Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Edo
Edo
UNIVERSIDAD DE CHILE
ECUACIONES DIFERENCIALES
ORDINARIAS
Versi
on 2013
AXEL OSSES
Centro de Modelamiento Matem
atico
Departamento de Ingeniera Matem
atica
axosses@dim.uchile.cl
n
Derecho de autor. Prohibida su reproduccio
n
Derecho de autor. Prohibida su reproduccio
n
Derecho de autor. Prohibida su reproduccio
n
Derecho de autor. Prohibida su reproduccio
Indice general
Captulo 1. Nociones b
asicas y metodos elementales de resolucion . . . . . . . . . . .
1. Motivaci
on: leyes fsicas y problemas geometricos . . . . . . . . . . . . . . . . . . . . . .
1.1. Modelamiento de un fenomeno en biologa: la osmosis . . . . . . . . . . . . .
1.2. Modelamiento de una ley fsica: ley de gravitaci
on universal . . . . . . .
1.3. Modelamiento de algunos problemas geometricos . . . . . . . . . . . . . . . . . .
2. Definiciones b
asicas y nocion de solucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3. Resoluci
on de EDO elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1. Integraci
on directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2. Variables separables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3. EDO lineal de primer orden: caso homogeneo . . . . . . . . . . . . . . . . . . . . . .
3.4. EDO lineal de primer orden: caso no homogeneo . . . . . . . . . . . . . . . . . . .
4. Ecuaciones que se reducen a casos elementales . . . . . . . . . . . . . . . . . . . . . . . . .
4.1. Ecuaciones homogeneas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Ecuaci
on de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3. Ecuaci
on de Riccati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4. EDO de segundo orden sin variable dependiente . . . . . . . . . . . . . . . . . . .
4.5. EDO de segundo orden sin variable independiente . . . . . . . . . . . . . . . . .
4.6. Otros casos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1
1
3
4
5
7
8
9
15
17
21
21
24
24
26
26
28
31
31
33
34
36
36
37
37
38
39
39
39
40
43
44
44
46
48
49
50
n
Derecho de autor. Prohibida su reproduccio
6
Indice general
51
55
55
59
63
63
63
65
65
66
67
67
70
70
72
73
73
76
78
78
83
83
86
88
88
88
89
90
90
91
94
n
Derecho de autor. Prohibida su reproduccio
Indice general
n
Derecho de autor. Prohibida su reproduccio
n
Derecho de autor. Prohibida su reproduccio
Captulo 1
Nociones b
asicas y m
etodos elementales de
resoluci
on
1.
Motivaci
on: leyes fsicas y problemas geom
etricos
Las ecuaciones diferenciales ordinarias son identidades que vinculan una funci
on
con sus derivadas. Por ejemplo, si y(t) denota el n
umero de bacterias en una colonia
en funci
on del tiempo1, la ecuaci
on diferencial
y (t) = y(t)
donde es una constante positiva, expresa que el aumento de la poblacion bacteriana, representada por la derivada y , es proporcional a la propia poblacion y, esto
es, mientras mas bacterias hay, mas rapido ellas se multiplican.
La solucion de una ecuaci
on diferencial es una funci
on y no un n
umero, a
diferencia de las ecuaciones algebraicas. En el ejemplo anterior se trata de encontrar
la funci
on y(t): n
umero de bacterias en funci
on del tiempo. Una posible solucion es
la funci
on:
y(t) = y0 et
donde y0 es el n
umero inicial de bacterias en t = 0. Este tipo de soluciones exponenciales aparecer
an recurrentemente en la teora y en la practica.
De hecho, las ecuaciones diferenciales aparecen con frecuencia en muchas ramas
de la matematica, y sirven para plantear y resolver problemas provenientes de la
fsica, la ingeniera, la economa, la biologa y de las ciencias sociales, entre otras
disciplinas.2
Veremos a traves de algunas leyes fsicas y de algunos problemas geometricos
que una ecuaci
on diferencial es una forma simple de reproducir y en el mejor de los
casos explicar una situaci
on real, esto es, al fin y al cabo una forma u
til de modelar.
1.1. Modelamiento de un fen
omeno en biologa: la osmosis. Analicemos el fenomeno de la osmosis, presente en muchos procesos fisiol
ogicos. Consideremos un experimento en que disponemos dos medios de salmuera A y B separados
0
0
por una membrana impermeable en t = 0 con concentraciones iniciales CA
y CB
0
0
con CA < CB . En un instante t > 0 la membrana que los separa se vuelve semipermeable y permite el paso de las moleculas de agua, pero no de las moleculas de
sal disueltas (ver Figura 1). El problema es modelar la evoluci
on de las concentraciones de sal CA (t) y CB (t) en funci
on del tiempo. Se observa experimentalmente
que a medida que el tiempo transcurre, el agua se desplaza a traves de la membrana
1A menudo llamaremos a una funci
on y : R 7 R por y(t) simplemente y su derivada por y
siempre que
esta exista.
2Las ecuaciones diferenciales se conocen tambi
en bajo otros nombres en ciencias e ingeniera
tales como: modelos diferenciales, ecuaciones de evoluci
on, sistemas din
amicos, etc.
1
n
Derecho de autor. Prohibida su reproduccio
2
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
CA0
CB0
CB(t)
CA(t)
t=0
t>0
CB
M
CA
t
Figura 2. Evoluci
on de las concentraciones durante la osmosis
que convergen asint
oticamente al promedio M de las concentraciones de ambos medios.
Si registramos en un gr
afico el logaritmo natural de la diferencia M CA (t)
en funci
on del tiempo, observaremos que la curva experimental se ajusta bien a
una recta de pendiente negativa . Una hipotesis razonable es entonces un ajuste
exponencial de CA (t) a la asntota de ordenada M , en efecto,
ln(M CA (t)) = t + C
CA (t) = M K et ,
n
Derecho de autor. Prohibida su reproduccio
1. MOTIVACION:
LEYES FISICAS Y PROBLEMAS GEOMETRICOS
(1)
Esta funci
on representa un buen modelo de la realidad, ya que se ajusta razonablemente bien a las mediciones experimentales, sin embargo, nos resulta todava
misterioso por que deberamos aceptar este modelo de crecimiento exponencial como
un modelo razonable y no otro modelo diferente, por ejemplo, un ajuste polinomial
por pedazos.
Esto nos lleva a preguntarnos hay alguna ley o principio que explique el
fenomeno de la osmosis? Una idea, que resulta ser fundamental, consiste en estudiar si existe una relaci
on simple entre la concentraci
on CA (t) y su aumento
CA
(t). Derivando (1) obtenemos:
CA
(t) =
=
=
esto es, la relaci
on buscada es:
Ke t
Ke t + M M
(M (M Ke t ))
CA
(t) = (M CA (t)).
(2)
Entonces la solucion (1) satisface (2). Interpretando (2) encontramos una relacion
diferencial simple y comprensible que podemos enunciar como la ley siguiente:
Ley de Osmosis
El aumento de concentraci
on es proporcional en cada instante a la diferencia de concentraci
on entre el promedio
asint
otico de concentraciones y la concentraci
on actual. La
constante de proporcionalidad cuantifica la permeabilidad
de la membrana.
La ley de osmosis representada por la ecuaci
on diferencial (2) provee una interpretaci
on mas intuitiva y profunda del proceso de osmosis. M
as adelante veremos
que (2) tiene como solucion (1). La otra ventaja esta ley es que, aparte de su simplicidad, sirve para modelar por analoga otros problemas similares, como lo es la
ley de enfriamiento o algunos modelos de poblacion, que veremos mas adelante.
Ejercicio Propuesto 1.1. Si en el grafico del experimento de la Figura 2, el
aumento de la concentraci
on en A hubiese resultado con una forma sigmoide (esto es
estrictamente creciente hacia la asntota pero con un punto de inflexion) Que modelo diferencial propondra usted para este fenomeno? Indicacion: averiguar sobre
el modelo de crecimiento logstico.
1.2. Modelamiento de una ley fsica: ley de gravitaci
on universal.
Muchos fenomenos de la naturaleza pueden modelarse a traves de relaciones entre
cantidades y sus variaciones3, esta idea revolucionaria para la ciencia fue introducida en el siglo XVII entre otros por Fermat, Newton y Leibniz. En terminos
3o fluxiones en la terminologa original de Newton, que da la idea de continuo temporal.
n
Derecho de autor. Prohibida su reproduccio
4
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
La aceleraci
on de un planeta es proporcional a la fuerza que sobre el ejerce el sol, cuya magnitud es inversa al
cuadrado de la distancia que los separa.
Esta ley del siglo XVII lleva a dos ecuaciones con dos derivadas de la forma:
y
x
,
y = 2
2
3/2
+y )
(x + y 2 )3/2
donde (x, y) es la posicion del planeta en el plano de origen en el Sol. Estas ecuaciones tienen como solucion elipses en el caso de un solo planeta. En el caso de varios
planetas, en realidad tambien ejercen fuerza sobre un planeta los dem
as planetas y
no solamente el Sol, lo que lleva a orbitas muchsimo mas complicadas y al estudio
posterior de
orbitas caoticas en el siglo XX por Poincare entre otros4.
El movimiento de los planetas hace parte de los esos fenomenos en los que
se conoce la ley y por lo tanto las ecuaciones diferenciales que representan dicho
fenomeno, pero no se logra comprender completamente la solucion a dichas ecuaciones. La ley de movimiento en este caso resulta mas simple que el movimiento en
si.5
Este ejemplo nos muestra a dem
as que las ecuaciones diferenciales se pueden
presentar en grupos de dos o mas formando sistemas de ecuaciones diferenciales.6
x =
(x2
n
Derecho de autor. Prohibida su reproduccio
DE SOLUCION
2. DEFINICIONES BASICAS
Y NOCION
Esta ecuaci
on diferencial revela la siguiente propiedad geometrica de esta familia de
par
abolas: la pendiente en cada punto es el doble de la pendiente de la recta que une
el punto con el origen. En general, algunas propiedades geometricas compartidas por
las curvas de una familia pueden conocerse al inspeccionar la ecuacion diferencial
correspondiente.
Tratemos ahora de encontrar la familia G de todas las curvas que intersectan
de manera perpendicular a las par
abolas de la familia F . Esto es, G es la familia
ortogonal a la familia F .
Si la funci
on z G define una de estas curvas entonces z (x)y (x) = 1 para
toda y F y para todo x R siempre que z(x) = y(x), esto es, las curvas se
2y(x)
intersectan en el punto (x, y(x)). Dado que y (x) =
, la ecuaci
on que define a
x
la familia G resulta ser:
x
x
1
=
=
.
z (x) =
y (x)
2y(x)
2z(x)
Notar que reemplazamos y por z pues las curvas se intersectan.
Tratemos de resolver la ecuaci
on diferencial anterior. Esto es, tratemos de encontrar la forma de la funci
on z(x) o mas precisamente, las curvas (x, z). Tenemos
que
2z(x)z (x) = x
2
d
z(x)
= x.
dx
Si integramos a ambos lados de la ecuaci
on obtenemos
x2
+ C,
2
donde C es una constante. Escrito de otro modo, esto es
z(x)2 =
x2
z2
+
= 1.
C
2C
La familia G est
a integrada por todas las elipses que est
an centradas en el origen.
Ejercicio Propuesto 1.3. En la discusi
on anterior, al reemplazar y por z,
x
dado que las curvas se intersectan, se obtiene la ecuaci
on z = 2z
. Por otro lado,
1
que
si hubiesemos reemplazado y por y = ax2 llegamos a la ecuaci
on z = 2ax
es completamente diferente. Convenzace de que no es correcto reemplazar y por
y = ax2 dado que a depende de x por lo que la segunda ecuaci
on no es valida.
2.
Definiciones b
asicas y noci
on de soluci
on
Ahora que ya hemos visto que las ecuaciones diferenciales ordinarias aparecen como una herramienta u
til para modelar fenomenos naturales, veamos algunas
definiciones.
n 1.1. Una ecuaci
Definicio
on diferencial ordinaria (abreviada EDO) es una
identidad de la forma
F (x, y(x), y (x), y (x), . . . , y (n) (x)) = 0,
donde x representa la variable independiente e y una la funci
on inc
ognita, llamada
tambien variable dependiente o soluci
on de la EDO. La funci
on F representa la
n
Derecho de autor. Prohibida su reproduccio
6
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
relaci
on que liga las derivadas de y y la variable x. Se dice que la ecuaci
on es
ordinaria pues se deriva con respecto a una sola variable independiente7.
En algunas situaciones, como en los problemas geometricos, resulta natural usar
x como variable independiente. En otras situaciones, como en los problemas donde
se deriva respecto del tiempo, es mucho mas natural utilizar la letra t. En los primeros captulos hemos escogido arbitrariamente x como la variable independiente,
pero cuando sea apropiado cambiaremos a t.
Consideraremos aqu que F es una funci
on a valores escalares, esto corresponde
a una sola ecuaci
on diferencial. Se puede considerar tambien que F tome valores
vectoriales, pero en este caso se tratara de sistemas de ecuaciones diferenciales que
veremos mas adelante en el Captulo 5.
n 1.2. El orden de una ecuaci
Definicio
on diferencial es el grado de derivaci
on
maximo que aparece en la ecuaci
on que en este caso es el n
umero natural n.
n 1.3. Una EDO lineal de orden n es de la forma
Definicio
(3)
Q(x),
n
Derecho de autor. Prohibida su reproduccio
DE EDO ELEMENTALES
3. RESOLUCION
orden de la EDO
Q(x) = 0
homogenea
Q(x) 6= 0
no homogenea
i, ai = cte
coeficientes constantes
i, ai = ai (x)
coeficientes variables
an = 1
normalizada
Cuadro 1. Clasificaci
on de la EDO lineal
n
X
i=0
3.
Resoluci
on de EDO elementales
9Derivable en el cerrado [a, b] significa derivable en el abierto (a, b) y con derivadas laterales
en a+ y b .
n
Derecho de autor. Prohibida su reproduccio
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
Z x
y (s)ds, x [a, b]
y(x) = y(x0 ) +
x0
Z x
d
f (s)ds = f (x) x [a, b].
dx x0
Integraci
on directa. Consideramos una EDO del tipo
y = f (x).
(6)
Si la funci
on f es integrable (por ejemplo si es continua o continua por pedazos10),
gracias al TFC las soluciones existen y est
an dadas por:
Z
(7)
y = f (x)dx + C,
1
para x 6= 0.
x
dx
+ C = ln(|x|) + C = ln(|x|) + ln(k) = ln(k|x|), k > 0.
x
En el c
alculo anterior hemos reemplazado la constante arbitraria C por ln(k) (donde k = eC > 0) para escribir la solucion de manera mas compacta y sin perder
arbitrariedad. Observemos tambien que el modulo en el logaritmo nos da la primitiva correcta de 1/x cuando x < 0. Como |x| no es derivable en x = 0, se considera
y=
n
Derecho de autor. Prohibida su reproduccio
DE EDO ELEMENTALES
3. RESOLUCION
f (s)ds
y (s)ds =
x0
x0
y(x) = y(x0 ) +
f (s)ds.
x0
Rx
Deteng
amonos aqu para comparar (7) y (8). La funci
on F (x) = x0 f (s)ds en (8)
es una primitiva bien particular de f : aquella que cumple F (x0 ) = 0. Entonces la
constante C en (7) deja de ser arbitraria y se tiene que C = y(x0 ).
En las ecuaciones de primer orden que estudiaremos en este curso, siempre podremos determinar la constante arbitraria si conocemos el valor de la funci
on en un
punto del intervalo12.
y = f (x)g(y).
1
g
y F es una primitiva de
Si queremos una f
ormula explcita para las soluciones debemos despejar y en funci
on
de x en la relaci
on anterior13. Si no se puede despejar y, las soluciones quedan
expresadas de manera implcita o parametrica (ver Ejemplo 1.9).
11Ver Captulo 2 donde se estudia este problema conocido como problema de Cauchy.
12Para ecuaciones de orden n necesitaremos conocer los valores de la funci
on y sus derivadas
n
Derecho de autor. Prohibida su reproduccio
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
10
x2
+ C,
2
de donde
|y| = exp
x2
+C
2
= ke
x2
2
x2
2
dy
cos2 (y)
sec2 (y)dy
x+C
tan(y) =
x + C,
dx + C
n
Derecho de autor. Prohibida su reproduccio
DE EDO ELEMENTALES
3. RESOLUCION
11
3
2
3
2
Ejercicio Propuesto 1.4. Para el problema de Cauchy, vea c
omo funciona
el metodo con integrales definidas. Si se integra entre x0 I y x I a ambos lados
de (9), se tiene que
Z y(x)
Z x
dy
f (x)dx.
=
y(x0 ) g(y)
x0
=
=
1
g
con C = G(y(x0 )) F (x0 ) constante. Compare (10) y (11) como se hizo antes entre
(7) y (8).
En el siguiente ejemplo la solucion queda definida parametricamente.
Ejemplo 1.9 (Braquistocrona). Se denomina as a la forma que debe tener un
alambre para que una argolla que se desliza por el sin roce bajo la accion de la
gravedad de un punto a otro de menor altura y no en la misma vertical, lo haga en
el menor tiempo posible.
El problema de encontrar la curva de tiempo mnimo (braquist
ocrona en latin)
fue propuesto por el matematico suizo Jean Bernouilli en 1696 para desafiar a la
mismo encontro una solucion y otras cuatro
comunidad cientfica de su tiempo. El
soluciones aparecieron debidas a Leibniz, a LH
opital, al hijo de Jean Bernouilli y
una solucion anonima que se atribuy
o luego a Newton. Todas ellas usan ecuaciones
diferenciales y c
alculo diferencial.
Para explicar la solucion que Jean de Bernouilli encontro, hay primero que
explicar la forma continua de la conocida Ley de Snell proveniente de la optica.
Pensemos en un deportista que debe cruzar un ro nadando desde un punto A y
luego una playa de arena corriendo a un punto B, para llegar en el mnimo tiempo
posible de A a B. En el agua nada a velocidad (cosntante) v1 mientras que en la
arena corre a velocidad (tambien constante) v2 con v1 < v2 . La intuici
on nos dice
que debe nadar y correr en lnea recta, pero nadar menos en el agua y correr mas
n
Derecho de autor. Prohibida su reproduccio
12
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
en la arena para minimizar su tiempo. De modo que su trayectoria debiera ser una
lnea quebrada de A a B con vertice en C situado en la interfaz agua-arena. Si a y b
son las distancias verticales de A y B a C y c y x son las distancias horizontales de
A a B y C respectivamente, entonces en tiempo total de la carrera est
a dado por:
p
(c x)2 + b2
x2 + a2
+
T (x) =
v1
v2
Haciendo T (x) = 0 se obtiene la coordenada x (lo que determina el punto C) de
tiempo mnimo
x
cx
= p
v1 x2 + a2
v2 (c x)2 + b2
v = 2gy.
2
Por esta raz
on, Jean de Bernoulli conjeturo la Ley de Snell generalizada siguiente:
sin
= cte
v
donde es el
angulo que instant
aneamente forma la tangente a la curva en la posici
on de la argolla y la vertical. Usando la propiedad geometrica de que la tangente
de /2 es la derivada de y se obtiene que:
1
1
sin = cos(/2 ) = p
=p
2
1 + (y )2
1 + tan (/2 )
2
cte 1 + (y )
= k2 ,
n
Derecho de autor. Prohibida su reproduccio
DE EDO ELEMENTALES
3. RESOLUCION
13
y =
y
Z
Z
y
p
dy =
dx + C.
k2 y
Haciendo y = k 2 sen2 dy = 2k 2 sen cos d obtenemos
Z
k sen 2k 2 sen cos d
= x+C
k cos
Z
2k 2 sen2 d = x + C
Z
1 cos(2)
2
d = x + C
2k
2
sen 2
= x+C
2k 2
2
4
sen 2
C.
x = 2k 2
2
4
k2
( sen ) C
2
k2
y =
(1 cos ),
2
con R. La solucion es una familia de curvas llamadas cicloides. Ver Figura 3.
Digamos para terminar que el trabajo de toda la vida de Jean Bernoulli quedo marx =
0.2
0.4
0.6
0.8
0.5
1.5
n
Derecho de autor. Prohibida su reproduccio
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
14
cado por el estudio de la curva cicloide, lo que quedo plasmado en sus obras completas de 1742 donde aparece su retrato sosteniendo un dibujo de la curva.
Ejemplo 1.10 (El problema de la gota de lluvia). Consideremos una gota de
masa inicial m0 y de densidad constante que cae del reposo y calculemos su masa
en funci
on del tiempo usando el siguiente principio:
Gota de lluvia
Una gota de lluvia que cae por efecto de su peso va aumentando su volumen a medida que captura gotas m
as peque
nas en su superficie inferior. Esto es, a una tasa que
es proporcional a su velocidad de cada y a su superficie
inferior.
Supondremos que i) la gota es esferica, ii) la gota alcanza una aceleraci
on constante,
iii) esta aceleraci
on lmite es menor que la de gravedad. Si el radio de la esfera es r(t)
entonces su volumen es proporcional a r3 y su superficie media a r2 . Si la densidad
es constante, entonces la masa es m(t) es proporcional a r3 de donde despejando r(t)
resulta proporcional a m1/3 . Con esto, suponiendo que y es la distancia recorrida
verticalmente hacia abajo por la gota, la EDO queda:
m (t) = Km2/3 y ,
K > 0 constante.
2/3
Km
m y + my
mg
(y )2 + my
mg
m1/3
g
K(y )2
.
g y
1/3
(y ) + y
y
y (g y )2
3y y
K(y )2
g y
(y )2
= 3
g y
2(g y )y y + y (y )2
= 3
(g y )2
= 6(g y )y y + 3y (y )2
= (g y )(g y 6y ) = (g y )(g 7y ).
n
Derecho de autor. Prohibida su reproduccio
DE EDO ELEMENTALES
3. RESOLUCION
15
Ahora integrando entre 0 y t una vez (y suponiendo que la gota parte del reposo)
se obtiene la velocidad
gt
y = .
7
Reemplazando este valor en la EDO original de la masa se obtiene
gK
t m2/3 ,
7
que es una EDO a variables separables, que podemos resolver:
Z
gK t2
+C
m2/3 dm =
7 2
gK 2
3m1/3 =
t + C.
14
m =
1/3
a0 (x)
, a1 (x) 6= 0 se obtiene:
a1 (x)
y = a0 (x)y.
Presentaremos dos formas de resolucion:
Variables separables: Claramente la funci
on nula y(x) 0 define una soluci
on para esta EDO. Para los valores donde y 6= 0, notamos que la EDO (3.3) es
de la forma y = f (x)g(y) con f (x) = a0 (x) y g(y) = y. As
Z
ln(|y|) = a0 (x)dx + C
Z
|y| = k exp a0 (x)dx , k > 0
Z
y = k exp a0 (x)dx
con k R, incluyendo la solucion nula.
n
Derecho de autor. Prohibida su reproduccio
16
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
0,
((x)y(x))
1
y
cos2 x
y
Z
dy
y
ln(|y|)
y
y sec2 x
Z
sec2 xdx + C
=
=
=
tan x + C
con k R.
k,
con k R.
As, todas las soluciones son de la forma y(x) = kx con k R. De acuerdo con la
condicion inicial, nos interesa que 2 = y(1) = k 1, de donde k = 2. Concluimos que
la solucion del problema de Cauchy es y(x) = 2x.
n
Derecho de autor. Prohibida su reproduccio
DE EDO ELEMENTALES
3. RESOLUCION
17
(12)
a0 (x)
a1 (x) ,
Q(x) =
Q(x)
a1 (x)
y reescribir la
y + a0 (x)y = Q(x).
