Ecuaciones diferenciales y su aplicación en economía

Contents
1 Elementos de la Teorı́a de las Ecuaciones Diferenciales 1
2 Los ejemplos más sencillos 2

2.1 El modelo de Solow . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Otros ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3 Sistema de ecuaciones diferenciales de primer orden 8

3.1 Unicidad de la solución del sistema desacoplado . . . . . . . . . . . . . . . . . . . . 10
4 Ecuaciones diferenciales con autovalores reales distintos 10
5 Exponenciales de operadores. 16
6 Sistemas de ecuaciones diferenciales lineales homogeneos 16

6.1 Sistemas lineales homogeneos bidimensionales . . . . . . . . . . . . . . . . . . . . . 18
6.2 Cómo encontrar la matriz P T cuando no existe una base de vectores propios . . . 23
6.3 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
7 Sistemas Lineales no Homogeneos 26
8 Ecuaciones diferenciales de segundo orden 28

8.1 El acelerador de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
8.2 Control tipo feedback y polı́ticas de estabilización . . . . . . . . . . . . . . . . . . 33
9 Existencia y unicidad de la solución 34
10 Continuidad con respecto a las condiciones iniciales e intervalo maximal 36
11 Equilibrios 37
12 Estabilidad en Primera Aproximación 40
13 La Estabilidad según Liapunov 43

13.1 Ejemplos y aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
14 Análisis de los puntos de silla 47
15 Ciclos lı́mites 48
16 Ecuaciones en diferencias 50
16.1 Las relaciones de recurrencia lineales . . . . . . . . . . . . . . . . . . . . . . . . . . 51
16.2 Ecuaciones en diferencias de segundo orden . . . . . . . . . . . . . . . . . . . . . . 53
16.3 Equilibrios, ciclos, y estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
16.4 El modelo de Solow en tiempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . 57
i
16.5 El modelo multiplicador-acelerador . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
17 Sistemas de ecuaciones en diferencias 59
ii
Notas de Ecuaciones Diferenciales
Elvio Accinelli∗
1 Elementos de la Teorı́a de las Ecuaciones Diferenciales

Las ecuaciones diferenciales, representan muchas veces, una abstracción de importántisimo valor
descriptivo y previsor de la evolución de sistemas que se modifican con el tiempo de acuerdo a
leyes determinadas. Como toda teorı́a es un distanciamiento de la realidad, supuesta existente
objetivamente, y por lo tanto perfectible. Hablamos de una evolución teórica que puede o no ser
confirmada por la tozudez de los hechos llamados reales a los que dice representar.
Tanto en Macroeconomı́a como en Microeconomı́a, las ecuaciones diferenciales están presentes
y son una importante herramienta para el análisis económico, particularmente en la teorı́a del
desarrollo y en el análisis del comportamiento de la economı́a a partir de la llamada ley de la
demanda, como en el estudio de poı́ticas estabilizadoras. En tanto que dicha ley de la demanda
aparece en populares teorı́as, como rectora del devenir económico, parece coherente que una teorı́a
económica le dedique algún capı́tulo de su discurso, aunque sea para rebatir su existencia como
hecho real.
Resulta paradógico que no se pueda decir, en primera instancia, nada acerca del cumplimiento
o no de una de las leyes más famosas de la teorı́a económica. Por otra parte, el hecho de ser muy
amplia la clase de las funciones que cumplen con los requisitos esenciales para ser una función
demanda, a saber cumplir con la ley de Walras y ser homogénea de grado cero, hace que restringirse
al estudio de determinadas ecuaciones diferenciales, en la teorı́a económica, suponga despreciar
una cantidad importante de información que está contenida en al función de demanda. Ası́ por
ejemplo las posibles trayectorias de un sistema dinámico ṗ = kf (p) pueden ser muy complicadas,
lo que hace que su análisis no siempre determine buenas aproximaciones, pues pequeños errores
de medida en el momento inicial pueden conducirnos a desviaciones importantes del equilibrio,
pues sin pérdida de generalidad, no hay seguridad en la convergencia de las soluciones.
De cualquier manera las ecuaciones diferenciales han sido y son ampliamente usadas y con
éxito en algunas áreas teorı́a económica, aunque en otros campos la teorı́ económica sea más
∗
IMERL, Facultad de Ingenierı́a, Depto. de Economı́a, Facultad de Ciencias Sociales. e-mail: elvio@fing.edu.uy
1
estática que dinámica, poniendo más énfasis en las ecuaciones del equilibrios que en la dinámica,
entre otras cosas porque los economistas son buenos en reconocer los estados de eqilibrio, pero
malos para predecir como una economı́a evoluciona desde el desequilibrio.
Vaya lo antedicho como advertencia para desprevenidos creyentes.
Aquı́ más que en la técnica de resolución de las ecuaciones diferenciales, nos concentraremos
en el análisis cualitativo, de ciertos sistemas dinámicos. Veremos un teorema de existencia de
la solución, resolveremos algún tipo elemental de ecuación para ilustrar la teorı́a, y nos concen-
traremos en el análisis de la estabilidad de la solución, particularmente el llamado método de
Liapunov.
2 Los ejemplos más sencillos

La ecuación diferencial
dx(t)
ẋ = ax, a ̸= 0, donde ẋ = (1)
dt
es la más sencilla y también es un de las más importantes. Aquı́ x = x(t) es una función incognita
con valores reales de una variable t y dx/dt es su derivada. La letra a denota una constante.
Las soluciones de (1) se obtienen mediante argumentos del cálculo infinitesimal: si K es una
constante cualquiera, la función f (t) = Keat es una solución, ya que
f ′ (t) = aKeat = af (t)
Además no hay otras soluciones.

Para verlo, sea u(t) una solución cualquiera y calculemos la derivada de u(t)e−at :
d
(u(t)e−at ) = u′ (t)e−at + u(t)(−a)e−at
dt
sustituyendo u′ obtenemos:
d
(u(t))e−at = au(t)e−at − au(t)e−at = 0
dt
Por lo tanto u(t)e−at es una constante K, de modo que u(t) = Keat . Lo que demuestra la afir-
mación.
La constante K que aparece en la solución queda completamente determinada si se especifica
el valor u0 de la solución en un único punto t0 . Supongamos que a una función x(t) que satisface
(1) se le pide que x(t0 ) = u0 ; entonces K ha de satisfacer Keat0 = u0 y la ecuación (1) tiene
entonces, una única solución que satisface la condicioón inicial x(t0 ) = u0 especificada. Y esta es:
x(t) = u0 ea(t−t0 ) .
2
Por simplicidad se toma frecuentemente t0 = 0, entonces K = u0 . No se pierde generalidad,
tomando t0 = 0 ya que si u(t) es una solución con u(0) = u0 , entonces la función v(t) = u(t − t0 )
es una solución con v(t0 ) = u0 .
La constante a que aparece en la ecuación x′ = ax, puede ser considerada como un parámetro,
si a cambia, la ecuación cambia y lo mismo ocurre con las soluciones.
El signo de a, es crucial en este punto:
Si a > 0, limt→∞ Keat es igual a ∞ cuando K > 0, y es igual a −∞ cuando K < 0.
Si a = 0, Keat = constante.
Si a < 0, limt→∞ Keat = 0.
La ecuación x′ = at es estable si a ≤ 0, e inestable si a > 0, sobre este concepto volveremos más

adelante. Como adelanto, vemos que si a ̸= 0 se reemplaza por una constante b suficientemente
próxima a a, el comportamiento cualitativo de las soluciones no cambia.
Ejercicio 2.1 Considere la ecuación diferencial
ẋ = t2
1. Encuentre las soluciones y grafı́quelas para distintos valores de la constante.
2. Suponga que le interesa la solución que en el momneto t = t0 se encuentra en x(t0 ) = x0

escriba la solución para este caso.
Ejemplo 2.2 Ajuste de oferta y demanda en el caso continuo
q d = a + bp, b < 0, a > 0
q s = c + dp, c > 0, d > 0
Siendo q d la cantidad totla demandada delproducto, q s la oferta y p elprecio unitario. Supongamos

que estas cantidades se modifican con el tiempo. La ecuación diferencial de ajuste de demand y
oferta es:
ṗ = α(q d − q s ), α > 0.
Sustituyendo resulta
ṗ = α [(a − c) + (b − d)p] α > 0. (2)
3
De donde obtenemos,
ṗ − α[b − d]p = α(a − c). (3)
Observe que esta ecuación corresponde a una ecuación lineal no homogénea de primer orden.
Siendo lineal porque la variable p y su derivada sólo aparecen elevados al exponente 1. Resulta no
homogénea, pues a diferencia de la ecuación (1), el segundo término no es cero, y es de primer
orden, pues la derivada de mayor orden que aparece es la primera.
En general, una ecuación diferencial lineal de orden n con coeficientes constantes, es

de la forma
an y n + an−1 y n−1 + ... + a1 y + a0 = f (t),
donde los coeficentes an , ..., a0 son constantes. Si además f (t) = 0; ∀, t entonces se dirá homogénea
y no homogénea en otro caso.
La forma general de una ecuación lineal de primer orden, no homogénea como la ecuación (4)
es :
a1 y ′ + a0 y = f (t) (4)
en el caso particular f (t) es constante, y resulta f (t) = α(a − c).

Su solución puede encontrarse de la siguiente forma:
1. Se busca primeramente una solución de la ecuación homogénea correspondiente, es decir de

la ecuación:
a1 y ′ + a0 y = 0.
Llamemos a esta solución yh .
2. Esta solución como ya sabemos será de la forma y = Ke−bt . A partir de esta buscamos una
solución particular, yp obtendremos al solución en la forma yT = yh + yp .
3. Obsérvese que si yT es solución se verificará entonces que
a1 yp′ + a0 yp = f (t)
(a) En el caso en que el segundo miembro sea constante, es decir de la forma f (t) = C
k
entnces yp = a1 +a0 .
(b) En otro caso, se podrá buscar la solución utilizando el método de la variación de

la constante.
4
4. Considere yT (t) = K(t)e−bt , asuminedo que C(t) es una función derivable, derive yh (t) y
sustituya en la ecuación original. =btendraá una ecaución del tipo:
K̇ = Cebt .
∫
5. Integrando obtendrá K(t) = f (t)ebt dt + K0
6. Luego sustituyendo en Yt obtendrá

∫
yT (t) = e−bt f (t)ebt dt + K0 e−bt .
7. Verifique que efectivamente esta es una solución.
8. Si el valor de la variable y en el momento t0 es conocido, y(t0 ) = y0 entonces podrá buscar

la solución en la forma: ∫ t
yT (t) = e−bt f (τ )ebτ dτ + y0 e−bt .
t0
9. Verifque que el método de la variación de la constante también puede ser usado para el caso
en que f (t) es constante.
Ejercicio 2.3 Considere nuevamente la ecucaión de ajuste de oferta y demanda.
1. Obtenga la solución para el caso de la ecaución ().
2. Observe que si el valor de p(t) es conocido en t0 , siendo p(t0 ) = p0 . entonces, en el caso en

que b − d ̸= 0, la solución para esta ecuación será de la forma:
[ ]
c−a a − c −α(b−d)(t−t0 )
p(t) = + p0 + e .
b−d b−d
3. Discuta la solución para t → ∞.
2.1 El modelo de Solow
Conisderaremos acá el modelo de Solow en tiempo continuo.
1. Considere Y = F (K, L) siendo F homogénea de grado cero respecto de L, obtendremos

Y K
entonces y = f (k) siedo y = L yk= L.
2. El modelo asume además que f es derivable dos veces al menos y cóncava.
3. Supone la tasa de crecimiento de la población constante, es decir L̇ = nL y L(0) = L0 .
5
4. Las ecuaciones del modelo son;
I = K̇ + δK
S = sY
sY = K̇ + δK
K(t)
5. A partir de k(t) = L(t) obtenemos
LK̇ − k L̇
k̇ =
L2
Equivalentemente:
K K̇ K L̇
k̇ = −
LK LL
es decir [ ]
K̇ L̇
k̇ = k − . (5)
K L
6. Siendo K̇
K = sY − δKK = sY L
L K − δ.
Se sigue que K̇
K = sf (k) k1 − δ. De donde sustituyendo convenientemente en (5) obtenemos: para
el capital per cápita, la ecuació diferencial lineal no homogéna:
k̇ − (n + δ)k = sf (k). (6)
La ecaución anterior en principio no es trivial de resolver, no obstante resuelva el siguiente

ejercicio:
Ejercicio 2.4 Sea f (k) = ak α donde a > 0 y 0 < α < 1, obtendrá
k̇ − (n + δ)k = sak α .
1. Resuelva la ecuación diferencial anterior. (AYUDA: Divida ambos miembros entre k α y

considere el cambio de variable: v = k 1−α . Resuelva ahora la ecuación diferencial lineal de
primer orden que resulta.)
2. Muestre que existen dos puntos estacionarios k1 y k2 , es decir dos soluciones de la ecaución
anterior, para las que se verifican k(t) = constante es decir k̇(t) = 0. Estos son putnos son
llamados puntos fijos o de equilibrio.
3. ¿ Qué sucede si el sistema en el instante t0 no está en equilibrio, es decir si k(t0 ) ̸= k1 , k2 ?

