Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
UAM - 2013/2014
ndice
1. Introduccin
2. Familias de curvas
12
2.1.
17
2.2.
20
3. Ecuaciones autnomas
25
3.1.
Diagramas de fases
. . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.
3.3.
Unicidad de soluciones
27
. . . . . . . . . . . .
27
. . . . . . . . . . . . . . . . . . . . . . . . .
32
35
4.1.
. . . . . . . . . . . . . . . . . . . . . .
36
4.2.
Ecuaciones homogneas . . . . . . . . . . . . . . . . . . . . . . . . .
37
4.3.
Ecuaciones exactas
. . . . . . . . . . . . . . . . . . . . . . . . . . .
40
4.4.
Factor integrante
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
4.5.
47
4.6.
4.7.
49
4.6.1.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
4.6.2.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
. . . . . . . . . . . . . . . . . . . . . .
49
4.7.1.
Ecuaciones de Bernouilli . . . . . . . . . . . . . . . . . . . .
49
4.7.2.
Ecuaciones de Ricatti . . . . . . . . . . . . . . . . . . . . . .
50
4.7.3.
50
5.2.
5.3.
51
Sistemas homogneos . . . . . . . . . . . . . . . . . . . . . . . . . .
52
5.1.1.
Independencia lineal
54
5.1.2.
. . . . . . . . . . . . . . . . . . . . . .
. .
56
66
5.2.1.
67
68
71
. . . . . . . . . . . . . .
73
6.2.
6.3.
. . . . . . . . . . . .
. . .
74
76
83
6.4.
UAM - 2013/2014
6.3.1.
. . . . . . . . . . . . . .
6.3.2.
. . . . . . . . . . . .
85
6.3.3.
90
Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
92
83
95
97
7.1.1.
Convergencia puntual . . . . . . . . . . . . . . . . . . . . . .
97
7.1.2.
Convergencia uniforme . . . . . . . . . . . . . . . . . . . . .
98
7.1.3.
. . . . . . . . . . . . . 101
7.2.
Ejercicios
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
7.3.
7.4.
127
. . . . . . . . . . . . . . . . 135
8.1.2.
. . . . . . . . . . . . . . 138
8.2.
8.3.
8.4.
. . . . . . . . . . . . . . . . . . . . . 150
8.3.1.
8.3.2.
. . . . . . . . . . . . . . . 161
. . . . . . . . . . . . . . . . . . 163
8.4.1.
8.4.2.
8.4.3.
8.4.4.
. . . . . . . . . . 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
y (n)
rencial ordinaria de
orden n.
y,
y y(x).
Normal-
forma explcita,
estar en forma implcita.
y diremos que est en
Para entender mejor las ecuaciones diferenciales ordinarias y su utilidad, veamos los siguientes ejemplos:
encontrar una expresin para la curva que describe dicho extremo de la barra al
arrastrarla.
Llamaremos
y(x)
Llamaremos
UAM - 2013/2014
mantiene la distancia
entre
P 0.
(1, y 0 (x))
cuando
= x
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
Z r 2
L
1)dx + C
y(x) = (
x2
Para averiguar
y(L) = 0
(L, 0).
1.2).
Llamaremos
UAM - 2013/2014
Q0 : (x, y(x))
a la
VP t,
VL t
(0, VL t).
Tenemos pues:
Vector tangente:
Recta tangente:
(1, y 0 (x))
(x, y) + (1, y 0 (x))
cuando
= x
(porque
Q = (0, y xy (x))
Q = (0, VL t)
y adems que
VP t =
por tanto
VL t = xy 0 (x)
RDp
1 + (y 0 (s))2 ds
x
Despejando
p = y 0 llegamos a
VP
(y
VL
Vp
xp0
VL
p
1 + p2
Integrando:
VL
1 + p2 + p = eC1 x VT
y por tanto
y0,
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-
UAM - 2013/2014
Caso 1: VL = VP
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
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.
A, B, C,
D.
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
A ser
A = (r() cos(), r() sin()). Por simetra, el punto B tendr la misma expresin
(r sin(), r cos()).
Donde
Obteniendo
y despejando
(
r = r0
r(0) = L2
: r
tenemos
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
mismo punto.
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.
Un problema de valores de
contorno es aquel en el que se presenta una EDO y unos datos iniciales que
no se
Observacin
n.
10
EDO de orden
1.
UAM - 2013/2014
de la forma
y 0 = p (orden 1)
F (x, p, p0 , . . . , p(n2) ) = p(n1)
(orden n-1)
n 1. Iterando n 2 veces
n EDO de orden 1.
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))
Sabemos que
x, y .
Por tanto
Figura 1.5).
(1, y 0 (x))
(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
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
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
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
2.1).
Figura
aex+b
con
constantes.
es el
propio eje. Vemos que si escogemos un punto que no pertenezca a dicho eje es
13
UAM - 2013/2014
Ejemplo:
y0 = x + y
forma x + y = c
y0 = x + y
Analicemos la EDO
c. En la Figura
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
Figura 2.3
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
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
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
las soluciones es constante. En general, para una EDO de orden 1, las isoclinas
vienen dadas por
F (x, y) = c
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
x [
, ].
2 2
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.
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
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
x2 + y 2 = 2(x + yy 0 )x.
Ejemplo:
2
f (x) =
x2
4
Figura 2.7
a
a2
y x+
=0
2
4
Hemos construido una familia de rectas tangentes a una parbola. Se dice que
la parbola es la
18
UAM - 2013/2014
F (x, y, c) = 0.
Llamemos
Q = (xq , yq )
la curva y su envolvente.
En la
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.
Divi-
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
19
donde
F (x, y, c) = 0
UAM - 2013/2014
F (x, y, c) = 0
F (x, y, c) = 0
c
envolvente.
Pongamos en prctica lo aprendido con un ejemplo:
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
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 ]
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
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
y=
V2
g 2
x
2g
2V 2
Motivacin:
Sea
z = g(x, y).
g.
21
Familia ortogonal
UAM - 2013/2014
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.
f (x, y, c) = 0
y0 (x) =
Para ello basta con sustituir
as la EDO de
Da-
1
g(x, y(x))
y 0 en la EDO de A por
B.
22
1
e
y0
y por y. Obteniendo
UAM - 2013/2014
de curvas ortogonales.
Pongamos el mtodo en prctica con un par de ejemplos:
A = {xy = c : c R}
y su familia ortogonal
y 0 (x) =
A:
y(x)
x
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
23
A.