Si multiplicamos ambos lados de la ecuaci
on por el factor integrante (x) = exp
obtenemos
((x)y(x))
a0 (x)dx
= (x)Q(x)
Z
=
(x)Q(x)dx + C
Z
1
C
+
(x)Q(x)dx.
=
(x) (x)
(x)y(x)
(13)
y(x)
=
=
Z
1
(x)Q(x)dx
(x)
Z
Z
Z
exp a0 (x)dx
a0 (x)dx Q(x)dx
exp
se denomina soluci
on particular (que se obtiene si C = 0). Se habla de la solucion
particular, pero depende de la primitiva que se escoja.
Ejemplo 1.13 (Ley de osmosis). Retomamos el ejemplo de la introduccion
donde estudiamos b
asicamente el movimiento de agua desde una solucion con baja
concentraci
on de soluto (soluci
on A) a traves de una membrana semipermeable
hacia una solucion con alta concentraci
on de soluto (soluci
on B). Si CA (t) es la
0
concentraci
on de soluto que hay en la solucion A en funci
on del tiempo, CA
es la
0
concentraci
on inicial de soluto en A y si CB
es la concentraci
on inicial de soluto en
B, una EDO que modela este fenomeno es:
CA
(t)
0
0
CA
+ CB
CA (t) ,
2
con > 0.
n
Derecho de autor. Prohibida su reproduccio
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
18
0
0
CA
+ CB
= M , se tiene
2
CA
+ CA = M
Z
Z
Z
CA exp
dt + CA exp
dt
= M exp
dt
Introduciendo la concentraci
on promedio
t
CA
e + CA et
CA et
M et
CA et
M et
Z
M et dt + C
CA
Cet + M et
et dt
1 t
e , se tiene que
CA (t) = Cet + M
con C R. El resultado es una familia de curvas (indexadas por el par
ametro C).
Si evaluamos en el tiempo inicial t = 0, se puede encontrar el valor de la constante
0
C 0 CB
0
0
. Por
C, es decir, CA (0) = C + M y CA (0) = CA
. Luego C = CA
M = A
2
lo tanto, la solucion es
0
0
0
C 0 + CB
CA CB
et + A
CA (t) =
2
2
y como
et dt =
n
Derecho de autor. Prohibida su reproduccio
DE EDO ELEMENTALES
3. RESOLUCION
19
T e
+ kT e
Te
kt
kt
T ekt
T
= kTA
= kTA ekt
= kTA ekt
Z
= k TA ekt dt + C
= Cekt + TA
10
9
8
7
6
5
k=3
k =2
3
k =1
2
1
0
0
10
sen(t)ekt dt se obtiene
sen(t)ekt dt
=
=
Z
1
1
cos(t)ekt dt + sen(t)ekt
k
k
Z
1
2
sen(t)ekt dt 2 cos(t)ekt + sen(t)ekt .
2
k
k
k
n
Derecho de autor. Prohibida su reproduccio
20
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
1+ 2
sen(t)ekt dt =
sen(t) cos(t) .
k
k
k
Z
Ak
kt
sen(t)
e
cos(t)
. Por lo tanto (14)
Luego,
A sen(t)ekt dt = 2
k + 2
k
queda de la forma
Ak 2
sen(t)
20
19
18
17
16
0
10
12
Figura 5. Variaci
on de la temperatura del mar T (t) inicialmente con T (0) = 15 frente a una temperatura ambiente TA (t) =
20 + sen(2t) (lnea gruesa). Asint
oticamente, T (t) tiene un desfase
positivo y una amplitud menor respecto de TA (t).
k
y cos =
podemos escribir
Si consideramos sen =
2
2
2
k +
k + 2
Ak
T (t) = Cekt + TA0 +
(sen(t) cos() cos(t) sen()).
{z
}
k2 + 2 |
sen(t)
w
k
Figura 6. Relacion entre , k y .
Ak
kt
0
Finalmente, T (t) = Ce
| {z } + TA + k 2 + 2 sen(t ). Las variaciones de la
yh
|
{z
}
yp
n
Derecho de autor. Prohibida su reproduccio
4. ECUACIONES QUE SE REDUCEN A CASOS ELEMENTALES
21
asint
otica de la temperatura del cuerpo
es menor que la amplitud de variacion de
4.
=
h
g(x, y)
g(x 1, x xy )
xk g(1, xy )
g(1, xy )
x
Una EDO es de tipo homogenea15 si se puede escribir como
y
.
y = h
x
Es f
acil verificar que se trata de una ecuaci
on homogenea. Hacemos el cambio
z = y/x, de donde y = zx e y = z + xz . La ecuaci
on se convierte en
z + xz =
Despejando z obtenemos
z =
1+z
x + zx
=
.
x zx
1z
1 1 + z2
1 1+z
.
z =
x 1z
x 1z
n
Derecho de autor. Prohibida su reproduccio
22
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
=
1 + z2
1 + z2
1
arctan(z) ln(1 + z 2 ) =
2
hacemos
1
x
Z
dx
x
ln |x| + C.
dy
= b sen a.
dt
dy dx
dy
=
. Recordando que cos =
dx dt
dt
n
Derecho de autor. Prohibida su reproduccio
4. ECUACIONES QUE SE REDUCEN A CASOS ELEMENTALES
y
x
p
y sen = p
vemos que
2
2
y +x
y 2 + x2
p
a + b y
y 2 +x2
dy
b sen a
a x2 + y 2 by
=
=
=
.
dx
b cos
bx
b 2x 2
23
y +x
Esta u
ltima ecuaci
on es homogenea. Hacemos el cambio de variable z =
xz + z = y . Recordando que x e y son positivas tenemos que
ap
1 + z2 + z
xz + z =
b
a
z
=
2
bx
1+z
Z
a
dz
=
ln x + C.
b
1 + z2
Reescribimos la constante C como C = ab ln k con k > 0 y obtenemos
p
a
ln(z + 1 + z 2 ) = ln(kx) b
p
a
z + 1 + z 2 = (kx) b
1 + z2
(kx)
2a
b
y
x
2z(kx) b + z 2 .
p
a + a2 x2
y = a ln
a2 x2 .
x
Ejercicio Propuesto 1.8. Si el coyote parte del punto (c, 0), c > 0 con
velocidad siempre en la direcci
on del correcaminos que parte del origen a una
velocidad v en la direcci
on positiva del eje y, encuentre la curva de persecucion del
n
Derecho de autor. Prohibida su reproduccio
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
24
Ecuaci
on de Bernoulli. La ecuaci
on de Bernoulli es de la forma
y + p(x)y = q(x)y n
con n 6= 0, n 6= 1.
1n
=
=
(1 n)q(x)
(1 n)q(x),
(15)
de variables z = P1 z = P
y
obtenemos
2
P
z = M z + ,
de donde
Z s
Z t
Z t
1
1
exp
M (s)ds
+
= exp
M (s)ds (s)ds .
P
P0
0
0
0
Reordenando se obtiene
(16)
P =
P0 M
.
P0 + (M P0 ) exp(M t)
Ecuaci
on de Riccati. La ecuaci
on de Riccati es de la forma
y = p(x)y 2 + q(x)y + r(x).
1
Se realiza el cambio de variable y = y1 + , donde y1 es alguna solucion conocida
z
(por ejemplo f
acil de calcular) de (17). Derivando con respecto a x se tiene y =
n
Derecho de autor. Prohibida su reproduccio
4. ECUACIONES QUE SE REDUCEN A CASOS ELEMENTALES
y1
25
z
y reemplazando en (17),
z2
2
1
z
1
+ r(x)
+ q(x) y1 +
y1 2 = p(x) y1 +
z
z
z
z
y1
q(x)
p(x)
y1 2 = p(x)y12 + 2p(x) + 2 + q(x)y1 +
+ r(x)
z
z
z
z
z
y1
p(x) q(x)
y1 2 = [p(x)y12 + q(x)y1 + r(x)] + 2p(x) + 2 +
z
z
z
z
z = 2p(x)y1 z p(x) q(x)z,
de donde
z + (2p(x)y1 + q(x))z = p(x),
que resulta ser una EDO lineal de primer orden no homogenea en la variable z.
Ejemplo 1.18. Analicemos la ecuaci
on diferencial
y = 2 y + y 2 .
Como se trata de una ecuaci
on de primer orden a coeficientes constantes, es posible
encontrar una solucion constante resolviendo la ecuaci
on algebraica
2 2 = 0,
cuyas races son 2 y 1. Tomemos entonces y1 = 2 como una solucion particular
de la ecuaci
on. Siguiendo el procedimiento descrito arriba podemos encontrar la
solucion general haciendo el cambio
1
z
1
=2+ ,
y = 2 .
z
z
z
Sustituyendo en la ecuaci
on obtenemos
2
z
1
1
2 = 2 2 +
+ 2+
z
z
z
z
1
4
1
2 = 2 2 + 4 + + 2
z
z
z
z
z = 3z + 1.
y = y1 +
Resolvemos la ecuaci
on lineal Rde primero orden no homogenea multiplicando por el
factor integrante (x) = exp( 3dx) = e3x .
z e3x + 3ze3x
ze3x
e3x
e3x
1
ze3x = e3x + C,
3
con C R. Despejando encontramos z(x) = 31 + Ce3x . Esto nos dice finalmente
que la solucion general de la ecuaci
on es
1
y(x) = 2 +
,
con
C R.
3x
Ce
31
=
n
Derecho de autor. Prohibida su reproduccio
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
26
en x =
1
3
4.4.
1
3
ln(3C).
x
p
1+x
p
=
p+1
Z
dp
=
p+1
= ln |p + 1|
=
y de all,
p = 1 + kxex
con
k R.
= 1 + kxex
= x + k(x 1)ex + K
con
k, K R.
4.5.
ci
on
H(y, y , y ) = 0
la variable independiente x no aparece explcitamente. Se realiza el cambio de variable
dp
d2 y
dp dy
dp
dy
=
y
=
=
p,
p = y =
dx
dx2
dx
dy dx
dy
con lo cual la ecuaci
on se transforma en
dp
= 0
H y, p, p
dy
que es una EDO de primer orden en la variable p con variable independiente y.
Ejemplo 1.20 (Ley de Hooke). Se tiene el sistema indicado en la Figura 1.20,
siendo k > 0 constante de elasticidad del resorte y m la masa del cuerpo. La Ley
de Hooke establece que:
n
Derecho de autor. Prohibida su reproduccio
4. ECUACIONES QUE SE REDUCEN A CASOS ELEMENTALES
27
Ley de Hooke
Para peque
nos desplazamientos en torno a la posici
on de
equilibrio, la fuerza de restituci
on del resorte es proporcional al desplazamiento.
dz
y y la ecuaci
on se reescribe como
dy
dz
z + w2 y
dy
dz
z
dy
w2 y.
k
. Si z = y entonces
m
y2
+C
2
w2 y 2 + 2C
p
2C w2 y 2 .
w2
wy
2Ct +
arc sen
=
2C
wy
= sen( 2Ct + )
2C
2C
sen( 2Ct + )
y =
w
con C, R.
gy
0.
n
Derecho de autor. Prohibida su reproduccio
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
28
k
m
y
Figura 8. Sistema mecanico de un resorte y una masa.
Definiendo =
nos da
r
z
g
se tiene la EDO y 2 y = 0. El mismo cambio de variable
L
dz
2 y
dy
dz
z
dy
z2
2
z
y
Esto es
= 0
= 2 y
y2
= 2 + C
p 2
2 y 2 + 2C
=
p
= y 2 + a2
con
a=
2C
.
2
Z
dy
p
= dt = t + .
y 2 + a2
Haciendo el cambio de variable y = a senh en el lado izquierdo,
Z
a cosh
d = t +
a cosh
= t + .
Z
n
Derecho de autor. Prohibida su reproduccio
4. ECUACIONES QUE SE REDUCEN A CASOS ELEMENTALES
29
con
C R.
cos(x + y + 1)
1 cos(x + y + 1)
x+C
con
C R.
Otro procedimiento u
til es integrar la variable independiente en terminos de
la variable dependiente y luego despejar. La justificacion, a grandes rasgos y sin
entrar en detalles, es la siguiente: en los intervalos donde y existe y no se anula, la
expresion y = y(x) define implcitamente a x en funci
on de y. Es decir, podemos
escribir x = x(y). Observando que x(y(x)) = x y usando la regla de la cadena
vemos que
x (y(x))y (x)
x (y)
= 1
=
1
.
y (x)
n
Derecho de autor. Prohibida su reproduccio
30
1. NOCIONES BASICAS
Y METODOS
ELEMENTALES DE RESOLUCION
y (ey x) = y
ey x
1
= = x .
y
y
Esta es una ecuaci
on lineal de primer orden en x si se toma y como variable:
1
1
x + x = ey .
y
y
Multiplicando por el factor integrante (y) = y esto nos da
(xy)
xy
= ey
= ey + C
= ey y
= (ey )
= ey + C.
n
Derecho de autor. Prohibida su reproduccio
Captulo 2
Definiciones preliminares
Para establecer los teoremas generales de existencia y unicidad de EDO, as como metodos practicos de resolucion por computador, requerimos primero precisar
la noci
on de solucion de una EDO.
n 2.1. Dado un intervalo real I (no reducido a un punto), denotaDefinicio
remos por C n (I) el conjunto de las funciones y : I R cuyas derivadas hasta el
orden n existen y son continuas en I y las llamaremos funciones de clase C n .
Es f
acil ver que C n (I) es un espacio vectorial con las operaciones usuales de
suma y ponderaci
on por escalar.
Consideremos ahora una funci
on F : I Rn+1 R. La nocion1 de solucion
que estudiaremos es la siguiente:
n
Derecho de autor. Prohibida su reproduccio
n
Derecho de autor. Prohibida su reproduccio
2. EL PROBLEMA DE CAUCHY
2.
33
El problema de Cauchy
y 0
y0
= .
n
Derecho de autor. Prohibida su reproduccio
El Teorema 2.1 nos dice que por cada punto (x, y) del plano pasa una u
nica soluci
on, como se aprecia en la figura del Ejemplo 2.2.
4Cuya versi
on m
as general ser
a el Teorema 5.2 que se demostrar
a m
as adelante en este texto.
5Cuya versi
on m
as general ser
a el Teorema 5.4 que se demostrar
a m
as adelante tambi
en.
n
Derecho de autor. Prohibida su reproduccio
3. LOS TEOREMAS DE EXISTENCIA Y UNICIDAD
35
Por otra parte, 0 = r(y0 +r)2 . Pero como todo lo anterior es valido para cualquier
r > 0 podemos tomar
1
r
=
.
0 = max
2
r>0 (y0 + r)
4y0
Todo lo anterior nos dice que existe una u
nica solucion y est
a definida, al menos,
en el intervalo ( 4y10 , 4y10 ).
on (en
Por otra parte, observemos que y(x) = x+1 1 es la solucion de la ecuaci
y0
n
Derecho de autor. Prohibida su reproduccio
4.
Aproximaci
on del problema de Cauchy mediante m
etodos
num
ericos
En esta secci
on presentaremos algunos metodos numericos basicos que se pueden utilizar para aproximar la solucion y(x) de un problema de Cauchy del tipo
y (x) = f (x, y(x)) para todo x [x0 , x0 + L],
y(x0 ) = y0 ,
donde L > 0 es el largo total del intervalo.
En primer lugar dividimos [x0 , x0 + L] en N peque
nos subintervalos In =
L
[xn , xn+1 ], n = 0, . . . , N 1 de la misma longitud: para ello, escribimos h = N
y para n = 1, . . . , N definimos xn = x0 + nh, de manera que xN = x0 + L y
[x0 , x0 + L] = [x0 , x1 ] [x1 , x2 ] [xN 1 , xN ].
La idea es encontrar puntos {y1 , . . . , yN } tales que el error en = yn y(xn ) sea
peque
no para cada n = 1, . . . , N , pero en particular en el punto final xN = x0 + L.
x0
x1
x2
x3
x0 + L
Soluci
on exacta y su aproximaci
on en el intervalo [x0 , x0 + L].
Integrando la ecuaci
on diferencial en cada intervalo In = [xn , xn+1 ] obtenemos
Z xn+1
f (s, y(s))ds.
(19)
y(xn+1 ) y(xn ) =
xn
La manera de aproximar la integral que aparece del lado derecho nos dar
a diversos
metodos para encontrar los puntos {yn }N
.
n=1
4.1. Orden del algoritmo. Error local y global. En las siguientes secciones veremos varios algoritmos de discretizacion usando la identidad integral (19).
Como ya mencionamos, al discretizar nos interesar
a que los errores de discretizaci
on
globales
en = yn y(xn )
sean peque
nos, esto es, que la solucion discretizada se mantenga cerca de la soluci
on exacta. Sin embargo, el error se va acumulando al pasar de un intervalo Ii al
siguiente y eso quiere decir que los errores en I0 , I1 , . . . , In van a incidir en el error
en al final del intervalo en xn+1 . Por eso llamamos a en error global.
n
Derecho de autor. Prohibida su reproduccio
4. METODOS
NUMERICOS
37
Para saber cual es el error de discretizacion local en cada intervalo In , hay que
considerar el problema de Cauchy local
z =
z(xn ) =
f (x, z), x In
yn
N
1
X
n=0
dn CN hp+1 =
C p
h
L
por el
area del rectangulo con base en el segmento [x0 , x1 ] y cuya altura esta dada
por el valor del integrando en el extremo izquierdo del intervalo [x0 , x1 ]. Tenemos
que
Z
x1
y(x1 ) y(x0 ) =
x0
de donde
y1 = y0 + hf (x0 , y0 )).
n
Derecho de autor. Prohibida su reproduccio
yn+1 = yn + hf (xn , yn ).
dn
xn+1
xn
Metodo de Euler progresivo:
R xn+1
xn
lo que equivale a
yn+1 yn
= f (xn+1 , yn+1 ).
h
Se dice que este es un metodo implcito pues es necesario resolver la ecuaci
on (21),
que generalmente es no lineal, para determinar yn+1 . Este proceso puede ser difcil,
lo cual representa una desventaja de este metodo. Sin embargo, el metodo de Euler
retr
ogrado (y los metodos implcitos en general) goza de mejores propiedades de
estabilidad, concepto que presentaremos mas adelante.
n
Derecho de autor. Prohibida su reproduccio
4. METODOS
NUMERICOS
39
dn+1
xn+1
xn
Metodo de Euler retr
ogrado:
R xn+1
xn
4.3. M
etodos de segundo orden. Los metodos de segundo orden utilizan
dos aproximaciones sucesivas para calcular la integral, basadas en el valor del integrando en dos puntos distintos del subintervalo. Los que presentamos a continuacion
son casos especiales de los llamados esquemas de Runge-Kutta.
4.3.1. Metodo de Euler modificado. Tambien se basa en una aproximacion de
la integral por un rectangulo, pero esta vez se toma el valor del integrando en el
xn+1 , y(b
xn+1 )). Es
punto medio del subintervalo x
bn+1 = xn + h2 . Dicho valor es f (b
necesario estimar el valor de y(b
xn+1 ), para lo cual se utiliza el metodo de Euler
progresivo (en lugar de resolver una ecuaci
on no lineal). As, cada iteraci
on del
algoritmo tiene dos etapas. Primero calculamos
h
f (xn , yn ),
2
que aproxima el valor de y(b
xn+1 ). Luego hacemos
ybn+1 = yn +
yn+1 = yn + hf (b
xn+1 , ybn+1 ).
cn+1
xn
Metodo de Euler modificado:
x
bn+1
R xn+1
xn
xn+1
f (s, y(s))ds cn+1 (xn+1 xn ).
n
Derecho de autor. Prohibida su reproduccio
y luego calculamos
yn+1 = yn +
i
hh
f (xn , yn ) + f (xn+1 , ybn+1 ) .
2
dn+1
dn
xn+1
xn
Metodo de Heun:
R xn+1
xn
f (s, y(s))ds
1
(dn+1
2
+ dn )(xn+1 xn ).
y y
y ex y
ex y
=
=
ex
1
x + C,
C R.
y(x) = ex (x + 1).
Veamos ahora c
omo funcionan los metodos descritos arriba. Para ello dividimos el
intervalo [0, 1] en 20 subintervalos de longitud 0, 05. La siguiente tabla muestra los
valores que da la ecuaci
on diferencial (ED) mediante la formula (22), los metodos
de Euler progresivo (EP), de Euler retrogrado (ER), de Euler modificado (EM) y
de Heun (H), junto con los errores cometidos al aplicar cada metodo.
4.4. Estabilidad. A grandes rasgos, un metodo es estable en la medida en
que los valores que entrega se mantienen cerca de la solucion que se pretende aproximar. Es decir, si el error en = yn y(xn ) se mantiene acotado o peque
no. Hay
diferentes criterios de estabilidad, pero nosotros nos centraremos en la llamada
estabilidad asint
otica, que tiene que ver con el comportamiento a largo plazo.
n
Derecho de autor. Prohibida su reproduccio
4. METODOS
NUMERICOS
41
ED
EP
Error
ER
Error
EM
Error
Error
0
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.55
0.60
0.65
0.70
0.75
0.80
0.85
0.90
0.95
1
1
1.104
1.216
1.336
1.466
1.605
1.755
1.916
2.089
2.274
2.473
2.687
2.915
3.161
3.423
3.705
4.006
4.328
4.673
5.042
5.437
1
1.100
1.208
1.323
1.447
1.581
1.724
1.878
2.043
2.219
2.409
2.612
2.829
3.061
3.310
3.577
3.861
4.166
4.491
4.838
5.210
0
0.004
0.008
0.013
0.018
0.024
0.031
0.038
0.046
0.055
0.064
0.075
0.086
0.099
0.113
0.128
0.145
0.163
0.182
0.204
0.227
1
1.108
1.224
1.350
1.485
1.631
1.788
1.957
2.138
2.333
2.543
2.768
3.010
3.269
3.547
3.845
4.165
4.507
4.873
5.266
5.686
0
0.004
0.009
0.014
0.020
0.026
0.033
0.041
0.050
0.059
0.070
0.082
0.094
0.108
0.124
0.140
0.159
0.178
0.200
0.224
0.250
1
1.104
1.216
1.336
1.465
1.605
1.754
1.915
2.088
2.273
2.472
2.685
2.914
3.159
3.421
3.702
4.003
4.325
4.670
5.038
5.432
0
0.000
0.000
0.000
0.000
0.000
0.001
0.001
0.001
0.001
0.001
0.001
0.002
0.002
0.002
0.002
0.003
0.003
0.003
0.004
0.004
1
1.104
1.216
1.336
1.465
1.605
1.754
1.915
2.088
2.273
2.472
2.685
2.914
3.159
3.422
3.703
4.004
4.326
4.671
5.039
5.433
0
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.002
0.002
0.002
0.002
0.003
0.003
0.003
Cuadro 1. Desempe
no de los metodos estudiados
y (x)
y(0)
=
=
n
Derecho de autor. Prohibida su reproduccio
y0
Soluci
on de la ecuaci
on diferencial.
Por lo tanto el metodo es condicionalmente estable (e inestable si h 2/a). Notemos que la inestabilidad se manifiesta por oscilaciones no acotadas de la solucion
numerica. Este hecho resulta ser mucho mas general y se aplica incluso como definicion de inestabilidad en metodos numericos para ecuaciones diferenciales.
h<
1
a
1
a
<h<
h=
1
a
2
a
2
a
Ejemplo 2.9. Si aplicamos el metodo de Euler retrogrado para el problema de
Ejemplo 2.8 obtenemos
yn+1 = yn + hf (xn+1 , yn+1 ) = yn + h(ayn+1 ).
n
Derecho de autor. Prohibida su reproduccio
4. METODOS
NUMERICOS
43
1
1
y0 .
yn =
1 + ah
(1 + ah)n+1
Como 1 + ah > 1 para todo h > 0 tenemos que lmn yn = 0 y por lo tanto
lmn |yn y(xn )| = 0 sin importar el valor de h. Esto nos dice que el metodo es
incondicionalmente estable.
y0
La estabilidad condicional es frecuente entre los metodos explcitos y la incondicional, entre los implcitos. Como resumen del analisis precedente, digamos que
el error de los metodos de Euler progresivo y retrogrado es similar cuando h es peque
no y ambos metodos son estables, pero si h crece, el metodo de Euler progresivo
se vuelve inestable.
