0.1.

Sistemas de Ecuaciones Diferenciales Lineales de Primer

Orden.
Antes de estudiar este capítulo, daremos un breve repaso de:

0.1.1. Valores y vectores propios y diagonalización de una matriz.

Sea A = (aij )n n una matriz. En muchas aplicaciones es útil encontrar un vector v tal que
Av y v son paralelos, por eso damos la siguiente

De…nición 1 El escalar 2 F ( F es R o C)es llamado un valor propio de A si existe un

vector v 6= tal que
Av = v. (1)
El vector v 6= se llama vector propio de A correspondiente al valor propio .

Nota. Un valor propio se le suele llamar también autovalor o eingenvalor, del mismo
modo, a un vector propio se le llama también autovector o eingenvector.

Teorema 2 Sea A = (aij )n n, entonces 2 F es un valor propio de A si y sólo si

p ( ) = det (A In ) = 0F . (2)

donde In es la matriz identidad de orden n n.

Prueba. Como es un valor propio de A entonces existe v 6= tal que

Av = v , Av v= V , Av v= V
, (A In ) v = V , det (A In ) = 0F :

Ejemplo.

5 1
1. Halle los valores propios de A = .
3 1
5 1 1 0 5 1
Solución. A I2 = =
3 1 0 1 3 1

5 1
p ( ) = det (A In ) = = (5 ) (1 )+3
3 1
2
= 6 +8=( 2) ( 4) = 0

de donde obtenemos los valores propios de A: = 2, y = 4.

1 1
2. Halle los vectores propios de A = .
1 3
Solución.luego aplicando (2), tenemos

1 1
p ( ) = det (A I2 ) = = 2
4 +4=( 2)2 = 0
1 3

por lo tanto, el valor propio de A es 1 = 2.

1
 Hallamos el correspondiente vector propio: AB = (aij )m p (bij )p n = (cij )m n =C

1 1 x 0
(A 1 I2 ) v = , =
1 1 y 0
x y=0
, ,y= x
x+y =0

x x 1 1
de donde v = = =x . Escogemos el vector v1 = como
y x 1 1
el vector propio asociado a = 2.

De…nición 3 La ecuación (2) se llama la ecuación característica de A; p ( ) se llama el

polinomio característico de A.

De…nición 4 Sea un valor propio de A. El conjunto

S = fv 2 V : Av = vg

se denomina subespacio propio de A correspondiente al valor propio .

Procedimiento para calcular Valores y Vectores propios

i. Calculamos el polinomio caractrístico de A, es decir, p ( ) = det (A In )

ii. Se encuentran los valores propios: 1; 2; ; m de p ( ) = 0

iii. Hallamos los vectores propios, para esto se resuelve el sistema homogéneo (A i In ) v =
0, correspondiente a cada valor propio i .

Ejemplo.

2 2
1. Calcular los valores y vectores propios de A = .
5 1
Solución. Hallamos los valores propios de A, que es
2 2 2
det (A I2 ) = det =( 2 ) (1 ) 10 = + 12
5 1
=( 3) ( + 4) = 0 ) = 4; =3

Enseguida, Hallamos los vectores propios.

Para = 4 tenemos

S = 4 = fv : Av = 4vg = fv : (A + 4I2 ) v = 0g

x 2 2 x 0
= : =
y 5 5 y 0

x 2x 2y = 0
= :
y 5x + 5y = 0

x x 1
= :y=x = :x2R = gen
y x 1

2
 1
Así un vector propio es .
1
Para = 3 tenemos
x 5 2 x 0
S =3 = fv : Av = 3vg = fv : (A 3I2 ) v = 0g = : =
y 5 2 y 0
x 2x 2y = 0 x 5 1
= : = :y= x = x:x2R :
y 5x + 5y = 0 y 2 5=2

2
Así un vector propio es .
5
0 1
3 1 1
2. Calcular los valores y vectores propios de la matriz A = @ 1 1 1 A.
1 1 1

Solución. El polinomio caracteristico es:

3 1 1
p ( ) = jA I3 j = 1 1 1 = 3
5 2
+8 4=( 1) ( 2)2 = 0
1 1 1

entonces = 1, = 2. (A + I3 ) v = 0 1 0
1
Para 1 = 1, el correspondiente eigenvector es: v1 = @ 1 A.
1
0 1 0 1
1 1
Para = 2, los correspondientes eigenvectores son: v2 = @ 1 A y v3 = @ 0 A
0 1
dx
dt = ax + by , Ay 00 + By 0 + Cy = 0
dy
dt = cx + dy
a b
p( ) = , Ar2 + Br + C = 0
c d

0.2. Teorema de Cayley-Hamilton

Teorema 5 Toda matriz es un cero de su polinomio característico.

Prueba. Sea A una matriz de orden n, con polinomio característico P ( ) = jA Ij

entonces
p (A) = jA AIj = jA Aj = 0.
Ejemplos

1 2
1. Veri…car el teorema de Cayley-Hamilton para la matriz A =
2 3
Solución. El polinomio característico es:

1 2 2
P ( ) = jA Ij = = (1 ) (3 )+4= 4 +7
2 3

3
 tenemos que A es un cero (o raíz) de P ( ), pues

P (A) = A2 4A + 7I
2
1 2 1 2 1 0
= 4 +7
2 3 2 3 0 1
3 8 4 8 7 0
= + +
8 5 8 12 0 7
0 0
= :
0 0

1 2 1 2 c11 c12
=
2 3 2 3 c21 c22
c11 = 1 1+2 ( 2) = 3
Nota: En algunos casos el teorema de Cayley-Hamilton es útil para calcular la inversa
de una matriz. En efecto, dada la matriz A de orden n n y su polinomio característico
n n 1
p( ) = + an 1 + + a1 + a0

si existe A 1 y p (A) = 0 entonces por el teorema de Cayley-Hamilton

p (A) = An + an 1A
n 1
+ + a1 A + a0 I = 0

luego multiplicando la última expresión por A 1 tenemos.

1
A p (A) = An 1
+ an 1A
n 2
+ + a2 A + a1 I + a0 A 1
=0

de donde conseguimos

1 1
A = An 1
+ an 1A
n 2
+ + a2 A + a1 I
a0
con a0 6= 0.
1 0
1 2 2
2. Hallar la inversa de la matriz A = @ 0 2 1 A, usando el teorema de Cayley-
1 2 2
Hamilton.
Solución. El polinomio característico es:
1 2 2
3 2
P ( ) = jA Ij = 0 2 1 = 5 +8 4
1 2 2
tomando a0 = 4, a2 = 5 y a1 = 8 se tiene

1 1
A = A2 + a2 A + a1 I
a0
20 12 0 1 0 13
1 2 2 1 2 2 1 0 0
16 7
= 4@ 0 2 1 A 5 @ 0 2 1 A + 8 @ 0 1 0 A5
4
1 2 2 1 2 2 0 0 1
0 1 0 1 1
1
2 0 2 2 0 2
1@
= 1 4 1 A = @ 14 1 1 A
4 .
4 1 1
2 4 2 2 1 2

4
0.3. Semejanza y Diagonalización de Matrices
De…nición 6 (Matrices semejantes) Se dice que dos matrices A y B del mismo orden n n
son semejantes si existe una matriz inversible C de orden n n tal que
1
B=C AC

Teorema 7 Si A y B son matrices semejantes de orden n n, entonces A y B tienen el

mismo polinomio característico y, por lo tanto, tienen los mismos valores propios.

Prueba. Como A y B son semejantes entonces B = C 1 AC, y I=C 1 C, jABj = jAj jBj
y
1C 1 1 1
det C = det I = 1 ! det C det (C) = 1 ! det C = det(C)

1 1 1
pB ( ) = det (B I) = det C AC I = det C AC C ( I) C
1 1
= det C (A I) C = det C det (A I) det (C)
1 1
= det C det (C) det (A I) = det C C det (A I)
= det (I) det (A I)
= det (A I) = pA ( )

Esto signi…ca que A y B tienen la misma ecuación característica, y como los valores propios
son raíces de la ecuación característica luego tienen los mismos valores propios.

De…nición 8 Una matriz A de orden n n es diagonalizable si existe una matriz diagonal

D tal que A es semejante a D, es decir,
1
D=C AC,

donde 0 1
a11 0 0 0
B 0 a22 0 0 C
B C
B 0 0 a33 0 C
D=B C
B .. .. .. .. .. C
@ . . . . . A
0 0 0 0 ann
jAj = jDj = a11 a22 ann

Teorema 9 Sea A una matriz cuadrada de orden n. Si se veri…ca que A tiene n valores
propios 1 ; 2 ; ; n distintos dos a dos, entonces es diagonalizable. Además, existe una
matriz C cuyas columnas son los vectores propios v1 ; v2 ; ; vn (linealmente independientes)
asociados con los valores propios 1 ; 2 ; ; n de A para la que se cumple: A = CDC 1
equivalentemente D = C AC, donde la matriz diagonal1 D es semejante a A y
1

0 1
1 0 0 0
B 0 0 0 C
B 2 C
B 0 0 0 C
D=B 3 C
B .. .. .. . . .. C
@ . . . . . A
0 0 0 0 n

1
La matriz diagonal con componentes 1; 2; ; n se denotará por D = diag ( 1; 2; ; n ).

5
 Nota: Si k es un entero positivo, entonces
0 k 1 0 1
1 0 0 0 e 1 0 0 0
B 0 k 0 0 CC B C
B 2 B 0 e 2 0 0 C
B k C B C
Dk = B 0 0 3 0 C, e = B 0
Dt 0 e 3 0 C
B .. .. .. . . . C B .. .. .. .. .. C
@ . . . . .. A @ . . . . . A
0 0 0 0 k 0 0 0 0 e n
n

en particular, si A es semejante a D entonces: ABC = (AB) C = A (BC)

0 k
1
1 0 0 0
B 0 k 0 0 C
B 2 C
1 k B 0 0 k 0 C
Ak = CDC = CDC 1
CDC 1 CDC 1
= CDk C 1
=CB 3 CC 1
| {z } B .. .. .. .. .. C
k veces
@ . . . . . A
0 0 0 0 k
n

Corolario 10 Si la matriz A de orden n n tiene n valores propios diferentes, entonces A

es diagonalizable.