UAM - 2013/2014
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
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.
es ella misma. Es
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
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
24
UAM - 2013/2014
A.
la forma
r0 =
Basta con sustituir
r0
Sea la
(, c)
en la EDO de
r2
r0
por
r2
y
r0
por
r.
Obteniendo as la
B.
de curvas ortogonales.
Pongamos en prctica el mtodo con un ejemplo:
Ejemplo:
Sea
A = {r = c(1 + cos()) : c R+ }
r
c = sin()
r = c(1 + cos())
= sin()r = r0 (1 + cos())
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
x.
EDO de orden
1.
se puede reducir a un
y 0 (x) = f (y(x))
Las EDO autnomas son un caso particular de EDO que tienen las siguientes
propiedades:
y0 (x)
es solucin
= yc (x) = y0 (x c)
es solucin.
f (c) = 0 = y = c
26
es solucin.
UAM - 2013/2014
de la EDO
y(x)0 = f (y(x))
f 6= 0.
a tal
y,
que
siendo
a es
continua.
tenemos que
y 0 (x) 0
por ser
y 0 (x) = f (y(x))
entonces
f (y(x)) 0
Usando que
(3.1)
y.
27
(3.2)
UAM - 2013/2014
es la mostrada en la
a
c
son puntos
o entre
Figura 3.2
c
la funcin
y b o a
a, b y c la
la derecha
funcin ni
representa lo descrito
es un punto
estable porque una pequea perturbacin har que volvamos de nuevo a desplazarnos hacia
b.
d : M M R
junto con
28
UAM - 2013/2014
con
M, N
F :
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
x, y, z : z [x, y]:
f (x) f (y) f 0 (z)|x y| < C|x y|
es continua de Lipschitz.
(0, 1) x, y M
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
es
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 .
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
tomando como
2.
que
{yn } X = yn y y X = X
3. Dado que disponemos de una norma en
cia asociada, por lo que tenemos que
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
y (x) =
x0
f (y(s))ds
x0
x
Z
y(x) y(x0 ) =
f (y(s))ds
x0
f (y(s))ds
y(x) = y(x0 ) +
x0
Construimos ahora la aplicacin
como
T (y) = y(x0 ) +
f (y(s))ds
x0
31
UAM - 2013/2014
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
T (y(x)) T (z(x))
<
y(x) z(x)
X
X
por lo que
x0
existe y es nica.
32
Ejemplo:
UAM - 2013/2014
y 0 (x) = 1 y 2 (x)
y(0) = y0
y = 1.
Analicemos el sistema
y0 6= 1
y = 1.
y = 1,
entonces
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.
y 0 = f (y(x)) f (y(x)) 6= 0
y 0 (x)
=1
f (y(x))
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)
F 1 (x) = y(x)
Entonces, si se cumple que:
f (y(x)) 6= 0
monotona.
F 1 (x)
F 1 (x)
es derivable, porque
y(x)
33
y(x).
es derivable.
bandas de
entonces
UAM - 2013/2014
F 1 (x) = y(x),
f (u)
ha de ser continua y
f (u) 6= 0.
y 0 (x) = f (y(x))
y(0) = y0
un punto estacionario:
1. En la
y.
al tener que
respecto a la recta
y=x
Figura 3.4).
Z
lm
yc
34
y0
du
= +
f (u)
UAM - 2013/2014
teniendo as una
2. En la
f.
y=x
Figura 3.6).
y=c
lm
yc
teniendo as
estacionario,
y0
du
=M <
f (u)
tambin es solucin.
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
Ejemplo:
y el dato
y = 1.
Dada la EDO
y0 =
p
1 y2
Analizando el comportamiento en
y=1
Z
lm
y1
4.
y0
du
36
UAM - 2013/2014
f.
y.
G(x)
con un dato
(
Realizando el cambio
F (y)y 0 =
ambos trminos:
x0
y(s) = u
y 0 (s)ds = du
mtodo:
37
UAM - 2013/2014
f.
F (y)y 0 = G(x)
y un dato
y(x0 ) = y0
y(x)
F (u)du =
y0
G(s)ds
x0
Se dice que
F (x, y)
F (x, y) = m F (x, y)
A partir de aqu, proporcionaremos la denicin de ecuacin homognea de dos
formas equivalentes:
es homognea de grado
mismo grado.
38
M, N
0.
son homo-
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
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
z(x) =
z(x) =
y(x)
x
y(x) = xz(x)
Derivando implcitamente:
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.
x2 (1 + ( xy )2 )
1 + ( xy )2
1 + z2
x2 + y 2
=
=
=
y =
y
xy
xy
z
x
0
+y
y 0 = x xy
es homognea de grado 0.
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
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
y(x),
recor-
Con este ejemplo hemos visto un mtodo para resolver ecuaciones homogneas:
y 0 (x) = F (x, y)
con
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)
z0
Construir la EDO
F (z)z
1
x
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
V :
V = (M, N )
Teorema
M
y
N
x
41
Demostracin:
con
UAM - 2013/2014
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
= xy
V
= yx V
M, N C 2 ,
M=
N
y
x
= )
Sea
el campo vectorial
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
N = V : V = (M, N ).
x
V
=
=
42
UAM - 2013/2014
Calcular la funcin
V (x, y)
V (x, y) = (M, N )
V (x, y)
Veamos un ejemplo:
Ejemplo:
1
x
+ 2 y0 = 0
y
y
|{z} |{z}
M
M= 2 =
N
y
y
x
Tenemos entonces que
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
N=
x
y2
V (x, y) =
x
y
+ C 0 (y).
As que
C 0 (y) = 0,
por lo
C(y) = K .
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
Ejemplo:
Sea
xy 2 + nx2 y + (x3 + x2 y) y 0 = 0
| {z } | {z }
M
M
y
N
x
= 2xy + nx2
= 2xy + 3x2
M=
V
x
N =
V
y
respecto
= xy 2 + 3x2 y ,
integrando tenemos
V (x, y) =
x2 y 2
2
+ x3 y + C(y)
V (x, y) =
x2 y 2
+ x3 y
2
es un
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)
Teorema
Si la fraccin
G
(x, y)
y
H
(x, y)
x
H(x, y)
Demostracin:
(x, y)
(x, y)
H(x, y)
=0
y por tanto
= 0 .