Ejemplo 2.10. Estudiemos ahora la ecuaci
on
y (x)
y(0)
=
=
ay(x)
y0 ,
para x (0, ),
xn+1
xn
f (s, y(s)) ds
h
(xn , f (y(xn )) + 4f (xn+ 21 , y(xn+ 12 )) + f (xn+1 , y(xn+1 )))
6
donde xn+ 21 = xn + h/2 se inspira el siguiente algoritmo que hace parte de los
metodos de Runge-Kutta de orden 4 explcitos. Este algoritmo es uno de los mas
utilizados para resolver ecuaciones diferenciales ordinarias:
n
Derecho de autor. Prohibida su reproduccio
y0
g1
= y(0)
= f (xn , yn )
h
g2 = f xn+ 12 , yn + g1
2
h
g3 = f (xn+ 12 , yn + g2 )
2
g4 = f (xn+1 , yn + h g3 )
h
yn+1 = yn + (g1 + 2g2 + 2g3 + g4 )
6
No daremos aqu mayores detalles de la deducci
on del metodo, para lo cual puede
consultar un libro especializado en metodos numericos. Sin embargo, para acercarse
a su comprensi
on haga el siguiente ejercicio.
Ejercicio Propuesto 2.1. Verifique que si f no depende de x se tiene que
g2 = g3 y se recupera en este caso la idea de la cuadratura de Simpson.
5.
Ejemplo num
erico: la ley de Omori en sismologa
En esta secci
on veremos como se aplica una variante de la ley de Omori proveniente de la sismologa, que, usando ecuaciones diferenciales ordinarias, se usa para
la predicci
on de replicas de sismos. Trabajaremos con los datos del terremoto del
27 de Febrero del 2010 en Chile. Primero resolvemos la EDO analticamente para
compararla con soluciones aproximadas usando los metodos numericos de Euler, de
Euler modificado y de Heun, para valores de par
ametros apropiados.
Sea yM en n
umero acumulado de replicas de magnitud mayor o igual que M
en funci
on del tiempo, donde t = 0 corresponde al tiempo de ocurrencia del sismo
principal. La ley de Omori modificada7 dice lo siguiente:
p
,
(23)
yM
(t) = kM pt
e 1
donde p y kM son constantes positivas. Esto es, el n
umero de replicas de una
magnitud mayor o igual que M decrecen con t, donde t es el tiempo que lleva
transcurrido desde el sismo principal.
5.1. Soluci
on analtica comparada con las aproximaciones num
ericas. La solucion analtica se obtiene facilmente por integraci
on directa:
yM (t) = ln(ept 1) pt + c,
cR
para t [0, T ].
Para la discretizacion, consideramos un paso de discretizacion h > 0, tn =
t0 + nh, yn aproxima yM (tn ), tn+ 21 = tn + h2 . Se define:
p
f (t) = kM pt
.
e 1
Notar que f no depende de y.
a) Metodo de Euler:
y0
= yM (t0 )
7B.-F. Apostol, Eulers transform and a generalized Omoris law, Physics Letters A 351
(2006) 175176.
n
Derecho de autor. Prohibida su reproduccio
5. EJEMPLO NUMERICO:
LA LEY DE OMORI EN SISMOLOGIA
yn+1
45
= yn + h f (tn )
yn+ 12
yn+1
yM (t0 )
h
yn + f (tn )
2
yn + h f (tn+ 12 ).
=
=
yM (t0 )
yn + h f (tn )
h
yn+1 = yn + (f (tn ) + f (tn+1 )).
2
Notar que el paso 2 de este metodo resulta innecesario pues f no depende de y.
Ahora comparamos la solucion analtica con las aproximaciones numericas. Notar que en t = 0 la funci
on yM est
a indefinida, por ello hay que escoger como condicion inicial alg
un t0 > 0 cercano a cero y partir del valor de la solucion analtica
en ese tiempo. Por ejemplo si elegimos c = 1200, kM = 200, p = 0.01, T = 200,
t0 = h = 4, la comparaci
on de metodos da como resultado la Figura suguiente.
Comparacion de soluciones h=8.00
1300
1200
1100
1000
900
800
Euler
Euler Modificado
Heun
Sol Analitica
700
600
20
40
60
80
100
120
El c
odigo matlab para producir el grafico es:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
140
160
180
200
n
Derecho de autor. Prohibida su reproduccio
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
end
% 2. Metodo de Euler modificado
y Euler Mod(1)=yM(t0);
for i=1:N
tim=t0+(i1)*h+h/2;
y Euler Mod(i+1) = y Euler Mod(i) + h*f(tim);
end
% 2. Metodo de Heun
y Heun(1)=yM(t0);
for i=1:N
ti=t0+(i1)*h;
tf=t0+i*h;
y Heun(i+1) = y Heun(i) + h/2*(f(ti)+f(tf));
end
% Comparacion
figure(2); hold on
plot(t,y Euler,'x'); plot(t,y Euler Mod,'+');
plot(t,y Heun,'o'); plot(t,yM(t),'k');
legend('Euler','Euler Modificado','Heun','Sol ...
Analitica','Location','SouthEast')
title(sprintf('Comparacion de soluciones h= %3.2f',h))
hold off
Los gr
aficos muestran que para valores decrecientes de h el desempe
no del
metodo de Euler es siempre muy deficiente (del orden de 10 % al final del intervalo)
en cambio los metodos de Euler modificado y de Heun muestran menor error (del
orden de 1 % al final del intervalo). En todo caso Heun aproxima por exceso y Euler
modificado por defecto.
5.2. Lectura y an
alisis de datos de r
eplicas. Los datos de replicas se
pueden obtener de la base de datos del servicio geologico de EEUU (USGS) de la
p
agina:
http://earthquake.usgs.gov/earthquakes/eqarchives/epic/epic_rect.php
usando los par
ametros siguientes:
Output File Type: Spreadsheet Format (comma delimited)
Database: USGS/NEIC (PDE) 1973 - Present
Latitude of Rectangular Area: top -32, bottom -40
Longitude of Rectangular Area: left -75, right: -70
Date: 2010/02/27 2010/04/15
Magnitude, Depth, Intensity: nada
Debera obtener una lista como la siguiente la que debe almacenar en un archivo
ascii datos.txt:
Year,Month,Day,Time(hhmmss.mm)UTC,Latitude,Longitude,Magnitude,Depth
2010,02,27,063412.62,-36.03, -72.85,8.8, 26
2010,02,27,065234.01,-34.87, -72.61,6.2, 35
2010,02,27,065626.19,-34.35, -72.20,5.6, 34
2010,02,27,065931.92,-33.97, -72.12,5.3, 21
2010,02,27,070204.26,-38.10, -73.71,5.1, 35
...
Aparecen en primer lugar los datos del terremoto del 27 de Febrero a las 06:34
UTC (tiempo universal coordinado correspondiente al horario de Greenwich), que
n
Derecho de autor. Prohibida su reproduccio
5. EJEMPLO NUMERICO:
LA LEY DE OMORI EN SISMOLOGIA
47
corresponde restando 3 horas a las 3:34 de la madrugada hora local de Chile continental, y tuvo una magnitud de 8.8. Luego aparecen otros sismos en la misma
regi
on rectangular que supondremos son replicas del sismo inicial.
El siguiente programa de matlab leer datos.m le facilitara la lectura de los
datos:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
n
Derecho de autor. Prohibida su reproduccio
y{i}
1
2
3
4
5
6
7
8
9
10
M
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
kM
290
258
211
150
93
51
19
9
6
4
y0
396
367
322
254
190
139
89
45
25
15
1200
1200
Magn>=4.0 (y1)
1000
numero de replicas
Magn>=4.4 (y3)
800
800
Magn>=4.6 (y4)
600
600
Magn>=4.8 (y5)
400
400
Magn>=5.0 (y6)
200
200
Magn>=5.2 (y7)
0
21/02
Magn>=5.4 (y8)
Magn>=5.6
Magn>=5.8 (y9)
(y10)
Magn>=6.0
(y11)
28/02
07/03
14/03
21/03
tiempo
28/03
04/04
11/04
18/04
0
4
3.5
2.5
1.5
0.5
y{i}(tf ) y{i}(ti )
(tf ) (ti )
5.3. Comparaci
on entre datos reales y modelo. La solucion analtica
est
a dada por:
yM (t) = y0 + kM ( 0 ),
(t) = log(ept 1) pt
n
Derecho de autor. Prohibida su reproduccio
5. EJEMPLO NUMERICO:
LA LEY DE OMORI EN SISMOLOGIA
49
1000
800
600
400
200
200
20
40
60
80
100
120
140
160
180
200
La comparaci
on con las curvas numericas de Euler modificado o Heun es similar,
dado que ya vimos que las curvas teorica y numerica se ajustaban bien en estos
casos. Se observa un buen ajuste al comienzo de las curvas hasta t = 50 aproximadamente que corresponde al 10 de marzo del 2010. Los valores de kM y de y0
dependen de M , pero no al parecer los valores de 0 ni p que son los mismos para
todas las curvas.
5.4. Modificaci
on del modelo. Observe del grafico anterior que el da 11
de marzo se produce una discontinuidad en la derivada de las curvas yM . Podemos
mejorar el modelo aproximando el haz de rectas por una funci
on lineal por pedazos,
esto es kM es una constante diferente antes y despues del 11 de marzo. Al hacer
esto, se obtienen ajustes como el de la figura, donde en azul se grafica la solucion
numerica usando el metodo de Euler modificado y en rojo los datos reales:
Ajuste mejorado
1200
1000
800
600
400
200
200
20
40
60
80
100
120
140
160
180
200
Notemos que aunque todava es posible obtener una solucion analtica en este
caso, si kM = kM (t) fuera una funci
on complicada del tiempo, de modo tal que
kM (t) eptp1 no tenga una primitiva analtica, entonces no podra obtenerse una
n
Derecho de autor. Prohibida su reproduccio
solucion analtica y el u
nico recurso seran los metodos numericos. Esto suele suceder en la practica en la ingeniera y las ciencias, en que los modelos simples con
que se introducen y se estudian los fenomenos tienen solucion analtica, pero para
aplicarlos en la practica es necesario introducir modelos mas complejos que suelen
no tener dichas soluciones y es necesario recurrir a las aproximaciones numericas.
5.5. Capacidad predictiva. Sera posible estimar con nuestro mejor modelo el n
umero de replicas con magnitud mayor o igual a 5 que se produciran del
16 de abril al 16 de mayo del 2010? El modelo puede dar una prediccion. Tomando
M = 5 y calculando yM (16/05/2010) yM (16/04/2010) con el modelo de secci
on
anterior se obtienen 2 replicas de magnitud mayor o igual a 5.
El c
odigo matlab para estos u
ltimos pasos se pueden consultar a continuacion,
la programacion de la parte predictiva se deja como ejercicio al lector interesado.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
n
Derecho de autor. Prohibida su reproduccio
6. EJEMPLO NUMERICO:
LOTKA-VOLTERRA Y LA PESCA EN EL MAR ADRIATICO
51
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
6.
tau02=tau(ti2);
% Grafico
figure(6)
hold on
for i=1:10
t=1:length(y{i}.data);
tau=log(exp(p*t)1)p*t;
tau2=log(exp(p2*t)1)p2*t;
y analitica=y0(i)+kM(i)*(tautau0);
y analitica2=y02(i)+kM2(i)*(tautau02);
y analitica3=y analitica. *(t<ti2)+y analitica2.*(t>=ti2);
plot(t,y{i}.data,'r.',t,y analitica3,'');
end
title('Ajuste mejorado')
hold off
Ejemplo num
erico: Lotka-Volterra y la pesca en el Mar Adri
atico
=
=
por lo que los metodos para discretizar (19) se extienden simplemente usando integraci
on y operaciones por componentes.
Ilustremos esto con un ejemplo donde aprovechamos ademas de aplicacar el
metodo de Runge-Kutta. Se trata de un ejemplo historico: la pesca en el Mar
Adriatico.
Despues de la primera guerra, los pescadores del Mar Adriatico estaban sorprendidos pues la cantidad de presa para pescar haba disminuido en vez de aumentar,
a pesar de que durante los a
nos de la guerra se haba dejado de pescar. Se propuso
el siguiente modelo para explicar la situaci
on, que es un sistema de dos EDO de
primer orden no-lineales:
x
= a by
x
y
= c + dx
y
8Esta secci
on puede leerse tambi
en junto con el Captulo 5, aunque no se requiere.
n
Derecho de autor. Prohibida su reproduccio
y(t)
III
II
IV
I
x(t)
c
,
d
y=
a
b
Estas ecuaciones son un clasico modelo del tipo predador-presa, y son llamadas ecuaciones de Lotka-Volterra en honor a Vito Volterra (1860-1940) fsico y
matematico italiano y su contemporaneo Alfred J. Lotka (1880-1949) qumico americano.
Resulta c
omodo representar la solucion x(t), y(t) del sistema de Lotka-Volterra
como pares ordenados (x(t), y(t)), los que se dibujan com puntos en un plano,
llamado plano de fases. La curva descrita por la solucion, partiendo del punto
inicial (x0 , y0 ), al variar t se donomina trayectoria. Asimismo, el punto de equilibrio
del sistema tambien puede representarse por un punto del plano:
c a
(x, y) =
,
.
d b
Es posible mostrar que las poblaciones de predador y presa, si no est
an en
equilibrio, describen curvas cerradas que al cabo de un cierto tiempo vuelven a
pasar por el punto inicial y giran (o se dice que oscilan) en torno al punto de
equilibrio. A estas trayectorias cerradas se les llama
orbitas peri
odicas (ver Figura
1).
n
Derecho de autor. Prohibida su reproduccio
6. EJEMPLO NUMERICO:
LOTKA-VOLTERRA Y LA PESCA EN EL MAR ADRIATICO
53
a + a
c c
d b
d
b
n
Derecho de autor. Prohibida su reproduccio
(x0 , y0 )
g1
g2
g3
g4
(xn+1 , yn+1 )
= (x(0), y(0))
= f (xn , yn )
h
= f (xn , yn ) + g1
2
h
= f (xn , yn ) + g2
2
= f ((xn , yn ) + h g3 )
h
= (xn , yn ) + (g1 + 2g2 + 2g3 + g4 )
6
n
Derecho de autor. Prohibida su reproduccio
7. EJEMPLO NUMERICO:
VAN DEL POL Y EL SONIDO DEL CAOS
7.
55
Ejemplo num
erico: Van del Pol y el sonido del caos
La idea es aproximar y estudiar numericamente algunas propiedades del llamado oscilador de Van der Pol, ademas de reproducir el historico sonido del caos
asociado a esta ecuaci
on. Considere el oscilador de Van der Pol:
x (1 x2 )x + x = f (t),
t > 0,
7.1. Simulaci
on num
erica caso no forzado: Consideramos la variable
auxiliar y = x y escribimos la EDO original de la forma X = F (t, X) donde
X = (x, y) es de dimensi
on 2, esto es:
x
(1 x2 )y x.
n
Derecho de autor. Prohibida su reproduccio
1
2
3
4
5
6
7
8
9
10
y(0)
g1
g2
g3
g4
yn+1
f (xn , yn )
h
f xn+ 12 , yn + g1
2
h
f xn+ 21 , yn + g2
2
f (xn+1 , yn + hg3 )
h
yn + (g1 + 2g2 + 2g3 + g4 )
6
En este caso:
x t
y X = (x, y) de la EDO
dX = F (t, X, mu)
I(2) I(1)
h
N
A continuacion se presenta el c
odigo del archivo RK.m en matlab:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
n
Derecho de autor. Prohibida su reproduccio
7. EJEMPLO NUMERICO:
VAN DEL POL Y EL SONIDO DEL CAOS
g3 = F(t+h/2, X+h/2*g2,mu);
g4 = F( t+h , X+h*g3 ,mu);
X = X+(h/6)*(g1 +2*g2 +2*g3 +g4);
x(i+1) = X(1); y(i+1) = X(2); % guardo el resultado.
17
18
19
20
end
21
22
57
end
22
23
24
25
26
27
28
29
30
Algunos de los gr
aficos obtenidos se muestran en las p
aginas a continuacion.
Se observa un ciclo lmite, esto es, una orbita periodica del sistema tal que otras
trayectorias no cerradas tienden en espiral hacia ella, desde el interior o desde el
exterior, cuando el tiempo tiende a infinito.
Se observa que a mayor , mas fina tiene que ser la discretizacion para garantizar la convergencia del metodo. Esto se deduce al comparar las figuras 4, 5 y 6
(caso (x0 , y0 ) = (3, 1)).
Otra observaci
on es que para el caso = 0.1 la orbita es circular, luego se estira
y se asemeja a un rectangulo de esquinas curvas ( = 1), para luego adoptar una
forma con mayor curvatura (caso = 5).
n
Derecho de autor. Prohibida su reproduccio
Figura 4. Soluci
on Van der Pol para = 0.1, (x0 , y0 ) = (3, 1).
Figura 5. Soluci
on Van der Pol para = 1, (x0 , y0 ) = (3, 1).
n
Derecho de autor. Prohibida su reproduccio
7. EJEMPLO NUMERICO:
VAN DEL POL Y EL SONIDO DEL CAOS
59
Figura 6. Soluci
on Van der Pol para = 5, (x0 , y0 ) = (3, 1).
= y
= (1 x2 )y x + A cos(z)
=
% Funcion que implementa el sistema de EDO de Van der Pol caso forzado.
%
dX = F2(t,X,mu,A,omega) entrega el vector de dimension 3
%
derivada de X dada por la EDO de Vander Pol con el parametro mu
%
y una funcion forzante f(t) = A*sin(omega*t).
function dX = F2(t,X,mu,A,omega)
x=X(1);
y=X(2);
z=X(3);
dX=[y;mu*(1x2)*yx+A*cos(z);omega];
end
n
Derecho de autor. Prohibida su reproduccio
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
n
Derecho de autor. Prohibida su reproduccio
7. EJEMPLO NUMERICO:
VAN DEL POL Y EL SONIDO DEL CAOS
61
=
=
y
z
x(0) =
xy
xy y
y
x0 > 0, y(0) = y0 > 0, z(0) = 0, x0 + y0 = N,
n
Derecho de autor. Prohibida su reproduccio
n
Derecho de autor. Prohibida su reproduccio
Captulo 3
1.
n
Derecho de autor. Prohibida su reproduccio
64
n
X
ak (x)Dk
k=0
n
X
k=0
ak Dk = an Dn + an1 Dn1 + + a1 D + a0 .
La suma y ponderaci
on por escalar de operadores se define de la misma manera que para funciones. Con estas operaciones los operadores forman un espacio
vectorial:
(P1 + P2 )(f ) = P1 (f ) + P2 (f ),
(P1 )(f ) = P1 (f ).
Q(P1 + P2 ) = Q P1 + Q P2 .
n
Derecho de autor. Prohibida su reproduccio
2. POLINOMIO Y VALORES CARACTERISTICOS
1.2.
65
Clasificaci
on de las EDO lineal de orden n.
Usando la notaci
on anterior, podemos organizar el estudio de las EDO lineales
separando en cuatro grupos como resume la tabla siguiente. En ella se indican
ademas en it
alica algunos conceptos y temas que se trataran en este captulo, por
lo que la tabla sirve de gua de estudio.
EDO
lineal
orden n
homog
enea
subespacio H de
soluciones homogeneas
no homog
enea
hiperplano S de
soluciones particulares
coeficientes
constantes
P (D)y = 0
polinomio caracterstico
valores caractersticos
P (D)y = Q
coeficientes indeterminados
variaci
on de par
ametros
coeficientes
variables
P (x, D)y = 0
f
ormula de Abel
f
ormula de Liouville
P (x, D)y = Q
representaci
on de Green
variaci
on de par
ametros
2.
y el lado derecho.
3
Matem
aticamente hablando, se trata de un homeomorfismo.
n
Derecho de autor. Prohibida su reproduccio
66
3.
n
Derecho de autor. Prohibida su reproduccio
4.
67
(25)
on de operadores esto es
con a0 , a1 en R. En notaci
P (D)y = D2 y + a1 Dy + a0 y = (D 1 )(D 2 )y = Q,
donde 1 y 2 son las races del polinomio caracterstico
p() = 2 + a1 + a0 .
Introduciendo la variable auxiliar z = (D 2 )y se obtiene el siguiente sistema de
dos EDO lineales de primer orden que sabemos resolver:
(D 1 )z = Q
(D 2 )y = z.
De la primera ecuaci
on encontramos z, que sustituimos en la segunda ecuaci
on
para obtener y. M
as precisamente, los resultados de la Seccion 3 nos dan
Z
z = C1 e1 x + e1 x e1 x Q(x)dx
Z
y = C2 e2 x + e2 x e2 x z(x)dx,
de donde
y(x)
4.1.
C2 e
|
2 x
+ C1 e
2 x
{z
e(1 2 )x dx
}
Soluci
on Homog
enea yh (x)
+e
|
2 x
(1 2 )x
Z
1 t
{z
Q(t)dt dx .
}
Soluci
on Particular yp (x)
Soluci
on homog
enea. Se tienen tres casos para los valores caractersti-
cos:
1. Si 1 y 2 son reales y distintos vemos inmediatamente que la solucion queda de
la forma yh (x) = Ae1 x + Be2 x .
2. Si 1 = 2 = R entonces yh (x) = Aex + Bxex .
3. Finalmente, si 1 y 2 son complejos conjugados
de la forma iw con w 6= 0
tendremos que yh (x) = ex Aeiwx + Beiwx . Estas soluciones nos dan valores
4Agreguemos que los problemas de segundo orden aparecen de manera natural debido a las
aplicaciones en todos los
ambitos de la segunda ley de Newton.
n
Derecho de autor. Prohibida su reproduccio
68
F(t)
m
b
E(t)
q
-
2
b
b
k
, donde = 4m2 m . Escribamos por comodidad B = b/2m y
=
2m
supongamos que al sistema no se le aplica fuerza o voltaje; es decir, F (t) = 0 o
E(t) = 0, seg
un el caso. Hay 3 situaciones posibles:
y +
n
Derecho de autor. Prohibida su reproduccio
69
)t
+ C2 e(B+
)t
2. Si = 0 las races
a crticamente
son reales e iguales. Decimos que el sistema est
amortiguado (b = 2 km. En este caso la solucion es
yh = C1 eBt + C2 teBt .
3. Finalmente, si < 0 las
races son complejos conjugados. Decimos que el sistema
est
a subamortiguado (b < 2 km) y la solucion es
yh = C1 eBt sen
t + C2 eBt cos
t .
De manera equivalente podemos escribir yh = C3 eBt sen
sen(a + b) = sen a cos b + sen b cos a.
t + C4 , pues
20
15
10
5
10
20
30
40
50
60
70
80
90
100
10
20
30
40
50
60
70
80
90
100
10
30
20
10
0
10
0
10
n
Derecho de autor. Prohibida su reproduccio
70
y(1) = 0.
Deseamos saber para cuales valores de este problema tiene soluciones y cuantas.
