Ecuaciones Diferenciales Ordinarias Notas No Exentas de Errores

Ecuaciones Diferenciales Ordinarias
Notas no exentas de errores

Guillermo Ruiz lvarez
Guillermo Julin Moreno
Vctor de Juan Sanz
Curso 2013 - 2014
Universidad Autnoma de Madrid
Ecuaciones diferenciales ordinarias
UAM - 2013/2014
ndice
1. Introduccin
2. Familias de curvas
12
2.1.
Envolvente de una familia de curvas . . . . . . . . . . . . . . . . . .
17
2.2.
Familias de curvas ortogonales . . . . . . . . . . . . . . . . . . . . .
20
3. Ecuaciones autnomas
25
3.1.
Diagramas de fases
. . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.
Primer teorema de existencia y unicidad local
3.3.
Unicidad de soluciones
27
. . . . . . . . . . . .
27
. . . . . . . . . . . . . . . . . . . . . . . . .
32
4. Algunos mtodos de integracin
35
4.1.
EDO de variables separadas
. . . . . . . . . . . . . . . . . . . . . .
36
4.2.
Ecuaciones homogneas . . . . . . . . . . . . . . . . . . . . . . . . .
37
4.3.
Ecuaciones exactas
. . . . . . . . . . . . . . . . . . . . . . . . . . .
40
4.4.
Factor integrante
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
4.5.
Ecuaciones lineales de primer orden . . . . . . . . . . . . . . . . . .
47
4.6.
4.7.
Ecuaciones de segundo orden reducibles . . . . . . . . . . . . . . . .
49
4.6.1.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
4.6.2.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
. . . . . . . . . . . . . . . . . . . . . .
49
4.7.1.
Algunas ecuaciones clsicas
Ecuaciones de Bernouilli . . . . . . . . . . . . . . . . . . . .
49
4.7.2.
Ecuaciones de Ricatti . . . . . . . . . . . . . . . . . . . . . .
50
4.7.3.
Ecuaciones de Euler-Cauchy de orden n . . . . . . . . . . . .
50
5. Sistema lineales de ecuaciones diferenciales

5.1.
5.2.
5.3.
51
Sistemas homogneos . . . . . . . . . . . . . . . . . . . . . . . . . .
52
5.1.1.
Independencia lineal
54
5.1.2.
Sistemas lineales homogneos con coecientes constantes
. . . . . . . . . . . . . . . . . . . . . .
. .
56
Sistemas lineales no homogneos . . . . . . . . . . . . . . . . . . . .
66
5.2.1.
Mtodo de variacin de las constantes . . . . . . . . . . . . .
67
Matrices con coecientes T-peridicos . . . . . . . . . . . . . . . . .
68
6. Ecuaciones lineales de orden superior

6.1.
Ecuaciones homogneas de orden superior

6.1.1.
71
. . . . . . . . . . . . . .
73
Ecuaciones homogneas de orden superior con coecientes

constantes . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2.
Problemas lineales con coecientes constantes
6.3.
Problemas lineales no homogneos con coecientes constantes
. . . . . . . . . . . .
. . .
74
76
83
6.4.
UAM - 2013/2014
6.3.1.
Mtodo de variacin de constantes
. . . . . . . . . . . . . .
6.3.2.
Mtodo de coecientes indeterminados
. . . . . . . . . . . .
85
6.3.3.
Resumen de mtodos para ec. lineales no homogneas . . . .
90
Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
92
7. Teoremas de existencia y unicidad

7.1.
83
95
Anlisis funcional y sucesiones de funciones . . . . . . . . . . . . . .
97
7.1.1.
Convergencia puntual . . . . . . . . . . . . . . . . . . . . . .
97
7.1.2.
Convergencia uniforme . . . . . . . . . . . . . . . . . . . . .
98
7.1.3.
El espacio de las funciones continuas
. . . . . . . . . . . . . 101
7.2.
Ejercicios
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
7.3.
Diferenciabilidad con respecto a los datos . . . . . . . . . . . . . . . 111
7.4.
Resultados de prolongabilidad . . . . . . . . . . . . . . . . . . . . . 113
8. Sistemas autnomos. Plano de fases

8.1.
127
Clasicacin de puntos crticos . . . . . . . . . . . . . . . . . . . . . 135

8.1.1.
Sistemas con autovalores reales
. . . . . . . . . . . . . . . . 135
8.1.2.
Sistemas con autovalores complejos
. . . . . . . . . . . . . . 138
8.2.
Mtodo de linealizacin . . . . . . . . . . . . . . . . . . . . . . . . . 143
8.3.
Mtodo directo de Liapounov
8.4.
. . . . . . . . . . . . . . . . . . . . . 150
8.3.1.
Funciones de Liapounov e inestabilidad . . . . . . . . . . . . 157
8.3.2.
Ejemplos del criterio de Chetaev
Teoremas de Poincar y Bendixson
. . . . . . . . . . . . . . . 161
. . . . . . . . . . . . . . . . . . 163
8.4.1.
Combinacin con el mtodo de Liapounov
8.4.2.
Caso de estudio: epidemia de gripe
8.4.3.
Caso de estudio: invasin zombie
8.4.4.
Caso de estudio: Sistema de Lorentz y caos . . . . . . . . . . 170
A. Algunos problemas clsicos
. . . . . . . . . . 166
. . . . . . . . . . . . . . 168
. . . . . . . . . . . . . . . 169
173
1.
UAM - 2013/2014
Introduccin
En este curso vamos a estudiar ecuaciones diferenciales ordinarias. Comencemos
deniendo su signicado:
Denicin: Ecuacin diferencial ordinaria. Una ecuacin diferencial ordinaria (EDO) es aquella que contiene una funcin de una variable y sus derivadas
respecto de dicha variable.
Formalmente, dada una funcin desonocida
y : R R
que lleva
en
y(x),
la ecuacin
F (x, y, y 0 , y 00 , . . . , y (n1) , y (n) ) = 0

donde
y (n)
representa la derivada n-sima de la funcin
rencial ordinaria de
orden n.
y,
es una ecuacin dife-
Por simplicidad de notacin utilizaremos indistintamente
y y(x).
Normal-
mente supondremos que la ecuacin ser de la forma
F (x, y, y 0 , y 00 , . . . , y (n1) ) = y (n)
forma explcita,
estar en forma implcita.
y diremos que est en
mientras que la dada en la denicin
Para entender mejor las ecuaciones diferenciales ordinarias y su utilidad, veamos los siguientes ejemplos:
Ejemplo (Problema de la Tractriz):
Supongamos que estamos situados
en el origen de coordenadas, desde el cual arrastramos, en el sentido positivo del
L cuyo otro extremo se

Z : (0, L). El problema de la tractriz trata de
eje de ordenadas, una barra rgida de acero de longitud

encuentra inicialmente en el punto
encontrar una expresin para la curva que describe dicho extremo de la barra al
arrastrarla.
Llamaremos
y(x)
Llamaremos
a la expresin para la curva que queremos encontrar y al

0
punto en el que se encuentra el extremo P : (x, y(x)).
al punto en el que nos situamos en cada instante.
Como se puede observar en la
Figura 1.1, la barra de acero tiene la direc-
cin de la recta tangente a la curva descrita por el extremo citado y siempre se
UAM - 2013/2014
Figura 1.1: Problema de la tractriz
mantiene la distancia
entre
P 0.
Con esto obtenemos lo siguiente:

Vector director de la recta tangente:
Recta tangente:
(1, y 0 (x))
(x, y(x)) + (1, y 0 (x))
Como sabemos que la recta tangente pasa por
cuando
= x
est en el eje de ordenadas y ha de tener la primera coordenada igual a
cero) tenemos que

0
P = (0, y xy (x))
Ahora usando que la distancia entre
p
p
L = (P 0 P )2 = x2 + x2 y 0 (x)2
qy
Despejando
(porque
y (x) =
L2
x2
tenemos
P0
es
vemos que
UAM - 2013/2014
Se escoger la rama negativa porque la recta tangente del problema tiene

pendiente negativa. Por tanto slo nos falta obtener nuestra funcin, que
es
Z r 2
L
1)dx + C
y(x) = (
x2
Para averiguar
atendemos al problema y observamos que tenemos un
dato adicional, y es que

barra es
y(L) = 0
pues la posicin inicial del extremo de la
(L, 0).
Figura 1.2: Curva de persecucin
Ejemplo (Curva de persecucin I):
Supongamos que una liebre que se
encuentra inicialmente en el origen de coordenadas comienza a huir, con velocidad
VL y en el sentido positivo del eje de ordenadas, de un perro que inicialmente tiene

la posicin (0, D) y que comienza a perseguirle con velocidad VP (Ver Figura
1.2).
Llamaremos
UAM - 2013/2014
a la posicin de la liebre en cada instante y
Q0 : (x, y(x))
a la
posicin del perro.

Observamos que el perro, al perseguir a la liebre, siempre lo hace mirndole,
por tanto, en cada instante, la recta tangente a la curva que describe el perro al
0
perseguir a la liebre pasa por Q y por Q .
Como dato adicional tenemos que la distancia recorrida por la liebre es
y la distancia recorrida por el perro es
est en la posicin
VP t,
VL t
por tanto, en cada instante, la liebre
(0, VL t).
Tenemos pues:
Vector tangente:
Recta tangente:
(1, y 0 (x))
(x, y) + (1, y 0 (x))
Como sabemos que la recta tangente pasa por
cuando
= x
(porque
est en el eje de ordenadas y ha de tener la primera coordenada igual a
cero) tenemos que

0
Q = (0, y xy (x))
Q = (0, VL t)
y adems que
La distancia recorrida por el perro es
VP t =
por tanto
VL t = xy 0 (x)
RDp
1 + (y 0 (s))2 ds
x
t de ambas ecuaciones e igualando trminos tenemos que

p
R
D
xy 0 (x)) = x
1 + (y 0 (s))2 ds
Despejando
Derivando ambos trminos y utilizando el cambio
p = y 0 llegamos a
VP
(y
VL
Vp
xp0
VL
p
1 + p2
Integrando:
VL
1 + p2 + p = eC1 x VT
Despejando de esta ecuacin obtenemos
y por tanto
y0,
habr que cal-
cular la constante de integracin y volver a integrar y a calcular la nueva

constante de integracin para obtener
y , por lo que necesitaremos dos datos
adicionales para efectuar este clculo:
y(D) = 0
y 0 (D) = 0
La expresin que se obtiene depende de las velocidades
plicar el problema suponiendo
D = 1.
7
VL
VP .
Vamos a sim-
Tenemos tres casos distintos:
UAM - 2013/2014
Caso 1: VL = VP
y 0 (x) = 12 (x x1 ) de donde obtenemos y(x) = 21 ( x2

.
ln(x)) + C2 y utilizando el dato y(1) = 0 podemos hallar C2 = 1
4
x2
1
1
Tenemos como solucin y(x) =
2 ln(x) 4 .
4
En este caso se tiene
Una vez obtenida la expresin, podemos hallar la distancia entre la liebre

p
y el perro, que depender de la posicin del perro: d =
x2 + x2 (y 0 (x))2 .
Como el perro va describiendo una curva y la liebre una recta vemos que
el perro se va acercando poco a poco a la liebre. Sin embargo, cuando
x 0+ vemos que la curva que describe el perro se parece cada vez
ms a una recta y por tanto en el innito la distancia de separacin se
mantendr constante.
Tenemos pues que
lm+ d =
x0
1
2
Caso 2: VL < VP
Tenemos la expresin
VL
+1
VL
x VP
1 x VP
) + C3
y = ( VL
2 V + 1 1 VVL
P
P
En esta ocasin tenemos que el perro alcanza a la liebre. Sabiendo que
y(1) = 0
podemos calcular la constante
C3
y el valor de
y(0)
es el punto
de captura.
Caso 3 VL > VP
En este caso el perro no llega a alcanzar nunca a la liebre, que es ms
rpida. Al igual que hemos calculado la distancia de separacin en el caso
1 y el punto de captura en el caso 2, en este caso lo interesante ser calcular
la tasa de separacin entre la liebre y el perro.
Veamos otro ejemplo:
Ejemplo (Curva de persecucin II):
Supongamos que disponemos de
una mesa cuadrada en cuyas esquinas hay colocadas 4 hormigas,

(Ver
A, B, C,
D.
Figura 1.3). En el instante inicial cada hormiga empieza a perseguir a la
que est en la esquina contigua (en el sentido contrario de las agujas del reloj). En
este problema buscamos la expresin para la curva que describe cada hormiga.
UAM - 2013/2014
Figura 1.3: Curva de persecucin II
Como primera observacin, vemos que cada hormiga describir la misma

curva y que esta tendr forma de espiral. Atendiendo a la simetra del problema,
bastar con que analicemos el comportamiento de dos hormigas (Ver Figura

1.4). Como prevemos que la curva va a tener forma de espiral, trabajaremos con
coordenadas polares, por tanto, el punto en el que se encuentra la hormiga
A ser
A = (r() cos(), r() sin()). Por simetra, el punto B tendr la misma expresin
sustituyendo el ngulo por + . Por tanto tenemos que como r() = r( + ),

2
2
B = (r() sin(), r() cos())
Al ser una curva de persecucin, sabemos que la recta tangente pasa por
0
los puntos A y B . La recta tangente es r (r cos(), r sin()) + (r cos()
0
r sin(), r sin() + r cos())
Como sabemos que la recta pasa por los puntos citados,
(r sin(), r cos()).
Donde
Obteniendo
y despejando
(
r = r0
r(0) = L2
: r
tenemos
es la longitud del lado del cuadrado.

r() = L2 e
Finalmente obtenemos
En estos ejemplos hemos tenido una EDO y un(os) dato(s) que nos permite(n)
calcular la(s) constante(s) de integracin. En los casos en los que hemos tenido ms
de un dato, siempre se han referido al mismo punto, es decir, nos han proporcionado
UAM - 2013/2014
Figura 1.4: Curva de persecucin II - Anlisis
el valor de la funcin en un punto y el de su derivada en el
mismo punto.
Denicin: Problema de valores iniciales de Cauchy.
Un problema de
valores iniciales de Cauchy es aquel en el que se presenta una EDO y unos datos
iniciales que se reeren al mismo punto.
Existen casos en el que los datos proporcionados no se reeren al mismo punto,

tenemos entonces un problema de valores de contorno:
Denicin: Problema de valores de contorno.
Un problema de valores de
contorno es aquel en el que se presenta una EDO y unos datos iniciales que
no se
reeren al mismo punto.
Existen dos casos especiales de problemas de valores de contorno:

Problema de Dirichlet: Se proporciona el valor de una funcin en puntos
diferentes.
Problema de Neumann: Se proporciona el valor de la derivada de una funcin
en puntos diferentes.
Hasta ahora hemos conseguido resolver algunos problemas en los que se nos
presentaba una EDO de orden 1 o de orden 2. Una cuestin a plantearse es cmo
tratar una EDO de orden
Observacin
Una EDO de orden
n.
puede escribirse como un sistema de
10
EDO de orden
1.
Dada una EDO de orden
UAM - 2013/2014
de la forma
F (x, y 0 , y 00 , . . . , y (n1) ) = y (n)

podemos construir el sistema
y 0 = p (orden 1)
F (x, p, p0 , . . . , p(n2) ) = p(n1)
que tiene una EDO de orden
(orden n-1)
y una EDO de orden
n 1. Iterando n 2 veces
n EDO de orden 1.
de esta forma a partir de aqu obtenemos un sistema de
Realicemos un ltimo ejemplo de resolucin de un problema utilizando una

EDO.
Figura 1.5: Anlisis de antena parablica
Ejemplo (Antena parablica):
Vamos a estudiar por qu las antenas
parablicas han de tener forma de parbola. El objetivo es buscar una curva

en la cual todas los rayos paralelos al eje que reboten contra dicha curva vayan
dirigidos a un mismo punto.
Sabemos que, en una recta, el ngulo de reexin es igual al ngulo de incidencia. Sin embargo, no podemos decir lo mismo sobre una parbola. Para
11
UAM - 2013/2014
solucionar esto, observamos que lo que ocurre es que localmente, el rayo rebota
contra la recta tangente a la parbola en dicho punto (Ver
Sea
(x, y(x))
la grca de la curva, entonces, la recta tangente es
hx, yi = |x| |y| cos() siendo

hx,yi
cos() = |x||y|
Sabemos que
x, y .
Por tanto
Figura 1.5).
(1, y 0 (x))
el ngulo que forman los vectores
De aqu obtenemos que

(1, 0), (1, y 0 )
= p
1 + (y 0 )2

(1, y 0 ), (x, y)
p
=p
1 + (y 0 )2 x2 + y 2
Igualando
obtenemos
Siendo
x + yy 0
y(d) = 0
la distancia del vrtice de la parbola al foco.
Para resolver la ecuacin seguimos los siguientes pasos:
x + yy 0 =
p
= x2 + y 2
Observamos que
x2 +y 2
x
2
Llamamos
x2 +y 2
y que por tanto tenemos la EDO
x
2
T = x2 + y 2
Tenemos entonces
Despejando obtenemos
Llegamos a que
T0
2 T
= T
T (d) = d2
T0
2
=1
( T )0 = 1
Integrando y utilizando el dato proporcionado por el problema llegamos a

la solucin, que es la ecuacin de una parbola.
En algunos de estos ejemplos hemos obtenido una EDO de la forma:
f (y)y 0 =
g(x), es decir, una EDO en la que los trminos x estn separados de los
y e y 0 . Diremos que se trata de una EDO de variables separadas.
trminos
12
2.
UAM - 2013/2014
Familias de curvas
Sabemos que, dada una EDO de primer orden de la forma
valor de la funcin
(x, y(x)).
F (x, y(x)) = y 0 ,
el
nos indica la pendiente de la recta tangente en cada punto
Veamos algunos ejemplos:
Figura 2.1: Campo de pendientes
Ejemplo:
Sea la EDO
y0 = y
y0 = y
y = y 0 = c, por tanto la
recta tangente a la solucin en todos los puntos de la recta y = c tiene pendiente
c.
Vemos que en las rectas de la forma
y=c
tenemos que
Podemos entonces calcular el campo de pendientes de la EDO (Ver
2.1).
Figura
Tomando un punto de partida, la curva solucin tiene como recta tangente

en cada punto las mostradas en el campo de pendientes.
En este caso sabemos que la solucin a esa ecuacin es de la forma
aex+b
con
constantes.
Tomando un punto en el eje de abcisas, la recta tangente tiene la direccin

del eje de abcisas, por tanto la solucin partiendo de un punto del eje
es el
propio eje. Vemos que si escogemos un punto que no pertenezca a dicho eje es
13
UAM - 2013/2014
imposible llegar a tocar el eje, pues en caso contrario no existira unicidad en

la solucin.
Ejemplo:
y0 = x + y
forma x + y = c
y0 = x + y
Analicemos la EDO
En este caso, en las rectas de la

solucin tiene pendiente
c. En la Figura
la recta tangente a la curva
2.2 se muestra el campo de pendientes
de esta EDO.
0
Para hallar la solucin a la ecuacin observamos que (x + y) = x + y + 1. Si
t0
0
=1
denotamos t = x + y tenemos la ecuacin t = t + 1 y despejando
t+1
Tras integrar ambos trminos obtendremos la solucin. Para obtener todas
R 1
= ln|x|
las soluciones no hay que olvidar que
x
Ejemplo:
Sea la EDO
y 0 = x2 + y
Las curvas en las que la pendiente de la recta tangente a la solucin se mantiene

2
constante son de la forma x + y = c, es decir, parbolas. En la
Figura 2.3
puede observarse el campo de pendientes de la EDO.
14
UAM - 2013/2014
y 0 = x2 + y
Nos gustara estudiar dnde estn los puntos de inexin de las soluciones.
y 00 = 0 Vemos entonces
Sabemos que los puntos de inexin aparecen cuando

que
y 00 = 2x y 0 = 2x x2 + y = y 00 = 0 y = x2 2x = x(x 2)
Los puntos de inexin estn en la parbola
y = x(x2). Veamos cmo solucionar
esta EDO.
y 0 + y = x2
ex y 0 + ex y = ex x2
(ex y)0 = ex x2
Z
x
e y = x2 ex dx + C
Z
x
y = e ( x2 ex dx + C)
En estos ejemplos hemos visto curvas que donde la pendiente de la recta tangente a las soluciones es constante. Esto nos lleva a la siguiente denicin:
15
Denicin: Isoclinas.
UAM - 2013/2014
Curvas en las que la pendiente de la recta tangente a
las soluciones es constante. En general, para una EDO de orden 1, las isoclinas
vienen dadas por
F (x, y) = c
Veamos ahora un ejemplo en el que no hay unicidad de soluciones:
Ejemplo:
y0 =
p
1 y2
p
y 0 = 1 y 2 y el dato y(x0 ) = C .
Vemos que si |C| > 1 = No hay solucion. Si C = 1 = y = 1, si
C = 1 = y = 1. En la Figura 2.4 se puede observar el campo de
Sea la EDO
pendientes de la EDO.
Vemos que
y = sin(x)
es solucin porque
sin(x) = cos(x) = 1 sin2 (x)

x
pero slo es vlida esta solucin si
x [
, ].
2 2
Vemos que no hay unicidad de solucin, tomando el dato
y(
) = 1 :
2
Sol1: y = 1
1 si x <
2
, ]
Sol2: y = sin(x) si x [
2 2
1 si x >
2
Podemos observar que la derivada de la raz cuadrada se va a innito en el
0.
Podramos pensar que por esta razn no tenemos asegurada la unicidad
de la solucin.
Hasta ahora hemos visto que dada una EDO, el conjunto de soluciones nos
proporciona una familia de curvas. Vamos a analizar el siguiente problema:
16
UAM - 2013/2014
Dada una familia de curvas uniparamtrica, encontrar la ecuacin diferencial

ordinaria que satisfacen.
Veamos unos ejemplos:
Figura 2.5: Familia de curvas
x2 + y 2 = R 2
Ejemplo:
2
2
2
Tenemos la familia de curvas x + y = R , (Ver
0
0
Derivando obtenemos 2x + 2yy = 0 y simplicando x + yy
Ejemplo:
Figura 2.5).
= 0.
x2 + y 2 = 2Cx
2
2
Tenemos la familia de curvas x + y = 2Cx, (Ver
0
0
Derivando obtenemos
( 2x + 2yy = 2C x + yy = C
Tenemos el sistema
x + yy 0 = C
x2 + y 2 = 2Cx
17
Figura 2.6).
Sustituyendo
UAM - 2013/2014
en la segunda ecuacin tenemos
x2 + y 2 = 2(x + yy 0 )x.
Figura 2.7: Familia de rectas tangentes a
Ejemplo:
2
f (x) =
x2
4
Vamos a obtener la familia de rectas tangentes a la parbola

x
f (x) = 4 , (Ver
).
x
0
y por tanto, la recta tangente en un punto a es
Tenemos que f (x) =
2
0
y = f (a) + f (a)(x a). Por tanto tenemos que la familia de rectas tangentes a
Figura 2.7
la parbola viene dada por
a
a2
y x+
=0
2
4
Hemos construido una familia de rectas tangentes a una parbola. Se dice que
la parbola es la
envolvente de la familia de rectas obtenida.
2.1. Envolvente de una familia de curvas

Denicin: Envolvente.
Una curva envolvente es aquella que toca a todas
las curvas de una familia y es tangente en los puntos de contacto.
18
UAM - 2013/2014
Figura 2.8: Envolvente de una familia de curvas
Vamos a analizar como calcular la curva envolvente a una familia de curvas.

Como ya hemos visto, en general una familia de curvas viene dada por una expresin de la forma
F (x, y, c) = 0.
Llamemos
Q = (xq , yq )
al punto de contacto entre
la curva y su envolvente.
En la
Figura 2.8 podemos observar que sumando una pequea perturbacin

c obtenemos otra curva de la familia, la cual interseca con la anterior
P = (x , y ). (
Notamos que (x , y ) (xq , yq ) cuando 0.
a la constante
en un punto
F (x , y , c) = 0
F (x , y , c + ) = 0
ecuaciones tenemos F (x , y , c + ) F (x , y , c) = 0.
Tenemos entonces que

Restando ambas
diendo por
Divi-
y tomando lmites tenemos que
F (x , y , c + ) F (x , y , c)
=0
0
lm
F (x, y, c) = 0.
c
Una vez hecho esto obtenemos un mtodo para hallar la curva envolvente a
obteniendo as que
una familia de curvas:
Mtodo para hallar la envolvente:
19
Para hallar la envolvente a una familia
de curvas basta con eliminar
del sistema de ecuaciones
donde
F (x, y, c) = 0
UAM - 2013/2014
F (x, y, c) = 0
F (x, y, c) = 0
c
dene la familia de curvas de la cual queremos hallar la
envolvente.
Pongamos en prctica lo aprendido con un ejemplo:
Figura 2.9: Envolvente a una familia de parbolas
Ejemplo: Supongamos que tenemos un can antiareo en el origen de coordenadas que dispara un proyectil con una velocidad inicial
V.
El ngulo
en el
que dispara el can es variable. Sabemos que la curva que describe el proyectil
es una parbola. El objetivo de este problema es hallar la zona en la que un avin
podra volar sin ser alcanzado por un proyectil. Es sencillo darse cuenta de que
la zona de peligro viene descrita por la que queda bajo la curva envolvente a la
familia de parbolas que pueden describir los proyectiles lanzados (Ver
2.9).
Figura
En primer lugar hallaremos la familia de curvas, tenemos en principio:

Movimiento horizontal:
Movimiento vertical:
x(t) = V cos()t
g
y(t) = V sin()t t2 ,
2
aceleracin de la gravedad.
y(tmax ) = 0 = tmax =
2V sin()
g
Obtenemos as la ecuacin de la
20
posicin:
donde
es el tiempo y
es la
UAM - 2013/2014
g
(t) = (x(t), y(t)) = (V cos()t, t(V sin() t)
2
donde
t [0, tmax ]
Despejando t e igualando trminos se obtiene la ecuacin de la
tan()x
Usando que
1 + tan2 () =
trayectoria:
g
x2 y = 0
2V 2 cos2 ()
1
simplicamos la ecuacin anterior:
cos2 ()
tan()x
g(tan2 () + 1) 2
x y =0
2V 2
Hemos obtenido la familia de parbolas
F (x, y, ) = tan()x
Para facilitar los clculos llamamos
F (x, y, ) = 0
donde
g(tan2 () + 1) 2
x y
2V 2
c = tan()
y calculamos
F (x, y, c) = x 2 cx2
c
V
Notamos que
F (x, y, c)
c
= 0 c =
V2
gx
Sustituyendo y simplicando llegamos a que la envolvente a nuestra familia

de parbolas es
y=
V2
g 2
x
2g
2V 2
2.2. Familias de curvas ortogonales

A, buscamos otra familia B tal que si una curva
de B , en el punto de interseccin son ortogonales.
Dada una familia de curvas

de
interseca con una curva
Motivacin:
Sea
Supercie dada por una grca
z = g(x, y).
La trayectoria de una gota de agua que se desliza sobre S

a los conjuntos de nivel de
g.
21
Familia ortogonal
UAM - 2013/2014
Figura 2.10: Curvas ortogonales
0
Sea (x) = (x, y(x)) una curva de A, tenemos que el vector tangente es (x) =
(1, y 0 ). Sea (x) = (x, y) una curva de B , tenemos que el vector tangente es 0 (x) =
(1, y0 (x)). (Ver
)
0

0
Como condicin de ortogonalidad tenemos (x), (x) = 0 de donde obtenemos que y
0 = 1
y0
0
Si la familia A viene dada por la EDO y (x) = f (x, y), la familia B vendr dada
1
por la EDO y
0 = y1
(x)
0 (x) = f (x,y(x)) . Como en el punto de interseccin y(x) = y
tenemos que la EDO que dene a la familia B es
Figura 2.10
1
= f (x, y(x))
y0 (x)
De aqu obtenemos un mtodo para obtener la familia de curvas ortogonales a
una familia denida como
f (x, y, c) = 0.
Mtodo para hallar la familia ortogonal (coordenadas cartesianas):

da la familia
de curvas denida por
f (x, y, c) = 0
Hallar la EDO que dene a la familia, que tendr la forma

Calcular la EDO que dene la familia
la forma
y0 (x) =
Para ello basta con sustituir
as la EDO de
Da-
de curvas ortogonales, que tendr
1
g(x, y(x))
y 0 en la EDO de A por
B.
22
y 0 (x) = g(x, y).
1
e
y0
y por y. Obteniendo
Resolver la EDO que dene a
UAM - 2013/2014
obteniendo as la expresin para la familia
de curvas ortogonales.
Pongamos el mtodo en prctica con un par de ejemplos:
A = {xy = c : c R}
y su familia ortogonal
Ejemplo: Sea la familia de curvas A = {xy = c : c R} (Ver Figura 2.11).