Sustitu-
(x)
G
H
(x, y) = 0 H(x, y) + (x)
(x, y)
y
x
0 (x)
=
(x)
G
(x, y)
y
H
(x, y)
x
H(x, y)
x.
45
UAM - 2013/2014
Teorema
Si la fraccin
H
(x, y)
x
G
(x, y)
y
G(x, y)
Demostracin:
(x, y)
(x, y)
G(x, y)
=0
y por tanto
= 0 .
Sustitu-
tambin
(y)
H
G
(x, y) = 0 G(x, y) + (y)
(x, y)
x
y
0 (y)
=
(y)
H
(x, y)
x
G
(x, y)
y
G(x, y)
y,
tenemos que
y.
= ().
= ((x, y)),
Calcular
x, y, .
Calcular
x, y, .
46
Sustituir
UAM - 2013/2014
y
en 4.1.
x
y
Despejar de la ecuacin
0 ()
()
Ejemplo:
= 0 () x
= 0 ()y
= 0 () y
= 0 ()x
= ()
con
= xy .
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
mu.
47
UAM - 2013/2014
= ()
con
= x + y2.
M
y
N
. Obtenemos
x
0 ()
3
=
()
= eC
mu
1
3
C=0
1
(x + y 2 )3
y 0 + P (x)y = Q(x)
donde
P, Q
son funciones de
x.
(P (x)y Q(x)) + y 0 = 0
{z
} |{z}
|
N
M
N
=
y
x
UAM - 2013/2014
= (x) =
=0
P (x) = 0 (x)
de donde obtenemos que
0
= P (x)
=e
P (x)dx
Dada una
y + P (x)y = Q(x)
=e
P (x)dx
Resolver
(P (x)y Q(x)) + y 0 = 0
|
{z
} |{z}
N
Ejemplo:
y0 + y =
(
donde
1
1 + e2x
P (x) = 1
Q(x) = 1+e1 2x
=e
P (x)dx
= ex
(ex y)0 =
que es
e
1 + e2x
e y=
ex
1 + e2x
y(x) = ex (arctan(ex ) + C)
49
UAM - 2013/2014
F (x, y 0 , y 00 ) = 0
basta con hacer el cambio de variables
y0 = p
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).
y 0 (x) =
= p = y 00 (x) =
p
x
x
y 00 (x) =
p y
p
p=
=p
x
y x
y
p
)=0
y
y 0 + P (x)y = Q(x)y n
donde
P, Q
son funciones de
x.
50
UAM - 2013/2014
Si tenemos que
tenemos que
el cambio de variables
z = y y1
y1
z 0 + (P 2Ry1 )z = Rz 2
que es una ecuacin de Bernouilli.
y = x
Tenemos entonces
y 0 = x1
y 00 = ( 1)x2
.
..
y j) = ( 1) . . . ( j + 1)xj
51
UAM - 2013/2014
Ejemplo:
donde
y nos
x2 y 00 + 5xy 0 + 6y = 0
Tenemos
y = x
y 0 = x1
y 00 = ( 1)x2
Sustituyendo obtenemos
2 + 4 + 6 = 0
que no tiene races reales.
5.
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
~ 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
~ 0 = A(t)X
~ + B(t)
X
donde
es una matriz y
es un vector.
dad global.
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)
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(t0 ) = x01 X1 (t0 ) + x02 X2 (t0 ) + . . . + x0N XN (t0 ) = x01 e1 + x02 e2 . . . + x0N eN = x0
tenemos entonces que
54
UAM - 2013/2014
Si
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)
y(t0 ) = 0.
55
si tomamos el vector
z(t)
UAM - 2013/2014
0
..
z(t) = . ,
0
mismo problema.
Y (t) = ~0,
tenemos que
Observacin
Si disponemos de un sistema no homogneo
XG (t),
tenemos que
X 0 (t) = A(t)X
es el sistema homogneo asociado con solucin general
XP
Sea
Derivando
XG = XP + XH
donde
56
UAM - 2013/2014
XG
XP
XH
X 0 (t) = AX(t)
donde ahora la matriz
Para resolver este tipo de sistemas vamos a presentar dos formas de resolucin,
pero antes deniremos lo que se conoce como
la exponencial de la matriz
exp(A) = In + A +
An
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.
Mtodo 2
Dado un sistema lineal homogneo con coecientes constantes, las soluciones
57
UAM - 2013/2014
Para
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
!
=
es de la forma
A = P DP 1
con
An = P Dn P 1
donde
a dichos autovectores.
En este caso
2 2
n n
2 2
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
nita.
forma
X 0 = AX
y una matriz
(t),
decimos que
(t)
!
x0 (t)
=
y 0 (t)
!
!
1 3
x(t)
= AX
3 1
y(t)
| {z }
A
det
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
!
!
1
1
+ c2 e2t
1
1
X(t) = c1 e4t
X(t0 ) =
x0
y0
para hallar
c1
c2
x0
y0
!
1
+ c2 e2t0
1
= c1 e4t0
!
1
1
!
x0 (t)
=
y 0 (t)
!
!
1 3
x(t)
= AX
3 1
y(t)
| {z }
A
Tenemos que
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) =
a
b
X(0) =
Sol1 Sol2
!
la solucin particular para el problema
Sol1
x(t) =
!
+
Sol2
Sol1
!
+
Sol2
t=0
!
1
=
+
0
!
0
=
1
t=0
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
a
b
la solucin particular
a
(t)
b
En caso
!de proporcionarse un dato en un punto distinto de
c
d
(2) =
0,
por ejemplo
c
(t 2)
d
Observacin
Si
(t)
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
!
.
J=
1 1
0 1
B = {~u, ~v }.
en la base B ,
est
A~u = ~u
62
UAM - 2013/2014
A~v = ~u + ~v
.
Dado que ya tenemos
~u podemos hallar ~v
lo anterior obtenemos
(A I)~u = ~0
(A I)~v = ~u
Multiplicando a ambos lados por
(A I)
(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
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
(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
!
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
(t) =
2 1
1 0
et 0
0 et
1 t
0 1
!
0 1
=
1 2
2tet + et 4tet
tet
et 2tet
Esto puede
Teorema
Demostracin:
Sabemos que
Sea
(t) = e(A+B)t
1 (t) = eAt
2 (t) = eBt
0 (t) = (A + B)(t),
(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
1 (t)
conmutan
Veamos un ejemplo de resolucin de un sistema lineal homogneo con coecientes constantes en la que los autovalores de la matriz son nmeros complejos.
