Captulo 5

Ecuaciones Diferenciales de primer

orden
5.1. Motivaci on
Hay muchas situaciones fsicas que se describen en terminos de ecuaciones diferenciales
de primer orden, por ejemplo para dise nar proyectores es preciso calcular la forma de un
espejo para que un haz de rayos paralelos que inciden sobre el se reejen en un mismo
punto.
Supongamos que la intersecci on del espejo con el plano Oxy es la curva y = y(x),
referida a un sistema de ejes coordenados tal que su origen est a situado en el punto por
el que pasan todos los rayos, paralelos a Ox, que se reejan en el espejo (Figura 5.1). Sea
P = (x, y) un punto generico de la curva en el que incide un rayo. Teniendo en cuenta
que el angulo de incidencia y reexi on son iguales, tal como se indica en la citada gura,
se deduce
tg 2 =
y
x
, tg = y

(x).
Por tanto
y
x
= tg 2 =
2 tg a
1 tg
2

=
2y

1 y
2
,
lo que da lugar a una ecuaci on de primer orden y segundo grado y(y

)
2
+2xy

y = 0. Se
obtienen as dos ecuaciones de primer orden
y

=
x
y
+

_
x
y
_
2
+ 1, y

=
x
y

_
x
y
_
2
+ 1
cuyas curvas integrales tienen la forma de sendos espejos, seg un sea el sentido de los rayos
(mismo sentido que Ox o el contrario).
La soluci on de las ecuaciones anteriores son las par abolas
y
2
= 2Cx +C
2
, y
2
= 2Cx +C
2
.
37
38 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

Figura 5.1: Dise no de espejo
La forma solicitada ser an los paraboloides de revoluci on que engendran las par abolas
anteriores al girar alrededor del eje Ox
y
2
+z
2
= 2Cx +C
2
, y
2
+z
2
= 2Cx +C
2
.
En el presente Captulo trataremos ecuaciones diferenciales de primer orden, es decir
ecuaciones de la forma
y

= f(x, y),
donde f es una funci on dada, denida en un dominio de R
2
.
Se llama soluci on de la e.d. a cualquier funci on y = (x) tal que

(x) = f(x, (x)),

y nuestra tarea consiste en averiguar si tales funciones existen, tratar de encontrarlas y
establecer su dominio de denici on. Resolveremos analticamente las ecuaciones lineales
y algunos casos particulares de ecuaciones no lineales, analizaremos cualitativamente los
problemas, en particular en el caso de ecuaciones aut onomas, y

= f(y), e introduciremos
los metodos numericos.
El caso m as simple es y

= f(x), cuya soluci on ser a cualquier primitiva de f.

5.2. ECUACIONES LINEALES. EXISTENCIA Y UNICIDAD DE SOLUCI

ON. 39
5.2. Ecuaciones Lineales. Existencia y unicidad de so-
luci on.
Son ecuaciones en las que f(x, y) es una funci on lineal en la variable y,
f(x, y) = p(x) y +g(x),
con lo que la e.d. queda en la forma
y

+p(x) y = g(x).
Ejemplo 5.2.1 Encontrar soluciones de la ecuaci on diferencial y

2y = x
2
e
2x
e
2x
[y

2y] = x
2
=(y e
2x
)

= x
2
=y e
2x
=
x
3
3
+C,
donde C es una constante arbitraria. Por tanto las soluciones de la e.d. son de la forma
y =
x
3
3
e
2x
+C e
2x
.
La expresi on obtenida, que recoge todas las soluciones de la e.d. dada, se llama soluci on
general. Si jamos un punto (condici on inicial), por el que debe pasar la soluci on, es
posible encontrar la unica soluci on que satisface tal condici on. Esto es una caracterstica
de las ecuaciones lineales.
Para obtener la soluci on de la e.d. en el caso en que p(x) no sea constante, buscare-
mos una funci on cualquiera, en particular la podemos suponer positiva, llamada factor
integrante, (x), tal que
(x)[y

+p(x)y] = [(x) y]

= (x) y

(x) y,
con lo cual (x) debe satisfacer
(x) p(x) y =

(x) y

(x)
(x)
= p(x).
Por tanto
ln (x) =
_
x
p(t) dt (x) = e

x
p(t) dt
.
Al multiplicar los dos miembros de la e.d. por el factor integrante resulta
(x)[y

+p(x)y] = [(x) y]

= (x) g(x) (x) y =

_
x
(t) g(t) dt +C,
obteniendo como soluci on general de la e.d.
y =
1
(x)
__
x
(t) g(t) dt +C
_
.
Este es un metodo general para resolver e.d. lineales de primer orden. La constante arbi-
traria quedar a determinada con la condici on inicial.
40 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

Figura 5.2: Soluci on unica del p.vi. (car acter global)
Teorema 5.2.1 (Teorema de existencia y unicidad) Si p, g C
0
[a, b], x
0
(a, b),
y
0
R cualquiera, entonces el problema de valor inicial
y

+p(x)y = g(x)
y(x
0
) = y
0
tiene una y s olo una soluci on en [a, b].
Es decir, el teorema anterior asegura que, bajo sus hip otesis, existe una y solo una
soluci on, que est a denida en todo el intervalo en el que p y g son continuas, por lo que
se dice que este teorema tiene caracter global (Ver Figura 5.2).
5.3. Ecuaciones no lineales. Existencia y unicidad de
soluci on.
En el caso general, el problema de valor inicial es de la forma
y

= f(x, y),
y(x
0
) = y
0
,
donde f es una funci on cualquiera, no necesariamente lineal. En este caso, al contrario
que en el lineal, no existe un metodo general de resoluci on de la ecuaci on y, de hecho,
5.3. ECUACIONES NO LINEALES. EXISTENCIA Y UNICIDAD DE SOLUCI

ON. 41
la determinaci on de una soluci on analtica de una ecuaci on no lineal es complicado y, a
menudo, imposible. Nos limitaremos, m as adelante, a estudiar algunos casos particulares
de ecuaciones no lineales. Otra diferencia importante, respecto al caso lineal, es que el
teorema de existencia y unicidad, que enunciamos a continuaci on, solamente garantizar a la
existencia de soluci on, bajo determinadas condiciones, en un entorno del punto dado por
la condici on inicial, por lo que diremos que tiene un caracter local.
Teorema 5.3.1 (Teorema de existencia y unicidad) Si f y
f
y
son continuas en
alg un rect angulo [a, b] [c, d] que contenga al punto (x
0
, y
0
), entonces existe un inter-
valo (x
0
h, x
0
+h) [a, b] en el cual est a denida una y solo una soluci on del p.v.i.
y

= f(x, y),
y(x
0
) = y
0
.
Existe otra versi on del teorema de existencia y unicidad con hip otesis m as debiles,
Teorema 5.3.2 (Teorema de existencia y unicidad) Si f es continua y satisface una
condici on de Lipschitz con respecto a la variable y en alg un rect angulo D = [a, b] [c, d]
que contenga al punto (x
0
, y
0
) [|f(x, y
1
) f(x, y
2
)| L|y
1
y
2
|, cualesquiera que sean
(x, y
1
), (x, y
2
) D], entonces existe un intervalo (x
0
h, x
0
+ h) [a, b] en el cual
est a denida una y solo una soluci on del p.v.i.
y

= f(x, y),
y(x
0
) = y
0
.
En la Figura 5.3 puede apreciarse la soluci on del p.v.i., denida localmente, en las
proximidades del punto donde est a situada la condici on inicial.
Aunque el teorema s olo garantiza la existencia y unicidad de soluci on en un entorno de
x
0
, dicha soluci on es posible prolongarla a un intervalo mayor, siempre que se mantengan
las hip otesis del teorema y la propia soluci on no presente discontinuidades. Por ejemplo,
el p.v.i.
y

= y
2
,
y(0) = 1,
tiene por soluci on y =
1
1 x
. A pesar que la funci on f(x, y) = y
2
satisface las hip otesis del
teorema en cualquier rect angulo contenido en R
2
, dicho teorema garantiza la existencia y
unicidad de soluci on unicamente en un entorno de 0 que, en este caso, se puede prolon-
gar hasta el (, 1), que es donde la soluci on permanece continua. Se llama soluci on
maximal a la soluci on denida sobre un intervalo tal que no se pueda prolongar mas, es
42 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

Figura 5.3: Soluci on unica del p.vi. (car acter local)
decir es la soluci on denida sobre el m aximo intervalo en el cual la soluci on sea de clase
C
1
.