Derivando implcitamente obtenemos la EDO asociada a
y 0 (x) =
A:
y(x)
x
Calculamos la EDO asociada a la familia ortogonal:
x
y0 = ( )
y
Despejando trminos tenemos:
yy0 = x
y resolviendo la ecuacin:
y2 x2
=C
2
2
que es la expresin para la familia ortogonal a
Veamos el segundo ejemplo:
23
A.
UAM - 2013/2014
Figura 2.12: Familia de curvas auto-ortogonal
Ejemplo:
c2
: c R}. Obtenemos la EDO corres4
pondiente derivando implcitamente, tenemos el sistema:
Tenemos
A = {y 2 cx =
2yy 0 = c
y 2 cx =
c2
4
= y 2y 0 x = y(y 0 )2
Obtenemos la EDO de la familia ortogonal:
y 2( 1
)x = y( 1
)2 .
y0
y0
Simplicando:
y 2
y 0 x = y(
y 0 )2
que es igual que la ecuacin de la familia
A.
Como resultado obtenemos que la familia ortogonal a

decir, si dos curvas de la familia
que se conoce como
es ella misma. Es
se intersecan, sern ortogonales. Esto es lo
familia auto-ortogonal. (Ver Figura 2.12).
En el caso de que nos proporcionen una familia
de curvas en coordenadas
B ortogonal a A.
A de la forma () = (r()cos(), r()sin()). Llamaremos
() = (
r()cos(), r()sin()) a una curva de la familia
interseque con .
0 B que

0
Como condicin de ortogonalidad tenemos que (), () = 0. Tras unas
polares, procederemos del mismo modo para encontrar la familia

Dada una curva de
pocas operaciones llegamos a que
0

(), 0 () = 0 r0 r0 = r
r
y como en la interseccin de
sabemos que
r = r concluimos
con que

r2
0 (), 0 () = 0 r0 = 0
r
de donde obtenemos el siguiente mtodo para obtener la familia de curvas ortogonal

a una familia de curvas dada en coordenadas polares:
24
UAM - 2013/2014
Mtodo para hallar la familia ortogonal (coordenadas polares):

familia
de curvas dada por
Hallar la EDO que dene a la familia
A.
Calcular la EDO que dene la familia
la forma
r0 =
Basta con sustituir
r0
Sea la
(, c)
en la EDO de
EDO de la familia ortogonal
de curvas ortogonales, que tendr
r2
r0
por
r2
y
r0
por
r.
Obteniendo as la
B.
Resolver la EDO que dene a
obteniendo as la expresin para la familia
de curvas ortogonales.
Pongamos en prctica el mtodo con un ejemplo:
Figura 2.13: Familia de cardioides y su familia ortogonal
Ejemplo:
Sea
A = {r = c(1 + cos()) : c R+ }
una familia de cardioides.
Derivando implcitamente obtenemos la EDO correspondiente, tenemos el

sistema:
r
c = sin()
r = c(1 + cos())
= sin()r = r0 (1 + cos())
Hallamos ahora la EDO de la familia ortogonal:
r0 =
1 + cos()
r
sin()
25
UAM - 2013/2014
r0
1 + cos()
(1 + cos())(1 cos2 ())
sin()
=
=
=
2
r
sin()
sin()(1 cos ())
1 cos()
Integrando ambos trminos llegamos a la solucin:
r2 = eC (1 cos())
que es la familia de cardioides simtricas a las cardioides de la familia
del eje de ordenadas. (Ver
3.
Figura 2.13).
A respecto
Ecuaciones autnomas
En algunos de los ejemplos que hemos realizado hemos trabajado con ecuaciones
diferenciales ordinarias que
no dependan explcitamente de x. Son las denomina-
das ecuaciones diferenciales ordinarias autnomas:
Denicin: Ecuacin diferencial ordinaria autnoma.

es aquella que no depende explcitamente de
x.
Una EDO autnoma
Formalmente, es aquella cuya
expresin es, en forma explcita:
F (y, y 0 , y 00 , . . . , y (n1) ) = y (n)

En adelante trataremos las ecuaciones autnomas de primer orden por simplicidad, dado que ya hemos visto que toda EDO de orden
sistema de
EDO de orden
1.
se puede reducir a un
Es decir, analizaremos las EDO de la forma
y 0 (x) = f (y(x))
Las EDO autnomas son un caso particular de EDO que tienen las siguientes
propiedades:
Las soluciones son invariantes por traslaciones.
y0 (x)
es solucin
= yc (x) = y0 (x c)
es solucin.
Los puntos crticos o estacionarios son solucin.
f (c) = 0 = y = c
26
es solucin.
UAM - 2013/2014
Figura 3.1: Grca de
de la EDO
Monotona en las regiones en las que
y(x)0 = f (y(x))
f 6= 0.
y 0 (x) = f (y(x)), tenemos que si f > 0 entonces y ser monnota

creciente, y si f < 0 entonces y ser monnota decreciente. Para ver esto
mejor suponer que a, b y c son puntos crticos y observar la Figura 3.1.
Dado que
Denominaremos a estas regiones
Bandas (o regiones) de monotona.
Las nicas posibles asntotas horizontales de las soluciones de la ecuacin

son los puntos crticos de
Supongamos que
la EDO y
a tal
y,
que
siendo
a es
continua.
una asntota horizontal de las soluciones de
no es un punto crtico de y. Entonces si y(x) a cuando x
tenemos que
y 0 (x) 0
por ser
una asntota. Como partimos de que
y 0 (x) = f (y(x))
entonces
f (y(x)) 0
Usando que
(3.1)
es continua vemos que como
y(x) a = f (y(x)) f (a)

Por tanto usando 3.1 y 3.2 concluimos que
diccin porque hemos partido suponiendo
y.
27
(3.2)
f (a) = 0, lo cual es una contraque a no es un punto crtico de
UAM - 2013/2014
3.1. Diagramas de fases

Sea
y 0 = f (y) una EDO en la que f
es la mostrada en la
observar que si nos situamos a la izquierda de
a
es decreciente. Del mismo modo, si nos situamos entre

de
c
la funcin ser creciente mientras que en los puntos
crece ni decrece. El diagrama de fases de la

anteriormente.
En este caso diremos que
son puntos
Figura 3.1. Podemos
o entre
Figura 3.2
c
la funcin
y b o a
a, b y c la
la derecha
funcin ni
representa lo descrito
inestables pues una pequea per-
turbacin har que nos alejemos de ellos. Igualmente, diremos que
es un punto
estable porque una pequea perturbacin har que volvamos de nuevo a desplazarnos hacia
b.
Figura 3.2: Diagrama de fases
3.2. Primer teorema de existencia y unicidad local

Antes de enunciar el primer teorema de existencia y unicidad local, vamos a
proporcionar unas deniciones y teoremas previos para poder demostrar el teorema:
Denicin: Espacio mtrico.

una funcin
d : M M R
Un espacio mtrico es un conjunto
junto con
que cumple las 5 propiedades de las distancias.
Denicin: Espacio mtrico completo. Un espacio mtrico se dice que es

completo si el lmite de toda sucesin de Cauchy existe y est dentro del espacio.
Es decir, si toda sucesin de Cauchy es convergente.
28
UAM - 2013/2014
Denicin: Funcin continua de Lipschitz.

M N ,
con
M, N
Diremos que una funcin
F :
espacios mtricos, es continua de Lipschitz si

F (x) F (y) kx yk x, y M
donde
>0
k k
indica la norma en
k k
indica la norma en
M.
Lema 3.1:
f C 1 = f
Demostracin:
medio. Dados
Por tanto
Dado que
continua de Lipschitz
f C1
podemos aplicar el Teorema del valor
x, y, z : z [x, y]:

f (x) f (y) f 0 (z)|x y| < C|x y|
es continua de Lipschitz.
Denicin: Aplicacin contractiva.

continua de Lipschitz tal que
Una aplicacin contractiva es una funcin
(0, 1) x, y M
Teorema de la aplicacin contractiva (o del punto jo de Banach):
Sea F : X X una aplicacin contractiva con X un espacio mtrico completo. Entonces existe un nico punto jo x0 de f .
29
UAM - 2013/2014
Demostracin:
Existencia
La sucesin
contractiva.
punto
x0
de
{x, f (x), f 2 (x), . . .} es

Como X es completo,
X.
una sucesin de Cauchy porque
es
la sucesin de Cauchy converge a un
Unicidad
0
Supongamos 0que
existen dos puntos jos: x0 6= x0 . Entonces d =
F (x0 ) F (x0 ) = kx0 x0 0k donde k k indica la norma en X .

0
Como f es contractiva d = F (x0 ) F (x0 ) kx0 x0 0k < kx0 x0 0k
0
porque < 1. Tenemos d < d, que es una contradiccin, por tanto x0 = x0 .
A partir de aqu ya disponemos de las herramientas necesarias para demostrar

el teorema que abarca esta seccin:
Teorema de existencia y unicidad local para EDO autnomas:

Dada una EDO autnoma de la forma
y 0 (x) = f (y(x))
y un dato y(x0 ) = c.
Entonces si f es C 1 , en particular, si es continua de Lipschitz, dado un
entorno local de x0 , existe una nica funcin y tal que
(
y 0 (x) = f (y(x))
y(x0 ) = c
Demostracin:
1. Comencemos deniendo la aplicacion
T : X X
30
UAM - 2013/2014
X = C([x0 , x0 + ]) el espacio de las funciones continuas

denidas sobre un intervalo cerrado y acotado (compacto) centrado en x0
y de tamao 2 .

Sea kykX = m
axx[x0 ,x0 +] y(x) la norma denida sobre X . Vamos a
analizar la convergencia en X con esta norma:

yn y kyn ykX 0 maxx[x0 ,x0 +] yn (x) y(x)
0 yn y uniformemente en [x0 , x0 + ].
tomando como
2.
Tenemos por tanto que la convergencia en
es uniforme, que nos asegura
que
{yn } X = yn y y X = X
3. Dado que disponemos de una norma en
cia asociada, por lo que tenemos que
completo.
podemos denir una distan-
es un espacio mtrico completo.
T : X X
est denida sobre un espacio mtrico completo.
4. Dada una EDO autnoma y un dato
y 0 (x) = f (y(x))
y(x0 ) = c
podemos reescribir el problema integrando ambos lados de la primera ecuacin:
y (x) =
x0
f (y(s))ds
x0
x
Z
y(x) y(x0 ) =
f (y(s))ds
x0
Tenemos entonces el problema reescrito de forma integral como
f (y(s))ds
y(x) = y(x0 ) +
x0
Construimos ahora la aplicacin
como
T (y) = y(x0 ) +
f (y(s))ds
x0
f es continua, la imagen de T ser una funcin continua, por lo que

T : X X est bien denida. Y vemos que si y es un punto jo de T
entonces y es solucin de la EDO.
Como
31
5. Slo falta ver que si
UAM - 2013/2014
es contractiva entonces existir un nico punto jo
y por tanto la EDO tendr una solucin que adems ser nica:

T (y(x)) T (z(x)) =
X

Z

x

= (f (y(s)) f (z(s)))ds =

x0
X

Z

x

= maxx[x0 ,x0 +] (f (y(s)) f (z(s)))ds

x0
Z x

f (y(s)) f (z(s)) ds
maxx[x0 ,x0 +]
x0
Como
es continua de Lipschitz:

T (y(x)) T (z(x))
X
Z x

maxx[x0 ,x0 +]
C y(s) z(s) ds
x0

C maxx[x0 ,x0 +] y(s) z(s) ds
x0

C(x x0 ) y(x) z(x) X <

< C y(x) z(x) X
Por tanto, escogiendo un entorno sucientemente pequeo, es decir, un
sucientemente pequeo, tenemos que

T (y(x)) T (z(x)) < y(x) z(x)
X
X
por lo que
es contractiva para un entorno de
entorno, la solucin para la EDO
x0
y por tanto, en dicho
existe y es nica.
Vamos a ver un ejemplo de aplicacin del teorema.
32
Ejemplo:
UAM - 2013/2014
y 0 (x) = 1 y 2 (x)
y(0) = y0
y = 1.
Analicemos el sistema
que tiene dos puntos estacionarios

Si
y0 6= 1
entonces la solucin tendr como asntotas las rectas
y = 1.
y = 1,
entonces
Esto se debe a que si la solucin tocase alguna de las rectas
habra ms de una solucin en el punto de corte para la EDO, y esto no puede ser
2
1
porque f (y(x)) = 1 y (x) es C y por tanto es continua de Lipschitz. Podemos
aplicar el teorema y ver que la solucin ha de ser nica.
3.3. Unicidad de soluciones

En esta seccin analizaremos cundo no tenemos unicidad de soluciones con
0
una EDO de la forma y = f (y(x)) cuando f no cumple las hiptesis del teorema
enunciado.
Comencemos viendo que
y 0 = f (y(x)) f (y(x)) 6= 0
y 0 (x)
=1
f (y(x))
Integrando ambos trminos tenemos
Z x
y 0 (s)
ds = x
ds =
0 f (y(s))
0
(
y(s) = u
variables
obtenemos
y 0 (s)ds = du
Z
Realizamos el cambio de
y(x)
F (y(x)) =
y(0)
Por lo que si
F 1 (x)
1
du = x
f (u)
existe y es derivable, tenemos que
F 1 (x) = y(x)
Entonces, si se cumple que:
f (y(x)) 6= 0
monotona.
lo que quiere decir que nos encontramos en las
F 1 (x)
existe, para que exista la solucin
F 1 (x)
es derivable, porque
y(x)
33
y(x).
es derivable.
bandas de
entonces
UAM - 2013/2014
F 1 (x) = y(x),
por lo que la solucin existe y es nica.

1
Por el Teorema de la funcin inversa para que F
sea derivable, F ha de ser
1
1
0
C y F 6= 0. Teorema Fundamental del Clculo, para que F sea derivable, f (u)
ha
de ser continua, es decir
f (u)
ha de ser continua y
f (u) 6= 0.
Si f es continua, entonces tenemos existencia y unicidad en el

interior de las bandas de monotona.
En conclusin:
Consideremos la interpretacin grca. Dada la EDO y el dato inicial que

siguen
y 0 (x) = f (y(x))
y(0) = y0
distinguimos tres casos, en los que consideraremos
un punto estacionario:
Figura 3.3: Caso 1: Grca de la funcin
1. En la
y.
Figura 3.3 se puede ver la grca de la supuesta solucin de la EDO.
En este caso, la solucin tiene una asntota horizontal en y = c. Por tanto,

F 1 = y , la grca de la funcin F es simtrica a la de y con
al tener que
respecto a la recta
y=x
Figura 3.4).
Vemos entonces que para que se de el caso de que

solucin tiene que cumplirse que
Z
lm
yc
34
y0
du
= +
f (u)
sea una asntota de la
UAM - 2013/2014
teniendo as una
2. En la
f.
nica solucin para la EDO.
En este caso, la solucin corta a y = c en el punto M . Por tanto, al tener

1
que F
= y , la grca de la funcin F es simtrica a la de y con respecto a
la recta
y=x
Figura 3.6).
Vemos entonces que para que se de el caso de que

con
y=c
lm
yc
teniendo as
estacionario,
y0
du
=M <
f (u)
mltiples soluciones para la EDO, ya que como c es un punto

y=c
tambin es solucin.

y = c y tiene una asntota
= y , la grca de la funcin
recta y = x (Figura 3.8).
En este caso, la solucin est por encima de

1
vertical en x = A. Por tanto, al tener que F
sea un punto de corte
de la solucin, tiene que cumplirse que
3. En la
es simtrica a la de
con respecto a la
35
UAM - 2013/2014
y.
Esto es lo que se conoce como explosin en tiempo nito, que quiere decir
que la solucin slo est denida para
que
lm
y+
y0
x < A. Para que esto ocurra, tenemos

du
=A
f (u)
Veamos esto con un ejemplo:
Ejemplo:
y el dato
y = 1.
Dada la EDO
y0 =
y(0) = y0 (1, 1),
p
1 y2
vemos que los puntos crticos de la funcin son
Analizando el comportamiento en
y=1
hemos visto que existe ms de
una solucin. Podemos comprobar que esto es cierto viendo que
Z
lm
y1
4.
y0
du
= lm arcsin(y) arcsin(y0 ) = arcsin(y0 ) <

2
1 u2 y1
Algunos mtodos de integracin

A continuacin veremos cmo resolver algunos casos particulares de EDO:
36
UAM - 2013/2014
f.
y.
4.1. EDO de variables separadas

Como ya hemos visto, las EDO de variables separadas son de la forma
G(x)
con un dato
y(x0 ) = y0 . Para resolverlas basta con integrar

Z x
Z x
0
F (y(s))y (s)ds =
G(s)ds
x0
(
Realizando el cambio
F (y)y 0 =
ambos trminos:
x0
y(s) = u
y 0 (s)ds = du
mtodo:
37
vemos que basta con aplicar el siguiente
UAM - 2013/2014
f.
Mtodo para resolver una EDO de variables separadas:

de la forma
F (y)y 0 = G(x)
y un dato
y(x0 ) = y0
y(x)
F (u)du =
y0
Dada una EDO
basta con resolver
G(s)ds
x0
4.2. Ecuaciones homogneas

El primer paso antes de denir una ecuacin homognea y dar un mtodo para
su resolucin es denir el concepto de funcin homognea.:
Denicin: Funcin homognea.

gnea de grado m si y solo si
Se dice que
F (x, y)
es una funcin homo-
F (x, y) = m F (x, y)
A partir de aqu, proporcionaremos la denicin de ecuacin homognea de dos
formas equivalentes:
Denicin: Ecuacin diferencial ordinaria homognea.

y 0 = F (x, y)
es una ecuacin homognea
M (x, y) + N (x, y)y 0 = 0

gneas del
es homognea de grado
es una ecuacin homognea
mismo grado.
38
M, N
0.
son homo-
De este modo tenemos que
UAM - 2013/2014
N 6= 0 = y 0 =
M (x,y)
N (x,y)
m M (x,y)
m N (x,y)
M (x,y)
N (x,y)
Obteniendo nalmente que
Se puede observar que si
y0 =
M (x,y)
es de grado
N (x,y)
es de grado
0,
0.
entonces
y
y
y
F (x, y) = F (x 1, x ) = x0 F (1, ) = F (1, )
x
x
x
y(x)
.
x
Realizando unas pocas cuentas seremos capaces de llegar a una expresin ms
reducindose el problema a una funcin de una nica variable
z(x) =
sencilla para la EDO. Tenemos pues:
z(x) =
y(x)
x
y(x) = xz(x)
Derivando implcitamente:
y 0 (x) = z(x) + xz 0 (x)

Como sabemos que
y
y 0 (x) = F (x, y) = F (1, ) = F (1, z) = F (z)
x
igualando tenemos que
F (z) = z + xz 0
Con todo esto hemos obtenido a partir de la EDO homognea una EDO de variables
separadas:
Ejemplo:
z0
1
=
x
F (z) z
Sea la EDO
x2 + y 2 + xy y 0 = 0
| {z } |{z}
grado 2
grado 2
tenemos que
x2 + y 2
y =
xy
0
39
es de grado
UAM - 2013/2014
0.
Podemos reducir fcilmente el problema a una sola variable viendo que
x2 (1 + ( xy )2 )
1 + ( xy )2
1 + z2
x2 + y 2
=
=
=
y =
y
xy
xy
z
x
0
o directamente comprobando que
+y
y 0 = x xy
es homognea de grado 0.
A partir de aqu construimos la EDO de variables separadas. Tenemos que
x2 + y 2
F (z) =
xy
por lo que la ecuacin que hay que resolver es:
z0
z0
1
= 1+z2
=
x
z z
F (z) z
z0x =
1 2z 2
1 + z2
z =
z
z
0
1
zz
=
2
1 + 2z
x
Integrando ambos trminos tenemos que:
Obteniendo as:
z(s)z 0 (s)
ds =
1 + 2z 2 (s)
1
ds
s
1
log(2z 2 (x) + 1) = log(x) + C
4
A partir de aqu slo es necesario simplicar la expresin y despejar

y(x)
dando que z(x) =
.
x
y(x),
recor-
Con este ejemplo hemos visto un mtodo para resolver ecuaciones homogneas:
Mtodo para resolver una EDO homognea:

resolver una EDO de la forma
y 0 (x) = F (x, y)
En caso de tener una EDO de la forma
con
Este mtodo es vlido para

homognea de grado 0.
M (x, y)+N (x, y)y 0 = 0 con M, N
del
mismo grado, basta con construir una EDO como la anterior de la forma
40
y0 =
M (x,y)
N (x,y)
Tomar
= F (x, y)
z(x) =
y(x)
y
x
donde
UAM - 2013/2014
F (x, y) =
M (x,y)
es de grado 0.
N (x,y)
F (z(x)) = F (1, z(x))
z0
Construir la EDO
F (z)z
1
x
Tenemos entonces una EDO de variables separadas, que ya sabemos resolver.

y(x)
Una vez resuelta sustituir z(x) por
y despejar y(x).
x
4.3. Ecuaciones exactas

Dado un conjunto de nivel de una funcin
V:
V (x, y) = C
queremos hallar la EDO asociada. Derivando implcitamente tenemos que dicha
EDO es:
V (x, y) +
V (x, y)y 0 = 0
x
y
Vemos entonces que si tenemos una EDO como la anterior, sus soluciones son de
la forma
V:
V (x, y) = C
. Es lo que denominamos ecuacin exacta.
Denicin: Una EDO de la forma M (x, y) + N (x, y)y0 = 0 es exacta
V :
V = (M, N )
Teorema
Una EDO de la forma M (x, y) + N (x, y)y 0 = 0 con M, N C 2 es exacta
M
y
N
x
41
Demostracin:
con
UAM - 2013/2014
Queremos probar que dada la EDO
M (x, y)+N (x, y)y 0 = 0
M, N C 2 :
M=
N V : V = (M, N )
y
x
= )
Dada una funcin
de forma que
V, y
V ) = (M, N )
V = ( x
tenemos
que
M
y
N
x
Por el Teorema de Schwarz, al ser
= xy
V
= yx V
M, N C 2 ,
tenemos que las derivadas
parciales cruzadas son iguales, por tanto
M=
N
y
x
= )
Sea
el campo vectorial
F = (M (x, y), N (x, y), 0),
cuyo rotacional
es
Fy + y
Fz )~i+( z
Fx x
Fz )~j +( y
Fx + x
Fy )~k = (0, 0, y
Fx + x
Fy )
( z
Tenemos que si
M=
N
y
x
entonces
rot(F ) = (0, 0, 0)
V tal que
: V
es el potencial del campo F . De esta forma tenemos que V
(M (x, y), N (x, y), 0). Tomando V = (V1 , V2 ) concluimos que y

M
N = V : V = (M, N ).
x
lo que implica que
es un campo conservativo. Por tanto
V
=
=
Tenemos entonces, el siguiente mtodo para resolver las ecuaciones exactas:
42
UAM - 2013/2014
Mtodo para resolver ecuaciones exactas:

forma
Dada una EDO exacta de la
M (x, y) + N (x, y)y 0 = 0
Calcular la funcin
V (x, y)
que cumple que
V (x, y) = (M, N )
Las soluciones de la EDO son los conjuntos de nivel de
V (x, y)
Veamos un ejemplo:
Ejemplo:
Se pide resolver la EDO
1
x
+ 2 y0 = 0
y
y
|{z} |{z}
M
que es separable y homognea. Veamos si es exacta:
M= 2 =
N
y
y
x
M=
1
y
V
x
= V (x, y) =
1
dx
y
V (x, y) = x
+ C(y)
y
R
= y
V = V (x, y) = yx2 dy
de donde obtenemos que
N=
x
y2

que
V (x, y) =
x
y
+ C 0 (y).
As que
C 0 (y) = 0,
por lo
C(y) = K .
Por tanto las soluciones de la EDO son los conjuntos de nivel de
V:
x
=K
y
Se puede observar que si hubiesemos simplicado al EDO multiplicando por
habriamos obtenido
x
1 + y 0 = 0
y
que deja de ser exacta. El paso contrario, que es el de convertir una EDO no
exacta en una exacta multiplicando por un factor es lo que se conoce como
Factor integrante.
43
UAM - 2013/2014
Veamos otro ejemplo de resolucin de una EDO exacta.
Ejemplo:
Sea
xy 2 + nx2 y + (x3 + x2 y) y 0 = 0
| {z } | {z }
M
se quiere averiguar que valor ha de tener
M
y
N
x
para que la ecuacin sea exacta.
= 2xy + nx2
= 2xy + 3x2
n = 3 entonces la EDO es exacta. Para resolverla, basta

V del cual (M, N ) es el vector gradiente, y las soluciones
nivel de v .
Tenemos entonces que si

con buscar el potencial
sern los conjuntos de
M=
V
x
N =
V
y
respecto
= xy 2 + 3x2 y ,
integrando tenemos
V (x, y) =
x2 y 2
2
+ x3 y + C(y)
= x3 + x2 y . Derivando la expresin que ya tenemos para V con

3
2
0
0
a y , obtenemos x + x y + C (y), por lo que C (y) = 0 y C = K .
Tenemos que las soluciones son los conjuntos de nivel de la funcin
V (x, y) =
x2 y 2
+ x3 y
2
4.4. Factor integrante

En un ejemplo anterior hemos visto una tcnica que hace que una EDO no
exacta se transforme en una que s lo es multiplicando toda la ecuacin por un
factor, denominado factor integrante.
Denicin: Factor integrante.
Dada una EDO de la forma
G(x, y) + H(x, y)y 0 = 0

decimos que
es un
factor integrante si y slo si

G + H y 0 = 0
|{z} |{z}
M
44
UAM - 2013/2014
es exacta.
Para que la EDO sea exacta, ya sabemos que se tiene que cumplir que
M=
N
y
x
lo que implica que
G+
=
H +
y
y
x
x
(4.1)
A partir de este resultado, podemos enunciar dos teoremas de partida y un

mtodo para conseguir los mismos resultados que proporcionan los teoremas utilizando funciones distintas.
Teorema
Si la fraccin
G
(x, y)
y
H
(x, y)
x
H(x, y)
es funcin slo de x, entonces el factor integrante es funcin slo de x y

se tiene
H
G
0 (x)
=
(x)
Demostracin:
(x, y)
(x, y)
H(x, y)
Basta con notar que
=0
y por tanto
= 0 .
Sustitu-
yendo en 4.1 obtenemos
(x)
G
H
(x, y) = 0 H(x, y) + (x)
(x, y)
y
x
Agrupando terminos tenemos que
0 (x)
=
(x)
G
(x, y)
y
H
(x, y)
x
H(x, y)
por lo que si el trmino de la derecha depende slo de

es funcin slo de
x.
45
x, tenemos que tambin

UAM - 2013/2014
Teorema
Si la fraccin
H
(x, y)
x
G
(x, y)
y
G(x, y)
es funcin slo de y , entonces el factor integrante es funcin slo de y , y

se tiene
H
G
0 (y)
=
(y)
Demostracin:
(x, y)
(x, y)
G(x, y)
Basta con notar que
=0
y por tanto
= 0 .
Sustitu-
tambin
yendo en 4.1 obtenemos
(y)
H
G
(x, y) = 0 G(x, y) + (y)
(x, y)
x
y
Agrupando terminos tenemos que
0 (y)
=
(y)
H
(x, y)
x
G
(x, y)
y
G(x, y)
por lo que si el trmino de la derecha depende slo de

es funcin slo de
y,
tenemos que
y.
que sea funcin de x e y , tenemos un mtodo

factor integrante en caso de que sepamos que es
De esta forma, dado una variable

para obtener la expresin del
funcin de
= ().
Mtodo para obtener el factor integrante:

de que
= ((x, y)),
Si nos es proporcionado el dato
para averiguar el factor integrante:
Calcular
, que ser funcin de

x
x, y, .
Calcular
, que ser funcin de

y
x, y, .
46
Sustituir
UAM - 2013/2014
y
en 4.1.
x
y
Despejar de la ecuacin
0 ()
()
Integrar ambos trminos y operar para obtener la expresin para
Ejemplo:
Veamos qu debe ocurrir para que
= 0 () x
= 0 ()y
= 0 () y
= 0 ()x
= ()
con
= xy .
Sustituyendo en 4.1 obtenemos
0 ()xG(x, y) + ()
G
H
(x, y) = 0 ()yH(x, y) + ()
(x, y)
y
x
Despejando obtenemos
H
(x, y) G
(x, y)
0 ()
x
y
=
()
xG(x, y) yH(x, y)
por lo que el trmino de la derecha ha de ser funcin slo de
Ejemplo:
= xy .
2
0
Se quiere resolver la EDO y + (x y x)y = 0 sabiendo que
2
0
(x). Con esto tenemos que y + (x y x)y = 0 es exacta, por lo que
(y) =
((yx2 x))
y
x
Obtenemos
0 = 0 (x)(x2 y x) + (2xy 2)
Despejando
0 (x)
2xy + 2
2(xy 1)
2
= 2
=
=
(x)
x yx
x(xy 1)
x
Integrando podemos obtener la solucin para
mu.
Una vez hecho esto podemos
convertir la EDO en exacta y resolverla con el mtodo explicado.
47
UAM - 2013/2014
Ejemplo: Se quiere resolver la EDO (3y2 x) + 2y(y2 3x)y0 = 0 sabiendo

que
= ()
con
= x + y2.
Con esto tenemos que
()(3y 2 x) + ()2y(y 2 3x) y 0 = 0

|
{z
} |
{z
}
M
es exacta, por lo que
M
y
N
. Obtenemos
x
0 ()2y(3y 2 x) + (x + y 2 )6y = ()2y(y 2 3x) + ()(6 y)

Despejando
0 ()
3
=
()
Integrando y tomando exponenciales llegamos a la solucin para
= eC
mu
1
3
Como los factores integrantes son invariantes por constantes, elegimos
C=0
1
(x + y 2 )3
4.5. Ecuaciones lineales de primer orden

Las ecuaciones lineales de primer orden son aquellas que tienen la forma
y 0 + P (x)y = Q(x)
donde
P, Q
son funciones de
x.
Para resolverlas basta con buscar un factor integrante

ecuaciones exactas. Para que
(P (x)y Q(x)) + y 0 = 0
{z
} |{z}
|
N
sea exacta se tiene que cumplir que
M
N
=
y
x
(P (x)y Q(x)) + P (x) =

y
x
48
que las convierta en
Como se tiene que
UAM - 2013/2014
= (x) =
=0
por tanto tenemos que
P (x) = 0 (x)
0
= P (x)
que es una EDO de variables separadas cuya solucin es
=e
P (x)dx
Mtodo para resolver ecuaciones lineales de primer orden:

EDO de la forma
Hallar
Dada una
y + P (x)y = Q(x)
=e
P (x)dx
Resolver
(P (x)y Q(x)) + y 0 = 0
|
{z
} |{z}
N
que es una EDO exacta
Ejemplo:
Se quiere resolver la EDO lineal de primer orden
y0 + y =
(
donde
1
1 + e2x
P (x) = 1
Q(x) = 1+e1 2x
Se halla el factor integrante
=e
P (x)dx
= ex
Se resuelve la EDO que queda al multiplicar la original por
(ex y)0 =
que es
e
1 + e2x
En este caso, es ms simple resolver la EDO integrando ambos trminos

que hallando el potencial
e y=
ex
1 + e2x
Tenemos como resultado
y(x) = ex (arctan(ex ) + C)
49
UAM - 2013/2014
4.6. Ecuaciones de segundo orden reducibles

4.6.1.
Para resolver las ecuaciones de segundo orden que tienen la forma
F (x, y 0 , y 00 ) = 0
basta con hacer el cambio de variables
y0 = p
obteniendo as una EDO de a forma
F (x, p, p0 ) = 0
4.6.2.
Para resolver las ecuaciones de segundo orden que tienen la forma
F (y, y 0 , y 00 ) = 0
basta con interpretar
como funcin de
y,
es decir, tenemos
p = p(y).
Usemos la notacin de Leibniz para ver de que forma queda la EDO:
y 0 (x) =
= p = y 00 (x) =
p
x
x
Usando ahora la regla de la cadena tenemos que
y 00 (x) =
p y
p
p=
=p
x
y x
y
Tenemos entonces una EDO de la forma
F (y, p(y), p(y)
p
)=0
y
4.7. Algunas ecuaciones clsicas

4.7.1. Ecuaciones de Bernouilli
Las ecuaciones de Bernouilli son de la forma
y 0 + P (x)y = Q(x)y n
donde
P, Q
son funciones de
x.
50
UAM - 2013/2014
Mtodo para resolver una EDO de Bernouilli:
Para resolver una EDO de

1
1n
Bernouilli basta hacer el cambio de variable z = y
obteniendo as que y = z 1n
n
1
0
y que y =
z 1n z 0
1n
Sustituyendo en la ecuacin de Bernouilli y simplicando obtenemos
z 0 + (1 n)P (x)z = (1 n)Q

que es una ecuacin lineal.
4.7.2. Ecuaciones de Ricatti

Las ecuaciones de Ricatti tienen la forma
y 0 + P (x)y = Q(x) + R(x)y 2

y1 (x) es una solucin, haciendo
y = z + y1 y que y 0 = z 0 + y10
Si tenemos que
tenemos que
el cambio de variables
z = y y1
Sustituyendo en la ecuacin de Ricatti obtenemos
(z 0 + y10 ) + P (z + y1) = Q + R(z + y1 )2

Reordenando trminos en el lado izquierdo y operando el cuadrado en el lado
derecho
(z 0 + P z) + (y10 + P y1 ) = Q + Rz 2 + Ry12 + 2Rzy1

| {z }
Q+Ry12
La expresin encerrada en una llave es justamente la parte izquierda de la ecuacin

de Ricatti, como
y1
es solucin, lo podemos sustituir por la parte derecha de la
ecuacin de Ricatti. Nos queda
z 0 + (P 2Ry1 )z = Rz 2
que es una ecuacin de Bernouilli.
4.7.3. Ecuaciones de Euler-Cauchy de orden n

Las ecuaciones de Euler-Cauchy son de la forma
an xn y n) + an1 xn1 y n1) + . . . + a1 xy 0 + a0 y = 0

Las soluciones son de la forma
y = x
Tenemos entonces
y 0 = x1
y 00 = ( 1)x2
.
..
y j) = ( 1) . . . ( j + 1)xj
51
UAM - 2013/2014
Si sustituimos en la ecuacin anterior, tenemos como factor comn

queda un polinomio de grado
Ejemplo:
donde
y nos
son sus races.
Se quieren encontrar soluciones de la EDO
x2 y 00 + 5xy 0 + 6y = 0
Tenemos
y = x
y 0 = x1
y 00 = ( 1)x2
Sustituyendo obtenemos
x2 (( 1)x2 ) + 5x(x1 ) + 6(x ) = 0

x (( 1)) + 5x + 6x = 0
x (( 1) + 5 + 6) = 0
Nos queda el polinomio
2 + 4 + 6 = 0
que no tiene races reales.
5.
Sistema lineales de ecuaciones diferenciales

Los sistemas generales de ecuaciones diferenciales son de la forma
x01 = F1 (t, x1 , . . . , xN )
x0 = F2 (t, x1 , . . . , xN )
2
.
.
.
x0 = F (t, x , . . . , x )
n
1
N
n
Otra forma de escribir el sistema es en forma vectorial, es decir, si tomamos

x1
x01
F1
x2
x0
F2
~ 0 2 ~
~ =
X
= .. F = ..
.. X
.
.
.
0
xn
xn
FN
52
UAM - 2013/2014
tenemos que el sistema lineal es
~ 0 = F~ (t, ~x)
X
En esta seccin trabajaremos con sistemas lineales, es decir, aquellos en los que
las funciones son lineales. Por tanto, estos sistemas tendrn la forma
x01 = a11 (t)x1 + a12 (t)x2 + . . . + a1N (t)xN + b1 (t)
x0 = a21 (t)x1 + a22 (t)x2 + . . . + a2N (t)xN + b2 (t)

2
.
.
x0 = a (t)x + a (t)x + . . . + a (t)x + b (t)

N1
1
N2
2
NN
N
N
N
En forma matricial
~ 0 = A(t)X
~ + B(t)
X
donde
es una matriz y
es un vector.
Para los sistemas lineales de ecuaciones diferenciales disponemos de un teorema

de existencia y unicidad que se presentar a continuacin pero no se va a demostrar.
Teorema de existencia y unicidad global

Dados
aij (t) continuos en (a, b)

bj (t) continuos en (a, b)
(
X 0 = A(t)X + B(t)
El problema
tiene una nica solucin deX(t0 ) = X0 (t0 (a, b))
nida en todo el intervalo (a, b). Por tanto tenemos existencia y unici-
dad global.
5.1. Sistemas homogneos

Denicin: Sistema lineal homogneo.
Un sistema lineal homogneo de
ecuaciones diferenciales es aquel de la forma
X 0 (t) = A(t)X(t)
53
Es decir,
UAM - 2013/2014
B(t) = 0.
Propiedades
Si
x(t)
Si
x(t), y(t)
es solucin
= x(t)
son soluciones
es solucin
= x(t) + y(t)
es solucin
Observacin
Dado un sistema lineal homogneo de la forma
X 0 (t) = A(t)X(t)
si tenemos que
Xi (t)
es solucin, con el dato

0
.
..