De acuerdo con el signo de podemos distinguir 3 casos:
= 0
= 0
para A y B. Como w 6= 0, la u
nica solucion es A = B = 0. De nuevo, solo obtenemos
la solucion nula.
3. = w2 > 0. En este caso las soluciones est
an dadas por
y(x) = A sen(wx) + B cos(wx).
Esta vez las condiciones en 0 y 1 nos dan el sistema
B = 0
A sen(w) = 0
para A y B. Si
w = k
con
kZ
n
Derecho de autor. Prohibida su reproduccio
71
yp + a1 yp + a0 yp
=
=
(1 y1 + 2 y2 ) + a1 (1 y1 + 2 y2 ) + a0 (1 y1 + 2 y2 )
(1 y1 + 2 y2 ) + 1 y1 + 2 y2 + 1 y1 + 2 y2
+a1 (1 y1 + 2 y2 + 1 y1 + 2 y2 ) + a0 (1 y1 + 2 y2 )
(1 y1 + 2 y2 ) + 1 y1 + 2 y2 + a1 (1 y1 + 2 y2 )
=
1 =
W (y1 , y2 ) Q y2
W (y1 , y2 )
y1 0
1
Qy1
=
2 =
.
W (y1 , y2 ) y1 Q
W (y1 , y2 )
Luego integramos ambas expresiones para obtener los valores de 1 (x) y 2 (x):
Z
Qy2
dx + K1
1 =
W (y1 , y2 )
Z
Qy1
2 =
dx + K2
W (y1 , y2 )
5M
as adelante veremos cu
ando esto ocurre. En la EDO lineal de segundo orden tiene que ver
con que las soluciones escogidas no sean una m
ultiplo de la otra.
n
Derecho de autor. Prohibida su reproduccio
72
4.4. El fen
omeno de resonancia. Todos hemos experimentado el siguiente
hecho: una copa de cristal puede hacerse sonar si se frota suavemente con el dedo
ndice ligeramente humedecido y apoyado en un movimiento giratorio sobre el borde
de la copa. Otro ejemplo es cuando tomamos impulso sobre un columpio o cuando
un auto va sobre calaminas. Se trata de fenomenos oscilatorios en que la amplitud de
la oscilaci
on alcanza valores muy considerables ante una cierta solicitacion externa
especfica.
Lo mismo ocurre para afinar algunos instrumentos musicales, en especial los de
cuerda, utilizando un instrumento llamado diapas
on o cuando un cantante de opera
hace vibrar su cuerpo y su cabeza para proyectar el sonido de su voz en una sala.
Tambien, y en relaci
on al Ejemplo 3.1 de la analoga electromecanica, un circuito
de radio puede ser sintonizado, es decir, pueden ser elegidos adecuadamente los
valores de L, C y R para que amplifique una frecuencia de onda electromagnetica
determinada que se capta de la atmosfera.
Recordemos que la ecuaci
on es
y +
b
k
F (t)
y + y=
.
m
m
m
cos(t),
donde
= =
k
.
m
k
y = A cos(t),
m
donde 6= es la frecuencia y A es la amplitud del estmulo forzante. Para encontrar la solucion particular usaremos la formula (26) (m
as adelante estudiaremos
un metodo mas eficiente para este tipo de lado derecho). El Wronskiano es
sen(t)
W (y1 , y2 ) =
cos(t)
La f
ormula (26) nos dice que
cos(t)
= .
sen(t)
Z
Z
A
yp =
sen(t) cos(s) cos(s)ds + cos(t) cos(s) sen(s)ds .
Recordemos que
cos() cos()
sen() cos()
1
[cos( + ) + cos( )]
2
1
[sen( + ) + sen( )] .
2
n
Derecho de autor. Prohibida su reproduccio
5. ESTUDIO COMPLETO DE LA EDO LINEAL DE ORDEN n
73
Z
A sen(t)
[cos(( + )s) + cos(( )s)]ds
2
Z
A cos(t)
+
[sen(( + )s) + sen(( )s)]ds
2
A sen(t) sen(( + )t) sen(t) sen(( )t)
+
2
+
A cos(t) cos(( + )t) cos(t) cos(( )t)
+
.
+
2
+
A
Vemos que la amplitud del movimiento es 2
as peque
na sea la
2 . Mientras m
diferencia entre y mas grande sera la amplitud.
n
Derecho de autor. Prohibida su reproduccio
74
n. Es f
Demostracio
acil ver que H es subespacio vectorial de C n (I) y lo dejamos como ejercicio para el lector. Para demostrar que su dimendion es n vamos
a construir una base de H con n elementos. M
as precisamente encontraremos n
funciones l.i. y1 , . . . , yn tales que cualquier elemento de H puede escribirse como
combinaci
on lineal de ellas. Seleccionemos x0 I. De acuerdo con el Teorema
de Existencia y Unicidad, para cada i = 1, . . . , n podemos encontrar una funci
on
yi C n tal que y (n) (x) + + a1 (x)y (x) + a0 (x)y(x) = 0 para todo x I y ademas
satisface la condicion inicial
yi (x0 ) =
yi (x0 )
=
..
.
(i1)
(x0 ) =
yi
..
.
(n1)
yi
(x0 ) =
0.
Construimos as n funciones y1 , . . . , yn . Probaremos ahora que son linealmente independientes. Supongamos que 1 y1 (x) + + n yn (x) = 0 para todo x I.
Derivando, tenemos que
1 y1 (x) + + n yn (x)
1 y1 (x) + + n yn (x) =
..
.
(n1)
(x) + + n yn(n1) (x) =
1 y1
0
..
.
0.
y1 (x)
y2 (x)
...
yn (x)
y1 (x)
y2 (x)
...
yn (x)
..
..
..
..
.
.
.
.
(n1)
(n1)
(n1)
y1
(x) y2
(x) . . . yn
(x)
1
1
2
..
..
.
.
1
n
1
2
..
.
n
yh (x0 )
yh (x0 )
..
.
(n1)
yh
(x0 )
yh (x)
yh (x)
..
.
(n1)
yh
(x)
n
Derecho de autor. Prohibida su reproduccio
5. ESTUDIO COMPLETO DE LA EDO LINEAL DE ORDEN n
75
(i1)
S
Y
H
Y
n
Derecho de autor. Prohibida su reproduccio
76
C1 y1 + C2 y2 + + Cn yn + yp ,
Wronskiano y F
ormula de Abel.
funciones y1 , . . . , yn C n (I) es
...
yn (x)
...
yn (x)
..
.
..
.
.
(n1)
. . . yn
(x)
= det(F1 , . . . a . . . , Fn )
+ det(F1 , . . . b . . . , Fn ).
Lema 3.2. Sea A(x) una matriz con entradas variables (dependientes de x).
Como arriba escribimos det(A) = det(F1 , F2 , . . . , Fn ) = det(C1 , C2 , . . . , Cn ), donde
las Fi y las Cj son las filas y columnas de A, respectivamente. Tenemos que
d
|A(x)|
dx
n
X
det(F1 , . . . , Fi , . . . , Fn )
i=1
n
X
det(C1 , . . . , Cj , . . . , Cn ).
j=1
n
Derecho de autor. Prohibida su reproduccio
5. ESTUDIO COMPLETO DE LA EDO LINEAL DE ORDEN n
77
La demostracion del Lema 3.2 puede hacerse facilmente por induccion o utilizando la definicion de derivada y el Lema 3.1.
Recordemos que si dos filas en una matriz son iguales, su determinante es cero.
Cuando calculamos la derivada del Wronskiano usando el metodo descrito arriba (por filas) nos encontramos con que la mayora de los sumandos, salvo el u
ltimo,
tienen una fila repetida y por lo tanto son cero. As obtenemos
y1 (x)
y1 (x)
..
W (y1 , . . . , yn ) =
.
(n2)
(x)
y1
y (n) (x)
1
...
...
..
.
...
...
yn (x)
yn (x)
..
.
(n2)
yn
(x)
(n)
yn (x)
y
(x)
.
.
.
y
(x)
1
n
.
.
.
.
.
.
.
.
W (y1 , . . . , yn ) =
.
.
(n2)
(n2)
y1
(x)
...
yn
(x)
Pn1
Pn1
(i)
(i)
a
(x)y
.
.
.
a
(x)y
n
1
i=0 i
i=0 i
Teorema 3.5 (F
ormula de Abel). Sean y1 , . . . , yn H. Entonces el Wronskiano W satisface
Z
W (x) = C exp an1 (x)dx
con C R. En particular, si se anula en un punto, se anula siempre.
Resumiremos algunas propiedades del Wronskiano que tienen que ver con independencia lineal de funciones en el siguiente resultado:
Teorema 3.6. Sean y1 , . . . , yn C n (I).
n
Derecho de autor. Prohibida su reproduccio
78
y1 (x0 )
...
yn (x0 )
0
1
y1 (x0 )
...
yn (x0 ) 2 0
..
..
.. = .. ,
..
.
.
.
. .
(n1)
(n1)
0
n
y1
(x0 ) . . . yn
(x0 )
pues la matriz del lado izquierdo no es invertible. Definiendo z(x) = 1 y1 (x) + +
n yn (x), se tiene que
z(x0 )
z (x0 )
z (n1) (x0 )
=
=
1 y1 (x0 ) + + n yn (x0 )
1 y1 (x0 ) + + n yn (x0 )
..
.
(n1)
(n1)
(x0 ) + + n yn
(x0 )
= 1 y1
= 0
= 0
= 0.
y1
...
yn
y1
...
yn
=
..
..
..
.
.
.
(n1)
(n1)
y1
. . . yn
y se denomina matriz fundamental de soluciones asociada a la base y1 , . . . , yn . No
se debe confundir la matriz fundamental con el Wronskiano, que es W = det .
Esta matriz sera reaparecer
a en el Captulo 5 sobre sistemas lineales.
6.
M
etodos de resoluci
on de EDO de orden n a coeficientes constantes
En esta secci
on estudiaremos varios metodos para resolver la ecuaci
on diferencial lineal de orden n a coeficientes constantes. Para la ecuaci
on homogenea
describiremos un metodo que sigue la misma lnea de lo que se hizo para la ecuaci
on de orden 2, usando los valores caractersticos. Finalmente nos enfocaremos en
la b
usqueda de soluciones particulares de la ecuaci
on homogenea.
6.1.
Soluci
on homog
enea. La EDO
y (n) + an1 y (n1) + + a0 y = 0
se escribir
a de la forma P (D)y = 0, donde P (D) es el operador diferencial
P (D) = Dn + an1 Dn1 + + a1 D + a0 =
n
X
i=1
ai D i
n
Derecho de autor. Prohibida su reproduccio
EDO LINEAL COEFICIENTES CONSTANTES
6. RESOLUCION
79
Como se trata de un polinomio de grado n, tendra n races reales o complejas llamadas valores caractersticos (quiz
a repetidos). Supondremos que 1 , . . . l son las
l races distintas y tienen multiplicidades m1 , . . . , ml , respectivamente. Recordemos
que como los coeficientes del polinomio son reales, las races que sean complejas
vendr
an en pares conjugados. El polinomio se puede descomponer de la forma
p() = ( 1 )m1 ( 2 )m2 . . . ( l )ml =
Pl
l
Y
i=1
( i )mi ,
(D 1 ) (D 1 ) (D l ) (D l )
|
{z
}
|
{z
}
m1 veces
ml veces
Note que esta factorizacion permite de hecho resolver la EDO de orden n como
una serie de EDO de orden 1, En efecto, es claro que
P (D)y = 0 (D 1 )m1 . . . (D l )ml y = 0,
(D 1 ) (D 1 ) (D l ) (D l )y
| {z }
|
{z
z1
zn1
{z
zn2
= 0
(D 1 )z2
(D 1 )zm1
(D l )y
= 0
= z1
..
.
= zm1 1
..
.
= zn1
1. Recordemos que
Pk
i=0
k
i
n
Derecho de autor. Prohibida su reproduccio
80
ex
j
X
j
Dk (f (x))jk
k
k=0
e (D + )j f (x)
Ahora,
P (D)(f (x)ex ) =
n
X
aj Dj (f (x)ex )
j=0
n
X
x
aj e (D + )j f (x)
j=0
ex
n
X
aj (D + )j f (x)
j=0
e P (D + )f (x).
1 x
,e
2 x
,...,e
W (x, e1 x , . . . , el x ) =
l x
e1 x
1 e1 x
..
.
l1 e1 x
1
...
el x
...
l el x
..
..
.
.
l1 l x
. . . l e
1
...
1
!
l
1 . . .
X
l
i x ..
exp
..
..
.
.
.
i=1
l1 . . . l1
1
l
!
l
Y
X
i x C
(i j )
exp
i=1
i6=j
n
Derecho de autor. Prohibida su reproduccio
EDO LINEAL COEFICIENTES CONSTANTES
6. RESOLUCION
81
n l mas. De la propiedad 3), se tiene que (i es una raz del polinomio p()):
P (D)(xk ei x )
= ei x P (D + i )xk
(D 1)2 (D + 3)5 D3 y = 0
En este caso n = 10. Veamos todas las soluciones que se encuentran con este metodo:
1 = 1, m1 = 2
2 = 3, m2 = 5
3 = 0, m3 = 3
{ex , xex }
2,1 e3x + 2,2 xe3x + 3,1 x2 e3x + 4,1 x3 e3x + 5,1 x4 e3x +
3,1 + 3,2 x + 3,3 x2
3
i x
m1
i,mi 1 (D 1 + i )
|
ml
. . . (D l + i ) |D
{z
}
p(
i)
mi 1 mi 1
{zx
(mi 1)!
= 0
= 0
= 0
n
Derecho de autor. Prohibida su reproduccio
82
Una base para H es la generada por las siguientes funciones linealmente independientes:
Para cada valor caracterstico real
ex ,
xex ,
...,
xm1 ex .
xex cos(x),
...
xm1 ex cos(x),
ex sen(x),
xex sen(x),
...
xm1 ex sen(x).
Ejemplo 3.4.
(D 1)2 (D + 3)5 D3 y = 0.
En este caso n = 10. Veamos todas las soluciones que se encuentran con este metodo:
1 = 1, m1 = 2 {ex , xex },
Ejemplo 3.5. Resolveremos ahora la ecuaci
on diferencial
y (5) y (4) + 2y 2y + y y = 0.
El polinomio caracterstico es
p()
= 5 4 + 23 22 + 1
= ( 1)(4 + 22 + 1)
= ( 1)(2 + 1)2
1 = 1, m1 = 1 {ex },
n
Derecho de autor. Prohibida su reproduccio
EDO LINEAL COEFICIENTES CONSTANTES
6. RESOLUCION
83
6.2. Ecuaci
on no homog
enea. Estudiaremos dos metodos para encontrar
una solucion particular de la ecuaci
on no homogenea.
El metodo de coeficientes indeterminados, que puede usarse cuando el lado derecho involucra u
nicamente polinomios, senos, cosenos y exponenciales. Consiste en
postular que la solucion es de cierto tipo (similar al lado derecho), pero con coeficientes que son determinados a posteriori. Tiene la ventaja de que los c
alculos son
extremadamente sencillos ya que involucran u
nicamente derivaci
on de polinomios,
exponenciales y funciones trigonometricas.
El metodo de variaci
on de par
ametros se basa en la representacion de la ecuaci
on de orden n como un sistema lineal de primer orden. De hecho, tambien es un
metodo valioso para encontrar soluciones particulares de estos sistemas. Consiste en
representar la solucion particular como una combinaci
on variable de las soluciones
homogeneas. Tiene dos ventajas notables en cuanto a su rango de aplicaciones: en
primer lugar, sirve para cualquier tipo de lado derecho; en segundo lugar, el metodo
tambien es u
til, al menos teoricamente, para el estudio de ecuaciones a coeficientes
variables. Tambien tiene dos puntos en contra: es necesario conocer una base del
espacio de soluciones homogeneas y ademas involucra operaciones con matrices y
c
alculo de integrales.
6.2.1. Metodo de los coeficientes indeterminados. Este metodo puede aplicarse para encontrar una solucion particular de la ecuaci
on
P (D)y
qk0 (x)e0 x
con 0 C y qk0 e0 x una funcion que puede ser un polinomio por una exponencial,
un polinomio por seno o coseno por una exponencial o cualquier combinaci
on lineal
de estos, donde gr(qk0 ) k0 en caso de ser un polinomio.
Este metodo tiene la desventaja aparente de ser muy restrictivo en cuanto al
tipo de lado derecho para el cual es u
til. Sin embargo, estas funciones son sumamente
frecuentes en la aplicaciones.
El operador diferencial que anula el lado derecho es (D 0 )k0 +1 , pues
(D 0 )k0 +1 P (D)y
=
=
=
Si 0 R, la ecuaci
on se transforma una homogenea de orden n + k0 + 1 que
sabemos resolver.
on,
Si 0 C, se aplica ademas el operador (D 0 )k0 +1 a ambos lados de la ecuaci
con lo que se obtiene (D 0 )k0 +1 (D 0 )k0 +1 P (D)y = 0, que es una homogenea
de orden n + 2(k0 + 1). Hay dos casos que se estudiar
an:
A. Caso no resonante: 0 6= j para todo j {1, . . . , l}
A.1 Caso real: 0 R:
(D 0 )
P (D)
y=0
y = yh + yp
y = yh
La idea es obtener yp comparando yh e yh , mas precisamente, como combinacion lineal de aquellas funciones que aparezcan en yh y que sean l.i. con
las que aparezcan en yh .
n
Derecho de autor. Prohibida su reproduccio
84
j =j iwj
0 x
qk0 (x)e0 x
P (D + 0 )(A0 + A1 x + + Ak0 x ) =
qk0 (x)e0 x
rk0 (x)
k0
qk0 (x),
n
Derecho de autor. Prohibida su reproduccio
EDO LINEAL COEFICIENTES CONSTANTES
6. RESOLUCION
85
k0 +1
(D 0 )
k0 +1
(D 0 )
P (D)
y=0
y = yh + yp
y = yh
= xe3x cos x
yp
yp
, A , B
estan en funcion de A , B , A , B .
0 , A1 , B
1 , A0 , B
donde A0 , B
0
1
1
0
0
1
1
Reemplazando yp en la EDO, se tiene que
+ B
x)e3x sen x =
0 + A
1 x)e3x cos x + (B
(A
0
1
xe3x cos x
= 0 y B
= 0, lo que permite
De donde se deduce que A0 = 0, A1 = 1, B
0
1
encontrar A0 , B0 , A1 y B1 .
B. Caso resonante: 0 = j para alg
un j {1, . . . , l}
B.1 Caso real: 0 R:
P (D)y = qk0 (x)e0 x
k0 +1
(D 0 )
P (D)
y=0
y = yh + yp
y = yh .
La segunda ecuaci
on se puede escribir de la forma
(D 1 )m1 . . . (D 0 )m0 +k0 +1 . . . (D l )ml y =
n
Derecho de autor. Prohibida su reproduccio
86
D2 yp (x)
D yp (x)
de modo que
Ac =
0
0
..
.
0
a0
1
0
..
.
0
a1
0
1
..
.
0
a2
..
.
0
0
..
.
1
an1
b=
0
0
..
.
Q
y1
...
yn
y1
...
yn
=
..
..
..
.
.
.
(n1)
(n1)
y1
. . . yn
n
Derecho de autor. Prohibida su reproduccio
EDO LINEAL COEFICIENTES CONSTANTES
6. RESOLUCION
Ac = ..
.
(n)
y1
87
y notemos que
. . . yn
. . . yn
.. = .
..
.
.
(n)
...
yn
de manera que si encontramos F tal que (x)F (x) = b(x), entonces la primera componente del vector (x)F (x) sera una solucion particular de la ecuaci
on
de orden n original. Ahora bien, la matriz es invertible pues est
a formada por
soluciones linealmente independientes de la ecuaci
on. De este modo podemos tomar
Z
F (x) = (x)1 b(x) dx.7
Ejemplo 3.9. Encontremos una solucion particular de la ecuaci
on
1
.
1 + ex
Los valores caractersticos de la ecuaci
on son 1 y 1, por lo que dos soluciones
linealmente independientes de la ecuaci
on homogenea son ex y ex . Construimos
x
x
1
e
ex
e
ex
1
(x) =
y
(x)
=
.
ex ex
ex ex
2
y (x) y(x) =
Luego
(x)1 b(x) =
1
2
ex
ex
ex
ex
1
2
Z
0
1
1+ex
1
2(1 + ex )
ex
ex
ex dx
= ln 1 + ex
x
1+e
ex dx
ex
=
+
ln
1 + ex .
1 + ex
2
7Se puede usar la regla de Cramer en lugar de calcular la inversa. Esto da origen a la f
ormula
de representaci
on de Green, que estudiaremos m
as adelante.
n
Derecho de autor. Prohibida su reproduccio
88
=
=
F1 (x)ex + F2 (x)ex
1
ex ln 1 + ex + ex ln 1 + ex .
2
7.
M
etodos de resoluci
on de EDO de orden n a coeficientes variables
7.1. Ecuaci
on homog
enea.
7.1.1. F
ormulas de Abel y Liouville. En el caso de la ecuaci
on homogenea con
coeficientes variables, el metodo de los valores caractersticos no se puede aplicar
y no existe una metodologa general para encontrar las soluciones. No obstante,
podemos f
acilmente encontrar una solucion linealmente independiente a partir de
otra conocida en el caso de orden dos, utilizando la formula de Abel, dada en el
Teorema 3.5. Esta dice que si y1 e y2 son soluciones de la ecuaci
on lineal homogenea
de orden dos entonces el Wronskiano W satisface
Z
W (x) = C exp a1 (x)dx .
M
as precisamente, la Formula de Abel nos dice que
Z
y2 y1 y1 y2 = C exp a1 (x)dx .
Z
C
y1
exp a1 (x)dx ,
y2 =
y1
y1
y obtenemos
Integrando obtenemos
y2
y1
y2 = Dy1 + y1 C
Z
C
a
(x)dx
.
exp
1
y12
Z
Z
1
exp a1 (x)dx du.
y12
Si tomamos D = 0 obtenemos la F
ormula de Liouville
y2
= Cy1
Z
1
a
(x)dx
du.
exp
1
y12
n
Derecho de autor. Prohibida su reproduccio
EDO LINEAL COEFICIENTES VARIABLES
7. RESOLUCION
La f
ormula de Abel nos da
xy2 y2 = C exp
Z
dx
x
89
de donde
1
1
y y2
x 2 x2
y
2
y2
x
=
=
=
C
x3
C
x3
C
+ D.
2x2
Tomamos C = 2, D = 0 y obtenemos y2 = x1 .
La ecuaci
on de Euler. La ecuaci
on de Euler es de la forma
an xn y (n) + . . . a1 xy + a0 y = 0,
Luego
z (u) = eu y (eu ) + e2u y (eu ) = xy (x) + x2 y (x),
con lo cual
x2 y (x) = z (u) z (u)
x 6= 0.
n
Derecho de autor. Prohibida su reproduccio
90
vemos que
xy (x)
z (u)
x2 y (x)
x3 y (x)
z (u) z (u)
La ecuaci
on se transforma en
z (u) 2z (u) 3z (u) = 0.
El polinomio caracterstico es
p() = ( 3)( + 1),
de donde los valores caractersticos son 1 = 0, 2 = 3 y 3 = 1. As, las soluciones
son de la forma
z(u) = A + Be3u + Ceu ,
de donde
y(x) = A + Bx3 + Cx1 .
7.2. Ecuaci
on no homog
enea. En esta secci
on presentaremos dos metodos para buscar soluciones particulares a la ecuaci
on no homogenea. La formula de
Green es una consecuencia del metodo de variacion de par
ametros, por lo que se
necesita conocer a priori una base para el espacio H de soluciones homogeneas. El
segundo metodo, que involucra series de potencias, no requiere conocer las soluciones de la ecuaci
on homogenea, por lo que en muchas ocasiones es u
til tambien para
estudiar este tipo de ecuaci
on.