Unicamente se puede predecir un resultado de existencia y unicidad sobre todo el

intervalo en el supuesto que f sea continua y lipschitziana respecto a la segunda variable
sobre [a, b] R,
Teorema 5.3.3 (Teorema de existencia y unicidad) Si f es continua y satisface una
condici on de Lipschitz con respecto a la variable y en D = [a, b] R, que contiene al punto
(x
0
, y
0
), entonces el problema de valor inicial
y

= f(x, y),
y(x
0
) = y
0
.
tiene una, y s olo una, soluci on en el intervalo [a, b], cualquiera que sea y
0
R.
.
A continuaci on resolveremos algunos casos particulares de e.d. no lineales.
5.3.1. Variables separables
La e.d. y

= f(x, y) puede ponerse en la forma M(x, y) +N(x, y) y

= 0. En el caso en
que M(x, y) = M(x) y N(x, y) = N(y) la ecuaci on se dice de variables separables, porque
escrita en forma diferencial queda M(x) dx = N(y) dy.
5.3. ECUACIONES NO LINEALES. EXISTENCIA Y UNICIDAD DE SOLUCI

ON. 43
Si H
1
(x) y H
2
(y) son funciones cualesquiera tales que H

1
(x) = M(x) y H

2
(y) = N(y),
la e.d. es de la forma
H

1
(x) +H

2
(y)
dy
dx
= 0
d
dx
[H
1
(x) +H
2
(y)] = 0 H
1
(x) +H
2
(y) = C.
La soluci on se presenta en forma implcita y, si se satisfacen las condiciones del teorema
de la funci on implcita, existir a una funci on y = (x) tal que H
1
(x) + H
2
((x)) = C,
que es la soluci on explcita de la ecuaci on diferencial. El c alculo de esta soluci on, o la
determinaci on del intervalo preciso en el que existe, puede resultar complicado.
Ejemplo 5.3.1 Encontrar la soluci on del p.v.i.
y

=
x
2
y(1+x
3
)
,
y(0) = 1.
En la pr actica la soluci on se obtiene directamente
y dy =
x
2
1 +x
3
dx =
y
2
2
=
1
3
ln(1 +x
3
) +C.
Al imponer la c.i. se obtiene C = 1/2, siendo la soluci on del p.v.i.
y(x) =
_
2
3
ln(1 +x
3
) + 1.
En este caso se ha obtenido f acilmente la soluci on explcita, pero no es sencillo precisar
el intervalo m aximo, en torno al punto x = 0, en el cual est a denida, (0,91, ).
Ejercicio 5.3.1 Encontrar la soluci on del p.v.i., precisar su intervalo de denici on y
representarla gr acamente.
y

=
y1
x+3
,
y(1) = 0.
5.3.2. Ecuaciones exactas y reducibles a exactas
Si (x, y) = C dene implcitamente y como funci on diferenciable de x, entonces

x
(x, y) +
y
(x, y)
dy
dx
= 0
es la e.d. cuya soluci on es (x, y) = C.
44 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

Recprocamente, sea la e.d. M(x, y) +N(x, y) y

= 0, si existe una funci on tal que

x
(x, y) = M(x, y),

y
(x, y) = N(x, y),
y (x, y) = C dene y = (x) como funci on de x, entonces
M(x, y) +N(x, y) y

=
x
(x, y) +
y
(x, y) y

=
d
dx
[(x, (x))].
Por tanto,
M(x, y) +N(x, y) y

= 0
d
dx
[(x, (x))] = 0 (x, y) = C.
En este caso la e.d. se dice exacta.
Teorema 5.3.4 Sean M, N, M
y
, N
x
continuas en un rect angulo D = [a, b] [c, d]. En-
tonces la e.d. M(x, y) + N(x, y) y

= 0 es exacta en D si, y s olo si M

y
(x, y) = N
x
(x, y)
para todo (x, y) D.
Una e.d. M(x, y) + N(x, y) y

= 0 es reducible a exacta si es posible encontrar una

funci on no nula (x, y), llamada factor integrante tal que M +N y

= 0 sea exacta,
para lo cual se ha de cumplir (M)
y
= (N)
x
. En el caso particular en que sea funci on
solamente de x, o solamente de y, es posible calcular un factor integrante si se cumplen
determinadas condiciones.
= (x) M
y
=
x
N +N
x


x

=
M
y
N
x
N
.
Por tanto si el segundo miembro es funci on de x, existe un factor integrante = (x) que
se obtiene resolviendo la ultima e.d.
Si = (y), entonces se tiene

y
M +M
y
= N
x


y

=
M
y
N
x
M
,
con lo cual existir a = (y), si el segundo miembro es funci on de y.
Ejemplo 5.3.2 Resolver la e.d. y + (2xy e
2y
) y

= 0.
La e.d. no es exacta, pero
M
y
N
x
M
=
1 2y
y
. Por tanto resolviendo la e.d.

=
M
y
N
x
M
=
1 2y
y
= 2
1
y
5.3. ECUACIONES NO LINEALES. EXISTENCIA Y UNICIDAD DE SOLUCI

ON. 45
se obtiene ln = 2y ln y =ln(y) = 2y = =
e
2y
y
.
Multiplicando la e.d. dada por este factor integrante se obtiene una nueva e.d. exacta
e
2y
+ (2xe
2y

1
y
)
dy
dx
= 0,
que tiene como soluci on implcita e
2y
x ln y = C.
5.3.3. Ecuaciones homogeneas y reducibles a homogeneas
Una e.d. M(x, y) + N(x, y) y

= 0 se dice homogenea si M y N son funciones ho-

mogeneas del mismo grado, o equivalentemente
M(x, y)
N(x, y)
homogenea de grado 0. Se re-
suelven mediante el cambio de variable
y
x
= v y = v x
que la transforma en una de variables separables.
Ejemplo 5.3.3 Resolver la e.d. y

=
x
2
+ 3y
2
2xy
.
Se trata de una ecuaci on homogenea. El cambio de variable y = vx la transforma en
dv
dx
x +v =
1 + 3v
2
2v
x
dv
dx
=
1 +v
2
2v

2v
1 +v
2
dv =
dx
x
,
cuya soluci on es ln |1 + v
2
| = ln |x| + ln C, con C R
+
, o equivalentemente 1 + v
2
= kx
con k R, es decir
1 +
y
2
x
2
= kx y
2
= k x
3
x
2
.
Consideremos una e.d. de la forma
dy
dx
= f
_
a
1
x +b
1
y +c
1
a
2
x +b
2
y +c
2
_
, a
1
, a
2
, b
1
, b
2
, c
1
, c
2
R.
1. Si las rectas a
1
x + b
1
y + c
1
= 0, a
2
x + b
2
y + c
2
= 0 se cortan en un punto (, ),
entonces el cambio
x = X +,
y = Y +,
la transforma en una homogenea.
2. Si, por el contrario, tales rectas no se cortan, entonces el cambio de variable
z(x) = a
2
x +b
2
y(x)
la transforma en una de variables separables.
46 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

5.3.4. Ecuaciones reducibles a lineales. Ecuaciones de Bernouilli
y Ricatti
Ecuaci on de Bernouilli
Se trata de una ecuaci on cl asica, propuesta por Jacob Bernouilli en 1695, cuyo metodo
de resoluci on public o Johann Bernouilli en 1697. Es de la forma
y

= p(x)y +q(x)y

.
En el caso = 0 o = 1 es lineal y su soluci on se obtiene por el metodo general ya
descrito. Si = 0 y = 1 es no lineal, y mediante el cambio de variable dependiente
z(x) = y
1
(x),
se transforma en
z

(x) = (1 )p(x) z + (1 )q(x),

ecuaci on lineal que se resuelve por el metodo general.
Ejemplo 5.3.4 Encontrar la soluci on general de la e.d.
y