Xi (t0 ) = ~ei =
1 posicin i
..
.
0
entonces, dado un dato general de la forma
x01
x0
2
0
0
0
X(t0 ) = x0 = x1~e1 + x2~e2 + . . . + xN ~eN = ..
.
x0N
si tomamos
x(t) = x01 X1 (t) + x02 X2 (t) + . . . + x0N XN (t)

x(t)
es solucin, ya que es combinacin lineal de soluciones:
x(t0 ) = x01 X1 (t0 ) + x02 X2 (t0 ) + . . . + x0N XN (t0 ) = x01 e1 + x02 e2 . . . + x0N eN = x0
tenemos entonces que
{X1 (t), . . . , XN (t)}
forma un sistema generador.
54
genera todas las soluciones, es decir,
UAM - 2013/2014
5.1.1. Independencia lineal

Vamos a ver cmo en la observacin anterior, el conjunto de las soluciones no
slo forma un sistema generador sino una base, es decir, que el espacio de soluciones
forma un
espacio vectorial de dimensin n.
Sabemos que Y1 (t), . . . , Yn (t) son linealmente independientes 1 Y1 (t) +

. . . + n Yn (t) = 0 t (a, b) i = 0 i [1, N ]
Denicin: Wronskiano. Dadas n funciones Xj (t) Rn , j = 1, . . . , n el determinante Wronskiano se dene como

X1 X2 . . . Xn
W (X1 , . . . , Xn ) = det
Si
W (X1 , . . . , Xn ) = 0, entonces X1 , . . . , Xn son linealmente dependientes, en caso
contrario, tenemos que son linealmente independientes.
Teorema
Sean Y1 (t), Y2 (t), . . . , Yn (t) soluciones de un sistema homogneo con coecientes continuos en un intervalo (a, b), entonces existen dos posibilidades
W (Y1 , . . . , Yn )(t) = 0 t (a, b)
W (Y1 , . . . , Yn )(t) 6= 0 t (a, b)
Demostracin: Supongamos que W (Y1 (t0 ), . . . , Yn (t0 )) = 0 para un cierto

t0 (a, b). Tenemos entonces que Y1 (t0 ), . . . , Yn (t0 ) son linealmente dependientes,
por tanto 1 , . . . , n no todos nulos tal que 1 Y1 (t0 ) + . . . + n Yn (t0 ) = 0.
Denimos y(t) = 1 Y1 (t) + . . . + n Yn (t), que es solucin de
Y 0 (t) = A(t)Y (t)
y tenemos que
y(t0 ) = 0.
55
Por tanto tenemos que
si tomamos el vector
z(t)
UAM - 2013/2014
y(t) es solucin del problema

(
Y 0 (t) = A(t)Y (t)
y(t0 ) = 0

0
..
z(t) = . ,
0
tambin es solucin del
como el sistema es homogneo, tenemos que
mismo problema.
Por el teorema anteriormente
z(t) = y(t) = ~0 t (a, b)

W (Y1 , . . . , YN )(t) = 0 t (a, b)
enunciado, tenemos existencia y unicidad y

Como
Y (t) = ~0,
tenemos que
Como conclusin de la demostracin anterior, podemos decir que el espacio de

soluciones de un sistema homogneo forma un espacio vectorial de dimensin
Observacin
Si disponemos de un sistema no homogneo
X 0 (t) = A(t)X + B(t)

con solucin general
XG (t),
tenemos que
X 0 (t) = A(t)X
es el sistema homogneo asociado con solucin general
XH (t) = 1 X1 (t) + . . . + n Xn (t)

Sea
XP
Sea
Y (t) = XG (t) XP (t).
una solucin particular del sistema completo (no homogneo).
Y 0 = XG0 XP0 = (AXG + B) (AXP + B) = A(XG XP ) = AY .

Vemos que Y (t) es solucin del sistema homogneo asociado al sistema completo,
y por tanto Y (t) = 1 X1 (t) + . . . + n Xn (t) para alguna familia 1 , . . . , n .
Derivando
De aqu deducimos que
XG = XP + XH
donde
56
UAM - 2013/2014
XG
es la solucin general del sistema completo.
XP
es una solucin particular del sistema completo.
XH
es la solucin general del sistema homogneo asociado.
5.1.2. Sistemas lineales homogneos con coecientes constantes

Vamos a estudiar los sistemas homogneos de la forma
X 0 (t) = AX(t)
donde ahora la matriz
es una matriz de constantes, no de funciones.
Para resolver este tipo de sistemas vamos a presentar dos formas de resolucin,
pero antes deniremos lo que se conoce como
exponencial de una matriz:
Denicin: Exponencial de una matriz.

An ,
Dada una matriz
la exponencial de la matriz
exp(A) = In + A +
An
se dene como sigue
An
A2
+ ... +
+ ...
2!
n!
Mtodo 1
Las soluciones de los sistemas lineales homogneos con coecientes constantes
son de la forma
x(t) = et~v
derivando obtenemos
x0 (t) = et~v
por lo que a partir del sistema
X 0 (t) = AX(t),
como
x(t)
es solucin, obtenemos
que
x0 (t) = et ~v = et A~v = AX
Necesitamos entonces que
de
A~v = ~v , es decir, que sea autovalor y ~v autovector
A.
Mtodo 2
Dado un sistema lineal homogneo con coecientes constantes, las soluciones
exp(At). Estas columnas son independientes porque

para t = 0 tenemos que exp(A 0) = I , por lo que el Wronskiano es distinto de
cero, y por tanto tambin lo es para todo t.
son las columnas de la matriz
57
UAM - 2013/2014
A, podemos distinguir varios casos.

A es de dos las y dos columnas:
Dependiendo de cmo sea la matriz

simplicar, supongamos que la matriz
1.
Para
A es una matriz diagonal

En este caso tenemos que
A=
d1 0
0 d2
entonces
!
X1
1 0
+
0 1
j!
exp(At) =
j=1
1 + d1 t +
0
2.
d21 t2
2
!j
d1 t 0
=
0 d2 t
+ ...
!
X1
1 0
+
0 1
j!
(d1 t)j
0
0
(d2 t)j
j=1
0
d2 t2
1 + d2 t + 22 + . . .
d1 t
0
ed2 t
!
=
A es una matriz diagonalizable

Tenemos que
es de la forma
A = P DP 1
con
diagonal. Esto implica que, como se ve para el caso particular de
A2 = (P DP 1 )(P DP 1 ) = P D(P 1 P )DP 1 = P D2 P 1

en general tenemos
An = P Dn P 1
donde
es una matriz cuyas columnas son los autovectores de la matriz
y los elementos de la diagonal de la matriz
son los autovalores asociados
a dichos autovectores.
En este caso
2 2
n n
2 2
exp(At) = I+At+ A 2t +. . .+ An!t +. . . = P P 1 +P DtP 1 +P D2t P 1 +. . . =

2 2
P (I + Dt + D2t + . . .)P 1 = P exp(Dt)P 1
es decir
exp(At) = P exp(Dt)P 1
58
3.
UAM - 2013/2014
A no es diagonalizable
En este caso podemos obtener la forma de
Jordan de A:
d 1
P 1
0 d
A=P
La exponencial de
At
ser
exp(At) = P exp(
Como la matriz
cierto
d 1
t)P 1 = P exp(
0 d
!
d 0
0
P exp(
t)exp(
0 d
0
0 1
0 0
la potencia
!
es
n-sima
nilpotente
d 0
t+
0 d
!
1
)P 1
0
0 1
t)P 1 =
0 0
(lo que quiere decir que para un
de la matriz ser la matriz nula), tenemos que
la exponencial de dicha matriz ser una suma
nita.
A partir del ltimo mtodo descrito vemos la denicin siguiente
Denicin: Matriz fundamental.
Dado un sistema lineal homogneo de la
forma
X 0 = AX
y una matriz
(t),
decimos que
(t)
es una matriz fundamental si sus columnas
son soluciones independientes del sistema.
Veamos ejemplos de ambos mtodos.
Ejemplo (Mtodo 1):

X0 =
Dado el sistema homogneo
!
x0 (t)
=
y 0 (t)
!
!
1 3
x(t)
= AX
3 1
y(t)
| {z }
A
Los autovalores de la matriz
det
son los resultados de la ecuacin
1
3
3
1
59
!
=0
que son
=4
UAM - 2013/2014
= 2
=4
1 3
3 1
v1
v2
v
=4 1
v2
!
v1 = v2
= 2
!
!
!
1 3
w1
w1
= 2
w1 = w2
3 1
w2
w2
Tenemos por tanto dos soluciones independientes:
x(t) = e4t
y(t) = e2t
!
1
1
!
1
1
La solucin general es, por tanto
!
!
1
1
+ c2 e2t
1
1
X(t) = c1 e4t
Dado un dato inicial
X(t0 ) =
x0
y0
para hallar
c1
c2
x0
y0
no tenemos ms que resolver el sistema
!
1
+ c2 e2t0
1
= c1 e4t0
!
1
1
y por tanto, la solucin particular para dicho dato.
Ejemplo (Mtodo II):

X0 =
Dado el sistema homogneo
!
x0 (t)
=
y 0 (t)
!
!
1 3
x(t)
= AX
3 1
y(t)
| {z }
A
Tenemos que
A es diagonalizable (tenemos sus autovalores y autovectores del

60
UAM - 2013/2014
ejemplo anterior).
Dado que
!
!
!1
1 1
4 0
1 1
1 1
0 2
1 1
A=
tenemos que
!
!
!1
1 1
e4t 0
1 1
=
1 1
0 e2t
1 1
(t) = exp(At) =
Dado un dato de la forma
a
b
X(0) =
Sol1 Sol2
!
la solucin particular para el problema
con dicho dato es de la forma
Sol1
x(t) =
!
+
Queremos saber qu valor han de tener
Sol2
para obtener la solucin parti-
cular de nuestro problema. Sabemos que las columnas de la matriz fundamental

son soluciones independientes y tenemos que como
(0) = exp(A 0) = exp(0) = I

entonces
Sol1
!
+
Sol2
t=0
!
1
=
+
0
!
0
=
1
t=0
y tambin tenemos que
Sol1
Sol2
+
t=0
por lo que
=a
!
=
!
x(0)
=
y(0)
a
b
t=0
=b
De aqu obtenemos que la solucin particular para el problema con dicho dato
ser de la forma
Sol1
x(t) = a
Sol2
+b
61
!
= (t)
a
b
UAM - 2013/2014
Observacin
Dado que
(0) = I , para un problema con dato X(0) =
a
b
la solucin particular
para el problema con dicho dato es
a
(t)
b
En caso
!de proporcionarse un dato en un punto distinto de
c
d
(2) =
0,
por ejemplo
, la solucin particular para el problema con dicho dato es
c
(t 2)
d
Observacin
= (t)C , donde C es una matriz

= (t)
cuadrada con determinante distinto de 0, tambin lo es.
Esto se debe a que como las columnas de (t) son soluciones independientes,
Si
(t)
es una matriz fundamental
cualquier combinacin lineal tambin es una solucin.
Ejemplo:
Dado el sistema
!
3
4
X(t)
X 0 (t) =
1 1
| {z }
A
El autovalor de la matriz es
autovalor es
2w
w
~u =
=1
(doble). El autovector asociado a dicho
!
.
Vemos que la matriz no es diagonalizable, hallamos por tanto su forma de

Jordan:
J=
1 1
0 1
B = {~u, ~v }.
en la base B ,
que est en la base

Como
est
A~u = ~u
62
UAM - 2013/2014
A~v = ~u + ~v
.
Dado que ya tenemos
~u podemos hallar ~v
y la otra solucin del problema. De
lo anterior obtenemos
(A I)~u = ~0
(A I)~v = ~u
Multiplicando a ambos lados por
(A I)
en la segunda ecuacin tenemos
(A I)2~v = (A I)~u
y a partir de la primera ecuacin vemos que el segundo trmino de lo anterior es
igual a
~0.
Por tanto
(A I)2~v = 0
Slo hay que elegir
~v
de forma que se cumpla que
pues
(A I)2~v = 0
(A I)~v 6= ~0
(A I)~v = ~u
Basta tomar
~v =
!
1
0
obteniendo as
~u = (A I)~v =
!
2
1
De esta manera, ya podemos hallar la matriz fundamental
(t) =
Vamos a hallar
exp(
!
!
!1
2 1
1 1
2 1
exp(
)
1 0
0 1
1 0
exp(Jt)
!
1 1
1 0
t) = exp(
t+
0 1
0 1
0 1
1 0
0 1
t) = exp(
t)exp(
t)
0 0
0 1
0 0
63
Nos hace falta saber cunto vale
!
0 1
exp(
t) =
0 0
1 0
0 1
!
+
UAM - 2013/2014
!
0 1
exp(
t)
0 0
0 t
0 0
1
+
2
|
!2
0 t
+ ... =
0 0
{z
}
1 t
0 1
Por tanto, la matriz fundamental es
(t) =
2 1
1 0
et 0
0 et
1 t
0 1
!
0 1
=
1 2
En los ejemplos anteriores hemos utilizado que
2tet + et 4tet
tet
et 2tet
e(A+B)t = eAt eBt .
Esto puede
parecer falso, ya que aunque que la suma de matrices es conmutativa, el producto

no lo es. Sin embargo, a continuacin se probar la validez de esta operacin:
Teorema
e(A+B)t = eAt eBt
Demostracin:
Sabemos que
Sea
(t) = 1 (t)2 (t) donde
(t) = e(A+B)t
1 (t) = eAt
2 (t) = eBt
0 (t) = (A + B)(t),
queremos ver que
(1 (t)2 (t))0 = (A + B)(t)

Hallamos
(1 (t)2 (t))0 :
(1 (t)2 (t))0 = 01 (t)2 (t) + 1 (t)02 (t)
dado que
64
UAM - 2013/2014
01 (t) = A1 (t)
02 (t) = B2 (t)
tenemos
0 (t) = A1 (t)2 (t) + 1 (t)B2 (t)

Si
1 (t)
= 0 (t) = (A + B)1 (t)2 (t)
conmutan
(INCOMPLETO, SI ALGUIEN SABE POR QU CONMUTAN SIEMPRE
QUE ME LO DIGA POR FAVOR)
Veamos un ejemplo de resolucin de un sistema lineal homogneo con coecientes constantes en la que los autovalores de la matriz son nmeros complejos.
Ejemplo (Mtodo 1):
Dado el sistema
!
1
2
X0 =
X
4 6
| {z }
A
= 72 27 i.
v = 1 54 7i
Los autovalores de la matriz son

Los autovectores asociados son
A partir de aqu tenemos dos soluciones complejas:
z = e v
y por tanto la solucin general compleja
z+ + z
Para obtener soluciones reales, basta con elegir
z+ + z R
Basta con tomar
x1 =
x2 =
z+ +z
2
x+ z
2i
65
= Re{z+ }
= Im{z+ }
de modo que
Ejemplo (Mtodo II):
UAM - 2013/2014
Dado el sistema
!
1
2
X0 =
X
4 6
| {z }
A
= 72 27 i.
v = 1 54 7
Los autovalores de la matriz son

Los autovectores asociados son
La matriz fundamental es
(t) =
5 7i
4
7+ 7i
2
!
exp(
5+ 7i
4
7 7i
2
!
)
5 7i
4
!1
5+ 7i
4
Una vez calculada, tendremos que el resultado de matriz fundamental tiene

nmeros complejos y ser de la forma
(t) =
!
Sol1 (t) Sol2 (t)
Para obtener las soluciones reales basta con construir una nueva matriz fundamental de la forma
!
Re(Sol1 (t)) Im(Sol1 (t))
(t)
=
Veamos un ltimo ejemplo de resolucin en el que la matriz no es diagonalizable.
Ejemplo:
Dado el sistema
3 1 0
X 0 = 1 0 1 X
1 2 3
{z
}
|
A
A es =2
z

~u = z
z
El autovector de la matriz
El autovector asociado es
66
(triple).
UAM - 2013/2014
2t
Tenemos por tanto la solucin x1 (t) = e 1,
1
La forma de Jordan de la matriz A es
2 1 0
J = 0 2 1
0 0 2
en la base
B = {~u, ~v , w}
~ ,
de aqu obtenemos que
falta hallar dos restantes.
A~u = 2~u
A~v = ~u + 2~v
Aw
~ = ~v + 2w
~
o lo que es lo mismo
(A 2I)~u = 0
(A 2I)2~v = (A 2I)~u = 0
(A 2I)3 w
~ = (A 2I)2~v = 0
Tomando

0

w
~ = 0
1
tenemos

0

que ~
v = 1
1
1

y ~
v= 1
1
A partir de aqu construimos la matriz fundamental:
1
0
0
0
1
0
2
0
0
1 0 0
0
0
1
0
2
0
(t) = 1 1 0 exp
t
+
1 1 0
1 1 1
1 1 1
0 0 2
0 0 0
2t
t2
1 0 0
1 0 0
e
0 0
1 t 2
(t) = 1 1 0 0 e2t 0 0 1 t 1 1 0
1 1 1
1 1 1
0 0 e2t
0 0 1
5.2. Sistemas lineales no homogneos

Ya hemos visto que dado un sistema lineal no homogneo
X 0 (t) = A(t)X(t) + B(t)

67
UAM - 2013/2014
la solucin general del mismo es de la forma
XG = XP + X H
donde
XG
es la solucin general del sistema completo.
XP
es una solucin particular del sistema completo.
XH
es la solucin general del sistema homogneo asociado.
Vamos a ver el mtodo de variacin de las constantes para la resolucin de este

tipo de sistemas:
5.2.1. Mtodo de variacin de las constantes

Dado un sistema lineal no homogneo de la forma
X 0 (t) = A(t)X(t) + B(t)

Sea
(t)
la matriz fundamental del sistema homogneo asociado
X 0 (t) = A(t)X(t)
Tenemos que
~
XH = (t)C
donde
~
C
es una matriz columna. Es decir,
combinaciones lineales de las columnas de

Buscamos
~ .
XP (t) = (t)C(t)
XH
son
(t).
Derivando obtenemos:
0
~
~ + (t)C
~ 0 (t) = A(t)C(t)
~ + (t)C 0 (t)
XP0 (t) = ((t)C(t))
= 0 (t)C(t)
Para que se cumpla que
~ +B
XP0 (t) = AXP + B = A(t)C(t)
necesitamos que
Es decir
~ 0 (t)
B = (t)C
(
~
XP (t) = (t)C(t)
0
1
~ (t) = (t)B(t)
C
Observacin
La inversa de
(t)
siempre existe porque al ser matriz fundamental, sus columnas
son linealmente independientes, y por tanto su determinante es siempre distinto

de cero.
68
Ejemplo:
UAM - 2013/2014
Dado el sistema
!
!
1
2
t
1
X 0 (t) =
X+
3 2
5t + 2
| {z }
|
{z
}
A
La matriz fundamental del sistema homogneo asociado es
2e4t 3et
3e4t
et
(t) =
Tenemos que
~ 0 (t) = 1 (t)B(t)
C
C10
(t)
C20
!
=
t1
5t + 2
A partir de aqu tenemos dos opciones: podemos resolver lo anterior, o darnos

cuenta de que podemos buscar una solucin particular de la forma
XP =
at + b
ct + d
ya que en la ecuacin slo aparecen polinomios de grado 1.
5.3. Matrices con coecientes T-peridicos

Dado el sistema
X 0 (t) = A(t)X(t)
en el que
A(t)
es una matriz con coecientes
T -peridicos,
si denimos
Y (t) = X(t + T )
derivando vemos que
Y 0 (t) = X 0 (t + T ) = A(t + T )X(t + T ) = A(t + T )Y (t) = A(t)Y (t)

por lo que
Y (t)
tambin es solucin del sistema.
69
Ejemplo:
Dado el sistema
X 0 (t) =
denotamos
UAM - 2013/2014
X(t) =
!
1
0
X(t)
sin(t) 1
!
x(t)
y escribimos el sistema de
y(t)
(
x0 (t) = x(t)
y 0 (t) = sin(t)x(t) y(t)
la siguiente forma
De la primera ecuacin tenemos que
x(t) = Aet
obteniendo junto con la segunda ecuacin que
y 0 (t) = Aet sin(t) y(t)

y 0 (t) + y(t) = Aet sin(t)
Multiplicando por el factor integrante
et
(et y)0 = Ae2t sin(t)

t
ey=A
e2t
e2t sin(t)dt |{z}
= A{ (2sin(t) cos(t))}
5
por partes
X(t) = A
!
et
+ AB
et
(2sin(t) cos(t))
5
0
et
Las soluciones no son peridicas, sino que trasladadas por un periodo siguen
siendo solucin.
Observacin
(t) es matriz fundamental = (t)

= (t + T ) tambin es matriz fundamen~
tal. Es decir, Y (t) = X(t + T ) es solucin Y (t) = (t)C
Si
70
UAM - 2013/2014
Teorema
Si (t) es una matriz fundamental, entonces

(t) = B(t)eLt
donde B(t) es una matriz peridica y L es una matriz con coecientes constantes.
Demostracin:
Sabemos que
~
(t + T ) = (t)C
siendo el determinante de
~
C
distinto de cero. En particular,
~ = {(t)}1 (t + T )
C
Vamos a utilizar el siguiente lema:
~ = eM
~ 6= 0 = M : C
det(C)
Entonces
(t + T ) = (t)eM
Buscamos
(t) = B(t)eLt ,
es decir,
(t + T ) = B(t + T )eL(t+T ) = B(t)eLt eLT

~ = (t)eM = B(t)eLt eM
(t + T ) = (t)C
Lt
Como conclusin se tiene que si existe la descomposicin (t) = B(t)e ,
1
. Adems, tenemos que como B(t) es peridica de periodo T,
debe ser L =
M
B(t) = B(t + T ).
71
Ejemplo:
UAM - 2013/2014
Dado el sistema
X 0 (t) =
!
1
0
X(t)
sin(t) 1
tenemos la matriz fundamental
et
0
5
e
(2sin(t) cos(t)) et
5
(t) =
Calculamos
C = {(t)}1 (t + 2) =
e2
0
2
0 e
2
0
= exp(
2
0 e
!
= M)
Tenemos que
1
M=
L=
2
!
1 0
0 1
Por tanto
eLt =
Buscamos
B(t)
tal que
et 0
0 et
(t) = B(t)eLt
Entonces
B(t) = (t)eLt
6.
et 0
= (t)
0 et
!
=
!
1
0
1
(2sin(t) cos(t)) 1
5
Ecuaciones lineales de orden superior

Las ecuaciones lineales de orden superior son de la forma
y n) (x) + an1 (x)y n1) (x) + . . . + a1 (x)y 0 (x) + a0 (x)y(x) = b(x)

Si
b(x) = 0
entonces estamos ante una ecuacin homognea.
Observacin
Una ecuacin lineal de orden
da origen a un sistema lineal de orden 1. Supon-
72
UAM - 2013/2014
gamos que tenemos la ecuacin
y n) (x) + an1 (x)y n1) (x) + . . . + a1 (x)y 0 (x) + a0 (x)y(x) = b(x)

Si denotamos
y = z1
y 0 = z2
y
.
.
.
n1)
z10 = z2
z20 = z3
.
.
.
0
= zn
= zn zn1
con
zn0 = a0 z1 a1 z2 . . . an1 zn + b(x)

tenemos entonces el sistema
0
1
0
0
0
0
1
0
0
0
0
1
z 0 = ..
.
.
.
.
.
.
.
.
.
.
0
0
0
0
a0 a1 a2 a3
...
...
...
..
...
...

0
0
.
..
0
..
0

z + .
.
.
..
.
.