Corolario 11 Si la matriz A de orden n n es diagonalizable entonces A tiene n vectores

propios linealmente independientes.

Ejemplo.

1. Determine si la matriz A dada es diagonalizable, si lo es, encuentre una matriz C tal

que D = C 1 AC.
0 1
3 7 5
3 1
a:) A = b:) A = @ 2 4 3 A
2 4
1 2 2

Solución.

a.) El polinomio característico es

3 1 2
p ( ) = jA Ij = = 7 + 10 = ( 2) ( 5)
2 4

luego losvalores propios son: P ( ) = ( 2) ( 5) = 0 ) = 2, = 5.

Hallamos los vectores propios.
Para = 2; tenemos

1 1 x 0
(A 2I3 ) v = 0 , =
2 2 y 0
x y=0
, ,y = x
2x + 2y = 0

x x 1
Luego v = = = x , así escogemos el vector propio v1 =
y x 1
1
:
1

6
 Para = 5 se sigue
S =5 = fv : Av = 5vg = fv : (A 5I3 ) v = 0g
x 2 1 x 0
= : =
y 2 1 y 0
x 1
= :y= 2x = x:x2R
y 2
1
= gen
2

1
así un vector propio es v2 = .
2
1 1
Formamos la matriz C = (v1 v2 ) = tenemos que la inversa de C es
1 2
2 1
C 1 = 3 3 ,y
1 1
3 3
2 1
1 3 3 1 1 3 1 2 0 1 =2 0
D=C AC = 1 1 = = :
3 3 1 2 2 4 0 5 0 2 =5

a11 a12 1 1 a22 a12

Si A = entonces A =
a21 a22 jAj a21 a11
b.) Polinomio característico
3 7 5
p ( ) = jA Ij = 2 4 3 = 3
3 2
+3 1=( 1)3
1 2 2

y los valores propios son: P ( ) = ( 1)3 = 0 ) = 1 (de multiplicidad 3).

Hallamos los subespacios propios.
Para = 1, se tiene
S =1 = fv : Av = vg = fv : (A I3 ) v = 0g

80 1 0 1 0 1 0 19
< x 4 7 5 x 0 =
= @ y A : @ 2 3 3 A @ y A = @ 0 A
: ;
z 1 2 1 z 0

80 1 9 80 1 9
< x = < x =
x + 2y + z = 0
= @ y A: = @ y A : y = z, x = 3z
: y z=0 ; : ;
z z

80 1 9 80 19
< 3z = < 3 =
= @z A : z 2 R = gen @ 1 A
: ; : ;
z 1
0 1
3
así un vector propio es v = @ 1 A. Luego la matriz A de orden 3 3 no es
1
diagonalizable ya que tiene un sólo vector propio.

7
 0 1
1 1 2
2. Determine si la matriz A = @ 1 2 1 A es diagonalizable, si lo es, encuentre una
0 1 1
matriz C tal que D = C 1 AC.
Solución. El polinomio caracteristico es p ( ) = 3 2 2 +2 = ( + 1) ( 1) ( 2)
80 19 80 19 80 19
< 1 = < 3 = < 1 =
eigenvectors: @ 0 A $ 1 = 1; @ 2 A $ 1 = 2; @ 3 A $ 2 = 3
: ; : ; : ;
1 1 1
0 1
1 3 1
entonces C = (v1 v2 v3 ) = @ 0 2 3 A
1 1 1
0 1 1 7
10 10 1 0 1
6 3 6 1 1 2 1 3 1 1 0 0
D=C 1
AC = @ 1
2 0 1
2
A@ 1 2 1 A@ 0 2 3 A = @ 0 1 0 A
1 1 1
3 3 3 0 1 1 1 1 1 0 0 2

3. Resolver 8 dx
< = 4x 3y
dt
dy
= 6x 7y
: dt
x (0) = 2, y (0) = 1
4 3 x
El sistema lineal y homogéneo es X 0 = AX, con A = yX= :
6 7 y

y 0 + 7y
y 00 = 6x0 7y 0 = 6 (4x 3y) 7y 0 = 24x 18y 7y 0 = 24 18y 7y 0
6
= 4 y 0 + 7y 18y 7y 0 = 4y 0 + 10y 7y 0 = 3y 0 + 10y

de donde y 00 + 3y 0 10y = 0. Resolvemos la EDO.

La EA asociada es r2 + 3r 10 = 0 ! (r + 5) (r 2) = 0 ! r1 = 5, r2 = 2 por lo que
5t
y (t) = C1 e + C2 e2t
dy
Además de dt = 6x 7y

6x (t) = y 0 + 7y = 5C1 e 5t
+ 2C2 e2t + 7 C1 e 5t
+ C2 e2t
5t
= 2C1 e + 9C2 e2t

de donde
1 5t 3
x (t) = C1 e + C2 e2t
3 2
Aplicando las condiciones iniciales

x (0) = 13 C1 + 23 C2 = 2
) C1 = 3; C2 = 2
y (0) = C1 + C2 = 1

Por lo tanto, la solución particular del sistema es

5t
x (t) = e + 3e2t , y (t) = 3e 5t
+ 2e2t

8
0.3.1. Sistemas de ecuaciones diferenciales lineales de primer orden.
Un sistema de ecuaciones diferenciales de primer orden que puede ser escrito en la forma
8 dx1
>
>
> dt = a11 (t) x1 + + a1n (t) xn + f1 (t)
< dx2 = a21 (t) x1 + + a2n (t) xn + f2 (t)
dt
. (3)
>
> ..
>
: dxn
dt = an1 (t) x1 + + ann (t) xn + fn (t)
es llamado un sistema lineal de edo.
El sistema lineal (3) puede ser escrito en forma matricial como
2 0 3 2 32 3 2 3
x1 (t) a11 (t) a12 (t) a1n (t) x1 (t) f1 (t)
6 x0 (t) 7 6 a21 (t) a22 (t) 7 6 7
a2n (t) 7 6 x2 (t) 7 6 7
6 2 7 6 6 f2 (t) 7
6 .. 7 = 6 .. .. . .. .
.. 7 6 . 7 +6 . 7,
4 . 5 4 . . 5 4 .. 5 4 .. 5
0
xn (t) an1 (t) an2 (t) ann (t) xn (t) fn (t)
o brevemente como

dX
= A (t) X + F (t) (4)
dt
donde
2 3 2 3 2 3
x1 (t) a11 (t) a12 (t) a1n (t) f1 (t)
6 x2 (t) 7 6 a21 (t) a22 (t) a2n (t) 7 6 f2 (t) 7
6 7 6 7 6 7
X = X(t) = 6 .. 7, A = 6 .. .. .. .. 7 yF =6 .. 7.
4 . 5 4 . . . . 5 4 . 5
xn (t) an1 (t) an2 (t) ann (t) fn (t)
Llamamos a A la matriz de coe…cientes de (4) y F la función de fuerza. Diremos que A y F
son continuas si sus entradas son continuas. Si F = 0 entonces diremos que el sistema
X 0 = AX, (5)
es homogéneo; de otra manera es no homogéneo.
De…nición (vector solución) Un vector solución en un intervalo I es cualquier matriz
columna 2 3
x1 (t)
6 x2 (t) 7
6 7
X=6 . 7
4 .. 5
xn (t)
cuyos elementos son funciones diferenciables que satisfacen el sistema (4) en el intervalo I.
Un vector solución de (4) equivale a n ecuaciones escalares x1 = '1 (t), x2 = '2 (t) ; ; xn =
'n (t) y tiene la interpretación geométrica de un conjunto de ecuaciones paramétricas de una
curva en en el espacio n dimensional.
En el caso particular n = 2, consideramos x = '(t), y = (t) que representan las ecuaciones
paramétricas de una curva en el plano XY. Se acostumbra llamar trayectoria a una curva en
el plano y plano fase al plano XY.
De…nición (Problema del valor inicial).
Sean t0 2 I y 2 3
x1 (t0 )
6 x2 (t0 ) 7
6 7
X (t0 ) = 6 .. 7 = X0
4 . 5
xn (t0 )

9
Entonces, el problema
X 0 = AX + F
(6)
X(t0 ) = X0
se denomina problema de valor inicial en el intervalo I.
Teorema. Si A(t) y F (t) son funciones continuas en el intervalo I = (a; b), entonces el
problema de valor inicial (6) tiene una única solución, de…nida en todo el intervalo I.

Teoría básica de sistemas lineales homogéneos

En esta sección consideramos sistemas lineales homogéneos X 0 = A (t) X, donde A = A (t)
es una función matricial de orden n n continua sobre (a; b).
De…nición. Si X1 , X2 , , Xn son funciones vectoriales de…nidas sobre el intervalo (a; b)
y c1 , c2 , , cn son constantes, entonces X = c1 X1 + + cn Xn , es una combinación lineal de
X1 , X2 , , Xn .
De…nición. Diremos que las funciones vectoriales X1 , X2 , , Xn de…nidas sobre el inter-
valo (a; b) son linealmente independientes si al formar la combinación lineal nula

c1 X1 + + cn Xn = 0

implica que todas las constantes ci , i = 1; 2; ; n; son iguales a cero.