NOTA El hecho de que es posible encontrar una solución, y que cualquiera sea el mecanismo
por el que la buscamos, si efectivamente la obtenmos, podemos eatar seguros de que no hay otra,
lo garantiza el teorema de existencia y unicidad de la solución que veremos más adelante.
6
2.2 Otros ejemplos
Ejemplo 2.5 Modelos de difusión Los modelos de difusión, hacen referencia a innovaciones
tecnológicas (como por ejemplo la adoptción de la telefonı́a celelar), y su difusión en la sociedad, el
contagio de una enfermedad, o el crecimiento de una población. Todos ellos presentan las siguetes
principales caracterı́sticas:
1. En el principio sólo afectan a unos pocos.
2. Paultinamente se difunden en forma acelerada al conjunto de la sociedad.
3. Llega un momneto de saturación y su difusión comienza a ser más lenta,
4. Existe una cantidad de saturación.
Veamos como podemos a partir de estos datos hacernouna idea del comportamiento de un proceso
de difusión. Claramente la caracterización realizada, muestra un proceso de difusión en forma de
S, pero veamos un poco más:
Supongamos que N (t) sea el número de afectados por el proceso, las caracterı́sticas enunciadas,
nos lleva a la siguiente ecuación;
Ṅ (t) = g(t)(m − N (t))
de esta forma resulta que
1. m es el número máximo de posibles afectados.
2. g(t) es el coeficiente de difusión, representa al tasa de difusión en el instante t. Si g(t)

es pensado como la proabilidad de adopción de la nueva tecnologı́a, o enferemdad, en el
momento t entonces g(t)(m − N (t)) representa el valor esperado de nuevos afectados.
Ejercicio 2.6 Aunque g(t) puede asumir formas muy diferentes, en muchas aplicaciones se con-
sidera
g(t) = a + bN (t)
de donde resulta
a N (t) N (t)
Ṅ (t) = m( +b )(1 − )
m m m
Para resolverla, considere
N (t dN (t) 1 dv(t)
1. v(t) = m de donde resulta dt = m dt .
7
a
2. Sustituyendo, obtenenmos: v̇(t) = ( m + bv(t))(1 − v(t))
3. Hacemos ahora el cambio de variables: 1 − v(t) = F (t) resulta entonces:

( )
a
4. Ḟ (t) = b ( bm + 1) − F (t) F (t)
5. Obtenmos entonces la igualdad:

∫ ∫
dF
( ) =b dt + c0 .
a
( bm + 1) − F (t) F (t)
Considere ahora la igualdad

[ ]
1 1 1 1
( ) = a + a
a
( bm + 1) − F (t) F (t) ( bm + 1) F (t) ( bm + 1) − F
6. Sustituya en la igualdad anterior, entre integrales e integre. Obtendrá la solución

a
( bm + 1)F (t0 )
F (t) =
+ 1)e−( m −b)(t−t0 ) + F (t0 )
a
a
( bm
N (t0 )
siendo F (t0 ) = 1 − v(t0 ) = m .
7. Obtenga N (t).
8. Grafique Ṅ (t) y N (t), calcule limt→∞ N (t).
3 Sistema de ecuaciones diferenciales de primer orden

Consideremos ahora un sistema de dos ecuaciones diferenciales con dos funciones incógnitas:
x′1 = a1 x1
(7)
x′2 = a2 x2
Este es un sistema muy simple, pero muchos sistemas pueden reducirse a esta forma.
Como no existe una relación especificada entre las dos funciones incógnitas x1 (t), x2 (t) se dice
que están desacopladas.
Las soluciones podemos escribirlas facilmente:
x1 (t) = K1 ea1 t , K1 = constante
x2 (t) = K2 ea2 t K2 = constante
8
Aquı́ las constantes quedan determinadas si se especifican laas condiciones iniciales: x1 (t0 ) =
u1 , x2 (t0 ) = u2 .
Desde un punto de vista geométrico las soluciones de (7) determinan una curva incógnita,
x(t) = (x1 (t), x2 (t)) en el plano ℜ2 . Es decir x es una aplicación de ℜ en ℜ2 . El segundo miembro
de (7) expresa el vector tangente a la curva: x′ (t) = (x′1 (t), x′2 (t))
Usando notación vectorial:
x′ = Ax
donde Ax indica el vector (a1 x1 , a2 x2 ). A cada punto x del plano, le asociamos el vector Ax
basado en x. O bien a cada punto x del plano le asociamos el segmento dirigido que va desde x
hasta x + Ax.
Ejemplo 3.1 Considere a1 = 2, a2 = − 12 . Al punto x = (1, 1) le asociamos
( )
1 1 1
(1, 1) + A = (1, 1) + (2, − ) = (3, ).
1 2 2
Las condiciones iniciales, u = (u1 , u2 ) representan un punto en el plano, y exigen que se
seleccione aquella curva del plano, solución del sitema que en t = t0 pasa por u.
Resolver una ecuación diferencial con condiciones iniciales, significa encontrar una curva x(t)
que satisface las ecuaciones y además en t = 0 verifique las condiciones iniciales. Asociando
a cada punto del plano x el vector Ax obtenemos el diagrama de fases. Para esto dibujamos
una cantidad suficiente de vectores Ax con base en puntos x y fin en x + Ax. Luego es posible
representar graficamente la curva solución x(t), pues para cada t pasará por x(t), con la dirección
Ax(t).
Considere la familia de transformaciones lineales dependiente del parámetro t, ϕt : Rn → Rn ,
definida por
ϕt (u) = (ϕ1t (u), ϕ2t (u), ..., ϕnt (u))
donde ϕit : Rn → R representa la coordenada i−ésima de la curva x(t) solución del sistema ẋ = Ax
que en t = 0 pasa por u, es decir x(0) = u. Esta familia monoparamétrica se denomina flujo del
sistema. Representa la posición de una partı́cula en el momento t cuya dinámica está dada por
ẋ = Ax, la que en el momento t = 0 se encuentra en el punto de coordenadas u = (u1 , u2 , ..., un ).
Ejemplo 3.2 Para el sistema desacoplado

ẋ1 = a1 x1
ẋ2 = a2 x2
x1 (0) = u1 , x2 (0) = u2
9
el flujo es la familia de transformaciones lineales ϕt : R2 → R2 definida por
ϕt (u) = (u1 ea1 t , u2 ea2 t ).
3.1 Unicidad de la solución del sistema desacoplado
Considere el siguiente sistema desacoplado de ecuaciones diferenciales:
ẋ1 = λ1 x1
ẋ2 = λ2 x2
.........
ẋn = λn xn
Un sistema desacoplado presenta únicamente soluciones de la forma xi (t) = ci eλi t .

Para ver esto considere una solución del tipo v(t) = (v1 (t), v2 (t), ...., vn (t)) para el sistema
anterior. Sea wi (t) = vi (t)e−λi t , i = 1, 2, ..., n. Se tiene que ẇi (t) = (v̇i (t) − λi vi (t))e−λi t , teniendo
en cuenta que v(t) es solución, se sigue que: ẇi (t) = (λi vi (t) − λi vi (t)) e−λi t = 0, es decir que
wi (t) = ci , i = 1, 2, ..., n por lo tanto vi (t) = ci eλi t []
4 Ecuaciones diferenciales con autovalores reales distintos

La idea es resolver un sistema de ecuaciones diferenciales transformándolo hasta llevarlo a una
forma canónica, realtivamente fácil de resolver, en particular esto se logra cuando el sistema puede
trasnformarse en un sistema desacoplado. Comenzaremos la sección repasando algunos conceptos
de Algebra lineal.
Sea E en espacio vectorial y sea B = {b1 , ..., bn } una base de E. Cada base en el espacio vectorial
asigna a cada z ∈ E un sistema de coordenadas (x1 , ..., xn ) donde z = x1 b1 + .... + xn bn . Para cada
vector z fijo, podemos considerar a cada coordenada xi como una función lineal xiB : E → R, y
consecuentement definir al aplicacioń ϕB : E → Rn definida como ϕB (z) = (x1B (z), ..., xnB (z)).
Obviamnete cada base elegida definirá un sistema de coordenadas propio.
Ejemplo 4.1 Si en particular elegimos R2 con la base canónica C en la que b1 = (1, 0); b2 = (0, 1)
entonces si z = (3, −4) obviamente ϕC (z) = (3, −4). Pero si en lugar de la base canónica elegimos
la base B donde b1 = (1, 1); b2 = (2, 1), entonces ya no es tan sencillo. En este caso
(3, −4) = x1 (z)(1, 1) + x2 (z)(2, 1)
10
Luego tendremos que reslover el sistema lineal:
3 = x1 (z)1 + x2 (z)2
−4 = x1 (z)1 + x2 (z)1
De donde obtendremos que x1 (z) = −11 y x2 (z) = 7. Por lo que ϕC (z) = (−11, 7). Es decir que el
vector z = (3, 4) tendrá las coordenadas (3, 4) en la base canónica y (−11, 7) en la segunda base
elegida.
Nuestra primera pregunta es ¿cómo se relacionan los sistemas de coordenadas en bases

diferentes?
Para contestar a esta pregunta consideremos en un espacio vectorial E, las bases Bv =
{b1 , ..., bn } a la que llamaremos vieja, y Bn = {f1 , ..., fn } a al que llamaremos nueva, con sus
respectivos sistemas de coordenadas (x1 , ..., xn ) e (y1 , ..., yn ). Cada vector de la base nueva fi ,
∑n
puede ser expresado en términos de la base vieja, supongamos que fi = j=1 pij bj , i = 1, ..., n.
Es decir que xj (fi ) = pij , i, j = 1, ..., n o bien, ϕBv (fi ) = (p1i , ..., pni ) i = 1, ..., n. En forma
simbólica (emulando la notación mtricial) podemos escribir esto de la siguiente forma:
    
f1 p11 p12 ... p1n b1
    
 f2   p21 p22 ... p2n  b2 
 =   (8)
 ..   ... ... ... ... 
.. 
 .   . 
fn pn1 pn2 ... pnn bn
Resumiendo f = P b. A la matriz P la llamaremos matriz de cambio de base de la vieja a la nueva

base.
Expresemos a z ∈ E mediante el sistema de coordenadas de la base nueva:
z = y1 (z)f1 + y2 (z)f2 + ... + yn (z)fn . (9)
Si ahora expresamos cada fi por su sistema de coordenadas en la base vieja obtendremos:

∑ ∑ ∑
z = y1 (z) p1j bj + y1 (z) p2j bj + ... + y1 (z) pnj bj . (10)
j j j
Ordenando términos obtendremos:
z = x1 (z)b1 + x2 (z)b2 + ... + xn (z)bn
Donde cada xi (z) = y1 (z)pi1 + y2 (z)p2i + ... + yn (z)pni .
11
Lo que expresado en forma matricial tiene la forma:
    
x1 p11 p21 ... pn1 y1
    
 x2   p12 p22 ... pn2  y2 
 =   (11)
 ..   ... ... ... ... 
.. 
 .   . 
xn p1b p2n ... pnn yn
Resumiendo y comparando las matices en las ecuaciones (8) y en (11) se tiene: X = P T Y. o bien
(P T )−1 X = Y. Es decir que para pasar del sistema de coordenadas viejo al nuevo trasponemos e
invertimos la matriz de cambio de base, y se la aplicamos al sistema de coordenadas de la base
vieja.
Siguiente pregunta: ¿Cómo se realcionan entre si las expresiones matriciales de una misma
transformación lineal coorespondientes a dos bases diferentes?
Supongamos ahora que tenemos una transformación lineal T : E → E cuya matriz asociada
en la base vieja es A y en la base nueva es B. Supongamos que T pone en coorespondencia a cada
vector z ∈ E el vector w ∈ E, es decir T x(z) = x(w). Consecuetemente que T y(z) = y(w) lo que
en forma matricial (en la base vieja) se expresará como: Ax(z) = x(w) y respectivamente (en la
nueva base) By(z) = y(w). La siguiente igualdad se sigue de lo anterior:
(P T )−1 Ax(z) = (P T )−1 x(w) = y(w) = By(z).
Luego
(P T )−1 AP T y(z) = By(z)
siendo que esta igualdad se cumple para todo z ∈ E se llega a que:
B = (P T )−1 AP T
En lo que sigue vamos a tener interés solamente en dos bases particulares, la canónica que será
la vieja y la de vectores propios que será la nueva.
Teorema 4.2 Sea A una matriz n×n que tiene n autovalores diferentes, λ1 , λ2 , . . . , λn . Entonces
existe una matriz n × n invertible Q tal que:
QAQ−1 = diag{λ1 , λ2 , . . . , λn .}
Demostración: Sea {e1 , ...en } la base canónica de Rn . Sea T el operador de Rn en Rn cuya

matriz en la base canónica es A. Supongamos que {f1 , f2 , . . . , fn } es una base de autovectores de
A, de modo que Afi = λi fi , j = 1, ..., n. Sea fi = (fi1 , . . . , fin ), el sistema de coordenadas de los
12
vectores propios en la base canónica. Sea Q la inversa de la matriz cuya columna j − esima está
foramada por las coordenadas de fj en la base canónica, (es decir que Q = (P T )−1 ), entonces
QAQ−1 es la matriz de T en la base de vectores propios. Esta matriz tiene en esta base la forma
diag{λ1 , ..., λn } 1 . [·]
Observación 4.3 Q se obtiene inviertiendo la matriz cuyas columnas son las coordenadas de los
vectores propios expresados en la base canónica.
El siguiente teorema es constructivo, y muestra un método para resolver ecuaciones diferenciales

lineales en cualquier caso, para el que los valores propios de A sean reales y diferentes.
Teorema 4.4 Sea A un operador sobre Rn que tiene n autovalores distintos. Entonces, para todo
x0 ∈ Rn , la ecuación diferencial lineal:
x′ = Ax; x(0) = x0 , (12)
tiene una solución única.
Demostración: Por el teorema anterior, sabemos que existe una matriz Q invertible tal que la
matriz QAQ−1 es diagonal:
QAQ−1 = diag{λ1 , λ2 , . . . , λn .} = B
donde λ1 , λ2 , . . . , λn son los autovalores de A. Introduciendo las nuevas coordenadas y = Qx en

Rn con x = Q−1 y, tenemos
y ′ = Qx′ = QAx = QAQ−1 y
de donde resulta el nuevo sistema:

y ′ = By
Como B es diagonal, la solución de ese sistema es:
yi′ = λi yi ; i = 1, 2, ..., n. (13)
Sabemos que la ecuación anterior tiene una única solución para cada condición inicial, y la
sabemos calcular, pues es un sistema desacoplado:
yi (t) = yi (0)exp(λi t).

1
Esto resulta de que AP T es una matriz B cuya j−ésima columna es λj fj . Luego (P T )−1 B = diag{λ1 , ..., λn }.
13
Para resolver (12), sólo nos resta llevar la solución del sistema desacoplado, expresado en la
base (nueva) de vectores propios de A a la base (vieja) canónica. Pongamos: y(0) = Qx0 . Si y(t)
es la solución de (13), entonces la correspondiente solución para (12) es:
x(t) = Q−1 y(t).
Más explicitamente,
x(t) = Q−1 (y1 (0)exp(λ1 t), ..., λn (0)exp(λ1 t).[]
Siendo Q−1 la traspuesta de la matriz cuyas columnas son “los vectores propios colgados”.
Ejemplo 4.5 Encontrar la solución general del sistema:
x′1 = x1
x′2 = x1 + x2
x′3 = x1 − x3
La matriz correspondiente es:  
1 0 0
 
A= 1 2 0 
1 0 −1
Sus valores propios son 1, 2, -1. Son por lo tanto reales y distintos. La matriz B para el nuevo
sistema (desacoplado) es
 
1 0 0
 
B= 0 2 0 
0 0 −1
El sistema desacoplado (expresado en la nuevas coordenadas) es:
y1′ = y1
y2′ = 2y2
y3′ = −y3
que tiene por solución:

y1 (t) = aet
y2 (t) = be2t
y3 (t) = ce−t
Ahora debemos encontrar los autovectores, esto es los fi ∈ R3 que verifiquen las siguientes
igualdades:
[A − λi I]fi = 0
14
El lector deberá comprobar que estos son:
f1 = (2, −1, 2); f2 = (0, 1, 0); f3 = (0, 0, 1).
La matriz de cambio de base traspuesta, se obtiene poniendo en las columnas las coordenadas de
los autovectores:  
2 0 0
 