1
0
an1
b
Por tanto, los problemas de este tipo vendrn dados por una ecuacin y
datos
iniciales, de forma que los datos son de la forma:
y(x0 )
y 0 (x0 )
.
.
y n1) (x )
0
(6.1)
Veamos el primer teorema de existencia y unicidad para este tipo de ecuaciones.
Teorema
Si aj (x), b(x) son funciones continuas en (a, b) tal que x0 (a, b), entonces
dado un problema con datos iniciales en x0 tenemos existencia y unicidad de
la solucin denida en (a, b)
73
UAM - 2013/2014
6.1. Ecuaciones homogneas de orden superior

Vamos a denir la estructura del conjunto de soluciones de una ecuacin homognea de orden superior
Si
y1 , y2
Si denimos
son solucin,
yj (x)
R tenemos que
(
y1 + y2 es solucin
y1
es solucin
(6.2)
como solucin al problema con dato

0
.
y(x0 )
..
y 0 (x0 )

1 posicin j
=
~
e
=
.
j

.
.
..
.
y n1) (x0 )
0
(6.3)
como en el caso de los sitemas lineales, tenemos que por el principio de superposicin, el conjunto
{y1 (x), y2 (x), . . . , yn (x)}

es un conjunto generador de las soluciones del problema.
Para demostrar que es una base, basta con tomar el Wronskiano:
y1 (x) . . . . . . yn (x)
0
y1 (x) . . . . . . yn0 (x)
W (y1 , . . . , yn ) = det
.
.
.
.
.
.
n1)
n1)
y1 (x) . . . . . . yn (x)
Teorema de monotona del Wronskiano
Sean y1 , . . . , yn soluciones de la ecuacin homognea. Entonces exisen dos posibilidades

W (y1 , . . . , yn ) = 0 x (a, b)
W (y1 , . . . , yn ) 6= 0 x (a, b)
74
La demostracin se realizar para
Demostracin:
UAM - 2013/2014
n = 3,
aunque es equivalente para cualquier
y1 , y2 , y3

y3

y30

y300
Sabemos que el Wronskiano de

y1 y2

W (y1 , y2 , y3 ) = y10 y20
00 00
y1 y2
en
x0
n.
es
Por tanto

0

y1 y20 y30 y1 y2 y3 y1 y2 y3 y1 y2 y3

W 0 (y1 , y2 , y3 ) = y10 y20 y30 + y100 y200 y300 + y10 y20 y30 = y10 y20 y30
00 00 00 00 00 00 000 000 000 000 000 000
y1 y2 y3 y1 y2 y3 y1 y2 y3 y1 y2 y3

y1
y2
y3

0
0
0
y30
y2
y1
W =

00
0
00
0
00
ay1 by1 cy1 ay2 by2 cy2 ay3 by30 cy3

= a(x)W (x)

W (y1 , y2 , y3 ) 6= 0 = por continuidad, > 0 : W (x) 6= 0 en x

(x0 , x0 + )

Rx
W0
Tenemos que
= a(x). Por tanto W (x) = W (x0 ) exp( x0 a(s)ds) (INW
Si
COMPLETO, FALTA LA CONCLUSIN, SI ALGUIEN QUIERE AYUDAR
QUE ME LA DIGA POR FAVOR)
Observacin
Dada una solucin de una ecuacin homognea con coecientes constantes, el mtodo de variacin de las constantes nos permite buscar una solucin independiente.
6.1.1. Ecuaciones homogneas de orden superior con coecientes constantes

Dada una ecuacin homognea de orden superior con coecientes constantes
de la forma
y 000 + ay 00 + by 0 + cy = 0
75
UAM - 2013/2014
podemos obtener el sistema equivalente
0
1
0
0
1 Y
Y0 = 0
c b a
Para su resolucin, buscamos
y(x) = ex
y 0 (x) = ex
y 00 (x) = 2 ex
y 000 (x) = 3 ex
ex {3 + a2 + b + c} = 0
obteniendo el polinomio caracterstico
3 + a2 + b + c = 0
A la hora de hallar las soluciones pueden presentarse ciertos problemas, como
que las races del polinomio sean mltiples o complejas.
Veamos unos ejemplos.
Ejemplo:
Dada la ecuacin
y 000 + 6y 00 + 12y 0 + 8y = 0
El polinomio caracterstico asociado es
3 + 62 + 12 + 8 = 0 ( + 2)3 = 0
y1 (x) = e2x
y2 (x) = C(x)y1 (x):
Al obtener races mltiples slo obtenemos una solucin

Por el mtodo de variacin de constantes tenemos que
y2 (x) = C(x)e2x
y20 (x) = C 0 (x)e2x 2ce2x
y200 (x) = C 00 (x)e2x 4C 0 (x)e2x + 4C(x)e2x
y2000 (x) = C 000 (x)e2x 6C 00 (x) + 12C 0 (x)e2x 8C(x)e2x
Sustituyendo en la ecuacin
y2000 + 6y200 + 12y20 + 8y2 = C 000 (x)e2x

Por tanto, para que y2 (x) sea solucin debe ser
C(x) = a + bx + cx2 y por tanto, la solucin general
y2 (x) = (a + bx + cx2 )e2x
76
C 000 = 0.
Se deduce que
Ejemplo:
UAM - 2013/2014
Dado el problema
x2 y 00 4xy 0 + (x2 + 6)y = 0

y(0) = y 0 (0) = 0
(6.4)
Tenemos que
y1 (x) = x2 sin(x)
y2 (x) = 0
es solucin
(6.5)
es solucin
Lo que parece que contradice el teorema de existencia y unicidad. Sin embar2

go, si tomamos la ecuacin, dividiendo entre x la tenemos de la forma
4
x2 + 6
y 00 y 0 +
y=0
x
x2
Vemos que los factores que estn multiplicando a
y0
y a
no son continuos
x = 0.
en
Observacin
El teorema de existencia y unicidad exige
Ecuacin de la forma
1 y n) + an1 (x)y n1) + . . .
Coecientes continuos en un entorno del punto.
6.2. Problemas lineales con coecientes constantes

En el caso homogneo, en el que tenemos una EDO
y n) + an1 y n1) + + a1 y 0 + a0 y = 0
como ya hemos visto anteriormente, podemos obtener el polinomio caracterstico
n + an1 n1 + + a1 + a0 = 0
con cuya resolucin obtenemos las soluciones asociadas a cada una de las races.
Podemos tener varias opciones.
Si
Si
es una raz simple, entonces una solucin es
k , por el mtodo de variacin de las

k soluciones de la forma ti e1 t para i = 0, . . . , k1.
es una raz con multiplicidad
constantes encontraremos
y0 (t) = e0 t .
77
UAM - 2013/2014
En el caso de que la solucin sea una raz compleja, combinamos linealmente
a + bi es una raz
a bi (por ser el conjugado) tambin es una
soluciones para obtener soluciones reales. Supongamos que

compleja, entonces tenemos que
raz del polinomio. A partir de aqu tenemos las soluciones complejas
e(a+ib)t = eat (cos(bt) + i sin(bt))

e(aib)t = eat (cos(bt) i sin(bt))
(6.6)
de donde obtenemos las soluciones reales haciendo las combinaciones
Re(z) =
z+
z
2
Im(z) =
z
z
2i
Veamos algunos ejemplos.
Sistema masa-resorte
Figura 6.1),
Consideramos el siguiente sistema (
sin
rozamiento ni fuerzas externas.
kx
0
x(t)
Figura 6.1: Sistema masa-resorte, con la fuerza del muelle
kx.
Segn la ley de Hooke, la fuerza ser
F = kx
donde
k es una constante que depende del muelle. Por la segunda ley de newton,
tenemos que la fuerza es el producto de la masa y la aceleracin, por tanto, la

ecuacin que describe el movimiento es
mx00 = kx
Podemos transformarla a un problema en derivadas ordinarias
x=0
x00 + m
x(0) = x0
x0 (0) = v0
78
UAM - 2013/2014
para el que necesitaremos posicin y velocidad iniciales.

El polinomio caracterstico es
2 +
k
=0
m
cuyas races son
r
= i
k
m
Las soluciones complejas son, por lo tanto,
r
k
k
z1 = eit m = cos
t + i sin
t
m
m
r
r
k
k
k
it m
z1 = e
t i sin
t
= cos
m
m
Combinndolas de forma lineal, obtenemos dos soluciones reales:
k
t
rm
k
x2 (t) = =(z1 ) = sin
t
m
x1 (t) = <(z1 ) = cos
Aunque se ve a simple vista que esas dos soluciones son independientes (el
coseno y el seno del mismo ngulo), deberamos calcular el wronskiano para comprobar que son realmente independientes.
La solucin general nos queda
r
x(t) = A cos
k
t + B sin
m
k
m
A y B se tendrn que obtener una vez dados los valores iniciales.

x(0) = x0 , x0 (0) = v0 , tenemos que
Las constantes
Si suponemos
(6.7)
x0 = x(0) = A
r
r
r
r
k
k
k
k
0
x (t) = x0
sin
t+B
cos
t
m r m
m
m
k
v0 = x0 (0) = B
m
v0
B=q
k
m
79
UAM - 2013/2014
x0
kx
0
x(t)
Figura 6.2: Sistema masa-resorte con rozamiento (fuerza
x0 ).
Si bien esta solucin es correcta, los fsicos suelen reescribirla de una forma
distinta utilizando coordenadas polares para el punto
(A, B):
A = R cos
B = R sin
Sustituyendo en (6.7)
r
x(t) = R cos
donde
= arctan B
A
k
t cos + sin
m
!
!
r
k
k
t sin = R cos
t
m
m
es el desfase, que acta de velocidad inicial del sistema.
Sistema masa-resorte con rozamiento
Replanteemos el problema anterior
con rozamiento.
La ecuacin cambia al aadir el rozamiento:
mx00 = kx x0
k
x00 + x0 + x = 0
m
m
Resolvemos el polinomio caracterstico
2 +
k
+
=0
m
m
y nos queda
80
(6.8)
UAM - 2013/2014
2m
s
2m
2
k
m
.
Tenemos que plantear tres casos basados en el valor de

2
2m
k
: si es
m
mayor, igual o menor que cero.
Primer caso: > 0 (rozamiento alto)
+
+ =
2m
2m
s
s
Tenemos
2m
2
2m
2
k
m
k
m
De sus expresiones vemos que tanto + como son negativos, puesto que la
raz siempre ser menor que

. La solucin general del problema es
2m
x(t) = Ae+ t + Be t
Despejando de los valores iniciales
x(0) = x0 , x0 (0) = v0
y realizando ciertas
operaciones,

1
+ t
t
(v0 x0 )e (v0 + x0 )e
x(t) =
+
De esa ecuacin vemos que, cuando
t , x(t) 0. Es decir, el objeto tiende
a pararse.
Tambin querramos ver cuntas veces pasamos por la posicin de equilibrio.
Tenemos que resolver la ecuacin
e(+ )t =
v0 + x0
v0 x0
que no tiene solucin (la exponencial es siempre positiva, pero la divisin es

menor que 1). Por lo tanto, el objeto no llega nunca a la posicin de equilibrio.
Segundo caso: = 0
que es una raz doble.

2m
Por el mtodo de variacin de las constantes, nuestras dos soluciones son
En este caso, tenemos
x1 (t) = e 2m t ;
y la solucin general se expresa como
81
x2 (t) = te 2m t
UAM - 2013/2014
x(t) = Ae 2m t + Bte 2m t = e 2m t (A + Bt)

Al igual que en el anterior caso,
soluciones para
x(t) =
x(t) 0,
pero aqu s que podemos tener

t
0. La existencia o no de una solucin depender de la
posicin y velocidad iniciales.
Tercer caso: < 0 (sin rozamiento)
Aqu tendremos races complejas, es
decir:
+i
+ =
2m
2m
2
y su conjugada. De esta forma, las dos soluciones reales sern
s
x1 (t) = e
x1 (t) = e
t
2m
t
2m
cos t
s
sin t
2m
2
2m
2
Podemos extraer la solucin general y hacer el cambio del anterior apartado, pasando a polares
(A, B) (R cos , R sin ),
de tal forma que nos queda la
solucin general
x(t) = Re 2m t cos t
2m
2
Es decir, hay un decaimiento exponencial de la amplitud. La grca de la

funcin sera la de la
Pndulo simple
Figura 6.3
Consideramos un pndulo simple sin rozamiento.
Tenemos las ecuaciones de posicin
(t) = (L sin (t), L cos (t))

de velocidad
0 (t) = (L0 (t) cos (t), L0 (t) sin (t))

82
Figura 6.3:
x(t)
UAM - 2013/2014
para un sistema masa-resorte
y aceleracin
00 (t) = ( L(0 (t))2 sin(t) + L00 (t) cos(t),

L(0 (t))2 cos (t) + L00 (t) sin (t))
.
Por la segunda ley de Newton, tenemos que la fuerza ejercida es igual al producto de la masa y la aceleracin. Si dividimos la cuerda en su componente tangencial
y perpendicular tenemos:
mg
Figura 6.4: El pndulo
83
UAM - 2013/2014
mg( cos , sin ) sin = m 00 (t)

y por lo tanto nos quedan las dos ecuaciones
(
)
g sin cos2 = L02 cos sin + L00 cos2
g sin sin2 = L02 sin cos + L00 sin2
La ecuacin nal es
g sin = L00
o, transformada
g
sin = 0
L
sin cuando
00 +
Por Taylor, podemos aproximar
es pequea, de tal forma
que nos reducimos al caso de un sistema masa-resorte.
6.3. Problemas lineales no homogneos con coecientes constantes

Qu ocurre cuando consideramos sistemas con fuerzas externas? Un ejemplo
sera la siguiente ecuacin en orden dos:
x00 + ax0 + bx = f (t)

en la que
f (t)
representa esa fuerza externa. Tal y como habamos visto en
anteriores secciones, la solucin general
XP
(6.9)
XG se escriba como una solucin particular

XH . En esta situacin el problema es
ms todas las asociadas al homogneo
encontrar la solucin particular, para lo cual tenamos varios mtodos.
6.3.1. Mtodo de variacin de constantes

Siguiendo con el ejemplo en orden 2, tenemos
xH (t) = c1 x1 (t) + c2 x2 (t)

y buscamos una solucin en la que
Por tanto buscamos
XP
c1 = c1 (t)
c2 = c2 (t)
tal que
xP (t) = c1 (t)x1 (t) + c2 (t)x2 (t)

84
UAM - 2013/2014
Para ello derivamos:
x0P = c01 x1 + c1 x01 + c02 x2 + c2 x02

x00P = c001 x1 + c01 x01 + c002 x2 + c02 x02 +
+ c01 x01 + c1 x001 + c02 x02 + c2 x002 =
= c001 x1 + c002 x2 + 2c01 x01 + 2c02 x02 + c1 x001 + c2 x002
Sustituyendo en (6.9):
f (t) = x00P + ax0P + bxP =

= c001 x1 + c002 x2 + 2c01 x01 + 2c02 x02 + c1 x001 + c2 x002
+ ac01 x1 + ac02 x2 + ac1 x01 + ac2 x02
+ bc1 x1 + bc2 x2
Tras la sustitucin tenemos una expresin bastante compleja. Sin embargo,
recordamos que no buscamos todas las soluciones de la ecuacin, sino que basta
con encontrar slo una. Por ello, planteamos ciertas condiciones para resolver la
expresin hallada:
c01 x1 + c02 x2 = 0
c01 x01 + c02 x02 = f
Que nos lleva al sistema
!
!
x1 x2
c01
=
x01 x02
c02
| {z }
!
0
f (t)
Se puede observar que el sistema tiene solucin, ya que al ser

independientes, el Wronskiano (en este caso, el determinante de
x1 , x2 soluciones
A) es distinto de
0.
En un caso general de orden
n,
el sistema a plantear tendr la siguiente forma
x1
xn
c01
0
0
0
.
xn
x1
c2 ..
.
.
..
..
. ..
.
0
.
.
n1)
n1)
c0n
f (t)
x1
xn
Veamos un ejemplo.
85
UAM - 2013/2014
Ejemplo: x00 + x = et
Buscamos
xP (t) = c1 (t)x1 + c2 (t)x2 , donde

!
!
c01
x1 x 2
=
c02
x01 x02
| {z }
0
et
Podemos elegir
x1
x2
como el seno y el coseno de
cos t sin t
sin t cos t
|
{z
}
c01
c02
!
=
0
et
t:
Resolviendo el sistema nos queda que
c02 = et cos t
Realizando bastantes operacioens podemos obtener una solucin particular,
sin embargo, podemos darnos cuenta de que una de las soluciones particulares es
et
xp (t) =
2
Qu tiene de especial este problema? La exponencial en
f (t).
Lo que nos
lleva a estudiar otro mtodo, el de coecientes indeterminados.
6.3.2. Mtodo de coecientes indeterminados

Podremos aplicar este mtodo cuando
f (t) sea un polinomio,
una exponencial,
senos y cosenos y combinaciones lineales de todos los anteriores. En todos estos

casos las derivadas nos llevan a funciones de la misma clase, y podremos aplicar
este mtodo que nos lleva a cuentas ms sencillas.
En este mtodo, suponemos que la solucin particular es una funcin de la misma familia de
f (t) multiplicada por una constante, as que planteamos el problema
y resolvemos el sistema. Estudimoslo desde un ejemplo:
1) Exponenciales
x00 x = e2t
86
UAM - 2013/2014
Tenemos que
xp (t) = Ce2t
x0p = 2Ce2t
x00p = 4Ce2t
e2 t = 4Ce2t Ce2t = 3Ce2t
C
ha de ser
1
y por lo tanto nuestra solucin general del sistema ser
3
1
xG = c1 et + c2 et + e2t
3
2) Exponenciales con f (t) solucin de la homognea
Otro ejemplo:
x00 x = et
t
Aqu habra que calcular xp = ce . Sin embargo, tomando esa solucin nos
00
quedara xp xp = 0 c, por lo que no nos vale. Cuando f (t) es una de las soluciones de la ecuacin homognea asociada, tenemos que aadir algo ms. Buscamos
t
soluciones de la forma cte
xp = ctet
x0p = ctet + cet
x00p = ctet + 2cet
Resolviendo:
x00p cp = 2cet
et = 2cet
1
C=
2
3) Senos y cosenos
Probamos ahora con senos y cosenos.
x00 + x = cos 2t
En este caso, la solucin debe tener una combinacin lineal de senos y cosenos.
Por lo tanto
87
UAM - 2013/2014
xp = A cos 2t + B sin 2t
y resolviendo
cos 2t = x00p + xp = 3A cos 2t 3B sin 2t

de tal forma que
A=
1
y
3
B = 0.
4) Senos y cosenos con f (t) sol. de la homognea
Consideramos
x00 + x =
cos t.
En este caso,
f (t) = cos t
es una solucin de la parte homognea, as que la
solucin ser de la forma
xp (t) = At cos t + Bt sin t

Supongamos que esto modela una situacin real, como por ejemplo empujando
un columpio. Cmo interpretamos esto?
A ciertas frecuencias, la ecuacin es creciente, la amplitud aumenta con el
tiempo. Es un fenmeno de
resonancia. Veamos cmo modelizar este caso.
Ejemplo: Sistema masa-resorte con fuerza externa (sin rozamiento)
La
ecuacin en este caso es
x00 +
k
x = f (t)
|{z}
m
|{z}
= 2
(6.10)
F cos t
Hemos cambiado algunas constantes para adaptarlo a nuestro caso. Hay varias
opciones a partir de aqu relacionadas con las constantes
Caso 1: 6=
Resolvemos la ecuacin homognea
x00 + 2 x = 0
con el
polinomio caracterstico:
2 + 2 = 0 = = i
y por lo tanto
xH (t) = c1 cos t + c2 sin t

Necesitamos ahora una solucin particular
dos veces:
88
(6.11)
xP = A cos t + B sin t. Derivamos
UAM - 2013/2014
xP (t) = A cos t + B sin t

x0P (t) = A sin t + B cos t
x00P (t) = A2 cos t B2 sin t
F cos t = x00P + 2 xP = = ( 2 2 ) (A cos t + B sin t)

F
B = 0; A = 2
2
F
xP (t) = 2
cos t
2
De esta forma, la ecuacin general nos queda
xG (t) =
Para los datos iniciales
F
cos t + c1 cos t + c2 sin t
2
x(0) = x0 (0) = 0, despejamos y tenemos
2
(6.12)
la solucin al
problema
F
(cos t cos t)
(6.13)
2
Volviendo de nuevo al sistema que tratamos, y representan dos frecuencias.
es la externa y es la natural. Podemos reescribir la ecuacin (6.13) usando
x(t) =
identidades trigonomtricas. Sabemos que
cos(A B) cos(A + B) = 2 sin A sin B

Resolvemos:
)
)
A B = t A = +
t
2
A + B = t B =
t
2
Sustituyendo en (6.13):
2F
sin
x(t) = 2
2

+
t sin
t
2
2
(6.14)
Luego lo que tenemos es una oscilacin rpida () con una amplitud contenida
dentro de otra con oscilacin ms lenta ().
89
UAM - 2013/2014
Figura 6.5: Grco de una oscilacin rpida (, azul) con una amplitud contenida
dentro de otra con oscilacin ms lenta (, verde)
Caso 2: =
En este caso, la ecuacin diferencial es
x00 + 2 x = F cos t
xH = c1 cos t + c2 sin t.
La solucin de la homognea es
ma:
F cos t
Tenemos un proble-
es solucin de la homognea. Para encontrar una solucin particular
multiplicamos entonces por
t:
xP = t (A cos t + B sin t)
= t (A sin t + B cos t) + (A cos t + B sin t)

x00P = t A 2 cos t B 2 sin t + 2 (A sin t + B cos t)
x0P
Igualando,
F cos t = x00p + 2 xp = 2 (A sin t + B cos t)

de donde sacamos que
A=0
B=
F
. Una solucin particular es entonces
2
F
t sin t
2
0
cumple xP (0) = xP (0) = 0.
xP (t) =
que es adems la solucin que
La grca de esta
ecuacin ser
Estamos ante un fenmeno de resonancia. La amplitud tiene a innito siempre,
por muy pequea que sea la fuerza.
Que, por cierto, Azorero nos ha engaado en una cosa: la expresin de la fuerza
es un coseno en lugar de una funcin genrica
F (t).
En realidad esto se debe al
desarrollo en serie de Fourier, que dice que cualquier funcin se puede expresar
como
F (t) =
X
j=0
90
Fj cos
j
t
T
UAM - 2013/2014
Figura 6.6: Grca de un sistema masa-resorte en resonancia
Modelo con rozamiento
Aadiendo el rozamiento al modelo anterior, tenemos
x00 + 2x0 + 2 x = cos t

Haciendo cuentas y suponiendo
2 2 < 0.
Nos queda una solucin para la
homognea
xH = e

c1 cos
2 t
+ c2 sin
2 t

Buscamos la solucin particular
xP (t) = A cos t + B sin t

y llegamos a
xP (t) =

1
2
2
(
)
cos
t
+
2
sin
t
( 2 2 )2 + 42 2
.
La solucin general es entonces
xG (t) = xP (t) + xH (t)

xH est todo multiplicado por una exponencial negativa, tiende
t , por lo que la llamamos la parte transitoria. El primer
Dado que en
a cero cuando
sumando,
xP ,
permanece y se le llama la parte
En este caso, cuando
estacionaria.
(estamos en la frecuencia de resonancia), es el que
ms aporta a la ecuacin. Sin embargo, en ningn caso la amplitud se va a innito.

El rozamiento impide que la amplitud se dispare.
6.3.3. Resumen de mtodos para ec. lineales no homogneas

Hagamos un resumen de los mtodos que hemos visto. Las soluciones de una
ecuacin no homognea de la forma
91
UAM - 2013/2014
y n) + an1 y n1) + + a1 y 0 + a0 y = f (t)

se expresan en funcin de una solucin particular
ciones para la ecuacin homognea asociada
yp
y el conjunto de las solu-
yH :
yG = yp + yH
Podemos obtener fcilmente las soluciones a la homognea usando la tcnica
vista en la seccin anterior (6.2). Para obtener la solucin particular tenemos que
usar el mtodo de variacin de constantes (6.3.1). Sin embargo, ese mtodo nos lleva
a muchas ms cuentas de las necesarias. Podemos simplicar las cosas cuando
f (t)
pertenece a una familia de curvas "cerrada" por la derivada. Veamos esos casos.
Polinomio
Si
f (t) = A0 + A1 t + + AN tN
no es raz, buscamos
yp (t) = a0 + a1 t + + aN tN
. Si
es raz con multiplicidad
k,
entonces la solucin particular que buscamos
ser de la forma
yp (t) = ( a0 + a1 t + + aN tN )tk
Trigonomtrico
f (t) = cos t
o anlogamente para senos. Tenemos dos posibilidades. Si
caracterstico, la solucin particular es de la forma
yp (t) = a cos t + b sin t

En el caso de que
sea raz con multiplicidad
k,
entonces
yp (t) = (a cos t + b sin t)tk
Polinomio y exponencial
f (t) = et (A0 + A1 t + + AN tN )
Si
no es raz del p. caracterstico,
92
no es raz del p.
UAM - 2013/2014
yp (t) = et (a0 + a1 t + + aN tN )
. si
s es raz con multiplicidad
k,
yp (t) = tk et (a0 + a1 t + + aN tN )
6.4. Ejemplos
Ejemplo:
Consideramos la ecuacin
y 00 + a0 + by = 0
Demuestra que
yH (t) 0 a > 0, b > 0

t
Empezamos por la implicacin a la izquierda. El polinomio caracterstico es
+ a + b = =
a2 4b
2
Tenemos tres casos:
a2 4b > 0. En este caso, , + R, < + < 0

e t tienden a cero cuando t .
a2 = 4b. Aqu tenemos que =
a
te 2 t , ambas tienden a cero.
y por lo tanto
a
, raz doble. Las soluciones son
2
e+ t
a
t
2
a2 4b > 0. Las races son imaginarias y te sale igual porque lo ha borrado.

Para demostrar la implicacin a la derecha, tenemos que si
yH (t) 0,
t
entonces los autovalores del p.c. son o bien
y = +
< 0 o bien reales con + < 0.
a > 0, b > 0 tal y como hemos visto al demostrar
con
93
En ambos casos tenemos que

la otra implicacin.
UAM - 2013/2014
Ejemplo Ejercicio 7:
Tenemos la siguiente ecuacin:
y iv) + 4y 000 + 8y 00 + 8y 0 + 4y = 0
y nos dicen que
i1
es raz del p.c.
P () = 4 + 43 + 82 + 8 + 4 = 0
Sabiendo que
1 es raz y que su conjugado i 1 tambin, podemos hacer
las cuentas y
P () = ( (1 + )) ( (1 )) P2 ()
(( + 1)2 + 1)P2 ()
donde
P2 () =
4 + 43 + 82 + 8 + 4
= = 2 + 2 + 2
2 + 2 + 2
.
Por lo tanto las dos races son dobles.
Ejemplo Ejercicio 8:
Tenemos la ecuacin
y n) + an1 y n1) + + a1 y 0 + a0 y = xk
con
a0 6= 0. Demostrar que en el caso n = 4, k = 3, existe un nico polinomio
que sea solucin del problema, que adems tiene grado 3.

Hay que demostrar dos cosas: que existe y que es nico. Empezamos demostando la unicidad suponiendo que existen
En este caso tendramos que
P Q
P, Q polinomios de grado tres solucin.
es solucin de la homognea. Y ha dicho
algo y no lo he podido copiar.

Demostramos ahora la existencia. Buscamos una solucin polinmica
c0 + c1 x + c2 x2 + c3 x3 . Si calculamos
y(x) =
a0 y(x)+a1 y 0 (x)+a2 y 00 (x)+a3 y 000 (x) = x3 = {cj , aj } + {cj , aj }x + {cj , aj }x2 + {cj , aj } x3
| {z } | {z } | {z } | {z }
=0
donde
{cj , aj }
=0
=0
son combinaciones lineales de cada una de las
mos entonces un sistema con coecientes
94
aj
e incgnitas
cj
aj
cj .
de la forma
=1
Tendre-
UAM - 2013/2014

c0
0

c 0
A 1 =
c2 0
c3
1
Ejemplo Ejercicio 11 - Hoja 3:

Tenemos la ecuacin
y 00 + P (t)y 0 + Q(t)y = 0
Decir sobre qu condiciones de
y(t)
P, Q
el cambio de variables
s = (t), z(s) =
convierte la ecuacin en una coecientes constantes.
Calculamos las derivadas:
dy
dt
dy ds
dt dt
d
= dz
ds dt
2
d2 z d
d2
= ds2 dt + dz
ds dt2
d2 y
dt2
y sustituyendo
d
dz
+ P d
d2 z
Q
dt2
0 = 2 + 2 dt
+ 2 z
ds
ds
d
d
dt
dt
{z
| {z }
tenemos que buscar las condiciones sobre P y Q y la expresin de

dz
que ah haya constantes multiplicando a
y a z . Entonces
ds
r
2 Q
Q
d
Q
d
=
=
=
2 = B = dt
B
dt
B
d
dt
Sustituyendo:
A=
d2
dt2
+P
2
d
dt
95
Q
B
(t)
para
UAM - 2013/2014
Casi tenemos la relacin, pero tenemos que deshacernos de esa segunda derivada. As que derivamos
:
d2
A
= Q0
2
dt
2 B Q
y sustituimos
A=
1 Q0
2 B Q
d
dt
+P
2
Q
B
= =
Q0 + 2P Q
= cte.
Q Q
y adems tiene que ser
(0 (t))2 =
7.
Q(t)
B
Teoremas de existencia y unicidad

Partiendo del problema
(
y 0 = f (x, y(x))
y(x0 ) = y0
podemos hacer una
formulacin integral equivalente de la forma

Z
y(x) = y0 +
f (s, y(s)) ds
x0
.
Hay dos posibles aproximaciones para resolver este problema.
Iteradas de Picard
Veamos este mtodo con un ejemplo. Partimos de
(
y0 = y
y(x0 ) = 1
.
La primera aproximacin ser
Z
y1 (x) = 1 +
Z
y0 dx = 1 +
1 ds = 1 + x
0
. Hacemos una segunda aproximacin:
96
UAM - 2013/2014
Z
y2 (x) = 1 +
Z
y1 dx = 1 +
1 + s ds = 1 + x +
0
x2
2
Podramos seguir haciendo iteradas basndonos en la misma frmula
Z
yn (x) = 1 +
yn1 (s) ds
(7.1)
y veramos que lo que sale es el polinomio de Taylor de la exponencial . Planteamos entonces un algoritmo iterativo siguiendo la ecuacin (7.1). Si consiguisemos
demostrar que
yn (x) y(x).
n
lm
Z
f (s, yn1 (s)) ds =
x0
lm f (s, yn1 (s)) ds.
x0 n
lm f (s, yn1 (s)) = f (s, y(s)).
tendramos siempre una solucin al problema. Sin embargo, no es trivial denir

qu es un lmite de funciones, entrando dentro del anlisis funcional. Adems,
deberamos ver hasta qu
podramos usar la solucin.
Buscamos por lo tanto otro mtodo para resolver el problema.
Mtodo de las poligonales de Euler

problema es
y(x).
Entonces, para un
Supongamos que la solucin exacta del
x1 = x0 + h,
podemos decir que
Taylor
y(x1 ) = y(x0 + h) = y(x0 ) + y 0 (x0 ) h + error (h)

Ahora bien, sabemos que
y(x0 ) = y0
y que
y 0 (x0 ) = f (x0 , y0 ).
Entonces
y(x1 ) y0 + f (x0 , y0 ) h y1
es un valor aproximado de la solucin en
x2 = x1 + h,
x1 .
Repetimos el proceso. Tomamos
y(x2 ) y1 + f (x1 , x1 ) h y2
Rehaciendo el proceso, llegamos a una poligonal
Pn
(poligonal de Euler) que
aproximar la curva:
Entonces, deberamos tener que
1 No
es cierto que el mtodo de Picard d siempre el desarrollo de Taylor. Es una casualidad
de este ejemplo.
97
UAM - 2013/2014
y2
y3
Pn
y1
y0
x
x0
x1
x2
x3
y(x) lm Pn (x)
h0
Es tambin una solucin razonable, pero llegamos a la misma dicultad que

antes: no sabemos en qu consiste el lmite de una sucesin de funciones.
7.1. Anlisis funcional y sucesiones de funciones

De cualquiera de las formas tenemos que entrar en anlisis funcional, as que
tratemos de dar sentido a ese concepto de sucesiones de funciones. Partimos de un
{fn (x)}nN
lm fn (x) = f (x)?
conjunto de funciones
el lmite
denidas para
x (a, b). Qu signica entonces
n
Hay varias deniciones para ese lmite. La primera es la convergencia puntual:
7.1.1. Convergencia puntual

La convergencia puntual consiste en la convergencia de cada uno de los puntos
del intervalo. Es decir
fn f lm fn (x) = f (x)x (a, b)

n
O, en trminos de
que para
x (a, b)

> 0 n0 : n > n0 = fn (x) f (x) <
Ahora bien, hay que leer con cuidado. En esta denicin, tenemos que
n0 =
n0 (, x) depende de dos parmetros. Esta denicin es por lo tanto muy dbil como
para usarla en los mtodos de resolucin anteriores.
Consideremos la familia de funciones yn denidas como en la gura 7.1. Por
ejemplo, l
mn yn (0) = 0. En x = 21 , tenemos
{yn (1/2) }nN = {1, 0, 0, . . . }
98
UAM - 2013/2014
yn
y2
y1
1
n
1
2
Figura 7.1: Sucesin de funciones
yn
lmn yn (1/2) = 0. En general, para cualquier x > 0, tendra1

< x entonces ym (x) = 0 para todo m n0 . Es
un n0 tal que si
n0
y por lo tanto
mos que existe
decir, que tendramos una convergencia puntual:
lm yn (x) = 0 x [0, 1]
Ahora bien, qu ocurre con la integral? Sera igual al rea, y entonces
lm
yn (x) dx =
0
1
1
1
n =
n
2
2
pero sin embargo
Z
lm yn (x) dx =
0 n
0 dx = 0
0
Las integrales dieren, no podemos
intercambiar
el lmite con la integral y por
lo tanto esta denicin es muy dbil para lo que buscamos. Tenemos que buscar
una nocin alternativa.
7.1.2. Convergencia uniforme
Denicin: Convergencia uniforme.

yn
converge uniformemente a
tal que si
n > n0
Diremos que una sucesin de funciones
en el intervalo
entonces
99
(a, b) si y slo si > 0n0 = n0 ()
UAM - 2013/2014

yn (x) y(x) < x (a, b)
o, dicho de otra forma

sup yn (x) y(x) <
x[a,b]
La convergencia uniforme tiene una interpretacin geomtrica que podemos ver

en la gura 7.2.
y(x) +
y(x)
y(x)
Figura 7.2: Interpretacin geomtrica de la convergencia uniforme a

Todas las
yn
(en azul, ms oscuro indica
y(x)
(negro).
mayor) estarn en la banda coloreada.
Si volvemos al ejemplo de los tringulos, vemos que siempre tenemos una punta
que se sale fuera de la banda
(, )
para cualquier
Propiedades de la convergencia uniforme
que escojamos.
Dadas
fn f, gn g
f n + gn f + g
f n gn f g
fn
gn
f
si
g
g 6= 0.
Adems de las propiedades algebraicas, tenemos varios teoremas.
Teorema
Sea {fn }nN una sucesin de funciones continuas en (a, b). Si fn converge
100
UAM - 2013/2014
uniformemente a f en (a, b), entonces f es continua en (a, b).
Demostracin: Queremos probar que dado x0 (a, b), > 0 > 0 :

|x x0 | < = f (x) f (x0 ) < . Conocemos la convergencia uniforme en
(a, b).
Sumamos y restamos fn (x) y fn (x0 ). Entonces

f (x) f (x0 ) = f (x) fn (x) fn (x0 ) f (x0 )

f (x) fn (x) + fn (x) fn (x0 ) + fn (x0 ) f (x0 )

Podemos elegir n > n0 tal que tanto f (x) fn (x) como fn (x0 ) f (x0 )
, por la convergencia uniforme. Slo falta hacer pequeo el

3
sumando central, y eso lo hacemos usando la continuidad de las fn .

sean menor que
Teorema
Supongamos que fn f uniformemente en (a, b), con (a, b) intervalo acotado. Entonces
Z
lm
Demostracin:
Z
fn (x) dx =
a n
f (x) dx
lm fn (x) dx =
a
Usamos el teorema del sandwich y acotamos la diferencia
de integrales.
Z
Z b
b

0
f (x) dx
f (x) dx
a n
a
donde
es menor que
para todo
101
si

Z b

fn (x) f (x) dx

{z
}
a |
A
n > n0 .
Por lo tanto,
UAM - 2013/2014

fn (x) f (x) dx < (b a)
que se hace tan pequeo como queramos.
Denicin: Sucesin.
uniforme en
(a, b)
{fn } es
n, m > n0
[de Cauchy uniforme] Se dice que
si y slo si
> 0 n0 = n0 ()
tal que si
de Cauchy
entonces

fn (x) fm (x) < x (a, b)
7.1.3. El espacio de las funciones continuas

Denotamos al espacio
el intervalo
C([a, b])
como el conjunto de las funciones continuas en
[a, b].
Denicin: Norma. [de funciones] Denimos

kf k = sup f (x)
x[a,b]
A partir de la norma denimos la distancia
d (f, g) = kf gk
y por lo tanto tenemos una denicin de convergencia de funciones:
kk
fn
f d (fn , f ) 0
que es equivalente a la convergencia uniforme.

