f
Me ,
1. DEFINICIONES Y EJEMPLOS
M
M
87
est |f (t)|dt
Z0
est et dt
e(s)t dt
1
(s+)t
M
e
s +
0
C
.
s
Ejercicio Propuesto 4.1. Demostrar que tk , k N, tiene transk!
formada de Laplace y que L[tk ](s) = k+1 , s > 0.
s
La funcon escal
on de Heaviside se define como
0 t<a
Ha (t) =
1 ta
a
Funcion escalon de Heaviside Ha (t).
t<a
0
1 at<b
Pab (t) =
0
t b.
88
4. TRANSFORMADA DE LAPLACE
Pulso entre a y b.
Notar que Pab (t) = Ha (t) Hb (t). Luego, su transformada de Laplace para 0 a < b sera
L[Pab (t)](s) = L[Ha (t) Hb (t)](s) = L[Ha (t)](s) L[Hb (t)](s).
Por lo tanto
1
L[Pab (t)](s) = (eas ebs ) para s > 0.
s
2.
Propiedades b
asicas de la transformada de Laplace
L[f ](s) =
= s
est f (t)dt
st
st
f (t)dt + e
f (t)
0
t0
2. PROPIEDADES BASICAS
DE LA TRANSFORMADA DE LAPLACE
89
n1
X
sk f (nk)(0+ ).
k=1
f (u)du
90
4. TRANSFORMADA DE LAPLACE
Si denotamos
Z tZ
a
f (u)du =
a
Z t Z
a
Z
Z t
Z Z
Z t
n
X
t
1 a t
1
n k veces
2.3. Traslaciones. Una traslacion en el dominio temporal t corresponde a un factor exponencial en el dominio de Laplace s. Si f C y
a R, la funcion f trasladada hacia la derecha de define en todo [0, )
como H(t a)f (t a). Se tiene entonces que
Z
L[H(t a)f (t a)](s) =
est H(t a)f (t a)dt
Z0
=
est f (t a)dt
Za
=
es(u+a) f (u)du
0
De manera analoga, una traslacion en el dominio de Laplace corresponde a un factor exponencial en el dominio temporal.
Z
L[f (t)](s a) =
e(sa)t f (t)dt
Z0
=
est ea f (t)dt
a
= L[eat f (t)](s).
2. PROPIEDADES BASICAS
DE LA TRANSFORMADA DE LAPLACE
91
= L[f ](s)L[g](s).
2.6. Convergencia Uniforme. Veremos ahora unos detalles tecnicos de convergencia. Sean f C y M > 0 > . Definimos
Z
Z n
st
(s) =
e f (t)dt
y
n (s) =
est f (t)dt,
0
92
4. TRANSFORMADA DE LAPLACE
e f (t)dt
n
C (s)t
e
s
st
C (s)n
e
kn kI sup
= L[tf (t)](s).
2. PROPIEDADES BASICAS
DE LA TRANSFORMADA DE LAPLACE
93
Z
f (t)
f (t)
lm L
(s) L
(s) =
L[f (t)](u)du.
s
t
t
s
f (t)
f (t)
(s) = 0. En consecuencia
Si
C se tiene lms L
t
t
Z
f (t)
(s) =
L
L[f (t)](u)du
t
s
C cuando f (t) C y lmt0+
Se puede verificar que f (t)
t
existe y es finito. Bajo esta condicion obtenemos
Z s
Z
Z
f (t)
dt,
L[f (t)](u)du =
L[f (t)](u)du +
t
0
s
0
que equivale a integrar desde 0 a . Es decir,
Z
Z
f (t)
L[f (t)](u)du =
dt.
t
0
0
f (t)
t
94
4. TRANSFORMADA DE LAPLACE
3.
Antitransformadas y aplicaciones
3.1. Descomposici
on en fracciones Parciales. Repasaremos
el metodo de descomposicion en fracciones parciales estudiado en el curp(x)
so de calculo integral. Supongamos se tiene la expresion racional
,
q(x)
donde p y q son polinomios a coeficientes reales tales que gr(p) < gr(q).
p(x)
Se quiere escribir
como una suma de expresiones mas simples. Se
q(x)
pueden presentar varios casos:
1. q(x) tiene n races reales distintas y simples: q(x) = (x a1 ) . . . (x
an ), con ai 6= aj si i 6= j. Hacemos
A1
An
p(x)
=
++
.
q(x)
x a1
x an
2. q(x) tiene una raz real de multiplicidad n: q(x) = (xa)n . Hacemos
p(x)
A1
A2
An
=
+
++
.
2
q(x)
x a (x a)
(x a)n
3. q(x) tiene 1 raz compleja simples. Entonces su conjugado tambien
es raz simple, de modo que q(x) = ax2 + bx + c = (x z)(x z),
z C \ R. Hacemos
Ax + B
p(x)
= 2
.
q(x)
ax + bx + c
4. Si q(x) tiene 1 raz compleja de multiplicidad n: q(x) = (ax2 + bx +
c)n = (x z)n (x z)n con z C \ R. Hacemos
p(x)
A1 x + B1
A2 x + B2
An x + Bn
= 2
+
++
.
2
2
q(x)
ax + bx + c (ax + bx + c)
(ax2 + bx + c)n
3. ANTITRANSFORMADAS Y APLICACIONES
95
s2 ((s
A B
C + Ds
1
= + 2+
.
2
2
a) + b )
s
s
(s a)2 + b2
96
4. TRANSFORMADA DE LAPLACE
=
=
=
=
A+D
2aA + B + C
A(a2 + b2 ) 2aB
Ba2 + Bb2
2a
,
2
(a + b2 )2
B=
1
,
2
a + b2
C=
3a2 b2
,
(a2 + b2 )2
D=
2a
.
+ b2 )2
(a2
Mas adelante, en el Ejemplo 5.11, mostraremos una aplicacion concreta del metodo de fracciones parciales a un problema de intercambio
de masas atmosfericas.
3.2. Aplicaci
on a la EDO lineal de orden n. Se tiene la
siguiente EDO a coeficientes constantes:
P (D)y(t) = Q(t)
con P (D) un operador diferencial de orden n normalizado (an = 1) y
Q(t) combinacion lineal de funciones en C . Aplicando L a ambos lados
de la EDO, se obtiene:
" n
#
X
L
aj D j y (s) = L[Q](s)
j=1
n
X
j=1
aj L D j y (s) = L[Q](s).
L D j y (s) = sj L[y](s) Rj (s),
Rj (s) =
j1
X
sk y (jk1)(0+ ).
k=0
j=1
3. ANTITRANSFORMADAS Y APLICACIONES
97
Escribimos entonces
L[y(t)](s) =
R(s) L[Q(t)](s)
+
,
P (s)
P (s)
donde
P (s) =
n
X
aj sj
R(s) =
j=1
n
X
aj Rj (s).
j=1
R(s)
P (s)
L[yp ] =
L[Q](s)
P (s)
se tiene que
L[ y ] = L[ yh ] + L[ yp ].
Luego
yh (t) = L
R
(t)
P
yp (t) = L
L[Q]
(t).
P
1
Para encontrar yp (t), consideremos G(t) = L1
(t). Tenemos
P
yp (t) = L1 L[G(t)](s)L[Q(t)](s) (t)
= L1 L[(G Q)(t)](s) (t)
= (G Q)(t)
Z t
=
G(t )Q()d.
0
98
4. TRANSFORMADA DE LAPLACE
L[H(t)](s )
= L[et H(t)](s)
k1
k1
t
t t
(s ) = L e
(s)
= L
(k
1)!
(k
1)!
t
1
e
= L
sen(wt) (s ) = L
sen(wt) (s)
w
w
=
L [cos(wt)] (s )
1. L
s
(t)
(s2 + a2 )n
2. L
1
(t)
(s2 + a2 )n
3. ANTITRANSFORMADAS Y APLICACIONES
Z
99
1
f = L[f ], se tiene:
s
0
1
s
1
1 1
L
(t) = L
(t)
(s2 + a2 )2
s (s2 + a2 )2
1
1 1
= L
L
t sen(at) (s) (t)
s
2a
Z t
1
1
t sen(at) (s) (t)
L
= L
0 2a
Z t
1
=
t sen(at)
0 2a
1
1
=
sen(at) t cos(at) .
2a2 a
2. Recordando que L
Resumimos los ejemplos mas relevantes de funciones y sus transformadas en la siguiente tabla:
f (t)
et
Ha (t)
Pab (t)
et
tk1
(k 1)!
et
sen(wt)
w
et cos(wt)
t sen(at)
1
sen(at) t cos(at)
a
L[f ](s)
1
s
1 as
e
s
1 as
(e
ebs )
s
1
(s )k
1
(s )2 + w 2
s
(s )2 + w 2
(s2
2as
+ a2 )2
2a2
(s2 + a2 )2
100
4. TRANSFORMADA DE LAPLACE
y + 2y + 2y = 0
y(0) = 1
y (0) = 1
s+3
s+1
2
=
+
.
2
2
(s + 1) + 1
(s + 1) + 1 (s + 1)2 + 1
se tiene que
101
s+1
1
y L [ex sen x] (s) =
,
2
(s + 1) + 1
(s + 1)2 + 1
L[y](s) = L ex cos x (s) + 2L ex sen x (s)
L[y](s) = L ex cos x + 2ex sen x (s)
y(x) = ex (cos x + 2 sen x).
4.
La delta de Dirac pertenece a las llamadas funciones generalizadas o distribuciones. No es exactamente una funcion, sino mas
bien una regla que a cada funcion continua f le asigna un n
umero real,
que es su valor en cero f (0). Las funciones generalizadas se definen en
terminos de su accion sobre cierto tipo de funciones. En estricto rigor,
definimos la accion de la delta de Dirac sobre una funcion continua f
mediante
Z
[f ] =
(t)f (t) dt = f (0).
La delta de Dirac modela un impulso, golpe o chispazo. Se interpreta como un gran estmulo aplicado instantaneamente a un sitema.
Ejemplo 4.14. Tomando la funcion continua f (t) 1 tenemos que
Z
Z
(t) dt =
(t) 1 dt = 1.
102
4. TRANSFORMADA DE LAPLACE
Una propiedad interesante de la delta de Dirac es que se puede
aproximar, en cierto sentido, por funciones propiamente tales. Mas precisamente, su accion sobre una funcion continua se puede obtener como
el lmite de las acciones de una sucesion de funciones integrables. Sea
= P01 el pulso entre 0 y 1. Si n (t) = n(nt) entonces
R +
n (t)dt = 1 para cada n.
10
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
103
mediante
L[](s) =
lm L[n ](s)
Z
lm
n (t)est dt
lm
1/n
nest dt
0
n
= lm (1 es/n )
n s
= 1
para s R.
Observemos que esto es consistente con
Z
L[](s) =
(t)est dt = e0 = 1.
0
f (t)g(t)dt =
f (t)g (t)dt.
Es decir,
fgen
[g] = f [g ].
fgen
(t)g(t)dt
f (t)g (t)dt.
104
4. TRANSFORMADA DE LAPLACE
Ha [g] =
Ha (t)g(t)dt
Z
=
Ha (t)g (t)dt
Z
=
g (t)dt
a
= g(a)
= a [g].
donde
G(t) = L
1
(t).
P
105
CAPTULO 5
Introducci
on
Hasta aqu se han estudiado ecuaciones lineales con una sola funcion incognita. Estudiaremos ahora sistemas de ecuaciones diferenciales
lineales, tanto porque permiten modelar problemas fsicos que involucran la interaccion de diversas variables dependientes, como tambien
porque a ellos pueden reducirse las ecuaciones lineales de grado superior.