Si existe por lo menos una constante ci , i = 1; 2; ; n; diferente de cero, diremos que X1 ,
X2 , , Xn son linealmente dependientes.
Otra forma equivalente es decir que el conjunto fX1 ; X2 ; Xn g de n funciones vectoriales
es linealmente independientes en (a; b) si existen constantes c1 ; c2 ; cn tal que

c1 X1 + + cn Xn = 0, a < t < b, (7)

entonces necesariamente c1 = c2 = = cn = 0. Si de (7) existe por lo menos una constante

ci 6= 0, i = 1; 2; ; n, entonces diremos que fX1 ; X2 ; Xn g es linealmente dependiente en
(a; b).
La siguiente de…nición ayuda a caracterizar al conjunto fundamental de soluciones de
X 0 = A (t) X.
De…nición. El Wronskiano de las n funciones vectoriales
0 1 0 1 0 1
x11 (t) x12 (t) x1n (t)
B x21 (t) C B x22 (t) C B x2n (t) C
B C B C B C
X1 = B .. C ; X 2 = B .. C ; ; X n = B .. C
@ . A @ . A @ . A
xn1 (t) xn2 (t) xnn (t)

es de…nido por

x11 (t) x12 (t) x1n (t)

x21 (t) x22 (t) x2n (t)
W (X1 ; X2 ; ; Xn ) = .. .. .. .. .
. . . .
xn1 (t) xn2 (t) xnn (t)

Teorema. (Criterio para las soluciones linealmente independientes) Sean X1 ; X2 ; ; Xn ;

n vectores solución del sistema homogéneo (5), en el intervalo I. Entonces el conjunto de
vectores solución es linealmente independiente en I si y sólo si W (X1 ; X2 ; ; Xn ) 6= 0.
De…nición. Diremos que el conjunto fX1 ; X2 ; ; Xn g de n vectores solución, linealmente
independientes del sistema homogéneo X 0 = A (t) X para cada t en I, es un conjunto funda-
mental de soluciones en el intervalo.

10
 Teorema. (Existencia de un conjunto fundamental) Existe un conjunto fundamental
fX1 ; X2 ; Xn g de soluciones para el sistema homogeneo X 0 = AX en un intervalo I.
Teorema. (Principio de superposición). Sea fX1 ; X2 ; ; Xn g un conjunto fundamental
de soluciones del sistema homogéneo (5) en un intervalo I. Entonces la solución general de
X 0 = A (t) X, t 2 I es
X = c1 X1 + c2 X2 + + cn Xn ; (8)
donde c1 ; c2 ; cn son constantes arbitrarias.
En este caso, diremos que (8) es la solución general de X 0 = A (t) X sobre (a; b).
Prueba. Como X10 = AX1 , X20 = AX2 , ,Xn0 = AXn ; entonces

X 0 = c1 X10 + c2 X20 + + cn Xn0 = c1 AX1 + c2 AX2 + + cn AXn

= A (c1 X1 + c2 X2 + + cn Xn ) = AX.

Fórmula de Abel’s
Suponga que la matriz A = A (t) de orden n n es continua en (a; b) y sea fX1 ; X2 ; ; Xn g
0
un conjunto fundamental de soluciones de X = AX sobre (a; b), y sea t0 2 (a; b). Entonces el
Wronskiano de fX1 ; X2 ; ; Xn g es dado por
Z t
W (t) = W (t0 ) exp (a11 (s) + a22 (s) + + ann (s)) ds
t0
Z t
= W (t0 ) exp tr (A (s)) ds , a<t<b
t0

Teorema. Sea A (t) una matriz de orden n n de funciones continuas en el intervalo I y

sea fX1 ; X2 ; ; Xn g un conjunto fundamental de soluciones de X 0 = AX entonces la única
solución del problema con valor inicial

X 0 = AX
, con t0 2 I,
X(t0 ) = X0
es
X = c1 X1 + c2 X2 + + cn Xn ,
donde las constantes ci , i = 1; 2; ; n son determinadas.

siempre que (t0 ) sea no singular.

Observación: Si X1 ; X2 ; ; Xn son soluciones de X 0 = AX, entonces su solución general
es
2 3 2 3 2 3
x11 (t) x12 (t) x1n (t)
6 x21 (t) 7 6 x22 (t) 7 6 x2n (t) 7
6 7 6 7 6 7
X = c1 X1 + c2 X2 + cn Xn = c1 6 .. 7 + c2 6 .. 7+ + cn 6 .. 7
4 . 5 4 . 5 4 . 5
xn1 (t) xn2 (t) xnn (t)
2 32 3 2 3
x11 (t) x12 (t) x1n (t) c1 c1
6 x21 (t) x22 (t) x2n (t) 7 6 c2 7 6 c2 7
6 76 7 6 7
=6 .. .. .. .. 7 6 .. 7= X1 X2 Xn 6 .. 7= (t) C.
4 . . . . 54 . 5 4 . 5
xn1 (t) xn2 (t) xnn (t) cn cn

La matriz (t) = X1 X2 Xn es denominada la matriz fundamental de solu-

ciones.

11
 De…nición. Diremos que el vector X = X(t) es solución de (4) en un intervalo I si sus
elementos son funciones diferenciables que satisfacen (4) en dicho intervalo.
Un vector solución de la ecuación (4), equivale naturalmente, a n eccuaciones escalares
x1 = '1 (t) ; x2 = '2 (t) ; ; xn = 'n (t) y tiene la interpretación geométrica de un conjunto
de ecuaciones paramétricas de una curva de Rn . Por ejemplo, en el caso n = 2, las ecuaciones
x1 = '1 (t) ; x2 = '2 (t) representan una curva en el plano x1 x2 . Llamaremos trayectoria a una
curva en el plano y plano fase al plano x1 x2 .

Solución de sistemas lineales homogéneos con coe…cientes constantes

Dado el sistema homogéneo X 0 = AX, donde A es la matriz asociada a dicho sistema con
entradas constantes.
Teorema. Sean 1 ; 2 ; ; n , valores propios reales (no necesariamente distintos) con
correspondientes vectores propios v1 ; v2 ; ; vn de la matriz A. Entonces las funciones
1t 2t nt
X1 = v1 e , X2 = v2 e , , Xn = vn e
forman un conjunto fundamental de soluciones de X 0 = AX; y por lo tanto, la solución general
de este sistema es
X = c1 v1 e 1 t + c2 v2 e 2 t + + cn vn e n t
Prueba. Derivando Xi = vi e it , i = 1; 2; ; n; y recordando que Avi = i vi obtenemos
Xi0 = i vi e
it
= Avi e it
= AXi .
Esto demuestra que Xi es solución de X 0 = AX.
El Wronskiano de fX1 ; X2 ; ; Xn g es
x11 e 1t x12 e 2t x1n e nt x11 x12 x1n
x21 e 1t x22 e 2t x2n e nt x21 x22 x2n
1t 2t nt
W = .. .. .. .. =e e e .. .. .. .. .
. . . . . . . .
xn1 e 1t xn2 e 2t xnn e nt xn1 xn2 xnn
Como las columnas del determinante del lado derecho son X1 ; X2 ; ; Xn , el cual son lineal-
mente independientes, el determinante es diferente de cero. Por lo tanto, el teorema 10.3.3
implica que fX1 ; X2 ; ; Xn g es un conjunto fundamental de soluciones de X 0 = AX.
Ejemplos.
1. Encontrar la solución general de
dx
dt = x + 2y
dy
dt = 2x + y

1 2
Soluc. La matriz asociada es A = , cuyo polinomio característico es p ( ) =
2 1
1
( + 1) ( 3), cuyos vectores propios correspondientes son: v1 = y v2 =
1
1
. Entonces la solución general del sistema es
1
x (t) 1t 2t
X (t) = = c1 X1 + c2 X2 = c1 v1 e + c2 v2 e
y (t)
1 t 1
= c1 e + c2 e3t .
1 1
de donde x (t) = c1 e t + c2 e3t y y (t) = c1 e t + c2 e3t .

12
2. Encontrar la solución general de
8 dx
< dt = x + 2y + 2z
dy
dt = 2x + 7y + z
: dz
dt = 2x + y + 7z
1 0
1 2 2
Soluc. La matriz asociada al sistema es A = @ 2 7 1 A, characteristic polynomial:
2 1 7

p ( ) = 3 15 2 + 54 = ( 6) ( 9)
0 1 0 1 1 0
4 0 1
para 1 = 0, v1 = @ 1 A, para 2 = 6, v2 = @ 1 A y para = 9, v3 = @ 2 A.
1 1 2
Luego
0 1
x
X (t) = @ y A = c1 X1 + c2 X2 + c3 X3 = c1 v1 e 1 t + c2 v2 e 2t
+ c3 v3 e 3t

z
0 1 0 1 0 1
4 0 1
= c1 @ 1 A + c2 @ A 6t
1 e + c3 @ 2 A e9t ,
1 1 2

…nalmente x (t) = 4c1 + c3 e9t , y (t) = c1 c2 e6t + 2c3 e9t y z (t) = c1 + c2 e6t + 2c3 e9t .