Uniendo todos estos conceptos, tendramos que
C [a, b];kk
es el espacio de
las funciones continuas con la topologa de la convergencia uniforme.
2 Aqu
faltan las clases de dos das. Un teorema de existencia y unicidad global para sistemas
lineales con coef. continuos y otro tambin global para EDO con segundo trmino globalmente
Lipschitz.
102
UAM - 2013/2014
Veamos ejemplos en los que pedir una funcin globalmente Lipschitz era pedir
2
demasiado. Por ejemplo, f (y) = y no es globalmente Lipschitz. Por lo tanto,
buscaremos algo ms dbil que nos d teoremas de existencia y unicidad ms
generales.
Denicin: Condicin.
Lipschitz respecto de
rectngulo
f (x, y) es localmente
(x0 , y0 ) A existe un
[de Lipschitz local] Se dice que
en una regin
si y slo si
R
R(x0 ,y0 ) = [x0 , x0 + ] [y0 d, y0 + ]
tal que
R(x0 ,y0 ) A,
y una constante
LR

f (x, y) f (x, z) < LR |y z|
tal que
(x, y), (x, z) R(x0 ,y0 )
Interpretacin geomtrica de la condicin de Lipschitz local

mos una funcin de Lipschitz
Considere-

f (x, y) f (x, z) < L|y z|
y nos jamos slo en la
y en la
z.
Mantenemos
jo con valor 1 (por ejemplo).
Esto entonces acota nuestra funcin
L|y 1| f (y) f (z) L|y 1| f (1) L|y 1| f (y) f (1) + L|y 1|

|
{z
}
|
{z
}
G(y)
entre dos funciones
G(y)
H(y).
H(y)
Es decir.
H(y)
f (y)
G(y)
103
Y lo importante es que lo hace
UAM - 2013/2014
en todo el intervalo que estemos considerando.
El mismo cono podemos trasladarlo por la funcin en todo el intervalo y siempre

acotar la funcin.
En el caso de la raz cuadrada, vemos que en el 0 vamos a tener una tangente
vertical y por lo tanto no vamos a encontrar nunca la constante
L,
ya que tiende
a innito en el cero. Es decir, podemos extraer varias observaciones:

Lipschitz implica continua.
Lipschitz
no implica derivable (p.ej., |y|).
Derivable
no implica Lipschitz global.
Parece que podemos encontrar alguna conexin entre Lipschitz y la derivada.

Consideramos una
derivable. Entonces
f (y1 ) f (y2 ) = f 0 (z)(y1 y2 )

por el teorema del valor medio. Entonces, ese
Lipschitz
que esa
L.
f 0 (z)
sera nuestra constante de
Es decir, la condicin de Lipschitz implica acotacin de la derivada,
no se va a innito.
A partir de esta denicin podemos llegar a otro nuevo teorema de existencia

y unicidad
Teorema de existencia y unicidad local
Sea f (x, y) una funcin continua localmente Lipschitz con respecto a la segunda
variable (y ) en una regin A R2 abierta.
Entonces, dado el problema
(
y 0 (x) = f (x, y(x))
y(x0 ) = y0
con (x0 , y0 ) A, entonces existe una nica solucin local. Es decir:

Existe una constante > 0 y una funcin y(x) que es solucin en [x0
, x0 + ].
Dadas soluciones y1 denida en [x0 1 , x0 + 1 ], y2 denida en [x0
2 , x0 + 2 ], ambas son iguales en el intervalo comn [x0 1 , x0 + 1 ]
[x0 2 , x0 + 2 ].
104
Demostracin:
UAM - 2013/2014
Hay dos formas de llevar a cabo la demostracin: o por
el teorema de la aplicacin contractiva o por el mtodo de iteradas de Picard.

Hagamos los dos.
1) T. Aplicacin Contractiva
Buscamos demostrar que
Z
y(x) = y0 +
f (s, y(s)) ds
x0
para
x [x0 , x0 + h].
Trabajaremos en el espacio
intervalo
[x0 , x0 + h]
tales que
X , el conjunto de funciones y(x) continuas

(x, y(x)) R(x0 ,y0 ) x [x0 , x0 + h].
en el
Denimos la transformacin de funciones
Z
T y = y0 +
f (s, y(s)) ds
x0
y buscamos un punto jo de

T y(x) T z(x)
T.
Entonces
Lipschitz
f (s, y(s)) f (s, z(s)) ds
x0
Sabiendo que

LR y(s) z(s) ds
x0

y(s) z(s)
ser menor siempre que la norma entre esas dos
funciones (ver 7.1.3), sustituimos y

T y(x) T z(x) LR hky zk
1
.
LR
Sin embargo, el teorema de la aplicacin contractiva slo vale para funciones
y por lo tanto ser contractivo si
h<
T y X . Para poder
aplicacin T : X X .
de un espacio en s mismo. En este caso, no es seguro que

aplicar el teorema, hay que demostrar que
es una
Vamos a ello.
(x, y(x)) R x [x0 , x0 + h], entonces

(x, T y(x)) R x [x0 , x0 + h], o, dicho de otra forma, que T y(x) y0 < .
Tenemos que demostrar que si
En este caso, vemos que

T y(x) y0

f (s, y(s)) ds
x0
Necesitamos que aparezca
y0
por alguna razn, as que sumamos y restamos
y nos queda
105

T y(x) y0
UAM - 2013/2014

f (s, y(s)) +f (s, y(s) f (s, y0 ) ds
{z } |
{z
}
x0 |
A
B < LR |y y0 | por
la condicin de Lipschitz, y al estar y en el rectngulo R entonces B < LR . Nos
Tenemos que
A < C0
por ser
continua. Por otro lado,
queda entonces

T y(x) y0 (C0 + LR )h
tomar h
y nos bastar

T y(x) y0 < , es decir,
sucientemente pequeo para que se cumpla que
h<
C0 + LR
Para nalizar la prueba, nos quedamos con el
mnimo entre este y el que
hace que sea contractiva:

h < mn
2) Iteradas de Picard
1
,
C0 + LR LR
Sudo. De hecho
sudo rual completa esto

Lo bueno del mtodo de iteradas de Picard es que nos permitir demostrar un

lema adicional de continuidad con respecto a los datos.
Teorema de Gronwall
Dada una funcin
w(x) h +
k(s)w(s) ds
x0
con k continua y mayor o igual que cero, entonces
106
UAM - 2013/2014
w(x) h exp
k(s) ds
x0
Demostracin:
R
Sea
x
x0
v(x) =
k(s)w(s) ds.
Entonces
v(x0 ) = 0,
v 0 (x) = k(x)w(x)
por el Teorema Fundamental del Clculo. Sustituyendo de nuevo
v 0 (x) k(x)(h + v(x)) = hk(x) + k(x)v(x)

Nos queda un sistema
(
v 0 (x) k(x)v(x) hk(x)
v(x0 )
Resolvemos aplicando un factor integrante
(x) 0.
Entonces
(x)v 0 (x) k(x)(x)v(x) hk(x)(x)

es la ecuacin a plantear y nos queda
= k = (x) = exp
k(s) ds
x0
((x)v(x))0 hk(x)(x)
((x)v(x))0 h0 (x)
Z
x
0
((x)v(x)) h
x0
x0
0 (s) ds (x)v(x) (x0 )v(x0 ) h((x) (x0 ))

| {z }
| {z }
0
En total, nos queda
107
exp
UAM - 2013/2014
k(s) ds v(x) h exp

x0
k(s) ds
x0
w(x) h v(x) h exp
k(s) ds
x0
w(x) h exp
k(s) ds
x0
En un caso ms general, si tengo que
w(x) h(x) +
k(s)w(s) ds
x0
con
continua y mayor o igual que cero, llegaramos a la conclusin haciendo
cuentas anlogas de que
w(x) h(x) +
Rx
h(s)k(s)e
x0
k(t) dt
ds
x0
Con este lema, podemos construir otro de continuidad respecto de los datos.
Teorema Continuidad respecto de los datos

Dados dos problemas
(
(
y 0 (x) = f (x, y(x))
z 0 (x) = f (x, z(x))
,
y(x0 ) = y0
z(x0 ) = z0
con f funcin Lipschitz, entonces

y(x) z(x) |y0 z0 | M
con M R.
Dicho de otra forma, datos prximos nos dan soluciones prximas.
108
UAM - 2013/2014
Demostracin:
Dados dos problemas
(
(
0
y (x) = f (x, y(x))
z 0 (x) = f (x, z(x))
,
y(x0 ) = y0
z(x0 ) = z0
tenemos que
f (s, y(s)) ds
y(x) = y0 +
Zx0x
f (s, z(s)) ds
z(x) = z0 +
x0
Entonces, si restamos y tomamos valores absolutos,

y(x) z(x) |y0 z0 | +

f (s, y(s)) f (s, z(s)) ds
x0
Lipschitz
|y0 z0 | +

LR y(s) z(s) ds
x0
Podemos aplicar el Lema de Gronwall a esta ecuacin:

y(x) z(x) |y0 z0 | +
|
{z
} | {z }
w(x)
x0

LR y(s) z(s) ds
|{z} |
{z
}
k(s)
w(x)
y entonces tenemos que
Rx

y(x) z(x) |y0 z0 | e x0 LR dS = |y0 z0 | M
donde
es una constante, as que tenemos la continuidad.
7.2. Ejercicios
Ejemplo:
Analiza la convergencia puntual y uniforme de las siguientes su-
cesiones de funciones.
109
1.
fn (x) = xn xn+1
2.
fn (x) =
3.
4.
fn (x) = xn x2n en [0, 1].

q
1
x+ n x
fn (x) = n
5.
fn (x) = sin
ex
en
xn
fn (x) = xn xn+1
x
n
en
UAM - 2013/2014
[0, 1].
(1, ).
con
en
x > 0.
x R.
Buscamos primero la convergencia puntual, y tenemos que
lm xn xn+1 = 0
n
por lo que converge puntualmente.
Estudiamos ahora la convergencia uniforme con el lmite

lm max fn (x) 0 = lm max xn xn+1
n x[0,1]
n x[0,1]
Para hallar el mximo, derivamos e igualamos a cero:
nxn1 (n + 1)xn1 = xn1 (n (n + 1)x) = 0

y nos queda

lm max fn (x) = fn
n x[0,1]
n
n+1

=
1
1

=0
1 n n+1
1+ n
|
{z
}
| {z } 0
n
n
1e
y por lo tanto hay convergencia uniforme.
fn (x) =
ex
xn
Puntualmente y con
x>1
lm xn ex = 0
Estudiamos la convergencia uniforme

lm supfn (x) = lm sup xn ex
n x>1
n x>1
Derivamos e igualamos a cero
ex xn1 (x n) = 0 x = n
110
UAM - 2013/2014
y evaluando

lm fn (x)
n

x=n
n
e
= lm
=0
n
n
Ojo, porque en este caso no tenemos convergencia uniforme. No hemos demostrado que en
x = n
haya un mximo: de hecho, es un mnimo. Tambin
tendramos que tener cuidado con el supremo y no el mximo, ya que estamos

en un conjunto no acotado.
fn (x) = xn x2n
Convergencia puntual. Cero. Uniforme: otra vez lo del lmite,
puede poner mximo.
Deriva. Saca algo. Es un mximo. Evala, distinto de
cero, no hay convergencia uniforme.
q
x+
fn (x) = n
1
n

x
Hay que hacer el conjugado... se va a algn sitio y
= f (x) es el lmite puntual. Vamos a la uniforme y miramos si converge al

2 x
lmite puntual
lm

sup fn (x) f (x)
n x(0,)
pero ese uno entre dos raz de equis se va a menos innito, y como tenemos
hun balor havzolutoh me ahorro las dos caras de cuentas de derivadas de Azorero.
Pero dice que no, que comprobemos en
(1/2, +).

Parece que s hay convergencia puntual. No hay uniforme en
fn (x) = sin nx
todo R ya que habr algn valor en el que el seno valga uno. Sin embargo, en un
intervalo acotado s habr convergencia uniforme.
Ejemplo:
Determinar para qu valores de
de Lipschitz con respecto de
se satisface una condicin
siendo
f (x) = |y|
.
Es trivial ver que para
= 0, 1,
se cumple. Para valores mayores que 1,
la derivada estar acotada si estudiamos la condicin en intervalos acotados. Si
< 1,
tendremos problemas en el 0.
111
UAM - 2013/2014
La losofa es que races malas en el 0, potencias malas en el innito.

0
1
Supongamos y > 0, entonces f (y) = y
. Para > 1,

?
f (y1 ) f (y2 ) T V=M f 0 (z)|y1 y2 | = z 1 |y1 y2 | <
L|y1 y2 |
y entonces debe ser
para
z 1 < L, es decir, tenemos que tener una cuota superior
y2 .
7.3. Diferenciabilidad con respecto a los datos

Hasta ahora hemos estado viendo problemas de la forma
(
y 0 = f (x, y)
y(x0 ) = t
.
En realidad, al resolver, obtenemos funciones
y(x, t),
una familia de soluciones
t.
f (x, y) es continua y localmente Lipschitz en un abierto A R2
que dependen del valor inicial de

Sabemos que si
con
(x0 , t) A,
entonces tenemos existencia y unicidad local.
Por otro lado, tambin demostramos un resultado de continuidad con respecto

a los datos. Es decir,
y(x, t)
es continua con respecto a
El paso siguiente es ver qu ocurre cuando

ser tambin
mejor. Veamos el teorema:
es algo
(ver lema 7.5).
mejor
que Lipschitz:
y(x, t)
Teorema Diferenciabilidad respecto a los datos
Si f es una funcin continua en x y adems C 1 con respecto a la segunda

variable, entonces la solucin y(x, t) es derivable respecto de t.
Demostracin:
Fijamos t, y estudiamos el lmite que representa la derivada
y(x, t + h) y(x, t)
= lm Ph (x)
h0
h0
h
lm
Dicho de otra forma,
112
1
Ph (x) =
h
UAM - 2013/2014
Z
f (s, y(s, t + h) ds t
(t + h) +
f (s, y(s, t) ds
x0
x0
que no es ms que la reformulacin usando la forma integral de
y.
Si seguimos
operando
Ph (x) = 1 +
x0

1
f (s, y(s, t + h)) f (s, y(s, t + h)) ds
h
Si aplicamos el teorema del valor medio
Z
Ph (x) = 1 +
xx
0
con
1
(y(s, t + h) y(s, t)) ds
} |h
{z
}
f
(s, z(s, h))
y
{z
F
Ph (x)
z(s, h) un valor intermedio entre y(s, t) e y(s, t + h), que tiende a y(s, t)
h 0. Llamamos F a la derivada parcial para simplicar, y adems
que nos vuelve a salir Ph . Reescribimos
Z x
P =1+
F P ds
cuando
vemos
x0
y vemos que estamos antes la formulacin integral del siguiente problema
(
P0 = FP
P (x0 ) = 1
Calculamos ahora el lmite de
= P = e
Ph
cuando
Rx
x0
h 0.
F ds
El punto delicado es cmo
pasar el lmite de fuera de la integral a dentro. Asumiendo que se puede hacer

sin problemas, quedara
lm Ph (x) = exp
h0
x0
f
(s, y(s, t)) ds
y
y
t
Para poder pasar el lmite, tenemos que tener convergencia uniforme. Como
estamos trabajando en un conjunto compacto con una funcin continua, la funcin es uniformemente continua , tendremos esa convergencia y podremos pasar
el lmite dentro.
113
UAM - 2013/2014
7.4. Resultados de prolongabilidad

Queremos explorar hasta dnde llegan las soluciones que obtenemos y el tipo
de desastres que podemos encontrar. Tenemos el problema de siempre,
(
y 0 = f (x, y)
y(x0 ) = t
, con
A,
f (x, y) es continua y localmente Lipschitz en un abierto A R2
con
(x0 , t)
entonces tenemos existencia y unicidad local.

Sabemos varias cosas:
Existencia local > 0, y(x) solucin denida en [x0 , x0 + ].

Unicidad Si tenemos dos soluciones y1 , y2 denidas en los intervalos [x0 , x0 +
1/2 ] respectivamente,
mn{1 , 2 }].
entonces ambas son iguales en el intervalo
[x0 , x0 +
La pregunta es, hay una solucin maximal, que no se pueda extender ms?
Consideremos el conjunto
S = { R : y(x)
Buscamos
max = sup S ,
solucin en
[x0 , x0 + ] }
que nos dar el intervalo maximal
[x0 , x0 + max ).
Es
importante tener en cuenta que el intervalo est abierto por la derecha.

Lo primero que tenemos que considerar es que en el intervalo maximal no puede
haber dos soluciones distintas que arranquen del mismo punto.
Si nos salimos fuera del conjunto
en el que la funcin es Lipschitz, podemos
tener un desastre. Qu puede ocurrir dentro?

Podemos tener una solucin que
llegue al borde o que explote.
se pare antes,
que oscile innitamente, que
El teorema nos dice que las primeras dos cosas no pueden ocurrir, y que las dos
segundas s. Esta cosa tan vaga la formalizamos viendo que toda solucin se escapa
de cualquier conjunto compacto estrictamente contenido en
dato inicial.
Teorema
4 Dibujitos
114
y que contenga al
UAM - 2013/2014
Consideramos el problema
(
y0
= f (x, y)
y(x0 ) = y0
con f continua y localmente Lipschitz respecto de y en un abierto A R2 con

(x0 , y0 ) A.
Entonces para cualquier compacto K con (x0 , y0 ) K A, podemos encontrar x [x0 , x0 + max ) tal que (x , y(x )) A K .
Demostracin:
Llamamos
S { R :
la solucin y(x) est denida en
[x0 , x0 + ]}
max = sup S
.
n > 0
podemos encontrar
xn x0 + max n1 , x0 + max
tal que
sn S ,
donde
xn creciente de Cauchy cuyo lmite

denida en todos los xn .
Entonces podremos construir una sucesin

es
x0 + max
en
x0 + max
tal que y est
Vamos a demostrarlo por
reduccin al absurdo:
(x, y(x)) K, x [x0 , x0 + max ].

{(xn , y(xn ))} K ,
Entonces queremos ver que |y(xn ) y(xm )| para comprobar si es convergente
Supongamos
En particular
y si tiene lmite utilizando el criterio de Cauchy.

Poniendolo en notacin integral:
xm
f (s, y(s))ds M |xm xn |
|y(xn ) y(xm )| = y0 +
m>n
xn
Conclusin:
Por ser {Xn } convergente, entonces {y(xn )} es de Cauchy y por
tanto tiene lmite, que vamos a llamar y .
Como K es compacto, entonces y K . (por ser lmite de la sucesin).
Podemos denir y(x0 + max = y )?

Todava no. Si tuvieramos
Respuesta:
una solucin que oscile al acercarse a la frontera, el lmite dependera de la su

cesin que eligiramos. Necesitamos demostrar que y no depende de la sucesin
{xn }
de puntos de la curva que hayamos elegido.
115
UAM - 2013/2014
{zn } ptra sucesin

|y(xn ) y(zn )| 0?
Para ello: sea

pasa con
con
zn
que se aproxima a
x0 + max .
Qu
zn
|y(xn ) y(zn )| =
M |zn xn | 0 = ()
(x, y(x)) K A
f (s, y(s))ds
xn
f continua
() = !y : y =
lm
x(x0 +max )
y(x)
para cualquier sucesin con lmite
x0 +max
Estudiamos este problema:
y0
= f (x, y)
y(x0 + max
= y)
Por ser Lipschitz tenemos el teorema de existencia y unicidad local (refrencia)
entonces tendramos una solucin que sobrepase el punto
x0 +max contradiciendo
la hiptesis.
Algunas estimaciones del intervalo maximal.

Vamos a considerar
Caso 1
A (x, b) R,
es decir, una banda vertical en
Tenemos un
(x0 , y0 )
Adems
y queremos comprobar si la solucin llega al extremo (o
por el contrario tiene una asntota).

Z x
Sea la solucin:
f (x, y) C, (x, y) A (est acotada).

que f es continua y localmente Lipschitz.
Supongamos que la
suponemos (como siempre)
y(x) = y0 +
f (s, y(s))ds x
[x0 , x0 + max ) [x0 , b).
x0
y(x) y0 |
|f (s, y(s))|ds C|x x0 |

x0
y(x) y0 | C|x x0 | = y0 C(x x0 ) y(x) y0 + C(x x0 )

es decir, est controlada por las rectas
y0 C(xx0 ) evitando as cualquier asntota
vertical. Adems, el teorema anterior nos dice que la solucin se sale del conjunto
compacto, con lo que el intervalo maximal llega hasta b.
Lado derecho acotado implica solucin global en (a,b)

116
Caso 2
Supongamos
UAM - 2013/2014
|f (x, y)| A(x)|y| + B(x); A, B 0
continuas en (a,b)
Trabajando con notacin integral:
Z
|y(x)| |y0 | +
x0
B(s)ds +
|A(s)|y(s)| + B(s)|ds = |y0 | +
x0
|
{z
}
A(s)|y(s)|ds
x0
Esta es una desigualdad que nos permite aplicar el lema de Gronwall.

R b
A(s)ds.
Entonces |y(x)| C exp
x0
Donde b es un punto arbitrario para acotar la solucin con un valor que no

dependa de
x.
El intervalo maximal (a, b)
Ejemplo:
y0
= 1;
y2
y0 = y2
y(0) = 1
Z
0
y 0 /s(ds)
=
(y(s))2
1ds = x = ... = y(x) =

0
1
1x
Aqu el intervalo maximal hacia la derecha es [0, 1).

2
2
Sin embargo, el lado derecho (y ) es localmente Lipschizt en todo .
Vamos a demostrarlo para recordar: Siendo una funcin derivable, aplicamos
que si la derivada est acotada, entonces la primitiva el Lipstchizt.
2
Como 2y es localmente acotada, entonces y es localmente Lipschitz.
Vamos a denir un compacto
K = [0, R] [1, 1 + h]
y por el teorema anterior
sabemos que la solucin se escapa del compacto. Ahora vamos a ver si por arriba
o por la derecha (para ver hasta donde llega el intervalo maximal).
0 y 0 (1 + h)2
Integrando, (con alguna cuenta intermedia) obtenemos:
1 y(x) = 1 + (1 + h)2 x
y = 1 por abajo y 1 + (1 + h)2 x
por arriba (hasta el corte con el borde superior del compacto, que llamamos R(h)).
Lo nico que podemos decir es que la solucin no ha explotado antes de R(h).
Vamos a calcular (creo que por diversin) cunto vale R(h).
Es decir, la solucin est acotada por 2 rectras,
(1 + h) = (1 + h)2 x + 1
R(h) =
117
h
(1 + h)2
UAM - 2013/2014
No era por diversin. Si tenemos h h = 0

1
un mximo: h = 1; R(1) = .
4
el intervalo de existencia contiene a
= R(h) 0.
Conclusin
Esto nos da
1
0, 4 .
El dibujo de los tringulos te lo dejo a ti Rual xD

Haciendo el apao de los tringulos llegamos a un intervalo
0, 21
Vamos a ver un ejemplo ms sencillo por el que tendramos que haber empezado
(tal vez) q estoy muy cansado como para copiar........
Ejemplo:
Veamos el problema
(
y0
= y 2/3
y(0) = 0
No podemos aplicar directamente el teorema de existencia y unicidad: la
derivada no est acotada alrededor de 0 y por lo tanto no es localmente Lipschitz
en ese punto. Si nos dijeran que
y(0) = 6= 0
s sera localmente Lipschitz en un
entorno pequeo del punto.

Como no podemos aplicar el teorema, tenemos que estudiar el caso ms detenidamente. En primer lugar, vemos que
y0
es solucin. Tambin podemos
resolver como una ecuacin de variables separadas:
Z
0
y(s)
ds =
2/3
y (s)
ds = x
0
sobre la que podemos hacer un cambio de variables
y(s) = t, y 0 (s) ds = dt
entonces
y(x)
y(0)
y(x)

dt
1
1/3
=
t

t2/3
3
= 3y 1/3 (x)
t=y(0)=0
y por lo tanto
3
x
y(x) =
3
es otra solucin.
Hay alguna ms? Efectivamente, de hecho podemos combinar las dos:
y(x) =
5 Quince
(
0

x 3
3
x0
x>0
primeros minutos de clase faltan aqu
118
y(x) =

x 3
3
x0
x0
UAM - 2013/2014
E incluso podemos conseguir innitas soluciones combinando "desplazamientos", como por ejemplo el de la gura 7.4.
Figura 7.3: Una solucin posible trasladando otra con dato inicial
y(1) = 0
Sin embargo, no tiene por qu ocurrir siempre que se nos descuadre todo al no
poder aplicar la condicin de Lipschitz. Veamos otro ejemplo
Ejemplo:
(
y0
= (y x)2/3
y(x0 ) = y0
En este caso los problemas aparecen cuando
y = x.
Es decir, que podemos
y0 6= x0 .
y(1) = 1. Hay que estudiar
aplicar el teorema de existencia y unicidad local cuando

Supongamos, por poner las cosas interesantes, que
este caso directamente.
Podemos resolverlo a travs del teorema de la funcin implcita. Sea
y x.
Haciendo las sustituciones
y(x) = w(x) + x
y 0 = w0 + 1
convertimos el problema en
(
w0 + 1 = w2/3
w(1) = 0
119
w(x) =
UAM - 2013/2014
Resolviendo como ecuacin de variables separadas de la misma forma que en

el anterior ejemplo, llegamos a la integral
w(x)
dt
1
t2/3
Y ah est la solucin, si pudisemos resolver explcitamente la integral y
w. Pero podemos
F denida como
despejar
funcin
usar el teorema de la funcin implcita. Tenemos una
w(x)
dt
1
F (x, w) = (x 1)
t2/3
0
con
F (1, 0) = 0.
Podemos despejar
w(x)?
Para saberlo necesitamos comprobar
que la derivada es distinta de cero:

1
F

= 2/3

w
w 1
= 1 6= 0
(x,w)=(1,0)
w(x)
y por lo tanto el TFI nos dice que existe
despejable a partir de
y que
adems es nica.
En resumidas cuentas, cuando no se cumplen las hiptesis del teorema puede
pasar cualquier cosa. Veamos otro ejemplo bastante articial pero interesante.
Ejemplo:
y
y(0) =
La ecuacin nos restringe
1y 2
1+x2
1
2
al intervalo
[1, 1] para que la raz cuadrada est
denida. Y de hecho, en esos dos extremos del intervalo la derivada ser cero
as que tendremos un problema. Por otra parte,
y 1
son soluciones de la
ecuacin (no del problema entero).