Comenzaremos por comentar algunos resultados acerca de funciones
vectoriales y matriciales.
n 5.1. El espacio
Definicio
C n (I)m = C n (I) C n (I)
{z
}
|
m veces
esta conformado por los vectores de m funciones n veces continuamente derivables en el intervalo I. De manera analoga, C n (I)mk son las
matrices de m k funciones n veces continuamente derivables en el
intervalo I. Haremos la identificacion C n (I)m1 = C n (I)m .
Estos conjuntos tienen estructura de espacio vectorial para la suma
y ponderacion por escalar componente a componente. La integracion y
derivacion se hace componente a componente:
R
R
f1,1 . . .
f1,k
f1,1 . . . f1,k
Z
.
..
.. =
..
..
...
. R ..
.
.
R .
fm,1 . . . fm,k
fm,1 . . .
fm,k
f1,1 . . . f1,k
f1,1 . . . f1,k
.. = ..
.. .
..
..
...
.
.
.
.
.
fm,1 . . . fm,k
fm,1
. . . fm,k
Ademas tenemos la regla para la derivacion de un producto.
107
108
=
=
j=1
n
X
j=1
n
X
j=1
n
X
j=1
n 5.2. Un sistema lineal de EDO en Rn es un sistema
Definicio
de n ecuaciones escrito de la forma
X (t) = A(t)X(t) + B(t)
para t I
(33)
X(t0 ) = X0 ,
donde I es un intervalo, A(t) Mnn (R), B(t) Rn para cada t en I,
y X0 Rn son condiciones iniciales en t = t0 I. En el caso B 0
se dice que el sistema es homog
eneo. En el caso que A es una matriz
constante, se dice que el sistema es a coeficientes constantes.
Ejemplo 5.1 (Polucion en dos estanques). Dos estanques 1 y 2,
que contienen V [m3 ] de agua, se encuentran interconectados por medio
3
de un canal, por el cual fluye agua desde 1 a 2 a razon de b[ ms ]. El
3
sistema es alimentado a traves del estanque 1 a razon de b[ ms ], con un
kg
poluente de concentracion [ m
3 ], que contamina el agua. El agua sale
3
del sistema por un canal del estanque 2, con un caudal de b[ ms ]. En esta
situacion se produce una contaminacion del agua en ambos estanques.
Para tratar de disminuir este efecto negativo, se propone a
nadir otro
canal que conecte a los dos estanques, para que devuelva flujo de 2 a 1,
3
a razon de b[ ms ], donde > 0. Sin embargo, para evitar el rebalse del
3
sistema, se debe aumentar el flujo del canal ya existente a b(1 + )[ ms ].
Cuanto ayuda esta solucion a disminuir la polucion del agua en los
estanques?
Para el estanque 1, tenemos que la variacion de la cantidad de poluente
109
b (1+)
b
b(1 + )
x2 (t)
x1 (t)
V
V
b(1 + )
b
b
x2 (t) =
x1 (t) x2 (t) x2 (t).
V
V
V
Este es un sistema de ecuaciones que se puede escribir, en forma matricial, como
!
b
b(1+)
x1
b
x1
V
V
+
.
=
b(1+)
x2
0
x2
b(1+)
x1 (t) = b +
2.
110
Consideremos el sistema
x1
x2
(34)
(35)
= a11 x1 + a12 x2 + b1
= a21 x1 + a22 x2 + b2
(36)
x2 a22 x2 b2
a21
y luego derivamos
x2 a22 x2 b2
.
=
a21
Reemplazando (36) y (37) en (34) resulta
x1
(37)
x2 (a11 + a22 )x2 + (a11 a22 a12 a21 )x2 = a21 b1 a11 b2 + b2 ,
2.2. M
etodo de reducci
on. Utilizando la notacion de operador
= b1
= b2 .
i = 1, 2
det(A)
111
112
a2ij
x2j = kAk kXk.
i=1
j=1
i=1
j=1
j=1
kX Y k.
i=1 j=1
i=1 j=1
113
Definimos el operador
: C 0 (I)m C 0 (I)m
X
7 T (X),
para
t0
t I.
X(t) = T (X)(t) = X0 +
F (s, X(s))ds
t0
para todo t I. Ademas, todo punto fijo tiene que ser de clase C 1 , por
ser primitiva de una funcion continua. Al derivar tenemos que todo
punto fijo de T es solucion del problema de Cauchy
X (t) = F (t, X(t))
para todo t I
X(t0 ) = X0 .
Recprocamente, toda solucion del problema de Cauchy debe ser un
punto fijo de T . Por lo tanto, para demostrar el Teorema 5.2 basta
verificar que T tiene un u
nico punto fijo.
3.1. El Teorema del Punto Fijo de Banach. Primero recordemos dos propiedades importantes de R:
1. Una sucesion {xn } es de Cauchy si para todo > 0 existe N N
tal que |xn xk | < si k, n N. En R toda sucesion de Cauchy es
convergente. Es decir, existe x R tal que lmn xn = x.
2. Una funcion f : dom(f ) R es contractante si existe K (0, 1)
tal que |f (x) f (y)| K|x y| si x, y dom(f ). Sea C R un conjunto cerrado y supongamos que f : C C es contractante. Entonces
f tiene un u
nico punto fijo.
Veremos que estas dos propiedades tambien son validas en el conjunto de las funciones continuas de I en Rm . Comencemos por definir
114
si
k, n N.
y esta u
ltima cantidad tiende a cero cuando n y k tienden a infinito.
Esto nos dice que la sucesion fnj (t) tiene un lmite en R cuando n
. Haciendo el mismo procedimiento para cada t I y cada j
{1, . . . , m} vamos definiendo una funcion f : I Rm cuya j-esima
componente es
f j (t) = lm fnj (t).
n
Veremos ahora que fn converge a f en C 0 (I)m . Esto nos dira automaticamente que f es continua por ser lmite uniforme de funciones continuas (componente a componente). Dado > 0 existe N N tal que
kfn fk k < /2 si n, k N. Por lo tanto, para cada t I se tiene
que
kfn (t) fk (t)k < /2
si n, k N. Tomando el lmite cuando k vemos que
kfn (t) f (t)k /2 < .
115
lo cual es imposible. Dicho esto, escojamos cualquier f C 0 (I)m y definamos recursivamente la sucesion {fn } en C 0 (I)m mediante la relacion
f0 = f
y fn = T (fn1 ) = = T n (f ) para n 1.
Si T (f ) = f ya tenemos el punto fijo. Si no, probaremos que la sucesion {fn } es de Cauchy. El Teorema anterior nos dira entonces que fn
converge a una cierta f C 0 (I)m que tiene que satisfacer T (f) = f
pues fn = T (fn1).
Sean n, k N. Sin perdida de generalidad suponemos que n k y
escribimos la diferencia como una suma telescopica:
n
n
X
X
fn fk =
fj fj1 =
T j (f ) T j1 (f ).
j=k+1
j=k+1
kfn fk k
n
X
j=k+1
n
X
j=k+1
kT j (f ) T j1 (f )k
K j1 kT (f ) f k
kT (f ) f k
Kk Kn
1K
kT (f ) f k k
K .
1K
Tomemos > 0. Dado que K k 0 cuando k (pues K < 1), existe
N N tal que K k < kT(1K)
para todo k N. Tenemos entonces
(f )f k
que kfn fk k si n, k N. Al ser una sucesion de Cauchy, el
Teorema 5.3 nos dice que es convergente. Como mencionamos arriba,
el lmite es el u
nico punto fijo de T .
116
3.2. Demostraci
on del Teorema 5.2. Recordemos que solo
nos resta probar que el operador T definido en (41) tiene un u
nico
punto fijo. Para ello usaremos el Teorema del Punto Fijo de Banach,
pero primero demostraremos un resultado auxiliar:
Lema 5.3. Supongamos que para cierto N N el operador
TN =T
T}
| {z
N n veces
tiene un u
nico punto fijo. Entonces lo mismo es cierto para T .
n. Sea X el u
nico punto fijo de T N . Como T N (X) =
Demostracio
X tenemos que
T N (T (X)) = T N +1 (X) = T (T N (X)) = T (X),
t0
kX(s) Y (s)k ds
L(t t0 )kX Y k .
De manera similar,
2
kT (X)(t) T (Y )(t)k L
kT (X)(s) T (Y )(s)k ds
Z t Z s
2
kX() Y ()k d ds
L
t0
t0
t0
L2 (t t0 )2
kX Y k .
2
117
(ML)n
kT (X) T (Y )k
kX Y k .
n!
n
Como an! tiende a cero cuando n para cada a R, podemos
N
escoger N N tal que (MNL)! < 1, de donde T N resulta ser contractante.
n
118
1
t0 +
1
x0
119
= LC kZ Y k
4.
si
Y, Z C.
S = {X Rn | X = A(t)X + B(t), t I}
120
En lo que sigue fijamos t0 I. Del Teorema de Existencia y Unicidad sabemos que, para cualquier condicion inicial, el sistema lineal
homogeneo tiene una u
nica solucion.
Dado k {1, . . . , n}, la k-esima soluci
on fundamental can
onica, k , es la solucion del sistema
k (t) = A(t)k (t), t I
k (t0 ) = ek ,
(42)
(t0 ) = In
(t) = A(t)
para todo t I.
Z (t) = A(t)Z(t)
para todo t I
Z(0) = 0.
Por el Teorema de Existencia y Unicidad, Z(t) = [(t) (t)]Z0 = 0
para todo t I y para todo Z0 Rn , de donde (t) = (t) para todo
t I.
Veremos ahora que (t) es invertible para todo t I. Supongamos
por el contrario que existe t1 I tal que (t1 ) no es invertible. Entonces
existe v Rn \ {0} con (t1 )v = 0. Esto es,
n
X
vk k (t1 ) = 0.
Pn
k=1
tI
121
Ejemplo 5.3 (Cadena con resortes). Se tiene una cadena con extremos fijos formada por n cuentas conectadas por resortes identicos
de constante elastica k y largo natural l0 . Cada cuenta de masa mi ,
i = 1 . . . n, tiene libertad para oscilar horizontalmente, pero presenta
un rozamiento lineal con el medio de constante ci , i = 1 . . . n. Para
cada cuenta tenemos la ecuacion de movimiento
mi xi = ci xi k[(xi xi+1 ) + (xi xi1 )],
i {1, . . . , n},
m1
x1
c1
x1
..
..
... =
...
.
.
mn
xn
cn
xn
2 1
x1
..
.
x2
1 2
.
.
.
.
.. .
.. .. ..
k
.
n1
. . 2 1
xn
1 2
El sistema tiene la forma MX + CX + KX = 0, con X Rn . Si
hacemos el cambio de variables
X
X
,
,
Z =
Z=
X
X
podemos reescribir el sistema como
0
I
Z =
Z.
M 1 K M 1 C
k = 1, . . . , 2n.
122
para todo
t I.
Veamos P
ahora que {k }nk=1 son linealmente independientes. Suponemos que nk=1 k k (t) = 0 para todo t I. Debemos probar que,
necesariamente, k = 0 para todo k = 1, . . . , n. Observemos primero
que
.
..
..
1
n
.
X
..
= (t).
k k (t) = 1 (t) n (t)
.
..
..
k=1
n
.
.