=
y
2x
+
x
2
2y
.
Se reconoce una ecuaci on de Bernouilli con = 1, por lo que el cambio indicado
ser a z = y
2
. La nueva ecuaci on es z

=
1
x
z + x
2
, cuya soluci on general es z =
x
3
2
+ C x.
Por tanto, la soluci on de la ecuaci on original es y
2
=
x
3
2
+C x.
Ecuaci on de Ricatti
Es una ecuaci on de la forma
y

+p(x) y +q(x) y
2
= f(x).
Si f(x) = 0 es una ecuaci on de Bernouilli con = 2, si q(x) = 0 es una ecuaci on lineal y
si p(x), q(x) y f(x) son constantes es una ecuaci on de variables separables.
En general, no puede resolverse por cuadraturas pero se transforma en una de Ber-
nouilli si se conoce una soluci on particular.
Sea y
1
(x) una soluci on particular de la ecuaci on de Ricatti. El cambio de variable
dependiente
y(x) = y
1
(x) +z(x)
5.3. ECUACIONES NO LINEALES. EXISTENCIA Y UNICIDAD DE SOLUCI

ON. 47
la transforma en la ecuaci on de Bernouilli
z

= [p(x) + 2q(x) y
1
(x)]z q(x) z
2
,
que mediante el cambio
u(x) =
1
z(x)
se transforma en la ecuaci on lineal
u

= [p(x) + 2q(x) y
1
(x)]u q(x).
En realidad, se puede hacer directamente el cambio
y(x) = y
1
(x) +
1
u(x)
para transformar la ecuaci on de Ricatti en una lineal.
Ejemplo 5.3.5 Encontrar la soluci on general de la e.d.
y

= y
2

2
x
2
,
sabiendo que y = 1/x es una soluci on particular.
Es una ecuaci on de Ricatti. Por tanto, el cambio de variable dependiente
y(x) =
1
x
+
1
z(x)
la transforma en una ecuaci on lineal,
z

+
2
x
z = 1,
cuya soluci on general es
z =
x
3
+
C
x
2
=
x
3
+k
3x
2
.
Por tanto, la soluci on de la ecuaci on original es
y(x) =
1
x
+
3x
2
x
3
+k
.
48 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

5.4. Ecuaciones aut onomas. Analisis cualitativo
Haremos referencia a un ejemplo concreto, el modelo logstico de poblaci on, para in-
troducir algunas ideas simples acerca del an alisis cualitativo de las ecuaciones aut onomas.
Si una poblaci on tiene ndices constantes de natalidad y mortalidad, un modelo ele-
mental de la evoluci on de la poblaci on es
dP(t)
dt
= k P(t).
Este modelo puede tener validez cuando dicha poblaci on tenga suciente espacio, abun-
dancia de alimentos y otros recursos naturales que permitan sostener su crecimiento.
En otro caso, la ecuaci on debe modicarse de manera que se tenga en cuenta la tasa
reducida de crecimiento, es decir si la poblaci on es demasiado grande los recursos no ser an
sucientes y la poblaci on disminuir a. Tratamos de encontrar una ecuaci on diferencial que
recoja las siguientes consideraciones:
Para valores peque nos de P, la tasa de crecimiento es proporcional a P.
Para valores muy grandes, por encima de un cierto tama no N, llamado capacidad
de soporte, la tasa de crecimiento ser a negativa.
La propia ecuaci on diferencial debe ser lo mas simple posible.
Todos estos requerimientos quedan recogidos en la siguiente ecuaci on diferencial
dP(t)
dt
= k
_
1
P(t)
N
_
P(t),
llamada modelo logstico de poblaci on con velocidad de crecimiento k y capacidad de
soporte N. Se trata de una ecuaci on no lineal aut onoma ya que su segundo miembro no
depende explcitamente de la variable independiente t.
En este modelo la variable independiente t 0 y P(t) 0. Un caso mas general es el
que se recoge en el siguiente ejercicio.
Ejercicio 5.4.1 Consideremos el p.v.i.
y

= y y
2
,
y(0) = y
0
,
donde , > 0. Discutir, seg un los valores de y
0
, la soluci on y precisar el intervalo de
validez de la misma.
5.4. ECUACIONES AUT

ONOMAS. AN

ALISIS CUALITATIVO 49
Figura 5.4: Gr aca de la funci on segundo miembro. Lnea de fase.
En el supuesto que la variable independiente sea el tiempo t 0 e y(t) 0 este
problema de valor inicial corresponde al modelo logstico de evoluci on de poblaciones.
A partir de la propia ecuaci on diferencial podemos extraer informaci on cualitativa
acerca del comportamiento de las soluciones, ya que sabemos cuando y

(x) es positiva,
negativa o nula. Si representamos gr acamente la funci on
f(y) = y y
2
= y
_
1

y
_
(ver gura 5.4) observamos que corta al eje Oy en dos puntos, y = 0 e y = / en los cuales
la derivada se anula. Por tanto, las funciones constantes y(x) = 0 e y(x) = / resuelven
la ecuaci on diferencial. Estas funciones tienen pleno sentido en el caso del modelo de
evoluci on de poblaciones: si la poblaci on es cero, permanecer a nula indenidamente y si
la poblaci on coincide con la capacidad de soporte, ni crecer a ni disminuir a.
En la misma gr aca puede observarse como a la izquierda de y = 0, y

= f(y) < 0,
por lo que la funci on y = y(x) ser a decreciente. Esta circunstancia puede reejarse en
la gr aca marcando en esa zona del eje Oy una echa hacia la izquierda. An alogamente,
para valores 0 < y < / resulta que y

= f(y) > 0, y = y(x) ser a creciente y por tanto

marcamos en ese intervalo echas hacia la derecha. Del mismo modo, observaremos que
para y > / la funci on ser a decreciente. La parte de la gr aca correspondiente al eje
Oy se denomina lnea de fase. Interpretando adecuadamente la lnea de fase podemos
deducir el comportamiento de las soluciones, en particular, para valores grandes de x, tal
como queda reejado en la gura 5.5.
Las dos soluciones constantes y(x) = 0 e y(x) = / se dicen soluciones de equili-
50 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

Figura 5.5: Comportamiento previsible de las soluciones.
brio. Una soluci on de equilibrio se dice estable si peque nas perturbaciones en la condici on
inicial produce peque nas perturbaciones en la propia soluci on. Este es el caso de la solu-
ci on y(x) = / que, adem as, es asint oticamente estable ya que, en este caso, si nos
limitamos al primer cuadrante de la gura 5.5, que corresponde al modelo de poblaci on,
cualquiera que sea la condici on inicial y
0
= 0 la soluci on tiende a / cuando x ,
es decir cualquiera que sea la poblaci on inicial, el n umero de individuos de la poblaci on
tiende a estabilizarse en torno al valor / (capacidad de soporte de la poblaci on). Por
el contrario, una soluci on de equilibrio se dice inestable si una peque na perturbaci on
de la condici on inicial produce una desviaci on fuerte de la soluci on, como por ejemplo la
soluci on y(x) = 0. Ver Figura 5.5.