Q−1 = P T =  −1 1 0 
2 0 1
De la igualdad x = P T y se obtiene:
x1 (t) = 2aet
x2 (t) = −2aet + be2t
x3 (t) = aet + ce−t
Para resolver el problema con condiciones iniciales
xi (0) = ui
hemos de seleccionar a, b, c apropiadamente:
x1 (0) = 2a
x2 (0) = −2a + b
x3 (0) = a + c
por lo tanto debe resolverse el sistema lineal:
u1 = 2a
u2 = −2a + b
u3 = a + c
con incógnitas a, b, c.
El siguiente teorema es consecuencia inmediata del teorema anterior.
Teorema 4.6 Sea A una matriz n × n con n autovalores diferentes y reales, λ1 , ...λn . Entonces
toda solución del sistema:
x′ = Ax; x(0) = u
es de la forma:
xi (t) = ci1 exp(tλ1 ) + ... + cin exp(tλn ), i = 1, ...n,
para unas ciertas constantes ci1 , ...cin univocamente determinadas por las condiciones iniciales.
15
Mediante este teorema obtenemos mucha información sobre las caracterı́sticas de las soluciones,
aún sin obtenerlas explicitamente: Por ejemplo, si todos los autovalores son negativos, entonces:
lim x(t) = 0
t→∞
para toda solución y reciprocamente. Volveremos sobre este tema más adelante.
5 Exponenciales de operadores.
Definimos ahora una importante serie, que generaliza la serie exponencial usual. Para todo oper-
ador T : Rn → Rn se define:
∞
∑
T Tk
exp(T ) = e =
k=0
k!
∑∞ Tk
La serie exponencial k=0 k! es absolutamente convergente.
Propiedades del operador exponencial
Las siguientes propiedades del operador exponencial pueden verificarse con relativa facilidad:
Sean P, S, T operadores en Rn . Entonces:
1) si Q = P T P −1 entonces: eQ = P eT P −1
2) si ST = T S entonces: eS+T = eS eT
3) e−s = (es )−1
Proposición 5.1
d tA
e = AetA = etA A.
dt
Se pueden considerar a A y etA como matrices, en cuyo caso etA A es su producto.
6 Sistemas de ecuaciones diferenciales lineales homogeneos

Sea A un operador en Rn . En esta sección expresaremos las soluciones de la ecuación
x′ = Ax
en términos de exponencial de operadores.
16
Teorema 6.1 Sea A un operador en Rn . Entonces las solución del problema con valor inicial:
x′ = Ax, x(0) = K ∈ Rn , (14)
es:
x(t) = etA K (15)
y no existen otras.
Demostración: A partir de la proposición (5.1) se tiene que:
d tA
(e K) = AetA K,
dt
como x(0) = e0A = K se tiene que (15) es una solución de (14). Para probar que no hay otras
soluciones razonemos por el absurdo. Supongamos que s(t) es otra solución de (14) y pongamos:
y(t) = e−tA s(t)
Entonces: ( )
′ d −tA
y (t) = e s(t) + e−tA s′ (t) = e−tA (−A + A)s(t) = 0
dt
Por lo tanto y(t) es una constante. Como y(0) = K se sigue que y(t) = K. Luego s(t) = Ke−tA .[·]
Ejemplo 6.2 Calcularemos la solución general de un sistema bidimensional.
x′1 = ax1
x′2 = bx1 + ax2

donde a y b son constantes. En notación matricial:
[ ]
′ a 0
x = Ax; A= ; x = (x1 , x2 )
b a
La solución con valor inicial K = (K1 , K2 ) es, de acuerdo al teorema anterior x(t) = etA K. Siendo:
[ ]
tA ta 1 0
e =e ,
tb 1
se sigue que
etA K = (eta K1 , eta (tbK1 + K2 ))
17
En consecuencia la solución que satisface a las condiciones iniciales
x1 (0) = K1 , x2 (0) = K2
es:
x1 (t) = eta K1
x2 (t) = eta (tbK1 + K2 ).
6.1 Sistemas lineales homogeneos bidimensionales
Para cualquier matriz A 2 × 2, existe una matriz invertible P tal que la matriz B = P AP −1 tiene
una de las siguientes formas (canónicas)2 :
[ ] [ ] [ ]
λ 0 a −b λ 0
; ;
0 µ b a b λ
Luego eB tendrá respectivamente una de las siguientes formas:

[ ] [ ] [ ]
eλ 0 cosb −senb 1 0
; ea ; eλ .
0 eµ senb cosb b 1
Por la tanto eA puede calcularse a partir de la forma:
−1 BP
eA = eP = P −1 eB P.
La primera forma canónica corresponde al caso en que la matriz A tiene autovalores diferentes,
estos son λ y µ, o bien al caso en que los valores propios son iguales, λ = µ pero existe un base de
vectores propios, es el caso desacoplado. La segunda forma canónica corresponde al caso en que
los valores propios son complejos a + bi y su conjugado. La tercera al caso de autovalores iguales
pero no existe una base de vectores propios3 vectores propios aunen el caso, b depende de la base
nueva elegida, se toma el vector propio y se completa la base, luego se resuelve (P T )−1 AP T = C
siendo C la matriz canónica correspondiente. Podemos elegir la base de forma tal que b = 1.
Puesto que sabemos calcular la exponencial de cualquier matriz de orden 2×2 podemos resolver
explicitamente cualquier sistema bidimensional de la forma x′ = Ax. Por otra parte, debido a que
los valores de λ y µ que aparecen en las formas canónicas son los autovaleres de A en el caso en
2
Obsérvese que esta matriz no es en principio la matriz traspuesta de cambio de base de la canónica a la de
autovectores, pues en principio no podemos asegurar que exista una base de vectores propios como en el caso en
que los valores propios son diferentes, véase el teorema (4.2).
3
( Recuerde) que puede suceder que exista una base de que los valores porpio sean iguales. Ejemplo: A =
2 0
.
0 2
18
que sean reales, mientras que en el caso de que sean complejos a y b son respectivamente la parte
real y la parte compleja de dichos autovalores. Entonces aun sin obtener forma en explı́cita la
solución, podemos conocer, a partir de los autovalores de la matriz del sistema, algunas propiedades
cualitativas de las soluciones. Veremos los casos más importantes:
Caso 1. A tiene autovalores reales de signos opuestos. En este caso se dice que el origen es
un punto silla. Mediante el camdio de coordenadas, x = P y la ecuación se convierte en:
y ′ = By,
[ ]
−1 λ 0
B = P AP = , λ < 0 < µ.
0 µ
Las soluciones para es sistema son de la forma y(t) = (c1 eλt , c2 eµt ). Que representan en el plano
µ
µ
(y1 , y2 ) las curvas incógnita y1 = k(y2 ) λ , con λ < 0, siendo k una constante que se determina en
función de las condiciones iniciales. La solución del sitema original, será una combinación lineal
de estas:
x(t) = c1 eλt v1 + c2 eµt v2 ,
• donde v1 y v2 son los vectores propios de la matriz A cuyas coordenadas son las columnas
de pT .
• Las constantes c1 y c2 se determinarán en función de las condiciones iniciales.
La fig. 2 representa el diagrama de fases.

Caso II. Todos los autovalores tiene parte real negativa. En este caso se dice que es un
sumidero. Posee la propiedad caracterı́stica de que:
limt→∞ x(t) = 0
para toda solción x(t).

Si A es diagonal esto es obvio ya que todas las soluciones tienen la forma.
( )
y(t) = c1 eλt , c2 eµt
Si A es diagonalizable hacemos el cambio de variables indicado en el caso I.

Las figuras 3 y 4, muestran el caso cuando los autovalores son iguales, en este caso se dice que
tenemos un foco, y cuando son diferentes, en este caso hablamos de un nodo
Si los autovalores son negativos, pero A no es diagonalizable, existe un cambio de variables
que da la ecuación equivalente:
19
Figure 1: Punto de silla
Figure 2: Foco
y ′ = By
[ ]
−1 λ 0
B = P AP = , λ < 0.
1 λ
Ya vimos que en este caso las soluciones tienen la forma:
y1 (t) = eλt K1
.
y2 (t) = eλt (tbK1 + K2 )
Tienden a cero cuando t va hacia infinito.
20
Figure 3: Nodo
Siendo n el vector elegido para completar la base, la solución del sistema original tendrá la
forma:
x(t) = c1 vp eλt + c2 (tvp + n)eλt ,
• λ el único valor propio,
• vp un vector propio y n el vector que completa la base.
• Las constantes c1 y c2 se determinarán en función de las condiciones iniciales.
Caso III. Si los autovalores son complejos a + bi se puede hacer un cambio de variables para
obtener el sistema equivalente:
y ′ = By,
[ ]
a −b
B= .
b a
Según ya fue visto:
[ ]
Bt at cos bt − sin bt
e =e
sin bt cos bt
Por lo tanto la solución de la ecuación diferencial, se expresa:
y(t) = eat (K1 cos bt − K2 sin bt, K2 cos bt − K1 sin bt)
Como | cos bt| < 1 y | sin bt| < 1 y a < 0, resulta que:
limt→∞ y(t) = 0
21
Si b > 0, el diagrama de fases consiste en espirales que tienden a cero, en sentido contrario a
las agujas del reloj, ver figura 5, y de espirales que tienden a cero en el sentido contrario a las
agujas del reloj, si b < 0.
La solución del sistema original tendrá la forma
x(t) = c1 eat (u cos bt − v sin bt) + c2 eat (u sin bt + v cos bt),
• las constantes c1 y c2 se determinarán en función de las condiciones iniciales.
• Los vectores u y v se obtienen a apartir del vector propio ϕ, escrito en la forma ϕ = u + iv
Caso IV. Los autovalores son imaginarios puros. En este caso se dice que se tiene un centro.
Está caracterizado por la propiedad de que todas las soluciones son periódicas del mismo perı́odo.
Con un cambio apropiado de coordenadas (como en el caso III) se tiene:
y ′ = By,
[ ] [ ]
a −b Bt at cos bt − sin bt
B= , e =e
b a sin bt cos bt
En este caso a = 0.
Para el caso con autovalores complejos, se tienen los siguiente posibilidades según los valores de
a y b.
(i) a < 0 la órbita en espiral converge hacia el (0, 0).
(ii) a > 0 la órbita en espiral se aleja del (0, 0) infinitamente.
(iii) a = 0 la órita es un elipse con centro en el (0, 0).
(iv) El signo de b da el sentido de la órbita.
Interpretación geométrica: La interpreatción geométrica ẋ = Ax es como sigue. Dado un

punto K ∈ Rn existe una única curva t → etA K que comienza en K en t = 0 y que es solución
del sistema. El vector tangente a la curva en el punto x(t̄) es el vector Ax(t̄). Podemos imaginar
a los puntos de Rn fluyendo a lo largo de las curvas solución, con el origen estacionario. La
posición del punto x en t unidades de tiempo después será ϕt (x) = etA x. La transformación lineal
ϕt : Rn → Rn es el flujo correspondiente al sistema. ẋ = Ax.
22
6.2 Cómo encontrar la matriz P T cuando no existe una base de vectores
propios
Analicemos este punto a partir de un ejemplo.

Caso 1: Autovalores complejos: Considere el sistema
ẋ1 = −2x2
ẋ2 = x1 + 2x2
[ ]
0 −2
En este caso: A = .
1 2
• Los autovalores son λ = 1 + i, λ̄ = 1 − i
• Para obtener el autovector complejo correspondiente a 1 + i resolvemos (A − λI)w = 0.

Resulta una única ecuación w1 + (1 − i)w2 = 0, que representa al conjunto de autovectores.
• Elegimos w2 = −i, resulta w1 = 1 + i, es decir w = (1 + i, −i) = (1, 0) + (1, −1)i
• Los vectores v = (1, −1) y u(1, 0) forman una base en R2 . La base debe escribirse en el orden
{v, u} Luego todo vecotor x ∈ R2 podrá expresarse como x = y1 (1, −1) + y2 (1, 0)
• LLegamos a que [ ]
T 1 1
P = .
−1 0
[ ]
1 −1
El lector verificará que(P T )−1 AP T = = B Luego sabemos que el sistema y ′ = By
1 1
tiene las soluciones y(t) = etB K en este caso
[ ]
t cos t − sin t
y(t) = e K.
sin t cos t
Es decir:
y1 (t) = k1 et cos t − k2 et sin t
y2 (t) = k1 et sin t + k2 et cos t

Consecuetemente x(t) = P T y(t) obteniéndose entonces las soluciones:
x1 (t) = (k1 + k2 )et cos t + (k1 − k2 )et sin t
x2 (t) = −k1 et sin t + k2 et cos t
23
Observación 6.3 En forma general, la demostración de que si un operador T en un espacio
vectorial
[ de dimesión
] 2 tiene autovalores conjugados, entonces se puede llevar a la forma canónica
a −b
T = siendo µ = a + bi y µ̄ los valores propios, se hace de la siguietne forma:
b a
Demostración: Sea µ = a + bi autovalor de T. Ses ϕ = u + iv autovector asociado a µ, u y

v son elementos de R2 . A su vez u y v son linealmente independientes (para probar esto use la
independencia lineal de los autovectores ϕ y ϕ̄, pues u = 12 (ϕ + ϕ̄) y v = 12 (ϕ − ϕ̄)). Por ser ϕ
autovector asociado a µ, se sigue que:
T (u + vi) = (a + bi)(u + vi) = (−bv + au) + (av + bu)i
Además T (u + vi) = T u + iT v con lo que se concluye que:

T u = −bv + au
T v = av + bu
[ ]
a −b
Esto significa que expresada en la base {v, u}, T = .[·] La matriz
b a
[ ]
T u 1 v1
P = .
u 2 v2
La solución del sistema tendrá la forma
x(t) = c1 eat (u cos bt − v sin bt) + c2 eat (u sin bt + v cos bt)
donde las constantes c1 y c2 se determinarán en función de las condiciones iniciales.

Caso 2: Autovalores reales pero no existe una base de vectores propios En este caso
existe un único vector propio λ. Se completará una base de R2 y se procederá de forma análoga
a la anterior. Escribiendo la base nueva en el orden {n, vp } donde vp es un vector propio asociado
al autovalor. (Para el caso en que a12 ̸= 0 puede elegirse n = (0, 1). La matriz
[ ]
T 0 vp1
P =
1 vp2
[ ]
λ 0
debe satisfacer (P T )−1 AP T
= B, donde B = . El valor de b se determina a partir de
b λ
esta igualdad. Siendo n = (0, 1) el vector elegido para completar la base, la solución del sistema
tendrá la forma: x(t) = P T y(t) es decir x(t) = vp y2 + ny1 en definitiva:
x(t) = k2 vp eλt + k1 (btvp + n)eλt ,
24
donde λ es el único valor propio, vp un vector propio y n el vector que completa la base, y P T la
matriz cuyas columnas están formadas por las coordenadas de n y vp . Las constantes k1 y k2 se
determinarán en función de las condiciones iniciales.
Las soluciones que se obtienen son en definitiva combinaciones lineales de las soluciones de los
sistemas canónicos, de ahı́ la posibilidad de realizar un estudio cualitativo del comportamiento de
las soluciones aun antes de resolver el sistema explicitamente.
6.3 Ejemplos
Ejemplo 6.4 Considere el sistema

( )
1 12
ẋ = x
3 1
• Muestre que los autovalores son 7 y −5
• Encuentre la matriz P T . Para esto deberá obtener los autovectores, v1 = (1, 2); v2 = (−2, 1).
es decir resolver: ( )( ) ( )
1−λ 12 a 0
=
3 1−λ b 0
Donde λ son los autovalores.
• Encuentre la solución general del sistema.
• Obtenga la solución para x1 (0) = 1; x2 (0) = 0.