En virtud del Lema 5.5, la matriz (t) es invertible para cada t y por
lo tanto = 0.
123
124
1 (s)B(s)ds,
t0
Resoluci
on de sistemas lineales
X
Mk
k=0
k!
=I +M +
M2
Mn
++
+
2!
n!
DE SISTEMAS LINEALES
5. RESOLUCION
125
X
1
kMkk .
k!
k=m+1
Como la serie del lado derecho es convergente, la sucesion {sn (i, j)}
n=0
es de Cauchy. Concluimos que la esponencial de una matriz esta bien
definida.
Las principales propiedades de la exponencial se resumen en el siguiente resultado:
n 5.2. Sean A, B Mnn (R), t, s R, entonces:
Proposicio
0t
1. e = eA0 = I.
2. dtd eAt = AeAt .
3. eA(t+s) = eAt eAs . En particular, eAt es invertible y su inversa
es (eAt )1 = eAt .
4. AB = BA si, y solo si, BeAt = eAt B.
5. AB = BA si, y solo si, eAt eBt = e(A+B)t .
n. La propiedad 1. es inmediata de la definicion.
Demostracio
2. En cada intervalo [b, b], b R, las componentes de la matriz At
estan uniformemente acotadas por | max(aij )||b|, luego tenemos la conP
(Ak ) tk
vergencia uniforme de hp (t) = pk=0 k!ij . Como hp converge uniforP
(Ak )ij tk1
memente a h y la sucesion hp (t) = pk=1 k
converge unifork!
Pp
(Ak )ij tk1
memente en (b, b) a k=1 k
, tenemos que h(t) es derivable
k!
y
X
(Ak )ij tk1
h (t) =
k
k!
k=1
X
X
(Ak )ij tk1 X (Ak+1 )ij tk
(Ak )ij tk
k
k
=
= (A )ij
,
k!
k!
k!
k=1
k=0
k=0
126
de donde
d At
(e )ij = Aij (eAt )ij
para todo
t (b, b).
dt
Dado que b era arbitrario, el resultado es valido en todo R.
3. Para s fijo tomamos la funcion
(t) = eA(t+s) eAt eAs ,
que satisface
(t) = A(t) y (0) = 0.
Por el Teorema de Existencia y Unicidad es la funcion nula y as eA(t+s) =
eAt eAs .
4. Por induccion se prueba que AB = BA si, y solo si, Ak B = BAk
para cada k 1. Luego
At
Be
=B
X
Ak tk
k=0
k!
5. Se prueba como 3.
X
BAk tk
k=0
k!
X
Ak tk
k=0
k!
B = eAt B.
para todo
tI
Esto quiere decir que si las condiciones iniciales estan cerca, entonces
las soluciones se mantienen cerca durante un tiempo. Mas precisamente, dados , T > 0 existe > 0 tal que si kX0 Y0 k < entonces
DE SISTEMAS LINEALES
5. RESOLUCION
127
1 0
..
D = ... . . .
.
0 n
. .
.. ..
P = v1 v2
.. ..
. .
..
.
vn .
..
.
eAt = e
X
(P DP 1)k tk
k=0
donde
eDt
k!
=P
e1 t
..
..
= .
.
0
X
D k tk
k=0
0
..
.
en t
k!
P 1 = P eDt P 1 ,
C1
donde C = ... es un vector constante que depende de las condiCn
ciones iniciales. Desarrollando el producto podemos escribir
Xh (t) = C1 e1 t v1 + C2 e2 t v2 + + Cn en t vn .
n. Esta u
Observacio
ltima formula puede obtenerse facilmente
viendo que cada funcion de la forma et v es solucion del sistema lineal siempre que v sea un vector propio asociado al valor propio .
Como toda matriz diagonalizable de tama
no n n tiene n vectores
linealmente independientes, es evidente que las funciones de esta forma generan todo el espacio de soluciones homogeneas. Sin embargo,
128
k1
L2
k2
x(t)
(t)
L1
0
0
1 0
x
0
0
0 1
=
x
(k1 + k2 )
k1 L1 k2 L2
0 0
lineal tomando
x
.
x
0 b
1
0
0
0
x
0
1
0 x
DE SISTEMAS LINEALES
5. RESOLUCION
129
a 0 0 0
0 0 1 0
0 b 0 0
0 0 0 1
2
A=
a 0 0 0 A = 0 0 a 0 ;
0 0 0 b
0 b 0 0
luego, elevando a k,
A2k
ak 0 0 0
0 bk 0 0
=
0 0 ak 0 ,
0 0 0 bk
0
0 ak 0
0
0
0 bk
.
A2k+1 =
k+1
a
0
0 0
0
bk+1 0 0
k
a 0 0 0
k
X
t2k
0 b 0 1
eAt =
k
(2k)! 0 0 a 0
k=0
0 0 0 bk
0
0 ak 0
X
t2k+1
0
0 bk
.
0
+
ak+1
0
0 0
(2k
+
1)!
k=0
0
bk+1 0 0
Si tomamos a = 2 y b = 2 obtenemos
X
ak t2k
k=0
X
k=0
(2k)!
bk t2k
=
(2k)!
X
(1)k (t)2k
k=0
X
k=0
(2k)!
= cos(t)
(1)k (t)2k
= cos(t),
(2k)!
130
X
ak t2k+1
1 X (1)k (t)2k+1
1
=
= sen(t)
(2k + 1)!
k=0 (2k + 1)!
k=0
X
1 X (1)k (t)2k+1
1
bk t2k+1
=
= sen(t).
(2k + 1)!
k=0 (2k + 1)!
k=0
Por lo tanto:
eAt
cos(t)
0
0
cos(t)
=
sen(t)
0
0
sen(t)
sen(t)
0
cos(t)
0
0
1
sen(t)
0
cos(t)
x (0) = 1,
(0) = 0,
sen(t)
x
sen(t)
=
x cos(t)
cos(t)
(0) = 1,
sen(t)
sen(t)
,
(t) =
,
p
p
con = (1 + )k y = L (1 + )k, que fsicamente representan
las frecuencias de cada modo.
x(t) =
0
0
det(A I) = det
a
0
0
b
1
0
0
1
= (2 a)(2 b).
0
0
2 = i,
3 = i,
4 = i,
DE SISTEMAS LINEALES
5. RESOLUCION
131
0
i/
i/
0
, v2 = 0 , v3 = i/ , v4
v1 =
0
1
1
1
0
0
Luego la solucion general sera:
i/
x
= c1 eit 0
1
x
i/
+ c2 eit 0
1
0
0
i/
i/
it
+c3 eit
0
0 + c4 e
1
1
0
i/
.
0
1
Aqu se ve que el movimiento del sistema se expresa fundamentalmente solo como el movimiento vertical de G (representado en el vector
(1, 0) y separadamente la rotacion del eje que une los resortes, en torno
a G, representado en el vector (0, 1), y por tanto la solucion general del
sistema no es mas que la combinacion lineal de estos dos movimientos
fundamentales llamados modos propios. Los valores propios cuando son
imaginarios puros, representan la frecuencia natural de cada modo propio, en este caso al modo de movimiento vertical (1, 0) tiene asociado la
frecuencia propia w = . Una aplicacion del conocimiento de este valor
es que si se deseara tener un fenomeno de resonancia, bastara aplicar
una fuerza externa sinusoidal sobre el auto con esta misma frecuencia
(F = F0 sen(t), F0 constante). La misma interpretacion se tiene para
la frecuencia en el modo (0, 1). Para comprobar que este metodo entrega la misma solucion que la exponencial de la matriz, impongamos
las mismas condiciones iniciales, para determinar las constantes:
c1 + c2 = 0
c3 + c4 = 0
i
c + c2 i
= 1
1
i
c
3
+ c4 i
= 1 ,
132
1 0 0
.
0 1 ..
.
..
B=
. 0
.. 0
.
. .
.. . . . . . . . . 1
0 ... ... 0
DE SISTEMAS LINEALES
5. RESOLUCION
8
0
0
8
0 0
0 0
0 0
0 0
0 0 0
0 0 0
3
0
0
0 0
3 1
0 3
0 0 0
133
0
0
0
.
0
134
donde v1 es el vector propio usual. Una cadena v1 , v2 , . . . , vs as construida, se denomina cadena de Jordan de largo s, asociada al vector
propio v1 . Cuando es maximal (s = p) o si s < p, entonces el problema
(A I)v = vs
A=
1 0
0
1 1
0 1 2 3 3
0 0 1 2 2
.
1 1 1
0
1
1 1 1 1
2
DE SISTEMAS LINEALES
5. RESOLUCION
135
1 1 0 0
0
0 1 0 0
0
.
0
0
1
1
0
J=
0 0 0 1
0
0 0 0 0 1
Si = 0, = 1 v1 = (0, 0, 0, 1, 1) v2 = (1 + , , 0, , ). Si
= = 0 v2 = (1, 0, 0, 0, 0).
Si = 1, = 0 v1 = (1, 1, 0, 0, 0) v2 = (, , 1, 1 + , ). Si
= = 0 v2 = (0, 0, 1, 1, 0).
La matriz P de cambio de base tiene por columnas los vectores propios
generalizados:
0 1 1 0 0
0 0 1 0 1
P =
0 0 0 1 1 .
1 0 0 1 0
1 0 0 0 0
136
n 5.7. Sea
Proposicio
M1
M =
0
..
.
0
0
.
.
M2 . . ..
.. ..
.
. 0
0 Mn
M2
.
.
0 e
eM = .
..
..
..
.
. 0
0 0 eMn
M1 0 0
M1 0 0
..
..
.
.
.
. 0 M2 . .
0 M2 . .
M2 = .
.
.
.
.
.
..
..
.. 0
..
. . 0 ..
0 0 Mn
0 0 Mn
2
M1 0 0
..
.
.
0 M22 . .
= .
.
.
.
..
..
.. 0
0 0 Mn2
Luego, por induccion,
M1k
0
M = .
..
0
k
0
M2k
..
.
..
.
..
.
0
eM1
0
eM = .
..
0
0
eM2
..
.
..
.
..
.
0
0
..
.
0
Mnk
0
..
.
.
0
eMn
DE SISTEMAS LINEALES
5. RESOLUCION
137
eJt = e(I+N )t ,
donde N =
0 1
0 0
.. . .
. . ..
.
. .
.
.
.. . .
..
.
. 1
.
0 0
0 1
0 0
0 1
0 0
.. . .
. . .. .. . .
. . ..
.
. . .
.
. .
.
. .
.. . .
..
.
.. 1
.
. 1 .. . .
.
0 0
0 0
0 0
1 0
.. . .
..
.
. 1
.
.
.. . .
..
.
. 0
.
0 0
m1
0 0
0
.. . . . . . .
.
= . .
.. . . . . .
0
= 0mm ,
138
X
N k tk
k=0
k!
= I + tN +
1 t
.
.. . . .
= ... . . .
. .
.. . .
0
m1
X
k=0
N k tk
k!
t 2
tm1
N ++
N m1
2!
(m 1)!
t2
tm1
2!
(m1)!
..
..
..
.
.
.
2
..
..
t
.
.
.
2!
..
..
.
.
t
1
eJt
= et
1
..
.
..
.
..
.
0
t2
2!
t
..
..
..
..
..
..
.
.
..
.
..
.
..
.
tm1
(m1)!
..
.
t2
2!
t
1
eJ1 t . . . 0
.. P 1 .
eAt = P ... . . .
.