Este problema se puede resolver analticamente ya que la ecuaci on es de variables

separables. Tambien es una ecuaci on de Bernouilli.
Tiene dos soluciones constantes, y = 0 e y = /, que ser an soluci on del p.v.i. en los
casos y
0
= 0 o y
0
= / respectivamente. En otro caso, la soluci on que se obtiene es
y(x) =
y
0
e
x
y
0
+y
0
e
x
. (5.1)
Dicha funci on presenta una asntota vertical
x
A
=
1

ln
_
y
0
/
y
0
_
,
que existir a realmente si y
0
< 0 o bien y
0
>

. En los dem as casos, 0 < y

0
<

, dado que
la funci on f(x, y) = y y
2
y su derivada parcial respecto de y son continuas en todo
5.5. M

ETODOS APROXIMADOS 51
5 4 3 2 1 0 1 2 3 4 5
5
4
3
2
1
0
1
2
3
4
5
x
O
y
Figura 5.6: Soluci on seg un valores de y
0
.
R
2
, la soluci on del p.v.i. se podr a prolongar a todo R. En resumen, los casos posibles son
y
0
< 0 5.1 en (, x
A
), con x
A
> 0,
y
0
= 0 y(x) = 0, en (, ),
0 < y
0
< / 5.1 en (, ),
y
0
= / y(x) = /, en (, ),
y
0
> / 5.1 en (x
A
, ), con x
A
< 0.
En la Figura 5.6 est an representadas las soluciones del p.v.i. en el caso = = 1,
y las condiciones iniciales y
0
= 0, y
0
= 0,5, y
0
= 1 e y
0
= 2. En este ultimo caso puede
observarse tambien la asntota vertical. En todos estos casos se conrman plenamente las
previsiones del an alisis cualitativo.
5.5. Metodos aproximados
Tal como se ha visto hasta ahora, la soluci on explcita de una ecuaci on de primer
orden puede ser obtenida solamente en casos simples (ecuaciones lineales, y no todas, y
algunos casos muy particulares de ecuaciones no lineales). Frente a esta limitaci on se han
desarrollado los metodos gr acos, que consisten en representar los campos de direcciones
en una malla de puntos, y los metodos aproximados, que podemos clasicar en dos tipos:
metodos aproximados analticos, que aproximan la soluci on del problema globalmen-
te en el intervalo que se este considerando, y metodos numericos, que aproximan la
soluci on en un conjunto de valores discretos.
52 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

En el grupo de metodos analticos guran el metodo de aproximaciones sucesivas de
Picard, que desarrollamos a continuaci on, o los de desarrollo en serie. No son demasiado
efectivos en la pr actica y su interes es fundamentalmente te orico.
Los metodos numericos son los m as utilizados en la actualidad, por su gran interes
desde el punto de vista pr actico. Hay toda una gama de metodos para resolver problemas
de valor inicial, entre los cuales est a el de Euler. El metodo de Euler es uno de los metodos
m as simples, aunque raramente se utiliza en la pr actica, ya que existen otros metodos
mucho m as ecientes. No obstante, vamos a desarrollar someramente este metodo porque
permite estudiar los conceptos b asicos de la soluci on numerica de ecuaciones diferenciales,
tiene una interpretaci on geometrica clara y conceptualmente es sencillo.
5.5.1. Metodos gracos. Campos de direcciones
Cuando una ecuaci on diferencial carece de soluci on analtica se puede obtener una
idea gr aca de las curvas integrales representando el campo de direcciones, para lo cual
se considera una malla de puntos sobre los cuales representamos un segmento de la recta
tangente en ese punto.
Por ejemplo, la ecuaci on diferencial
y

= y
2
+xy
3
no tiene soluci on analtica. La respuesta de MATLAB al intento de obtener la soluci on es
la siguiente.
EDU)) y=dsolve(Dy=y^2+x*y^3,x)
Warning: Explicit solution could not be found.
El campo de direcciones sobre una malla de puntos en el cuadrado [2, 2] [2, 2],
con paso de discretizaci on h = 0,2, se puede obtener mediante el siguiente c odigo.
x=-2:0.2:2;y=-2:0.2:2; [X,Y]=meshgrid(x,y); v1=Y.^2+X.*Y.^3;
mod=sqrt(1+v1.^2); % norma del vector (1,y)
dx=ones(size(X))./mod; % normalizaci on de los vectores
dy=v1./mod; quiver(X,Y,dx,dy,1,.g)
En la gura 5.7 se puede observar el campo de direcciones, con im agenes superpuestas
de soluciones numericas, de cuatro problemas de valor inicial, obtenidas mediante ode45.
Por ejemplo, para resolver el p.v.i. con condici on inicial y(1) = 2, en el intervalo
[1, 2], construimos el chero fun1.m con la funci on
function f=fun1(x,y) f=y.^2+x.*y.^3;
5.5. M

ETODOS APROXIMADOS 53
2 1.5 1 0.5 0 0.5 1 1.5 2
2
1.5
1
0.5
0
0.5
1
1.5
2
Figura 5.7: Campo de direcciones y soluciones numericas
y ejecutamos las instrucciones
EDU)) [x,y45]=ode45(fun1,[-1,2],-2); EDU)) plot(x,y45)
5.5.2. Aproximaciones sucesivas de Picard
Resolver el problema de valor inicial
y

= f(x, y),
y(x
0
) = y
0
,
es equivalente a resolver la ecuaci on integral
(x) = y
0
+
_
x
x
0
f(t, (t)) dt
en el sentido siguiente: (x) es soluci on del p.v.i. sobre un intervalo I si, y s olo si, es
soluci on continua de la ecuaci on integral.
El metodo de aproximaciones sucesivas de Picard consiste en considerar la sucesi on de
funciones denida de la siguiente manera:

0
(x) = y
0
,

n
(x) = y
0
+
_
x
x
0
f(t,
n1
(t)) dt, n = 1, 2,
54 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

3 2 1 0 1 2 3
1
0.8
0.6
0.4
0.2
0
x
exp(x^2/2)
y=y(x)
y0
y1
y2
y3
y4
Figura 5.8: Aproximaciones de Picard de e

x
2
2
Ning un termino de la sucesi on es soluci on del p.v.i., pero, precisamente, una de las formas
de demostraci on del teorema de existencia y unicidad (teorema 5.3.1 o 5.3.2) consiste en
demostrar que la sucesi on de Picard converge uniformemente a una funci on (x), que es
soluci on de la ecuaci on integral, y por tanto del p.v.i.. El termino n-esimo de la sucesi on,

n
(x), es una soluci on aproximada del p.v.i., tanto m as precisa cuanto mayor sea n.
Ejemplo 5.5.1 Dado el problema de valor inicial y

= xy, y(0) = 1. Encontrar los

cuatro primeros terminos de la sucesi on de Picard y comparar con la soluci on exacta.
Los primeros terminos de la sucesi on de Picard son

0
= y(0) = 1,

1
(x) = 1
_
x
0
(1) t dt = 1 +
x
2
2
,

2
(x) = 1
_
x
0
_
1 +
t
2
2
_
t dt = 1 +
x
2
2

1
2!
_
x
2
2
_
2
,

3
(x) = 1
_
x
0
_
1 +
t
2
2

t
4
8
_
t dt = 1 +
x
2
2

1
2!
_
x
2
2
_
2
+
1
3!
_
x
2
2
_
3
.
Se observa que son los polinomios de Taylor de la funci on (x) = e

x
2
2
, alrededor de
x = 0, que es precisamente la soluci on del p.v.i.. Es decir, en un problema con soluci on
analtica, la sucesi on de Picard est a formada por los polinomios de Taylor de dicha fun-
ci on alrededor del punto dado por la condici on inicial. En la Figura 5.8 se pueden ver la
5.5. M

ETODOS APROXIMADOS 55
soluci on exacta y los primeros terminos de la sucesi on de Picard. Puede observarse como
aumenta la precisi on y el intervalo a medida que aumenta n.
5.5.3. Metodos numericos. Metodos de Euler y Runge-Kutta
M

ETODO DE EULER
Supongamos que el p.v.i.
y

= f(x, y),
y(x
0
) = y
0
,
tiene soluci on unica en el intervalo [x
0
, b], y = (x), y deseamos obtener una estimaci on de
(b). Como ya hemos dicho anteriormente, para obtener dicha estimaci on existen diversos
metodos numericos. Nosotros vamos a exponer el metodo de Euler en su forma m as simple,
el de paso de discretizaci on constante.
Consideremos la partici on del intervalo [x
0
, b],
x
0
< x
1
< x
2
< < x
i1
< x
i
< < x
N1
< x
N
= b,
tal que x
i
x
i1
= h =
b x
0
N
.
La soluci on exacta tiene pendiente f(x
0
, y
0
) en el punto (x
0
, y
0
), por lo que la ecuaci on
de la recta tangente en dicho punto es y y
0
= f(x
0
, y
0
)(xx
0
). Para x = x
1
, obtenemos
el punto (x
1
, y
1
) sobre la recta tangente, donde y
1
es una estimaci on de (x
1
)
y
1
= y
0
+f(x
0
, y
0
)(x
1
x
0
) = y
0
+f(x
0
, y
0
)h.
En realidad, lo que se ha hecho ha sido considerar la ecuaci on integral sobre el intervalo
[x
0
, x
1
] y aproximar el integrando por la constante f(x
0
, y
0
),(ver gura 5.9 donde se observa
la aproximaci on de la funci on integrando en el intervalo [x
n
, x
n+1
]),
(x
1
) = y
0
+
_
x
1
x
0
f(t, (t)) dt y
0
+
_
x
1
x
0
f(x
0
, y
0
) dt = y
0
+f(x
0
, y
0
)h = y
1
.
Conocido y
1
, f(x
1
, y
1
) es una aproximaci on de la pendiente de la recta tangente a la
soluci on exacta y = (x) en el punto (x
1
, (x
1
)) = (x
1
, y
1
). En realidad, es la pendiente
a la unica curva integral de la e.d. que pasa por el punto (x
1
, y
1
). Ver Figura 5.10. Consi-
deremos entonces la recta y y
1
= f(x
1
, y
1
)(x x
1
), que para x = x
2
nos proporciona el
punto
y
2
= y
1
+f(x
1
, y
1
)h,
y as sucesivamente.
56 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