( )
5 3
ẋ = x
−3 −1
• Pruebe que no existe una base de vectores propios.
• Encuentre la solución para el sistema canónico correspondiente.
• Encuentre la matriz P T .
• Muestre que la solución del sistema original es de la forma:
x1 = c1 e2t + c2 te2 t
x2 = c1 e2t + (t + 1)c2 2te2t
25
• Obtenga la solución para x1 (0) = 1; x2 (0) = 0.

ẋ = x + y
ẏ = −2x − y
• Muetre que los autovalores son complejos
• Resuelva el sisitema canónico.
• Muestre que el vector propio ϕ se puede obtener a partir de la ecuación
(1 − i)α + β = 0.
• Elija β = 1 y obtenga el valor de α
• Encuentre u y v vectores de R2 tales que ϕ = u + iv.
• Construya P T .
• Obtenga la solución general del sistema original.
7 Sistemas Lineales no Homogeneos

Vamos a considerar un sistema de ecuaciones diferenciales lineales no homogeneo y no autónomo.
x′ (t) = Ax(t) + B(t) (16)
Aquı́ A es una matriz de n × n y B : R → Rn es una aplicación continua. Esta ecuación se

llama no homogenea por el término B , es además no autonoma, pues depende explicitament de
t.
Busquemos una solución en la forma:
x(t) = eAt f (t), (17)
donde f : R → Rn es una cierta curva diferenciable, el método se llama variación de la constante

pues si B(t) ≡ 0, entonces f (t) es una constante y obtemdrı́amos una solución para el sistema
homogeneo.
Derivando (17) se obtiene:
x′ (t) = AeAt f (t) + eAt f ′ (t)
26
Como se supone que (17) es solución de (16),
Ax(t) + B(t) = Ax(t) + eAt f ′ (t)
o sea,
f ′ (t) = B(t)e−At .
Integrando: ∫ t
f (t) = e−As B(s)ds + K
0
con lo que tenemos un candidato a solución de (16)
[∫ t ]
−As
x(t) = e At
e B(s)ds + K , K ∈ Rn . (18)
0
Obsérvese que la ecuación anterior tiene efectivamente sentido, pues el término en el inte-
grando, es una función vectorial. Luego representa n integrales, Por lo que x(t) resulta una
función vectorial, bien definida de R en Rn .
Derivando x(t) en la última ecuación verificamos que efectivamente es una solucion para (16).
Finalmente podemos comprobar que toda solución de la ecuación (16) ha de ser de la forma
(18). Para comprobar esto supongamos que que y : R → Rn es una segunda solucion de (16).
Entonces:
x′ − y ′ = A(x − y) (19)
como sabemos (19) tiene soluciones de la forma:
x − y = eAt K0 , para algún K0 ∈ Rn
Esto implica que y es de la forma (18).

Toda solución de (16) puede escribirse en la forma:
x(t) = u(t) + eAt K,

∫t
siendo: u(t) = eAt 0 e−As B(s)ds.
Nótese que u(t) es una solución de (16) y eAt K es una solución de la ecuación homogénea:
y ′ = Ay
Por lo tanto la solución general de la ecuación no homogénea se obtiene sumando una solución
particular, a la solución general de la ecuación homogénea.
Si la función B(t) es minimamente complicada será probablemente imposible obtener una
fórmula simple, aunque algunas veces esto puede hacerse.
27
Ejemplo 7.1 Hallar la solución general de:
x1 = −x2
x2 = x1 + t
Aquı́: [ ] [ ] [ ]
0 −1 0 −At cos s sin s
A= , B(t) = , e =
1 0 t − sin s cos s
y la integral es:
∫ t[ ][ ] ∫ t[ ] [ ]
cos s sin s 0 s sin s sin t − t cos t
ds = ds = .
0 − sin s cos s t 0 s cos s cos t + t sin t − 1
[ ] [ ]
At cos t − sin t K1
e = , K= .
sin t cos t K2
Por lo tanto la solución general será de la forma:
[ ] [ ][ ]
x1 (t) cos t − sin t sin t − t cos t + K1
= .
x2 (t) sin t cos t cos t + t sin t − 1 + K2
Realizando la multiplicación de matrices y simplificando resulta:
x1 (t) = −t + K1 cos t + (1 − K2 ) sin t,
x2 (t) = 1 − (1 − K2 ) cos t + K1 sin t

Esta es la solución cuyo valor en t = 0 es:
x1 (0) = K1 , x2 (0) = K2 .
8 Ecuaciones diferenciales de segundo orden

Consideremos una ecuación diferencial lineal con coeficientes constantes, en la que aparece una
derivada de orden superior, por ejemplo:
s′′ + as′ + bs = 0 (20)
Introduciendo nuevas variables podemos reducir (20) a un sistema de dos ecuaciones de primer
orden. Sea x1 = s y x′1 = s′ . Entonces de (20) resulta:
x′1 = x2
(21)
x′2 = −bx1 − ax2
28
Podemos ver que si x(t) = (x1 (t), x2 (t)) es una solución del sistema lineal, entonces es solución
de (20) Este procedimiento vale también en casos de orden mayor a 2. Consideremos:
s(n) + a1 s(n−1) + an−1 s′ + an s = 0. (22)
Aquı́ s es una función real de t y sn es la derivada enésima de s, mientras que a1 , a2 , ...an son
constantes.
En este caso las nuevas variables son x1 = s, x2 = x′1 , ..., xn−1 = x′n−1 y el sistema equivalente
a la ecuación es:
x′1 = x2
x′2 = x3
.. .. ..
. . .
x′n = −an x1 −an−1 x2 − . . . − a1 xn .

En notación vectorial esta matriz tiene la forma x′ = Ax donde A es la matriz:
 
0 1 0 ··· 0
 0 0 1 ··· 0 
 
 · · · ··· · 
 
 
 · · · ··· · 
 
 0 0 0 ··· 1 
−an −an−1 an−2 · · · −a1
Proposición 8.1 El polinomio caracterı́stico de la matriz A es:
p(λ) = λn + a1 λn−1 + . . . + an .
Demostración: La demostración se hace por inducción completa sobre n. Se comprueba fácilmente

para n = 2. Se supone cierta para n − 1 y luego se verifica fácilmente que Det(λI − A) es igual a
λDet(λI − An−1 ) + a − n, desarrollando por la primera columna. []
El interés de la proposición anterior radica en que el polinomio caracterı́stico puede obtenerse
directamente a partir de la ecuación diferencial de orden superior.
Volvamos a la ecuación de orden 2, del comienzo, (20)
Denotemos las raı́ces de la ecuación polinomial λ2 + aλ + b = 0 por λ1 , λ2
CASO 1 λ1 ̸= λ2 Entonces se puede reducir al sistema de ecuaciones de primer orden, para el
cual existe un sistema diagonalizado equivalente, cuyas soluciones en este sistema de coordenadas,
son (y1 , y2 ) donde: y1 = K1 exp(λ1 t), y2 = K2 exp(λ2 t) con constantes arbitrarias K1 y K2 .
29
Entonces como x1 (t) o s(t) es una cierta combinación lineal s(t) = p11 K1 exp(λ1 t)+p12 K2 exp(λ2 t).
Se concluye por lo tanto que toda solución de (20) es de la forma:
s(t) = C1 exp(λ1 t) + C2 exp(λ2 t)
para ciertas constantes C1 y C2 que pueden determinarse a partir de los valores iniciales s(t0 ), s′ (t0 ).
CASO 2 A continuación supongamos que λ1 = λ2 = λ y que estos autovalores o raı́ces de la
ecuación de segundo grado son reales. En este caso el sistema equivalente tendrá una matriz 2 × 2
de la forma [ ]
λ 0
, β ̸= 0
β λ
La solución general del sistema será:
y1 (t) = K1 eλt ,
y2 (t) = K1 βteλt + K2 eλt ,

siendo K1 y K2 constantes arbitrarias. En el sistema lineal original las soluciones son combina-
ciones lineales de las anteriores. Podemos concluir que si el polinomio caracterı́stico tiene una raı́z
doble real, entonces las soluciones de la ecuación de segundo orden, serán de la forma:
s(t) = C1 eλt + C2 teλt .
Donde los valores de C1 y C2 se determinaran a partir de la condiciones iniciales s(t0 ), s′ (t0 ).

CASO 3 Finalmente en el caso en que λ1 y λ2 son números complejos conjugados la solución
general del sistema lineal equivalente tiene la forma:
y1 (t) = eµt (K1 cosνt − K2 sin νt),
y2 (t) = eµt (K1 sin νt − K2 cosνt),

Se obtiene s(t) como una combinación lineal de y1 (t) e y2 (t) :
s(t) = eµt (C1 cosνt + C2 sin νt)
para ciertas C1 y C2 que dependen de las condiciones iniciales s(t0 ), s′ (t0 ).

Resumiendo los resultados anteriores, tenemos el siguiente teorema:
Teorema 8.2 Sean λ1 y λ2 las raı́ces del polinomio caracterı́stico P (λ) = λ2 + aλ + b. Entonces
toda solución de la ecuación diferencial:
s′′ + a1 s′ + bs = 0,
es del tipo siguiente:
30
Caso (a). λ1 y λ2 son reales y distintos: s(t) = C1 exp(λ1 t) + C2 exp(λ2 t);
Caso (b). λ1 = λ2 = λ es real: s(t) = C1 exp(λt) + C2 texp(λt);
Caso (c). λ1 = µ1 + iν1 , λ2 = µ2 + iν2 , ν ̸= 0 : s(t) = eµt (C1 cos νt + C2 sin νt)
En cada caso, C1 y C2 son constantes reales determinadas por las condiciones iniciales de la forma:
s(t0 ) = α, s′ (t0 ) = β.
Las ecuaciones diferenciales lineales de orden superior, pueden resolverse por métodos análogos,
la comprensión cabal de estos métodos de resolución, requieren un poco más de álgebra. Recomen-
damos la lectura del libro de Hirsch, y Smale, Ecuaciones Diferenciales, sistemas dinámicos y
álgebra lineal.
Presentaremos un ejemplo de resolución de una ecuación diferencial no homogénea de segundo
orden:
Ejemplo 8.3 Consideremos por caso:
s′′ + 2s′ + s = t − 1
Con las condiciones iniciales s(0) = 1, s′ (0) = 2
El polinomio caracterı́stico es λ2 + 2λ + 1, la única raı́z es λ = −1. Por lo tanto la solución

generaldel sistema homogeneo es es:
s(t) = C1 e−t + C2 te−t .
Una solución particular para la ecuación no homogénea es:
s̄(t) = t − 1.
Sumando la solución general de la homogénea a la solución particular, obtenemos la solución

general de la ecuación de segundo orden.
s(t) = C1 e−t + C2 te−t + t − 1
Calculemos ahora las constantes C1 y C2 . Se tiene que:
s′ (t) = (−C1 + C2 )e−t − C2 te−t + 1.
31
A partir de las condiciones iniciales, poniendo t = 0 obtenemos el siguiente sistema de ecua-
ciones:
s(0) = C1 + C2 − 1 = 1,
s′ (0) = −C1 + 1 = 2
Por lo cual la solución es
s(t) = 2e−t + 3te−t + t − 1
8.1 El acelerador de segundo orden
Supongamos que la inversión desead I ∗ es proporcional a la diferencia entre el stock del capital
deseado K ∗ y el disponible K:
K̇ ∗ = I ∗ = α(K ∗ − K) (23)
donde α > 0 y para simplificar el modelo asumimos que no existe depreciación. Esta ecuación es
llammada la ecuación del ajuste del capital. Supongamos que el capital desado en proporcional
al producto espertado, para simplificar consideremos K ∗ = kY es decir que el capital desado
en proporcinal al producto existente. Se obtinen entonces la siguiente ecuación, llamada del
acelerador flexible
K̇ = I = α(kY − K) (24)
Supongamos ahora que la variación en la inversión sea prporcional a la diferencia entre inversión
desada I ∗ e inversión actual (I), es decir que I˙ = β(I ∗ − I). Por lo tanto
I˙ = β(α(K ∗ − K) − K̇) (25)
Llegamos entonces a la ecuación diferencial lineal orden 2 no homogenea:
K̈ + αK̇ + αβK = αβK ∗ . (26)
El polinomio caracterı́stico para esta ecuación es:
P (λ) = λ2 + αλ + αβ.
La caracterı́stica de la solución de este problema dependerá entonces del discriminante de la

ecuación de segundo grado λ2 + αλ + αβ = 0. Tendrá dos raı́ces reales y distintas is α > 4β, dos
raı́ces igaules si α = 4β y dos imaginarias si α < 4β. Siendo α y β positivos la parte real siempre
será negativa. Consideremos las posibles soluciones de acuerdo al teorema (8.2), donde agregamos
la solución particular K(t) = K ∗
32
1. Caso α > 4β. K(t) = C1 exp[λ1 t] + C2 exp[λ1 t] + K ∗
2. Caso α = 4β. K(t) = C1 exp[λt] + C2 t exp[λt] + K ∗
3. Caso α < 4β. K(t) = e−αt (C1 cos µ1 t + C2 sin µ2 t) + K∗.
En todos los casos la solución converge al valor de K ∗ . En el caso (3) aparecen oscilaciones.
Esto sucede en el caso enque no consideramos la relación entre capital y producto dada por
(24). Para este caso considerando el consumo C = a + bY a > 0, 0 < b < 1 obtenemos
1 1
Y =C +I = (a + I) = (a + K ′ ).
1−b 1−b
Poniendo ahora K ∗ = kY considerando la ecuación (26) llegamos finalmetne a:
( )
αk 1
K̈ + β 1 − K̇ + αβK = αk . (27)
1−b 1−b
Ejercicio 8.4 Encontrar la soluciónparticular, y mostrar que la estabilidad ahora se pierde.
8.2 Control tipo feedback y polı́ticas de estabilización
Supongamos que los productores reaccionan la exxcesdo de demanda en forma proporcional al

mismo, de esta forma la varaiaciı́n del producto seguirá la forma:
Y ′ = α(D − Y ) (28)
siendo α > 0 Y el producto agregado y D la demanda agregada. Supongamos priemramente que

el gobierno está ausente. En este caso la demanda agregada está dada por la propoensión marginal
a consumir del sector privado D = (1 − l)Y − u, 0 < l < 1, siendo u un factor de exógeno de
diturbio. En este caso la ecuación (28) toma la forma:
Y ′ + αlY = −αu (29)
La solución de esta ecuación es Y = Ce−αlt − ul . Si consideramos la condición iniical Y (0) = 0

entonces
u( )
Y (t) = − 1 − e−αlt .
l
Esto signifca que Y (t)t→∞ → − ul .
Veamos que sucede freente a polı́ticas de estabilización.
Supogamos que el gobierno interviene, sea G las comparas del sector público. En este caso la
demanda agregada es:
D = (1 − l)Y + G − u,
33
y la coorespondiente ecuación diferencial es:
Y ′ + αlY + αu = αG. (30)
Derivando en ambos miembros de l aigualdad obtenemos:
Y ′′ + αlY ′ = αG′ . (31)
Supongamos ahora que el gobierno intenta acercarse a cierto gast deseado G∗ por lo que varı́a el
gasto en forma proporcional a la desviación de este gasto deseado. Formalmente
G′ = β(G∗ − G), (32)
siendo β > 0 y G el gasto actual. Sustituyendo la igualdad (32) en (31) llegamos a la ecuación:
Y ′′ + (αl + β)Y ′ + αβlY − αβG∗ = −αβ. (33)
Supongamos ahora que G∗ = −gY Sustituyendo llegamos a la ecuación diferencial lineal de

segundo orden no homogenea:
Y ′′ + (αl + β)Y ′ + αβ(l − g)Y = −αβ. (34)
Ejercicio 8.5 Para la ecucaión (34)
1. Muestre que hay una solución particular Yp = − 1−g