Jn t
0 ... e
Ejemplo 5.7. Consideremos el sistema:
X = AX,
con condicion inicial X(0) = X0 , donde la matriz A esta dada en el
Ejemplo 5.6. Ya habamos calculado su forma canonica de Jordan. En
DE SISTEMAS LINEALES
5. RESOLUCION
139
X(t) = P
et tet 0 0
0
t
0 e 0 0
0
0 0 et tet
0
0 0 0 et
0
0 0 0 0 et
1
P X0 ,
bn+1
1 0
bn
b0
pn+1 = 0 1 pn , con condicion inicial p0 .
Tn+1
0 0
Tn
T0
Consideremos primero un caso mas general de sistemas discretos:
Xn+1 = AXn + Bn ,
n 0,
140
Probemos por induccion que efectivamente la solucion del sistema esta dada por:
n
X
X n = A X0 +
Anj Bj1 ,
j=1
n1
Para n = 1 resulta
X1 = AX0 + B0 ,
que es solucion del sistema. Suponemos ahora que Xn = An X0 +
P
n
nj
Bj1 satisface el sistema propuesto. Hay que probar que
j=1 A
n+1
Xn+1 = A
X0 +
n+1
X
An+1j Bj1
j=1
n+1
X
j=1
n
X
An+1j Bj1
An+1j Bj1 + An+1(n+1) B(n+1)1
j=1
n+1
= A
X0 + A
n
X
j=1
= A An X0 +
n
X
j=1
= AXn + Bn .
Anj Bj1
+ Bn
DE SISTEMAS LINEALES
5. RESOLUCION
141
1 0
D = ... . . . ... , donde 1 , . . . d son los valores propios de A.
0 d
Seg
un lo anterior, la solucion de este sistema sera: Xn = An X0 , pero
An = P D n P 1 , entonces:
n1 0
Xn = P ... . . . ... P 1 X0 .
0 nd
De esta forma si queremos que nuestro problema tenga solucion, es decir
que exista lm Xn , debemos imponer que lm nk exista k = 1, . . . , d,
n
AB = BA (A + B) =
n
X
n
k=0
Ak B nk , n 0,
A = (Id + N) =
n
X
n
k=0
k k
I N
nk
n
X
n k nk
N
,
=
k
k=0
142
0 1 0
0 0 1
n(n 1) n2
0 0 0 + nn1 0 0 1 + n I
=
2
0 0 0
0 0 0
n2
n nn1 n(n1)
2
n
n1
.
= 0
n
n
0
0
De esta forma vemos que se repite la solucion que tenamos para el caso
diagonalizable: independiente de la condiciones iniciales, nuestro modelo indica que cuando n , si || > 1, el sistema diverge, es decir
las poblaciones de ballenas y plancton se expanden indefinidamente, al
igual que la temperatura, mientras que si || < 1, las poblaciones se
extinguen y la temperatura del mar desciende a 0. En el caso crtico
|| = 1 se tiene que las poblaciones animales divergen, pero con temperatura constante del mar T0 .
Ejemplo 5.9. Supongamos que se tienen 4 estanques conectados
por tuberas, como se muestra en la figura.
DE SISTEMAS LINEALES
5. RESOLUCION
143
C = K1 C1 + K2 C2
1
C2 = K2 C2 + K3 C3
C = K3 C3 + K4 C4
C3 = K C + m F,
4 4
0
4
donde Kj = F/Vj . Escrito en forma matricial esto es
0
C1
C1
K1 K2
0
0
C2
0
K2 K3
0 C2 0
+
C3 = 0
0
K3 K4 C3 0
m0 F
C4
C4
0
0
0
K4
Nos queda una matriz triangular superior. Si todos los estanques tienen
distinto volumen, la matriz es diagonalizable pues tiene 4 valores propios distintos. Si por el contrario, todos los estanques el mismo volumen
V , escribimos K = F/V y el sistema se reduce a
0
C1
1 1
0
0
C1
0 1 1
C2
0
C2 + 0 .
C3 = K 0
0
C3
0 1 1
m0 F
C4
0
0
0 1
C4
Si denotamos
1 1
0
0
0 1 1
0
A=K
0
0 1 1
0
0
0 1
entonces
eAt
1 Kt
0
1
= eKt
0 0
0 0
1
K 2 t2
2
Kt
1
0
1
K 3 t3
6
1
K 2 t2
2
Kt
1
Se deja al lector escribir la solucion general usando la formula de variacion de parametros y analizar los casos en que hay alg
un volumen
(y por lo tanto alg
un valor propio) repetido.
144
Lx2 =
Ejemplo 5.10 (Polucion en dos estanques, continuacion). Si reemplazamos los valores que tenamos en el sistema de los estanques en el
Ejemplo 5.1 obtenemos
b2 (1 + )
b(1 + ) b
bx02
2b(1 + )
0
2
s+
Lx
=
s
+
+
x
+
.
s +
1
1
V
V2
V
s
V
Resolvamos la ecuacion cuadratica del lado izquierdo:
r
b(1 + ) b(1 + )
1
s=
.
1
V
V
1+
{z
}
|
DE SISTEMAS LINEALES
5. RESOLUCION
Si 0 entonces [0, 1] y
b(1 + )
(1 + ) < 0
y
V
Si introducimos los parametros
s1 =
s2 =
145
b(1 + )
(1 ) < 0.
V
b
b(1 + )
, = ,
V
V
vemos que
sx01
b + x01 + x02
+
(s + (1 + ))(s + (1 )) (s + (1 + ))(s + (1 ))
b
+
s(s + (1 + ))(s + (1 ))
sx02
(x01 + x02 )
+
=
(s + (1 + ))(s + (1 )) (s + (1 + ))(s + (1 ))
b
+
.
s(s + (1 + ))(s + (1 ))
Lx1 =
Lx2
Los tres sumandos de cada ecuacion anterior tienen una antitransformada conocida:
eat ebt
1
1
=
L
(s a)(s b)
ab
s
aeat bebt
L1
=
(s a)(s b)
ab
1
(c b)eat + (a c)ebt + (b a)ect
=
L1
.
(s a)(s b)(s c)
(a b)(b c)(c a)
e(1+)t e(1)t
2
(1+)t
(1 + )e
(1 )e(1)t
+x01
2
(1+)t
(1 )e
(1 + )e(1)t + 2
+b
22 (1 2 )
e(1+)t e(1)t
= (x01 + x02 )
2
(1+)t
(1 + )e
(1 )e(1)t
+x02
2
(1+)t
(1 )e
(1 + )e(1)t + 2
.
b
22(1 2 )
x1 = (b + x01 + x02 )
x2
146
Luego
x1 = C1 es1 t + C2 es1 t + C3
e1 es1 t + C
e2 es1 t + C
e3 ,
x2 = C
e1 , C2 , C
e2 , C3 , C
e3 son constantes dadas de la agrupacion de
donde C1 , C
terminos semejantes en las expresiones anteriores, y que dependen solo
de las condiciones iniciales y de la geometra del sistema.
Es importante notar que cuando t las soluciones convergen a
un estado estacionario, que es una solucion constante. En efecto, dado
que s1 , s2 < 0 tenemos
t
lm x1 (t) = C3 =
b
(1 2 )
= V
e3 =
lm x2 (t) = C
b
(1 2 )
= V.
Despues de un tiempo suficientemente largo, la cantidad de poluente en cada estanque sera muy cercana a V , independientemente del
valor de . Tenemos la misma solucion que si = 0, que era como
inicialmente estaba el sistema de estanques. En realidad la situacion es
mas compleja, ya que graficando las soluciones para > 0 y = 0 se
aprecia que la polucion es menor en el caso > 0 para un intervalo de
t considerable (aunque el lmite es el mismo). Ver Figura 3.
=0
>0
10
20
30
40
50
60
DE SISTEMAS LINEALES
5. RESOLUCION
147
Veamos ahora el metodo de la Transformada de Laplace en caso de
un sistema lineal general a coeficientes constantes:
X (t) = AX(t) + B(t), con B, X Rn , A Mnn (R)
(43)
X(0) = X0 ,
con X0 Rn .
La i-esima fila del sistema es
n
X
xi =
aij xj + bi ,
xi (0) = x0i .
j=1
n
X
j=1
x0i
n
X
j=1
i = 1, ..., n
i = 1, ..., n.
s > M.
148
c1
N
ecuador
c2
f
(1 et ).
100[kton]
= 5 [a
nos].
20[kton/a
no]
DE SISTEMAS LINEALES
5. RESOLUCION
AC + B, donde
A=
y B=
f1
f2
149
donde
1
s
=
f2
s++
+ c02
s
k1 1 (s) + k2 2 (s) + k3 3 (s)
=
,
e
e2 2 (s) + e
k1 1 (s) + k
k3 3 (s)
e
k1 = f2 + c01 + c02 + c02
e
k2 = c02
e
k3 = f2 + f2 + f1
1
(s + )(s + 2 + )
s
2 (s) =
(s + )(s + 2 + )
1
3 (s) =
s(s + )(s + 2 + )
1 (s) =
son funciones cuyas antitransformadas debemos encontrar para determinar el vector X. Para ello vamos a descomponerlas en fracciones
parciales.
1 (s) =
=
2 (s) =
=
3 (s) =
=
1
(s + )(s + 2 + )
1
1
,
2(s + ) 2(s + 2 + )
s
(s + )(s + 2 + )
s
s
,
2(s + ) 2(s + 2 + )
1
s(s + )(s + 2 + )
1
1
1
+
.
(2 + )s (2)(s + ) 2(2 + )(s + 2 + )
150
Recordando que
1
1
L
(t) = eat
s+a
vemos que
L
[1 (s)] =
=
=
L1 [2 (s)] =
=
=
L1 [3 (s)] =
s
(t) = (t) aeat ,
s+a
1
1
L
2(s + ) 2(s + 2 + )
1 1
1
1
1 1
L
L
2
s+
2
s + 2 +
1 t
1 (2+)t
e
e
,
2
2
1 1
s
1 1
s
L
L
2
s+
2
s + 2 +
1
((t) et (t) + (2 + )e(2+)t )
2
1
(2 + )e(2+)t et ,
2
1 1
1
1
1 1
L
L
(2 + )
s
2
s+
1
1
1
+
L
2(2 + )
s + 2 +
1 t
1
1
e
+
e(2+)t .
(2 + ) 2
2(2 + )
1
( + )f1 + f2
(2 + )
DE SISTEMAS LINEALES
5. RESOLUCION
151
f1 + ( + )f2
.
(2 + )
CAPTULO 6
An
alisis cualitativo de sistemas no lineales
Muchos fenomenos de la naturaleza se comportan de forma un poco mas complicada que un sistema de ecuaciones lineales. Por ejemplo,
se suele utilizar la aproximacion de la Ley de Hooke F = kx para
modelar resortes, aunque en realidad esta fuerza suele tener otras componentes de orden no lineal, pero que habitualmente son despreciables.
En general estas ecuaciones presentan grandes desafos, pues es bastante complicado encontrarles soluciones explcitas. Sin embargo, muchas
veces se puede hacer un estudio cualitativo de las soluciones, que nos
indique sobre el comportamiento general del sistema no lineal.
Dados un intervalo abierto I y una funcion F : I Rn Rn ,
consideremos el siguiente sistema de ecuaciones diferenciales de primer
orden con condicion inicial X0 Rn en t0 I:
X (t) = F (t, X(t)), t I
X(t0 ) = X0 .