Dado el sistema
!
1
2
X0 =
X
4 6
| {z }
A
= 72 27 i.
v = 1 54 7i
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
UAM - 2013/2014
Dado el sistema
!
1
2
X0 =
X
4 6
| {z }
A
= 72 27 i.
v = 1 54 7
(t) =
5 7i
4
7+ 7i
2
!
exp(
5+ 7i
4
7 7i
2
!
)
5 7i
4
!1
5+ 7i
4
(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)
=
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}
~ ,
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
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
UAM - 2013/2014
XG = XP + X H
donde
XG
XP
XH
(t)
X 0 (t) = A(t)X(t)
Tenemos que
~
XH = (t)C
donde
~
C
~ .
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)
68
Ejemplo:
UAM - 2013/2014
Dado el sistema
!
!
1
2
t
1
X 0 (t) =
X+
3 2
5t + 2
| {z }
|
{z
}
A
2e4t 3et
3e4t
et
(t) =
Tenemos que
~ 0 (t) = 1 (t)B(t)
C
C10
(t)
C20
!
=
t1
5t + 2
XP =
at + b
ct + d
X 0 (t) = A(t)X(t)
en el que
A(t)
T -peridicos,
si denimos
Y (t) = X(t + T )
derivando vemos que
Y (t)
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
x(t) = Aet
obteniendo junto con la segunda ecuacin que
et
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
70
UAM - 2013/2014
Teorema
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
~ = {(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,
71
Ejemplo:
UAM - 2013/2014
Dado el sistema
X 0 (t) =
!
1
0
X(t)
sin(t) 1
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
b(x) = 0
Observacin
Una ecuacin lineal de orden
72
UAM - 2013/2014
y = z1
y 0 = z2
y
.
.
.
n1)
z10 = z2
z20 = z3
.
.
.
0
= zn
= zn zn1
con
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
y(x0 )
y 0 (x0 )
.
.
y n1) (x )
0
(6.1)
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
y1 , y2
Si denimos
son solucin,
yj (x)
R tenemos que
(
y1 + y2 es solucin
y1
es solucin
(6.2)
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) . . . . . . yn (x)
0
y1 (x) . . . . . . yn0 (x)
W (y1 , . . . , yn ) = det
.
.
.
.
.
.
n1)
n1)
y1 (x) . . . . . . yn (x)
74
Demostracin:
UAM - 2013/2014
n = 3,
y1 , y2 , y3
y3
y30
y300
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)
Observacin
Dada una solucin de una ecuacin homognea con coecientes constantes, el mtodo de variacin de las constantes nos permite buscar una solucin independiente.
y 000 + ay 00 + by 0 + cy = 0
75
UAM - 2013/2014
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
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):
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
76
C 000 = 0.
Se deduce que
Ejemplo:
UAM - 2013/2014
Dado el problema
(6.4)
Tenemos que
y1 (x) = x2 sin(x)
y2 (x) = 0
es solucin
(6.5)
es solucin
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
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
constantes encontraremos
y0 (t) = e0 t .
77
UAM - 2013/2014
a + bi es una raz
a bi (por ser el conjugado) tambin es una
(6.6)
Re(z) =
z+
z
2
Im(z) =
z
z
2i
Sistema masa-resorte
Figura 6.1),
sin
kx
0
x(t)
kx.
F = kx
donde
k es una constante que depende del muelle. Por la segunda ley de newton,
mx00 = kx
Podemos transformarla a un problema en derivadas ordinarias
x=0
x00 + m
x(0) = x0
x0 (0) = v0
78
UAM - 2013/2014
2 +
k
=0
m
r
= i
k
m
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
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
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)
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
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
+
+ =
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
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
a pararse.
Tambin querramos ver cuntas veces pasamos por la posicin de equilibrio.
Tenemos que resolver la ecuacin
e(+ )t =
v0 + x0
v0 x0
Segundo caso: = 0
x1 (t) = e 2m t ;
y la solucin general se expresa como
81
x2 (t) = te 2m t
UAM - 2013/2014
x(t) =
x(t) 0,
decir:
+i
+ =
2m
2m
2
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
solucin general
x(t) = Re 2m t cos t
2m
2
Pndulo simple
Figura 6.3
Figura 6.3:
x(t)
UAM - 2013/2014
y aceleracin
mg
83
UAM - 2013/2014
(
)
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
f (t)
XP
(6.9)
XP
c1 = c1 (t)
c2 = c2 (t)
tal que
UAM - 2013/2014
c01 x1 + c02 x2 = 0
c01 x01 + c02 x02 = f
!
!
x1 x2
c01
=
x01 x02
c02
| {z }
!
0
f (t)
x1 , x2 soluciones
A) es distinto de
0.
En un caso general de orden
n,
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
0
et
Podemos elegir
x1
x2
cos t sin t
sin t cos t
|
{z
}
c01
c02
!
=
0
et
t:
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
una exponencial,
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
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
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
A=
1
y
3
B = 0.
Consideramos
x00 + x =
cos t.
En este caso,
f (t) = cos t
La
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=
x00 + 2 x = 0
con el
polinomio caracterstico:
2 + 2 = 0 = = i
y por lo tanto
88
(6.11)
UAM - 2013/2014
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) =
)
)
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: =
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-
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,
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).
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
2 2 < 0.
homognea
xH = e
c1 cos
2 t
+ c2 sin
2 t
xP (t) =
1
2
2
(
)
cos
t
+
2
sin
t
( 2 2 )2 + 42 2
.
La solucin general es entonces
Dado que en
a cero cuando
sumando,
xP ,
estacionaria.
91
UAM - 2013/2014
yp
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
k,
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
k,
entonces
Polinomio y exponencial
f (t) = et (A0 + A1 t + + AN tN )
Si
92
no es raz del p.
UAM - 2013/2014
yp (t) = et (a0 + a1 t + + aN tN )
. si
k,
yp (t) = tk et (a0 + a1 t + + aN tN )
6.4. Ejemplos
Ejemplo:
Consideramos la ecuacin
y 00 + a0 + by = 0
Demuestra que
+ a + b = =
a2 4b
2
y por lo tanto
a
, raz doble. Las soluciones son
2
e+ t
a
t
2
yH (t) 0,
t
y = +
< 0 o bien reales con + < 0.
a > 0, b > 0 tal y como hemos visto al demostrar
con
93
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
P () = 4 + 43 + 82 + 8 + 4 = 0
Sabiendo que
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
P Q
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
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
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) =
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 }
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
(0 (t))2 =
7.