Figura 5.9: Metodo de Euler. Aproximaci on de la funci on integrando
Este es el algoritmo del metodo de Euler con paso constante
y
0
= y(x
0
),
y
n+1
= y
n
+f(x
n
, y
n
)h, n = 0, 1, 2,
que proporciona una sucesi on de puntos, estimaci on de la soluci on exacta en los puntos
de la partici on, y
N
como estimaci on de (b), y una curva poligonal, continua en [x
0
, b] y
derivable salvo en los puntos de la partici on
y
N
(x) = y
i1
+f(x
i1
, y
i1
)(x x
i1
), x [x
i1
, x
i
], i = 1, 2, .., N,
como aproximaci on de la soluci on exacta.
La sucesi on de funciones {y
N
(x)}, construida de esta manera, proporciona el otro
metodo alternativo de demostraci on del teorema de existencia y unicidad (Teorema 5.3.1
o 5.3.2). Se comprueba que dicha sucesi on converge uniformemente a una funci on continua
y = (x) en un intervalo (x
0
h, x
0
+ h), que adem as es derivable y soluci on exacta del
p.v.i..
Estudio del error
La diferencia entre la soluci on exacta y la aproximada en el punto x
n
E
n
= y
n
(x
n
)
5.5. M

ETODOS APROXIMADOS 57
Figura 5.10: Metodo de Euler
se conoce como f ormula de error global acumulado en la etapa n-esima. Este error se
origina debido a que en cada etapa utilizamos una f ormula aproximada para determinar
y
n+1
, y a que el dato de entrada y
n
= (x
n
).
Si suponemos que los datos de entrada son exactos, y
n
= (x
n
), el unico error presente
en cada paso es el debido al uso de una f ormula aproximada, y es conocido como error
local o error de consistencia
e
n
= (x
n
) +f(x
n
, (x
n
))h (x
n+1
).
En la Figura 5.10 pueden observarse ambos tipos de errores en las etapas n y n + 1, y la
relaci on entre ellos
E
n+1
= E
n
+e
n
+ [f(x
n
, y
n
) f(x
n
, (x
n
))]h. (5.2)
Adem as, en cada etapa se producir a un error de redondeo, debido a que la calculadora,
o el ordenador en que implementemos el algoritmo, har a los c alculos con una precisi on
limitada. Podramos hablar por tanto de un error de redondeo acumulado en la etapa
n-esima
R
n
= y
n
Y
n
,
donde Y
n
es el valor realmente calculado por el procedimiento numerico.
El valor absoluto del error total viene dado por
|(x
n
) Y
n
| |(x
n
) y
n
| +|y
n
Y
n
| = |E
n
| +|R
n
|.
En la Figura 5.11 se observa la soluci on exacta del p.v.i.
y

= y,
y(0) = 1,
58 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
1
1.2
1.4
1.6
1.8
2
2.2
2.4
2.6
2.8
3
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
1
1.2
1.4
1.6
1.8
2
2.2
2.4
2.6
2.8
3
Figura 5.11: Metodo de Euler. Soluci on exacta y calculada con h = 0,1 y h = 0,001
en el intervalo [0, 1] y las soluciones aproximadas, obtenidas por el metodo de Euler con
paso de discretizaci on h = 0,1 y h = 0,001. Las soluciones obtenidas para y(1) son
respectivamente 2.5937 y 2.7169, con errores totales 0.1245 y 0.0014.
Dado que no se conoce la soluci on exacta en el punto (x
n
, (x
n
)), no es posible deter-
minar el error local ni el acumulado, por lo que es preciso hacer estimaciones.
Si la soluci on exacta y = (x) es de clase C
2
, para lo cual basta con que f sea de clase
C
1
, tendremos
(x
n+1
) = (x
n
) +

(x
n
)h +

()
2!
h
2
, x
n
< < x
n+1
.
Por tanto,
|e
n
| =
1
2
|

()h
2
| Kh
2
,
donde la constante K es independiente de h.
M as signicativo que el error local es el global acumulado
Proposici on 5.5.1 (Estimaci on del error global) Si f es de clase C
1
y lipschitziana,
respecto al segundo argumento, el metodo de Euler es tal que
|E
n
| Ch,
donde la constante C es independiente de h.
A partir de 5.2 se obtiene
|E
n+1
| |E
n
| +|e
n
| +|f(x
n
, y
n
) f(x
n
, (x
n
))|h |E
n
|(1 +Lh) +Kh
2
,
5.5. M

ETODOS APROXIMADOS 59
Figura 5.12: Errores de un metodo numerico
donde el primer sumando es una acotaci on del error acumulado en los n primeros pasos
y el segundo una acotaci on del error del paso n + 1.
Se demuestra f acilmente, por inducci on, que
|E
n
|
K
L
[(1 +hL)
n
1] h, n N.
Como 1 +hL e
hL
y nh b x
0
, se obtiene (1 +hL)
n
e
hLn
e
L(bx
0
)
, y por tanto
|E
n
|
K
L
_
e
L(bx
0
)
1

h = Ch.
Disponemos as de una acotaci on del error acumulado, aunque el c alculo efectivo de
la constante C es impracticable. La elecci on del paso de discretizaci on h es una cuesti on
complicada, porque cuando h disminuye el error global acumulado tambien lo hace, pero
el de redondeo aumenta. Ver Figura 5.12. Los analistas numericos lo que hacen es aplicar
el metodo de Euler al p.v.i. con un paso h razonable, y repetir la operaci on con h/2, h/4,
h/8, etc. hasta que sea despreciable el cambio en las cifras signicativas. En ese punto, se
considera que la aproximaci on numerica es, con bastante certeza, casi exacta.
Convergencia
Diremos que el metodo numerico es convergente para el problema de valor inicial, si
los errores globales tienden a cero cuando h tiende a 0
lm
h0
|E
n
| = 0.
60 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

En el estudio de la convergencia juega un importante papel el error local denido
anteriormente. Diremos que el metodo numerico es consistente con el p.v.i. si
lm
h0
N1

n=1
|e
n
| = 0,
es decir, si la suma de los errores locales es despreciable cuando h es sucientemente
peque no.
Finalmente, diremos que el metodo numerico es estable si peque nas perturbaciones de
los datos de entrada producen peque nas perturbaciones en la soluci on. Dada la existencia
de errores de redondeo, la condici on de estabilidad ser a absolutamente necesaria para el
tratamiento numerico de cualquier problema. Obviamente, los esquemas inestables carecen
de todo interes pr actico.
El metodo de Euler, si f es continua y lispchitziana respecto al segundo argumento,
es estable, consistente y convergente.
Perversiones numericas
Ejemplo 5.5.2 Usar el metodo de Euler para obtener una soluci on aproximada del p.v.i.
y