Si la funcion F no es lineal con respecto a la varible X, se dira que es
un sistema no lineal (SNL). Si ademas F no depende explcitamente de la variable t, se dira que es un sistema no lineal aut
onomo
(SNLA). Generalmente un (SNLA) corresponde en el caso mecanico a
un movimiento sin forzamiento externo. Estos sitemas son invariantes
bajo traslaciones temporales (variable t). En particular, si X : I Rn
es una solucion del sistema entonces la funcion Xc : Ic Rn definida
por Xc (t) = X(t c) tambien lo es. Aqu Ic denota el intervalo I desplazado hacia la derecha en c.
El vector X(t) Rn , que es la solucion del sistema en un punto
t I, se llama vector de estado.
n. Dada una funcion h : I R R R R, toda
Observacio
ecuacion de orden superior de la forma
y (n) = h(t, y, y , . . . , y (n1) )
y(t0 ) = y0 , y (t0 ) = y1 , . . . , y (n1) (t0 ) = yn1
153
154
6. SISTEMAS NO LINEALES
mg
L
sen() = f (t)
(0) = 0
(0) = 0 ,
c
g
y sen(x) + f (t).
m
L
La no linealidad se aprecia claramente en el termino sen() pues
y =
g
c
y sen(x).
m
L
Ejemplo 6.2 (Atractor de Lorenz). El siguiente sistema de ecuaciones diferenciales fue un modelo desarrollado por Lorenz, que en principio se propona tratar de comprender los fenomenos meteorologicos.
El modelo que utilizo Lorenz consiste en una atmosfera bidimensional
rectangular, cuyo extremo inferior esta a una temperatura mayor que
el superior. De esta manera el aire caliente subira y el aire fro bajara creandose corrientes que haran un intercambio de calor por conveccion. Las ecuaciones que describen este proceso son:
x = s(y x)
y = rx y xz
z = xy bz,
155
De aqu en adelante nos restringiremos a problemas en dos dimensiones y autonomos de la forma (SNLA):
x = F (x, y), x(t0 ) = x0
y = G(x, y), y(t0 ) = y0 ,
con F y G funciones continuamente diferenciables. El Teorema 5.4 garantiza que siempre tendremos una u
nica solucion local.
Decimos que (
x, y) es un punto crtico o de equilibrio del (SNLA)
F (
x, y) = 0
G(
x, y) = 0.
Se llama nulclina en x a la curva definida por F (x, y) = 0 y nulclina
en y a la curva definida por G(x, y) = 0.
si
Los puntos crticos son las intersecciones de las nulclinas. El conjunto de puntos crticos del sistema se denota por
C = {(
x, y) R2 | F (
x, y) = G(
x, y) = 0}.
F
(
x, y)(y y) + hF (r)
y
G
(
x, y)(y y) + hG (r),
y
donde r = (x, y) (
x, y) (recordemos que F (
x, y) = G(
x, y) = 0).
Ademas
hF (r)
hG (r)
lm
=0
y
lm
= 0.
r0 krk
r0 krk
156
6. SISTEMAS NO LINEALES
F
(
x, y),
x
b=
F
(
x, y),
y
c=
G
G
(
x, y) y d =
(
x, y);
x
y
Es decir, si
a b
c d
x
y
a b
c d
x
y
157
= V0 ,
Si |J(
x, y)| =
6 0 tenemos que
1
w x
a b
hF (
r)
=
.
z y
c d
hG (
r)
158
6. SISTEMAS NO LINEALES
y
(0,14)
(12,6)
(20,0)
x
(0,0)
F
x
G
x
F
(
x, y)
y
G
(
x, y)
y
60 6x 4y
4x
2y
42 6y 2x
Evaluando el Jacobiano en cada punto crtico encontramos los respectivos sistemas linealizados:
159
60 0
es invertible. El sistema linealizado al0 42
rededor de (0, 0) es
x = 60(x 0) +
0(y 0)
(SL)1
y = 0(x 0) + 42(y 0).
60 80
2. J(20, 0) =
tambien es invertible y
0
2
x = 60(x 20) 80(y 0)
(SL)2
y =
0(x 20) + 2(y 0).
4
0
3. J(0, 14) =
tambien lo es y
28 42
x =
4(x 0) +
0(y 14)
(SL)3
g
L
sen(
x),
de donde
El Jacobiano es
C = {(k, 0) | k Z}.
J(
x, y) =
0
1
Lg (1)k mc
160
6. SISTEMAS NO LINEALES
Vemos que (0, 0) es un punto crtico aislado de este sistema. Sin embargo
2
3x
0
0 0
J(x, y) =
,
de donde
J(0, 0) =
.
0 0
0 3y 2
161
4
y 2
4
2
4
Figura 3. Interseccion de Conicas
Para ver que en (0, 0) la dos curvas efectivamente son tangentes
como sugiere el grafico, calculemos la derivada en dicho punto:
3+2x
y (0) = 32
3 + 2x + 2y + 2yy = 0 y = 2(1+y)
6 2x + 4y + 2yy = 0 y = x3
y (0) = 32 .
2+y
2.
Dado el (SNLA)
x = F (x, y)
y = G(x, y)
con condicion inicial (x(t0 ), y(t0 )) = (x0 , y0), a la solucion del problema de Cauchy se le llama trayectoria que parte de (x0 , y0 ). Mas
precisamente, es la funcion
T : I0 R2
t 7 (x(t), y(t)) ,
162
6. SISTEMAS NO LINEALES
donde I0 es su intervalo maximo de existencia (que por supuesto contiene al que entrega el Teorema de Existencia y Unicidad). El recorrido
R de esta trayectoria es el conjunto imagen de la funcion T . Es decir,
R = (x(t), y(t)) R2 | t I0 .
Claramente dos trayectorias distintas pueden tener el mismo recorrido.
Un diagrama de fases de este sistema autonomo es a una coleccion de recorridos de las trayectorias para un n
umero representativo
de condiciones iniciales. El plano donde se grafica el diagrama de fases
se llama plano de fase. El interes de los diagramas de fase es que al
eliminar el tiempo de las ecuaciones, obtenemos graficos en 2 dimensiones en lugar de 3, lo que hace mas facil su estudio. Por otra parte, al
se
nalar el sentido de recorrido podemos conocer muchas propiedades,
en particular asintoticas, de las trayectorias.
Una consecuencia del Teorema de Existencia y Unicidad es la siguiente
n 6.1. Si dos trayectorias se intersectan sus recorridos
Proposicio
coinciden.
n. Si dos trayectorias T1 y T2 se intersectan como
Demostracio
en la Figura 4, entonces existen t1 , t2 tales que
(x1 (t1 ), y1(t1 )) = (x2 (t2 ), y2 (t2 )).
(xo,yo)
163
164
6. SISTEMAS NO LINEALES
3.
Clasificaci
on de los puntos crticos
Los puntos crticos de un (SNLA) pueden ser de diferentes naturalezas. Un punto crtico (
x, y) es estable si para cada > 0 podemos
encontrar > 0 de manera que k(x(t), y(t)) (
x, y)k < para todo
t, siempre que k(x0 , y0 ) (
x, y)k < . De lo contrario se dice que es
inestable. En palabras, un punto crtico es estable si las trayectorias
que parten cerca de el se mantienen cerca.
Por otra parte, un punto crtico (
x, y) es asint
oticamente estable
si es estable y ademas existe > 0 tal que
lm (x(t), y(t)) = (
x, y),
165
xo
x
t
yo
y
t
Figura 6. Soluciones de (47) para k > 0.
t=0
yo
y
t=1
t=2
xo
Figura 7. Solucion del sistema para una condicion inicial en el plano de fases XY
Si graficamos las soluciones para diferentes valores positivos y negativos de x0 y de y0 construimos el diagrama de fase de la Figura 8,
donde se aprecia claramente que todas las soluciones concurren al origen. Esta caracterstica hace que este punto crtico sea asintoticamente
estable.
Ahora, si cambiamos el parametro a k = 2, resulta
x(t) = x0 et
y(t) = yoe2t ,
166
6. SISTEMAS NO LINEALES
yo
xo
167
lm y(t) = y.
168
6. SISTEMAS NO LINEALES
y
yo
y
x
xo
169
170
6. SISTEMAS NO LINEALES
cos(t) sen(t)
sen(t) cos(t)
171
Nos interesa estudiar ahora con profundidad los sistemas linealizados, puesto que Henri Poincare demostro que bajo las hipotesis adecuadas, si se logra clasificar cualitativamente un punto crtico, por ejemplo
172
6. SISTEMAS NO LINEALES
(49)
x = ax + by
y = cx + dy,
1 0
0 2
P =
v1 | v2
173
donde v1 , v2 son los vectores propios asociados a 1 y 2 , respectivamente. De esta forma la solucion del sistema lineal es
x
x0
At
= e
y
y0
t
x
x0
e 1
0
1
= P
P
y
y0
0 e2 t
t
x0
e 1
0
x
1
1
=
P
P
y0
y
0 e2 t
|
{z
}
| {z }
t
1
x
e
e
0
x
e0
=
.
t
2
ye
ye0
0 e
Si 1 > 0, entonces
lm x
e = lm e1 t x
e0 = ,
ye0
/1
x
e0 2
ye = c0 x
e2 /1 ,
es una constante.
174
6. SISTEMAS NO LINEALES
175
176
6. SISTEMAS NO LINEALES
1 = i,
con
6= 0 y 6= 0.
x + y
y = x +
y
177
+ i
0
y
, tienen igual po0
i
linomio caracterstico. Ya habamos analizado este caso en el Ejemplo
6.12. Vimos que el origen es un punto espiral asintoticamente estable
si < 0 y un espiral inestable si > 0.
pues las matrices
Ejemplo 6.14 (Pendulo no lineal). Ahora que tenemos mas herramientas, seguiremos con el ejemplo del pendulo no lineal. El sistema
x = y
y = mc y Lg sen(x)
tiene puntos crticos C = {(k, 0) | k Z}, y el Jacobiano respectivo
es:
0
1
0
1
J(x, y) =
J(
x, y) =
,
Lg cos(x) mc
Lg (1)k mc
por tanto los valores propios dependeran de la paridad de k.
g
L
= 0, de donde
r
c
c2
g
=
+ .
2
2m
4m
L
Puesto que todas las contantes son positivas tenemos dos valores propios reales de distinto signo. Los puntos crticos resultan ser puntos
sillas inestables.
k par: Aqu 2 +
g
L
= 0 y luego
r
g
c
c2
.
=
2
2m
4m
L
Analicemos por casos el signo de la cantidad subradical:
g
c2
1. Sobreamortiguado: El caso 4m
2 > L nos entrega dos valores
propios reales distintos, ambos negativos, por lo que los puntos
crticos (k, 0) resultan nodos asintoticamente estables.
g
c2
2. Subamortiguado: El caso 4m
2 < L nos entrega dos valores
propios complejos conjugados, por lo que los puntos crticos
(k, 0) resultan puntos espirales, que ademas son asintoticac
mente estables pues = 2m
< 0.
Este caso corresponde al mas com
un, que ocurre cuando el
g
c2
olo
coeficiente de roce es peque
no (notar que 4m
2 < L si, y s
pg
si, c < 2m L ).
Notemos que si el pendulo esta en posicion vertical hacia arriba, que corresponde a los puntos k impar, esta en un equilibrio
178
6. SISTEMAS NO LINEALES
4
y
3 2
2
00
2
2
x
4
Figura 19. Diagramas de fase del pendulo subamortuguado.