Q(t)
B
(
y 0 = f (x, y(x))
y(x0 ) = y0
podemos hacer una
y(x) = y0 +
f (s, y(s)) ds
x0
.
Hay dos posibles aproximaciones para resolver este problema.
Iteradas de Picard
(
y0 = y
y(x0 ) = 1
.
La primera aproximacin ser
Z
y1 (x) = 1 +
Z
y0 dx = 1 +
1 ds = 1 + x
0
96
UAM - 2013/2014
Z
y2 (x) = 1 +
Z
y1 dx = 1 +
1 + s ds = 1 + x +
0
x2
2
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
x0 n
y(x).
Entonces, para un
x1 = x0 + h,
Taylor
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 .
y(x2 ) y1 + f (x1 , x1 ) h y2
Rehaciendo el proceso, llegamos a una poligonal
Pn
aproximar la curva:
Entonces, deberamos tener que
1 No
de este ejemplo.
97
UAM - 2013/2014
y2
y3
Pn
y1
y0
x
x0
x1
x2
x3
y(x) lm Pn (x)
h0
{fn (x)}nN
lm fn (x) = f (x)?
conjunto de funciones
el lmite
denidas para
n
Hay varias deniciones para ese lmite. La primera es la convergencia puntual:
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
98
UAM - 2013/2014
yn
y2
y1
1
n
1
2
yn
y por lo tanto
mos que existe
lm yn (x) = 0 x [0, 1]
lm
yn (x) dx =
0
1
1
1
n =
n
2
2
Z
lm yn (x) dx =
0 n
0 dx = 0
0
intercambiar
lo tanto esta denicin es muy dbil para lo que buscamos. Tenemos que buscar
una nocin alternativa.
converge uniformemente a
tal que si
n > n0
en el intervalo
entonces
99
UAM - 2013/2014
yn (x) y(x) < x (a, b)
o, dicho de otra forma
sup yn (x) y(x) <
x[a,b]
y(x) +
y(x)
y(x)
yn
y(x)
(negro).
Si volvemos al ejemplo de los tringulos, vemos que siempre tenemos una punta
que se sale fuera de la banda
(, )
para cualquier
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.
Teorema
Sea {fn }nN una sucesin de funciones continuas en (a, b). Si fn converge
100
UAM - 2013/2014
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
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)
Denicin: Sucesin.
uniforme en
(a, b)
{fn } es
n, m > n0
si y slo si
> 0 n0 = n0 ()
tal que si
de Cauchy
entonces
fn (x) fm (x) < x (a, b)
C([a, b])
[a, b].
d (f, g) = kf gk
y por lo tanto tenemos una denicin de convergencia de funciones:
kk
fn
f d (fn , f ) 0
C [a, b];kk
es el espacio de
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
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
Considere-
f (x, y) f (x, z) < L|y z|
y nos jamos slo en la
y en la
z.
Mantenemos
G(y)
H(y).
H(y)
Es decir.
H(y)
f (y)
G(y)
103
UAM - 2013/2014
L,
ya que tiende
Derivable
derivable. Entonces
L.
f 0 (z)
no se va a innito.
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
104
Demostracin:
UAM - 2013/2014
1) T. Aplicacin Contractiva
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
en el
Z
T y = y0 +
f (s, y(s)) ds
x0
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)
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 .
es una
Vamos a ello.
T y(x) y0
f (s, y(s)) ds
x0
Necesitamos que aparezca
y0
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
queda entonces
T y(x) y0 (C0 + LR )h
tomar h
y nos bastar
T y(x) y0 < , es decir,
h<
C0 + LR
h < mn
2) Iteradas de Picard
1
,
C0 + LR LR
Sudo. De hecho
Teorema de Gronwall
Dada una funcin
w(x) h +
k(s)w(s) ds
x0
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)v(x) hk(x)
v(x0 )
Resolvemos aplicando un factor integrante
(x) 0.
Entonces
= 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
107
exp
UAM - 2013/2014
k(s) ds
x0
k(s) ds
x0
w(x) h exp
k(s) ds
x0
w(x) h(x) +
k(s)w(s) ds
x0
con
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.
(
(
y 0 (x) = f (x, y(x))
z 0 (x) = f (x, z(x))
,
y(x0 ) = y0
z(x0 ) = z0
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
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)
Rx
y(x) z(x) |y0 z0 | e x0 LR dS = |y0 z0 | M
donde
7.2. Ejercicios
Ejemplo:
cesiones de funciones.
109
1.
fn (x) = xn xn+1
2.
fn (x) =
3.
4.
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.
lm xn xn+1 = 0
n
por lo que converge puntualmente.
lm max fn (x) 0 = lm max xn xn+1
n x[0,1]
n x[0,1]
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
fn (x) =
ex
xn
Puntualmente y con
x>1
lm xn ex = 0
lm supfn (x) = lm sup xn ex
n x>1
n x>1
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
fn (x) = xn x2n
q
x+
fn (x) = n
1
n
x
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:
siendo
f (x) = |y|
.
Es trivial ver que para
= 0, 1,
< 1,
tendremos problemas en el 0.
111
UAM - 2013/2014
?
f (y1 ) f (y2 ) T V=M f 0 (z)|y1 y2 | = z 1 |y1 y2 | <
L|y1 y2 |
y entonces debe ser
para
y2 .
(
y 0 = f (x, y)
y(x0 ) = t
.
En realidad, al resolver, obtenemos funciones
y(x, t),
t.
f (x, y) es continua y localmente Lipschitz en un abierto A R2
(x0 , t) A,
y(x, t)
es algo
mejor
que Lipschitz:
y(x, t)
Demostracin:
y(x, t + h) y(x, t)
= lm Ph (x)
h0
h0
h
lm
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
y.
Si seguimos
operando
Ph (x) = 1 +
x0
1
f (s, y(s, t + h)) f (s, y(s, t + h)) ds
h
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
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
(
y 0 = f (x, y)
y(x0 ) = t
, con
A,
con
(x0 , t)
[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 + ] }
[x0 , x0 + max ).
Es
se pare antes,
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
Demostracin:
Llamamos
S { R :
[x0 , x0 + ]}
max = sup S
.
n > 0
podemos encontrar
xn x0 + max n1 , x0 + max
tal que
sn S ,
donde
x0 + max
en
x0 + max
reduccin al absurdo:
Supongamos
En particular
xm
|y(xn ) y(xm )| = y0 +
m>n
xn
Conclusin:
Respuesta:
{xn }
115
UAM - 2013/2014
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)
x0 +max
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.