7.2.1. F
ormula de Green. El metodo de variacion de par
ametros visto antes
para coeficientes constantes se aplica en el caso de coeficientes variables. Para ello,
se deben conocer primero n soluciones linealmente independientes de la ecuaci
on
homogenea.
Recordemos que en ese contexto se busca
yp (x) =
n
X
Fi (x)yi (x),
i=1
n
Derecho de autor. Prohibida su reproduccio
EDO LINEAL COEFICIENTES VARIABLES
7. RESOLUCION
91
=
=
n
X
i=1
n
X
Fi (x)yi (x)
yi (x)
i=1
=
=
Wi (s)
ds
W (s)
1 X
yi (x)Wi (s)ds
W (s) i=1
n
Q(s) X
fi (s)ds.
yi (x)(1)n+i W
W (s) i=1
N
otese que hemos escrito s para la variable antes de integrar y x para la variable
integrada. Si usamos de nuevo la formula de los cofactores para escribir la suma
como el determinante de una matriz de tama
no n n obtenemos
y1 (s)
...
yn (s)
y1 (s)
...
yn (s)
Z
Q(s)
..
..
..
yp =
ds.
.
.
.
W (s) (n2)
(n2)
y
(s) . . . yn
(s)
1
y (x)
...
yn (x)
1
{z
}
|
=R(x,s)
k=0
ak (x x0 )k .
1 (k)
f (x0 ).
Los coeficientes ak son los mismos que entrega la formula de Taylor: ak = k!
Los polinomios, las exponenciales, todas las funciones trigonometricas e hiperb
olicas y sus inversas son analticas. Las derivadas y primitivas de funciones analticas
tambien lo son. Ademas, para encontrar una derivada o primitiva basta derivar o
integrar la serie termino a termino. Algunos ejemplos de funciones y sus representaciones en series de potencias se pueden ver en el Cuadro 2.
n
Derecho de autor. Prohibida su reproduccio
92
X
xn
n!
n=0
ex
sen(x)
senh(x)
X
(1)n x2n+1
(2n + 1)!
n=0
x2n+1
(2n + 1)!
n=0
1
1x
X
xn
n
n=1
ln(1 x)
xn
X
(1)n x2n
(2n)!
n=0
cos(x)
cosh(x)
arctan(x)
n=0
X
x2n
(2n)!
n=0
X
(1)n x2n+1
2n + 1
n=0
ak xk .
k=0
No nos preocuparemos aca por las condiciones que garantizan que la solucion es
en efecto lo suficientemente regular para tener una representacion en serie de potencias. La estrategia es aplicar el operador diferencial a la expresion en serie para
y, derivando termino a termino las series que aparezcan. Esto dar
a un sistema de
ecuaciones lineales para los coeficientes. Una vez resuelto el sistema construimos la
serie. En muchos casos es posible relacionarla con otras series conocidas y reconocer
a que funci
on pertenece.
Ejemplo 3.13. Analicemos el problema de Cauchy
y (x) y(x) = 0
y(0) = 1
y (0) = 0.
P
k
Escribimos y(x) =
x0 = 0) y tenemos que
k=0 ak x (aqu
y (x) y(x)
=
=
k=2
k=0
X
k=0
ak xk
k=0
(k + 2)(k + 1)ak+2 xk
ak xk
k=0
(k + 2)(k + 1)ak+2 ak xk .
k=0
(k + 2)(k + 1)ak+2 ak xk = 0 + 0x + 0x2 + . . .
n
Derecho de autor. Prohibida su reproduccio
EDO LINEAL COEFICIENTES VARIABLES
7. RESOLUCION
93
es decir,
ak+2 =
ak
.
(k + 2)(k + 1)
Si k = 2m,
a2m =
y si k = 2m + 1,
a2m+1 =
a2m2
1
a0
+
= =
;
(2m)(2m 1) (2m)!
(2m)!
a2m1
1
a1
+
= =
.
(2m + 1)(2m) (2m + 1)!
(2m + 1)!
As,
X
X
x2m+1
x2m
+ a1
.
y(x) = a0
(2m)!
(2m + 1)!
m=1
m=1
X
x2m
= cosh(x).
y(x) =
(2m)!
m=0
Tambien podamos haber usado el metodo de los valores caractersticos pues los
coeficientes son constantes. La solucion general es
y(x) = aex + bex .
Las condiciones iniciales determinan para a y b el sistema
a+b = 1
a b = 0,
que tiene como solucion a = b = 12 . La solucion queda
y(x) =
1 x
e + ex = cosh(x).
2
Escribimos yp (x) =
k=0
ak xk y tenemos que
k=0
k 2 ak xk .
n
Derecho de autor. Prohibida su reproduccio
94
Debemos escribir el lado derecho en serie de potencias, para lo cual podemos usar
la informaci
on en el Cuadro 2 y la derivaci
on termino a termino. Tenemos
x
1
d
= x
(1 x)2
dx 1 x
d X k
= x
x
dx
k=0
= x
kxk1
k=1
kxk .
k=1
X
xk
k=1
= ln(1 x).
8.
Resoluci
on de problemas con condiciones de borde.
n
Derecho de autor. Prohibida su reproduccio
DE PROBLEMAS CON CONDICIONES DE BORDE.
8. RESOLUCION
95
y(1) = 0
y (0) = 0
y (1) = 0
()
y1 (0) y2 (0) y3 (0) y4 (0)
y1 (1) y2 (1) y3 (1) y4 (1)
|
{z
}
M
yp (0)
A
y
B
p (1)
=
y
C
p (0)
yp (1)
D
0
A
B 0
M
C = 0 A=B=C=D=0
0
D
2 + = 0
= i, =
de donde y1 = cos(x) e y2 = sin(x). Con esto:
y = A cos(x) + B sin(x) + yp .
Imponiendo las condiciones de borde se obtiene:
y (0) = 0 = A sin( 0) B cos( 0) + yp (0) = B + yp (0)
y (1) = 0 = A sin() B cos() + yp (1)
A
()
=
sin() cos()
B
yp (1)
|
{z
}
M
n
Derecho de autor. Prohibida su reproduccio
96
si por el contrario yp (1) 6= 0 no hay solucion que sea compatible con las condiciones
de borde.
Por otro lado yp tiene la forma
(i) yp = C cos(x) + D sin(x)
o bien
(ii)
yp = Cx cos(x) + Dx sin(x)
si 6= (caso no resonante)
si = (caso resonante)
C sin() = D cos()
que se cumple en particular si = 0 o si tan = D/C. En el caso (ii) se puede
llegar a una condicion similar que liga C con D.
n
Derecho de autor. Prohibida su reproduccio
Captulo 4
Transformada de Laplace
1.
Definiciones y ejemplos
1
para s > 0 (la asntota es c = 0).
s
R
0
est dt no
1
para s > Re(a) (la asntota es c = Re(a)).
sa
Ejemplo 4.3. Recordemos ahora que cos wt + i sen wt = eiwt , de manera que
Re(eiwt ) = cos wt e Im(eiwt ) = sen wt son la parte real e imaginaria de eiwt , respectivamente. De ejemplo anterior tenemos que
L[eiwt ](s) =
1
s + iw
= 2
s iw
s + w2
97
para s > 0.
n
Derecho de autor. Prohibida su reproduccio
98
4. TRANSFORMADA DE LAPLACE
L[Im(f )] = ImL[f ],
con lo cual
L[cos wt](s) =
s2
s
+ w2
L[sen wt](s) =
s2
w
+ w2
para s > 0.
=
2 s1 s+1
1
=
.
2
s 1
Una funci
on f tiene una discontinuidad de salto en a Dom(f ) si los lmites
laterales lmxa+ f (x) y lmxa f (x) existen, son finitos y distintos.
Una funci
on f : [0, +) R se dice continua por pedazos si tiene un n
umero finito o numerable de discontinuidades de salto en [0, +), pero sobre cada
subintervalo acotado de [0, +) tiene a lo mas un n
umero finito de estas.
Veamos algunos ejemplos:
Ejemplo 4.5. La funci
on
[t]
f (t) = (1)
1
0t<1
1 1 t < 2
extendida periodicamente a [0, ) con perodo 2, se llama onda cuadrada y es continua por pedazos.
n
Derecho de autor. Prohibida su reproduccio
1. DEFINICIONES Y EJEMPLOS
99
Gr
afico de la onda cuadrada.
Gr
afico de la onda de dientes de sierra.
+
t
2
lm tan(t) = +.
t
2
1
t
t 6= 0
t=0
n
Derecho de autor. Prohibida su reproduccio
100
4. TRANSFORMADA DE LAPLACE
|f (0)| +
|f (0)| +
fex ,
M
de modo que f C .
|f (s)|ds
M x
e
Propiedad 4.2. Si f C entonces para todo s > , existe L[f ](s) (y converge
absolutamente). Adem
as
M
|L[f ](s)|
s
para todo s > . En particular, lms+ L[f (t)](s) = 0.
n. Recordemos que si la integral converge absolutamente, enDemostracio
tonces converge. Con esto basta probar que
Z
M
|est f (t)|dt
s
est |f (t)|dt
est et dt
e(s)t dt
1
(s+)t
e
M
s +
0
C
.
s
a
Funci
on escal
on de Heaviside Ha (t).
n
Derecho de autor. Prohibida su reproduccio
2. PROPIEDADES BASICAS
DE LA TRANSFORMADA DE LAPLACE
101
para s > 0.
t<a
0
1 at<b
Pab (t) =
0
t b.
b
Pulso entre a y b.
Notar que Pab (t) = Ha (t) Hb (t). Luego, su transformada de Laplace para
0 a < b sera
L[Pab (t)](s) = L[Ha (t) Hb (t)](s) = L[Ha (t)](s) L[Hb (t)](s).
Por lo tanto
1 as
(e
ebs ) para s > 0.
s
L[Pab (t)](s) =
2.
Propiedades b
asicas de la transformada de Laplace
En esta secci
on estudiaremos reglas operacionales que seran u
tiles para aplicar
la transformada de Laplace a la resolucion de ecuaciones lineales de orden superior
y sistemas lineales de primer orden.
2.1. Transformada de una derivada. Sea f C derivable. Calculemos
la transformada de Laplace de su derivada para s > .
L[f ](s)
= s
est f (t)dt
est f (t)dt + est f (t)
0
t0+
n
Derecho de autor. Prohibida su reproduccio
102
4. TRANSFORMADA DE LAPLACE
n1
X
sk f (nk1) (0+ ).
k=0
recordando las expresiones para L[y (t)](s), L[Pt1 t2 (t)](s) y L[1](s), la expresion
queda
g
a
s2 L[y](s) sy(0+ ) y (0+ ) = (et1 t et2 t )
s
s
+
+
Pero y(0 ) = 0 y y (0 ) = v0 . Luego
a
a
g
v0
L[y](s) = 2 + 3 et1 t 3 et2 t 3
s
s
s
s
En breve veremos c
omo recuperar una funci
on a partir de su transformada. Continuaremos este c
alculo en el Ejemplo 4.12.
Transformada de una primitiva. Sea f C localmente
Z t integrable.
Sea a R. Encontremos la transformada de la funci
on F (t) =
f (u)du. Para
2.2.
s > se tiene
f (u)du
n
Derecho de autor. Prohibida su reproduccio
2. PROPIEDADES BASICAS
DE LA TRANSFORMADA DE LAPLACE
Si denotamos
Z tZ
a
f (u)du =
expresion es
Z tZ t
L
f (u)du (s)
Z t Z
103
f (v)dv du. La transformada de esta
Z t
Z Z
1
1 a t
L
f (u)du
f (u)du (s)
s
s 0 a
a
Z a
Z a
1
1
1
L[f ](s) 2
F (t)dt.
f (u)du
s2
s 0
s 0
Z a Z t Z t
Z t Z t
n
X
1
1
. . . f (u)du.
L . . . f (u)du (s) = n L[f ](s)
s
sk 0 a
k=1
| {z a}
| a {z a}
n veces
n k veces
L[eat f (t)](s).
n
Derecho de autor. Prohibida su reproduccio
104
4. TRANSFORMADA DE LAPLACE
L[f ](s)L[g](s).
2.6. Convergencia Uniforme. Veremos ahora unos detalles tecnicos de
convergencia. Sean f C y M > 0 > . Definimos
Z
Z n
st
(s) =
e f (t)dt
y
n (s) =
est f (t)dt,
0
|n (s) (s)|
Z
=
est f (t)dt
n
C (s)t
e
s
n
C (s)n
e
s
C (s)n
e
s
s>
C
e(0 )n .
=
0
sup
n
Derecho de autor. Prohibida su reproduccio
2. PROPIEDADES BASICAS
DE LA TRANSFORMADA DE LAPLACE
105
L[tf (t)](s).
La derivaci
on bajo el signo integral se justifica por la convergencia uniforme. Repitiendo el proceso, la derivada n-esima de la transformada de Laplace de f se expresa
como
dn
L[f (t)](s) = (1)n L[tn f (t)](s).
dsn
2.8.
que
s
0
L[f (t)](u)du
=
=
=
Z
0
Z
ut
f (t)dt du
s
ut
e f (t)du dt
0
0
s
Z
1 ut
e f (t) dt
t
0
0
Z
Z
f (t)
f (t) st
e dt +
dt
t
t
0
Z 0
f (t)
f (t)
L
(s) +
dt
t
t
0
0
para f C . Si en la f
ormula de la derivada de la transformada, se toma g(t) =
se obtiene
d
f (t)
= L[f (t)](s).
L
ds
t
Por lo tanto
Z
f (t)
f (t)
lm L
(s) L
(s) =
L[f (t)](u)du.
s
t
t
s
f (t)
f (t)
Si
C se tiene lms L
(s) = 0. En consecuencia
t
t
Z
f (t)
L[f (t)](u)du
(s) =
L
t
s
f (t)
,
t
n
Derecho de autor. Prohibida su reproduccio
106
4. TRANSFORMADA DE LAPLACE
3.
f (t)
dt.
t
Antitransformadas y aplicaciones
Una funci
on f (en el dominio temporal) es antitransformada de una funci
on
(en el dominio de Laplace) si se cumple que L[f ] = . Se denota como f (t) =
L1 [](t).
En esta secci
on estudiaremos un metodo para calcular antitransformadas de
funciones racionales y presentaremos aplicaciones a la ecuaci
on diferencial lineal de
orden n y a sistemas de ecuaciones lineales de primer orden.
3.1. Descomposici
on en fracciones parciales. Repasaremos el metodo
de descomposicion en fracciones parciales estudiado en el curso de c
alculo integral.
p(x)
Supongamos se tiene la expresion racional
, donde p y q son polinomios a coeq(x)
p(x)
ficientes reales tales que gr(p) < gr(q). Se quiere escribir
como una suma de
q(x)
expresiones mas simples. Se pueden presentar varios casos:
1. q(x) tiene n races reales distintas y simples: q(x) = (x a1 ) . . . (x an ), con
ai 6= aj si i 6= j. Hacemos
An
A1
p(x)
+ +
.
=
q(x)
x a1
x an
2. q(x) tiene solo una raz real de multiplicidad n: q(x) = (x a)n . Hacemos
p(x)
An
A1
A2
+ +
.
=
+
q(x)
x a (x a)2
(x a)n
3. q(x) tiene 1 raz compleja simples. Entonces su conjugado tambien es raz simple,
de modo que q(x) = ax2 + bx + c = (x z)(x z), z C \ R. Hacemos
Ax + B
p(x)
= 2
.
q(x)
ax + bx + c
4. Si q(x) tiene 1 raz compleja de multiplicidad n: q(x) = (ax2 + bx + c)n =
(x z)n (x z)n con z C \ R. Hacemos
p(x)
An x + Bn
A1 x + B1
A2 x + B2
+ +
.
= 2
+
q(x)
ax + bx + c (ax2 + bx + c)2
(ax2 + bx + c)n
5. Cualquier combinaci
on de estos casos.
Una vez descompuesta la expresion original, se deben encontrar los valores de
los coeficientes de la parte derecha. Existen varias formas de encontrarlos, veremos
2 metodos:
Metodo 1: Multiplicar por q(x) a ambos lados y evaluar raz por raz (sirve
cuando las races son simples).
n
Derecho de autor. Prohibida su reproduccio
3. ANTITRANSFORMADAS Y APLICACIONES
107
Utilizamos el metodo 1. Para ello multiplicamos a ambos lados por q(s). Obtenemos
s = A(s 2) + B(s 1).
Evaluando en s = 1 vemos que A = 1 y evaluando en s = 2 vemos que B = 2.
Ejemplo 4.11. Se desea descomponer la expresion
1
.
2
s ((s a)2 + b2 )
Las races son s = 0, con multiplicidad 2, y s = a bi, ambas simples.
Utilizando una combinaci
on de 2. y 4., la descomposicion queda
C + Ds
A
B
1
.
= + 2+
s2 ((s a)2 + b2 )
s
s
(s a)2 + b2
(31)
Como hay una raz doble usaremos el metodo 2. Desarrollamos el lado derecho de
(31) y obtenemos
As((s a)2 + b2 ) + B((s a)2 + b2 ) + (C + sD)s2
1
=
.
s2 ((s a)2 + b2 )
s2 ((s a)2 + b2 )
A+D
2aA + B + C
A(a2 + b2 ) 2aB
Ba2 + Bb2
(a2
2a
,
+ b2 )2
B=
a2
1
,
+ b2
C=
3a2 b2
,
(a2 + b2 )2
D=
2a
.
(a2 + b2 )2
M
as adelante, en el Ejemplo 5.11, mostraremos una aplicacion concreta del
metodo de fracciones parciales a un problema de intercambio de masas atmosfericas.
n
Derecho de autor. Prohibida su reproduccio
108
4. TRANSFORMADA DE LAPLACE
3.2. Aplicaci
on a la EDO lineal de orden n. Se tiene la siguiente EDO
a coeficientes constantes:
P (D)y(t) = Q(t)
con P (D) un operador diferencial de orden n normalizado (an = 1) y Q(t) combinacion lineal de funciones en C . Aplicando L a ambos lados de la EDO, se obtiene:
n
X
L
aj Dj y (s) = L[Q](s)
j=1
n
X
j=1
aj L Dj y (s)
= L[Q](s).
L Dj y (s) = sj L[y](s) Rj (s),
donde
Rj (s) =
j1
X
sk y (jk1) (0+ ).
k=0
n
n
X
X
aj Rj (s) = L[Q](s).
aj sj L[y](s)
j=1
j=1
Escribimos entonces
L[y(t)](s) =
donde
P (s) =
n
X
aj sj
R(s) L[Q(t)](s)
+
,
P (s)
P (s)
y
R(s) =
n
X
aj Rj (s).
j=1
j=1
R(s)
P (s)
L[yp ] =
L[Q](s)
P (s)
se tiene que
L[ y ] = L[ yh ] + L[ yp ].
Luego
yh (t) = L1
R
(t)
P
yp (t) = L1
L[Q]
(t).
P
1
Para encontrar yp (t), consideremos G(t) = L
(t). Tenemos
P
yp (t) = L1 L[G(t)](s)L[Q(t)](s) (t)
= L1 L[(G Q)(t)](s) (t)
1
= (G Q)(t)
Z t
=
G(t )Q()d.
0
n
Derecho de autor. Prohibida su reproduccio
3. ANTITRANSFORMADAS Y APLICACIONES
109
=
=
=
=
L[H(t)](s )
k1
t
(s )
L
(k
1)!
1
L
sen(wt) (s )
w
=
=
=
L [cos(wt)] (s )
L[et H(t)](s)
tk1
L et
(s)
t (k 1)!
e
L
sen(wt) (s)
w
L [et cos(wt)] (s).
1. L
s
(t)
(s2 + a2 )n
2. L
1
(t)
(s2 + a2 )n
s
(t) =
(s2 + a2 )2
=
=
1 1 d
1
(t)
L
2
ds s2 + a2
1 1 d
L
L[sen(at)](s) (t)
2a
ds
1
t sen(at).
2a
n
Derecho de autor. Prohibida su reproduccio
110
4. TRANSFORMADA DE LAPLACE
Z
1
f = L[f ], se tiene:
s
0
s
1
1 1
(t)
=
L
(t)
L1
(s2 + a2 )2
s (s2 + a2 )2
1
1
t sen(at) (s) (t)
= L1 L
s
2a
Z t
1
1
L
= L
t sen(at) (s) (t)
0 2a
Z t
1
=
t sen(at)
0 2a
1
1
=
sen(at) t cos(at) .
2a2 a
2. Recordando que L
tk1
(k 1)!
et
sen(wt)
w
et cos(wt)
L[f ](s)
1
s
1 as
e
s
1 as
(e
ebs )
s
1
(s )k
1
(s )2 + w2
s
(s )2 + w2
t sen(at)
2as
(s2 + a2 )2
1
sen(at) t cos(at)
a
2a2
(s2 + a2 )2
Ejemplo 4.12. Continuando el Ejemplo 4.9 del cohete, hay que encontrar las
funciones que al ser transformadas por L, equivalen a cada uno de los sumandos
del miembro derecho de la ecuaci
on
v0
a
a
g
L[y](s) = 2 + 3 et1 t 3 et2 t 3 .
s
s
s
s
Utilizando las conclusiones de la discusi
on precedente vemos que
a
gt2
a
2
2
.
L[y](s) = L v0 t + (t t1 ) H(t t1 ) (t t2 ) H(t t2 ) +
2
2
2
n
Derecho de autor. Prohibida su reproduccio
4. FUNCIONES GENERALIZADAS. DELTA DE DIRAC
111
=
con lo cual
2
(s + 2s + 2)L[y](s) s 3.
L[y + 2y + 2y](s) =
(s + 2s + 2)L[y](s) s 3 =
0
0
(s + 2s + 2)L[y](s) =
s+3
s+3
L[y](s) =
.
2
s + 2s + 2
Como las raices de s2 + 2s + 2 = 0 son complejas, se escribe ese polinomio de la
forma (s + 1)2 + 1, con lo que se obtiene
s+3
s+1
2
L[y](s) =
=
+
.
(s + 1)2 + 1
(s + 1)2 + 1 (s + 1)2 + 1
1
s+1
y L [ex sen x] (s) =
, se tiene
Como L [ex cos x] (s) =
2
(s + 1) + 1
(s + 1)2 + 1
que
L[y](s) = L ex cos x (s) + 2L ex sen x (s)
L[y](s) = L ex cos x + 2ex sen x (s)
y(x)
4.
La delta de Dirac pertenece a las llamadas funciones generalizadas o distribuciones. No es exactamente una funci
on, sino mas bien una regla que a cada funci
on
n
Derecho de autor. Prohibida su reproduccio
112
4. TRANSFORMADA DE LAPLACE
continua f le asigna un n
umero real, que es su valor en cero f (0). Las funciones
generalizadas se definen en terminos de su accion sobre cierto tipo de funciones. En
estricto rigor, definimos la accion de la delta de Dirac sobre una funci
on continua
f mediante
Z
[f ] =
La notaci
on de integral es bastante sugerente pero se debe recordar que la delta
de Dirac no es una funci
on, aunque comparta ciertas propiedades con las funciones
integrables. Siguiendo la notaci
on presentada arriba, escribiremos
Z
(t a)f (t) dt = f (a).
a [f ] =
Una propiedad interesante de la delta de Dirac es que se puede aproximar, en
cierto sentido, por funciones propiamente tales. M
as precisamente, su accion sobre
una funci
on continua se puede obtener como el lmite de las acciones de una sucesion
de funciones integrables. Sea = P01 el pulso entre 0 y 1. Si n (t) = n(nt)
entonces
R +
n (t)dt = 1 para cada n.