1
.
2. Obtenga la solución general y compare con los resultados obtenidos para el caso (28).
3. Discuta las siguientes alternativas:
(a) G∗ = −g1 Y − g2 Y ′ .
∫t
(b) G∗ = f 0 Y (s)ds. (AYUDA: para discutir este caso introduzca G∗ en la ecuación (31)
y luego derive, obtendrá una ecuación difernecial homogenea de tercer orden.)
9 Existencia y unicidad de la solución

Consideremos el siguiente sistema de ecuaciones diferenciales de primer orden autónomo:
ẋ = ϕ(x). (35)
La primera pregunta que surge es ¿ cuándo un sistema de ecuaciones diferenciales tiene una
solución? y a continuación si existiendo una, es ésta única solución. Formalicemos el sentido de
la palabra solución:
34
Definición 9.1 Una solución local a través de un punto x0 ∈ X para el sistema (35) es una
función ξ(·, x0 ) : T → X, donde T es un intervalo real conteniendo al origen tal que ξ(0, x0 ) = x0 ,
y tal que para todo t ∈ T se verifica la igualdad:
d
ξ(t, x0 ) = ϕ[ξ(t, x0 )].
dt
Se verifica el siguiente teorema de existencia y unicidad:
Teorema 9.2 Teorema de Piccard Si X ⊂ Rk es abierto y si el campo vectorial ϕ : X → Rk

es Lipschitz continua, entonces el sistema (35), tiene una única solución ξ(·, x0 ) : T → X, para
todo estado inicial x0 ∈ X más aun, ξ(t, x0 ) es continua en t ∈ T y x0 ∈ X.
Recuerde que una función ϕ : X → Rk , donde X ⊂ Rk es (localmente) Lipschitz continua

si para todo subconjunto compacto C ⊂ X existe un número real λ tal que
∥ϕ(x) − ϕ(y)∥ ≤ λ∥x − y∥.
No es difı́cil verificar que si ϕ tiene derivadas parciales continuas entonces es Lipschitz continua,
y que si una función ϕ es Lipschitz continua, entonces es continua.
No obstante como muestra la función ϕ(x) = |x| puede ser Lipschitz continua sin tener
√
derivadas continuas. Por otra parte la función f (x) = 0 si x < 0 f (x) = x si x ≥ 0 es
continua pero no Lipschitz continua. Observe que en cero la pendiente por la derecha es infinita.
√
Ejemplo 9.3 1. Considere la función no Lipschitz continua en 0 f (x) = 0 si x < 0 f (x) = x.
Como fácilmente puede verificarse las funciones
ξ(t, 0) = 0 y η(t, 0) = 0 si t < 0; t2 /4 si t ≥ 0
son soluciones para el sistema ẋ = f (x) que verifican x0 = 0.
2. Considere ahora la función lipschtziana ϕ(x) = x2 con la condición inicial x0 = 1. La

solución para el sistema ẋ = ϕ(x) es: ξ(t, 1 = 1/(1 − t) válida para todo t < 1. Observe que
la solución no es global, pues sólo está definida en T = (−∞, 1).
Ejercicio 9.4 1. Discuta la existencia y unicidad de la solución del sistema
x˙1 = (2x1 − 3)(1 − x1 )x1
x˙2 = −x˙1
Sin resolver explicitamente el sistema dibuje la solución en la región x1 ≥ 0, x2 ≥ 0.
35
2. Análogamente para
x˙1 = (2x1 − 3x2 )x1 x2
Siendo x1 (t) + x2 (t) = 1, x1 (t) ≥ 0, x2 (t) ≥ 0.
3. Análogamente para
x˙1 = (2x1 − 3x2 )(x2 − 1)
x˙2 = (x1 − x2 )
Indique la solución que pasa por (1, 2).
10 Continuidad con respecto a las condiciones iniciales e intervalo

maximal
En esta sección veremos que la solución ξ(t, x0 ) depende continuamente de las condiciones iniciales.
Veremos también lo que sucede cuando una solución x(t) se aproxima al lı́mite del intervalo
temporal (α, β) en el que puede ser definida.
El siguiente teorema muestra que soluciones que comienzan en puntos vecinos, pueden ser
definidas en un mismo intervalo cerrado y que se mantienen cercanas en dicho intervalo.
Teorema 10.1 Sea ϕ ∈ C 1 . Sea x(t) = ξ(t, x0 ) la solución de x′ = ϕ(x) con x(t0 ) = x0 definida
en el intervalo cerrado [t0 , t1 ]. Existen Ux0 ⊂ Rn de x0 y una constante K tales que si z 0 ∈ Ux0
entonces existe una única solución z(t) = ξ(t, z 0 ) también definida en [t0 , t1 ] con z(t0 ) = z 0 , y
z(t) satisface:
|x(t) − z(t)| ≤ K|x0 − y0 |exp(K(t − t0 ))
para todo t ∈ [t0 , t1 ]
Mostraremos ahora que si consideramos el mayor de los intervalos abiertos (α, β) en el que
puede definirse una solución ξ(·, x0 ) para x′ = ϕ(x), y cada x0 ∈ W siendo W el dominio de
ϕ donde es C 1 , entonces cuando t se aproxima al borde del intervalo, la solución se escapa de
cualquier compacto K ⊂ W.
Definición 10.2 Considere x′ = ϕ(x) donde ϕ ∈ C 1 está definida en W subconjunto abierto de

Rn . Para cada x0 ∈ W existe un intervalo maximal (α, β) conteniendo el cero, en el que existe
una única solución ξ(·, x0 ) : (α, β) → W. Llamamos intervalo maximal J a la unión de estos
(α, β) donde existe una solución ξ(·, x0 ) para x0 ∈ W es decir J = ∪x0 ∈W (α, β).
El teorema será enunciado para el borde derecho, pero el otro caso es análogo.
36
Teorema 10.3 Sea W ⊂ Rn abierto, sea ϕ : W → Rn un mapa C 1 . Sea y(t) = ξ(t, y 0 ) una
solución en un intervalo maximal J = (α, β) ⊂ R con β < ∞. Entonces dado un compacto
cualquiera K ⊂ W existe t ∈ J con y(t) ̸∈ K.
De este teorema resulta el siguiente corolario:
Corolario 10.4 Sea A un subconjunto compacto de W ⊂ Rn abierto. Si para todo x(0) = x0 ∈ A

ξ(t, x0 ) cae enteramente en A entonces existe una solución ξ(·, y 0 ) : [0, ∞) → W con ξ(t, y 0 ) ∈ A
para todo t ≥ 0.
11 Equilibrios
El siguiente ejemplo tiene por objetivo motivar el estudio que llevaremos adelante en esta sección,
pero no crea todo lo que le dicen, sobre todo cuando el ejemplo que presentaremos se basa en una
de las leyes de las que más se habla en economı́a, pero no parece ser tan universal.
Ejemplo 11.1 • Trataremos el tiempo como una variable continua, y supondremos que los
productores fijan los precios de los productos sin conocer la curva de demanda, D(p).
• Al precio p los consumidores adquieren por unidad de tiempo, la cantidad D(p), supuesta
función decreciente con p. A ese precio los productores desean vender la cantidad S(p) por
unidad de tiempo, función creciente con p.
• s(p) y D(p) pueden ser diferentes, pues en el esquema nada indica que los productores estén
vendiendo lo que desean a precio p, admitamos que los productores corrijan el precio del
producto proporcionalmente a la demanda excedente del producto:
dp
= k(D(p) − S(p)) (36)
dt
Esta es la ecuación de Samuelson de la Ley de la Oferta y la Demanda. Desde que las curvas
se interceptan en p0 , precio al que la oferta es igual a la demanda, vemos que el precio del mercado
p convergirá para p0 . Esto puede verse en la figura siguiente:
Ejercicio 11.2 Analice el siguiente caso:

D(p) = ad + bd P
S(p) = as − bs p
ṗ = k(D(p) − S(p))
37
(a) Discuta la solución en función de los valores de los coeficientes ad , bd ; as , bs .
(b) Encuetre el equilibrio walrasiano del sistema.
(c) Analice la convergencia de la solución
Dejando convicciones de lado, vayamos a la teologı́a. Consideremos el sistema de ecuaciones

diferenciales:
ẋ = f (x(t), t). (37)
Definición 11.3 Un punto x̄ ∈ X en el sistema de ecuaciones anteriores es llamado un punto

de equilibrio si f (x̄, t) = 0 para todo t.
Obsérvese que si x̄ es un punto de equilibrio, entonces ϕt (x̄) = x̄ para todo t. Por este motivo
se le llama punto estacionario o punto fijo del flujo. Nos preocupará el estudio de la solución,
ϕ(t; x0 , t0 ), esto es la solución que en t = t0 pasa por x0 , es decir: ϕ(t0 ; x0 , t0 ) = x0 , en particular
nos ocuparemos del comportamiento de soluciones que pasan en t = t0 por un punto x0 próximo
a x̄ y por otra parte del comportamiento de las soluciones, cuando x0 es un punto arbitrario del
plano. El primer aspecto se relaciona con la llamada estabilidad local del punto de equilibrio, y
el segundo con la estabilidad global.
Obsérvese que la solución ϕ depende de t0 como de x0 .
Definición 11.4 Un equilibrio x̄ es llamado globalmente asintoticament estable, si ϕ(t; x0 , t0 ) →

x̄ cuando t → ∞. Más precisamente, dado ϵ > 0 existe un t̄ tal que ||ϕ(t; x0 , t0 ) − x̄|| ≤ ϵ para
todo t ≥ t0 + t̄ La definición no depende ni de x0 ni de t0 .
Definición 11.5 Un equilibro x̄ es llamado estable si para todo entorno Ux̄ de x̄ en el dominio
de f (t, ·) existe un entorno U1x̄ en el dominio de f (t, ·) tal que toda solución x(t) con x(0) en U1x̄
está definidia y permanece en Ux para todo t > t0 .
Definición 11.6 Un equilibrio x̄ es llamado localmente asintoticamente estable, si existe

una bola Bδ (x̄) de radio δ y centro x0 tal que si x0 ∈ Bδ (x̄) implica ϕ(t; x0 , t0 ) → x̄ cuando
t → ∞. Más precisamente, dado ϵ > 0 existe un δ(ϵ) y un t̄(ϵ, x0 ) tal que si ||x0 − x̄|| ≤ δ implica
||ϕ(t; x0 , t0 ) − x̄|| ≤ ϵ para todo t ≥ t0 + t̄.
Podemos también decir que, x̄ es asintoticamente estable si y solamente si, es estable y además
limt→∞ = x̄ para toda solición con x(t0 ) ∈ U1x̄ .
38
Ejemplo 11.7 Consideremos la ecuación:
ẋ(t) = −2x(t), t ∈ ℜ, x ∈ ℜ y x(t0 ) = x0
Claramente x̄ = 0 es un estado de equilibrio, es fácil ver que esta solución es el único equilibrio.
La solución para esta ecuación es:
ϕ(t; t0 , x0 ) = x0 exp(−2(t − t0 ))
Puede verse que ϕ(t; t0 , x0 ) → 0 cuando t → ∞ independientemente del valor inicial, la solución
de equilibrio es única y el sistema es globalmente estable.
Discuta en función de a el caso
ẋ(t) = ax(t)
Ejemplo 11.8 Consideremos la ecuación:
1
ẋ = − x3 (t), t ∈ ℜ, x ∈ ℜ, x(t0 ) = x0
5
Claramente, x̄ = 0 es el único estado de equilibrio. Haciendo un diagrama, ver figura, puede verse
que si x > 0 entonces ẋ < 0 y si x < 0 entonces ẋ > 0. Consecuentemente x(t) → 0 cuando t → ∞
Supongamos ahora que tenemos el siguiente sistema lineal y homogéneo, con coeficientes con-
stantes:
ẋ(t) = Ax(t) donde A = [aij ] es una n × n matriz
Si A es no singular, entonces x̄ = 0 es el único estado de equilibrio.

Sea ẋ(t) = Ax(t) un sistema de ecuaciones diferenciales con x(0) = x0 . Sabemos que la solución
es de la forma:
ϕ(t; x0 ) = exp(At)x0
∑∞ k tk
Donde: exp(At) = k=0 A k! . Esto es exp(At) es una matriz n × n.
Suponga que A tiene n autovalores distintos, λ1 , λ2 , . . . , λn . Existe entonces una matriz P tal
que P AP −1 tiene una forma diagonal cuyos elementos son los autovalores (váse teorema (4.2)).
Usando esta propiedad se obtiene el siguiente corolario:
Corolario 11.9 Si A es la matriz del sistema lineal y tiene n autovalores diferentes, λ1 , λ2 . . . λn ,

entonces la solución puede escribirse como:
ϕ(t; x0 ) = P exp(Λt)P −1 x0
donde P es una matriz no singular de orden n × n y
39
 
e λ1 t 0 0 ... 0
 λ t 
 0 e 2 0 ... 0 
exp(Λt) =  
 ... ... ... ... ... 
0 0 ... . . . e λn t
En este caso la estabilidad depende crucialmente de los autovalores de la matriz A. En par-
ticular si la parte real de todos los autovalores es negativa entonces claramente exp(Λt) → 0 si
t → ∞. Por lo que en este caso el sistema será globalmente estable.
Teorema 11.10 Sea ẋ(t) = Ax(t) un sistema de ecuaciones diferenciales. El punto de equilibrio
x̄ = 0 es globalmente estable si y sólo si la parte real de los autovalores de A es negativa.
Si un sistema está dado por ẋ(t) = A(x(t)−x̄) entonces x(t) = x̄ es el único estado de equilibrio,
mediante el cambio de variables y = x(t) − x̄ hallamos que ȳ = 0 es el punto de equilibrio.
Es sabido que si una matriz A s definida negativa, entonces todos los autovalores de la matriz
son negativas, consecuentemente el sistema es asintoticamente estable. Decimos entonces que el
equilibrio es un atractor global.
12 Estabilidad en Primera Aproximación