2
g
c
3. Crticamente amortiguado: El caso 4m
2 = L nos entrega un
solo valor propio real negativo. Este caso a
un no lo hemos
analizado, por lo que lo pospondremos momentaneamente.
B. Casos Frontera.
B.1. Un solo valor propio con multiplicidad 2.
Tenemos el sistema
x = ax + by
y = cx + dy,
a b
con la matriz A =
no es necesariamente diagonalizable (pues
c d
tiene el valor propio repetido), pero siempre se puede llevar a su forma canonica de Jordan A = P JP 1, donde J puede tener uno o dos
bloques. En el caso de tener dos bloques, la matriz es diagonalizable,
con
t
0
e
0
Jt
J=
y de aqu
e =
.
0
0 et
179
t
t
ye
ye0
0 e
ye = e ye0
=
y0
y
0 et
y = et y0
De aqu se tiene que si < 0 resulta un nodo asintoticamente estable,
y si > 0, es un nodo inestable.
De hecho, de la segunda ecuacion se
y
1
puede despejar t = ln y0 . Reemplazando en la primera obtenemos
x0 1
y
x = y
.
+ ln
y0
y0
Si ahora derivamos con respecto a y, vemos que
1
x0
1
x0 1
y
d
x
+ =
=
+ ln
+t+ .
d
y
y0
y0
y0
x
cuando t , de modo que todas las
Resulta claro que d
d
y
trayectorias entran tangentes a una recta horizontal.
Ahora que ya sabemos como se comporta el sistema lineal en funcion de sus valores propios, podemos enunciar de forma completa los
teoremas de Poincare y Liapunov:
180
6. SISTEMAS NO LINEALES
y = det(A)
181
tr(A)
tr(A)2 4 det(A)
.
2
Las races son reales sobre la parabola 4 det(A) = tr(A)2 . Con la notacion dada arriba esto es 4y = x2 .
4 det(A) = tr(A)2
det(A)
1
tr(A)
182
6. SISTEMAS NO LINEALES
de la matriz, sin tener que calcular valores y vectores propios explcitamente. Sin embargo, si queremos un grafico preciso del diagrama de
fases es inevitable calcular los vectores propios, pues indican las direcciones de tangencia de las trayectorias, para el caso que corresponda.
5.
Un concepto u
til en fsica para clasificar los puntos de equilibrio de
un sistema es el de energa, gracias al siguiente principio:
En sistemas conservativos, un punto crtico es estable si es un mnimo local de la energa total.
A grandes rasgos una funcion de Liapunov es una energa, en un sentido amplio. En breve daremos una definicon mas precisa.
Retomemos el Ejemplo 6.14 del pendulo. Supongamos primero que
c = 0, lo que significa que no hay roce. El sistema es
x = y
y = Lg sen(x).
183
Las ecuaciones para la energa son exactamente las mismas, por lo que
todava V (x, y) = 12 mL2 y 2 +mgL(1cos(x)), pero si derivamos y luego
reemplazamos x , y obtenemos
dV
= cL2 y 2 0.
dt
La energa disminuye con el paso del tiempo y se dice que el sistema
es disipativo. En este caso la perdida o disminucion de energa se
debe al roce y es natural pensar que entonces debe tener mas posibilidad de evolucionar hacia un punto de equilibrio estable. Es mas, antes
ya vimos que la posicion vertical hacia abajo es punto de equilibrio
asintoticamente estable.
Dado un punto (
x, y) R2 , una corona alrededor de (
x, y) es un
conjunto Dr de la forma
{(x, y) R2 | 0 < k(x, y) (
x, y)k < r}.
Notemos que si a Dr le agregamos el punto (
x, y) obtenemos la bola
abierta Br (
x, y). Una vecindad perforada de (
x, y) es un abierto que
no contiene a (
x, y) pero contiene a una corona alrededor de (
x, y).
Consideremos el (SNLA)
x = F (x, y),
y = G(x, y),
x(t0 ) = x0
y(t0 ) = y0 ,
184
6. SISTEMAS NO LINEALES
De esta manera se hace evidente la analoga entre las funciones de Liapunov y la energa.
Teorema 6.3 (Estabilidad por funciones de Liapunov). Sea (
x, y)
un punto crtico aislado del (SNLA).
1. Si existe una funcion de Liapunov en torno a (
x, y), entonces
el punto crtico es estable.
2. Si ademas la funcion de Liapunov es estricta, el punto es
asintoticamente estable.
3. Por el contrario, si existe una funcion con las mismas caracV
V
tersticas pero con
F+
G > 0 en Dr , entonces el punto
x
y
crtico es inestable.
n. 1. Sea > 0. Para probar la estabilidad debemos
Demostracio
encontrar > 0 tal que si (x0 , y0) B (
x, y) entonces x(t), y(t)
B (
x, y) para todo t > 0. Como V es continua existe
mn{V (x, y) | (x, y) B (
x, y)} = m > 0,
x, y) es la bola cerrada de centro (
x, y) y radio y B (
x, y)
donde B (
denota su frontera (que es cerrada y acotada). Por la continuidad de
V existe (0, r) tal que V (x, y) < m/2 para todo (x, y) B (
x, y).
En t0 tomemos la condicion inicial (x0 , y0 ) B (
x, y), y la trayectoria
asociada (x(t), y(t)). Sabemos que V (x0 , y0 ) < m/2. Ademas
d
V dx V dy
V (x(t), y(t)) =
+
= Vx F + Vy G 0
dt
x dt
y dt
de donde
V (x(t), y(t)) V (x0 , y0 ) < m/2
para todo
t 0.
185
186
6. SISTEMAS NO LINEALES
cos() 3
x
3
para alg
un (0, x). Como para usar el teorema basta encontrar una
vecindad del origen, consideremos 2 < x < 2 , con lo que 0 < cos() <
1. Reemplazando esto vemos que
V
cos() 3
V
F+
G = (x2 + y 2 ) +
x (x + 2y).
x
y
3
No es directo establecer si esta expresion cambia de signo o no, pero si
hacemos el cambio a coordenadas polares: x = r cos(), y = r sen(),
obtenemos
V
cos() 4
V
F+
G = r 2 +
r cos()4 + 2 cos()3 sin() .
x
y
3
Claramente
187
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 1
Ejercicios (captulo 1):
1. Compruebe que las siguientes funciones satisfacen las ecuaciones diferenciales
dadas:
(1) y = tan(x);
y = 1 + y2.
(2) y = ex e1
1
2
sen(x);
y y = sen(x).
(3) y = senh(x); xy p
y 4x3 y = 0.
(4) y = arcsen(xy); y ( 1 x2 y 2 x) = y.
(5) x + y = arctan(y); 1 + y 2 + y 2 y = 0.
2. Determine m para que la funci
on
(1) y = xm sea solucion de x2 y y = 0.
(2) y = xm sea solucion de x2 y + 6xy + 4y = 0.
(3) y = emx sea solucion de y 3y + 2 = 0.
Si encuentra mas de un valor, compruebe que cualquier combinaci
on lineal tambien
es solucion.
3. Encuentre una ecuaci
on diferencial lineal de segundo orden a coeficientes variables que se cumpla para y1 (x) = x e y2 (x) = ln(x).
4. Para las siguientes famlias de curvas haga lo siguiente:
i)
ii)
iii)
iv)
Escriba la ecuaci
on diferencial que describe la familia.
Haga lo mismo para la familia ortogonal.
Con un poco de ingenio, descubra la ecuaci
on de la familia ortogonal.
Grafique ambas familias.
x2
x
2
et dt para x 0.
si
z1 6= z2 .
Pruebe que si y1 (0) < y2 (0) entonces y1 (x) < y2 (x) para todo x I con
x 0. Deduzca que la solucion de
y = x2 + y 2 + 1
y(0) = 1
debe tener una asntota vertical en alg
un x0 (0, /2) (le ser
a u
til un
resultado del problema 1: y = tan(x) satisface y = 1 + y 2 ).
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 2
Ejercicios (hasta la secci
on 2.1):
1. Determine si se puede aplicar alguno de los teoremas de existencia y unicidad.
Diga cu
al es el intervalo de existencia garantizado por el teorema correspondiente:
(1) y + y = x2 3, y(0) = 1.
(2) y = sen(y) ln(x + 5), y(1) = 2.
(3) y = 1 + y 2 , y(0) = 0.
(4) y = y, y(1) = 0.
(5) y = 3 y, y(1) = 1.
2. Sean p y q funciones continuas en un intervalo J.
(1) Si k > 1 entonces para cada x0 I e y0 R el problema
y = p(x)y + q(x)y k
con
y(x0 ) = y0
tiene una u
nica solucion en un intervalo I con x0 I J.
(2) De un contraejemplo para lo anterior en el caso k (0, 1).
3. Resuelva las siguientes ecuaciones con integraci
on directa:
2
(1) (x 1)y = 2.
(2) y = ln(x), x > 0.
(3) (1 + x2 )y = arctan(x).
(4) y = x sen(x).
(5) y = ex cos(x).
4. Resuelva las siguientes ecuaciones en variables separables:
(1) yy x = xy 2 .
(2) y = 1 + x + y + xy.
(3) y ln(y) + xy = 0.
(4) y = ax+y .
(5) (1 + ex )yy = ey .
5. Resuelva las siguientes ecuaciones lineales de primer orden:
(1) xy + y = xex .
(2) y + 2y = x2 + 2x.
(3) (a2 + x2 )y + xy = a2 .
(4) y + y cos(x) = sen(x) cos(x).
2
(5) y y = 2xex+x .
con
a, b, c R
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 3
Ejercicios (captulo 2 completo):
1. Verifique que las siguientes ecuaciones son homogeneas y resuelvalas:
(1) 4x 3y + p
y (2y 3x) = 0.
(2) xy = y + y 2 x2 .
(3) 4x2 + xy 3y 2 + y (5x2 + 2xy + y 2 ) = 0.
(4) y = 3x2xy
2 y 2 .
(5) y = x+y
xy .
2. Resuelva las siguientes ecuaciones de Bernoulli:
(1)
(2)
(3)
(4)
xy + y = y 2 .
xy 2 y + y 3 = xcos(x).
x2 y + y 2 = xy.
x2 y 2xy = 3y 4 .
4. Considere la EDO
y =F
ax + by + e
cx + dy + f
con
a, b, c, d, e, f R.
5. Consideremos la ecuaci
on diferencial lineal homogenea de segundo orden con
condiciones iniciales
y + a1 (x)y + a0 (x)y = 0, x I
(E)
y(0) = y0 , y (0) = y1
donde y0 > 0, y1 R e I R es un intervalo.
(1) Pruebe que el cambio de variable v = y /y reduce la ecuaci
on en (E) a la
ecuaci
on de Riccati
dv
+ v 2 + a1 (x)v + a0 (x) = 0.
dx
Deduzca que la resolucion de (E) es equivalente a la del siguiente sistema
de ecuaciones de primer orden
(R)
y = vy
dv
= v 2 a1 (x)v a0 (x)
dx
(3) Determine v tal que el punto de encuentro sea antes de que el mech
on de
Derecho llegue a su facultad. (Considere que la facultad de Derecho tiene
coordenadas (0, L)).
Nota: Considere que el mech
on de Derecho se desplaza a lo largo del eje Y ,
y recuerde que el largoRde p
una curva descrita por una funci
on y(x) se puede
x
calcular como L(x) = x0 1 + (y )2 dx.