Caso 1
A (x, b) R,
Tenemos un
(x0 , y0 )
Adems
Supongamos que la
y(x) = y0 +
f (s, y(s))ds x
x0
y(x) y0 |
vertical. Adems, el teorema anterior nos dice que la solucin se sale del conjunto
compacto, con lo que el intervalo maximal llega hasta b.
Caso 2
Supongamos
UAM - 2013/2014
continuas en (a,b)
Z
|y(x)| |y0 | +
x0
B(s)ds +
|A(s)|y(s)| + B(s)|ds = |y0 | +
x0
|
{z
}
A(s)|y(s)|ds
x0
x.
Ejemplo:
y0
= 1;
y2
y0 = y2
y(0) = 1
Z
0
y 0 /s(ds)
=
(y(s))2
1
1x
K = [0, R] [1, 1 + h]
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
= R(h) 0.
Conclusin
Esto nos da
1
0, 4 .
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
y0
Z
0
y(s)
ds =
2/3
y (s)
ds = x
0
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
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
y = x.
y0 6= x0 .
y(1) = 1. Hay que estudiar
y x.
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
w(x)
dt
1
t2/3
w. Pero podemos
F denida como
despejar
funcin
w(x)
dt
1
F (x, w) = (x 1)
t2/3
0
con
F (1, 0) = 0.
Podemos despejar
w(x)?
1
F
= 2/3
w
w 1
= 1 6= 0
(x,w)=(1,0)
w(x)
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
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
y(x) = sin
1+
1x
4
1
sin 1x
,
cuya grca se ve en
[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 ).
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
Ejemplo:
(
y 0 = y 2 + x2
y(0) = 1
x = 0,
(
z0 = z2
z(0) = 1
.
Vemos que la grca de
se mantendr
z 0 < y 0 en
y(x)
z(t) =
1
, y tambin
1t
en t = 1 o incluso
z(x)
y(t)
est contenido en
(0, 1).
Tambin podemos llegar al mismo resultado de otra forma, trabajando con desigualdades. Sabiendo que
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(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 =y
2/3
Considere-
123
y 0.
UAM - 2013/2014
y(0) =
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,
traremos la solucin.
Ejemplo:
(
y0 = y4 + r
y(0) = 0
con
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
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
Tenemos
(
y
y 2
y 0 = 1+x
2 + e
y(0) = 10
(
z
z 0 = 1+x
2
z(0) = 10
acotamos
f
y =
1
y2
1 + 2|y| ey2 1 + 2|y|
+
e
(2y)
1 + x2
2
1+x
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
125
UAM - 2013/2014
z0
1
=
1 + x2
x z
x
= arctan s
log z(s)
s=0
s=0
y
1 + x2
0
1
y
>
y
1 + x2
y(x) > 10earctan x = z(x)
y0 >
Pasamos a
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
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
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) =
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
0
Metiendo ah la estimacin de
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 <
arctan x
u(x) = e
e arctan s d
0
. Si derivamos,
earctan x
u =
1 + x2
0
0
u =
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
8.
cosas de la forma
(
x0 = a11 x + a12 y
y 0 = a21 x + a22 y
128
UAM - 2013/2014
(
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
la variable
t,
sern
dato inicial.
En vista de este resultado, normalmente interpretaremos las soluciones
(t),
(x(t), y(t)) =
x00 + kx = 0.
(
x0 = y
x0 = kx
, que nos daba una solucin explcita
x(t) = 0, y(t) = 0
F (a, b) = G(a, b) = 0.
estabilidad.
rradas.
trayectorias ce-
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
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.
130
UAM - 2013/2014
(
x0 = F (x, y)
y 0 = G(x, y)
, llegamos a la siguiente denicin:
(
x0 = yH (x, y)
y 0 = xH (x, y)
H(x, y) = C .
sistemas hamiltonianos.
0=
E(x, y) = C ,
entonces
E 0 E 0 E
E
x +
y =
F+
G
x
y
x
y
E (F, G)
o, lo que es lo mismo,
E k (G, F ).
E V.
F
G
=
y
x
(G, F ) = V
para un potencial
V,
Ejemplo:
(
x0 = y
y 0 = 1 + x2
E(x(t), y(t)) = C
que cumple
E (y, 1 + x2 ) = E(1 + x2 , y)
6Y
y entonces podremos
lloras. Mucho.
131
UAM - 2013/2014
(1 + x2 , y)
x+
como
x3
3
V ,
y2
.
2
el gradiente de
(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
Ejemplo:
UAM - 2013/2014
(
x0 = x(1 + y)
y 0 = y(1 + x)
(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.
a,
que
x0 = ax
.
Con predadores, la ecuacin se transformara en
x0 = a(y)x
, con
y.
Si consideramos que
a(y)
es
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.
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 + ),
a c+
,
b
d
( a a + , c
, un punto ms abajo y
E(x, y) = C .
Las derivadas cruzadas no son iguales, por lo que hay que buscar
un factor integrante
(x, y)
tal que
V =
(x, y) =
1
. La solucin es entonces
xy
1
1
c
a
(xy dxy), (ax bxy) =
d, b
xy
xy
x
y
134
UAM - 2013/2014
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
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
con
a, b, c, d R,
(
x0 = ax + by
y 0 = cx + dy
linealizacin
(0, 0)
a b
c d
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.
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
v,
y si es
B = 0.
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.
u + Be2 t
v
= Ae1 t
para tener
!
x(t)
= e1 t A
u + Be(2 1 )t
v
y(t)
.
= e2 t Ae(1 2 )t
u + B
v
y(t)
.
As, cualquier trayectoria en este caso acabar siendo paralela al vector
Las trayectorias salen del origen tangentes a
paralelas a
v.
y cuando
v.
(cuando
A = 0).
8-ABNoCero
Figura 8.5: Posibles soluciones (en azul) para
positivos.
!
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.
vienen
B = 0,
A, B 6= 0,
lejos
y paralelos a
direccin de
v,
u.
Cuando
NN oCero
A 6= 0, B 6= 0.
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 )),
DobV I
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
.