Consideremos ahora la ecuación
ẋ = f (x) f : W → Rn W ⊂ Rn , abierto. (38)
Supongamos que f ∈ C 1 y que x̄ ∈ Rn es un punto de equilibrio. se verifican entonces los

siguientes teoremas:
Teorema 12.1 (Atractor local) Sea Df (x̄) la matriz de derivadas de f. Si todos los autovalores
de dicha matriz tienen parte real negativa, esntonces existe un entorno Ux̄ de x̄ tal que toda solución
ϕ(t, x0 ) → x̄ cuando t → ∞ para todo x0 ∈ Ux̄ .
Si bien no incluimos la demostración del teorema la idea de la demostración del mismo es la

siguiente: Consideremos sin pérdida de generalidad que x̄ = 0, en otro caso haremos el cambio de
variables y(t) = x(t) − x̄. Como todos los autovalores ed Df (0) son negativos, existe c > 0 tal que
la parte real de todo autovaloe es menor que −c. Luego puede probarse que tota solución x(t) del
sistema original verifica la disigualdad ∥x(t)∥ ≤ −c∥x(0)∥.[·]
Teorema 12.2 Supongamos que x̄ es un equilibrio estable para el sistema (38). Entonces ningún
autovalor la matriz Df (x̄) tiene parte real positiva.
40
La deomstración del teorema no la incluiremos, no obstante agregaremos elsiguiente corolario:
Corolario 12.3 Un punto de equilibrio hiperbólico es o bien inestable, o bien asintóticamente

estable.
Definición 12.4 Diremos que un punto de equilibrio x̄ es hiperbólico si la derivada de Df (x̄) no

tiene autovalores con parte real nula.
Decir entonces que un equilibrio x̄ es hiperbólico, significa que ningún autovalor de Df (x̄)
tiene parte real nula. En este caso si:
• Todo autovalor tiene parte real negativa, decimos que x̄ es un atractor.
• Todo autovalor tiene parte real positiva, decimos que x̄ es un repulsor.
• Si se presentan ambos signos en un punto silla. Obviamente un punto silla es inestable.
El siguiente teorema da una condición necesaria y suficiente para que una matriz tenga sus
autovalores con parte real negativa.
Teorema 12.5 Routh-Hurwitz(REVISAR) Una condición necesaria y suficiente para que las
raı́ces del polinomio caracterı́stico
P (λ) = a0 λn + a1 λn−1 + · · · + an
de una matriz A con coeficientes reales, tenga raı́ces con parte real negativa, es que los determi-
nantes de los menores principales de la matriz M = A + At multiplicados por (−1)i , i = 1, 2, ....n
sean positivos, es decir Bi = (−1)i Mi > 0 (siendo Mi los determinantes de los menores princi-
pales).
Consideremos un sistema de ecuaciones diferenciales autónomo, (esto es un sistema en el que

el segundo miembro no depende explicitamente de t.
ẋ(t) = f (x(t))
del cual queremos conocer propiedades locales de la solución de equilibrio. El procedimiento

habitual es el de obtener el desarrollo de Taylor de f en el punto x̄ tal que f (x̄) = 0 y considerar
unicamente los términos de primer orden. Entonces obtenemos el sistema:
ẋ(t) = A(x(t) − x̄)

dfj
donde A = [aij ], aij = dxi evaluado en x = x̄. Este sistema es conocido como aproximación
lineal del sistema.
41
Observación 12.6 Es un resultado conocido que si un punto de equilibrio en la aproximación
lineal es globalmente estable entonces es localmente estable en el sistema original.
El recı́proco no es necesariamente cierto, en otras palabras, es posible que un punto de equilibrio
sea globalmente o localmente estable en el sistema original y no sea estable en la aproximación
lineal.
Ejemplo 12.7 Consideremos como caso:
ẋ(t) = ax(t) − x(t)3 .
Ciertamente x̄ = 0 es un punto de equilibrio. La aproximación lineal para a = 0 es ẋ(t) = 0.

Aquı́ x̄ = 0 no es estable, pues la solución que parte de x0 es x(t) = x0 . No obstante 0 es
un equilibrio asintoticamente estable. Por este motivo la aproximación linal no debe usarse sin
cuidados para hacer estática comparativa.
Ejemplo 12.8 Volvamos nuevamente al modelo de crecimiento de Solow, utilizando f (k) =

k α , 0 < α < 1. Ya obtuvimos para este caso la ecuación (6) según la cual:
k̇ = sak α − (n + δ)k.
( )−( 1
)
sa α−1
Obtuvimos también dos punto fijos k1 = 0 y k2 = n+δ .
Tomamos la primera aproximación en un entorno de cada uno de los puntos de equilibrio:
f (k) = f (k ∗ ) + f ′ (k ∗ )(k − k ∗ )
Resulta f (k ∗ ) = 0 y f ′ (k ∗ ) = αsa(k ∗ )α−1 − (n + δ)
1. Para el cso k1∗ = 0la derivada no está definida.
2. para el caso k2∗ = k2 obtenemos:
f ′ (k2 ) = −(n + δ)(1 − α).
Luego obtendremos f (k) ∼ −(n + δ)(1 − α)(k − k ∗ )

Obtenmos entonces la primera aproximación: k̇ = −(n + δ)(1 − α)(k − k ∗ ) que resulta una
ecuación diferencial lineal de primer orden, cuya solución es:
k(t) = k2∗ + (k(0) + k2∗ )e−(n+δ)(1−α)t . Siendo negativo el exponente, el punto de equilibrio
resulta asintóticamente estable para el sistema original.
42
13 La Estabilidad según Liapunov
Como ya fue visto el estudio de los puntos de equilibrio juega un papel fundamental en las ecua-
ciones diferenciales ordinarias y sus aplicaciones. Además está claro que un punto de equilibrio
debe tener ciertas propiedades de estabilidad para tener relevancia en el mundo real, pues gen-
eralmente no es posible localizar exactamente un punto, sino sólo de manera aproximada. De ahı́
al importancia de que en un entorno del punto en cuestión, las soluciones no se alejen mucho con
el tiempo, mejor aun si se aproximan con el correr del tiempo a la solución exacta.
Por el planteo que hicimos anteriormente, conocer la estabilidad de un equilibrio, supone
conocer la totalidad de las soluciones de la ecuación diferencias, lo que puede resultar difı́cil sino
imposible.
El matemático ruso A.M. Liapunov, en su tesis de doctorado de 1982, encontró u criterio muy
amplio para conocer la estabilidad de un punto de equilibrio de un sistema dinámico
x′ = f (x). (39)
Aquı́ f : W → Rn es una aplicación C 1 en un conjunto W ⊂ Rn abierto.

Se trata de generalizar la idea de que la distancia, ||x(t) − x̄|| decrece para las soluciones
cercanas a x̄.
Sea V : U → R una función derivable definida en U ⊂ W de x̄. Denotaremos por V̇ (x) : U → R
la función definida por:
V̇ (x) = DV (x)(f (x))
Aquı́ el miembro de la derecha es simplemente el operador DV (x) aplicado al vector f (x). Entonces
si ϕt (x) es la solución de la ecuación diferencial que pasa por x cuando t = 0,
d
V̇ (x) = V (ϕt (x))|t=0
dt
por la regla de la cadena. Consiguientemente, si V̇ (x) es negativa, entonces V decrece a lo largo

de la solución.
El teorema de Liapunov, tiene el siguiente enunciado:
Teorema 13.1 Sea x̄ ∈ W un punto de equilibrio de (39). Sea V : U → R una función continua
definida en un entorno U ⊂ W de x̄, derivable en U − x, tal que
(a) V (x̄) = 0 y V (x) > 0 si x ̸= x̄;
(b) V̇ ≤ 0 en U − x.
43
Entonces x̄ es estable. Si además:
(c) V̇ < 0 en U − x,
entonces x̄ es asintoticamente estable.
Definición 13.2 Una función V que satisface (a) y (b) se llama función de Liapunov para x̄.
Ponemos énfasis en que el teorema de Liapunov, se puede aplicar sin necesidad de conocer la
solución de la ecuación. Como contrapartida, no existe un método definitivo para hallar funciones
de Liapunov; es una cuestión de ingenio y de prueba y error en cada caso. elmatemático uruguayo
J.L. Massera demostró el teorema recı́proco de Liapunov. Algunas veces hay funciones naturales
para ensayar
13.1 Ejemplos y aplicaciones
Consideramos a continuación algunos ejemplos que ilustran acerca de la teorı́a anteriormente

expuestas.
Ejemplo 13.3 ( Ecuación de Van del Pol). Consideremos la ecuación:
x′′ − ϵ(x2 − 1)x′ + x = 0
donde ϵ > 0, o el sistema equivalente:
x′ = y + ϵ(x3 /3 − x)
y′ = −x
Definimos la función de Liapunov como V (x, y) = (x2 + y 2 )/2. Entonces, V̇ = ϵx2 (x2 /3 − 1) a lo
largo de una solución. Para D = {(x, y) ∈ R2 : x2 + y 2 < 3}, V̇ ≤ 0} mientras que V (x, y) ≥ 0.
Más aun, la desigualdad es estricta para todo (x, y) ∈ D en ambos casos, por lo que concluı́mos
la estabilidad asintótica del (0, 0) para toda solución tal que (x(0), y(0)) ∈ D.
Ejemplo 13.4 (Tatonnement processes) Es frecuente en economı́a considerar el siguiente

sistema dinámico de ajuste de precios:
ṗ = kz(p)
donde se considera a los precios como función vectorial del tiempo, p : R → Rn siendo z : S+
n−1
→
Rn la función de exceso de demanda, k es una constante de juste. Este proceso es conocido como
Tatonnement processes.
44
Teorema 13.5 Supongamos el siguiente mecanismo de ajuste de precios: pi = ki zi (p), i = 1, . . . , n
con la función exceso de demanda, satisfaciendo el axioma débil de la preferencia revelada, esto
es: si p∗ es un equilibrio de la economı́a, entonces p∗ z(p) > 0 para todo p ̸= p∗ . Entonces p∗ es
asintoticamente estable.
Demsotración: Definamos la siguiente función:

n [
∑ ]
V (p) = (pi − p∗i )2 /ki .
i=1
Verifique que esta es una función de Liapunov para p∗ . Más aun que la hipótesis de la preferencia
revelada implica que,
d
V (p) = −2p∗ z(p).
dt
Observación 13.6 (El teorema de Sonnenschein-Mantel-Debreu) El teorema SMD, afirma
que dada una función que verifique la ley de Walras y se homogenea de grado cero, podemos con-
struir una economı́a con preferencias cóncavas de forma tal que dicha función corresponda a su
exceso de demanda. Esto dice que el campo vectorial asociado a la ecuación diferencial del taton-
nement que aquı́ analizamos es muy amplio. Por lo tanto si bien la existencia del equilibrio puede
probarse, la estabilidad del equilibrio está lejos de tener lap0op890’ misma genrealidad. En prin-
cipio precios cercanos al de equilibrio pueden no converger a ningún lugar. En el caso considerado
en la sección las funciones de demanda y oferta tienen formas muy particulares, los mercados se
comportan en general en forma no tan simple. Por otra parte para economı́as con más de dos
bienes no hay mecanismo que asegure la convergencia a algún precio de equilibrio.
Ejemplo 13.7 (Presa-depredador) Consideramos una especie depredadora en cantidad y y su

presa en cantidad x. La especie depredadora se alimenta exclusivamente de su presa. El número de
presas consumidas es proporcional al número de encuentros presa-depredador, el que suponemos
poroporcional a xy La tasa de creimiento de la especie depredadora se puede escribir entonces
como y ′ = (Cx − D)y siendo C > 0, D > 0. La presa en ausencia de su depredador se reproduce,
suponemos que su tasa de crecimiento sea x′ = (A−By)x. siendo A > 0, B > 0. Llegamos entonces
al sistema de ecuaciones presa-depredador de Lotka y Volterra:
x′ = (A − By)x
(40)
y′ = (Cx − D)y.
1. Este sistema tiene puntos de equilibrio: (0, 0) y (D/C, A/B).
45
2. Nótese que los autovalores correspondientes a la arporximación lineal en el punto (D/C, A/B)
son imaginarios puros.
3. Resuelva la aproximación lineal correspondiente. Observe que aun nada se puede concluir
acerca de la estabilidad del equilibrio.
4. Dibuje el diagrama de fases, indicando las rectas:
x′ = 0 y = A
B
y′ = 0 x = D
C
5. Indique en cada uno de los cuatro cuadrantes en que quedó dividido el espacio de fases la
dirección del movimiento a lo largo de las soluciones. Ver‘á que la trayectoria es antihoraria.
6. ¿ Puede afrimar algo acerca de la estabilidad del equilibrio?
7. Analice la estbilidad del punto de equilibrio (0, 0).
8. Intentaremos encontrar una función de Liapunov para analizar la estabilidad del equilibrio
z = (D/C, A/B).
Buscaremos la función de Liapunov en la forma H(x, y) = F (x) + G(y). Queremos que

a lo largo de las trayectorias Ḣ(x(t), y(t) ≤ 0.
Ḣ(x, y) = xF ′ (x)(A − By) + yG′ (y)(Cx − D).
xf ′ (x) yG′ (y)
Ḣ(x, y) ≡ 0 implica Cx−D ≡ By−A ≡ cte.
Elegimos la constante igual a 1. Luego
F ′ (x) = C − D/x
G′ (y) = B − A/y.
Es decir: F (x) = Cx − D log x, G(y) = By − A log y.

Finalmente H(x, y) = Cx − D log x + By − A log y.
Está definida para x > 0, y > 0 tiene un mı́nimo en z.
• Luego V(x, y) = H(x, y)- H(Z) es una función de Liapunov, en consecuencia z es
estable.
9. Además no existen ciclos lı́mites, pues H no es constante en ningún conjunto abierto.
46
10. Luego o z es un sumidero, o bien es un centro de órbitas periódicas. En este caso es
relativamente sencillo verificar que son órbitas periódicas. Para ver esto considere un punto
cualquiera w = (u, v) ̸= z. Si w no está en una órbita cerrada, entonces ϕt (w) → z, t → ∞
en la recta x = D/C. Pero H es constante sobre las trayectorias, por lo que H(w̄) = H(z)
para todo w̄ en la trayectoiria de w. Esto contradice que z es un mı́nimo para H
11. Interprete el resultado.
14 Análisis de los puntos de silla

Recuerde que dado el sistema lineal ẋ = Ax decimos que el equilibrio x = 0 es un punto silla si
los valores propios de A son reales y algunos son positivos y otros negativos. En el caso de ser el
sistema no lineal, ẋ = f (x) el equilibrio x̄ es un punto silla si lo es para la aproximación lineal
ẋ = Df (x̄)(x − x̄).
Los modelos de ecuaciones diferenciales, en los que aparecen puntos de silla, son los más
frecuentes en economı́a. La idea es que si los valores iniciales de la economı́a están sobre el
llamado camino de ensilladura la economı́a evolucionará al equilibro. A diferencia del caso de
atractores en el que cualquier trayectoria nos lleva al equilibrio acá llegar al equilibrio supone
habere elegido convenientemente las condiciones inciales. En el otro extremo un repulsor implica
elotro extremo, la imposiblidad total de llegar al equilibrio si las condiciones inciales no nos sitúan
ya, en el mismo.
Definición 14.1 Sea x̄ un punto de silla de un sistema ẋ = f (x). El conjunto de condiciones

iniciales xs0 que definen una trayectoria ϕ(t, xs0 ) que converje a x̄ es llamada variedad estable, mien-
tras que llamamos variedad inestbale al conjunto de condiciones iniciales xu0 tales que ϕ(t, xu0 ) → x̄
cuando t → −∞.
En el caso de sistemas de 2 ecuaciones con 2 incognitas, las variedades estables e inestables

corresponden a curvas que pasan por x̄ y sus tangentes en x̄ quedan determinadas por los vectores
propios correspondientes a los vectores propios de Df (barx)), siendo el que determina la variedad
estable el correspondiente al valor propio negativo y el que determina la variedad inestable el que
corresponde al valor propio negativo. Lo dicho puede generalizarse a mas dimensiones, siendo
entoces superficies o variedades estables o inestables, a las que llamaremos espacios estables,
determinados por las planos o variedades tangentes determinadas por el conjunto de vectores
propios correspondientes a valores propios positivos y negativos respectivamente.
47
Ejemplo 14.2 Analicemos el punto silla del siguiente sistema no lineal.
ẋ = y + 1 − ex
ẏ = yex
Facilmente se ve que x̄ = (0, 0). Luego calculamos Df (0, 0).