Si a > 0 y f es continua entonces
R a
R +
f (t)f (t)dt = a fn (t)f (t)dt = 0.
n
Si f es continua entonces
R +
lmn fn (t)f (t)dt = f (0) = [f ].
Observaci
on: Cabe destacar que las funciones n no son las u
nicas que dan
origen a ; basta con que cumplan las propiedades enunciadas.
=
=
=
=
=
lm L[n ](s)
Z
lm
n (t)est dt
lm
lm
1/n
nest dt
n
(1 es/n )
s
n
Derecho de autor. Prohibida su reproduccio
4. FUNCIONES GENERALIZADAS. DELTA DE DIRAC
113
12
10
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
n
Derecho de autor. Prohibida su reproduccio
n
Derecho de autor. Prohibida su reproduccio
Captulo 5
Introducci
on
Hasta aqu se han estudiado ecuaciones lineales con una sola funcion inc
ognita.
Estudiaremos ahora sistemas de ecuaciones diferenciales lineales, tanto porque permiten modelar problemas fsicos que involucran la interacci
on de diversas variables
dependientes, como tambien porque a ellos pueden reducirse las ecuaciones lineales
de grado superior.
Comenzaremos por comentar algunos resultados acerca de funciones vectoriales
y matriciales.
n 5.1. El espacio
Definicio
C n (I)m = C n (I) C n (I)
{z
}
|
m veces
est
a conformado por los vectores de m funciones n veces continuamente derivables
en el intervalo I. De manera analoga, C n (I)mk son las matrices de m k funciones n veces continuamente derivables en el intervalo I. Haremos la identificacion
C n (I)m1 = C n (I)m .
Estos conjuntos tienen estructura de espacio vectorial para la suma y ponderaci
on por escalar componente a componente. La integraci
on y derivaci
on se hace
componente a componente:
Z
f1,1 . . . f1,k
..
..
..
.
.
.
fm,1 . . . fm,k
f1,1 . . . f1,k
.
..
..
..
.
.
fm,1 . . . fm,k
f1,1 . . .
f1,k
..
..
..
.
R .
R .
fm,1 . . .
fm,k
f1,1 . . . f1,k
.
.. .
..
..
.
.
fm,1
. . . fm,k
n
Derecho de autor. Prohibida su reproduccio
116
m
m
X
X
j=1
m
X
j=1
m
X
m
X
j=1
j=1
n 5.2. Un sistema lineal de EDO en Rn es un sistema de n ecuaciones
Definicio
escrito de la forma
X (t) = A(t)X(t) + B(t)
para t I
(32)
X(t0 ) = X0 ,
donde I es un intervalo, A(t) Mnn (R), B(t) Rn para cada t en I, y X0 Rn
son condiciones iniciales en t = t0 I. En el caso B 0 se dice que el sistema es
homogeneo. En el caso que A es una matriz constante, se dice que el sistema es a
coeficientes constantes.
b (1+)
Figura 1. Poluci
on en dos estanques del ejemplo 5.1
n
Derecho de autor. Prohibida su reproduccio
2. SISTEMAS LINEALES Y ECUACIONES DE ORDEN SUPERIOR
117
1
1
b(1 + )x1 .
V
V
b
b(1 + )
x2 (t)
x1 (t)
V
V
b
b
b(1 + )
x1 (t) x2 (t) x2 (t).
V
V
V
b +
2.
= y(x)
= y (x)
..
.
zn (x)
= y (n1) (x)
=
=
=
=
z2 (x)
z3 (x)
..
.
an1 (x)y (n1) (x) a0 (x)y(x) + Q
an1 (x)zn (x) a0 (x)z1 (x) + Q.
0
1
0
z1
0
z2
0
1
.. = ..
..
..
.
.
.
.
zn
a0 a1 a3
{z
|
| {z }
z
Ac
...
...
..
.
...
0
0
..
.
an1
}|
z1
z2
..
.
zn
{z
z
0
0
..
.
Q
{z
b
n
Derecho de autor. Prohibida su reproduccio
118
(33)
(34)
=
=
a11 x1 + a12 x2 + b1
a21 x1 + a22 x2 + b2
x1 =
x2 a22 x2 b2
a21
y luego derivamos
x2 a22 x2 b2
.
a21
Reemplazando (35) y (36) en (33) resulta
x1 =
(36)
x2 (a11 + a22 )x2 + (a11 a22 a12 a21 )x2 = a21 b1 a11 b2 + b2 ,
=
=
b1
b2 .
que es la misma EDO de orden 2 para x2 que la obtenida con el metodo anterior.
Observaci
on: Puede verificar que en todos los casos, despejando x1 o x2 , se
llega a una EDO del tipo
xi (a11 + a22 )xi + (a11 a22 a12 a21 )xi = fi ,
|
{z
}
| {z }
tr(A)
i = 1, 2
det(A)
n
Derecho de autor. Prohibida su reproduccio
119
Se deja al lector comprobar usando el metodo de reduccion que un sistema lineal a coeficientes constantes de tama
no n 1 se identifica con una ecuaci
on lineal
de orden n cuyo polinomio caracterstico es p() = det(A I).
3.
En esta secci
on demostraremos la existencia y unicidad de solucion para un
sistema lineal de ecuaciones de primer orden.
Teorema 5.1 (Existencia y Unicidad, caso lineal). Sea I un intervalo cerrado
y acotado. Si A C(I)mm y B C(I)m , entonces dados X0 Rm y t0 I, existe
una u
nica soluci
on X C 1 (I)m del sistema lineal
X (t) = A(t)X(t) + B(t), t I
X(t0 ) = X0 .
Entre las consecuencias mas relevantes mencionamos las siguientes:
1. De aqu se obtiene inmediatamente el Teorema 3.1, que da la existencia y unicidad de solucion para la EDO lineal de orden n gracias a la identificacion presentada
en el Captulo 3.
2. La u
nica solucion de un sistema homogeneo con condicion inicial nula es la funci
on nula.
3. Si dos soluciones X e Y coinciden en un punto, entonces coinciden en todo el
intervalo. Esto dice que los graficos de dos soluciones distintas no se cruzan, propiedad que se conoce como determinismo. Esto se debe a que si X(t1 ) = Y (t1 )
entonces la diferencia X Y es solucion de un sistema homogeneo con condicion
inicial nula y por lo tanto X(t) = Y (t) para todo t.
4. Si A o B son continuas por pedazos, el Teorema 5.1 sigue siendo cierto, salvo
porque X es solo continua por pedazos (se suele decir que X es C 1 por pedazos).
5. El Teorema se generaliza para cualquier tipo de intervalo I. M
as a
un, si A
C(R)mm y B C(R)m , entonces la solucion X queda definida en todo R.
Veremos en realidad la existencia y unicidad de solucion en un contexto mas
amplio que el de los sistemas lineales, en la lnea de los teoremas 2.1 y 2.2 (ver
Teoremas 5.2 y 5.4).
Dada una matriz A = (aij ) de tama
no m p, definimos su norma de Frobenius
como
1/2
p
m X
X
a2ij .
kAk =
i=1 j=1
Observe que coincide con la definicion usual de norma euclideana para vectores
(pensados aqu como matriz fila o columna).
n
Derecho de autor. Prohibida su reproduccio
120
p
p
p
m
m
X
X
X
X
X
j=1
j=1
i=1
j=1
kA(t)(X Y )k
1/2
n X
n
X
a2ij (t) kX Y k.
i=1 j=1
1/2
n X
n
X
a2ij (t) .
|F (t, X) F (t, Y )| L|X Y |, donde L = sup
tI
i=1 j=1
Teorema 5.2 (de Cauchy-Lipschitz-Picard, Existencia y Unicidad, caso general). Sea I un intervalo cerrado y acotado. Supongamos que F C 0 (I Rm ) es
una funci
on Lipschitz con respecto a la segunda variable. Para cada t0 I y cada
X0 Rm , existe una u
nica soluci
on X C 1 (I)m del problema de Cauchy
X (t) = F (t, X(t))
para todo t I
X(t0 ) = X0 .
Este resultado generaliza los Teoremas 3.1 y 5.1.
Para la demostracion del Teorema 5.2 primero observemos que, integrando entre
t0 y t la ecuaci
on diferencial, obtenemos
Z t
F (s, X(s))ds.
X(t) = X0 +
t0
Definimos el operador
: C 0 (I)m
X
C 0 (I)m
7
T (X),
para
t I.
n
Derecho de autor. Prohibida su reproduccio
121
para todo t I. Ademas, todo punto fijo tiene que ser de clase C 1 , por ser primitiva
de una funci
on continua. Al derivar tenemos que todo punto fijo de T es solucion
del problema de Cauchy
X (t) = F (t, X(t))
para todo t I
X(t0 ) = X0 .
Recprocamente, toda solucion del problema de Cauchy debe ser un punto fijo de
T . Por lo tanto, para demostrar el Teorema 5.2 basta verificar que T tiene un u
nico
punto fijo.
3.1. El Teorema del Punto Fijo de Banach. Primero recordemos dos
propiedades importantes de R:
1. Una sucesion {xn } es de Cauchy si para todo > 0 existe N N tal que
|xn xk | < si k, n N . En R toda sucesi
on de Cauchy es convergente. Es decir,
existe x R tal que lmn xn = x.
2. Una funci
on f : dom(f ) R es contractante si existe K (0, 1) tal que
|f (x) f (y)| K|x y| si x, y dom(f ). Sea C R un conjunto cerrado y
supongamos que f : C C es contractante. Entonces f tiene un u
nico punto fijo.
Veremos que estas dos propiedades tambien son validas en el conjunto de las
funciones continuas de I en Rm . Comencemos por definir lo que es una sucesion
de Cauchy en este espacio. En primer lugar, la norma del supremo de una funci
on
f C 0 (I)m es
kf k = sup kf (t)k.
tI
Con esto, decimos que una sucesion de {fn } de funciones en C 0 (I)m es de Cauchy
si para todo > 0 existe N N tal que
kfn fk k <
si
k, n N.
Diremos tambien que una sucesion {fn } en C 0 (I)m converge a f C 0 (I)m si para
todo > 0 existe N N tal que kfn f k < si n N .
Teorema 5.3 (Banach). Sea I un intervalo cerrado y acotado. En el espacio
C 0 (I)m todas las sucesiones de Cauchy (con la norma infinito) son convergentes.
n. Sea {fn } una sucesion de Cauchy en C 0 (I). Fijamos t I
Demostracio
y denotamos por fnj (t) la j-esima componente del vector fn (t) Rm . Para cada
j = 1, . . . , m la sucesion {fnj (t)} es de Cauchy en R pues
|fnj (t) fkj (t)| kfn (t) fk (t)k kfn fk k
y esta u
ltima cantidad tiende a cero cuando n y k tienden a infinito. Esto nos dice
que la sucesion fnj (t) tiene un lmite en R cuando n . Haciendo el mismo
n
Derecho de autor. Prohibida su reproduccio
122
fn = T (fn1 ) = = T n (f ) para n 1.
n
X
j=k+1
fj fj1 =
n
X
j=k+1
T j (f ) T j1 (f ).
n
Derecho de autor. Prohibida su reproduccio
123
n
X
j=k+1
n
X
j=k+1
kT j (f ) T j1 (f )k
K j1 kT (f ) f k
kT (f ) f k
Kk Kn
1K
kT (f ) f k k
K .
1K
Tomemos > 0. Dado que K k 0 cuando k (pues K < 1), existe N N tal
que K k < kT(1K)
(f )f k para todo k N . Tenemos entonces que kfn fk k si
n, k N . Al ser una sucesion de Cauchy, el Teorema 5.3 nos dice que es convergente.
Como mencionamos arriba, el lmite es el u
nico punto fijo de T .
3.2. Demostraci
on del Teorema 5.2. Recordemos que solo nos resta probar que el operador T definido en (40) tiene un u
nico punto fijo. Para ello usaremos
el Teorema del Punto Fijo de Banach, pero primero demostraremos un resultado
auxiliar:
Lema 5.3. Supongamos que para cierto N N el operador
TN =T
T}
| {z
N veces
tiene un u
nico punto fijo. Entonces lo mismo es cierto para T .
que
n. Sea X el u
nico punto fijo de T N . Como T N (X) = X tenemos
Demostracio
T N (T (X)) = T N +1 (X) = T (T N (X)) = T (X),
kX(s) Y (s)k ds
L(t t0 )kX Y k .
t0
n
Derecho de autor. Prohibida su reproduccio
124
De manera similar,
kT 2 (X)(t) T 2 (Y )(t)k
L2
t0
kT (X)(s) T (Y )(s)k ds
Z t Z
t0
t0
t0 )2
kX() Y ()k d
ds
L2 (t
kX Y k .
2
Si repetimos este argumento vemos que para cada n N se tiene que
(t t0 )n Ln
kX Y k .
n!
Denotamos por M la longitud del intervalo I. Tenemos entonces que
kT n (X)(t) T n (Y )(t)k
kT n (X) T n (Y )k
an
n! tiende a cero cuando n
N
que (ML)
< 1, de donde T N
N!
Como
tal
(M L)n
kX Y k .
n!
Esto termina la demostracion del Teorema 5.2. Observemos que, dada la fune
e converge a la
ci
on constante X(t)
X0 , la sucesion de funciones Xn = T n (X)
u
nica solucion del problema de Cauchy. Estas funciones se llaman aproximaciones
sucesivas de Picard.
Algunas observaciones:
1. El Teorema 5.2 es valido para cualquier tipo de intervalo. Observemos ademas
que la solucion del problema de Cauchy est
a definida en todo el intervalo I. Si la
funci
on F est
a definida para todo t R entonces la solucion quedara definida en
todo R.
2. El que la funci
on F sea Lipschitz con respecto a su segunda variable es una
hip
otesis bastante restrictiva, que deja fuera muchos casos interesantes para los
cuales tambien se tiene la existencia y unicidad de solucion. En el Captulo 6 presentaremos una versi
on local de este teorema, que solo requiere que la funci
on F
sea Lipschitz en un entorno de la condicion inicial. El Teorema 5.4 garantiza la
existencia y unicidad de solucion en las cercanas de t0 .
3. Tambien se puede demostrar el teorema en el caso en que la funci
on F es solo
continua por pedazos con respecto a su primera variable. Esto se hace resolviendo
la ecuaci
on por subintervalos y luego pegandolas soluciones que se obtienen.
4. Otra forma de demostrar que T es contractante es definir una norma infinito
alternativa, que depende de la constante de Lipschitz:
kf k,L = sup |f (x)|e2L(tt0 ) .
xI
Con esta norma el Teorema 5.3 sigue siendo valido y queda como ejercicio al lector
probar que esta es efectivamente una norma y que se tiene
1
kT (X) T (Y )k,L kX Y k,L
2
por lo que la constante de contractancia es 1/2 sin necesidad de iterar.
n
Derecho de autor. Prohibida su reproduccio
125
t [t0 , t0 + ].
La solucion est
a definida en el intervalo (, t0 + x1
0 ) y explota al acercarse al
extremo derecho. Este modelo sirve para modelar una combustion o explosion (observe que mientras mas grande x0 , mas rapido se va a la solucion.
En ocasiones la funci
on F es diferenciable con respecto a la segunda variable.
Esta condicion, cuando est
a presente, puede ser mas facil de verificar que la condici
on de Lipschitz. Veremos que toda funci
on de clase C 1 es Lipschitz, lo que implica
que el teorema anterior tambien es valido para funciones de este tipo. Es preciso
observar, sin embargo, que no toda funci
on Lipschitz es de clase C 1 .
n
Derecho de autor. Prohibida su reproduccio
126
sup kJG(X)k kZ Y k
XC
= LC kZ Y k
si
Y, Z C.
4.
Estructura geom
etrica de las soluciones
S = {X Rn | X = A(t)X + B(t), t I}
n
Derecho de autor. Prohibida su reproduccio
4. ESTRUCTURA GEOMETRICA
DE LAS SOLUCIONES
127
1. es la u
nica funci
on en C 1 (I)nn que satisface
(41)
(t0 ) = In
(t) = A(t)
para todo
t I.
Z (t)
Z(0)
= A(t)Z(t)
= 0.
para todo
tI
Pn
Definimos (t) = k=1 vk k (t). Tenemos que
(t) = A(t)(t)
para todo
(t1 ) = 0.
tI
m1
..
.
mn
i {1, . . . , n},
= 0. Matricialmente tenemos
x1
x1
c1
..
.
.
..
. =
..
xn
cn
xn
2 1
..
1 2
.
..
..
k
.
.
.
..
..
2 1
1 2
x1
x2
..
.
xn1
xn
n
Derecho de autor. Prohibida su reproduccio
128
Z=
,
Z
=
,
X
X
podemos reescribir el sistema como
0
Z =
M 1 K
I
M 1 C
Z.
k = 1, . . . , 2n.
Teorema 5.6. El conjunto {k }nk=1 es una base de H, llamada base fundamental can
onica. En consecuencia, dim(H) = n y la soluci
on del sistema homogeneo
Xh (t) = A(t)Xh (t)
tI
Xh (t0 ) = X0
est
a dada por
Xh = (t)X0 = x10 1 (t) + xn0 n (t).
n. Debemos probar que todo elemento de H se escribe como
Demostracio
combinaci
on lineal de 1 , . . . , n y que estas funciones son linealmente independientes.
Partamos por la primera afirmaci
on. Sea Xh H la solucion del sistema homogeneo
para t I
Xh (t) = A(t)Xh (t),
Xh (t0 ) = X0 .
Escibimos X0 = x10 e1 + + xn0 en con x10 , . . . , xn0 R. Demostraremos que Xh =
x10 1 + xn0 n . Para esto definimos
Z(t) = x10 1 (t) + xn0 n (t) = (t)X0 .
Derivando obtenemos
de donde
A(t) x10 1 (t) + xn0 n (t)
A(t)Z(t)
n
Derecho de autor. Prohibida su reproduccio
4. ESTRUCTURA GEOMETRICA
DE LAS SOLUCIONES
129
n
Pn Veamos ahora que {k }k=1 son linealmente independientes. Suponemos que
k=1 k k (t) = 0 para todo t I. Debemos probar que, necesariamente, k = 0
para todo k = 1, . . . , n. Observemos primero que
..
..
1
n
.
.
X
k k (t) =
1 (t) n (t) .. = (t).
..
..
k=1
n
.
.
En virtud del Lema 5.5, la matriz (t) es invertible para cada t y por lo tanto
= 0.
Para generalizar los resultados anteriores, definamos una matriz fundamental
(no necesariamente la can
onica) como
..
..
.
.
M (t) =
1 (t) n (t) ,
..
..
.
.
con t I, donde k es solucion del sistema
k (t) = A(t)k (t)
k (t0 ) = vk
para t I
Corolario 5.2. Sea M (t) una matriz fundamental del sistema. Entonces det(M (t)) 6=
0 para todo t I y
X(t) = M (t)M 1 (t0 )X0 .
n. Observemos que la matriz M (t0 ) es invertible y satisface
Demostracio
M (t0 )ek = vk para k = 1, . . . , n. Luego M (t0 )1 vk = ek para k = 1, . . . , n. La
matriz
(t) = M (t)M (t0 )1
satisface (41) pues
(t0 ) =
(t) =
M (t0 )M (t0 )1
M (t)M (t0 )1
= In
= A(t)M (t)M (t0 )1
= A(t)(t).
De acuerdo con el Lema 5.5, (t) = (t) = M (t)M (t0 )1 , de donde se sigue el
resultado.
Para el sistema no homogeneo aplicaremos el metodo de variacion de par
ametros estudiado en el captulo 3 para ecuaciones de orden superior. Recordemos la
regla para derivar un producto contenida en el Lema 5.1 y la propiedad de dada
por la ecuaci
on (41) en el Lema 5.5. Buscamos una solucion particular de la forma
Xp (t) = (t)F (t),
donde es la matriz fundamental canonica y F es una inc
ognita. Xp debe satisfacer
B(t) =
=
=
=
n
Derecho de autor. Prohibida su reproduccio
130
= (t)1 B(t)
Z t
1 (s)B(s)ds.
=
t0
est
a dada por
1 (s)B(s)ds,
t0
Resoluci
on de sistemas lineales
X
Mk
k=0
k!
=I +M +
M2
Mn
+ +
+
2!
n!
n
X
1 k
M .
k!
k=0
n
X
k=m+1
1 k
M .
k!
k=m+1
1
kM kk .
k!
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
131
Como la serie del lado derecho es convergente a cero, la sucesion {sn (i, j)}
n=0 es
de Cauchy. Concluimos que la esponencial de una matriz est
a bien definida.
Las principales propiedades de la exponencial se resumen en el siguiente resultado:
n 5.2. Sean A, B Mnn (R), t, s R, entonces:
Proposicio
1. e0t = eA0 = I.
d At
e = AeAt .
2. dt
A(t+s)
3. e
= eAt eAs . En particular, eAt es invertible y su inversa es (eAt )1 =
At
e
.
4. AB = BA si, y s
olo si, BeAt = eAt B.
5. AB = BA si, y s
olo si, eAt eBt = e(A+B)t .
n. La propiedad 1. es inmediata de la definicion.
Demostracio
2. En cada intervalo [b, b], b R, las componentes de la matriz At est
an uniformemente acotadas por | max(aij )||b|, luego tenemos la convergencia uniforme
Pp (Ak )ij tk
de hp (t) =
. Como hp converge uniformemente a h y la sucesion
k=0
k!
P
Pp
(Ak )ij tk1
(Ak )ij tk1
X
(Ak )ij tk1
k
k!
k=1
X
X
X
(Ak+1 )ij tk
(Ak )ij tk1
(Ak )ij tk
=
= (Ak )ij
,
k
k!
k!
k!
k=0
k=1
de donde
k=0
d At
(e )ij = Aij (eAt )ij
para todo
t (b, b).
dt
Dado que b era arbitrario, el resultado es valido en todo R.
3. Para s fijo tomamos la funci
on
(t) = eA(t+s) eAt eAs ,
que satisface
(t) = A(t)
y (0) = 0.
X
Ak tk
k=0
5. Se prueba como 3.
k!
X
BAk tk
k=0
k!
X
Ak tk
k=0
k!
B = eAt B.
n
Derecho de autor. Prohibida su reproduccio
132
para todo
tI
..
..
..
.
.
.
P =
v
v
v
1
2
n .
..
..
..
.
.
.
El c
alculo de la exponencial de una matriz diagonalizable es sumamente sencillo.
1
..
D= .
0
At
=e
P DP 1 t
..
.
0
..
.
n
X
(P DP 1 )k tk
=P
=
k!
k=0
donde
eDt
e1 t
.
= ..
0
..
.
X
D k tk
k!
k=0
P 1 = P eDt P 1 ,
0
..
.
en t
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
133
C1
donde las constantes k1 , k2 , L1 y L2 son respectivamente las rigideces y las distancias de los amortiguadores traseros y delanteros al centro de masas G del auto. En
un instante t > 0, x(t) representa la posicion vertical de G y (t) el giro del auto
en torno a G.
k1
L2
k2
x(t)
(t)
L1
0
0
1 0
x
x
0
0
0
1
=
x
(k1 + k2 )
k1 L1 k2 L2
0 0 x
la variables:
n
Derecho de autor. Prohibida su reproduccio
134
0
0
0
b
x
0
1
0 x
1
0
0
0
a 0 0 0
0 0 1 0
0 b 0 0
0 0 0 1
2
A=
a 0 0 0 A = 0 0 a 0 ;
0 0 0 b
0 b 0 0
luego, elevando a k,
A2k
ak
0
=
0
0
0
bk
0
0
0
0
ak
0
0
0
A2k+1 =
ak+1
0
0
0
0
bk+1
0
0
,
0
bk
ak
0
0
0
0
bk
.