La solucin es

y(x) = sin
1+
1x
4
que no es ms que una traslacin de la funcin

la gura 7.4. En
1
sin 1x
,
cuya grca se ve en
tenemos un montn de oscilaciones, por lo tanto el intervalo
maximal de la solucin ser
[0, 1).
120
UAM - 2013/2014
Figura 7.4:
1
y(x) = sin 1x
Ejemplo:
2
2
y 0 = x + 4y + xy
1 + x2 + y 2
y(x0 ) = y0
Se verica condicin de Lipschitz local y por lo tanto tenemos existencia y
unicidad local para cualquier punto
(x0 , y0 ).
Hasta dnde llega la solucin?
Podemos aplicar uno de los tres casos que hemos visto. Los dos polinomios
son del mismo orden, por lo tanto el lado derecho estar acotado y tendremos el
primer caso, de tal forma que tenemos existencia global.
Vamos a demostrar mejor la existencia de esa cota.
x2 + y 2 + 3y 2 +|xy|
1 + x2 + y 2 + 3y 2 + xy
x2 + 4y 2 + xy
=
1 + x2 + y 2
1 + x2 + y 2
1 + x2 + y 2
3y 2 +|xy|
3(1 + x2 + y 2 ) +|xy|
|xy|
=1+
1
+
=4+
2
2
2
2
1+x +y
1+x +y
1 + x2 + y 2
Por ltimo, viendo que
0 (x y)2 = y 2 + x2 2xy =
queda que
121
x2 + y 2
xy
2
nos
4+
UAM - 2013/2014
|xy|
1x2 + y 2
1
x2 + y 2
4
+
=
4
+
4
+
1 + x2 + y 2
2(1 + x2 + y 2 )
2(1 + x2 + y 2 )
2
y, efectivamente, nos queda una cota.
En muchos casos nos encontraremos clculos complicados, y en estos casos

podemos usar argumentos de comparacin con problemas ms simples. Veamos
cmo hacerlo.
Ejemplo:
(
y 0 = y 2 + x2
y(0) = 1
A pesar de la sencillez de la ecuacin, resolverla ser difcil. Podemos explorar

ecuaciones similares. Por ejemplo, viendo que el dato inicial nos lo dan en
x = 0,
podemos pensar que la ecuacin deber parecerse mucho a
(
z0 = z2
z(0) = 1
.
Vemos que la grca de
se mantendr
z 0 < y 0 en
por debajo todo el tiempo, ya que
y(x)
todo caso (ver gura 7.5). Como la solucin del

segundo problema es
z(t) =
tendr una asntota vertical
1
, y tambin
1t
en t = 1 o incluso
z(x)
antes. Por lo tanto, el intervalo maximal a la

derecha para
y(t)
est contenido en
(0, 1).
Tambin podemos llegar al mismo resultado de otra forma, trabajando con desigualdades. Sabiendo que
y es siempre mayor que cero,
Figura 7.5: Grca de
podemos decir
z(x).
y 0 = y 2 + x2 y 2 =
Integrando
Z
0
y 0 (s)
ds
y 2 (s)
122
y0
1
y2
ds = x
0
y(x)
y haciendo cambio de variable
y(x)
Z
1
UAM - 2013/2014
y(s) = t, y 0 (s) ds = dt
y(x)
1
dt
1
=1
=

2
t
t
y(x)
t=1
.
Con esto nos quedara la siguiente desigualdad.
y(x)
1
1x
.
Tambin podemos hacer una segunda estimacin. Aplicando que el intervalo
maximal de nuestra solucin es como mucho
(0, 1),
vemos que
y 0 = y 2 + x2 y 2 + 1
lo que nos dara una nueva estimacin
y(x) tan x +
4
.
Juntando todos los resultados, tendramos una estimacin como la de la gura
7.6.

tan x +
4
4
Figura 7.6: La funcin real
1
1x
y(x) estar entre las dos funciones que hemos estimado..
Mtodo de las poligonales de Euler y funciones no-Lipschitz

mos el ejemplo anterior de
y =y
2/3
Considere-
. Si aplicamos el mtodo de las poligonales de
Euler, no encontraramos ninguna otra solucin que no fuese la constante
123
y 0.
UAM - 2013/2014
Sin embargo, si tomamos un punto inicial
y(0) =
la solucin s crecer. Por lo
tanto, si no tenemos un teorema que nos garantice unicidad tendremos que estudiar
qu ocurre alrededor de ese punto para comprobar que no nos dejamos ecuaciones.
Sigamos con ms ejemplos.
(h4 + r)x
h
R(h)
Figura 7.7: Representacin del conjunto
K,
donde la zona rayada es donde encon-
traremos la solucin.
Ejemplo:
(
y0 = y4 + r
y(0) = 0
r > 0. La ecuacin verica una condicin de Lipschitz local. A primera vista

0
vemos que y > 0 y por lo tanto y 0.
Consideramos el conjunto K , un rectngulo de altura h y anchura R (gura
con
7.7). Podemos hacer una estimacin y operar
0 y 4 + r h4 + r
0 y 0 h4 + r
0 y(x) (h4 + r)x (x, y) K
Por lo tanto, la solucin tendr un intervalo maximal a la derecha [0, b), donde
4
ser mayor o igual a R(h), que es la interseccin de la recta (h +r)x con y = h,
es decir
R(h) =
Queremos hallar el
R(h)
h4
h
+r
ptimo, as que derivando y operando obtenemos
que
124
UAM - 2013/2014
3/4
1
r
b R(hmax ) =
3
4
Tomemos ahora la indicacin del problema. Suponemos que
b > r3/4 .
Qu
estimacin podemos obtener a partir de esto?
Ejemplo Problema 16:
Tenemos
(
y
y 2
y 0 = 1+x
2 + e
y(0) = 10
(
z
z 0 = 1+x
2
z(0) = 10
0 < y(x) z(x) e100 (ex 1).

0
En el caso de la primera ecuacin, vemos que y 0, as que y(x) 10 x 0.
2
Adems, f (x, y) es continua en R . Para comprobar la condicin de Lipschitz,
Queremos demostrar que
acotamos

f
y =

1
y2
1 + 2|y| ey2 1 + 2|y|
+
e
(2y)
1 + x2
2
1+x
y tenemos condicin de Lipschitz local, por lo que tenemos existencia y unicidad

local. Adems, tambin podemos acotar el lado derecho de la ecuacin por un
trmino lineal:

f (x, y) y + ey2 |y| + ey2 |y| + 1
1 + x2
1 + x2
lo que, junto con el segundo teorema de prolongabilidad, tenemos existencia en
[a, b] a, b.
biendo que es una funcin continua y que tiende a 0 cuando
2|y| ey . Say , podemos
Pero adems, podramos haber logrado una cota mejor para
C . Acotando esa parte por una constante tendramos

existencia en todo R de la solucin.
decir que existe un mximo

Lipschitz global y
Pasamos ahora al segundo problema. Es una ecuacin de variables separadas,

as que integramos (podemos pasar la
125
dividiendo ya que es siempre positiva):
UAM - 2013/2014
z0
1
=
1 + x2
x z
x

= arctan s
log z(s)

s=0
s=0
log z(x) log 10 = arctan x

z(x) = 10earctan x
De hecho, si aplicamos esto al primer problema, podemos decir que
y
1 + x2
0
1
y
>
y
1 + x2
y(x) > 10earctan x = z(x)
y0 >
Tenemos ya la primera parte de la desigualdad,
y(x) z(x) > 0.
Pasamos a
demostrar la segunda parte. Sabemos que
y(s)
2
+ ey (s) ds
2
0 1+s
Z x
z(s)
z(x) = 10 +
ds
2
0 1+s
Z x
y(s) z(s)
2
+ ey (s) ds
y(x) z(x) =
2
1+s
0
y(x) = 10 +
.
Transformamos la ecuacin para aplicar el lema de Gronwall (7.4):
Z
y(x)z(x) =
y 2 (s)
Z
ds+
0
0
Tomando
k(s) =
y(s) z(s)
ds e100 +
1 + s2
Z
0
y(s) z(s)
d
1 + s2
(7.2)
1
, nos quedara que
1+s2
y(x) z(x) e100 e
Rx
1
0 1+s2
ds
= e100 earctan x
.
Comparamos con lo que nos pedan: hemos llegado a algo parecido pero no a
lo mismo. De hecho, cuando
x 0 la exponencial es mejor en la desigualdad que

126
UAM - 2013/2014
nos daban, y es que el Lema de Gronwall nos va a dar siempre el mismo resultado:
100
cuando x 0, la integral se va a cero y por lo tanto la cota se quedara en e
.
Lo que haremos ser parar antes de la primera estimacin, en (7.2), y ver
qu cuentas hacamos en la demostracin del lema de Gronwall para no perder
precisin. Llamamos
w = y z, y
Z x
0
w(s)
ds (x)
1 + s2
.
Operando:

1
w(x)
100
e
x
+
(x)
1 + x2
1 + x2
1
x
(x) e100
0 (x)
2
1+x
1 + x2
0 (x) =
Tratamos de resolver esa ecuacin diferencial usando un factor integrante
0:
x
100
1 + x2
1 + x2
0 + 0 = 0
1 + x2
0 =
1 + x2
(x) = e arctan x
0
e arctan x x
e arctan x e100
2
Z1 x+ x arctan s
0
e
s
e arctan s (s) ds e100
ds
2
1+s
0
x
Z x

e arctan x (x) 0 e100 se arctan s +
e arctan s ds

0
s=0
!
Z
0
Z
0
e arctan s ds
(x) e100 x + earctan x
0
Metiendo ah la estimacin de
w e100 x+(x) (que no s de dnde puetas
ha salido) tenemos que
127
w(x) e
100
UAM - 2013/2014

Z
arctan x
e
arctan s

ds
R
arctan x x arctan s
Cmo llegamos a que e
e
0
[0, 1], earctan x < ex y que como e arctan s <
ds < ex 1?RVemos que para x

x
1, entonces 0 e arctan s < x. Sin
embargo, esta estimacin no es vlida. Vamos por otra parte.

Consideramos la funcin
arctan x
u(x) = e
e arctan s d
0
. Si derivamos,
earctan x
u =
1 + x2
0
0
u =
e arctan s ds + earctan x e arctan x

u
+1u+1
1 + x2
Resolvemos esta ecuacin diferencial con el valor inicial u(0) = 0 y nos queu(x) ex 1, y tendramos resuelto el problema. Pero hemos llegado
y 2
a prcticamente la misma ecuacin que antes, quitndonos el e
. Y es que
da que
efectivamente, si restamos
(y z)0 =
y10 y z
yz
y 2
+
e
+ e100 (y z) + e100
2
2
1+x
1+x
y ahora resolviendo
(
w0 w + e100
w(0) = 0
= w(x) e100 (ex 1)
8.
Sistemas autnomos. Plano de fases

Ya hemos pasado por un tema de sistemas lineales donde aprendimos a resolver
cosas de la forma
(
x0 = a11 x + a12 y
y 0 = a21 x + a22 y
128
UAM - 2013/2014
. Ahora veremos sistemas de la forma
(
x0 (t) = F (x, y)
y 0 (t) = G(x, y)
. Trabajaremos en dimensin dos para dibujar de forma mucho ms precisa los
sistemas, pero la teora ser genrica.
El detalle importante de estos sistemas es que en la parte derecha no aparece
X(t) = (x(t), y(t)) es solucin,

entonces tambin lo es Xh (t) = (x(t + h), y(t + h)) h R. Es decir, las soluciones
la variable
t,
lo que nos da un resultado bsico: si
invariantes por traslacin.
sern
Obtendremos la solucin concreta al jar el
dato inicial.
En vista de este resultado, normalmente interpretaremos las soluciones
(t),
(x(t), y(t)) =
una curva parametrizada que dibujaremos en el plano.
Consideremos de nuevo el sistema masa resorte, con la ecuacin
x00 + kx = 0.
Si lo escribimos como sistema, tenemos
(
x0 = y
x0 = kx
, que nos daba una solucin explcita
x(t) = A cos kt + B sin kt
y(t) = B k cos kt A k sin kt

Supongamos que no hemos sabido resolver el sistema y no hemos encontrado
la solucin. Simplemente mirando el sistema deberamos apreciar un punto importante:
x(t) = 0, y(t) = 0
es una solucin. Si lo pintamos en el plano de fases, la
trayectoria sera un nico punto en el origen. Se trata de una solucin estacionaria

o punto de equilibrio.
Denicin: Punto. [de equilibrio] En general, diremos que (a, b) es un punto de

equilibrio si y slo si
F (a, b) = G(a, b) = 0.
Esto nos da un primer camino a estudiar: la
estabilidad.
El segundo problema a estudiar sera el comprobar si hay
rradas.
trayectorias ce-
Es decir, queremos encontrar soluciones peridicas. Encontraremos un
problema similar al de la estabilidad: qu pasa cuando cogemos una solucin que
129
UAM - 2013/2014
pasa por un punto cercano a una trayectoria cerrada? Sigue estando cerrada o se
abre?
Volviendo al problema del sistema masa-resorte: si sabemos que buscamos una
curva parametrizada, podemos escribirlo como conjunto de nivel? No siempre es
posible pero a veces funciona. En el caso de que efectivamente podamos eescribir
la solucin como conjunto de nivel
E(x, y) = C ,
tendramos que
E 0
x + yE y 0 = 0
x
E
y + yE (kx) =
x
o, dicho de otra forma, buscamos que
paralelo a
(kx, y)
E (y, kx).
En este caso,
sera
y obtendramos las trayectorias dadas por la ecuacin
kx2 y 2
+
=C
2
2
lo que, en el plano de fases nos dara algo como la imagen 8.1. Ahora bien, ese
dibujo no estara completo: nos faltara determinar el sentido en el que recorremos
las curvas, que lo obtendramos viendo la derivada.
Figura 8.1: Plano de fases para el sistema masa-resorte

Si fusemos fsicos, veramos que la
x sera la posicin y y la velocidad, represen-
tando en un diagrama ambas variables. Pero como no lo somos, nos la repantina

bastante.
130
UAM - 2013/2014
Si aplicamos esta misma idea a sistemas generales del estilo,
(
x0 = F (x, y)
y 0 = G(x, y)
, llegamos a la siguiente denicin:
Denicin: Integral. [ primera] Decimos que E(x, y) C 1 es una integral

primera del sistema si y slo si dado (x(t), y(t)) solucin, entonces E(x(t), y(t)) =
C t.
Esta integral primera no siempre existe. Pero, si por ejemplo tenemos un sistema
(
x0 = yH (x, y)
y 0 = xH (x, y)
la integral primera es inmediata:

estructura se llaman
H(x, y) = C .
sistemas hamiltonianos.
Los sistemas con este tipo de
En el caso general, si tenemos una integral primera
0=
E(x, y) = C ,
entonces
E 0 E 0 E
E
x +
y =
F+
G
x
y
x
y
lo que nos dice que buscamos
E (F, G)
o, lo que es lo mismo,
E k (G, F ).
Esto nos llevara a que si
entonces tenemos que

tomar
E V.
F
G
=
y
x
(G, F ) = V
para un potencial
V,
Ejemplo:
(
x0 = y
y 0 = 1 + x2
Buscamos una solucin de la forma
E(x(t), y(t)) = C
que cumple
E (y, 1 + x2 ) = E(1 + x2 , y)
6Y
y entonces podremos
Si no encuentras esto, podemos buscar un factor integrante .
lloras. Mucho.
131
UAM - 2013/2014
Figura 8.2: Conjuntos de nivel de la funcin
Necesitamos entonces poder escribir
(1 + x2 , y)
x+
como
x3
3
V ,
y2
.
2
el gradiente de
un potencial. Para ello, tendra que cumplirse que
(1 + x2 ) =
(y)
y
x
Efectivamente, en este caso se cumple y existe
V
x
? V
y
y =
= 1 + x2 = V = x +
= C 0 (y) = C(y) =
V.
Integrando:
x3
+ C(y)
3
x3 y 2
y 2
V (x, y) = x +
2
3
2
Por lo tanto, las soluciones sern las dadas por las curvas
V (x(t), y(t)) = C ,
dibujadas en la gura 8.2. Slo faltara el sentido en el que se recorren las curvas.
0
Viendo las derivadas, vemos que y > 0 y que por lo tanto se recorren hacia
arriba siempre, hacia la derecha cuando
caso.
132
es positivo y hacia la izquierda en otro
Ejemplo:
UAM - 2013/2014
(
x0 = x(1 + y)
y 0 = y(1 + x)
Buscamos de nuevo una posible funcin potencial. Hacemos las derivadas

cruzadas:
(y(1 + x))
y
(x(1 + y))
x
=1+x
=1+y
No existe un potencial que resuelva esta ecuacin. Ahora bien, podemos buscar una funcin
tal que
((G), F ) = V .
Derivamos de nuevo
(y(1
y
+ x)) = x
(x(1 + y))

(1 + x) y y + = (1 + y) x +
y si miramos, podremos encontrar un factor integrante.
Ejemplo Tiburones en el ocano:

el nmero de presas
Suponiendo que no hubiese predadores,
variara linealmente con la tasa de supervivencia
a,
que
depende de la diferencia entre mortalidad y natalidad. Es decir,
x0 = ax
.
Con predadores, la ecuacin se transformara en
x0 = a(y)x
, con
dependiendo del nmero de predadores
y.
Si consideramos que
a(y)
es
una recta, por simplicar el modelo, la ecuacin sera
x0 = ax bxy
.
Por otra parte, podemos considerar que la poblacin de predadores crece con
y 0 = cy + dxy
133
UAM - 2013/2014
.
Transformando un poco las ecuaciones, llegamos al problema
(
x0 = x(a by)
y 0 = y(c + dx)
, que son las llamadas
ecuaciones de Volterra.
Este problema tiene puntos crticos
F = G = 0.
F = 0,
Si
podemos tener
x = 0, el caso obvio de que no hay ni presas ni predadores. El otro es que y = ab ,
c
que nos da que para que G = 0 debe de ser x = , lo que nos dara un punto de
d
equilibrio.
Si aadimos al sistema a los pescadores, con inuencia

c + ),
el punto de equilibrio pasa a ser
a c+
,
b
d
( a a + , c

, un punto ms abajo y
a la derecha. Es decir, se favorece la aparicin de presas y la disminucin de la

proporcin de predadores. En la segunda guerra mundial, al bajar la pesca el
movimiento se invirti y aument el porcentaje de tiburones.
Ahora bien, la naturaleza no siempre se mantiene en el punto de equilibrio,
sino que hay oscilaciones. Vemoslo resolviendo el sistema. Buscamos una funcin
E(x, y) = C .
Las derivadas cruzadas no son iguales, por lo que hay que buscar
un factor integrante
(x, y)
tal que
((x, y)(cy dxy)) =

((x, y)(ax bxy))
y
x
Haciendo la cuenta, sale

V =
(x, y) =
1
. La solucin es entonces
xy

1
1
c
a
(xy dxy), (ax bxy) =
d, b
xy
xy
x
y
de donde podemos sacar
V (x, y) = a log y by + c log x dx

.
Slo nos interesa lo que pasa en el primer cuadrante (posiciones negativas no
nos gustan). Lo que obtenemos son trayectorias cerradas alrededor de un punto
de equilibrio (gura 8.3)
134
UAM - 2013/2014
Figura 8.3: Evolucin de presas y depredadores.
Teorema
Sea (x1 (t), y1 (t)) una solucin tal que (x1 (t), y1 (t)) t donde es una
curva en el plano de fases.
Sea (x2 (t), y2 (t)) otra solucin y supongamos que existen t1 , t2 R tales
que (x1 (t1 ), y1 (t1 )) = (x2 (t2 ), x2 (t2 )). Entonces (x2 (t), y2 (t)) .
Dicho de otra forma, si dos curvas solucin se cortan entonces son la misma.
Demostracin: Sean (xh (t), yh (t)) = (x1 (t + h), y1 (t + h)). Sabemos que si
(x1 , y1 ) es solucin y estamos en un sistema autnomo, entonces (xh , yh ) tambin
es solucin. En particular, para h = t1 t2 tenemos que
(xt2 t1 (t), yt2 t1 (t)) = (x1 (t + t1 t2 ), y1 (t + t1 t2 ))
.
En el punto
t = t2 ,
nos queda
(xt2 t1 (t2 ), yt2 t1 (t2 )) = (x1 (t1 ), y1 (t1 ))

.
135
UAM - 2013/2014
Tenemos dos soluciones del sistema que en el instante inicial pasan por
el mismo punto. Aplicando el teorema de existencia y unicidad, tenemos que
(xt2 t1 , yt2 t1 ) (x2 , y2 ), que no es ms que una traslacin de la solucin original

(x1 , y1 ).
8.1. Clasicacin de puntos crticos

Partimos del sistema
con
a, b, c, d R,
(
x0 = ax + by
y 0 = cx + dy
que viene de una
linealizacin
por Taylor de cualquier sistema.
Cuntos puntos crticos tenemos? Sabemos que siempre

tenemos al menos el
!
(0, 0)
como punto crtico. Si adems la matriz
a b
c d
tiene determinante cero,
tendremos una recta de puntos crticos.

Para el anlisis, empezaremos suponiendo que
(0, 0) es un punto crtico aislado,
es decir, con
det
a b
c d
!
6= 0
.
Vamos a ir paso a paso distinguiendo los distintos casos que nos podemos
encontrar al resolver este sistema.
8.1.1. Sistemas con autovalores reales

Caso 1.1: 0 < 1 < 2 . Con esta informacin, la solucin general es
!
!
x(t)
u
1
= Ae1 t
+ Be2 t
y(t)
u2
v1
v2
.
En esta ecuacin est toda la informacin que tenemos que tener sobre el plano
de fases. Tenemos varias opciones.
Si
A = 0,
la solucin es
Be2 t
136
v1
v2
. Es decir, que si
B >0
UAM - 2013/2014
tendremos una semirrecta en la direccin de
v,
y si es
negativo una semirrecta en la direccin contraria. La solucin sera anloga para
B = 0.
Podemos ver en la gura 8.4 el esquema de las soluciones.
8-ABUnoCero
Figura 8.4: Posibles soluciones para
Qu ocurre cuando ni
ni
B son
!
x(t)
y(t)
. Podemos sacar factor comn
e1 t
A=0
B = 0.
cero? La solucin general es
u + Be2 t
v
= Ae1 t
para tener
!

x(t)
= e1 t A
u + Be(2 1 )t
v
y(t)
.
t , Be(2 1 )t 0 y por lo tanto la trayectoria
u . Si lo que hacemos es sacar factor comn e2 , tenemos

!

x(t)
= e2 t Ae(1 2 )t
u + B
v
y(t)
Es decir, que cuando

ser tangente al vector
.
As, cualquier trayectoria en este caso acabar siendo paralela al vector
Las trayectorias salen del origen tangentes a
paralelas a
v.
y cuando
v.
crece tienden a ser
Este ltimo vector es la direccin principal, ya que atrae a todas
las trayectorias salvo a la recta
(cuando
A = 0).
8-ABNoCero
Figura 8.5: Posibles soluciones (en azul) para
A = 0 B = 0 con ambos autovalores
positivos.
Caso 1.2: 1 < 0 < 2
. La solucin es la misma que antes,
!
x(t)
= Ae1 t
u + Be2 t
v
y(t)
.
137
8-ABA V
UAM - 2013/2014
NU noCero
Figura 8.6: Las dos posibles rectas solucin para un sistema autnomo con un
autovalor negativo y otro positivo, con
Cuando
A = 0,
A=0
B = 0.
tenemos el mismo caso de antes. Ahora bien, cuando
al ser el autovalor negativo las soluciones
vienen
B = 0,
de innito. Es decir, tenemos el
caso de la gura 8.1.1

Cuando
A, B 6= 0,
siguiendo el mismo procedimiento de factores comunes de
antes, tenemos que tanto en
lejos
y paralelos a
direccin de
v,
u.
+ como en explotan. Cuando t , estamos

t +, la trayectoria tambin se ir lejos en la
Cuando
tal y como reeja la gura 8.1.1.

8-ABA V
NN oCero
Figura 8.7: En azul, posibles soluciones de un sistema autnomo con un autovalor

negativo y otro positivo, con
Caso 1.3 1 < 2 < 0
A 6= 0, B 6= 0.
Caso 1.4 1 = 2 > 0
autovalor doble, tenemos dos opciones.
O bien hay dos vectores independientes
y entonces podremos escribir la
Si tenemos
v ,
u,
solucin general
!

x(t)
= et A
u + B
v
y(t)
.
Las soluciones sern por lo tanto semirrectas que salen con cualquier direccin
(la que diga
8-ABA V
A
u + B
v )),
tal y como aparece en la gura 8.1.1.
DobV I
Figura 8.8: En azul, posibles soluciones de un sistema autnomo con un autovalor

negativo y otro positivo, con
A 6= 0, B 6= 0.
Si tenemos un slo autovector independiente, necesitamos otro vector. Buscamos la matriz fundamental
=
7A
u1 w1
u2 w 2
!
1
exp
t =
0 1
completar
138
et u1 tet u1 + et w1
et u2 tet u2 + et w2
UAM - 2013/2014
y por lo tanto la solucin general es
x(t) y(t) = Aet

u + B(tet
u + et
v)
.
Si sacamos factor comn, veramos que cuando
origen y
explota
8-ABA V
DobN oV I
cuando
t +.
t ,
la solucin parte del
Es decir, algo como en la imagen 8.1.1.
Figura 8.9: En azul, posibles soluciones de un sistema autnomo con autovalor

doble y un nico autovector independiente. En verde la recta que pasa por todos
0
los puntos con x = 0.
Estaramos entonces ante un
Caso 1.5: 1 = 2 < 0
nodo impropio inestable.
En este caso estamos ante la misma situacin que antes,
slo que cambiando la estabilidad. Las soluciones irn
impropio asintticamente estable.
hacia. Tendremos un nodo
8.1.2. Sistemas con autovalores complejos

Supongamos
! que tenemos un autovalor
do
u1 + iv1
u2 + iv2
. Con esta informacin,
1 = + i
con autovector asocia-
ser el conjugado y el autovector ser
el conjugado igualmente. La ventaja es que teniendo autovalores complejos nos

ahorramos el caso de que puedan repetirse.
Una solucin particular es
u1 + iv1
z 1 (t) = et (cos t + i sin t)

u2 + iv2
y la otra sera
z 2 (t),
el conjugado de
z 1 (t)
que no voy a volver a copiar.
La combinacin lineal de ambas ser la solucin general. Queremos las soluciones

reales, as que sacamos la parte real e imaginaria (ambas operaciones son combinaciones lineales):
139
UAM - 2013/2014
z1 + z2
u1 cos t v1 sin t
= eat
u2 cos t v2 sin t
2
|
{z
}
J
!
z1 z2
v cos t + u1 sin t
= et 1
=z1 =
v2 cos t + u2 sin t
2i
|
{z
}
<z1 =
Entonces tenemos una solucin general real
!
x(t)
= et (AJ + BK)
y(t)
Caso 2.1: = 0
Tanto en
como
tenemos senos y cosenos. Al ser una
expresin peridica, las trayectorias son curvas cerradas, ms concretamente elipses

(ver gura 8.1.2)
8-SAE lipses
Figura 8.10: Las soluciones son elipses centradas alrededor del origen.
Para completar el dibujo, necesitaremos el sentido de las elipses, los puntos
de tangente vertical (ax
+ by = 0)
y los de tangente horizontal (los que cumplen
cx + dy = 0).
Qu tipo de estabilidad tenemos en este caso? No es asintticamente estable
(no tendemos al origen) pero si nos alejamos un poco nos quedamos cerca. El punto
se llamar
centro estable.
Caso 2.2: > 0

crece
t.
En este caso, tendremos espirales que se alejan del origen segn
El punto es un
inestable.
8-SAE spirales
Figura 8.11: Distintas espirales solucin segn sea
(derecha).
140
> 0
(izquierda) o
> 0
UAM - 2013/2014
Caso 2.3: < 0 Anlogamente,

punto es un foco estable.
las espirales aqu se acercarn al origen. El
En ambos casos tenemos que identicar el sentido de giro, puntos de tangencia

vertical y puntos de tangencia horizontal.
Veamos algunos ejemplos:
Ejemplo:
Sea el sistema siguiente
x0 = 4x + 2y
y 0 = x + 2y
4 2
1 2
Este sistema da lugar a la matriz

cero, de lo que deducimos que
(0, 0)
es el
!
cuyo determinante es distinto de
nico punto crtico.
Pasamos a calcular los autovalores y autovectores:
2

0=
= (4 )(2 ) 2 = 2 6 + 6
2
1
Los autovalores son por tanto
36 24
=3 3
2
Como los autovalores son distintos y positivos tenemos un

Pasamos a calcular los autovectores:
4 2
1 2
u1
u2
!
= (3 +
u1
3)
u2
De donde obtenemos el sistema
de donde sacamos que
4u1 + 2u2 = (3 + 3)u1

u1 + 2u2 = (3 + 3)u2
~u =
1+ 3
2
De la misma forma calculamos
~v =
1 3
2
A partir de aqu podemos dibujar el plano de fases.
141
nodo inestable.
UAM - 2013/2014
Tenemos la solucin general
x(t)
= Ae(3+ 3)t
y(t)
e(3+
3)t
!
+ Be(3
1+ 3
2
{A~u + Be(2
3)t
~v } = e(3
3)t
3)t
1 3
2
{Ae(2
3)t
!
=
~u + B~v }
dibujito
Ejemplo:
Sea el sistema siguiente
x0 = 4y
y 0 = x + 4y
Calculamos los autovalores

4

0=
= 2 4 + 4
1 4
=
16 16
=2
2
(doble)
Como los autovalores son positivos tenemos un nodo impropio inestable.

Pasamos a calcular los autovectores. Tenemos
0 4
1 4
u1
u2
!
=2
u1
u2
que da lugar al sistema:
de donde sale que

Vemos que
~u =
4u2 = 2u1
u1 + 4u2 = 2u2
!
2
1
no hay un segundo autovector independiente, por tanto la solucin
general vendr dada a partir de la forma cannica de Jordan.

Hay que calcular los puntos de tangente vertical y horizontal para comprobar
el sentido de las soluciones en el plano de fases.
A partir del sistema, sabemos que
142
Tangente (0, *)
UAM - 2013/2014
x0 = 0 y = 0
y 0 = x + 4y
De ambas ecuaciones tenemos que
Tangente (*, 0)
dibujito
y 0 = x
No me ha dado tiempo porque se pone en medio y no veo.
Resumamos lo visto hasta ahora
Autovalores reales
0 < 1 < 2
Nodo inestable.
1 < 0 < 2
Silla (inestable).
1 < 2 < 0
Nodo asintticamente estable.
1 = 2 > 0
Nodo impropio inestable.
1 = 2 < 0
Nodo impropio asintticamente estable.
Autovalores complejos
Geomtricamente, los autovalores complejos implican
un giro, donde la parte real indica si la grca se abre o se cierra. Si los autovalores
son de la forma
= i
>0
Foco (espiral) inestable.
=0
Centro estable.
<0
Foco (espiral) asintticamente estable.
Observacin 1
>0
=0
Estabilidad parte real de los autovalores
<0
Observacin 2
Estabilidad sensible bajo permutaciones: A, B, C
Diagrama
inestable
estable
asintoticamenteestable
son casos lmite o frontera.
Hasta ahora hemos calculado los autovalores de la matriz de la siguiente forma:
143
UAM - 2013/2014

b
a
0=
= (a )(d ) bc = 2 (a + d) + (ad bc) = 2 T + D
d
c
Donde
T =a+d
Traza de la matrix
D = ad bc
Determinante de la matrix
=
El hecho de que los valores de
T 2 4D
2
sean complejos o no depende del radicando anterior.
Dibujito de una parbola D =
donde los ejes son y=D, x=T
T2
)
2
Segn las relaciones que haya entre el determinante de la matriz y su traza
(
tenemos casos distintos:

Si la traza es 0, estamos en el eje
y tendremos un centro estable.
T2
estamos en el primer cuadrante, por encima de la parbola y
4
tendremos un foco inestable.
Si
D >
T2
estamos en el segundo cuadrante, por encima de la parbola y
4
tendremos un foco estable.
Si
D >
DESCRIBIR EL RESTO DE CASOS.