( )
−1 1
Df (0, 0) = .
0 1
Los autovalores son λ1 = −1 y λ2 = 1. Los correspondientes autovectores son v1 = (1, 0) y

(1, 2). El espacio estable es entonces:
{ }
E s (0, 0) = t(1, 0) ∈ R2 : r ∈ R
mientras que el inestable:

{ }
E u (0, 0) = t(1, 2) ∈ R2 : r ∈ R
Es decir las rectas y = 0 e y = 2x. En este caso es posible encontrar las variedades estable W s (0, 0)
e inestable W u (0, 0) explicitamente. esto no siempre es posible hacerlo, acá es posible ver que
{ }
W s (0, 0) = (x, y) ∈ R2 : y = 0
{ }
W u (0, 0 = (x, y) ∈ R2 : y = s(ex − 1)
15 Ciclos lı́mites
Un ciclo lı́mite, en el espacio de fases de dos dimensiones para de un sitema dinámico, es una
trayectoria cerrada llamada también una ŕobita, con la propiedad adicional de que al menos una
trayectoria en espiral se aproxima a él, ya sea cuando el tiempo tiende a infinito o el paso del
tiempo tiende a menos infinito.
Si por ambos lados del ciclo lı́mite hay trayectorias que tienden a él cuando el tiempo va para
infinito, entonces el ciclo es asintóticamente estable se denomina ω ciclo lı́mite, y es asintóticamente
inestable, cuando por ambos lados, las tryectorias se alejan de él, cuando el tiempo va para inifnito,
en este caso es un α ciclo lı́mite. Tal comportamiento se puede encontrar en algunos sistemas no
lineales.
Ciclos lı́mites se han utilizado para modelar el comportamiento de un gran némero de sistemas
oscilatorios del mundo real. El estudio de los ciclos lı́mite fue iniciado por Henri Poincaré (1854-
1912).
48
Consideremos un sistema dinámico de dos dimensiones en la forma:
ẋ(t) = v(x(t))
siendo v : ℜ2 → ℜ2 una función difenrenciable.
Definición 15.1 Una trayectoria para este sistema es alguna función suave x(t) con valores
en ℜ2 que satisface el sistema. Tal trayectoria se dice cerrada o perı́odica, si no es constante,
pero siempre regresa a su punto de partida. Es decir, si existe algún t0 > 0 tal que x(t + t0 ) =
x(t) ∀; t ∈ ℜ. Una órbita es la imagen de la trayectoria en el espacio de fases, y por lo tanto sun
subconjunto de ℜ2 . Consecuentemente una órbita cerrada o ciclo, es la image de una trayectoria
cerrada. Un ciclo lı́mite es un ciclo que es el lı́mite de alguna trayectoiria. Es un ejemplo de
órbita periódica.
Es posible probar que Toda trayectoria cerrada, contiene en su interior un punto estacionario.
Ejemplo 15.2 de ciclo lı́mite; Considere el sistema en coordenadas polares:
ṙ = r(1 − r2 ), θ̇ = 1.
Tiene dos puntos fijos r∗ = 0 y r∗ = 1 con θ = t + θ0 . Observe que r∗ = 1 corresponde al

cı́rculo unidad. Luego es facil ver que si comenzamos con r(t0 ) > 1 entonces r(t) decrece hasta
alcanzar el valor r(t) = 1. Mientras que si r(t0 ) < 1 entonces r(t) crece hasta r(t) = 1. Como θ se
mueve uniformemente, fuera del cı́rculo obtenemos una espiral que decrece hasa el cı́culo unitario,
mientras crece de igual forma si comenzamos con t(t0 ) < 1 es decir, en el interior del ciclo lı́mite.
El problema de hallar ciclos lı́mites no es sencillo. El teorema de Poincaré Bendixon prevee la

existencia de ciclos lı́mites. Este teorema afirma que: Si la trayectoria se mantiene en una región
R del plano, compacta, entonces existen sólo dos poisbilidades:
1. La trayectoria se aproxima a un punto fijo del sistema cuando t → ∞; o
2. La trayectoria se aproxima a un ciclo lı́mite cuando t → 0.
Ejemplo 15.3 El siguiente ejemplo de existenca de ciclo lı́mite enuna economı́a walrasiana, es
debido a Mas-Colell. Sea Y = f (L) la función de producción, supongamos que es diferenciable e
invertible. Consideremos entonces, L = f −1 (Y ) = ϕ(Y ). El precio de equilibrio p∗ debe ser igual
al costo marginal. p∗ = ϕ′ (Y ). Para simplicar las cosas, consideremos que el costo marginal es
lineal es decir, que ϕ′ (Y ) = c1 + c2 Y. La demanda agregada se represneta por D(p, L) y es igual
49
a la oferta en equilibrio. Es decir: D(p∗ ϕ(Y ∗ )) = Y ∗ Las ecuacioens de ajuste de la demand y la
oferta al precio será;
ṗ = α[D(pϕ(Y )) − Y ] α > 0
Ẏ β[p − ϕ′ (Y ) β>0
Si consideramos el caso
ϕ′ (Y ) = 0.87 + 0.5Y
D(p) = −0.02p3 + 0.8p2 − 9p + 50

entonces (p∗ , Y ) = (13, 24.26) con nulclı́neas
ṗ = 0 Y = −0.02p + 0.8p2 − 9p + 50
Ẏ = p p = 0, 87 + 0.5Y o Y = 1.74 + 2p
El punto de equilibrio corresponde al corte de ambas curvas, una de ellas una cúbica, y la otra
una recta. Este punto queda en el interior de un ciclo lı́mite, en que fue obtenido usando mathlab
y ajustando los valores e β para α = 1.
16 Ecuaciones en diferencias
Trataremos en esta sección con sucesiones del tipo a0 , a1 , .. que verifican una relación de recurrencia
del tipo
at = f (at−1 , ..., at−n )) + g(t), ∀ t ∈ N
comenzando en algún t > n, donde n es un núero natural fijo, y g; N → R una función real.
Es decir, sucesiones en las que cada término depende de una cierta cantidad n fija de términos
anteriores al dado, mediante una relación f previamente definida y una función g tambén definida
previamente, en el conjunto de los naturales.
En el caso en que g(t) = 0 ∀t ∈ N decimos que la relación de recurrencia es homogénea, y no
homogénea en otro caso.
Cuando n = 1 diremos que la relación en de primer orden y su forma general es at = f (at−1 +
g(t), ∀ t ≥ 1. en forma recursiva:
a1 = f (a0 )+g(1); a2 = f (a1 )+g(2) = f (f (a0 +g(1))+g(2), ..., f (at ) = f (at−1 )+g(t) = ... = f t (a0 +g(1))+g(t), ..
En el caso en que la relación sea homogénea, la forma recursiva es
a1 = f (a0 ), a2 = f (a1 ) = f (f (a0 )) = f 2 (a0 ), ..., at+1 = f (at−1 ) = f t (a0 )).
50
La relación se llama de segundo orden cuando tiene la forma at = f (at−1 , at−2 ) + g(t) ∀t ≥ 2.
El lector puede observar que una relación en recurrencias homogénea de orden n queda deter-
minada, una vez que se conoce el valor de los n primeros términos de la recurrencia.
Para un sistema dinámico discreto de la forma at+1 = f (at ), a∗ es un punto fijo o equilibrio
para el sistema si para todo t se verifica la identidad f (yt ) = y ∗ . Equivalentemente a∗ es un punto
fijo para el sistema at+1 = f (at ), si solo si a∗ = f (a∗ ).
16.1 Las relaciones de recurrencia lineales
Una relación de recurrencia se dice lineal de orden n y coeficientes constantes, cuando

tiene la forma;
at = i1 at−1 + i2 at−2 + ... + in at−n + g(t), t ≥ n
, siendo n un entero fijo y g una función real de variable entera. Los coeficientes i1 , ..., in son reales
y están previamente definidos. Com anteriormente la relación será lineal de orden n homogénea,
en el caso en que además de lineal y de orden n se verifique que g(t) = 0 ∀t ≥ n.
El caso más sencillo corresponde a la relación de recurrencia, lineal de primer orden, con
coeficientes constanes y homogénea. Esta tendrá la forma:
at = kat−1 ∀ t ≥ 1.
siendo k una constante.

En forma recursiva obtendremos que at = k n a0 . Obsérvese que si |k| < 1 entonces, los términos
de la sucesión se hacen cada vez más pequeños
Ejemplo 16.1 Como ejemplo sencillo podemos considerar una progresión aritmética at+1 = 3at ,
con a0 = 5.3
a1 = 3a0 , a2 = 3a1 = 3(3a0 ) = 32 a0 , ..., at = 3t a0 , ...
Finalmente obtenemos la solución, tendiendo a cero, oscilando si −1 < k < 0. En el caso en que
|k| > 1 entonces los elementos de la sucesión toman valores cada vez mayores en valor abosluto.
at = 3t (5.3)
Ejercicio 16.2 (El acelerador de Harrod Domar) A partir de las ecuaciones:
St = sYt
It = µ(Yt − Yt−1 )
St = I t
51
Obtenga la ecuación en diferencias que le permita obtener el valor del producto Yt para todo t
a patir de saber que en t = 0 Y (0) = Y0 . Discuta la solución en función de los parámetros del
modelo s y µ
En el caso de una ecuación lineal no homógenea de primer orden con coeficientes constantes
tendrı́a la forma
at+1 = kat + g(t)
Ejemplo 16.3 Como caso particular resolvamos la siguiente ecuación en diferencias.
at+1 = kat + h.
Donde para todo t ≥ 0, g(t) = h siendo h una constante.
Comenzamos buscando un punto fijo para la ecuación en difernecias. En este caso,
1. Si k ̸= 1 para que a∗ sea un punto fijo, debe verificarse que:
a∗ = ka∗ + h
es decir que a∗ = h
1−k . Luego restando la solución de equilibrio a la recursiva, obtenemos la
igualdad:
at+1 − a∗ = k(at − a∗ ).
Hacemos entonces el siguiente cambio de variables: bt = at − a∗ ∀ t ≥ 0, resulta entonces la

ecuación en dofernecias:
bt+1 = kbt
cuya solución es
bt = k t b0
de donde resulta la igualdad:

at = a∗ + k t (a0 − a∗ )
es decir ( )
h h
at = + k t a0 −
1−k 1−k
2. Si k = 1 en forma recursiva, obtenemos las soluciones en el forma
at = ht + c
para toda c, constante que queda determinada una vez conocidas las condicionesnes iniciales,
esto es el valor de at para t = 0.
52
Ejercicio 16.4 (precios de equilibrio) Considere nuevamente el problema del ajuste de oferta
y demanda, pero esta vez en tiempo discreto. Como siempre decimos que el mercado ésta en
equilibrio cunado qst = qdt .
Considere el modelo en el que
qtd = a − bpt a, b > 0
qts = c + dpt−1 d > 0
1. Grafique las curvas de oferta y demanda.
2. Obtenga para los precios la ecuación de recurrencias que determina el equilibrio.
3. Obtenga los precios de equilibrio, esto es, precios p∗ tales que pt = p∗ para todo t ≥ 0.
4. Discuta suegún los parámetros del modelo, cuando los precios convergen al equilibrio y
cuando no.
16.2 Ecuaciones en diferencias de segundo orden
Consideremos ahora ecuaciones lineales homogéneas de segundo orden con coeficientes constantes,
es decir ecuaciones en diferencias del tipo:
a2 yt+2 + a1 yt+1 + a0 yt = 0, (41)
siendo a2 , a1 , y a0 coeficientes predeterminados. Siendo a0 ̸= 0, pues en otro caso estarı́amos en

el caso de primer orden. Como a2 es distinto de cero, dividiendo ambos términos de la ecuación
por a2 podemos escribir (??) en la forma
yt+2 + ayt+1 + byt = 0. (42)
Buscamos la solución en la forma
yt = c1 rt + c2 st (43)
donde c1 y c2 son constantes a determinar.

Si esto es efectivamente una solución, debe verificar la ecuación (42). Sustituyendo (??) en
(??) y reordenanda términos obtenemos:
c1 rn (r2 + ar + b) + c2 sn (r2 + ar + b) = 0
53
pro lo que r y s deben ser las soluciones de la ecuación de segundo orden:
x2 + ax + b = 0.
Tenemos entonces tres situaciones diferentes.
1. Dos raı́ces reales y distintas r ̸= s.
2. Dos raı́ces reales iguales r = s.
3. Dos raı́ces imaginarias conjugadas, r = α + iβ, y s = α − iβ.
1. En el primer caso las soluciones son de laforma y t = c1 rt + c2 st para cualquier par de valores
c1 y c2 , es decir que existen infinitas soluciones. No obstante en el caso de que se conozcan
los valores de yt en t = 0 y t = 1 podemos derteminar un par único de valores para c1 y c2 .
Bastará con resolver el sistema:
y0 = c1 + c2
y1 = c1 r + c2 s
siendo r y s las ra’ıces de la ecuacion de segundo grado.
2. En el segundo caso, buscaremos la solución general de la ecuación en diferencias en la forma:
yt = c1 rt + c2 tr
√
3. yt = c1 Rt cos(θt) + c2 Rt sin(θt). Siendo R = α2 + β 2 y θ = arctan αβ .
Ejemplos
16.3 Equilibrios, ciclos, y estabilidad
Para un punto fijo de un sitema dinámico discreto at+1 = f (at ), es importante conocer cuando es
estable o inestable.
Definición 16.5 Un punto fijo a∗ es:
1. Estable, si dado ϵ > 0 existe δ > 0 tal que
|a0 − a∗ | < ϵ, ⇒ |f t (a0 ) − a∗ | < δ
para todo t > 0. Si a∗ no es estable, entonces es inestable.
54
2. Es un repulsor si existe ϵ > 0 tal que:
0 < |a0 − a∗ | < ϵ ⇒ |f t (a0 ) − a∗ | > |a0 − a∗ |.
3. Es atractor o asintóticamente estable si existe η > 0 tal que
|a0 − a∗ | < η ⇒ lim at = a∗ ,

t→∞
si η = ∞ entonces a∗ es globalmente asintóticamente estable.
Teorema 16.6 Sea a∗ un equilibrio o punto fijo de un sistema dinámico at+1 = f (at ). Si f es
continuamente diferenciable en a∗ entonces:
1. Si |f ′ (a∗ )| < 1 entonces a∗ es un punto fijo asintóticamente estable (atractor).
2. Si |f ′ (a∗ )| > 1 entonces a∗ es un punto fijo inestable (repulsor).
3. Si |f ′ (a∗ )| = 1 y
(a) si f ′′ (a∗ ) ̸= 0 entonces a∗ es inestable.