2 =
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 4
Ejercicios (Secciones 3.1 y 3.2):
1. Hallar la solucion general de las ecuaciones diferenciales de segundo orden con
coeficientes constantes:
(1)
(2)
(3)
(4)
(5)
y 16y = 0.
y + 9y = 0.
y + 8y + 16y = 0.
y 4y + 5y = 0.
3y + 2y + y = 0.
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 5
Ejercicios (Secciones 3.3 y 3.4):
1. Resolver las siguientes ecuaciones con condicion inicial:
(1)
(2)
(3)
(4)
t R,
... ...
... ...
... ...
1
kn
kn2
..
.
... ...
. . . . . . knn1
con x > 0.
(H)
.
.
.
1
n
..
.
.
.
.
.
.
.
1 (1 1) . . . (1 (n 2)) . . . n (n 1) . . . (n (n 2))
j
es distinto de cero.
(5) Demuestre que las funciones x1 , . . . , xn generan el espacio solucion de (H).
Deduzca que (H) tiene como solucion
yh (x) = c1 x1 + c2 x2 + . . . + cn xn
para x > 0,
con x > 0.
6. La ecuaci
on diferencial
ax2 y + bxy + cy = 0,
x > 0,
(1)
Sean 1 y 2 las races de (1). En cada uno de los casos siguientes encuentre
una base del espacio solucion demostrando explcitamente la independencia
lineal.
(2) 1 y 2 son reales y distintas.
(3) 1 = + i y 2 = i, 6= 0 (recuerde que x = e ln(x) ).
(4) 1 = 2 = (a b)/(2a).
7. La ecuaci
on que modela la temperatura T en una barra de longitud L es
T
2T
x (0, L) t (0).
=
t
x2
Una estrategia para encontrar soluciones de esta ecuaci
on en derivadas parciales es
escribir T (x, t) = f (x)g(t), donde f y g son funciones de una variable a determinar.
(1) Observe primero que si A es una funci
on de x, B es una funci
on de t y
A(x) = B(t) para todos x, t entonces A y B tienen que ser constantes. Es
decir, A(x) k B(t). Teniendo esto en cuenta, sustituya T = f g en
la ecuaci
on en derivadas parciales para deducir las ecuaciones diferenciales
ordinarias que deben satisfacer f y g.
(2) Resuelva separadamente estas ecuaciones en los casos k = 0, k = 2 y k =
2 , con > 0. Observe que todas las funciones que encuentre satisfacen
la ecuaci
on. Note tambien que cualquier combinaci
on lineal de soluciones
es solucion.
(3) Supongamos ahora que los extremos de la barra se encuentran aislados,
de manera que no hay variacion de temperatura en la direcci
on x. M
as
precisamente,
dT
dT
(0, t) =
(L, t) = 0
para todo t 0.
dx
dx
Diga cu
ales de las soluciones que encontro en el punto anterior satisfacen
esta condicion.
(4) Suponga que la configuracion inicial de temperatura es
x
,
x [0, L].
T (x, 0) = sen2
L
Encuentre una solucion que cumpla tambien este requerimiento.
(5) Calcule limt T (x, t) para cada x [0, L]. Interprete el resultado.
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 6
Ejercicios (Secciones 3.4 y 3.5):
1. Resolver cada ecuaci
on diferencial usando el metodo de coeficientes indeterminados:
(1) y + 3y + 2y = 4x2 .
(2) y 3y = 8e3x + 4 sen(x).
(3) y + 8y = 5x + 2ex .
(4) y 6y + 9y = e3t + 1.
(5) y + 2y + y = t2 et .
(6) y + 4y = 2x cos2 (2x).
(7) y + 3y + 2y = (x2 + 1)ex sen(2x) + 3ex cos(x) + 4ex .
2. Resolver las siguientes ecuaciones diferenciales por el metodo de variacion de
par
ametros:
(1) y + y = tan(x).
2x
(2) y 4y = ex .
(3) y 2y + 2y = ex sec(x).
(4) y 4y = xex .
(5) y + 2y + y = ex ln(x) con x > 0.
(6) y + 3y + 2y = sen(x).
3. Resolver cada ecuaci
on diferencial por el metodo de variacion de par
ametros,
sujeta a las condiciones iniciales y(0) = 1, y (0) = 0:
(1) y y = xex .
(2) 2y + y y = x + 1.
(3) y + 2y 8y = 2e2x ex .
(4) y 4y + 4y = (12x2 6x)e2x .
4. Resuelva las siguientes ecuaciones de Euler:
(1) x2 y + 9xy 20y = 0.
(2) x2 y 3xy + 13y = 4 + 3x.
5. Encuentre una solucion del problema
y y + y y = 2ex
y(0) = 0, y (0) = 2, y (0) = 2
usando el metodo de series de potencias.
32
D2
> 0,
10. Determinaci
on de las propiedades din
amicas de una estructura de un grado de
libertad (1 GDL). Consideremos el siguiente modelo de una estructura de 1 GDL
(una viga infinitamente rgida sustentada por dos columnas de rigidez horizontal
k/2 cada una):
2n =
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 7
Ejercicios (Secciones 4.1 y 4.2):
1. Pruebe que las funciones siguientes son de orden exponencial y encuentre sus
transformadas de Laplace por definici
on.
n
(1) f (t) = t senh(t).
(2) f (t) = tet cos(t).
(3) f (t) = et Pab (t), con 0 a < b.
(4) f (t) = tP01 (t) + H(t 1).
(5) f (t) = (t + a)Pa0 (t) + (a t)P0a (t), con a > 0.
2. Determine si existe una funci
on g : [0, ) R de orden exponencial y continua
por pedazos tal que
1
.
L[g](s) = 2
(s + 1)1/4
2. Sea f : [0, [ R una funci
on peri
odica con periodo T > 0. Es decir, f (t) =
f (t + T ) para todo t > 0). Demuestre que
R T s
e f ()d
.
L[f ](s) = 0
1 esT
Le ser
au
til recordar que una suma geometrica se escribe
N
X
k=0
qk =
1 q N +1
,
1q
3. La funci
on gamma (x) se define como
Z
(x) =
et tx1 dt
0
x0+
y(1) = 0, y (1) = 0.
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 8
Ejercicios (Secciones 4.3 y 4.4):
1. Usando transformada de Laplace encuentre una solucion no nula de la ecuaci
on
ty + (t 1)y + y = 0
y(0) = 0.
dn F (s)
Recuerde que ds = (1)n L tn f (t) (s) donde F (s) = L[f ](s).
1
2. Calcule L
tan
3. Determine L
3
s+2
1
(s2 + k 2 )2
ta
0
my + ky = f (t) =
1/ a < t a +
0
t a + .
mz + kz = 0,
con z(a) = 0
z (a) = 1/m.
7. Al ser sometida a una carga W , la viga de la figura tiene una deformacion y(x)
donde x es la variable longitudinal. Esto puede ser modelado por la EDO de cuarto
orden
d4 y
= W (x)
para
0 x 2L
dx4
con las siguientes condiciones de borde en los extremos x = 0 y x = 2L:
y(0) = y (0) = y (2L) = y (2L) = 0.
La carga est
a distribuida sobre la viga como
w0
si 0 x L
L (L x)
W (x) =
0 si L < x 2L
(1) Escriba W usando la funci
on escal
on de Heaviside.
(2) Usando transformada de Laplace y las dos primeras condiciones de borde,
resuelva la ecuaci
on expresando la solucion en terminos de A = y (0) y
B = y (0).
(3) Calcule y , y e y .
(4) Determine los valores de A y B usando las dos u
ltimas condiciones de borde.
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 9
Ejercicios (Secciones 5.1 y 5.2):
1. Sean X1 (t) y X2 (t) dos soluciones del sistema X (t) = A(t)X(t) en RN , donde la
funci
on matricial t 7 A(t) es continua. Pruebe que si X1 (0) y X2 (0) son paralelos,
entonces X1 (t) y X2 (t) son paralelos para todo t.
2. En lo que sigue, dados U, V RN , hU, V i denota el producto interno (o producto
punto) entre U y V . Observe que si identificamos los vectores de RN con las matrices
columna, entonces hU, V i = U T V , donde AT Mmp denota la matriz traspuesta
de A Mpm .
(1) Compruebe que si U, V C 1 (I)N entonces
d
hU (t), V (t)i = hU (t), V (t)i + hU (t), V (t)i.
dt
(2) Sean X1 y X2 soluciones del sistema lineal X (t) = AX(t), donde A es una
matriz antisimetrica (AT = A). Pruebe que si hX1 (t0 ), X2 (t0 )i = 0 entonces hX1 (t), X2 (t)i = 0 para todo t. Dicho en palabras, si las condiciones
iniciales son perpendiculares, las soluciones se mantienen perpendiculares.
3. Sea A una matriz simetrica de tama
no n n y sea y : R Rn una funci
on
diferenciable.
(1) Verifique que
iT
h
iT
d h
Ay(s) y(s) = 2 Ay(s) y (s).
ds
(2) Pruebe que si y es solucion de la ecuaci
on y + Ay = 0, entonces existe una
constante C R tal que
ky (s)k2 + [Ay(s)]T y(s) = C.
4. Resuelva los siguientes sistemas con las tecnicas estudiadas hasta el momento:
0 1
1
(1) X =
X, con X(0) =
.
1 0
0
1 2
cos(t)
1
(2) X =
X+
, con X(0) =
.
0 1
sen(t)
0
1 0 1
1
(3) X = 1 1 0 X, con X(0) = 1 .
0 1 1
1
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 10
Ejercicios (Secciones 5.3 y 5.4):
1. Considere el sistema de ecuaciones
x + y + 2x + y + 3x + y
y + 2y + x + y + y
= 0
= 0.
Reduzca este sistema a uno de primer orden equivalente y deduzca (sin resolver)
que existe una u
nica solucion (x(t), y(t)) tal que
x(0) = x (0) = y(0) = y (0) = y (0) = 1.
2. Resuelva los siguientes problemas de Cauchy usando las aproximaciones sucesivas
de Picard:
(1) y = 2ty, con y(0) = 1.
0 1
1
(2) X =
X, con X(0) =
.
1 0
0
(3) y 2y + y = 0, con y(0) = 0 e y (0) = 1.
Compruebe sus resultados.
3. Sea I = [t0 , t0 + L] un intervalo cerrado y acotado. Dada una funci
on continua
E : I (0, ), defina la norma k kE en el espacio C 0 (I)m mediante
kf kE = sup E(t)kf (t)k,
tI
m
donde k k denota
la norma euclideana en R . Una sucesion {fn } de funciones en
0
m
C (I) ; k kE es de Cauchy si para todo > 0 existe N N tal que kfn fk kE <
si n, k N . Por otro lado, una sucesion {fn } converge a una funci
on f C 0 (I)m si
dado > 0 existe N N tal que kfn f kE < si n N . Observe que si E es la
funci
on E(t) 1 estas definiciones coinciden con las que se vieron en clase.
(1) Demuestre que toda sucesion de Cauchy es convergente.
(2) Un operador T : C 0 (I)m C 0 (I)m es contractante si existe K (0, 1) tal
que
para
f, g C 0 (I).
X
d
det M (t) =
det Mk (t),
dt
k=1
5
(3) 6
0
4 4
4
6 .
1
1
1
1 1
4 2
4 .
3 1
3
1
0
(5)
0
0
0
3
0
1
0
4
.
0
1
0
0
1
0
1 7
X (t) = 1 3
0 1
constantes.
0
1 X(t),
1
con
1
X(0) = 0 .