=
_
1 y
2
y(0) = 0,
con paso de discretizaci on h = 0,01, en el intervalo [0, 3]
Este ejemplo proporciona una de las trampasde los metodos numericos. Al aplicar
el esquema de Euler a este problema
y
n+1
= y
n
+h
_
1 y
2
n
,
puede llegar un momento en que el valor de y
n
calculado en la etapa n-esima sea tal que
y
2
n
> 1, en cuyo caso queda interrumpido el algoritmo, a no ser que se tome el valor y
n
= 1,
y en ese caso se obtiene y
n+
= y
n
para todo N.
La soluci on naturaldel p.v.i. es (x) = sen x, pero tambien es soluci on del mismo
problema
y(x) =
_
sen x si 0 x /2,
1 si /2 x 3.
y es esta la que aproxima el metodo numerico. (Ver Figura 5.13).
La perversi on est a en el punto (/2, 1), donde el problema no tiene soluci on unica (la
funci on f no satisface las hip otesis del teorema de existencia y unicidad en ese punto). Por
tanto, antes de aplicar el metodo de Euler, o cualquier otro, es muy conveniente asegurarse
de que la soluci on es unica en el intervalo bajo estudio. En otro caso, no hay un metodo
5.5. M

ETODOS APROXIMADOS 61
0 0.5 1 1.5 2 2.5 3
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Figura 5.13: Perversi on numerica: soluci on exacta y aproximada
1 0.5 0 0.5 1 1.5
1
1.2
1.4
1.6
1.8
2
2.2
Figura 5.14: Perversi on numerica: soluci on aproximada err onea
62 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

pr actico y aplicable con generalidad para predecir el camino que tomar a la aproximaci on
numerica cuando encuentra un punto en el cual la unicidad no est a garantizada.
Ejemplo 5.5.3 Usar el metodo de Euler, con paso de discretizaci on h = 0,075, para
obtener una soluci on aproximada del p.v.i.
9xy

+y = 0,
y(1) = 1,
en el intervalo [1, 1].
Al aplicar el metodo de Euler se obtiene la soluci on que se reeja en la Figura 5.14,
que no aproxima a la soluci on real, y(x) = x
1/9
, en todo el intervalo, porque el metodo
numerico no detect o la discontinuidad, al ser el paso de discretizaci on demasiado grande.
Un modo de evitar este riesgo consiste en ejecutar el programa varias veces con valores
cada vez mas peque nos del paso de discretizaci on. La presencia de la discontinuidad pue-
de manifestarse por valores aproximados que cambian r apidamente, en vez de converger,
cuando h disminuye. Una alternativa mejor es utilizar un metodo de Euler con paso de
discretizaci on variable, basado en estimaciones del error local, de modo que el propio al-
goritmo no permite atravesarla asntota.
M

ETODO DE EULER MEJORADO (RUNGE-KUTTA DE ORDEN 2)

El metodo de Euler se obtuvo al aproximar la serie de Taylor por los terminos de
primer orden. Si truncamos la serie de Taylor en los terminos de segundo orden se obtiene
y(x
n+1
) y(x
n
) +hf(x
n
, y(x
n
)) +
h
2
2
_
df(x, y)
dx
_
(x
n
, y(x
n
)) =
= y(x
n
) +hf(x
n
, y(x
n
)) +
h
2
2
_
f
x
+
f
y
y

_
(x
n
, y(x
n
)) =
= y(x
n
) +hf(x
n
, y(x
n
)) +
h
2
2
_
f
x
+
f
y
f
_
(x
n
, y(x
n
))
En este caso existe el inconveniente de la necesidad de evaluar
f
x
y
f
y
lo cual
puede ser complicado. Por esta raz on es deseable obtener metodos numericos que no
requieran calcular derivadas parciales y tengan la misma precisi on que el desarrollo de
Taylor de orden 2. Una manera es considerar la ecuaci on integral, equivalente a la ecuaci on
diferencial, en el intervalo [x
n
, x
n+1
]
y(x
n+1
) = y(x
n
) +
_
x
n+1
x
n
f(t, y(t)) dt
5.5. M

ETODOS APROXIMADOS 63
Figura 5.15: Metodo de Euler mejorado
y aproximar el integrando por la recta secante (ver gura 5.15).
En este caso se obtiene
y
n+1
= y
n
+
1
2
[f(x
n
, y
n
) +f(x
n+1
, y
n+1
)] h.
No obstante, no es posible utilizar esta f ormula para determinar y
n+1
ya que tambien
aparece en el segundo miembro. Una manera ingeniosa de subsanar este inconveniente
es sustituir y
n+1
en el segundo miembro por el obtenido mediante el metodo de Euler,
resultando el algoritmo
y
0
= y(x
0
),
y
n+1
= y
n
+
1
2
[f(x
n
, y
n
) +f (x
n+1
, y
n
+f(x
n
, y
n
)h)] h, n = 0, 1, 2, ,
conocido con el nombre de metodo de Euler mejorado o metodo de Runge-Kutta de
segundo orden. Se demuestra que es un metodo de orden 2, es decir el error acumulado
es tal que
|E
n
| Ch
2
.
M

ETODO DE RUNGE-KUTTA DE ORDEN 4

El metodo de Runge-Kutta de cuarto orden se obtiene al desarrollar una f ormula
recurrente general que sea equivalente a un desarrollo en serie de Taylor de cuarto orden.
64 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

h Euler Euler mejorado Runge Kutta de orden 4
1/4 0,5538 0,04685 1,43 10
4
1/8 0,3050 0,01288 9,96 10
6
1/16 0,1607 0,00337 6,52 10
7
1/32 0,0826 0,00086 4,20 10
8
1/64 0,0419 0,00021 2,66 10
9
1/128 0,0211 0,00005 1,67 10
10
1/256 0,0106 0,00001 1,05 10
11
Cuadro 5.1: Comparaci on de los errores
Se obtiene de esta manera el siguiente algoritmo
y
0
= y(x
0
),
F
1
= hf(x
n
, y
n
),
F
2
= hf(x
n
+
h
2
, y
n
+
F
1
2
),
F
3
= hf(x
n
+
h
2
, y
n
+
F
2
2
),
F
4
= hf(x
n
+h, y
n
+F
3
),
y
n+1
= y
n
+
1
6
[F
1
+ 2F
2
+ 2F
3
+F
4
] , n = 0, 1, 2, , N 1.
En este caso el error acumulado es tal que
|E
n
| Ch
4
.
La comprobaci on numerica del orden de los tres metodos descritos se materializa al
observar que si el paso de discretizaci on h se divide por 2 el error aproximadamente se
divide por 2 en el caso del metodo de Euler, por 2
2
en el caso del Euler mejorado y por
2
4
en el caso del Runge-Kutta de orden 4.
En la tabla 5.1 se reejan las magnitudes de los errores de discretizaci on obtenidos al
resolver el problema de valor inicial
y

= y +x,
y(0) = 1,
cuya soluci on analtica es conocida, y = x 1 + 2e
x
, mediante los metodos numericos
descritos, para distintos valores de h. Se puede observar claramente el orden de error de
cada uno de ellos.
Funciones de Matlab
MATLAB dispone de funciones para resolver numericamente problemas de valor ini-
cial, en los que intervienen ecuaciones diferenciales ordinarias de primer orden, mediante
5.6. APLICACIONES 65
algoritmos m as precisos que los descritos anteriormente. Se trata de algoritmos con pasos
de discretizaci on variable, de manera que van tomando el tama no del paso de discretiza-
ci on seg un el comportamiento de la soluci on. La funci on ode23 combina los metodos de
Runge-Kutta de segundo y tercer orden, y la ode45 los de cuarto y quinto orden.
5.6. Aplicaciones
5.6.1. Trayectorias ortogonales
En muchos campos de la Fsica se presenta con relativa frecuencia la necesidad de re-
solver problemas del tipo: dada una familia de curvas planas f(x, y, ) = 0, encontrar otra
familia g(x, y, ) = 0 con la propiedad de que ambas familias sean tales que en cada punto
se corten ortogonalmente. En este caso, tales familias se dicen trayectorias ortogonales.
Podemos citar los siguientes ejemplos de familias de curvas ortogonales: en Termodin ami-
ca, las lneas isotermas y las lneas de ujo de calor; en Hidrodin amica, las curvas de
potencial de velocidad y las lneas de corriente o lneas de ujo; y en Electrost atica, son
ortogonales las curvas equipotenciales y las lneas de fuerza.
Para determinar las trayectorias ortogonales a la familia f(x, y, ) = 0 se procede de
la manera siguiente. Derivando respecto a x, f
x
(x, y, ) = 0, y eliminando el par ametro
entre las dos ecuaciones se obtiene la e.d. cuyas curvas integrales son precisamente la
familia dada,
F(x, y,
dy
dx
) = 0.
En un punto (x, y) una curva de la familia f(x, y, ) = 0 tiene pendiente y