(b) si f ′′ (a∗ ) = 0 y f ′′′ (a∗ ) > 0 entonces a∗ es inestable.
(c) si f ′′ (a∗ ) = 0 y f ′′′ (a∗ ) < 0 entonces a∗ es asintóticamente estable.
4. Si |f ′ (a∗ )| = −1 y
(a) si −2f ′′ (a∗ ) − 3f ′′ (a∗ )]2 < 0 entonces a∗ es asintóticamente estable.

(b) si −2f ′′ (a∗ ) − 3f ′′ (a∗ )]2 > 0 entonces a∗ es ineestable.
Ejercicio 16.7 Demuestre el teorema anterior.

Sugerencia Use el desarrollo de Taylor de f en a∗
Definición 16.8 Dado un sistema dinámico discreto at+1 = f (at ), un punto ā se dice periódico,
de perı́od k o k-perı́odico si ā = f k (ā), equivalentemente, si ā es un punto fijo para el sistema
at−1 = f k (at ).
En general una solución yt es periódica si verifica la identidad: at+n = at para algún n ≥ 0 y para
todo t el menor n para el cual esta identidad se verifica, es el perı́odo de la solución.
55
Ejemplo 16.9 Considere el sistema yt+1 = −yt +k. Observamos que tiene un punto fijo y ∗ = k/2,
luego, siendo y0 el valor inicial, obtenemos las siguientes suceciones
y0 = y2 = ... = y2t , .... e y1 = y3 = .... = y2t+1 , .....
Obtenemos las soluciones y0 e y0 + k/2 peródicas de perı́odo 2:
y2t = y0 e y2t+1 = −y0 + k/2 ∀t ≥ 0.
• La solución es un órbita perı́odica de perı́odo 2, {−y0 + k, y0 }.
Para reprsentar gráficamente la solución considere un par de ejes coordenados ortogonales,

en la abscisas ubique yt y en las ordenadas yt+1 . Represente las rectas yt+1 = −yt + k ası́
como yt+1 = yt . Ambas se cortarán en (k/2, k/2). Luego ubique y0 en las abscisas y a partir
de este valor ubique en la gráfica los valoeres que toma el sistema a partir de y0 .
Definición 16.10 Si la sucesión {yt } tiene k valores repetidos y1 , ..., yk entonces 1 , ...yk se llaman
puntos periódicos, y {y1 , ..., 1k } es llamada órbita periódica.
Ejercicio 16.11 Oferta y demanda Considere el siguiente ejemplo:
qtd = 10 − 2pt
qts = 4 + 2pt−1
qtd = qts
1. Encuentre el precio de equilibrio.
2. Muestre que el precio cicla entre p0 y 3 − p0 es decir que existe una solución cı́clica de orden
2.
Teorema 16.12 Sea b∗ un punto de perı́odo k del sistema yt+1 = f (yt ). Entonces b∗
1. es estable, si es un punto fijo estable de f k .
2. es asintóticamente estable (atractor) si es un punto asintóticamente estable para f k .
3. es un repulsor si es un repulsor para f k .
Para derivar la estabilidad de un punto perı́odico se requiere calcular: [f (k) (b∗ )]′ para lo que
utilizando la regla de la cadena obtenemos:
[f (k) (b∗ )]′ = f ′ (b∗1 )f ′ (b2 )...f ′k (b∗k ),
56
donde b∗1 , b∗2 , ...b∗k son los puntos perı́odicos.
En el caso de ser k = 2 el punto periódico b∗ será asintóticamente estable si |f ′′ (b∗ )| =
|f ′ (b∗1 )f ′ (b2 )| < 1 análogamente para los demás casos.
Ejemplos Aunque es relativamente sencillo analizar la estabilidad de los sistemas lineales, no
lo es en genral para el caso no lineal. Consideremos el siguiente ejemplo:
Ejemplo 16.13 Sea el sistema dinámico discreto no lineal:
yt+1 = ayt − byt2 , b ̸= 0.
Los puntos fijos debem verificar la igualdad: y ∗ = ay ∗ − by ∗2 obtenemos entonces:

a−1
y ∗ = 0, y ∗ =
b
1. Para analizar gráficamente la estabilidad de los puntos fijos, realice un diagrama, colocando
yt en el eje de las abscisas, yt+1 en el de las ordenadas.
2. Dibuje la parábola yt+1 = ayt − byt2 y corte con la recta yt+1 = yt . Ambas curvas se cortarán
en los puntos fijos.
3. Dependiendo de los valores de a y b la parábola puede quedar totalmente por debato de la

recta,con excepción del origen, en este caso el único punto fijo será el cero.
La estabilidad de los puntos fijos dependerá del valor de la derivada f ′ (y ∗ ) = a−2by ∗ evaluda
en y ∗ = 0 y en y ∗ = a−1 ′ ∗
b . En este caso si f (y ) < 1 será un atractor estable, un repulsor
si f ′ (y ∗ ) < 1. Siendo f ′ (0) = a y f ′ ( a−1
b ) la estabilidad de los puntos fijos dependerá de los
valores de a y b.
Ejercicio 16.14 Considere el sistem yt+1 = 2yt − yt2
1. Encuentre los puntos fijos del sistema y analice su estabilidad.
2. Represente la situación gráficamente.
Respuesta: y ∗ = 0, y ∗ = 1, f ′ (0) > 0, f ′ (1) < 0. Por lo tanto 0 es repulsor y 1 es atractor.
16.4 El modelo de Solow en tiempo discreto
En la sección (2.1) analizamos el modelo de Solow en tiempo continuo. Para el caso discreto,
consideraremos la función de produccción
yt = f (kt−1 ),
57
donde yt = Yt /Lt−1 , kt−1 = Kt−1 /Lt−1 .
El ahorro en teimpo t será igual a St = sYt y la inversión It = Kt + (1 − δ)Kt−1 siendo ahorro
igual a inversión obtenemos al ecuación:
sYt = kt + (1 − δ)Kt−1 .
Dividiendo ambos lados por Lt−1 y teneindo en cuenta que la tasa de crecimiento poblacional es:
Lt − Lt−1
nt =
Lt−1
luego de un poco de álgebra llegamos a la ecuación:
syt = kt (1 + n) − (1 − δ)k : t − 1.
o equivalentemente:
(1 + n)kt − (1 − δ)kt−1 = sf (kt−1 ).
Obteniendo como resultao la ecianción en diferencias,
(1 − δ)kt−1 + sf (kt−1 )
kt =
1+n
α , a > 0 0 < α < 1.
Ejercicio 16.15 Considere f (kt−1 ) = akt−1
1. Represente gráficamente la situación de forma tal de que los puntos fijos queden determina-
dos en el diagrama.
2. A partir del mismo considere la estabilidad de dichos puntos fijos.
3. Estudie la estabiidad de los puntos fijos apartir del análisis de primera aproximación.
Para resolver la parte final, considere que kt = h(kt − 1) desarrolle pro Taylor h(kt−1 en un
entorno del punto fijo, es decir, considere:
kt = h(k ∗ ) + h′ (k ∗ )(kt−1 − k ∗ ).
16.5 El modelo multiplicador-acelerador
El siguiente modelo es propuesto por Samuelson en 1939. El consumo es funci’on del ingreso
del perı́odo anterior, mientras que la inversión está relacionada con la diferencia en los ingresos
58
correspondientes a los dos perı́odos anteriores. El gobierno tiene un gasto constante igual a G. El
modelo es el siguiente
Ct = a + bYt−1
It = v(Yt−1 − Yt−2 )
Gt = G (44)
Et = Ct + It + Gt
Yt = Et
Sustituyendo convenientemente, obtenemos la ecuación en diferencias de segundo orden, de coefi-
cientes constantes, no homoénea:
Yt − (b + v)It−1 + vYt−2 = a + G.
La resolvemos buscando la solución en la forma Yt = Yth + Ytp siendo Yyh la solución de la corre-
spondiente ecuación homogénea, e Ytp una solución particular.
La solución particular se encuentra haciendo: Yt = Y ∗ De donde obtenemos la ecuación:
Y ∗ − (b + v)Y ∗ + vY ∗ = a + G
siendo
a+G
Y∗ = .
1−b
La solución de la homogénea corresponde a las raices de la ecuación de segundo grado:
x2 − (b + v)x + v = 0
si estas son diferentes, r ̸= s. Resultará entonces
Yt = c1 rt + c2 st + Y ∗
c1 y c2 quedarán determinadas, una vez que conocemos Y0 e Y1 . Obtenga la solución para los otros
casos, dicutiendo en función de b y v. Analice con detención el caso oscilatorio.
17 Sistemas de ecuaciones en diferencias

Trataremos a continuación sistemas de ecuaciones en diferencias finitas, lineales y atónomos (esto
es donde no aparece la variable t explı́citamente), basicamente de primer orden con dos ecuaciones
y dos incógnitas..
59
Representaremos estos sistemas en la forma matricial:
    
xt a b xt−1
    
 =   o ⃗ut = A⃗ut−1 . (45)
yt c d yt−1
Un sistema lineal no homogéneo autónomo tendrá la forma:
⃗ut = A⃗ut−1 . (46)
Un vector de R2 , ⃗u∗ será un equilibrio del sistema si: ⃗ut = ⃗ut−1 = ⃗u∗ , para todo t. Es decir:
⃗u∗ = A⃗u∗ + ⃗b.
Un equailibrio existe entanto que (I − A)−1 exista, por lo tanto:
⃗u∗ = (I − A)−1⃗b.
La soluvión para un sistema homogéneo, obtenida en forma recursiva resultará:
⃗ut = A⃗ut−1 = A(A⃗ut−2 ) = A2 ⃗ut−1 = ... = At ⃗u0 .
Para el caso no homogéneo (46) resulta la solución:
⃗ut = At ⃗u0 + (I + A + .... + At−1 )⃗b.
La solución de este tipo de sistemas se hace en forma análoga a loya visto para el caso de
ecuaciones diferenciales. Para eso llevamos la matriz a su formas canónica y discutilos la solución
en función de los autovalores.
60

Ecuaciones diferenciales y su aplicación en economía

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ecuaciones diferenciales y su aplicación en economía

Cargado por

Copyright:

Formatos disponibles

Contents

1 Elementos de la Teorı́a de las Ecuaciones Diferenciales 1

2 Los ejemplos más sencillos 2

3 Sistema de ecuaciones diferenciales de primer orden 8

4 Ecuaciones diferenciales con autovalores reales distintos 10

6 Sistemas de ecuaciones diferenciales lineales homogeneos 16

7 Sistemas Lineales no Homogeneos 26

8 Ecuaciones diferenciales de segundo orden 28

9 Existencia y unicidad de la solución 34

10 Continuidad con respecto a las condiciones iniciales e intervalo maximal 36

12 Estabilidad en Primera Aproximación 40

13 La Estabilidad según Liapunov 43

14 Análisis de los puntos de silla 47

17 Sistemas de ecuaciones en diferencias 59

1 Elementos de la Teorı́a de las Ecuaciones Diferenciales

2 Los ejemplos más sencillos

f ′ (t) = aKeat = af (t)

Además no hay otras soluciones.

Si a > 0, limt→∞ Keat es igual a ∞ cuando K > 0, y es igual a −∞ cuando K < 0.

Si a < 0, limt→∞ Keat = 0.

La ecuación x′ = at es estable si a ≤ 0, e inestable si a > 0, sobre este concepto volveremos más

Ejercicio 2.1 Considere la ecuación diferencial

1. Encuentre las soluciones y grafı́quelas para distintos valores de la constante.

2. Suponga que le interesa la solución que en el momneto t = t0 se encuentra en x(t0 ) = x0

Ejemplo 2.2 Ajuste de oferta y demanda en el caso continuo

q d = a + bp, b < 0, a > 0

q s = c + dp, c > 0, d > 0

Siendo q d la cantidad totla demandada delproducto, q s la oferta y p elprecio unitario. Supongamos

En general, una ecuación diferencial lineal de orden n con coeficientes constantes, es

en el caso particular f (t) es constante, y resulta f (t) = α(a − c).

1. Se busca primeramente una solución de la ecuación homogénea correspondiente, es decir de

Llamemos a esta solución yh .

3. Obsérvese que si yT es solución se verificará entonces que

(b) En otro caso, se podrá buscar la solución utilizando el método de la variación de

6. Luego sustituyendo en Yt obtendrá

7. Verifique que efectivamente esta es una solución.

8. Si el valor de la variable y en el momento t0 es conocido, y(t0 ) = y0 entonces podrá buscar

Ejercicio 2.3 Considere nuevamente la ecucaión de ajuste de oferta y demanda.

1. Obtenga la solución para el caso de la ecaución ().

2. Observe que si el valor de p(t) es conocido en t0 , siendo p(t0 ) = p0 . entonces, en el caso en

3. Discuta la solución para t → ∞.

2.1 El modelo de Solow

Conisderaremos acá el modelo de Solow en tiempo continuo.

1. Considere Y = F (K, L) siendo F homogénea de grado cero respecto de L, obtendremos

2. El modelo asume además que f es derivable dos veces al menos y cóncava.

3. Supone la tasa de crecimiento de la población constante, es decir L̇ = nL y L(0) = L0 .

k̇ − (n + δ)k = sf (k). (6)

La ecaución anterior en principio no es trivial de resolver, no obstante resuelva el siguiente

1. Resuelva la ecuación diferencial anterior. (AYUDA: Divida ambos miembros entre k α y

3. ¿ Qué sucede si el sistema en el instante t0 no está en equilibrio, es decir si k(t0 ) ̸= k1 , k2 ?

1. En el principio sólo afectan a unos pocos.

2. Paultinamente se difunden en forma acelerada al conjunto de la sociedad.

3. Llega un momneto de saturación y su difusión comienza a ser más lenta,

4. Existe una cantidad de saturación.

Ṅ (t) = g(t)(m − N (t))

de esta forma resulta que

1. m es el número máximo de posibles afectados.

2. g(t) es el coeficiente de difusión, representa al tasa de difusión en el instante t. Si g(t)

3. Hacemos ahora el cambio de variables: 1 − v(t) = F (t) resulta entonces:

5. Obtenmos entonces la igualdad:

Considere ahora la igualdad

6. Sustituya en la igualdad anterior, entre integrales e integre. Obtendrá la solución

8. Grafique Ṅ (t) y N (t), calcule limt→∞ N (t).