0
0
k
a
0 0 0
X t2k 0 bk 0 1
eAt =
(2k)! 0 0 ak 0
k=0
0 0 0 bk
0
0
ak 0
2k+1
X t
0
0
0 bk
.
+
k+1
a
0
0 0
(2k + 1)!
k=0
0
bk+1 0 0
Si tomamos a = 2 y b = 2 obtenemos
X
ak t2k
k=0
X
k=0
(2k)!
bk t2k
(2k)!
=
=
X
(1)k (t)2k
k=0
X
k=0
(2k)!
= cos(t)
(1)k (t)2k
= cos(t),
(2k)!
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
135
X
ak t2k+1
(2k + 1)!
k=0
k=0
bk t2k+1
(2k + 1)!
1 X (1)k (t)2k+1
1
= sen(t)
(2k + 1)!
k=0
1 X (1)k (t)2k+1
1
= sen(t).
(2k + 1)!
k=0
Por lo tanto:
eAt
cos(t)
0
=
sen(t)
0
0
cos(t)
0
sen(t)
sen(t)
0
cos(t)
0
0
1
sen(t) .
0
cos(t)
Si ponemos alguna condicion inicial, como por ejemplo una frenada, representada por
x(0) = 0,
obtenemos
x (0) = 1,
(0) = 0,
sen(t)
x
sen(t)
=
x
cos(t)
cos(t)
(0) = 1,
sen(t)
sen(t)
,
(t) =
,
p
p
con = (1 + )k y = L (1 + )k, que fsicamente representan las frecuencias de cada modo.
x(t) =
0
0
det(A I) = det
a
0
0
b
1
0
0
1
= (2 a)(2 b).
0
0
En terminos de las variables antes definidas quedan los valores propios imaginarios
puros:
1 = i,
2 = i,
3 = i,
4 = i,
0
i/
i/
i/
0
0
v1 =
1 , v2 = 1 , v3 = 0 ,
1
0
0
0
i/
v4
0 .
1
n
Derecho de autor. Prohibida su reproduccio
136
i/
i/
x
= c1 eit 0 + c2 eit 0
1
1
x
0
0
0
0
it i/
it i/
+c3 e
+ c4 e
0
0
1
1
S
olo nos interesan las variables x y :
(ic2 eit ic1 eit )
(ic4 eit ic3 eit )
x(t)
1
0
=
+
.
(t)
0
1
i
c1
i
c3
de donde se obtiene
x(t)
=
(t)
+ c2 i
c4 i
=0
=0
= 1
= 1 ,
c1 = c2 = c3 = c4 = 21 , por tanto:
i
i
1/
0
(eit + eit )
+ (eit + ieit )
;
0
1/
2
2
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
137
1
0 0
..
0
1
..
.
.. 0
B= . 0
.
. .
.. ... ... 1
..
0 ... ... 0
8
0
0
8
0
0
0
0
0
0
0
0
0 0
0 0
0
3
0
0
3
0
0
0 0
0
1
3
0
0
0
.
0
n
Derecho de autor. Prohibida su reproduccio
138
= v1
= v2 + v1
Av3
= v3 + v2
..
.
Avs
= vs + vs1 ,
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
1
0
0
1
1
A=
139
0
0
1 1
1 2 3 3
0 1 2 2
.
1 1
0
1
1 1 1
2
l2
ls
=
=
dim ker(A I) = 2
1 1 0 0
0
0 1 0 0
0
0
0
1
1
0
J =
.
0 0 0 1
0
0 0 0 0 1
Buscamos ahora los vectores propios generalizados. Para 2 tenemos
(A I)v1 = 0 v1 = (, , 0, , )
(A I)v2 = v1
v2 = ( + , , , + , ).
Si = 0, = 1 v1 = (0, 0, 0, 1, 1) v2 = (1 + , , 0, , ). Si = = 0 v2 =
(1, 0, 0, 0, 0).
Si = 1, = 0 v1 = (1, 1, 0, 0, 0) v2 = (, , 1, 1 + , ). Si = = 0 v2 =
(0, 0, 1, 1, 0).
La matriz P de cambio de base tiene por columnas los vectores propios generalizados:
0 1 1 0 0
0 0 1 0 1
P =
0 0 0 1 1 .
1 0 0 1 0
1 0 0 0 0
Para el c
alculo de eAt en el caso general veamos la siguiente propiedad:
n
Derecho de autor. Prohibida su reproduccio
140
n 5.7. Sea
Proposicio
M1
0
M =
.
..
0
0
M2
..
.
0
eM2
eM =
.
..
..
.
0
..
.
..
.
0
..
.
..
.
0
0
..
.
0
Mn
0
..
.
0
e
Mn
M1
0
0
M1
.
.
..
.. 0
0 M2
M2 =
.
.
..
..
..
.
.
0 ..
=
M12
0
..
.
0
M22
..
.
Mk =
Mn
..
.
..
.
0
0
..
.
0
Mn2
M1k
0
..
.
0
M2k
..
.
eM1
0
..
.
0
eM2
..
.
..
.
..
.
0
0
..
.
0
Mn
..
.
..
.
0
..
.
..
.
0
0
..
.
0
Mnk
0
..
.
0
eMn
0
..
.
eJt = e(I+N )t , donde N =
.
..
0
de Jordan de tama
no m:
1
0 0
.
..
..
.
. ..
.
..
..
.
. 1
0
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
141
= I
= N
0
..
.
..
.
0
0
..
.
..
.
0
1
..
0
.
..
..
..
0
..
..
1
..
..
0
..
1
0
1
.
0 1
.. . .
.
.
.. . .
.
.
0
0
..
..
0
..
.
1
0
0 0
0
.. . .
.
..
.
.
N m1 =
. .
.. ...
..
0
N m = 0mm ,
0
0
Nt
X
N k tk
k=0
k!
m1
X
k=0
N k tk
k!
tm1
t2
N m1
= I + tN + N 2 + +
2!
(m 1)!
t2
tm1
1 t
(m1)!
2!
.
..
..
..
. ..
.
.
.
.
.
.. . .
.
.
2
=
..
..
t
.
.
2!
. .
.. ... ...
..
t
0
1
En conclusi
on, eN t es una matriz triangular superior de la forma
(
tk
si j i = k > 0
Nt
k!
[e ]ij =
.
0 si j i < 0
n
Derecho de autor. Prohibida su reproduccio
142
Finalmente,
1 t
.
. ..
.
.
.. . .
eJt = et
.
.
. .
..
..
0
De esta forma hemos demostrado el
tm1
(m1)!
..
..
..
.
.
.
..
..
2
t
.
.
2!
..
..
.
.
t
1
siguiente resultado:
t2
2!
J1 t
e
...
0
.. P 1 .
..
eAt = P ...
.
.
Jn t
0
... e
Ejemplo 5.7. Consideremos el sistema:
X = AX,
con condicion inicial X(0) = X0 , donde la matriz A est
a dada en el Ejemplo 5.6.
Ya habamos calculado su forma canonica de Jordan. En virtud de la proposicion
anterior se tiene que la solucion es:
t
e tet 0 0
0
0 et 0 0
0
1
t
t
0 e te
0
X(t) = P 0
P X0 ,
0
0 0 et
0
0
0 0 0 et
donde P es la matriz de cambio de base descrita en el Ejemplo 5.6.
En el siguiente ejemplo se muestra una aplicacion de la forma canonica de Jordan a un sistema din
amico discreto.
Ejemplo 5.8 (Equilibrio Marino). Suponga que la poblacion de ballenas b,
plancton p y la temperatura del mar T est
an regidas por el siguiente sistema discreto, donde n designa el a
no y > 0 es un par
ametro de crecimiento:
bn+1
pn+1
=
=
bn + pn
pn + Tn
Tn+1
Tn ,
1 0
b0
bn+1
bn
pn+1 = 0 1 pn , con condicion inicial p0 .
T0
Tn+1
0 0
Tn
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
143
n 0,
=
=
AX0 + B0
AX1 + B1 = A(AX0 + B0 ) + B1 = A2 X0 + AB0 + B1
X3
=
..
.
AX2 + B2 = A3 X0 + A2 B0 + AB1 + B2
Xn
An X0 +
n
X
Anj Bj1 .
j=1
n
X
Anj Bj1 ,
j=1
n1
Para n = 1 resulta
X1 = AX0 + B0 ,
que es solucion del sistema. Suponemos ahora que Xn = An X0 +
satisface el sistema propuesto. Hay que probar que
Xn+1 = An+1 X0 +
n+1
X
Pn
j=1
Anj Bj1
An+1j Bj1
j=1
An+1 X0 +
n+1
X
An+1j Bj1
j=1
=
=
=
=
An+1 X0 +
n
X
j=1
n
X
An+1 X0 + A
A An X0 +
AXn + Bn .
j=1
n
X
j=1
Anj Bj1 + Bn
1 0
n
Derecho de autor. Prohibida su reproduccio
144
Seg
un lo anterior, la solucion de este sistema
P Dn P 1 , entonces:
n
1 0
..
..
..
Xn = P .
.
.
0 nd
sera: Xn = An X0 , pero An =
1
P X0 .
De esta forma si queremos que nuestro problema tenga solucion, es decir que exista
lm Xn , debemos imponer que lm nk exista k = 1, . . . , d, lo que equivale a pedir
n
que |k | < 1
o k = 1, k = 1, . . . , d.
k=0
k=0
nk
N + nn1 N + n I.
=
2
En el desarrollo sobre las formas de Jordan, habamos calculado todas las potencias
de una matriz nilpotente, resulta entonces:
n n
n(n 1) n2 2
N + nn1 N +
I
An =
2
n
0 0 1
0 1 0
n(n 1) n2
0 0 0 + nn1 0 0 1 + n I
=
2
0 0 0
0 0 0
n2
n nn1 n(n1)
2
n
n1
.
=
0
n
n
0
0
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
145
De esta forma vemos que se repite la solucion que tenamos para el caso diagonalizable: independiente de la condiciones iniciales, nuestro modelo indica que cuando
n , si || > 1, el sistema diverge, es decir las poblaciones de ballenas y
plancton se expanden indefinidamente, al igual que la temperatura, mientras que
si || < 1, las poblaciones se extinguen y la temperatura del mar desciende a 0.
En el caso crtico || = 1 se tiene que las poblaciones animales divergen, pero con
temperatura constante del mar T0 .
Ejemplo 5.9. Supongamos que se tienen 4 estanques conectados por tuberas,
como se muestra en la figura2.
1
C2 = K2 C2 + K3 C3
C3 = K3 C3 + K4 C4
C4 = K4 C4 + m0 F,
donde Kj = F/Vj . Escrito en forma matricial esto es
C1
K1
C2
0
C3 = 0
C4
0
K2
K2
0
0
0
K3
K3
0
0
C1
C2
0
K4 C3
K4
C4
0
0
+
0 .
m0 F
Nos queda una matriz triangular superior. Si todos los estanques tienen distinto
volumen, la matriz es diagonalizable pues tiene 4 valores propios distintos. Si por
el contrario, todos los estanques el mismo volumen V , escribimos K = F/V y el
sistema se reduce a
C1
1 1
0
0
C1
0
C2
0 1 1
C2 + 0 .
C3 = K 0
0 1 1 C3 0
C4
0
0
0 1
C4
m0 F
2Ver http://www.dim.uchile.cl/ %7Eaxosses/Home/ODE.html donde se pueden ver
esta y
otras simulaciones relacionadas con este texto.
n
Derecho de autor. Prohibida su reproduccio
146
Si denotamos
1 1
0
0
0 1 1
0
A=K
0
0 1 1
0
0
0 1
entonces
eAt
0
= eKt
0
0
Kt
1
0
0
1 2 2
2K t
Kt
1
0
1 3 3
6K t
1 2 2
2K t
Kt
1
sLx2 x02
=
=
= Lb1 + x01
= Lb2 + x02 .
Lx2
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
147
Resolvamos la ecuaci
on cuadratica del lado izquierdo:
r
b(1 + ) b(1 + )
1
.
1
s=
V
V
1+
{z
}
|
Si 0 entonces [0, 1] y
b(1 + )
b(1 + )
(1 + ) < 0
y
s2 =
(1 ) < 0.
V
V
Si introducimos los par
ametros
b(1 + )
b
=
, =
,
V
V
vemos que
s1 =
b + x01 + x02
sx01
+
(s + (1 + ))(s + (1 )) (s + (1 + ))(s + (1 ))
b
+
s(s + (1 + ))(s + (1 ))
sx02
(x01 + x02 )
+
Lx2 =
(s + (1 + ))(s + (1 )) (s + (1 + ))(s + (1 ))
b
.
+
s(s + (1 + ))(s + (1 ))
Los tres sumandos de cada ecuaci
on anterior tienen una antitransformada conocida:
1
eat ebt
L1
=
(s a)(s b)
ab
aeat bebt
s
=
L1
(s a)(s b)
ab
(c b)eat + (a c)ebt + (b a)ect
1
=
.
L1
(s a)(s b)(s c)
(a b)(b c)(c a)
Por lo tanto las soluciones son:
e(1+)t e(1)t
x1 = (b + x01 + x02 )
2
(1+)t
(1
+
)e
(1
)e(1)t
+x01
2
(1+)t
(1 )e
(1 + )e(1)t + 2
+b
2
2 (1 2 )
Lx1
x2
Luego
e(1+)t e(1)t
2
(1+)t
(1
+
)e
(1 )e(1)t
+x02
2
(1 )e(1+)t (1 + )e(1)t + 2
.
b
22 (1 2 )
= (x01 + x02 )
x1
x2
= C1 es1 t + C2 es1 t + C3
e1 es1 t + C
e2 es1 t + C
e3 ,
= C
n
Derecho de autor. Prohibida su reproduccio
148
e1 , C2 , C
e2 , C3 , C
e3 son constantes dadas de la agrupaci
donde C1 , C
on de terminos
semejantes en las expresiones anteriores, y que dependen solo de las condiciones
iniciales y de la geometra del sistema.
Es importante notar que cuando t las soluciones convergen a un estado
estacionario, que es una solucion constante. En efecto, dado que s1 , s2 < 0 tenemos
lm x1 (t)
lm x2 (t)
C3
e3
C
b
(1 2 )
b
(1 2 )
= V
= V.
Despues de un tiempo suficientemente largo, la cantidad de poluente en cada estanque sera muy cercana a V , independientemente del valor de . Tenemos la misma
solucion que si = 0, que era como inicialmente estaba el sistema de estanques. En
realidad la situaci
on es mas compleja, ya que graficando las soluciones para > 0
y = 0 se aprecia que la poluci
on es menor en el caso > 0 para un intervalo de t
considerable (aunque el lmite es el mismo). Ver Figura 3.
=0
>0
10
20
30
40
50
60
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
149
xi (0) = x0i .
j=1
n
X
j=1
aij Lxj
n
X
j=1
= Lbi x0i ,
i = 1, ..., n
i = 1, ..., n.
= LB(s) + X0 .
Sea M el maximo de las partes reales de los valores propios de A. Si s > M entonces
la matriz (sI A) es invertible y podemos despejar L(X).
Teorema 5.9. La soluci
on del sistema lineal (42) satisface
L(X)(s) = (sI A)1 (L(B)(s) + X0 ),
s > M.
Ejemplo 5.11 (Masas atmosfericas). El siguiente es un modelo para la evolucion de las masas atmosfericas en kilotoneladas [kton] de un contaminante en el
hemisferio norte (c1 ) y el hemisferio sur (c2 ) de la Tierra (ver figura 5.11):
c1 = f1 (c1 c2 ) c1
(43)
c2 = f2 (c2 c1 ) c2 .
La constante > 0 representa inverso del tiempo de intercambio interhemisferico en [1/a
no] y la constante > 0 (desconocida) el inverso del tiempo de vida
qumica del contaminante en [1/a
no]. Las emisiones del contaminante en cada hemisferio son constantes conocidas f1 = 30 y f2 = 10 en [kton/a
no]. Inicialmente
c01 = 84 y c02 = 60 en [kton].
c1
N
ecuador
c2
1
(c (t) + c2 (t)).
2 1
n
Derecho de autor. Prohibida su reproduccio
150
f c
que es una EDO lineal de primer orden para c. La condicion inicial est
a dada por
1
1
c(0) = (c1 (0) + c2 (0)) = (84 + 60)[kton] = 72[kton].
2
2
La solucion del problema de Cauchy asociado es
c(t) = 72et +
f
(1 et ).
Como f = 20 [kton/a
no], tenemos que
100[kton]
= 5 [a
nos].
20[kton/a
no]
1 =
f1
A=
.
y B=
f2
El Teorema 5.9 nos dice que
L(X)(s)
1
s
f2
0
s++
s + c2
k1 1 (s) + k2 2 (s) + k3 3 (s)
,
e
k1 1 (s) + e
k2 2 (s) + e
k3 3 (s)
=
=
=
donde
k1
k2
k3
=
=
=
2 (s)
3 (s)
e
k1
e
k2
e
k3
1
(s + )(s + 2 + )
s
(s + )(s + 2 + )
1
s(s + )(s + 2 + )
n
Derecho de autor. Prohibida su reproduccio
DE SISTEMAS LINEALES
5. RESOLUCION
151
1
(s + )(s + 2 + )
1
1
,
2(s + ) 2(s + 2 + )
s
(s + )(s + 2 + )
s
s
,
2(s + ) 2(s + 2 + )
1
s(s + )(s + 2 + )
1
1
1
+
.
(2 + )s (2)(s + ) 2(2 + )(s + 2 + )
Recordando que
1
1
(t) = eat
L
s+a
vemos que
L1 [1 (s)]
=
L1 [2 (s)]
=
=
=
L1 [3 (s)]
s
(t) = (t) aeat ,
s+a
1
1
2(s + ) 2(s + 2 + )
1 1
1
1
1 1
L
L
2
s+
2
s + 2 +
1 t
1 (2+)t
e
e
,
2
2
1 1
s
s
1 1
L
L
2
s+
2
s + 2 +
1
((t) et (t) + (2 + )e(2+)t )
2
1
(2 + )e(2+)t et ,
2
1 1
1
1
1
L1
L
(2 + )
s
2
s+
1
1
+
L1
2(2 + )
s + 2 +
1
1 t
1
e
+
e(2+)t .
(2 + ) 2
2(2 + )
= L1
=
= p1 et + q1 e(2+)t + r1
c2 (t)
= p2 et + q2 e(2+)t + r2 ,
n
Derecho de autor. Prohibida su reproduccio
152
n
Derecho de autor. Prohibida su reproduccio
Captulo 6
An
alisis cualitativo de sistemas no lineales
Muchos fenomenos de la naturaleza se comportan de forma un poco mas complicada que un sistema de ecuaciones lineales. Por ejemplo, se suele utilizar la aproximacion de la Ley de Hooke F = kx para modelar resortes, aunque en realidad
esta fuerza suele tener otras componentes de orden no lineal, pero que habitualmente son despreciables. En general estas ecuaciones presentan grandes desafos,
pues es bastante complicado encontrarles soluciones explcitas. Sin embargo, muchas veces se puede hacer un estudio cualitativo de las soluciones, que nos indique
sobre el comportamiento general del sistema no lineal.
Dados un intervalo abierto I y una funci
on F : I Rn Rn , consideremos el
siguiente sistema de ecuaciones diferenciales de primer orden con condicion inicial
X0 Rn en t0 I:
X (t) = F (t, X(t)), t I
X(t0 ) = X0 .
Si la funci
on F no es lineal con respecto a la varible X, se dir
a que es un sistema no lineal (SN L). Si ademas F no depende explcitamente de la variable t, se
dir
a que es un sistema no lineal aut
onomo (SN LA). Generalmente un (SN LA)
corresponde en el caso mecanico a un movimiento sin forzamiento externo. Estos
sistemas son invariantes bajo traslaciones temporales (variable t). En particular, si
X : I Rn es una solucion del sistema entonces la funci
on Xc : Ic Rn definida
por Xc (t) = X(t c) tambien lo es. Aqu Ic denota el intervalo I desplazado hacia
la derecha en c.
El vector X(t) Rn , que es la solucion del sistema en un punto t I, se llama
vector de estado.
n. Dada una funci
Observacio
on h : I R R R R, toda ecuaci
on de
orden superior de la forma
y (n) = h(t, y, y , . . . , y (n1) )
y(t0 ) = y0 , y (t0 ) = y1 , . . . , y (n1) (t0 ) = yn1
se puede llevar, mediante un cambio de variables, a la forma (SN L). Claramente,
si h no depende explcitamente de t, se puede llevar a la forma (SN LA).
Ejemplo 6.1 (El pendulo simple amortiguado). Un pendulo simple sometido a
un ambiente con roce (por ejemplo aire, agua, aceite, etc.) y a una fuerza externa,
queda descrito por la siguiente ecuaci
on de movimento de segundo orden:
m + c +
mg
L
sen() =
(0) =
(0) =
153
f (t)
0
0 ,
n
Derecho de autor. Prohibida su reproduccio
154
6. SISTEMAS NO LINEALES
donde es el
angulo que forma el pendulo con respecto a la vertical y c el coeficiente
de roce, producto de una fuerza de roce viscoso lineal: F~roce = c~v , donde v = L .
Haciendo el cambio de variables: x = , y = , la ecuaci
on anterior toma la forma
de (SN L):
x
c
g
y sen(x) + f (t).
m
L
La no linealidad se aprecia claramente en el termino sen() pues
y
c
g
y sen(x).
m
L
Ejemplo 6.2 (Atractor de Lorenz). El siguiente sistema de ecuaciones diferenciales fue un modelo desarrollado por Lorenz, que en principio se propona tratar
de comprender los fenomenos meteorologicos. El modelo que utilizo Lorenz consiste en una atmosfera bidimensional rectangular, cuyo extremo inferior est
a a una
temperatura mayor que el superior. De esta manera el aire caliente subir
a y el aire
fro bajar
a cre
andose corrientes que har
an un intercambio de calor por conveccion.
Las ecuaciones que describen este proceso son:
x = s(y x)
y = rx y xz
z = xy bz,
1.
n
Derecho de autor. Prohibida su reproduccio
1. SISTEMAS NO LINEALES Y SISTEMAS LINEALIZADOS
155
Decimos que (
x, y) es un punto crtico o de equilibrio del (SN LA) si
F (
x, y) = 0
G(
x, y) = 0.
Se llama nulclina en x a la curva definida por F (x, y) = 0 y nulclina en y a la curva
definida por G(x, y) = 0.
Los puntos crticos son las intersecciones de las nulclinas. El conjunto de puntos
crticos del sistema se denota por
C = {(
x, y) R2 | F (
x, y) = G(
x, y) = 0}.
G(x, y)
F
(
x, y)(x x
) +
x
G
(
x, y)(x x) +
x
F
(
x, y)(y y) + hF (r)
y
G
(
x, y)(y y) + hG (r),
y
donde r = (x, y) (
x, y) (recordemos que F (
x, y) = G(
x, y) = 0). Ademas
lm
r0
hF (r)
=0
krk
lm
r0
hG (r)
= 0.
krk
hF (r)
hG (r).
b(y y)
d(y y).
n
Derecho de autor. Prohibida su reproduccio
156
6. SISTEMAS NO LINEALES
1. Si |J(
x, y)| 6= 0, entonces (
x, y) es el u
nico punto crtico de (SL). En
particular es aislado para (SL).
2. Si |J(
x, y)| = 0, entonces los puntos crticos de (SL) son densos en torno
a (
x, y). M
as precisamente, el conjunto C es una recta que contiene a (
x, y)
si J(
x, y) 6= 022 y es todo el plano si J(
x, y) = 022 .