, y la ortogonal
ha de tener de pendiente

1
dy
dx
=
dx
dy
.
Por tanto, la familia de curvas ortogonales, g(x, y, ) = 0, se obtendr a de integrar la
ecuaci on diferencial
F(x, y,
dx
dy
) = 0.
Ejemplo 5.6.1 Las curvas equipotenciales de un determinado campo electrost atico se
pueden aproximar mediante elipses, x
2
2x + 2y
2
= 0. Encontrar las lneas de fuerza.
x
2
2x + 2y
2
= 0 =2x 2 + 4y y

= 0.
Eliminando entre las dos ecuaciones se obtiene la e.d. cuyas curvas integrales son la
familia de elipses
y

=
2y
2
x
2
4xy
.
66 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

Por tanto, la familia de curvas ortogonales se obtiene resolviendo la e.d.
y

=
4xy
x
2
2y
2
,
ecuaci on homogenea, que mediante el cambio de variable dependiente, y = xv, se trans-
forma en una de variables separables
1
3
_
1
v

8v
3 + 2v
2
_
dv =
dx
x
,
cuya soluci on general es
|v|

3 + 2v
2
= K|x|
3
, K R
+
.
Deshaciendo el cambio, v = y/x, se obtiene la familia pedida, y
2
= K
2
x
6
(3x
2
+ 2y
2
).
Nota 5.6.1 Si F(x, y, y

) = 0 es la e.d. asociada a la familia f(x, y, ) = 0, entonces la

e.d. cuyas curvas integrales forman un angulo con la anterior familia es
F
_
x, y,
y

tg
1 +y

tg
_
= 0.
5.6.2. Deterioro radioactivo
Experimentalmente se ha encontrado que las sustancias radioactivas se descomponen
a una tasa proporcional a la cantidad de sustancia presente. Si en el instante t hay una
cantidad Q(t), se tendr a
dQ
dt
= k Q(t),
donde k es la constante de proporcionalidad. La soluci on general de la e.d. es Q(t) = C e
kt
,
con C constante arbitraria positiva.
Si Q(t
0
) = Q
0
, entonces Q(t) = Q
0
e
k(tt
0
)
, y si se conoce la cantidad de sustan-
cia en otro instante, Q(t
1
) = Q
1
, entonces es posible determinar la soluci on unica, que
permitir a conocer Q(t) en cualquier instante
Q(t) = Q
0
e
k(tt
0
)
, donde k =
ln Q
1
ln Q
0
t
1
t
0
.
La tasa de deterioro radioactivo se suele expresar en terminos de lo que se conoce con
el nombre de semivida, tiempo necesario para que una cantidad dada de sustancia se
reduzca a la mitad, es decir si Q
1
= Q
0
/2 la semivida ser a T
m
= t
1
t
0
tal que
k =
ln Q
0
/2 ln Q
0
T
m
k T
m
= ln 2,
lo que permite expresar la constante de proporcionalidad k en terminos de la semivida.
5.6. APLICACIONES 67
5.6.3. Eliminaci on de medicamentos
En muchos casos la cantidad de droga, A(t), que excede de un valor promedio, en la
corriente sangunea, disminuir a en forma proporcional a dicha cantidad excedente, lo que
signica
dA(t)
dt
= A(t), > 0.
La constante se llaman constante de eliminaci on, y T
e
= 1/ tiempo de eliminaci on.
5.6.4. Mecanica Elemental
Algunas de las aplicaciones m as importantes de las ecuaciones diferenciales de primer
orden se presentan en Mec anica Elemental.
Ejemplo 5.6.2 (Paracaidas) Un objeto de masa m se deja caer desde el reposo, en un
medio que presenta una resistencia proporcional a la magnitud de su velocidad instant anea
|v(t)|. Suponiendo que la fuerza gravitacional es constante, determinar la posici on y la
velocidad del objeto en cualquier instante t
ma =

F
i
m
dv
dt
= mg k v
dv
dt
=
k
m
v +g,
ecuaci on lineal cuya soluci on general es
v(t) =
mg
k
+C e

km
t
.
Dado que v(0) = 0, la velocidad en cualquier instante t es
v(t) =
mg
k
_
1 e

kt
m
_
.
Integrando, se obtiene
x(t) =
mg
k
_
t +
m
k
e

kt
m
_
+C,
y si x(0) = 0, la posici on en el instante t viene dada por
x(t) =
mg
k
_
t +
m
k
e

kt
m

m
k
_
.
5.6.5. Ley de enfriamiento de Newton
La tasa de cambio de temperatura de un cuerpo es proporcional a la diferencia entre
la temperatura del cuerpo y la temperatura del medio que le rodea. Es decir,
dT
dt
= k(T A) =T(t) = Ce
kt
+A.
68 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

5.6.6. Interes compuesto
Si una cantidad de dinero crece continuamente a una tasa del k por uno anual, la
cantidad acumulada al cabo de t a nos, responder a al siguiente modelo matem atico
dC
dt
= kC,
C(0) = C
0
lo que supone una cantidad acumulada de C(t) = C
0
e
kt
.
El interes de un a no es C(1) C(0) = C
0
(e
k
1), y el rendimiento, es decir la tasa de
interes efectiva
C(1) C(0)
C(0)
= e
k
1.
Por ejemplo, si el interes es del 5 % anual, compuesto continuamente, el rendimiento al
cabo de un a no es e
0,05
1 1,0513 1 = 0,0513, que corresponde a un rendimiento del
5.13 % anual.
Ejercicio 5.6.1 (Plan de pensiones) . Un se nor decide participar en un plan de pen-
siones con una aportaci on inicial de 10000 euros y dep ositos mensuales de 500 . Si le
garantizan un interes del 5 % anual cual es la cantidad que tendra garantizada al cabo
de 20 a nos?.
En este caso el capital crece por dos conceptos diferentes, por un lado debido a la
acumulaci on de intereses, y por otro debido a dep ositos que se hacen peri odicamente. El
problema es que mientras el interes crece de manera continua, los dep ositos crecen de
manera discreta.
Vamos a considerar tres modelos diferentes:
1. La entrada de las aportaciones es continua, es decir la aportaci on total a lo largo de
un a no es de 6000 euros, pero se hace de manera continua, como si de un grifo se
tratara que al nal de cada a no ha derramado 6000.
dC(t)
dt
= 0,05C(t) + 6000,
C(0) = 10000
cuya soluci on es
C(t) = 10
4
(13e
0,05t
12), 0 t 20.
En este caso se obtiene C(20) = 233.000 euros.
2. La entrada de las aportaciones es discreta, 6000 euros cada a no, y los intereses se
capitalizan por a nos.
5.6. APLICACIONES 69
En este caso hay que considerar un problema de valor inicial por cada a no, o resolver
el problema mediante transformadas de Laplace, que trataremos en un Captulo
posterior.
Para el primer a no el modelo es el siguiente:
dC(t)
dt
= 0,05C(t),
C(0) = 10000,
cuya soluci on es
C(t) = C(0)e
0,05t
, 0 t < 1; C(1) = C(0)e
0,05
+ 6000.
Para el segundo a no:
dC
1
(t)
dt
= 0,05C
1
(t),
C
1
(0) = C(1),
cuya soluci on es
C
1
(t) = C(1)e
0,05t
, 0 t < 1; C
1
(1) = C(1)e
0,05
+ 6000,
que, mediante una traslaci on, podemos poner
C(t) = C(1)e
0,05(t1)
, 1 t < 2, C(2) = C(1)e
0,05
+ 6000.
En general, para el a no i-esimo, i = 1, 2, 3, , 20, tenemos
C(t) = C(i 1)e
0,05(ti+1)
, i 1 t < i, C(i) = C(i 1)e
0,05
+ 6000.
Al cabo de los 20 a nos se obtienen 228.264 euros.
3. La entrada de las aportaciones es discreta, 5000 euros cada mes, y los intereses se
capitalizan por meses. Este modelo es el que se ajusta realmente al enunciado.
En este caso el modelo es an alogo al anterior, de modo que para el primer mes tenemos
dC(t)
dt
=
0,05
12
C(t),
C(0) = 10000,
cuya soluci on es
C(t) = C(0)e
(0,05/12)t
, 0 t < 1; C(1) = C(0)e
0,05/12
+ 500.
En general, para el mes i-esimo, i = 1, 2, 3, , 240, tenemos
C(t) = C(i 1)e
(0,05/12)(ti+1)
, i 1 t < i, C(i) = C(i 1)e
0,05/12
+ 500.
En esta modalidad el capital acumulado es de 232.947 euros.
70 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