1
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 11
Ejercicios (Secci
on 5.5):
1. Determine la solucion general de los siguientes sistemas lineales:
1
2
(1) X =
X.
2 3
5 1 1
(2) X = 1
3 0 X.
3
2 1
0 0 1
1
(3) X = 0 1 2 X + 0 .
0 0 1
t
1 1 1
0
(4) X = 1 1 0 X + 0 .
1 0 1
et
2
0 8 3
18 1
0
0
(5) X =
9 3 25 9 X.
33 10
90 32
et
0
2 4 0
0
2 2 2
X + sen(t) .
(6) X =
1 1
t
1 1
1
1
1 3 1
2. Resuelva la ecuaci
on diferencial
d2 y
d4 y
8 2 + 16y = 0
4
dt
dt
interpret
andola como un sistemas lineal de primer orden.
3. Una funci
on no constante f : R Rn es peri
odica si existe T > 0 tal que
f (t + T ) = f (t) para todo t. Al menor de tales T se le llama perodo de la funci
on.
Considere un sistema lineal de la forma x = Ax, t 0, donde A Mnn (R) es
una matriz diagonalizable. Demuestre que si todas las soluciones de dicho sistema
son peri
odicas, de perodo T , entonces el polinomio caracterstico de la matriz A es
de la forma p() = (2 + T 2 )n/2 (Notar que n tiene que ser un n
umero par).
tm1
(m1)!
(A I)m1 }
2 1
3
A = 0 2 1 .
0 0
2
5. Considere el sistema lineal para t 0
X = AX + u(t)B,
X(0) = X0 ,
u() = B eA (T ) U0 ,
donde denota la trasposici
on y U0 RN es un vector constante por determinar.
(1) Supongamos que la matriz
Z T
M=
eA BB eA d
0
(3) Suponiendo que las termitas mueren primero (explicite las condiciones bajo
las cuales esto ocurre), que ocurre con los insectos X e Y despues (note
que en ese instante el sistema cambia)? En particular, diga si alguno de los
insectos podra convertirse, a su vez, en una plaga.
(4) Suponga ahora que hay una entrada/salida de insectos peri
odica de car
acter
estacional de forma que a cada ecuaci
on del sistema se le suma un termino
cos t. Calcule la solucion particular asociada, considerando T0 = X0 =
Y0 = 0.
7. En el sistema de resortes acoplados mostrado en la figura, x1 = 0 y x2 = 0 son
las posiciones de equilibrio de las masas m1 y m2 respectivamente.
x1 (0) = 1;
x2 (0) = 0;
x2 (0) = 1.
(1) Plantee las ecuaciones diferenciales que rigen el sistema. Recuerde que, de
acuerdo con la ley de Hooke, en un resorte la fuerza es proporcional a la
deformacion y pero en sentido contrario.
(2) Tomando k1 = 6, k2 = 4, m1 = m2 = 1, resuelva las ecuaciones usando la
transformada de Laplace.
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 12
Ejercicios (Secciones 6.1 y 6.2):
1. Considere el sistema
x
y
=
=
y(1 + x y 2 )
.
x(1 + y x2 ).
xy x y = r2 .
T =
ln 1 +
(1 ) .
1k
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 13
Ejercicios (Secci
on 6.3):
1. Considere las vibraciones de una masa sujeta a un resorte:
x + 2bx + a2 x = 0,
donde a > 0 y b 0 son constantes que representan el roce y la rigidez del resorte,
respectivamente.
(1) Reescriba la ecuaci
on como un sistema de primer orden. Pruebe que su
u
nico punto crtico es (0, 0) y que es aislado.
(2) Determine los valores propios asociados a este sistema.
(3) Para las diferentes combinaciones de a y b, describa la naturaleza y las
propiedades de estabilidad del punto crtico (0, 0) y de una interpretaci
on
fsica del movimiento de la masa.
2. El origen es un punto crtico del sistema
x = y + x3 + xy 2
y = x + x2 y + y 3 .
0 < < . Concluya respecto a la estabilidad del punto crtico (0, 0) para
la ecuaci
on. Observe que es razonable interpretar E(x, t) = x2 (t) + y 2 (t)
como la energa cinetica del sistema.
donde a > 0, b > 0, > 0 y > 0. El producto xy trata de modelar el hecho que
los lobos no pueden comer conejos hasta que los localizan. Supondremos ademas
que 0 < < < 4.
(1) Encuentre los dos puntos crticos de este sistema y calcule la matriz jacobiana en dichos puntos.
(2) Determine el tipo de los puntos crticos y su estabilidad.
(3) Dibuje los diagramas de fase para cada punto crtico precisando la direcci
on
del tiempo y asntotas o tangentes.
(4) Dibuje un diagrama global del sistema no lineal para x 0, y 0.
(5) Del modelo real se sabe que si y(T ) = 0 para alg
un T > 0 entonces y(t) = 0
para todo t T . Observe ademas que de la primera ecuaci
on si y(T ) = 0
entonces x(t) decrece exponencialmente para t T . A partir de esto y
del diagrama de fases dibuje la trayectoria hasta (0, 0) del desequilibrio
ecologico descrito en la gua de la semana 12.
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 14
Ejercicios (Secci
on 6.4):
1. Para el punto crtico (0, 0) de cada uno de los siguientes sistemas autonomos
lineales, determine i) si es aislado; ii) su naturaleza; y iii) sus propiedades de
estabilidad. Cuando corresponda de la direcci
on de las rectas tangentes o asntotas
que aparezcan y esboce un diagrama de fases.
x = x 2y
(1)
y = 4x 5y.
x = 4x 3y
(2)
y = 8x 6y.
x = 3x + 4y
(3)
y = 2x + 3y.
x = 4x y
(4)
y = x 2y.
x = 5x + 2y
(5)
y = 17x 5y.
2. Analice cualitativamente los siguientes sistemas no lineales:
x = xy
x = sen(x) cos(y)
(A)
(B)
y = x x3
y = x y.
M
as precisamente, i) escriba los sistemas linealizados; ii) determine los puntos
crticos; iii) clasifquelos; y iv) elabore un diagrama de fases.
3. Considere el siguiente modelo en que x e y representan las poblaciones de dos
especies en competencia:
x = 60x 4x2 3xy
y = 42y 2y 2 3xy.
(1) Demuestre que los puntos crticos del sistema son (0, 0), (0, 21), (15, 0) y
(6, 12). Determine las linealizaciones del sistema y pruebe que este es nodegenerado en torno a sus puntos crticos.
(2) Determine el tipo y estabilidad de los puntos crticos a partir de las caractersticas de los sistemas linealizados.
(3) Elabore los diagramas de fases cerca de los puntos crticos indicando el
sentido del tiempo y la direcci
on de las rectas tangentes y/o asntotas.
(4) Elabore un diagrama de fases global para x 0 e y 0. Justifique la
siguiente profeca: una de las especies est
a condenada a la extinci
on.
(1) Demuestre que los puntos crticos son (0, 0), (0, 4), (2, 0) y (3, 1).
(2) Pruebe que (0, 0) es un nodo asint
oticamente estable del sistema linealizado,
en que todas las trayectorias son tangentes al eje x, excepto dos que reposan
sobre el eje y.
(3) Pruebe que (0, 4) es un punto silla inestable del sistema linealizado, en que
todas las trayectorias entran a lo largo de la recta que pasa por (0, 4) con
pendiente 2/5, excepto dos trayectorias que salen a lo largo del eje y.
(4) Pruebe que (2, 0) es un punto silla inestable del sistema linealizado, en que
todas las trayectorias entran a lo largo de la recta que pasa por (2, 0) con
pendiente 2, excepto dos trayectorias que salen a lo largo del eje x.
(5) Pruebe que (3, 1) es un punto espiral inestable del sistema linealizado.
(6) Esboce el diagrama de fases aproximado para x 0 e y 0.
(7) A partir del diagrama justifique la siguiente afirmaci
on: las dos poblaciones
crecen indefinidamente o ambas especies est
an condenadas a desaparecer.
mg
Universidad de Chile
ticas
Facultad de Ciencias Fsicas y Matema
tica
Departamento de Ingeniera Matema
MA2G1 - Ecuaciones Diferenciales Ordinarias
Gua Semana 15
Ejercicios (Secci
on 6.5):
1. Enuncie y demuestre el teorema de estabilidad por funciones de Liapunov en Rn
(en el apunte se hizo para n = 2).
2. Diga si es posible encontrar una funci
on de Liapunov estricta para el sistema
x = y
y = x
en torno al origen.
3. Verifique que V (x, y) = x2 + 2y 2 es funci
on de Liapunov para el sistema
x = x + y 3
y = 2y + x2
en torno al origen. Diga si es estricta.
4. Determine los valores de > 0 para los cuales V (x, y) = x2 + y 2 es una funci
on
de Liapunov para el sistema
x = 3x + y
y = x 3y
en torno al origen. Cu
ando no es estricta?
5. Encuentre una funci
on de Liapunov estricta y una que no sea estricta para
x = 3x + 5y
y = x + y
en torno al origen. Se recomienda estudiar primero el sistema linealizado.
6. Encuentre una funci
on de Liapunov estricta en torno al origen para el sistema
x = 3x y + z + yz
y = x + y z + xz
z = 2x + 4y 4z y 2 .
7. Sea F (x) = xx . Demuestre que lim x(t) = e1 para cualquier solucion x(t) de
t
la ecuaci
on diferencial
d
dx
= F (x)
con
x(1) > 0.
dt
dx
8. Una funci
on : Rn R es convexa si (X + (1 )Y ) (X)+ (1 )(Y )
siempre que X, Y Rn y (0, 1). En todo lo que sigue es una funci
on convexa
y de clase C 1 . Denotamos por S el conjunto (quiz
a vaco) de los puntos donde
alcanza su mnimo.
(1) Compruebe que el conjunto S es convexo. Es decir, si X, Y S entonces
X + (1 )Y S para todo (0, 1).
(2) Demuestre que para todos X, Y Rn se tiene que
h(X) (Y ), X Y i 0.
(3) Verifique que S = { X Rn | (X) = 0 }. En palabras, alcanza su
mnimo en aquellos puntos donde se anula.
(4) El metodo del gradiente se utiliza para encontrar minimizadores de una
funci
on convexa y se basa en el estudio del sistema
X (t) = (X(t))
X(0) = X0 ,
d
con X0 Rn . Si X(t) es una solucion del sistema, calcule dt
(X(t)).
(5) Pruebe que si alcanza su mnimo en un u
nico punto, este debe ser un
punto crtico asint
oticamente estable del sistema.
(6) Demuestre que, por el contrario, si S contiene mas de un punto, entonces
cada punto de S es estable, pero ninguno es asint
oticamente estable. Para la
estabilidad (y tambien para las preguntas que siguen) le ser
au
til probar que
d
si X S y X(t) es solucion del sistema entonces dt
kX(t))X k2 0 para
todo t, lo que indica que la distancia entre el vector de estado y cualquier
punto de S es decreciente.
(7) Probaremos ahora que toda solucion del sistema converge cuando t .
a) Pruebe que si X S y X(t) es solucion del sistema entonces existe
limt kX(t) X k. Recuerde que en R toda funci
on decreciente y
acotada inferiormente tiene un lmite cuando t .
b) Observe que toda solucion X(t) se mantiene acotada. Recordando que
que en Rn toda sucesion acotada tiene alg
un punto de acumulaci
on,
use la parte a) para demostrar que X(t) converge a alg
un X S
cuando t .