3. Encontrar la solución general de

dx
dt = x + 3y
dy
dt = 5x + 3y

1 3
Solución. El sistema equivale a X 0 = X.
5 3
1 3 2
Los valores propios de A = son p ( ) = 4 12 = 0 , 1 = 2, 2 =6y
5 3
1 3
los vectores propios correspondientes son: v1 = , v2 = . así, las soluciones
1 5
son Xi = vi e it , i = 1; 2 y la solución general es
2t
X = c1 X1 + c2 X2 = c1 v1 e + c2 v2 e6t
1 2t 3
= c1 e + c2 e6t
1 5

dx
dt = 2x + 3y
4. Resolver dy
dt = 2x + y
2 3
Solución. La matriz asociada al sistema es A = , cuyo polinomio caracteristico
2 1
es:
2
p( ) = 3 4 = ( + 1) ( 4) ,

13
 así, los valores propios de A son 1 = 1y 2 = 4, los vectores propios correspondientes
1 3
son: v1 = y v2 = .
1 2
Entonces, la solución general es

2t 1 3
X = c1 v1 e + c2 v2 e6t = c1 e t
+ c2 e4t .
1 2

5. Una sustancia X se transforma en otra sustancia Y a un rítmo k1 > 0, y Y a su vez se

degrada en otra sustancia a un rítmo k2 > 0. El sistema lineal, para k1 6= k2 ,
8
< dx = k1 x
>
dt
> dy
: = k1 x k2 y
dt
describe el proceso, donde x (t) y y (t) representan la cantidad de X y Y, respectivamente.

a) Halle los vectores propios de la matriz asociada al sistema

b) Resuelva el sistema y halle l m x (t) y l m y (t). Interprete su resultado
t!+1 t!+1

k1 0
Solución. La matriz sociada es A = , cuyo polinomio característico es
k1 k2
k1 0
p ( ) = jA Ij = = ( + k1 ) ( + k2 ). Así, los valores propios
k1 k2
de A son = k1 , = k2
(i) Si = k1 , entonces
0 0 x 0
(A + k1 I) v = 0 , = , k1 x + (k1 k2 ) y = 0
k1 k1 k2 y 0

k1 x 1
de donde y = k1 k2 x. Luego v = k1 =x k1 .
k1 k2 x k1 k2
1 k2 k1
, v1 = o v1 = k1
k1
k1 k2 1
0
(ii) Si = k2 , entonces v2 = , pues
1

k1 + k2 0 x 0
(A + k2 I) v = 0 , = ,x=0
k1 0 y 0

1 k1 t 0 k2 t
La solución es X (t) = A k1 e +B e ! 0, si t ! +1
k1 k2 1

Valores propios repetidos

k +
Sean A = (aij )n n y ( i ) , k 2 Z es un factor de la ecuación característica. Veamos
los siguientes casos
i) Si para = i (de multiplicidad k), existen k vectores propios linealmente independientes
v1 ; v2 ; ; vk . En este caso, la solución general del sistema contiene la combinación lineal
1t 2t kt
c1 v1 e + c2 v2 e + + ck vk e .
Ejemplo.

14
 0 1
1 2 2
0
1. Resolver X = @ 2 1 2 AX
2 2 1
Solución. El polinomio caracteristico es: p ( ) = 3 3 2 5 = ( + 1)2 (
9 5).
1 0
0 1
1 0
Los vectores propios correspondientes para 1 = 1 son: v1 = @ A
1 , v2 = @ 1 Ay
0 1
1 0
1
para 2 = 5 es v3 = @ 1 A. Así, las soluciones linealmente independientes son de la
1
forma
it
Xi = vi e , i = 1; 2; 3
y la solución general es

X = c1 X1 + c2 X2 + c3 X3 = c1 v1 e t + c2 v2 e t + c3 v3 e5t
0 1 0 1 0 1
1 0 1
= c1 @ 1 A e t + c2 @ 1 A e t + c3 @ 1 A e5t
0 1 1

Valores propios repetidos

2
Empezamos con el caso A = (aij )2 2 , p ( ) = ( i ) y existe un único vector pro-
pio correspondiente v1 . Entonces tenemos una única solución X1 (t) = v1 e i t de X 0 = AX;
determinamos una segunda solución de la forma

X2 (t) = v2 te t de X 0 = AX entonces

X20 (t) = v2 e t
+ v2 t: e t
= AX2 = A v2 te t

t t t
v2 e + v2 t: e = A v2 te ) v2 = 0

X2 (t) = (v1 t + v2 ) e 1 t , donde v1 , v2 son vectores constantes no nulos.

Cuando sustituímos X2 (t) en la ecuación X 0 = AX, conseguimos

X20 = v1 e 1t
+ (v1 t + v2 ) 1e
1t
= AX2 = A (v1 t + v2 ) e 1t

lo que equivale a
1t 1t 1t 1t 1t
v1 e + 1 v1 te + 1 v2 e Av1 te Av2 e =0
1t 1t
,( 1 v1 Av1 ) te + (v1 + 1 v2 Av2 ) e =0
luego (A 1 I) v1 = 0 y (A 1 I) v2 = v1 ; el vector propio v2 es denominado el
vector propio generalizado de A.
Por lo tanto, la solución general de X 0 = AX es
it 1t
X (t) = C1 X1 (t) + C2 X2 (t) = C1 v1 e + C2 (v1 t + v2 ) e .

Ejemplos.

15
 1 3
1. Resolver X 0 = X.
3 7
1 3
Soluc. p ( ) = =7 + 2 7 +9 = 2 8 +16 = ( 4)2 = 0 ! =4
3 7
Hallamos el correspondiente vector propio: (A 4I) v = 0
3 3 x 0
= ,x+y =0,x= y
3 3 y 0

x y 1 1
luego = =y . Escogemos v1 = .
y y 1 1
Hallamos el vector propio generalizado (A I) v2 = v1
3 3 x 1 1
= , 3x + 3y = 1 , x = y
3 3 y 1 3
1 1 1
x 3 y 3 1 3
por lo tanto = = +y . Seleccionamos v2 = .
y y 0 1 0
Finalmente, la solución general es
it 1t
X (t) = C1 v1 e + C2 (v1 t + v2 ) e
1
1 1
C1 e4t + C2 t+ 3 e4t .
1 1 0

4 2
2. Resolver X 0 = X.
8 4
Soluc. , El polinomio caracteristico es p ( ) = 2 =0! = 0.
Hallamos el vector propio (A I) v = 0
4 2 x 0
= , 4x 2y = 0 , y = 2x
8 4 y 0

x x 1 1
luego = =x . Escogemos v1 = .
y 2x 2 2
Hallamos el vector propio generalizado (A I) v2 = v1
4 2 x 1
= , 4x 2y = 1 , y =
8 4 y 2

3 18
3. Resolver X 0 = X.
2 9
Solución. El polinomio caracteristico es: p ( ) = 2 + 6 + 9 = ( + 3)2
3
El vector propio asociado a = 1 = 3 es v1 = y el vector propio generalizado
1
1=2 1t 1t 1t
es (x=3y+1/2) v2 = . Luego la solución es X1 = v1 e , X2 = v1 te + v2 e
0
y la solución general es
X = c1 X1 + c2 X2
1t 1t 1t
= c1 v1 e + c2 v1 te + v2 e

16
 4. Considere el modelo depredador - presa gobernado por el sistema

x01 (t) = 2x1 (t) x2 (t)

x02 (t) = x1 (t) + 4x2 (t)

donde x1 (t) es la presa y x2 (t) es el depredador. Si las poblaciones iniciales son x1 (0) =
500, x2 (0) = 100. Calcule las poblaciones de las dos especies para cualquier instante
t > 0.
2 1
Solución. La matriz asociada es , cuyo polinomio caracteristico es:
1 4

p ( ) = jA Ij = 2
6 +9=( 3)2

de donde tenemos que el valor propio es = 3. El vector propio correspondiente es:

1 1 x1 0
(A 3I) X = 0 ) = ) x1 + x2 = 0
1 1 x2 0

1
así un vector propio es v1 = . Hallamos el vector propio generalizado
1

1 1 x1 1
(A 3I) v2 = v1 , =
1 1 x2 1

x1 + x2 = 1 ! x2 = 1 x1

x1 x1 1 0
= = x1 +
x2 1 x1 1 1

0
escogemos v2 = . La solución general es
1

X = c1 X1 + c2 X2
1t 1t 1t
= c1 v1 e + c2 v1 te + v2 e
1 1 0
= c1 e3t + c2 te3t + e3t
1 1 1

1 3
5. Resolver X 0 = X.
3 7

Solución. Ejercicio.
En general, si para A = (aij )n n , existe un único vector propio v1 que corresponde al
valor propio = 1 , (de multiplicidad algebraica k), entonces existen k soluciones linealmente
independientes de la forma

X1 (t) = v1 e 1 t
X2 (t) = (v1 t + v2 ) e 1 t
1 2 1t
X3 (t) = 2 v1 t + v2 t + v3 e
..
.
k 1 t2
Xk (t) = v1 (kt 1)! + + vk 2 2! + vk 1t + vk e 1t

17
donde (A 1 I) vk+1 = vk .
Valores propios complejos
4 3
Resolver X 0 = X.
3 4
4 3
Soluc. p ( ) = jA Ij = = (4 )2 + 9 = 0 ) =4 3i.
3 4
Para = 4 3i, hallamos el correspondiente vector propio: (A I) v = 0

3i 3 x 0 3ix 3y = 0
= ! ! y = ix
3 3i y 0 3x + 3iy = 0

x x 1 1
Luego v = = =x , escogemos v1 = .
y ix i i

1 1 1
X (t) = e t v1 = e(4 3i)t
= e4t e 3it
= e4t (cos ( 3t) + i sen ( 3t))
i i i
1 cos 3t i sen 3t
= e4t (cos 3t i sen 3t) = e4t
i sen 3t + i cos 3t

donde usamos: eai = cos a + i sen a

La parte real e imaginaria de X (t) son las soluciones con valores reales del sistema, es
decir,
cos 3t sen 3t
X1 (t) = e4t X2 (t) = e4t
sen 3t cos 3t
Finalmente, la solución general (real) es

cos 3t sen 3t
X (t) = C1 X1 (t) + C2 X2 (t) = C1 e4t + C2 e4t .
sen 3t cos 3t

1 5
Resolver X 0 = X
1 3
En resumen; si A = (aij )2 2 , tiene valores propios complejos conjugados = i, con
0
vectores propios asociados w = u vi. Entonces el sistema X = AX tiene dos soluciones
linealmente independientes

X1 (t) = e t (u cos ( t) v sen ( t)) y X2 (t) = e t (u sen ( t) + v cos ( t))

que son la parte real e imaginaria de

e t (cos ( t) + i sen ( t)) (u + iv) .