5.7. Ejercicios
1. Consideremos la ecuaci on diferencial
y

=
y
2
+ 2xy
x
2
.
Es lineal?. Resolver dicha ecuaci on, encontrar la soluci on maximal que pasa por el
punto (1,1) y representarla gr acamente.
[Resp.: no; y =
x
2
2 x
, (0, 2).]
2. Consideremos la ecuaci on diferencial
(y
2
+ 2xy)dx x
2
dy = 0.
a) Demostrar que no es exacta.
b) Encontrar un factor integrante de la forma y
n
, n Z.
c) Resolver la nueva ecuaci on diferencial.
d) Demostrar que y = 0 es soluci on de la e.d. dada, pero no de la resultante de
multiplicar por el factor integrante. Justicar la respuesta.
e) Representar la curva integral que pasa por el punto (2, 1) e indicar el intervalo
de validez de dicha soluci on. [Resp.:
(y) =
1
y
2
; y =
x
2
x +k
; y =
x
2
x + 2
, (0, ).]
3. Consideremos el problema de valor inicial
y

(tan x)y cos x = 0

y(/4) = 0.
a) Cual es el m aximo intervalo de validez de su soluci on?.
b) Encontrar la soluci on general de la ecuaci on diferencial, y la del problema de
valor inicial. [Resp.:
_

2
,

2
_
; y =
1
2
sen x +
1
cos x
_
x
2
+C
_
.]
4. Dado el problema de valor inicial
dy
dx
= 1 +y
2
y(0) = 0
a) Vericar que cumple las condiciones sucientes dadas por el teorema de exis-
tencia en [1, 1] [1, 1].
5.7. EJERCICIOS 71
b) Integrar el problema de valor inicial.
c) Encontrar tres terminos de la sucesi on generada por el metodo de las apro-
ximaciones sucesivas de Picard, y representar dichas funciones en el intervalo
jado por el teorema de existencia.
5. Se considera la familia de curvas y
2
(C x) = x
3
.
a) Representar alg un miembro de la familia.
b) Obtener la familia de trayectorias ortogonales.
c) Expresar la familia obtenida en coordenadas polares y representar gr acamente
algunos de sus miembros.
6. Una sustancia A reacciona con una sustancia B para dar una nueva sustancia C
seg un la reacci on A+B C. Supongamos que a y b son los moles iniciales de A
y B y que x(t) son los moles de C en el tiempo t. La velocidad de formaci on de C
viene dada mediante la ecuaci on diferencial
dx(t)
dt
= k(a x)(b x), k R
+
Considerando los casos a = b o a = b
a) Determinar x(t), siendo x(0) = 0.
b) Calcular lm
t+
x(t), y representar gr acamente x(t), (t > 0).
7. Dada la ecuaci on de Ricatti
y

=
y
2
x
2
y 2x
1 x
3
se pide:
a) Comprobar que admite una soluci on particular de la forma y
1
(x) = kx
n
, n N.
b) Mediante un cambio de variable adecuado transformarla en una lineal, y en-
contrar la soluci on general.
c) Calcular la soluci on que pasa por el punto (0, 1), representarla gr acamente e
indicar el intervalo de validez. [Resp.:
y = x
2
; y =
1 kx
2
k x
; y = 1 +x, (, 1)].
8. a) Enunciar alguna versi on del teorema de existencia y unicidad del p.v.i.
y

= f(x, y); y(x

0
) = y
0
.
72 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

b) Aplicando el teorema anterior, demostrar que el p.v.i.
y

=
y
2
+ 1
x
2
+ 1
; y(0) = 2,
tiene una unica soluci on. Resolver la ecuaci on diferencial, mediante el metodo
de separaci on de variables, encontrar la soluci on del p.v.i., indicar el intervalo
de validez y representarla gr acamente.
c) Comprobar que la e.d. del apartado anterior tiene una soluci on en forma de
funci on polin omica de primer grado. Encontrar dicha soluci on y, teniendo en
cuenta que se trata de una ecuaci on de Ricatti, hacer el cambio de variable
adecuado para calcular su soluci on general. Encontrar la soluci on que pasa
por el punto (0, 2), y comprobar que es la misma curva que la obtenida en el
apartado anterior.
[Resp.: y =
x +k
1 kx
; y =
x + 2
1 2x
, (,
1
2
); y
1
(x) = x.]
9. Dada la ecuaci on diferencial M(x, y) +N(x, y)y

= 0,
a) Denir factor integrante (x, y).
b) Deducir la ecuaci on en derivadas parciales que permite calcular un factor inte-
grante.
c) En el caso = (y) escribir dicha ecuaci on.
d) Resolver la ecuaci on diferencial
cos x + (y + sen y + sen x)y

= 0
sabiendo que admite un factor integrante de la forma = (y).
[Resp.: e
y
(sen x +y 1) +
1
2
e
y
(sen y cos y) = C.]
10. Cuando se dispara una bala en un banco de arena, su desaceleraci on en cada ins-
tante es igual a la raz cuadrada de su velocidad en dicho instante. Cuanto tiempo
tardar a en detenerse si su velocidad de entrada en el banco de arena es de 36 m/sg.?
[Resp.: 12 s.]
11. a) Comprobar si la funci on
y(x) =
_
0, si x 3,
(x 3)
2
, si x > 3,
5.7. EJERCICIOS 73
es soluci on del problema de valor inicial
y

= 2

y,
y(0) = 0,
en el intervalo (, ). Existe alguna otra soluci on del mismo problema en el
mismo intervalo?. Hay contradicci on con el teorema de existencia y unicidad?.
Razona las respuestas
b) Consideremos la e.d. (2xy
2
3y
3
) + (7 3xy
2
)y

= 0.
1) Comprobar que admite un factor integrante de la forma = (y) y deter-
minarlo.
2) Encontrar la soluci on general de la ecuaci on diferencial, y la curva soluci on
que pasa por el punto (0, 1).
[Resp.: Si; Si; No hay contradicci on; (y) =
1
y
2
; x
2
3xy
7
y
= 7]
12. Dado el problema de valor inicial
dy
dt
=
1 +y
2
ty(1 +t
2
)
,
y(1) = 3,
estudiar la existencia y unicidad de soluci on y resolverlo.
[Resp.: y =
_
19t
2
1
1 +t
2
denida en
_
_
1
19
,
_
].
13. Hallar la ecuaci on diferencial asociada al haz de elipses
x
2
a
2
+y
2
= 1
y comprobar que al resolverla se obtiene, efectivamente, dicha familia de curvas.
Encontrar la familia de trayectorias ortogonales al haz de elipses.
[Resp.:
x
2
2
+
y
2
2
ln y = K].
14. Consideremos la ecuaci on diferencial
a
dy
dx
+b y = k e
x
, a, b, k > 0, 0.
a) Clasicarla, resolverla y discutir la soluci on seg un que = b/a o = b/a.
74 CAP

ITULO 5. ECUACIONES DIFERENCIALES DE PRIMER ORDEN

b) Calcular el lmite al que tiende la soluci on, cuando x , en los casos = 0
y > 0.
[Resp.: y =
k
a
e

b
a
x
x +C e

b
a
x
, y =
k
b a
e
x
+C e

b
a
x
].
15. El deterioro radiactivo viene dado por la ecuaci on diferencial
dQ
dt
= kQ(t). Calcular
la constante k, en el caso del is otopo de uranio U
238
para el cual se sabe que su
semivida es T
m
= 4,5 10
9
a nos.