Si sacamos factor comn, veramos que cuando
origen y
explota
8-ABA V
DobN oV I
cuando
t +.
t ,
u1 + iv1
u2 + iv2
1 = + i
u1 + iv1
z 2 (t),
el conjugado de
z 1 (t)
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 =
!
x(t)
= et (AJ + BK)
y(t)
Caso 2.1: = 0
Tanto en
como
+ by = 0)
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.
t.
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
Ejemplo:
x0 = 4x + 2y
y 0 = x + 2y
4 2
1 2
(0, 0)
es el
!
cuyo determinante es distinto de
2
0=
= (4 )(2 ) 2 = 2 6 + 6
2
1
Los autovalores son por tanto
36 24
=3 3
2
4 2
1 2
u1
u2
!
= (3 +
u1
3)
u2
~u =
1+ 3
2
~v =
1 3
2
141
nodo inestable.
UAM - 2013/2014
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:
x0 = 4y
y 0 = x + 4y
4
0=
= 2 4 + 4
1 4
=
16 16
=2
2
(doble)
0 4
1 4
u1
u2
!
=2
u1
u2
~u =
4u2 = 2u1
u1 + 4u2 = 2u2
!
2
1
142
Tangente (0, *)
UAM - 2013/2014
x0 = 0 y = 0
y 0 = x + 4y
Tangente (*, 0)
dibujito
y 0 = x
Autovalores reales
0 < 1 < 2
Nodo inestable.
1 < 0 < 2
Silla (inestable).
1 < 2 < 0
1 = 2 > 0
1 = 2 < 0
Autovalores complejos
un giro, donde la parte real indica si la grca se abre o se cierra. Si los autovalores
son de la forma
= i
>0
=0
Centro estable.
<0
Observacin 1
>0
=0
Estabilidad parte real de los autovalores
<0
Observacin 2
Estabilidad sensible bajo permutaciones: A, B, C
Diagrama
inestable
estable
asintoticamenteestable
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
T2
)
2
Segn las relaciones que haya entre el determinante de la matriz y su traza
(
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 >
D=0
estamos en el eje
T,
que
(
x0 = F (x, y)
y 0 = G(x, y)
y slo si
144
UAM - 2013/2014
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
F (x, y) = F (x0 , y0 ) +
G(x, y) = G(x0 , y0 ) +
F
(x0 , x0 )
x
G
(x0 , x0 )
x
(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
(8.1)
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
(0, 0),
(0, 0)
(1, 1).
Hace-
145
linealizado en
UAM - 2013/2014
(0, 0):
F
(0, 0)
x
G
(0, 0)
x
F
(0, 0)
y
G
(0, 0)
y
(1, 1).
(8.3)
(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 ,
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
a b
c d
6= 0
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)
(12, 6).
(
x0
y0
= x(2 x y) = F (x, y)
= y(3 y 2x) = G(x, y)
F
x
G
x
F
y
G
y
!
=
2 2x y
x
2y
3 2y 2x
147
(0, 0)
UAM - 2013/2014
(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
Las
(
x0
y0
, lo que nos da los puntos crticos
= y(x 2)
= x(y 2)
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-
(2, 2)
tenemos autovalor
=2
(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
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),
(x(t), 2)
(2, y(t)),
Vuelta al pndulo
sin x ' x. Ahora vamos a olvidar esa parte y vamos a estudiar el problema
, y con
de sistema:
impar ser
!
0 1
k 0
.
En el primer caso tendremos
= ki
y en el segundo
= k,
lo que nos
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
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.
x00 + f (x) = 0
, que podemos transformar a un sistema
(
x0 = y
y 0 = f (x)
.
E(x, y)
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
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.
Esta ltima frmula nos permite ver cmo son las trayectorias sabiendo slo el
dibujo de
F (x).
f (x) =
k 2
x;
m
F (x) =
k 2
x Ax2
2m
F (x) =
Este mtodo nos permite estudiar sistemas en los que el mtodo de linealizacin
no nos servira.
(
x0
y0
= y x(x2 + y 2 )
= x y(x2 + y 2 )
(0, 0),
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.
siempre positiva o siempre negativa, podremos decir que las soluciones se alejan o
se acercan al punto crtico, respectivamente. En este caso,
UAM - 2013/2014
distancia
(
x0 = F (x, y)
y 0 = G(x, y)
con
(0, 0)
Una funcin
es
C1
E(x, y)
E
F
x
E
G
y
si
(x(t), y(t)).
E(x, y) > 0
(8.4)
(x, y) 6= 0
(0, 0).
E(0, 0) = 0.
0.
Teorema
, adems (0, 0) es asintticamente estable. En este caso, diremos que tenemos una funcin de Liapounov estricta.
(x(t), y(t))
152
en la
Demostracin:
z 0 (t) =
E 0 E 0 E
F
x +
y =
F+
x
y
x
y
Proposicin
1: Estabilidad
que si
UAM - 2013/2014
entonces
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
E
E
F+
G<0
x
y
Si esto es as, entonces
z 0 (t) < 0.
z(t) 0.
Si tenemos
lm z(t) = L 0
t
L > 0.
8-DemLiapounov
Figura 8.19: La trayectoria est
connada en la zona verde
153
UAM - 2013/2014
z (s) ds z(t0 ) +
z(t) = z(t0 ) +
t0
t0
z 0.
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
(0, 0).
y:
E(x, y) = Ax2n + y 2m
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
= 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
Ejemplo:
(
x0 = xy 4
y 0 = yx4
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
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
UAM - 2013/2014
(0, 0) no es un
rectas (x, 0) y (y, 0)
x4 + y 4 = k
, como podemos ver en la gura 8.3.
Demostracin:
aislado. La derivada de
x0 = F (x, y) =
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) =
en funcin de la traza
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
E(x, y) =
1
Ax2 + 2Bxy + Cy 2
2
156
(0, 0).
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
A, B, C
= 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).
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
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
Sustituyendo en (8.5)
(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)
cuando
(2)
sucientemente pequea tendremos que todo eso es menor que cero y tendremos
por lo tanto un punto crtico asintticamente estable en el sistema completo.
s = t,
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
E(
x, y),
con
E
E
(F ) +
(G) < 0
x
y
, es decir, estabilidad asinttica en
(
x, y),
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)
V
y
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
Como
es creciente mientras
(x(t), y(t)) U ,
por lo
A partir de aqu tenemos que demostrar que para cualquier punto de partida
U,
Ahora consideramos
= mn
A
V
V
F+
G
x
y
Z
g(t) = g(0) +
g (s) ds = C +
0
, que para
Dado
V
V
F+
G ds C + t
x
y
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
(
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
)=
(
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
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-
(
r0 = r(1 r)
0 = 1 cos = 2 sin2
0 > 0,
es de-
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
homoclnica (sale de
Pero adems, lo que seran las espirales del ejercicio anterior no pueden cruzar
el semieje positivo de las
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).