Luego, por el principio de superposición, la solución general de X 0 = AX es

X (t) = C1 X1 (t) + C2 X2 (t)

= C1 e t (u cos ( t) v sen ( t)) + C2 e t (u sen ( t) + v cos ( t)) .

Ejemplo

2 1
1. Resolver X 0 = X.
1 2

18
 2 1
Solución. El polinomio característico es p ( ) = = (2 )2 + 1 = 0, de
1 2
donde, los eigenvalores son =2 i; así para = 2 + i el eigenvector correspondiente es

0 1
w = u + vi = + i.
1 0

Por lo que, la solución general es

0 1 0 1
X (t) = C1 e2t cos (t) sen (t) + C2 e2t + sen (t) cos (t) .
1 0 1 0

0.3.2. Método de la matriz exponencial

En esta sección hallaremos la solución de sistemas lineales usando la matriz exponencial
eAt .
Para esto empezamos recordando la fórmula de Taylor.
Teorema. Sea f : I R ! R tal que existen sus derivadas y son continuas en todos los
ordenes en algun intervalo I = (x0 ; x0 + ) entonces

f (n) (x0 ) f (n+1) ( )

f (x) = f (x0 ) + f 0 (x0 ) (x x0 ) + + (x x0 )n + (x x0 )n+1
n! (n + 1)!
= Pn (x) + Rn (x) ,

donde
f n+1 ( )
Rn (x) = (x x0 )n+1 , con a< < x:
(n + 1)!
Evidentemente, Pn (x) es la otra parte de la fórmula. A Pn (x) se le denomina el polinomio
de Taylor de n-ésimo grado de la función f en el número x0 , y a Rn (x) se le llama el resto.
Ejemplo. Sea f (t) = eat entonces el polinomio de Taylor alreedor de t0 = 0 es

a2 2 a3 3 a4 4
f (t) = eat = 1 + at + t + t + t +
2! 3! 4!
De…nición. Sea A = (aij )n n con elementos reales (o complejos), de…nimos la matriz eAt
por
1
X
A2 2 A3 3 A4 4 Ak t k
eAt = I + At + t + t + t + =
2! 3! 4! k!
k=0

Teorema. Sea A = (aij )n n entonces

1. eA0 = I
1
2. eAt =e At

d At
3. dt e = AeAt
Esta propiedad implica que la función (t) = eAt v es una solución de X 0 = AX, para
cada vector constante v. En efecto,
d d At
(t) = e v = A eAt v = A (t) .
dt dt

19
 1
4. Si A es diagonalizable, entonces eAt = eCDC t = CeDt C 1 , donde
0 1
e 1 0 0 0
B 0 e 2 0 0 C
B C
Dt B 0 0 e 3 0 C
e =B C
B .. .. .. . . .. C
@ . . . . . A
0 0 0 0 e n

5. eA(t+s) = eAt eAs

6. eAt+Bt = eAt eBt solo si AB = BA.
Como (A I) ( I) = ( I) (A I) entonces

eAt = e(A I)t

e It
= e t e(A I)t

Prueba. 1) Es facil ver de la de…nición que,

A2 A3
eA0 = I + A (0) + (0)2 + (0)3 + = I.
2! 3!
3) En efecto
d At d A2 2 A3 3 A4 4
e = I + At + t + t + t +
dt dt 2! 3! 4!
A2 A3 2 A4 3
= A+ 2t + 3t + 4t +
2! 3! 4!
A2 2 A3 3
= A I + At + t + t + = AeAt .
2! 3!
4) Como A es diagonalizable existe C inversible tal que D = C 1 AC, entonces
1
eAt = e(CDC )t
t2
1 3 t
3
1 2 4 t
4
= I + CDC + CDC 1
t + CDC + CDC 1 +
2! 3! 4!
t2 t3 t4
= CIC 1 + CDC 1 t + CD2 C 1 + CD3 C 1 + CD4 C 1 +
2! 3! 4!
t2 t3 t4
= C I + Dt + D2 + D3 + D4 + C 1
2! 3! 4!
= CeDt C 1
.

1. CDC 1 2 = CDC 1 CDC 1 = CD C 1C DC 1 = CD2 C 1

x0 = ax
2. Resolver la solución es x (t) = eat x0
x (0) = x0
X 0 = AX
Resolver la solución es X (t) = eAt X0
X (0) = X0
3. Un sistema dinámico lineal viene dado por una expresión de la forma x0 = Ax, x 2 Rn
donde A es una matriz constante de orden n n. Si A tiene todos sus valores propios reales
y distintos: 1 ; 2 ; ; n , entonces el conjunto de vectores propios correspondientes
fv1 ; v2 ; ; vn g forma una base de Rn , en cuyo caso la matriz C = [v1 v2 vn ] es
inversible y

20
 C 1 AC = diag[ 1 2 n] = D; además
x(t) = eAt x (0) = CeDt C 1
x (0) = Cdiag[e 1t
e 2t
:::e nt
]C 1
x0
Si se realiza el cambio de coordenadas: y = C 1 x, se tiene
y0 = C 1 0
x =C 1
(Ax) = C 1
A x=C 1
ACy = Dy
Así
y(t) = eDt y (0) = diag[e 1t
e 2t
:::e nt
]y(0)
Ejemplo:
2 1
1. Resolver X 0 = AX, donde A = .
1 2
Soluc.
2 1
p( ) = = (2 + )2 1 = (2 + 1) (2 + + 1) = ( + 1) ( + 3)
1 2

1 1
de donde los correspondientes eigenvectores son: v1 = $ 1; v2 = $
1 1
3.
1 1 1 1 1 1
Formamos la matriz C = (v1 v2 ) = ,yC = . Entonces
1 1 2 1 1
1 1 1 e 1t 0 1 1
eAt = CeDt C 1
= 2t
2 1 1 0 e 1 1
1 1 1 e t 0 1 1 1 e t +e 3t e t e 3t
= 3t = t 3t t 3t
2 1 1 0 e 1 1 2 e e e +e
Finalmente, la solución es
1 e t +e 3t e t e 3t c1
X (t) = eAt v = t 3t t 3t
2 e e e +e c2
1 c1 e t+e 3t + c2 e t e 3t
= t+e 3t t 3t
2 c2 e + c1 e e

0
Notemos que l m X (t) = .
t!1 0
2. Resolver 8 0
< x1 (t) = 2x1 (t) + x2 (t)
x0 (t) = 5x1 (t) + 2x2 (t)
: 2
x1 (0) = 60 y x2 (0) = 30
¿Para qué valor de t, x2 (t) = 0 ?
Solución. El sistema es equivalente a
x01 (t) 2 1 x1 (t)
X0 = = = AX:
x02 (t) 5 2 x2 (t)

Los valores propios de A son:

2 1 2 2
p( ) = = 4 5= 9) = 3, =3
5 2
Hallamos los vectores propios.

21
i.) Para = 3
1 1 x1 0
(A + 3I) X = 0 ) = ) x1 + x2 = 0
5 5 x2 0
1
así un vector propio es v1 = .
1
ii.) Para =3
5 1 x1 0
(A 3I) X = 0 ) = ) 5x1 + x2 = 0
5 1 x2 0
1
así un vector propio es v2 = .
5
1 1 1 1 5 1
La matriz C = (v1 v2 ) = yC = , por lo que
1 5 6 1 1
1 1 1 e 3t 0 5 1
eAt = CeDt C 1
=
6 1 5 0 e3t 1 1
1 1 1 5e 3t e 3t 1 5e 3t + e3t e 3t
+ e3t
= =
6 1 5 e3t e3t 6 5e 3t + 5e3t e 3t + 5e3t
…nalmente, la solución es
1 5e 3t + e3t e 3t + e3t 60
X (t) = eAt X (0) = 3t
6 5e + 5e3t e 3t + 5e3t 30
5e 3t + e3t e 3t
+ e3t 10 45e 3t + 15e3t
= 3t + 5e3t =
5e e 3t + 5e3t 5 75e3t 45e 3t
3e 3t + e3t
= 15
5e3t 3e 3t
3 1 3
x2 (t) = 0 , 5e3t 3e 3t = 0 , e6t = 5 ,t= 6 ln 5 = 8: 513 8 10 2.