En el caso de que
D=0
estamos en el eje
T,
que
La zona de estabilidad es justamente el segundo cuadrante.
8.2. Mtodo de linealizacin

Denicin: Punto crtico estable.
Dado un sistema
(
x0 = F (x, y)
y 0 = G(x, y)
(x0 , y0 ) punto crtico. Se dice que (x0 , y0 ) es un punto crtico estable si

R > 0 r > 0 tal que si (x(t0 ), y(t0 )) (x0 , y0 ) < R entonces

(x(t), y(t)) (x0 , y0 ) < r t > t0 .
con
y slo si
144
UAM - 2013/2014
Denicin: Punto asintticamente estable.

(x0 , y0 ) es asint

R > 0 tal que si x(t0 ), y(t0 )) (x0 , y0 ) <
lmt (x(t), y(t)) = (x0 , y0 ).
En las mismas hiptesis de la denicin anterior, decimos que

ticamente estable si y slo es estable y
entonces
8-PuntosEstables
Figura 8.12: En estos dos grcos, el origen es punto crtico estable y asintticamente estable respectivamente.
Notamos que un punto estable no tiene por qu ser asintticamente estable.
Por ejemplo, el centro de una elipse es un punto estable pero no asintticamente
estable, ya que las trayectorias no tienden al origen.
mtodo de linealizacin
Estas dos deniciones tienen como objetivo el

. Te1
nemos F, G C con F (x0 , y0 ) = G(x0 , y0 ) = 0. Si hacemos el desarrollo de Taylor,
tenemos que
F (x, y) = F (x0 , y0 ) +
G(x, y) = G(x0 , y0 ) +
F
(x0 , x0 )
x
G
(x0 , x0 )
x
Por lo tanto, cerca de
(x0 , y0 )
(x x0 ) +
(x x0 ) +
F
(x0 , y0 )
y
G
(x0 , y0 )
y
(y y0 ) + errorF (x, y)
(y y0 ) + errorG (x, y)
tenemos
x0 ' a(x x0 ) + b(y y0 )

y 0 ' c(x x0 ) + d(y y0 )
(8.1)
Haciendo un cambio de variable para quitarnos la traslacin, llegamos a
x0 = a
x + b
y
y0 = c
x + d
y
El comportamiento cerca del punto crtico
(x0 , y0 )
(8.2)
para el sistema (8.1) es el
mismo que el de (8.2). Estudiaremos el segundo ya que es tipo de sistema que ya

habamos visto.
Supongamos que tenemos un sistema con puntos crticos
mos la linealizacin en
(0, 0),
(0, 0)
(1, 1).
Hace-
de tal forma que tendramos la matriz del sistema
145
linealizado en
UAM - 2013/2014
(0, 0):
F
(0, 0)
x
G
(0, 0)
x
F
(0, 0)
y
G
(0, 0)
y
Supongamos que esta matriz nos da autovalores

y
(1, 1).
(8.3)
1 y 1 con autovectores (1, 1)
Automticamente vemos que es un punto de silla y que las soluciones
alrededor de ese punto tendrn la forma de la gura 8.2

8-MLS illa
Figura 8.13: Distribucin de las soluciones alrededor de los puntos crticos
(izquierda) y
(1, 1)
(0, 0)
(derecha).
(1, 1), nos saldra una matriz similar a (8.3), pero con las
en (1, 1). Si suponemos que tenemos autovalores 1 + i y
Si linealizamos en
derivadas evaluadas
1 + i ,
lo que nos dara espirales asintticamente estables.
Tenemos las dos soluciones de la gura 8.2. Cmo juntamos estas dos cosas?
8-MLS oluciones
Figura 8.14: Ms o menos sta ser la forma del sistema completo. Todas las
soluciones a la derecha de la recta naranja caern en las espirales que tienen como
foco el
(1, 1).
Si quisisemos analizar este punto crtico, nos interesara la recta separatriz (en
naranja en la gura 8.2), que divide el plano en dos regiones, una en la que las
soluciones se van a una espiral y otra en la que las soluciones se van a innito.
Teorema
Supongamos (x0 , y0 ) punto crtico, F, G C 1 , con los coecientes de Taylor

de antes, y con
!
det
a b
c d
6= 0
. Trasladamos el sistema linealizado a (0, 0) mediante el cambio de variable

x = x x0 , y = y y0 .
Entonces, si el punto crtico (0, 0) en el sistema linealizado pertenece a
8 Revisar
orientacin de las soluciones en 8.2.
146
UAM - 2013/2014
alguno de los casos principales (nodos propios, sillas o focos; ver imagen ??)
entonces sigue siendo del mismo tipo en cuanto a forma y estabilidad en el
sistema completo.
Si en el sistema linealizado tenemos un nodo impropio inestable, entonces
en el sistema completo tendremos un nodo o una espiral, inestables en ambos
casos.
Si tenemos un nodo impropio asintticamente estable, en el sistema completo tendremos un nodo o espiral asintticamente estable.
El caso peor es si tenemos un centro estable, ya que puede ocurrir cualquier
cosa.
En relacin con las integrales primeras, vemos que slo podremos expresar las
soluciones como conjuntos de nivel si los puntos crticos son nodos o centros.
Ejemplo:
(
x0
y0
= x(60 3x 4y)
= y(42 2x 3y)
Si visemos esto en el contexto de estudio de poblaciones, veramos que son

dos especies compitiendo por un mismo recurso limitado. Los puntos crticos son
(0, 0), (0, 14), (20, 0)
(12, 6).
Tendremos cuatro sistemas linealizados distintos,
donde tendremos que calcular autovalores y autovectores. Habr que dibujar

puntos crticos separados, discernir si estamos en los casos principales y juntarlo.
En este sistema habra que preguntar qu especie extingue a la otra. El lunes
volveremos con ello.
Hagamos un ejemplo algo ms complejo. Partimos del problema
(
x0
y0
= x(2 x y) = F (x, y)
= y(3 y 2x) = G(x, y)
y estudiamos sus puntos crticos, que son
(0, 0), (0, 3), (2, 0), (1, 1).
Aplicamos el mtodo de linealizacin y obtenemos la matriz de derivadas parciales:
F
x
G
x
F
y
G
y
!
=
2 2x y
x
2y
3 2y 2x
Vamos estudiando cada punto crtico:
147
(0, 0)
UAM - 2013/2014
Hallamos el valor de la matriz de derivadas parciales
(0, 0) =
2 0
0 3
, que como ya es diagonal vemos que los autovalores son 2 y 3 con autovectores
u = (1, 0) y
v = (0, 1). Alrededor de este punto crtico, las soluciones se parecern
a la gura 8.2
8-Ej10 0
(0, 3)
. Autovalores
3, 1,
autovectores correspondientes
(0, 1), (1, 3).
Las
soluciones se parecen a 8.2

8-Ej10 3
Si seguimos, llegamos a una grca como la de la gura 8.2. Tambin vemos
que hay trayectorias
heteroclnicas, que lleva de un punto crtico a otro.

8-Ej1F inal
En algunos casos, no podemos aplicar la teora directamente. En el sistema
(
x0
y0
, lo que nos da los puntos crticos
= y(x 2)
= x(y 2)
(0, 0) y (2, 2). Hallamos la matriz de derivadas
parciales
F
x
G
x
En
(0, 0)
F
y
G
y
tenemos autovalores
!
=
= 2
!
y
x2
y2
x
con autovectores
(1, 1)
(1, 1)
respec-
tivamente, lo que nos indica que tenemos un punto de silla.

En
(2, 2)
tenemos autovalor
=2
doble, con autovectores
(1, 0)
(0, 1).
Tene-
mos entonces un nodo impropio inestable y las soluciones sern rectas que parten
del origen en cualquier direccin.
En el sistema completo, el primer caso se mantiene. Sin embargo, el segundo punto crtico no se mantiene. Podemos garantizar que ser inestable, pero no
sabemos si ser un nodo inestable o si habr un foco inestable.
148
UAM - 2013/2014
Estudiamos el sistema completo para obtener alguna informacin adicional.

Vemos que los puntos con tangente vertical son o
horizontal tenemos los puntos
y=2
x=2
y = 0,
y con tangente
x = 2.
A partir del estudio de este campo de pendientes, vemos que es imposible que
haya una espiral en el punto
(2, 2),
ya que en algn momento tendra que tener
una tangente vertical u horizontal, cosa que sabemos que no existe.

8-Ej2
Figura 8.15: A completar. Soluciones en el sistema completo.
(x(t), 2)
Tambin podemos ver que existen cuatro trayectorias de la forma
(2, y(t)),
es decir, las rectas marcadas en rojo y naranja en la gura 8.2
Vuelta al pndulo
Recordemos el sistema del pndulo simple de clases anterio-
res. Ah asumamos que las oscilaciones

decir que
eran pequeas y por lo tanto podamos
sin x ' x. Ahora vamos a olvidar esa parte y vamos a estudiar el problema
para cualquier oscilacin.

Escribimos la ecuacin
x00 + k sin x = 0 en forma

(
x0 = y
y 0 = k sin x
. Los puntos crticos ocurren con

la matriz lineal
, y con
de sistema:
y = 0, x = con Z. Con par, tendremos

!
0 1
k 0
impar ser
!
0 1
k 0
.
En el primer caso tendremos
= ki
y en el segundo
= k,
lo que nos
da un centro (elipses) y un punto de silla respectivamente.

Los puntos de silla se mantienen en el sistema completo, pero no los centros.
Por este camino no llegamos a nada. Sin embargo, podemos aplicar el mtodo de
las
integrales primeras.
Buscamos un potencial
E(x(t), y(t)) = C
tal que
E 0 E 0
x +
y =0
x
y
149
(k sin x, y)
UAM - 2013/2014
es un vector gradiente, as que podemos tomar
E(x, y) =
y2
k cos x
2
.
Al trasladarlos al sistema completo, no sabamos si los centros se convierten en
focos inestables, asintticamente estables o en centros. Pero como hemos podido
escribir las curvas como conjuntos de nivel de un potencial, no hay forma de que
haya espirales (focos) y por lo tanto en los puntos de la forma
(, 0) con impar
hay elipses.
8-Pendulo
Figura 8.16: El plano de fases del pndulo, las grcas del ngulo de oscilacin en
funcin del tiempo segn la trayectoria y su
traduccin
al pndulo real.
En la gura 8.2 tendremos varias trayectorias. En naranja, la elipse, un pndulo

que oscila continuamente. En rojo, el pndulo cae desde arriba y llega con velocidad
0 al mismo punto. En azul, simplemente girara de forma continua.
Si aadisemos el rozamiento, los puntos crticos seran focos asintticamente
estables y sillas, que se conservan en el sistema completo. Los centros pasaran a
ser puntos espirales. Las trayectorias que salen de un punto de silla caeran en ese
foco de la espiral.
Podemos extrapolar lo que hemos llegado con el pndulo a ecuaciones ms
genricas de la forma
x00 + f (x) = 0
, que podemos transformar a un sistema
(
x0 = y
y 0 = f (x)
.
E(x, y)
Estos sistemas tienen una integral primera
tal que toda solucin se
puede expresar como
E(x(t), y(t) = C
, es decir, como los conjuntos de nivel de un potencial.
Si hacemos los clculos, tenemos que tener
E k (f (x), y),
E(x, y) = F (x) +
donde
F0 = f.
lo que nos da
y2
2
Dicho de forma fsica, tendramos la conservacin de la energa del
sistema.
150
UAM - 2013/2014
8-EsbozoSist
Figura 8.17: Esbozo de las soluciones de un sistema similar al del pndulo.
De esta ecuacin podemos dar un primer esbozo del plano (gura 8.2). Como
0
0
tenemos que x > 0 en el semiplano superior y x < 0 en el semiplano
x0 = y ,
y = 0.
p
y , tenemos que y = 2 C F (x), por lo que las trayectorias
con respecto al eje x = 0.
inferior, adems de ver que las trayectorias tienen tangente vertical en

Si despejamos
son simtricas
Esta ltima frmula nos permite ver cmo son las trayectorias sabiendo slo el
dibujo de
F (x).
Veamos cmo en otro ejemplo ms, el del sistema masa resorte.
En este caso tenamos
f (x) =
k 2
x;
m
F (x) =
k 2
x Ax2
2m
y podemos hacer un esbozo como en la gura 8.2.

8-MasaResorte
Figura 8.18: Esbozo de las soluciones del sistema masa resorte a partir de
Ax2 para dos constantes C1 y C2
F (x) =
Este mtodo nos permite estudiar sistemas en los que el mtodo de linealizacin
no nos servira.
8.3. Mtodo directo de Liapounov

Estudiemos este mtodo con un ejemplo:
(
x0
y0
= y x(x2 + y 2 )
= x y(x2 + y 2 )
El nico punto crtico del sistema es el
(0, 0),
que aplicando el mtodo de
linealizacin vemos que es un centro. No podemos concluir nada sobre lo que ocurre
al trasladar al sistema completo. Imaginemos que hacemos el siguiente clculo
ingenuo.
(x(t), y(t)) y medimos el cuadrado de su distancia

D(t) = x2 (t) + y 2 (t), y miramos su derivada. Si nos sale
Supongamos una trayectoria

al origen con una funcin
siempre positiva o siempre negativa, podremos decir que las soluciones se alejan o
se acercan al punto crtico, respectivamente. En este caso,
D0 (t) = 2xx0 + 2yy 0 = 2x(y x(x2 + y 2 )) + 2y(x y(x2 + y 2 )) = 2(x2 + y 2 )2

151
UAM - 2013/2014
Como siempre es negativo, tenemos un punto crtico estable. Liapounov dio un

paso ms: qu valor tiene el hecho de que hayamos elegido la distancia? Nos vale
con tener una funcin con que en el origen valga 0 y que vaya creciendo segn
me aleje. La idea de Liapounov es encontrar una
distancia
de tal forma que su
derivada sea siempre negativa o positiva.
Denicin: Funcin de Liapounov.
Supongamos que tenemos un sistema
(
x0 = F (x, y)
y 0 = G(x, y)
con
(0, 0)
punto crtico aislado, y trayectorias
Una funcin
es
C1
E(x, y)
E
F
x
E
G
y
si
(x(t), y(t)).
es una funcin de Liapounov para ese sistema si y slo si
en algn abierto alrededor de
E(x, y) > 0
(8.4)
(x, y) 6= 0
(0, 0).
E(0, 0) = 0.
0.
Teorema
Si existe alguna funcin de Liapounov para el sistema 8.4, entonces el punto

crtico (0, 0) es estable.
Si adems se tiene
E
E
F+
G < 0 (x, y) 6= (0, 0)
x
y
, adems (0, 0) es asintticamente estable. En este caso, diremos que tenemos una funcin de Liapounov estricta.
Si dibujamos la grca de la funcin de Liapounov z = E(x, y), veramos que

0
cuando z (t) > 0 la funcin crece por la supercie, y si es menor que cero se
acercara al origen. Nos interesa ver por lo tanto la trayectoria
(x(t), y(t))
supercie dada por esa funcin.

Una vez que tenemos una idea del problema, vamos a demostrarlo
152
en la
Demostracin:
Empezamos viendo que
z 0 (t) =
E 0 E 0 E
F
x +
y =
F+
x
y
x
y
Proposicin
1: Estabilidad

que si
UAM - 2013/2014
(x(t0 ), y(t0 )) < r,
R > 0, r > 0 tal

(x(t), y(t)) < Rt > t0 (ver la denicin
Queremos demostrar que
entonces
de punto estable en 8.2).

Dado
consideramos el conjunto
y su mnimo:

= {E(x, y) : (x, y) = R}; m = mn
E(x(t), y(t)) < m t, entonces la trayectoria no corta la circunferencia.
E(0, 0) = 0 y que
Por lo tanto podemos tomar
E es continua.

m

si (x, y) r por continuidad.
un r > 0 tal que E(x, y) <
2

Supongamos que en un instante t0 tenemos (x(t0 ), y(t0 )) < r . Si adems
m
0
sabemos que z (t) 0 por ser condicin de Liapounov y tenemos que z(t0 ) <
2
m
por el apartado anterior, tenemos que z(t) <
t
>
t
.
0
2
Si
Sabemos que
Proposicin 2: Estabilidad asinttica
Vamos a ver cmo la condicin de
Liapounov estricta nos da estabilidad asinttica. Supongamos
E
E
F+
G<0
x
y
Si esto es as, entonces
z 0 (t) < 0.
Sabemos adems que
z(t) 0.
Si tenemos
una funcin decreciente y acotada inferiormente, entonces
lm z(t) = L 0
t
Si L = 0, hemos terminado. Qu pasa si

L > 0, es decir, que las trayectorias se parasen antes del origen? Demostremos que esto no
puede ocurrir.
Supongamos
L > 0.
Nuevamente por con-
8-DemLiapounov
Figura 8.19: La trayectoria est
connada en la zona verde
tinuidad, puedo encontrar > 0 tal que

E(x, y) > L2 si (x, y) < . En la gura 8.3 las trayectorias se encontraran
slo en la zona verde. Es decir, (x(t), y(t)) BR B .
0
Consideramos z (t) en el compacto BR B y k = m
ax z 0 (t) en ese conjunto.
Aqu tenemos que
153
UAM - 2013/2014
(k) ds = z(t0 ) k(t t0 )
z (s) ds z(t0 ) +
z(t) = z(t0 ) +
t0
t0
, una contradiccin dado que decamos que

el caso de que el lmite sea
z 0.
Por lo tanto, no puede darse
L > 0.
Por lo tanto, con encontrar la funcin de Liapounov demostraramos la estabilidad. No tenemos garantizado el encontrar esta funcin siempre. En sistemas fsicos
podemos usar la energa del sistema. Tambin tenemos otro tipo de estrategias que
veremos en varios ejemplos.
Ejemplo:
(
x0
y0
El punto crtico es
(0, 0),
= y 3x3
= x 7y 3
y el mtodo de linealizacin nos lleva a un centro.
Nos deja colgados, as que buscamos una funcin de Liapounov

un mnimo en
de
(0, 0).
E(x, y) que tenga
Una buena idea es buscar un polinomio en potencias pares
y:
E(x, y) = Ax2n + y 2m
Ajustaremos los tres parmetros
A > 0, n, m
tales que
E
E
F+
0
x
y
. No tenemos garanta de encontrarla y esto no funciona siempre, pero vamos a
intentarlo. Operamos
E
F
x
E
x
E
y
E
G
y
= 2nAx2n1
= 2my 2m1
= 2nAx2n1 (y 3x3 ) + 2my 2m1 (x + 7y 3 ) =
= 2nAx2n1 y 6nAx2n+2 2my 2m1 x 14my 2m+2
En esos cuatro sumandos de ah, hay algunos que son bien y otros que son
caca. El primero y el tercero son caca porque a veces son positivos y a veces
negativos. Los otros dos s los tenemos perfectamente controlados.
154
UAM - 2013/2014
En este caso, lo que haremos ser cancelarlos, lo que nos da el sistema
= 2m
2nA
= n = m = A = 1
2n 1 = 1
2m 1 = 1
La funcin de Liapounov sera la distancia habitual al cuadrado E(x, y) =
E
G + yE G = 6x4 14y 4 < 0, es decir, un punto asintticamente
y
x
estable.
x2 + y 2
Una de las principales ventajas del mtodo de Liapounov es que, a diferencia del
mtodo de linealizacin, tambin vale para puntos crticos no aislados (por ejemplo,
puntos crticos distribuidos en una curva que cumple
F = G = 0). El matiz es que
en un punto crtico no aislado no podemos tener estabilidad asinttica.
Ejemplo:
(
x0 = xy 4
y 0 = yx4
En este caso el mtodo de linealizacin no nos da puntos crticos aislados (la

matriz es nula) as que vamos a Liapounov.
E(x, y) = Ax2n + y 2m
E
F
x
Con
2n = 2m = 4
E
x
E
y
E
G
y
A<1
= 2nAx2n1
= 2my 2m1
= 2nAx2n y 4 + 2my 2m x4
tendramos una funcin de Liapounov estricta.
Entonces tendramos que
E
E
(xy 4 ) +
(yx4 ) = 4(A 1)x4 y 4
x
y
, que es siempre menor o igual que cero. Demostramos estabilidad pero no estabilidad asinttica.
La pregunta es si realmente no hay estabilidad asinttica o es que no hemos visto bien
la funcin de Liapounov.
8-Ej3
Figura 8.20: Ocho soluciones: los
cuatro puntos crticos (verde) y
155
las cuatro trayectorias (rojo).
UAM - 2013/2014
(0, 0) no es un
rectas (x, 0) y (y, 0)
Si nos jamos, vemos que

punto crtico aislado: las
son tambin puntos crticos, y por lo tanto no

podemos tener un punto asintticamente estable.
Haciendo ms clculos, vemos que las soluciones son conjuntos de nivel de la
forma
x4 + y 4 = k
, como podemos ver en la gura 8.3.
Aplicacin del teorema
Vamos a aplicar el teorema de Liapounov para de-
mostrar algo que tenamos pendiente: que la estabilidad asinttica en el sistema

linealizado implica estabilidad asinttica en el sistema completo.
Demostracin:
Partimos de la siguiente notacin:
aislado. La derivada de
x0 = F (x, y) =
(0, 0) es un punto crtico
es
F
F
(0, 0)x +
(0, 0)y + f (x, y) ax + by + f (x, y)
x
y
.
La segunda forma equivalente parte del desarrollo de Taylor, con
). Anlogamente,
(esto es, l
m(x,y)(0,0) f (x,y)
x2 +y 2
y 0 = G(x, y) =
Recordamos ahora el diagrama de la estabilidad
en funcin de la traza
D = ad bc. Si tenemos estabilidad

tenemos que T < 0 y que D > 0.
y del determinante
sistema linealizado,
el error
G
G
(0, 0)x +
(0, 0)y + f (x, y) cx + dy + g(x, y)
x
y
a+d
T =
asinttica en el
La idea de la demostracin es llevar a cabo dos pasos. El primero es construir

una funcin de Liapounov para el sistema linealizado. El segundo, comprobar
que sigue siendo vlida para el sistema completo en un entorno de
La funcin que buscaremos ser de la forma
E(x, y) =

1
Ax2 + 2Bxy + Cy 2
2
156
(0, 0).
. Sacamos factor comn
UAM - 2013/2014
y completamos cuadrados:

B
C 2
x + 2 xy + y =
A
A
!

2
2
A
B
C B
= x+ y +
y2
2
A
A A2
A
E(x, y) =
2
C
y que
A
E
(ax
parciales: queremos comprobar que
x
De aqu sacamos que
A > 0
E
x
E
y
E
(ax
x
+ by) +
E
(cx
x
> B
. Miramos ahora las derivadas
A2
+ by) + yE (cx + dy) < 0. Operando
= Ax + By
= Bx + Cy
+ dy) = (Aa + Bc) x2 + (Bb + Cd) y 2 + (Ab + aB + Bd + Cc) xy

| {z }
|
{z
}
| {z }
1
Buscamos los valores de
A, B, C
que nos dan los valores que aparecen en la
ecuacin. Es decir, buscamos resolver el sistema
= 1
Aa + Bc
Bb + Cd
= 1
Ab + aB + Bd + Cc = 0
Una vez jas esas constantes, nos queda
, que es menor
E
E
(ax + by) +
(cx + dy) = (x2 + y 2 )
x
x
que 0 fuera de (0, 0).
Con la funcin de Liapounov encontrada (sabemos que existe en cualquier

caso), lo aplicamos al sistema completo estudiando
E
E
E
E
(ax+by+f (x, y))+
(cx+dy+g(x, y)) = (x2 +y 2 )+
f (x, y)+
g(x, y)
x
x
x
y
(8.5)
.
Habremos terminado si demostramos que eso es menor que
cerca del origen. Recordamos que
E
E
= Ax + By
= Bx + Cy
x
y
157
0 cuando estamos
UAM - 2013/2014
y operamos:

(Ax + By)f (x, y) max{|A| ,|B|(|x| +|y|) f (x, y)
{z
}
|
Sabiendo que |x|
p
x2 x2 + y 2
(anlogo con |y|), tenemos que

f (x, y)
p

2
2
M (|x| +|y|) f (x, y) 2M x2 + y 2 f (x, y) = 2M (x + y ) p
x2 + y 2
(x +y
)+ xE f (x, y)+ yE g(x, y)

g(x, y)
f (x, y)
2
2
+2N (x +y ) p
(x +y )+2M (x +y ) p
x2 + y 2
x2 + y 2
f (x, y)
g(x, y)
p
p
1
+
2M
= (x + y )
+2N
2 + y2
2 + y2
x
x
| {z }
| {z }
2
(1)
Al ser
(1)
(2)
errores que tendan a
cuando
(x, y) (0, 0),
(2)
con una bola
sucientemente pequea tendremos que todo eso es menor que cero y tendremos
por lo tanto un punto crtico asintticamente estable en el sistema completo.
8.3.1. Funciones de Liapounov e inestabilidad

Podemos estudiar la inestabilidad de ciertos puntos a travs de las funciones
de Liapounov.
La primera idea sera
s = t,
invertir el sentido de tiempo. Reparametrizamos con
y entonces
x(s) = x(t)
y(s) = y(t)
x0 (s) = F (
x, y)
0
y (s) = G(
x, y)
158
UAM - 2013/2014
Si tenemos una funcin de Liapounov
E(
x, y),
con
E
E
(F ) +
(G) < 0
x
y
, es decir, estabilidad asinttica en
(
x, y),
esto querra decir que
E
E
F+
G<0
x
y
, es decir, inestabilidad en
(x, y).
Este mtodo es muy sencillo, pero perfectamente intil para puntos de silla.
En estos puntos hay zonas en las que el origen parece que atrae las trayectorias,
y otras en las que parece que las rechaza. Tendramos que tratar de encontrar un
teorema que no tenga en cuenta todo el entorno del origen, sino slo una zona recordemos que con que haya una trayectoria el punto crtico ya es inestable -.
Otro criterio ms til es el de Chetaev.
Teorema
Criterio de Chetaev. Dado el sistema de siempre
(
x0 = F (x, y)
y 0 = G(x, y)
con (0, 0) punto crtico, consideramos el disco DR = {x2 + y 2 R2 }. Sea

V C 1 (DR ), y un conjunto U = {(x, y) DR : V (x, y) > 0 } (ver imagen
8.3.1).
Si se dan las dos condiciones siguientes:
> 0 (x , y ) U : x + y 2 . Es decir, el centro no est aislado
de U .
V
x
(x, y)F (x, y) +
V
y
(x, y)G(x, y) > 0 (x, y) U .
Entonces, tenemos inestabilidad en el punto crtico.

a Esta
condicin tambin nos dice que no hay ms puntos crticos en
159
U.
UAM - 2013/2014
8-Chetaev
Figura 8.21: Bola de radio
R DR .
Demostracin:
(x(t), y(t)) con (x(0), y(0)) = (x , y ).
(x , y ) U , entonces con V (x , y ) = C > 0.
Sea g(t) = V (x(t), y(t)). Su derivada es
Consideramos la trayectoria
g 0 (t) =
V
V 0 V 0 V
x +
y =
F+
G>0
x
y
x
y
segn hiptesis. Es decir, que

tanto,
Como
es creciente mientras
(x(t), y(t)) U ,
por lo
g(t) g(0) = C > 0.
A partir de aqu tenemos que demostrar que para cualquier punto de partida
DR . Hagmoslo por reduccin al absurdo.

Supongamos que (x(t), y(t)) U t 0. Como DR es un conjunto compacto
y V es continua, entonces V alcanza su mximo M > 0 en DR .
Sea A = {(x, y) DR : V (x, y) C }. Si (x(t), y(t)) U y al ser g(t) >
C t 0, resulta que (x(t), y(t)) A t 0.
Este conjunto A es acotado por la bola de radio R. Tambin es cerrado: si
1
escribimos A = DR V
([C , )), [C , ) es abierto, V continua, por lo que
1
V ([C , ) es cerrado.
en
U,
la trayectoria se sale de la bola
Ahora consideramos
= mn
A
V
V
F+
G
x
y
, que es positivo. Reescribimos
Z
g(t) = g(0) +
g (s) ds = C +
0
, que para
Dado
V
V
F+
G ds C + t
x
y
t sucientemente grande tendremos que es mayor que M : C +t > M .

que la trayectoria no puede salir de U atravesando la lnea V = 0,
entonces tiene que salir por el borde de la bola. Contradiccin con la hiptesis,
y por lo tanto la trayectoria se sale siempre y hay inestabilidad.
160
UAM - 2013/2014
Ejemplo Coordenadas polares:
Tenemos el siguiente sistema
(
2
2
x0 = 3x y exx +y
2
2
y 0 = x + 3y yex +y
Veamos qu pasa si pasamos a polares. El cambio de variables es
(
x = r cos
y = r sin
(
r 2 = x2 + y 2
tan = xy
(
rr0 = xx0 + yy 0
r 2 0 = y 0 x x0 y
Ahora deberamos operar en estas ecuaciones para que todo nos quede en
trminos de
.
rr0 = xx0 + yy 0 =
= =
= 3(x2 + y 2 ) (x2 + y 2 )ex
= 3r2 r2 er
2 +y 2
= r2 (3 er )r0 = r(3 er )
r 2 0 = y 0 x x0 y =
= x(x + 3y yex2 + y 2 ) y(3x y xex
= =
= x2 + y 2 = r 2
0 = 1
2 +y 2
)=
El sistema que nos queda es mucho ms simple:
(
2
r0 = r(3 er )
0 = 1
.
De la segunda ecuacin vemos que las trayectorias siempre avanzan de forma
lineal, en sentido antihorario.
De la primera obtenemos dos soluciones explcitas,
r=0
r=
log 3,
un punto y una
circunferencia.
8-Ej4
Figura 8.22: Plano de fases.
161
UAM - 2013/2014
De aqu podemos extraer el comportamien

r < log 3, r0 > 0 y
to de ms trayectorias. Si
rcrece, acercndose a la circunferencia de radio log 3. Anlogamenlog 3 r0 es negativo y las trayectorias se acercan a la circunferencia
te, para r >
por lo tanto
dada.
Lo importante del anlisis del plano de fases es que todas las soluciones
terminan convergiendo a la circunferencia de radio
Ejemplo:
log 3.
3
2
xy
x0 = x y + xyx
2
2
x +y
x +x y+y
0
y = x + y x2 +y2
Este engendro tiene como puntos crticos
(0, 0)
(1, 0).
Pasando a coordena-
das polares llegamos al sistema
(
r0 = r(1 r)
0 = 1 cos = 2 sin2
A primera vista, vemos que

8-Ej5
0 > 0,
es de-
cir, que giramos siempre igual que antes, en
Figura 8.23: Plano de fases. Los

puntos crticos estn en morado.
sentido antihorario. Tambin vemos soluciones explcitas en
r = 0
r variable. Adems,
r < 1 = r0 > 0.
con
r = 1, y en = 0
0
si r > 1, r < 0 y
Esto nos da varias trayectorias iniciales (ver gura 8.3.1): el punto origen, las
semirrectas
(0, 0) > (1, 0) y (, 0) > (1, 0)

(1, 0) y entra en (1, 0), en
homoclnica (sale de
(en naranja) y la circunferencia,

rojo).
Pero adems, lo que seran las espirales del ejercicio anterior no pueden cruzar
el semieje positivo de las
X , por lo tanto acaban siempre en el punto crtico (1, 0).
Es decir, ese es un punto crtico que nunca veramos linealizando, al que entran
todas las trayectorias menos una (que de hecho vuelve a caer en l).
8.3.2. Ejemplos del criterio de Chetaev
162
Ejemplo:
con
UAM - 2013/2014
(
x0 = x + 2y
y 0 = 2xy + y 2
(0, 0) punto crtico. Comprobar que V (x, y) = x2 y 2
cumple las condiciones
del criterio de Chetaev.