162
Ejemplo:
con
UAM - 2013/2014
(
x0 = x + 2y
y 0 = 2xy + y 2
U)
con
que queremos. Esto nos da la primera condicin: tenemos que comprobar adems
que en
V
V
F+
G>0
x
y
en
V
= 2x
x
V
= 2y
y
y operamos
V
x
F+
V
y
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.
cumple
En este sistema,
Comprobar que
163
x=0
no pertenece al conjunto.
que
UAM - 2013/2014
x = 0.
x>y
es
menos
V
x
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)
164
UAM - 2013/2014
Teorema de Bendixson
Demostracin:
D,
entonces
ZZ
(P, Q) d =
+
Elegimos
Q P
dx dy
x
y
trayectoria
cerrada contenida en
Z
(G, G) d =
(G, F ), (F, G) dt =
GF + F G dt = 0
0
trayectoria cerrada.
El hecho de que el conjunto sea simplemente conexo nos vale para que la
frontera de
165
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.
Ejemplo:
x0 = y
y 0 = x + y(1 x2 2y 2 )
(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),
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
Ejemplo:
x0 = x3 y
y 0 = x5
(0, 0)
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,
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.
M =
Qu ocurrira si lo que tenemos son trayectorias que salen del anillo, como en
167
la gura
UAM - 2013/2014
???
Ejemplo:
Consideramos el sistema
, con
0 < < 1.
x0 = x y x sin(x2 + y 2 )
y 0 = x + y y sin(x2 + y 2 )
(0, 0).
Aplicamos
!
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
??
Tendremos soluciones en
r0 ,
r(n)
R(n)
para
entero, con
p
(2n + 1)
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.
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
S(t)
individuos sanos,
E(t)
enfermos y
C(t)
cu-
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:
C 0 (t) = E(t)
Adems denimos la poblacin total como
sustituimos vemos que es constante:
que si
T (t) = T0 .
S
S =
T0
E
E =
T0
C
C =
T0
Estudiamos el sistema
S 0 = SE
E 0 = E(S )
(S0 , 0).
cualquiera (S0 , 0)
169
UAM - 2013/2014
0
S0
0 S0
Calculando autovalores vemmos que son
(1, 0)
(S0 , (S0 ))
1 = 0 y 2 = S0 con autovectores
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
2 <
S0 >
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
cin de curados
S, Z, M ,
S 0 = SZ S
donde
Z 0 = SZ + M SZ
, con
170
UAM - 2013/2014
M 0 = S + SZ M
con las constantes de antes.
Suponemos que el perodo de tiempo es corto y
es
0:
o todo el eje
(S0 , 0, 0)
(0, Z0 , 0).
Es decir,
en cuenta que hemos normalizado slo nos interesa la interseccin con el plano
S + Z + M = 1,
(1, 0, 0)
(0, 1, 0).
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
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-
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
A continuacin vamos a abordar un el problema de la catenaria y lo solucionaremos aplicando alguna de las tcnicas de integracin estudiadas.
de encontrar una expresin para la curva que describe una cadena que cuelga de
dos puntos (ver
B.
tenemos el vector
T,
Ty
Tx
a la componente horizontal y
a la componente vertical.
La componente
Ty
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
Tx .
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
y 00 (x) =
p
1 + (y 0 (x))2
T0
p(0) = 0
y0 = p
p0 (x) =
y(L) = H
T0
p
1 + p2 (x)
donde
A = (L, H).
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
UAM - 2013/2014
(
Realizando el cambio de variables
obtenemos
p(x)
p(s) = u
p0 (s)ds = du
du
= x
T0
1 + u2
y realizar
llegamos a que
e T0 e T0
y0 = p =
2
= sinh(
x)
T0
y=
T0
cosh( x) + C
T0
176
Ejemplo:
UAM - 2013/2014
Ty
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
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
p
c
= y
y
T0
1 2
c 2
p (y) =
y +D
2
2T0
177
UAM - 2013/2014
y =p=
c 2
y +D
T0
Figura A.3).
p
1 2
mv = mg(y) = v = 2gy
2
178
UAM - 2013/2014
y
1 + ( x
x(t))2 0
x (t) = 1
2gy(x(t))
y
1 + ( x(t)
x(t))2
2gy(x)
0
y realizamos el cambio de variable
0 y T , siendo T
el tiempo de llegada
x0 (t) = T
xB .
xB
y
1 + ( x
x)2
dx = T
2gy(x)
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
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 + ,
xB
g (0) =
(
0
F
F
)dx = 0 A
y
x p
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
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
180
1
cos2 (x)
UAM - 2013/2014
Figura A.4:
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
sin(2 )
sin(1 )
=
= ...
v1
v2
Cuando
h0
tenemos que
sin()
v
= cte
sin()
=C
2gy
Sabiendo que
tan( + 2 ) = y 0 ,
181
UAM - 2013/2014
ndice alfabtico
Aplicacin contractiva, 29
Bandas de monotona, 27
(coordenadas cartesianas), 22
para hallar la familia ortogonal
Centro
(coordenadas polares), 25
estable, 140
Condicin, 103
46
Convergencia
uniforme, 99
43
Criterio
de Chetaev, 159
de primer orden, 49
Ecuacin diferencial ordinaria, 4
autnoma, 26
Bernouilli, 51
en forma explcita, 4
variables separadas, 38
en forma implcita, 4
homognea, 38
homognea, 40
orden, 4
Matriz fundamental, 59
Envolvente, 18
Norma, 102
Espacio mtrico, 28
completo, 28
Poligonales
de Euler, 97
Polinomio caracterstico, 76
Familia de curvas
Problema de
valores de contorno, 10
auto-ortogonal, 24
Foco
Punto, 129
estable, 141
inestable, 140
Funcin
de Liapounov, 152
Regin
Funcin homognea, 38
Sistema
Integral, 131
hamiltoniano, 131
Isoclinas, 16
Iteradas
Sucesin, 102
de Picard, 96
Mtodo
Trayectoria
182
UAM - 2013/2014
heteroclnica, 148
de constantes, 84
Variacin
Wronskiano, 55
183