3. Modelo de cooperación de especies (simbiosis). Considere el modelo simbiótico gobernado

por
8 1
> 0
< x (t) = 2 x (t) + y (t)
>
1 1
> y 0 (t) = x (t) y (t)
>
: 4 2
x (0) = 200 , y (0) = 500

a) Determine la población de cada especie para t > 0.

x (t)
b) Calcule l m X (t), donde X = . Interprete su respuesta.
t!+1 y (t)

Solución. El sistema es equivalente a

x0 (t) 1=2 1 x1 (t)
X0 = = = AX:
y 0 (t) 1=4 1=2 x2 (t)

Los valores propios de A son:

2
1=2 1 1 1
p ( ) = jA Ij = = + = ( + 1)
1=4 1=2 2 4
de donde 1 = 0, 2 = 1; los vectores propios correspondientes son:

22
 2 2
v1 = y v2 = .
1 1
2 2 1 1 1 2
La matriz C = (v1 v2 ) = ,yC = , por lo que
1 1 4 1 2
1 2 2 1 0 1 2
eAt = CeDt C 1
=
4 1 1 0 e t 1 2
1 2 2 1 2 1 2e t + 2 4 4e t
= t t =
4 1 1 e 2e 4 1 e t 2e t + 2
luego, la solución es
1 2e t + 2 4 4e t 200 600 400e t
X (t) = = ,
4 1 e t 2e t + 2 500 200e t + 300
es decir x (t) = 600 400e t y y (t) = 200e t + 300.
(b) Claramente
600 400e t 600
l m X (t) = l m = = X0
t!+1 t!+1 200e t + 300 300
que representa las poblaciones iniciales.
Valor Propio Repetido
eAt = e(A I)t e It = e t e(A I)t
1. Supongamos que v satisface (A I)m v = 0 entonces (A I)m+k v = 0, para k 2 Z + .
En consecuencia
(A I)2 (A I)m 1
(A I)m
e(A I)t
= I + (A I) t + t2 + + tm 1
+ tm +
2! (m 1)! m!
(A I)2 (A I)m 1
= I + (A I) t + t2 + + tm 1
2! (m 1)!
2
Si A = (aij )2 2 tiene polinomio característico p ( ) = ( 1 ) para la cual existe un único
2
vector propio v1 , usamos el teorema de Cayley- Hamilton, es decir, p (A) = (A 1 I) = 0,
para calcular eAt de la siguiente forma
( )
2 2
At t (A 1 I)t t (A 1 I) t
e =ee = e I + (A 1 I) t + = et fI + (A 1 I) tg .
2
Ejemplo.
1 2
1. Resolver X 0 = AX donde A = .
2 3
Soluc. El polinomio caracteristico: p ( ) = 2 2 +1 = ( 1)2 entonces por el teorema
de Cayley-Hamilton p (A) = (A I)2 = 0

( )
(A I)2 t2
eAt = et e(A I)t
= et I + (A I) t +
2
1 0 0 2
= et fI + (A I) tg = et + t
0 1 2 2
1 2t
= et .
2t 1 + 2t

23
 1 2t 20 20et (t + 1)
luego la solución es X (t) = et = .
2t 1 + 2t 10 10et (2t 1)
2. Resolver el problema de valor inicial
8 0
< x1 (t) = 2x1 (t) + 4x2 (t)
x0 (t) = x1 (t) + 6x2 (t)
: 2
x1 (0) = 1, x2 (0) = 6

2 4
Solución. La matriz asociada es A = . El valor propio de A es
1 6

2 4
p( ) = = 2
8 + 16 = ( 4)2 ) =4
1 6

luego

eAt = e4t e(A 4I)t

= e4t fI + (A 4I) tg
1 0 2 4 1 2t 4t
= e4t + t = e4t
0 1 1 2 t 2t + 1

…nalmente, la solución es

1 2t 4t 1 26t 1
X (t) = eAt X (0) = e4t = e4t
t 2t + 1 6 13t + 6

2
Otra forma. El vector propio correspondiente es v1 = . Hallamos el vector propio
1
1
generalizado: (A 4I) v2 = v1 de donde v2 = .
0
Así, la solución es

2 2 1
X = C1 e4t + C2 t+ e4t
1 1 0

2 1 1
Pero X (0) = C1 + C2 = ) C1 = 6, C2 = 13.
1 0 6
Luego x1 (t) = e4t (26t 1) y x2 (t) = e4t (13t + 6).

3. Dado el problema de valor inicial

X 0 = AX
X (0) = X0

donde
0 1 0
1 1 0
2 1 6 x 1
A=@ 0 2 5 A, X=@ y A y X0 = X (0) = @ 3 A .
0 0 2 z 2

a) Halle el correspondiente vector propio asociado.

b) Resolver el problema de valor inicial.

24
 Solución. El polinomio característico de A es:

2 1 6
p ( ) = jA Ij = 0 2 5 = ( + 2)3 .
0 0 2

Por el teorema de Cayley-Hamilton: p (A) = (A + 2I)3 = , y de la de…nición de matriz

exponencial obtenemos

t2
eAt = e 2t (A+2I)t
e = e2t I + (A + 2I) t + (A + 2I)2
2
80 1 0 1 0 1 9
< 1 0 0 0 1 6 0 0 5
t2 =
= e2t @ 0 1 0 A + @ 0 0 5 At + @ 0 0 0 A
: 2;
0 0 1 0 0 0 0 0 0
0 5 2
1
1 t 2 t + 6t
= e2t @ 0 1 5t A
0 0 1

entonces, la solución es
0 5 2
10 1 0 2 1
1 t 2t + 6t 1 5t + 15t + 1
At 2t @ A @ 3 A = e2t @ A
X (t) = e C = e 0 1 5t 10t + 3
0 0 1 2 2

X 0 = AX
4. Dado el problema de valor inicial , donde
X (0) = X0
0 1 1 0 1 0
1 10 12 x 1
A= @ 2 2 3 A, X=@ y A y X0 = X (0) = @ 2 A .
2 1 6 z 3

a) Halle el correspondiente vector propio asociado.

b) Resolver el problema de valor inicial.

Solución. (a) El polinomial caracteristico es:

p( ) = 3
9 2
+ 27 27 = ( 3)3 .

Calculamos el vector propio correspondiente

0 10 1 0 1
2 10 12 x 0
(A 3I) v = 0 , @ 2 1 3 A @ y A = @ 0 A
2 1 3 z 0
0 10 1 0 1
1 5 6 x 0
x + 5y 6z = 0
,@ 0 1 1 A@ y A = @ 0 A ,
y z=0
0 0 0 z 0
0 1 0 1 0 1
x y 1
de donde v = @ y A = @ y A = y @ 1 A.
z y 1

25
 (b) Por el teorema de Cayley-Hamilton: p (A) = (A 3I)3 = , y de la de…nición de
matriz exponencial obtenemos

t2
eAt = e3t e(A 3I)t = e3t I + (A 3I) t + (A 3I)2
2
80 1 0 1 0 1 9
< 1 0 0 2 10
12 0 18 18
t2 =
= e3t @ 0 1 0 A + @ 2 3 At + @
1 0 18 18 A
: 2;
0 0 1 2 3 1 0 18 18
80 1 0 1 0 1 9
< 1 0 0 2 10 12 0 9 9 =
= e3t @ 0 1 0 A + @ 2 1 3 At + @ 0 9 9 A t2
: ;
0 0 1 2 1 3 0 9 9
0 1
1 2t 10t 9t2 9t2 12t
3t @ A
=e 2t 9t2 t + 1 3t 9t2
2t 9t2 t 2
9t + 3t + 1

entonces, la solución es
0 10 1
1 2t 10t 9t2 9t2 12t 1
X (t) = eAt X0 = e3t @ 2t 9t2 t + 1 3t 9t 2 A @ 2 A
2t 9t2 t 2
9t + 3t + 1 3
0 1
9t2 18t + 1
= e3t @ 9t2 + 9t + 2 A .
9t2 + 9t + 3
0 1
1 2 3 4
B 0 1 2 3 C
5. Resolver X 0 = AX donde A = B
@ 0
C.
0 1 2 A
0 0 0 1
Solución. El polinomio característico es

1 2 3 4
0 1 2 3
p ( ) = jA Ij = = (1 )4 :
0 0 1 2
0 0 0 1

Por el teorema de Cayley - Hamilton p (A) = (I A)4 = 0. Luego

t2 t3 t4
eAt = et e(A I)t
=e t
I + (A I) t + (A I)2 + (A I)3 + (A I)4 +
2 6 24
t2 t3
=e t
I + (A I) t + (A I)2 + (A I)3
2 6
80 1 0 1 0 1 0 1 9
>
> 1 0 0 0 0 2 3 4 0 0 4 12 0 0 0 8 >
>
<B C B 3=
0 1 0 0 C B 0 0 2 3 C B 0 0 C
0 4 Ct 2 B 0 0 0 0 C t
=e t B @ 0 0 + Ct + B +B C
>
> 1 0 A @ 0 0 0 2 A @ 0 0 0 0 A 2 @ 0 0 0 0 A 6> >
: ;
0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
0 1
1 2t 3t + 2t2 4t + 6t2 + 34 t3
B 0 1 2t 3t + 2t2 C
= e tB
@ 0 0
C
A
1 2t
0 0 0 1

26
 Finalmente, la solución es
0 1 0 10 1
x 1 2t 3t + 2t2 + 6t2 4t + 6t2 + 43 t3 C1
B y C B 3t + 2t2 C B C2 C
X (t) = B C = eAt C = e t B 0 1 2t CB C
@ z A @ 0 0 1 2t A @ C3 A
w 0 0 0 1 C4
0 2 4 3 2
1
C1 + C3 8t + 3t + 2tC2 + C4 3 t + 6t + 4t
B C2 + C4 2t2 + 3t + 2tC3 C
= et B
@
C.
A
C3 + 2tC4
C4

0.4. Sistemas de ecuaciones diferenciales no homogéneas

Supongamos que si X1 ; X2 ; ; Xn son n soluciones linealmente independientes de X 0 =
AX, entonces su solución general es
2 3 2 3 2 3
x11 (t) x12 (t) x1n (t)
6 x21 (t) 7 6 x22 (t) 7 6 x2n (t) 7
6 7 6 7 6 7
X = c1 X1 + c2 X2 + cn Xn = c1 6 .. 7 + c2 6 .. 7+ + cn 6 .. 7
4 . 5 4 . 5 4 . 5
xn1 (t) xn2 (t) xnn (t)
2 32 3 2 3
x11 (t) x12 (t) x1n (t) c1 c1
6 x21 (t) x22 (t) x2n (t) 7 6 7 6 c2 7
6 7 6 c2 7 6 7
=6 .. .. . . 7 6 . 7 = X1 X2 Xn 6 . 7 = (t) C.
4 . . . . .
. 54 . 5 . .
4 . 5
xn1 (t) xn2 (t) xnn (t) cn cn

La matriz (t) es denominada la matríz fundamental de X 0 = AX y su determinante

x11 (t) x12 (t) x1n (t)

x21 (t) x22 (t) x2n (t)
j (t)j = .. .. .. ..
. . . .
xn1 (t) xn2 (t) xnn (t)

es llamado el Wronskiano de fX1 ; X2 ; Xn g, el cual es denotado por W = W (X1 ; X2 ; ; Xn ).