3. Si |J(
x, y)| 6= 0, entonces (
x, y) es un punto crtico aislado de (SN LA).
n. Primero observemos que (x, y) es punto crtico de (SL) si, y
Demostracio
solo si,
a(x x
) + b(y y) = 0
c(x x
) + d(y y) = 0.
Es decir, si
a
c
b
d
x
y
a
c
b
d
x
y
= V0 ,
hF (
r)
=
.
c d
z y
hG (
r)
Si |J(
x, y)| 6= 0 tenemos que
w
x
a
=
z y
c
b
d
1
hF (
r)
hG (
r)
n
Derecho de autor. Prohibida su reproduccio
1. SISTEMAS NO LINEALES Y SISTEMAS LINEALIZADOS
157
60
42,
cuya u
nica
Tenemos entonces que C = {(0, 0), (0, 14), (20, 0), (12, 6)}, conjunto que muestra
las posibilidades de equilibrio entre ambas poblaciones. El u
nico caso en que pueden
coexistir ambas especies es (
x, y) = (12, 6). En los dem
as casos, al menos una de
las especies se extingue. Aun as, todas son soluciones de equilibrio. El Jacobiano
y
(0,14)
(12,6)
(20,0)
x
(0,0)
F
x
G
x
F
x, y)
y (
G
x, y)
y (
60 6x 4y
2y
4x
42 6y 2x
n
Derecho de autor. Prohibida su reproduccio
158
6. SISTEMAS NO LINEALES
1. J(0, 0) =
(0, 0) es
60 0
0 42
x
y
= 60(x 0) +
0(y 0)
= 0(x 0) + 42(y 0).
60 80
2. J(20, 0) =
tambien es invertible y
0
2
x = 60(x 20) 80(y 0)
(SL)2
y =
0(x 20) + 2(y 0).
4
0
3. J(0, 14) =
tambien lo es y
28 42
x =
4(x 0) +
0(y 14)
(SL)3
y = 28(x 0) 42(y 14).
36 48
4. Finalmente, J(12, 6) =
es invertible y
12 18
x = 36(x 12) 48(y 6)
(SL)4
y = 12(x 12) 18(y 6).
(SL)1
Ejemplo 6.4. Habamos visto que las ecuaciones de un pendulo sin forzamiento
est
an dadas por
x = y
c
y = m
y Lg sen(x).
Sus puntos crticos satisfacen
0 = y
c
y Lg sen(
x),
0 = m
de donde
C = {(k, 0) | k Z}.
1
,
c
m
que es invertible. El sistema linealizado en torno al origen es
x =
0(x 0) + 1(y 0)
(SL)
c
(y 0)
y = Lg (x 0) m
J(
x, y) =
Lg (1)k
n
Derecho de autor. Prohibida su reproduccio
1. SISTEMAS NO LINEALES Y SISTEMAS LINEALIZADOS
159
4
y 2
4
2
4
Figura 3. Interseccion de Conicas
n
Derecho de autor. Prohibida su reproduccio
160
6. SISTEMAS NO LINEALES
Para ver que en (0, 0) la dos curvas efectivamente son tangentes como sugiere
el gr
afico, calculemos la derivada en dicho punto:
3+2x
3 + 2x + 2y + 2yy = 0 y = 2(1+y)
x3
6 2x + 4y + 2yy = 0 y = 2+y
y (0) = 23
y (0) = 23 .
y luego J(0, 0) =
3
6
2
4
cuyos puntos crticos son C = {(x, y) R2 | y = 32 x}. Aqu el punto (0, 0) tampoco es aislado.
2.
Dado el (SN LA)
x = F (x, y)
y = G(x, y)
con condicion inicial (x(t0 ), y(t0 )) = (x0 , y0 ), a la solucion del problema de Cauchy
se le llama trayectoria que parte de (x0 , y0 ). M
as precisamente, es la funci
on
T : I0
t
R2
7
(x(t), y(t)) ,
n
Derecho de autor. Prohibida su reproduccio
2. DIAGRAMAS DE FASE Y DE FLUJO
161
(xo,yo)
= (sen(t), cos(t))
= (cos(t), sen(t))
n
Derecho de autor. Prohibida su reproduccio
162
6. SISTEMAS NO LINEALES
(45) a
(e
x2 (t), ye2 (t)) = (cos(t), sen(t))
y luego
G(x, y)
dy
y
= =
.
dx
x
F (x, y)
Clasificaci
on de los puntos crticos
As tenemos una solucion (x(t), y(t)) que depende de (x0 , y0 ). Para distintos
valores de k, esta solucion tiene distintas formas.
Si tomamos k = 1, resultan las soluciones
x(t) = x0 et
y(t) = y0 et .
y0
x0
x(t)
y(t) =
x(t),
=
y(t)
y0
x0
que representan rectas de pendiente xy00 , cuyo grafico en el plano XY queda ilustrado en la Figura 7, donde las flechas indican el sentido positivo del tiempo. Cuando
t tenemos que (x(t), y(t)) 0.
n
Derecho de autor. Prohibida su reproduccio
3. CLASIFICACION
DE LOS PUNTOS CRITICOS
163
xo
x
t
yo
y
t
Figura 6. Soluciones de (46) para k > 0.
t=0
yo
y
t=1
t=2
xo
Figura 7. Soluci
on del sistema para una condicion inicial en el
plano de fases XY
x(t) =
y(t) =
x0 et
yo e2t ,
n
Derecho de autor. Prohibida su reproduccio
164
6. SISTEMAS NO LINEALES
yo
xo
n
Derecho de autor. Prohibida su reproduccio
3. CLASIFICACION
DE LOS PUNTOS CRITICOS
165
lm y(t) = y.
y(t) y
x(t) x
x = x
y = y
n
Derecho de autor. Prohibida su reproduccio
166
6. SISTEMAS NO LINEALES
y
yo
y
x
xo
x
y
=
=
x
2y
tambien se tiene que el punto crtico (0, 0) es un nodo. Todas las trayectorias entran
al nodo con pendiente l = 0 salvo aquellas que parten de alg
un punto sobre el eje
OY , que entran con pendiente vertical.
Un punto crtco aislado (
x, y) se llama punto silla si existen dos trayectorias
que entran a el tangentes a semirrectas opuestas y dos que salen de la misma forma. Las restantes trayectorias no convergen a (
x, y) y tienen como asntotas a las
semirrectas antes mencionadas.
Ejemplo 6.11. En el sistema
x
y
=
=
x
y,
Diremos que un punto crtico es punto espiral si todas las trayectorias en una
vecindad del punto convergen pero no entran cuando t , o convergen pero no
salen cuando t . Un punto crtico es un centro si todas las trayectorias en
una vecindad del punto son cerradas y existen trayectorias arbitrariamente cerca
del punto.
n
Derecho de autor. Prohibida su reproduccio
3. CLASIFICACION
DE LOS PUNTOS CRITICOS
167
y
y,
con condiciones iniciales (x(0), y(0)) = (x0 , y0 ) dadas, que tiene claramente el u
nico
punto crtico (0, 0). Este es un sistema lineal de matriz
A=
,
cuyos valores propios son = i. Los vectores propios asociados son
i
i
v1 =
y
v2 =
.
1
1
Luego A es diagonalizable y A = P DP 1 , donde
1
1 i
1 i
1
P =
.
y
P =
i 1
i 1
2
Observemos que
cos(t)
sen(t)
sen(t)
cos(t)
i
1
sen(t)
cos(t)
x0
y0
Para bosquejar los diagramas de fase del sistema, solo es necesario considerar
los signos de y . La trayectoria se aleja del origen si > 0 pues et es creciente.
n
Derecho de autor. Prohibida su reproduccio
168
6. SISTEMAS NO LINEALES
Nos interesa estudiar ahora con profundidad los sistemas linealizados, puesto
que Henri Poincare demostr
o que bajo las hipotesis adecuadas, si se logra clasificar
cualitativamente un punto crtico, por ejemplo en terminos de nodo, espiral, etc.,
entonces estas mismas caractersticas se mantendran en el sistema original no lineal.
n
Derecho de autor. Prohibida su reproduccio
4. PUNTOS CRITICOS DE SISTEMAS LINEALES
169
n
Derecho de autor. Prohibida su reproduccio
170
6. SISTEMAS NO LINEALES
lm x
e = lm e1 t x
e0 = 0.
Si 1 > 0, entonces
lm x
e = lm e1 t x
e0 = ,
donde c0 =
y
e0
/
x
e0 2 1
es una constante.
n
Derecho de autor. Prohibida su reproduccio
4. PUNTOS CRITICOS DE SISTEMAS LINEALES
171
2
1
2
1
n
Derecho de autor. Prohibida su reproduccio
172
6. SISTEMAS NO LINEALES
Vimos que este sistema no era degenerado entorno a ninguno de estos cuatro puntos
crticos, que ahora clasificaremos con respecto al sistema linealizado. Ya habamos
evaluado el jacobiano en cada punto crtico:
60 0
1. J(0, 0) =
. Sus valores propios son 1 = 60 y 2 = 42, por lo
0 42
que se trata de un nodo inestable. Los vectores propios asociados son
1
0
v1 =
v2 =
,
0
1
respectivamente. Los recorridos de las trayectorias son tangentes a la direcci
on v2 (salvo
los 2 queson tangentes a v1 ).
60 80
2. J(20, 0) =
. Sus valores propios son 1 = 60 y 2 = 2,
0
2
por lo que este es un punto silla. Los vectores propios asociados son
1
80
v1 =
v2 =
,
0
62
respectivamente.
El eje delas trayectorias convergentes es la direcci
on v1 .
4
0
3. J(0, 14) =
. Sus valores propios son 1 = 4 y 2 = 42,
28 42
por lo que este tambien es un punto silla. Los vectores propios asociados
son
46
0
v1 =
v2 =
,
28
1
respectivamente.
El eje delas trayectorias convergentes es la direcci
on v2 .
36 48
4. J(12, 6) =
. Sus valores propios son 1 = 27 3 73
12 18
n
Derecho de autor. Prohibida su reproduccio
4. PUNTOS CRITICOS DE SISTEMAS LINEALES
173
1 = i,
con
6= 0 y
6= 0.
x + y
y = x +
y
+ i
0
pues las matrices
y
, tienen igual polinomio ca0
i
racterstico. Ya habamos analizado este caso en el Ejemplo 6.12. Vimos que el
origen es un punto espiral asint
oticamente estable si < 0 y un espiral inestable si
> 0.
Notemos que dado que hay un cambio de base, se pierde la informacion del
sentido del giro y ya no se puede deducir de los valores o vectores propios. Para
determinar el sentido del giro, lo mas facil es calcular el flujo directamente del
sistema original en algunos puntos estrategicos.
Ejemplo 6.14 (Pendulo no lineal). Ahora que tenemos mas herramientas, seguiremos con el ejemplo del pendulo no lineal. El sistema
x = y
c
y = m
y Lg sen(x)
tiene puntos crticos C = {(k, 0) | k Z}, y el Jacobiano respectivo es:
0
1
0
1
,
J(x, y) =
J(
x
,
y
)
=
c
c
Lg cos(x) m
Lg (1)k m
por tanto los valores propios dependeran de la paridad de k.
k impar: Tenemos que 2 +
c
m
g
L
= 0, de donde
r
c2
c
g
=
+ .
2
2m
4m
L
Puesto que todas las contantes son positivas tenemos dos valores propios reales de
distinto signo. Los puntos crticos resultan ser puntos sillas inestables.
n
Derecho de autor. Prohibida su reproduccio
174
6. SISTEMAS NO LINEALES
k par: Aqu 2 +
c
m
g
L
= 0 y luego
c
=
2m
g
c2
.
2
4m
L
g
c
1. Sobreamortiguado: El caso 4m
2 > L nos entrega dos valores propios reales
distintos, ambos negativos, por lo que los puntos crticos (k, 0) resultan
nodos asint
oticamente estables.
g
c2
2. Subamortiguado: El caso 4m
2 < L nos entrega dos valores propios complejos
conjugados, por lo que los puntos crticos (k, 0) resultan puntos espirales,
c
< 0.
que ademas son asint
oticamente estables pues = 2m
Este caso corresponde al mas com
un, que ocurre cuando el coeficiente de
p
g
c2
roce es peque
no (notar que 4m
olo si, c < 2m Lg ).
2 < L si, y s
El sentido de giro de las espirales se puede determinar calculando el flujo
el algunos puntos vecinos (ver flechas en la Figura 19).
Notemos que si el pendulo est
a en posicion vertical hacia arriba, que
corresponde a los puntos k impar, est
a en un equilibrio inestable. Intuitivamente, si en esta posicion lo perturbamos ligeramente, el pendulo oscila
hasta la posicion vertical hacia abajo, que son los puntos espirales asint
oticamente estables con k par (ver situaci
on cerca de (, 0) en la Figura 19).
4
y
3 2
00
2
2
x
4
Figura 19. Diagramas de fase del pendulo subamortuguado.
2
g
c
3. Crticamente amortiguado: El caso 4m
olo valor
2 = L nos entrega un s
propio real negativo de multiplicidad doble. Este caso a
un no lo hemos
analizado, pero lo analizaremos a continuacion (corresponde a un nodo en
S).
B. Casos Frontera.
B.1. Un solo valor propio con multiplicidad 2.
n
Derecho de autor. Prohibida su reproduccio
4. PUNTOS CRITICOS DE SISTEMAS LINEALES
Tenemos el sistema
x
y
175
= ax + by
= cx + dy,
a b
no es necesariamente diagonalizable (pues tiene el
c d
valor propio repetido), pero siempre se puede llevar a su forma canonica de Jordan
A = P JP 1 , donde J puede tener uno o dos bloques. En el caso de tener dos
bloques, la matriz es diagonalizable, con
t
0
e
0
J=
y de aqu
eJt =
.
0
0 et
con la matriz A =
Luego, la ecuaci
on en las nuevas coordenadas dadas por los vectores propios generalizados v1 , v2 es:
t
x
e
x
e = et x
e0
x
e0
e
0
=
.
t
ye
ye0
0 e
ye = et ye0
El diagrama de fase de este caso ya es bien conocido del comienzo del captulo (ver
Figura 8 para caso < 0). El punto crtico sera un nodo asint
oticamente estable si
el valor propio es negativo y un nodo inestable si es positivo. Este tipo de nodos se
denomina nodos estrella.
Si la matriz no es diagonalizable, tenemos:
t
1
e
J=
y entonces
eJt =
0
0
tet
et
De esta forma el sistema en las nuevas coordenadas dadas por los vectores propios
generalizados v1 , v2 , es:
t
x
= et x0 + tet y0
x
e
tet
x
0
.
=
t
y
y0
y = et y0
0
e
De aqu se tiene que si < 0 resulta un nodo asint
oticamente estable, y si > 0,
es un
nodo
inestable.
De
hecho,
de
la
segunda
ecuaci
on se puede despejar t =
y
1
ln y0 . Reemplazando en la primera obtenemos
1
y
x
0
.
+ ln
x = y
y0
y0
x
0 + t
y0
que tiende a cero si t tiende a infinito as que las trayectorias resultan tangentes al
eje propio cerca del origen. El analsis para > 0 es similar. Este tipo de puntos
crticos se denominan nodos en S. Son asint
oticamente estables si < 0 e inestables
si > 0.
n
Derecho de autor. Prohibida su reproduccio
176
6. SISTEMAS NO LINEALES
y = det(A)
n
Derecho de autor. Prohibida su reproduccio
5. EL ENFOQUE TRAZA - DETERMINANTE
177
p
tr(A)2 4 det(A)
.
=
2
Las races son reales sobre la par
abola 4 det(A) = tr(A)2 . Con la notaci
on dada
2
arriba esto es 4y = x .
tr(A)
4 det(A) = tr(A)2
det(A)
tr(A)
n
Derecho de autor. Prohibida su reproduccio
178
6. SISTEMAS NO LINEALES
6.
Un concepto u
til en fsica para clasificar los puntos de equilibrio de un sistema
es el de energa, gracias al siguiente principio:
En sistemas conservativos, un punto crtico es estable si es un
mnimo local de la energa total.
A grandes rasgos una funci
on de Lyapunov es una energa, en un sentido amplio.
En breve daremos una definic
on mas precisa.
Antes introduzcamos las llamadas curvas de iso-energa que se pueden obtener
directamente para el pendulo no lineal en el caso conservativo (c = 0). En general,
si tenemos el sistema conservativo:
x + f (x) = 0
si multiplicamos por x e integramos entre t1 y t2 , queda
Z t2
Z t2
f (x(t))x (t) dt = 0
x x dt +
t1
usando que
d|x |2
dt
t1
+
2
2
x1
entonces
|x (t1 )|2
|x (t1 )|2
+ F (x1 ) =
+ F (x2 ).
2
2
Esto quiere decir que la siguiente cantidad (que es exactamente la energa salvo una
constante multiplicativa y/o aditiva) es conservada a lo largo de las trayectorias:
y2
+ F (x).
2
Las curvas de iso-energa quedan as parametrizadas por E de la forma
p
y = 2(E F (x)).
E(x, y) =
n
Derecho de autor. Prohibida su reproduccio
6. ENERGIA, FUNCIONES DE LYAPUNOV Y ESTABILIDAD
179
4
15
10
10
15
para todo t, lo que significa que V (t) = V0 para todo t. Es decir, la energa se
mantiene constante, por lo que hemos verificado una vez mas que el sistema es
conservativo.
Por otra parte, los mnimos locales de V (o de E) son efectivamente los puntos
crticos del sistema: {(2k, 0) | k Z}. Si el sistema parte de uno de estos puntos,
permanece en el; pero si parte de un punto distinto las trayectorias no pueden tender a ning
un punto crtico pues ellas se mantienen a niveles constantes de energa.
Esto dice que ning
un punto crtico puede ser asint
oticamente estable.
n
Derecho de autor. Prohibida su reproduccio
180
6. SISTEMAS NO LINEALES
g
L
sen(x)
Las ecuaciones para la energa son exactamente las mismas, por lo que todava
V (x, y) = 12 mL2 y 2 + mgL(1 cos(x)), pero si derivamos y luego reemplazamos
x , y obtenemos
dV
= cL2 y 2 0.
dt
La energa disminuye con el paso del tiempo y se dice que el sistema es disipativo.
En este caso la perdida o disminuci
on de energa se debe al roce y es natural pensar
que entonces debe tener mas posibilidad de evolucionar hacia un punto de equilibrio
estable. Es mas, antes ya vimos que la posicion vertical hacia abajo es punto de
equilibrio asint
oticamente estable.
Esto es mas general, si consideramos el sistema siguiente:
x + f (x) + g(y) = 0
tal que yg(y) 0 entonces si E(x, y) =
y2
2
dE
= yy + f (x)y = y(f (x) g(y)) + f (x)y = yg(y) 0
dt
es decir el sistema disipar
a energa.
Dado un punto (
x, y) R2 , una corona alrededor de (
x, y) es un conjunto Dr
de la forma
{(x, y) R2 | 0 < k(x, y) (
x, y)k < r}.
Notemos que si a Dr le agregamos el punto (
x, y) obtenemos la bola abierta Br (
x, y).
Una vecindad perforada de (
x, y) es un abierto que no contiene a (
x, y) pero contiene
a una corona alrededor de (
x, y).
Consideremos el (SN LA)
x = F (x, y),
y = G(x, y),
x(t0 ) = x0
y(t0 ) = y0 ,
n
Derecho de autor. Prohibida su reproduccio
6. ENERGIA, FUNCIONES DE LYAPUNOV Y ESTABILIDAD
181
para todo
t 0.
n
Derecho de autor. Prohibida su reproduccio
182
6. SISTEMAS NO LINEALES
V
V
F+
G
x
y
n
Derecho de autor. Prohibida su reproduccio
6. ENERGIA, FUNCIONES DE LYAPUNOV Y ESTABILIDAD
183
cos()
<0
cos4 () + 2 cos3 () sen()
= r2 1 + r2
3
n
Derecho de autor. Prohibida su reproduccio
184
6. SISTEMAS NO LINEALES
= sen x cos y
= cos x sen y.
En efecto F (x, y) = sin x cos x y G(x, y) = cos x sin y. Los puntos crticos son
F (x, y) = G(x, y) = 0. F (x, y) = 0 implica sin x = 0 o cos y = 0. Si sin x = 0,
entonces G(x, y) = 0 si y solo si sin y = 0. Se sigue que en este caso x = k con
k Z e y = l con l Z. Por otro lado si cos y = 0, entonces G(x, y) = 0 si y solo
si cos x = 0. Se sigue que x = /2 + k con k Z e y = /2 + l con l Z.
Analicemos ahora el tipo y estabilidad de los puntos crticos para el sistema
linealizado. Para ello calculemos la matriz Jacobiana, para tener los sistemas linelizados:
!
F
F
cos x cos y sin x sin y
x (x, y)
y (x, y)
=
J(x, y) = F
G
sin x sin y cos x cos y
x (x, y)
y (x, y)
Caso 1: x = k e y = l. Se tiene que sin x = sin y = 0 y tambien
(
(
1
si k es par
1
si l es par
cos x =
,
cos y =
.
1 si no
1 si no
Asi, tenemos dos subcasos:
Subcaso a: k par y l par ; k impar y l impar.
1 0
J=
0 1
y en este caso, el punto crtico es un punto silla.
Subcaso b: k par y l impar ; k par y l impar.
1 0
J=
0 1
y en este caso, el punto crtico es un punto silla.
Caso 2: x = /2 + k e y = /2 + k. Se tiene que cos x cos y = 0 y que
(
(
1
si k es par
1
si l es par
sin x =
,
sin y =
.
1 si no
1 si no
n
Derecho de autor. Prohibida su reproduccio
6. ENERGIA, FUNCIONES DE LYAPUNOV Y ESTABILIDAD
185
En este caso, los valores propios de J son i y i, y se tiene que el punto crtico
para el sistema linealizado es estable (centro).
Para los puntos crticos del caso 1, se tiene que para el sistema no lineal tambien
seran puntos inestables. Pero para el caso 2, la parte real de los valores propios es
0, luego no se puede concluir la estabilidad del sistema no lineal con este analisis.
Bosquejemos conjuntamente los diagramas de fase de los sistemas lineales en
[, ] [, ] indicando con flechas el sentido en que las trayectorias son recorridas.
Observemos que los puntos sillas tienen en el subcaso a) la direcci
on inestable
es paralela al vector (1, 0), i.e. la direcci
on horizontal es inestable, mientras que la
vertical es estable. Esto es por que la matriz es diagonal y entonces los vectores
propios son la base can
onica). En el subcaso b) se tiene que la direcci
on horizontal
es estable y la direcci
on vertical es inestable. en el caso 2) subcaso a) el sentido de
giro es positivo en el sentido de la mano derecha, en el caso 2) subcaso b) el sentido
de giro es negativo. Ademas en el sistema linealizado los puntos crticos del caso 2)
son centros, i.e., las trayectorias giran en torno a estos puntos. As, se tiene1
x = sin(x) cos(y)
y = cos(x) sin(y)
punto silla
punto silla
punto silla
centro
centro
0
punto silla
punto silla
punto silla
centro
centro
3
punto silla
punto silla
punto silla
4
4
0
x
programas
libres
dphase
pplane.
Ver
n
Derecho de autor. Prohibida su reproduccio
186
6. SISTEMAS NO LINEALES
d
H(x(t), y(t)) = 0. En efecto, por regla de la cadena se
Basta para ello ver que dt
tiene que
d
H
H
H(x(t), y(t)) =
(x(t), y(t))x (t) +
(x(t), y(t))y (t)
dt
x
y
Reemplazando se obtiene