Vemos que
U)
con
se anula en el punto crtico, y que tenemos dos sectores (regin
positivo (es un punto de silla) con puntos todo lo prximos al origen
que queremos. Esto nos da la primera condicin: tenemos que comprobar adems
que en
las trayectorias se alejan, es decir, que
V
V
F+
G>0
x
y
en
Calculamos las derivadas
V
= 2x
x
V
= 2y
y
y operamos
V
x
F+
V
y
G = 2x(x + 2y 2 ) 2y(2xy + y 2 ) = 2x2 + 4xy 2 4xy 2 2y 3

= 2x2 2y 3 = 2x2 2y 2 + 2y 2 2y 3
| {z } | {z }
(A)
Vemos que
(A)
es positivo en
U.
Adems,
(B) = 2y 2 (1 y),
(B)
que es positivo
y < 1. Es decir, que si nos cogemos una bola de radio menor que 1 (D1 =
{x + y 2 1}, tenemos U1 = {(x, y) D1 : V (x, y) > 0} y en este conjunto
V
F + yV G > 0. Por lo tanto y segn el criterio de Chetaev, tenemos inestabilidad
x
para
2
en el punto crtico.
Ejemplo:
(
x0 = x2 xy
y 0 = x2 2xy
8-Ej6
Figura 8.24: El conjunto
(0, 0) es punto
V (x, y) = x2 (x y)
es la
crtico.
unin de los dos coloreados, se-
cumple
parados por la recta
En este sistema,
Comprobar que
las condiciones del criterio de Chetaev.
163
x=0
no pertenece al conjunto.
que
UAM - 2013/2014
En este caso, el conjunto en el que

positivo es el semiplano en el que
la recta
x = 0.
x>y
es
menos
Hay que mirar los dos trozos
por separado (ver gura 8.3.2).

Podemos coger una bola que cumpla la primera condicin de Chetaev. Vericamos la segunda, las derivadas:
V
x
F + yV G = (3x2 2xy)(x2 xy)+(x2 )(x2 2xy) = =
= 3x4 3x3 y+2x2 y 2 +x4 = 3x3 (xy)+2x2 y 2 +x4

Vamos a ver si somos capaces de controlar
el signo de eso. En la regin de la derecha (x >
0) todo est genial y todo es positivo. En el de
la izquierda,
8.4. Teoremas de Poincar y Bendixson

Partimos del sistema de siempre
x0 = F (x, y)
y 0 = G(x, y)
, buscamos las trayectorias cerradas que pueda haber. Para ello, veamos los siguientes teoremas.
Teorema de Poincar
Dado un sistema
x0 = F (x, y)
y 0 = G(x, y)
con F, G C 1 , si existe una trayectoria cerrada entonces rodea al menos un

punto crtico.
Anlogamente, si no tenemos puntos crticos en un sistema no podemos
tener trayectorias cerradas.
164
UAM - 2013/2014
Denicin: Regin simplemente conexa.
Regin conexa cuyo complemen-
tario tambin es conexo.
Teorema de Bendixson
Sea regin acotada y simplemente conexa. Supongamos

F
G
+
6= 0
x
y
en . Entonces no hay ninguna trayectoria cerrada contenida en .
Demostracin:
La demostracin se basa en el teorema de Green. Recorde+ que rodea a una regin
mos que este teorema dice que, si tenemos una curva
D,
entonces
ZZ
(P, Q) d =
+
Elegimos
Q P
dx dy
x
y
(P, Q) (G, F ) y supongamos (x(t), y(t)) la

. Sea D la regin encerrada en . Entonces
ZZ
Z
F
G
(G, F ) d =
+
dx dy 6= 0
x
y
+
trayectoria
cerrada contenida en
por hiptesis. Por otra parte,
Z
(G, G) d =

(G, F ), (F, G) dt =
GF + F G dt = 0
0
, contradiccin. Es decir, no puede existir
trayectoria cerrada.
El hecho de que el conjunto sea simplemente conexo nos vale para que la
frontera de
sea la curva y nada ms. Si tuviese un "hueco" tendramos que
aadir una frontera adicional.
Estos dos teoremas son criterios para ver en qu casos
165
no puede haber tra-
UAM - 2013/2014
yectorias peridicas. Faltara un tercer criterio, un criterio positivo que nos diga
cundo podemos estar seguros de que hay trayectoria peridica.
Teorema de Poincar-Bendixson
Supongamos que R es una regin acotada en la que no hay puntos crticos, tal
que para existe una trayectoria (x(t), y(t)), de tal forma que si (x(t0 ), y(t0 ))
R, entonces (x(t), y(t)) R t t0 .
Entonces:
O bien (x(t), y(t)) es una trayectoria cerrada.
O bien (x(t), y(t)) se aproxima en espiral a una trayectoria cerrada en
el cierre de la regin R .
Este teorema se va a aplicar a conjuntos no simplemente conexos, de tal forma
que no es incompatible con los dos anteriores que habamos visto. Lo que hacemoes
es "sacar" el punto crtico de la regin
R.
Veamos cmo sacar esto con un ejemplo.
Ejemplo:
x0 = y
y 0 = x + y(1 x2 2y 2 )
. Este sistema tiene como punto crtico
(0, 0).
La divergencia es
G
F
+
= 1 1(1 x2 2y 2 ) =
x
y
, que no tiene signo constante en ningn entorno de
(0, 0),
podemos aplicar el teorema de Bendixson.

Si sustituimos en polares,
rr0 = xx0 + yy 0 =
= xy + y(x + y(1 x2 2y 2 )) =
= xy xy + y 2 (1 x2 2y 2 ) =
= y 2 (1 x2 2y 2 ) =
= r2 sin2 (1 r2 cos2 2r2 sin2 )
r0 = r sin2 (1 r2 (cos2 + 2 sin2 ))
166
de modo que no
UAM - 2013/2014
r sin2 (12r2 ), positivo o cero si r 12 ; y r sin2 (1

r2 ), negativo o cero si r 1.
1
Cogemos dos radios R0 < y R1 > 1. Las trayectorias entran al anillo a
2
travs de R0 y a travs de R1
que se puede acotar entre
8.4.1. Combinacin con el mtodo de Liapounov

Vamos a ver ahora cmo combinar esto que hemos visto con el mtodo de
Liapounov.
Ejemplo:
Partimos del sistema
. Buscamos la estabilidad del
x0 = x3 y
y 0 = x5
(0, 0)
(punto crtico aislado) por el mtodo de
Liapounov.
Buscamos una funcin
de la forma
E(x, y) = x2n + Ay 2m
. Los coecientes que salen son
E(x, y) = x6 + 3y 2 y
n = 3, A = 3
m = 2,
de tal forma que
E
E
F+
G = 6x8 0
x
y
, que nos da un punto estable.
El problema es que al no ser un menor estricto, no podemos obtener directamente estabilidad asinttica. O bien buscamos una funcin ms ingeniosa o
buscamos otra forma de hacerlo.
Si el punto es estable pero no asintticamente estable, las trayectorias van a
caer a un atractor. El enemigo para la estabilidad asinttica son las trayectorias
cerradas. Es decir, si demuestro que no hay trayectorias cerradas, las soluciones
tienen que caer al punto crtico y el punto es asintticamente estable.
Sabemos que cualquier trayectoria cerrada tiene que estar en la regin en la
que la funcin de Liapounov sea
{(0, y) },
0.
En este caso particular, la regin es
M =
una recta. En esta regin no cabe ninguna trayectoria cerrada, por lo
tanto el punto es asintticamente estable.
Qu ocurrira si lo que tenemos son trayectorias que salen del anillo, como en
167
la gura
UAM - 2013/2014
???
En este caso podramos invertir el tiempo, recorriendo la trayectorias en sentido

contrario y estaramos en la situacin del teorema de Poincar-Bendixson, donde
habra una trayectoria cerrada.
Ejemplo:
Consideramos el sistema
, con
0 < < 1.
x0 = x y x sin(x2 + y 2 )
y 0 = x + y y sin(x2 + y 2 )
Buscamos los puntos crticos y nos sale el
(0, 0).
Aplicamos
linealizacin y llegamos a la matriz
!
1
1
. Calculamos autovalores:
( )2 + 1 = 0 = = i
. Es decir, tendremos un foco inestable que se conserva en el sistema completo.
Pasando a polares, tenemos que
r0 = r( sin r2 )
0 = 1
Qu podemos decir de la primera ecuacin? La forma ms fcil es verlo de
2
: dibujamos sin r y vemos cuntas veces es cortado por
forma grca (imagen

una recta de altura
??
Tendremos soluciones en
2n < r(n) < R(n) <
Si adems nos jamos en el signo de
r0 ,
r(n)
R(n)
para
entero, con
p
(2n + 1)
vemos que cualquier trayectoria que
est entre dos circunferencias acaba cayendo en las trayectorias rojas, que son
atractoras. Las verdes son repulsoras.
Podramos modicar el sistema eliminando la parte lineal, de tal forma que
tendramos como puntos crticos las circunferencias de radio
k ,
con
k N.
Si passemos a coordenadas polares tendramos que
r0 = r sin r2
0 = 0
. El ngulo es constante, luego las trayectorias van a ser semirrectas que parten
del origen.
168
UAM - 2013/2014
8-Ej7-B
Figura 8.25: Vista grca del sistema
8.4.2. Caso de estudio: epidemia de gripe

Vamos a ver un ejemplo interesante: una epidemia de gripe. La enfermedad
tiene una infeccin rpida en corto espacio de tiempo, por lo que consideramos
poblacin constante, y adems es una informacin no mortal.
Consideramos tres funciones:
S(t)
individuos sanos,
E(t)
enfermos y
C(t)
cu-
rados (que no se pueden volver a infectar).

El nmero de individuos sanos disminuir con el aumento de los contagios,
que se ser directamente proporcional al nmero de encuentros entre individuos
sanos y enfermos. Una buena manera de medir esa probabilidad de contacto es el
producto, as que nos quedara la ecuacin
S 0 (t) = S(t)E(t)
Con los individuos enfermos, su poblacin aumenta al mismo ritmo que disminuye la poblacin de individuos sanos, y adems disminuye de forma proporcional
al nmero de curaciones, lo que nos da las dos siguientes ecuaciones:
E 0 (t) = S(t)E(t) E(t)

y
C 0 (t) = E(t)
Adems denimos la poblacin total como
sustituimos vemos que es constante:
T (t) = S(t) + E(t) + C(t),
que si
T (t) = T0 .
Aunque al principio veamos que era un sistema en dimensin 3, realmente la

ltima ecuacin no nos importa mucho: tendremos en cuenta slo las dos primeras.
Tambin normalizaremos para hablar de porcentajes y de poblaciones entre 0 y 1:
S
S =
T0
E
E =
T0
C
C =
T0
Estudiamos el sistema
S 0 = SE
E 0 = E(S )
(S0 , 0).
cualquiera (S0 , 0)
, que tiene como puntos crticos la recta

Tomamos un punto crtico
llegamos a la matriz
169
y vemos qu pasa. Linealizando
UAM - 2013/2014
0
S0
0 S0
Calculando autovalores vemmos que son
(1, 0)
(S0 , (S0 ))
1 = 0 y 2 = S0 con autovectores
respectivamente. Si nos jamos, el primer autovalor es
coherente con el hecho de que los puntos crticos no sean aislados: si nos movemos
en horizontal tenemos otros puntos crticos al lado.
8-Epidemia
Figura 8.26: Soluciones aproximadas del sistema que modeliza una epidemia.
, entonces 2 > 0. En
0. Luego si S0 es grande, la trayectoria sale del
En cuanto al segundo autovalor, vemos que si

caso contrario, tendramos
2 <
S0 >
punto crtico, y si es pequeo la trayectoria sale. Si hacemos el anlisis de isoclinas
0
(imagen 8.4.2, vemos que cuando S0 =
tenemos que E = 0.
Cuando tenemos muchos individuos sanos, la tasa de contagio es alta, los infectados crecen y luego acaban bajando. Adems, nos damos cuenta que cuando
hay pocos individuos sanos (esto es, muchos curados o vacunados), la enfermedad
siempre remite. Es decir, que no hace falta vacunar al
100 %
de la poblacin: con
un porcentaje sucientemente alto, la epidemia siempre remite.

Qu cambiara si la enfermedad fuese mortal? Tendramos una tasa de variaC 0 = ( )E , donde es una constante relacionada con la tasa
cin de curados
de mortalidad. No podramos trabajar con poblacin constante, pero el sistema

tendra ms o menos el mismo comportamiento.
8.4.3. Caso de estudio: invasin zombie

Vamos a estudiar un caso ms pesimista: una invasin zombie. Tenemos tres
clases:
S, Z, M ,
sanos, zombies y muertos respectivamente. Las ecuaciones seran,
para la variacin de sanos:
S 0 = SZ S
donde
es la diferencia es mortalidad y natalidad, y
la tasa de individuos que
mueren por encuentros con zombies.

La variacin de zombies es
Z 0 = SZ + M SZ
, con
el porcentaje de zombies que resucitan y
mueren por accin de los sanos.
170
el nmero de zombies que
UAM - 2013/2014
Por ltimo, la variacin de muertos es
M 0 = S + SZ M
con las constantes de antes.
Suponemos que el perodo de tiempo es corto y
es
0:
no nace ni muere nadie
por razones que no sean las que hemos dicho.

Al igual que en el anterior caso, la poblacin total es constante y podemos
normalizar. Los puntos crticos son de dos tipos:
que o bien todo el eje
o todo el eje
(S0 , 0, 0)
(0, Z0 , 0).
Es decir,
son puntos crticos, aunque teniendo
en cuenta que hemos normalizado slo nos interesa la interseccin con el plano
S + Z + M = 1,
esto es, los puntos crticos son
(1, 0, 0)
(0, 1, 0).
Hacemos el mtodo de linealizacin. La matriz de derivadas es
z
s
0
)z
(
)s

z
s
En
(1, 0, 0),
tenemos
0 ( )
0
()+
. Si > , tenemos que la parte real de los
2
autovalores es positiva, luego es inestable. En el caso del punto crtico (0, 1, 0), su
, con autovalores
parte real es negativa, luego es estable. Por lo tanto, el resultado es extincin de

los individuos sanos.
8.4.4. Caso de estudio: Sistema de Lorentz y caos

El sistema de Lorentz era
x0 = (y x)
y 0 = Rx y xz
z 0 = xy bz
La historia de este sistema est relacionada con el teorema de Poincar-Bendixson.
En dimensin dos, las trayectorias acotadas que no caan a puntos crticos se
roscan
en-
alrededor de trayectorias cerradas.
Todos esperaban que esto tambin se aplicase a dimensin 3, pero el sistema

de arriba, creado por Lorentz para tratar de modelizar el clima, demostr que no
ocurra. Las trayectorias, que se quedaban acotadas, no caan a puntos crticos
171
UAM - 2013/2014
pero tampoco caan a trayectorias cerradas. Por mtodos numricos, se vio que se
agrupaban alrededor de una supercie que no era solucin del sistema: el
extrao de Lorentz.
atractor
Adems, este sistema era muy sensible a cambios. Los teoremas de existencia,
unicidad y continuidad respecto a los datos daban garanta de que las soluciones
se mantenan prximas. Eso s: siempre que el tiempo estuviese acotado. Segn
avanza el tiempo, las soluciones pueden divergir signicativamente.
172
A.
UAM - 2013/2014
Algunos problemas clsicos
A continuacin vamos a abordar un el problema de la catenaria y lo solucionaremos aplicando alguna de las tcnicas de integracin estudiadas.
Figura A.1: Curva catenaria
Ejemplo (Problema de la catenaria):
El problema de la catenaria trata
de encontrar una expresin para la curva que describe una cadena que cuelga de
dos puntos (ver
Figura A.1). Para encontrar esta expresin, vamos a estudiar
slo un trozo de la cadena, que en la gura se muestra de color negro oscuro.

Para que la seccin de cadena est en equilibrio, tiene que haber dos fuerzas
que la sujeten por los puntos
En el punto
B.
tenemos el vector
T,
que tiene que tener la direccin de la
tangente a la curva. Denotaremos como

como
Ty
Tx
a la componente horizontal y
a la componente vertical.
La componente
Ty
tiene que contrarrestar al peso del segmento de cadena,
que viene dado por el producto entre su densidad y su longitud. La densidad

R x 0
(s) ds, donde x es la primera
la denotaremos por y la longitud es
0
174
UAM - 2013/2014
A yR p
es la parametrizacin
x
ser
1 + (y 0 (ds))2 ds.
0
coordenada de
tanto el peso
En el punto
rreste a
de la curva
= (x, y(x)).
Por
el segmento ha de ser sujetado por una fuerza que contra-
Tx .
Tenemos entonces los siguientes datos:
Tx = T cos() = T0R(Tensin)
xp
Ty = T sin() = 0 1 + (y 0 (ds))2 ds
tan() = y 0 (x)
Dividiendo la segunda expresin por la primera:
sin()
=
cos()
T0
1 + (y 0 (ds))2 ds
Utilizando la tercera:
y (x) =
T0
0
1 + (y 0 (ds))2 ds
Derivando para que desaparezca la integral:
y 00 (x) =
p
1 + (y 0 (x))2
T0
Tenemos una ecuacin de segundo orden, que sabemos convertir en un sistema

de dos ecuaciones de primer orden:
con los datos
p(0) = 0
y0 = p
p0 (x) =
y(L) = H
T0
p
1 + p2 (x)
donde
A = (L, H).
estamos ante una EDO separable:
p0 (x)
p
=
T0
1 + p2 (x)
Integrando ambos trminos:
Z
0
p0 (s)
p
ds =
2
T0
1 + p (s)
175
ds =
0
x
T0
Notamos ahora que
UAM - 2013/2014
(
Realizando el cambio de variables
obtenemos
p(x)
p(s) = u
p0 (s)ds = du
du
= x
T0
1 + u2
Para resolver esta integral se puede usar que
cosh2 (z) = 1 + sinh2 (z)
y realizar
un cambio de variables. Tenemos entonces que
ln( 1 + p(x) + p(x)) = x

T0
Tomando exponenciales y despejando
llegamos a que
e T0 e T0
y0 = p =
2
= sinh(
x)
T0
Integrando de nuevo llegamos a la solucin:
y=
T0
cosh( x) + C
T0
donde podemos obtener la constante utilizando los datos ya proporcionados.
Figura A.2: Puente Colgante
176
Ejemplo:
UAM - 2013/2014
En el ejemplo anterior, hemos visto el problema de la caternaria.
Cambiemos algunas hiptesis iniciales:

Supongamos que ahora tenemos un puente colgante y queremos averiguar
una expresin para la curva que describe la cadena que sujeta la calzada.
La calzada se sujeta con cuerdas cuyo peso es despreciable.
Para la resolucin de este problema, el mtodo a seguir es el mismo que en el
ejemplo anterior. Sin embargo, ahora la componente
Ty
no tiene que sujetar el
peso de la cuerda, sino el peso del puente, que es en este caso el producto de su
densidad
y su longitud
x.
(Ver
Figura A.2).
Tenemos entonces
Tx = T cos() = T0 (Tensin)
Ty = T sin() = Cx
tan() = y 0 (x)
De donde obtenemos que
y0 =
C
x Por lo que la solucin es
T0
y=
C 2
x +D
2T0
Ejemplo: Supongamos que se tiene una cortina colgada de dos extremos. En

este caso, al contrario que en el ejemplo anterior, el peso se distribuye por todo
el rea encerrada bajo la curva de la cortina. Por tanto, la ecuacin diferencial
obtenida ser
c
y =
T0
0
de donde obtenemos
y 00 =
Basta con tomar
y0 = p
y(s)ds
0
c
y
T0
p
y 00 = p y
Obtenemos entonces que
p
c
= y
y
T0
Integrando ambos trminos tenemos
1 2
c 2
p (y) =
y +D
2
2T0
177
UAM - 2013/2014
y =p=
c 2
y +D
T0
obteniendo as una EDO de primer orden.
Figura A.3: Curva braquistocrona
Ejemplo (Braquistocrona I):
El objetivo de este problema es encontrar
la expresin de la curva en la que el tiempo de descenso es mnimo al soltar un

cuerpo que se deslice por ella (Ver
Figura A.3).
Vamos a parametrizar la curva en funcin del tiempo, de modo que obtenemos
(t) = (x(t), y(x(t)))

y
0 (t) = (x0 (t), (x(t))x0 (t))
x
r
0 0
(t) = x (t) 1 + ( y (x(t)))2
x
Aplicando unos pocos conocimientos fsicos notamos que la energa cintica
ha de ser igual a la potencial, pues despreciamos el rozamiento. Tenemos entonces
p
1 2
mv = mg(y) = v = 2gy
2
178
UAM - 2013/2014
Igualando estas dos expresiones para la velocidad llegamos a la expresin
y
1 + ( x
x(t))2 0
x (t) = 1
2gy(x(t))
Ahora integramos ambos trminos entre
y
1 + ( x(t)
x(t))2
2gy(x)
0
y realizamos el cambio de variable
integracin son ahora
0 y T , siendo T
el tiempo de llegada
x0 (t) = T
x(t) = x. Tenemos entonces que los lmites de
xB .
xB
y
1 + ( x
x)2
dx = T
2gy(x)
Como resultado de lo anterior, tenemos una funcin que indica el tiempo de

llegada al punto de destino. Como hemos dicho al inicio, el objetivo es minimizar
ese tiempo. Por tanto, buscamos el mnimo de la funcin
xB
Z
T (y) =
0
y
1 + ( x
x)2
dx
2gy(x)
xB
Z
T (y) =
F (y,
0
y
)dx
x
xB
Z
T (y) =
F (y, p)dx
0
Esta funcin toma una funcin y devuelve un nmero, por lo que es dicil de
manejar. Si denimos
T (y + ) = g()
siendo
la solucin del problema y
una funcin que pertenezca al conjunto
A = {f : [0, xB ] R : f C 1 , f (0) = 0, f (xB ) = 0}

tenemos que
g(0)
es un mnimo de
T (y).
Tenemos entonces
Z
g() =
xB
F (y + ,
0
179
(y + )dx
x
xB
+
)dx
x
x
0
0
un punto crtico de g , tenemos que g (0) = 0
Z xB
g 0 (0) =
(0) =
F (y + ,
+
)dx = 0
x
x
0
Z xB
F
F
0
g (0) =
+
dx = 0
y
p x
0
g() =
Como
es
UAM - 2013/2014
F (y + ,
Integrando el segundo trmino de la integral por partes, llegamos a que
xB
g (0) =
(
0
F
F
)dx = 0 A
y
x p
Tenemos entonces la EDO
F
F
=0
y
x p
Multiplicando a ambos lados por
y
x
y F
(F
=0
x
x p
y F
F
= cte
x p
Retomando la funcin
denida anteriormente tenemos y realizando los
clculos necesarios para sustituir en la EDO tenemos
p
1 + (y 0 )2
1
1
y0

y0 p
=C
2y y
2y y 1 + (y 0 )2
Tras varias operaciones de simplicacin obtenemos
y =
1
2gc2 y
y(xB ) = yB
Tras resolver este problema, que se deja como ejercicio para el lector, se
obtiene una curva cicloide.
Indicacin: Denotar
k=
1
2gc2
y realizar, a la hora de integrar, el cambio de variables

1 + tan2 (x(=
180
1
cos2 (x)
UAM - 2013/2014
Figura A.4:
Ejemplo (Braquistocrona II):
Otra forma de resolver el problema de la
braquistocrona es aplicando resultados sicos de la ptica. Segn la ley de Snell,

cuando la luz pasa de un medio a otro, se cumple que
sin(2 )
sin(1 )
=
v1
v2
Si dividimos el espacio en bandas horizontales de longitud
cada banda est la tangente a la curva (Ver
en las que en
Figura A.4), tenemos la relacin
sin(2 )
sin(1 )
=
= ...
v1
v2
Cuando
h0
tenemos que
sin()
v
= cte
por lo que obtenemos
sin()
=C
2gy
Sabiendo que
tan( + 2 ) = y 0 ,
con la ecuacin anterior obtenemos una EDO
que satisface la curva.
181
UAM - 2013/2014
ndice alfabtico
Aplicacin contractiva, 29
para hallar la envolvente, 19

para hallar la familia ortogonal
Bandas de monotona, 27
(coordenadas cartesianas), 22
para hallar la familia ortogonal
Centro
(coordenadas polares), 25
estable, 140
para obtener el factor integrante,
Condicin, 103
46
Convergencia
para resolver ecuaciones exactas,
uniforme, 99
43
Criterio
para resolver ecuaciones lineales
de Chetaev, 159
de primer orden, 49
Ecuacin diferencial ordinaria, 4
para resolver una EDO de
autnoma, 26
Bernouilli, 51
de variables separadas, 12, 37
para resolver una EDO de
en forma explcita, 4
variables separadas, 38
en forma implcita, 4
para resolver una EDO
homognea, 38
homognea, 40
orden, 4
Matriz fundamental, 59
Envolvente, 18
Norma, 102
Espacio mtrico, 28
completo, 28
Poligonales
Exponencial de una matriz, 57
de Euler, 97
Factor integrante, 43, 44
Polinomio caracterstico, 76
Familia de curvas
Problema de
valores de contorno, 10
auto-ortogonal, 24
valores iniciales de Cauchy, 10
Foco
Punto, 129
estable, 141
asintticamente estable, 145
inestable, 140
crtico estable, 144
Funcin
de Liapounov, 152
Regin
Funcin continua de Lipschitz, 29
simplemente conexa, 165
Funcin homognea, 38
Sistema
Integral, 131
hamiltoniano, 131
Isoclinas, 16
Sistema lineal homogneo, 53
Iteradas
Sucesin, 102
de Picard, 96
Mtodo
Trayectoria
182
UAM - 2013/2014
heteroclnica, 148
de constantes, 84
Variacin
Wronskiano, 55
183

Ecuaciones Diferenciales Ordinarias Notas No Exentas de Errores

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Ecuaciones Diferenciales Ordinarias Notas No Exentas de Errores

Caricato da

Copyright:

Formati disponibili

Ecuaciones Diferenciales Ordinarias

Notas no exentas de errores

Ecuaciones diferenciales ordinarias

Envolvente de una familia de curvas . . . . . . . . . . . . . . . . . .

Familias de curvas ortogonales . . . . . . . . . . . . . . . . . . . . .

Primer teorema de existencia y unicidad local

4. Algunos mtodos de integracin

EDO de variables separadas

Ecuaciones lineales de primer orden . . . . . . . . . . . . . . . . . .

Ecuaciones de segundo orden reducibles . . . . . . . . . . . . . . . .

Algunas ecuaciones clsicas

Ecuaciones de Euler-Cauchy de orden n . . . . . . . . . . . .

5. Sistema lineales de ecuaciones diferenciales

Sistemas lineales homogneos con coecientes constantes

Sistemas lineales no homogneos . . . . . . . . . . . . . . . . . . . .

Mtodo de variacin de las constantes . . . . . . . . . . . . .

Matrices con coecientes T-peridicos . . . . . . . . . . . . . . . . .

6. Ecuaciones lineales de orden superior

Ecuaciones homogneas de orden superior

Ecuaciones homogneas de orden superior con coecientes

Problemas lineales con coecientes constantes

Problemas lineales no homogneos con coecientes constantes

Ecuaciones diferenciales ordinarias

Mtodo de variacin de constantes

Mtodo de coecientes indeterminados

Resumen de mtodos para ec. lineales no homogneas . . . .

7. Teoremas de existencia y unicidad

Anlisis funcional y sucesiones de funciones . . . . . . . . . . . . . .

El espacio de las funciones continuas

Diferenciabilidad con respecto a los datos . . . . . . . . . . . . . . . 111

Resultados de prolongabilidad . . . . . . . . . . . . . . . . . . . . . 113

8. Sistemas autnomos. Plano de fases

Clasicacin de puntos crticos . . . . . . . . . . . . . . . . . . . . . 135

Sistemas con autovalores reales

Sistemas con autovalores complejos

Mtodo de linealizacin . . . . . . . . . . . . . . . . . . . . . . . . . 143

Mtodo directo de Liapounov

Funciones de Liapounov e inestabilidad . . . . . . . . . . . . 157

Ejemplos del criterio de Chetaev

Teoremas de Poincar y Bendixson

Combinacin con el mtodo de Liapounov

Caso de estudio: epidemia de gripe

Caso de estudio: invasin zombie

Caso de estudio: Sistema de Lorentz y caos . . . . . . . . . . 170

A. Algunos problemas clsicos

Ecuaciones diferenciales ordinarias

F (x, y, y 0 , y 00 , . . . , y (n1) , y (n) ) = 0

representa la derivada n-sima de la funcin

es una ecuacin dife-

Por simplicidad de notacin utilizaremos indistintamente

mente supondremos que la ecuacin ser de la forma

F (x, y, y 0 , y 00 , . . . , y (n1) ) = y (n)

mientras que la dada en la denicin

Ejemplo (Problema de la Tractriz):

Supongamos que estamos situados

en el origen de coordenadas, desde el cual arrastramos, en el sentido positivo del

L cuyo otro extremo se

eje de ordenadas, una barra rgida de acero de longitud

a la expresin para la curva que queremos encontrar y al

Como se puede observar en la

Figura 1.1, la barra de acero tiene la direc-

cin de la recta tangente a la curva descrita por el extremo citado y siempre se

Ecuaciones diferenciales ordinarias

Sistemas lineales homogneos con coecientes constantes

Matrices con coecientes T-peridicos . . . . . . . . . . . . . . . . .

Ecuaciones homogneas de orden superior con coecientes

Problemas lineales con coecientes constantes

Problemas lineales no homogneos con coecientes constantes

Mtodo de coecientes indeterminados

Clasicacin de puntos crticos . . . . . . . . . . . . . . . . . . . . . 135

mientras que la dada en la denicin

Denicin: Problema de valores iniciales de Cauchy.

Existen casos en el que los datos proporcionados no se reeren al mismo punto,

Denicin: Problema de valores de contorno.

reeren al mismo punto.