Como fX1 ; X2 0
; Xn g es un conjunto fundamental de soluciones de X = AX, entonces

W (X1 ; X2 ; ; Xn ) (t) 6= 0, 8t 2 I.

Es decir, la matriz fundamental (t) es no singular, y es solución del problema homogéneo

X 0 = AX, en efecto
0
(t) = X10 X20 Xn0 = AX1 AX2 AXn
=A X1 X2 Xn = A (t) :

2 1
Ejemplo. dado el sistema X 0 = X entonces el polinomio caracteristico es p ( ) =
1 2
1
( 1) ( 3) y sus correspondientes vectores npropios son respectivamente: v1 =
1

27
 1 1
y v2 = . Luego, dos soluciones linealmente independientes son X1 = et y
1 1
1
X2 = e3t . Por lo tanto
1

et e3t
(t) = X1 X2 =
et e3t

Notemos que la solución del sistema X 0 = AX es X (t) = (t) C.

X 0 = AX
Si tenemos el PVI entonces como X (t0 ) = (t0 ) C = X0 ) C =
X (t0 ) = X0
1 (t ) X . Asi, la solución del PVI es X (t) = (t) 1 (t0 ) X0 .
0 0

0.4.1. Variación de parametros

Resolveremos
X 0 = AX + F (t) (9)
Como hemos visto que la solución del problema homogéneo X0 = AX es

Xh = c1 X1 + c2 X2 + cn Xn = (t) C.

Ahora supongamos que la solución particular de es dada por

Xp (t) = c1 (t) X1 + c2 (t) X2 + cn (t) Xn = (t) U (t) , (10)

donde 2 3
c1 (t)
6 c2 (t) 7
6 7
U (t) = 6 .. 7.
4 . 5
cn (t)
Por la regla del producto,
Xp0 = (t) U 0 (t) + 0
(t) U (t) : (11)
Al sustituir (V2) y (V3) en Xp0 = AXp + F (t) se obtiene

(t) U 0 (t) + 0
(t) U (t) = A (t) U (t) + F (t) .

Reemplazando 0 (t) = A (t) en la ultima expresión resulta

(t) U 0 (t) + A (t) U (t) = A (t) U (t) + F (t)

simpli…cando obtenemos (t) U 0 (t) = F (t).

Como (t) es no singular, existe 1 (t) por lo que U 0 (t) = 1 (t) F (t) y por lo tanto
Z
1
U (t) = (t) F (t) dt

de esta manera, la solución particular de (V1) es

Z
1
Xp = (t) U (t) = (t) (t) F (t) dt.

Asi, la solución general de (V1) es

Z
1
Xg (t) = Xh + Xp = (t) C + (t) (t) F (t) dt.

28
Problema de valor inicial. La solución general de (V1) en un intervalo se puede expresar
en la siguiente forma alternativa
Z t
1
X = (t) C + (t) (s) F (s) ds, (12)
t0

donde t y t0 son puntos del intervalo. Esta ultima forma es util para resolver (V1) sujeta a
la condición inicial X (t0 ) = X0 , ya que se escogen los limites de integracion de modo que la
solución particular se anule cuando t = t0 . Al sustituir t = t0 en (V5) se obtiene X0 = (t0 ) C,
de donde C = 1 (t ) X . Al reemplazar este resultado en (V5) se llega a obtener la solución
0 0
del PVI: Z t
1 1
X (t) = (t) (t0 ) X0 + (t) (s) F (s) ds.
t0
Nota, si (t) es la matriz fundamental, entonces podemos considerar (t) = eAt , de donde
1 (s) = eAs 1
= e As . de aqui tenemos
Z t
At At0 At
X (t) = e e X0 + e e As F (s) ds
t0
Z t
= eA(t t0 )
X0 + eA(t s)
F (s) ds
t0
Ejemplo.
X 0 = AX + F (t) 6 7 60
1. Resolver el PVI , donde A = y F (t) =
x (0) = 0, y (0) = 0 1 2 90
Solución. El polinomio caracteristico es
6 7
p ( ) = jA Ij = = ( + 1) ( 5)
1 2
1 7
Los correspondientes vectores propios son v1 = y v2 = . Entonces dos solu-
1 1
1t t 1 2t
ciones linealmente independientes son X1 (t) = e v1 = e y X2 (t) = e v2 =
1
7
e5t , por lo que la matriz fundamental es
1
e t 7e5t
(t) = X1 X2 = t .
e e5t
x (0) 0 1 (t) 1 et 7et
Como X (0) = = = X0 y = 5t , por lo tanto
y (0) 0 6 e e 5t
Z t
1 1
X (t) = (t) (t0 ) X0 + (t) (s) F (s) ds
t0
t
Z t
0 e 7e5t 1 es 7es 60
= + t ds
0 e e5t 0 6 e 5s e 5s 90
t
Z t Z t
e 7e5t es 7es 10 e t 7e5t 95es
= t ds = ds
e e5t 0 e 5s e 5s 15 e t e5t 0 5e 5s
t t
e 7e5t 95es e t 7e5t 95 et 1
= t =
e e5t e 5s 0
e t e5t e 5t 1
7e5t e 5t 1 +e t 95et 95
=
e5t e 5t 1 +e t 95et 95

29
 2 3 t
2. Resolver X 0 = AX + F (t), donde A = y F (t) =
1 2 5
Solución. El polinomio caracteristico es p ( ) = 2 1 cuyos vectores propios son: para
1 3
1 = 1, v1 = y para = 1, v2 = . Luego la matriz fundamental es
1 1
e t 3et 1 (t) = 1 et 3et
X (t) = y su inversa: X ,
e t et 2 e t e t
et 3et t tet 15et
t =
e e t 5 5e t te t
Z
1
X (t) = Xh (t) + Xh (t) = X (t) C + X (t) X (t) f (t) dt
t
Z
e 3et C1 e t 3et tet 15et
= t + dt
e et C2 e t et 5e t te t
t
Z
e 3et C1 e t 3et tet 15et
= t + dt
e et C2 e t et 5e t te t

0.5. Sistemas de ecuaciones diferenciales no lineales

Una gran variedad de fenómenos naturales son modelados por dos sistemas de ecuaciones
diferenciales de la forma 8
< dx = f (x; y)
>
dt (13)
> dy
: = g (x; y)
dt
Usualmente pensamos en las variables x e y como variables de posición en el plano xy, y de t
como la variable temporal. La ausencia de la variable t en el lado derecho de (15) hace que el
sistema sea fácil de analizar y su solución facil de visualizar.
El sistema (15) el cual los valores de la derivada son independientes (autonomos) del tiempo
t, es usualmente denominado un Sistema Autónomo.
Generalmente asumimos que las funciones f y g son continuamente diferenciables en
alguna región R del plano xy. Luego de acuerdo al teorema de existencia y unicidad, dada t0
y un puto (x0 ; y0 ) de R, existe una única solución x = x (t), y = y (t) de (15) que es de…nida
sobre algún intervalo abierto (a; b) conteniendo a t0 y satisfaciendo las condiciones iniciales
x (t0 ) = x0 , y (t0 ) = y0 .
Las ecuaciones x = x (t), y = y (t) describe una curva solución en el plano fase. Cualquier
curva solución de este tipo es llamada una trayectoria del sistema (15), y precisamente una
trayectoria pasa por cada punto (x0 ; y0 ) de la región R.
De…nición. Un punto crítico del sistema (15) es un punto (x ; y ) tal que
f (x ; y ) = 0 = g (x ; y ) .
Si (x ; y ) es un punto crítico del sistema, entonces las funciones constantes
x (t) x , y (t) y
tiene derivadas x0 (t) 0 y y 0 (t) 0, y por lo tanto automaticamente satisface las ecuaciones
en (15). Tales soluciones constantes es llamada una solución de equilibrio del sistema en
mención.
Nota: a un punto crítico también se le denomina punto de equilibrio, …jo, de reposo,
singular, etc.

30
0.5.1. Retrato Fase
Si el dato inicial (x0 ; y0 )no es un punto crítico, entonces la correspondiente trayectoría es
una curva en el plano xy a lo largo el cual el punto (x (t) ; y (t)) se mueve cuando t aumenta.
Podemos exponer cualitativamente el comportamiento de soluciones del sistema autónomo en
(15) mediante la construcción de un plano que muestre sus puntos críticos juntamente con una
colección de soluciones típicas de curvas o trayectorías en el plano xy. Tal plano es llamado un
retrato fase porque ella ilustra las fases o estados xy del sistema, e indica como ellos cambian
con el tiempo.
Interpretación como campo vectorial
F : R2 ! R2 =F (x; y) = (f (x; y) ; g (x; y)).
Cuando la variable t se interpreta como el tiempo, decimos que un sistema de ecuaciones
diferenciales es un sistema dinámico y su solución X(t) = (x(t); y(t)) se denomina estado o
respuesta del sistema en el tiempo t. De modo que un sistema dinámico es autónomo cuando la
velocidad X 0 (t) solo depende del estado actual del sistema X(t) y suele llamarse a la solución:
trayectoria u órbita.
El sistema autónomo (15),se puede escribir como un vector V (x; y) = (F (x; y); G(x; y)) de-
…ne un campo vectorial en una región del plano. V (x; y) puede interpretarse como la velocidad
de una corriente en la posición (x; y); y una solución puede interpretarse como la trayectoria
de una partícula arrastrada por esa corriente.

Tipos de soluciones
Si F (x; y), G(x; y) y sus derivadas parciales de primer orden son continuas en una región
R del plano xy, entonces una solución del sistema que satisface X(0) = X0 es única y se tiene
uno de los siguientes tres tipos básicos:
Veamos una descripción breve de éstos tipos de soluciones

1. Una solución constante x(t) = x0 , y(t) = y0 (X(t) = X0 para toda t). Una solución
constante se llama punto crítico o estacionario. Cuando üna partícula"se coloca en un
punto crítico X0 permanece allí inde…nidamente, por eso una solución constante también
se denomina solución de equilibrio. Observemos que X 0 (t) = 0 es una solución del sistema
de ecuaciones algebraicas:
F (x; y) = 0 = G (x; y) .

2. Una solución x = x(t), y = y(t) que de…ne un arco, es una curva plana que no se cruza
a sí misma, no puede ser una solución para un sistema autónomo plano , puesto que
habría dos trayectorias que parten en el mismo punto P .

3. Una solución periódica x = x(t), y = y(t) que se denomina ciclo. Si p es el período de

la solución, entonces X(t + p) = X(t). Una partícula colocada en la órbita en el punto
X(0), por ejemplo, viajará por la curva hasta regresar al punto de partida en p unidades
de tiempo.

Clasi…cación del punto de equilibrio (0; 0) del sistema lineal

Dado el sistema lineal de dos ecuaciones

8
>
> dx
< dt = ax + by
>
(14)
>
>
: dy = cx + dy
>
dt

31
 Observese que el sistema (14) se puede escribir en la forma matricial

dX=dt = X 0 = AX,

x (t) a b
donde X = yA= .
y (t) c d
Además, si jAj =
6 0, resolvemos el sistema

ax + by = 0
) x = 0, y = 0
cx + dy = 0

y diremos que el único punto crítico de (14) es (0; 0). Dicho de otra manera, si A es no
singular, es decir jAj =
6 0, por lo que X = 0 es el único punto crítico del sistema.
Diremos tambien que en estos puntos dX=dt = 0, corresponden a soluciones constantes o
soluciones de equilibrio de (14).
Recordemos que una solución de la (14) es una función vectorial X = (t) = X1 (t) X2 (t)
que satisface el sistema. Esta función
puede concebirse como una representacion parametrica de una curva C : (x (t) ; y (t)),
t 2 [a; b] en el plano XY y el conjunto de curvas o trayectorias se denomina el retrato fase.
Clasi…cación del punto crítico (0; 0).
Los valores propios de A, son

a b 2
p ( ) = jA Ij = 0 , = (a ) (d ) bc , (a + d) +(ad bc) = 0,
c d

de donde p ( ) = 2 tr (A) + jAj = 0, el cual la solución de la ecuación cuadrática es:

q
tr A (tr A)2 4 jAj
= ,
2
donde tr A = a + d = traza de A y jAj = ad bc es el determinante de A.
Sea p = tra (A), q = jAj y 4 = p2 4q, entonces tenemos la siguiente clasi…cación del
punto critico (0; 0).
De…nición. El punto crítico (0; 0) es un:

1. punto silla si jAj < 0

2. nodo estable si jAj > 0, (tr A)2 4 jAj 0, y tr A < 0

3. nodo inestable si jAj > 0, (tr A)2 4 jAj 0, y tr A > 0

4. foco estable si jAj > 0, (tr A)2 4 jAj < 0, y tr A < 0

5. foco inestable si jAj > 0, (tr A)2 4 jAj < 0, y tr A > 0

6. centro si jAj > 0, tr A = 0,

Diremos que el sistema lineal (14), con el único punto crítico (0; 0) es un sumidero o una
fuente, si las soluciones se acercan (o se separan)
del punto crítico de dos formas, o bien bajo la forma de nodo, o bien bajo la forma de foco.

32
 Otra forma equivalente de clasi…car el punto de equilibrio (0; 0) es de la siguiente forma:
Valores propios Tipo de punto crítico (0; 0) Estabilidad
1 > 2 >0 nodo inestable
1 < 2 <0 nodo Asint. estable
2 <0< 1 punto silla inestable
= bi centro Asint. estable
= a bi, a < 0 punto espiral Asint. estable
= a bi, a > 0 punto espiral inestable
Además, si 1 = 2 > 0, diremos que (0; 0) es un nodo impropio inestable y si 1 = 2 < 0,
diremos que (0; 0) es un nodo impropio estable:

Estabilidad del sistema (14)

Hemos visto como una solución puede interpretarse como la trayectoria de una partícula
que al inicio se coloca en la posición X(0) = X0 . Si X0 = X = (x ; y ) es un punto crítico
entonces la partícula permanece estacionaria. Pero, ¿qué ocurre si situamos a la partícula cerca
del punto crítico?
Supongamos que X es un punto crítico de sistema autónomo (15) y que X = X(t) es una
solución que satisface X(0) = X0 . Nos interesa saber cómo se comporta la partícula cuando
X0 está cerca de X , para esto tenemos los siguientes casos:
(i) Si la partícula se aproxima hacia el punto crítico, diremos que el punto crítico es
localmente estable. En este caso se tiene
l m X(t) = X .
t!1

(ii) Si la partícula no se aproxima hacia el punto crítico, diremos que el punto crítico es
inestable.
Especi…camos los casos mencionados
Caso I: Valores propios reales y distintos
Vimos que la solución general es
1t 2t
X (t) = c1 v1 e + c1 v2 e .

33
(a) Ambos valores propios son negativos: Nodo estable o atractor.
Como 1 < 0 y 2 < 0 entonces claramente

l m X(t) = 0.
t!+1

(b) Ambos valores propios positivos: Nodo inestable o repulsor

El análisis es similar. Bajo esta condición jX(t)j queda sin cota cuando t ! +1, es decir,
X(t) diverge cuando t ! +1.

(c) Valores propios con signos opuestos ( 2 <0< 1 ): Punto silla.

1t 2t 1t
X (t) = c1 v1 e + c2 v2 e =e c1 v1 + c2 v2 e( 2 1 )t

El análisis es similar al caso anterior. Cuando c1 = 0, X(t) se aproximará 0 a lo largo de la

recta determinada por el vector propio v2 cuando t ! 1. Si la solución no está sobre esa
recta, la marcada por v1 hace de asíntota para la solución. A pesar de que algunas soluciones
se acercan al origen, el punto crítico es inestable.

Caso II: Valores Propios Complejos: ( 4 = tr 2 4 jAj < 0 )

34
 (a) Raíces imaginarias puras: = bi. El punto crítico (0; 0) se llama centro.

(b) Si = a bi, con a < 0. El punto crítico (0; 0) se denomina un espiral estable.
Si la parte real es positiva, es decir a > 0, diremos que el punto crítico es inestable y la
curva solución es una espiral estable.

x (t) = eat (c1 cos t + c2 sin t) , y (t) = eat (c3 cos t + c4 sin t)

Caso III: Valor Propio Real Repetido

Si A tiene un único valor propio = 1 = 2 6= 0. Tenemos los siguientes casos:
(a) Si existen dos vectores propios v1 y v2 linealmente independientes. La solución general
es
t t t
X (t) = c1 v1 e + c2 v2 e = (c1 v1 + c2 v2 ) e
Si < 0, entonces X(t) tiende a 0 a lo largo de la recta determinada por c1 v1 + c2 v2 y el
punto crítico se llama nodo estable degenerado. Las ‡echas se invierten cuando 1 > 0, y se
llama nodo inestable degenerado.
(b) Si para = 1 tiene un sólo vector propio v1 linealmente independiente. El sistema
X 0 = AX tiene dos soluciones linealmente independientes
t
X1 (t) = v1 e y X2 (t) = (v1 t + v2 ) e t ,

donde v2 es el vector propio generalizado de…nido por (A I) v2 = v1 ; la solución general es

t t t c1 c2
X (t) = c1 v1 e + c2 (v1 t + v2 ) e = te c2 v1 + v1 + v2
t t
Si < 0, entonces X(t) tiende a 0 en una dirección determinada por el vector v1 . Este punto
crítico se llama nodo estable degenerado.

35
 Si > 0, entonces X(t) tiende a 1 en una dirección determinada por el vector v1 . Este
punto crítico se llama nodo inestable degenerado.

Ejemplos.
8
< dx = x
>
1. Resolver dt
> dy
: = y
dt
1 0
Solución. La matriz asociada es A = los valores propios de A son 1 = 1 > 0
0 1
y 2 = 1 < 0, en este caso diremos que (0; 0) es un punto silla. Por otro lado
Z Z
dx dx=dt x dx dy C C
= = , = , ln x = ln y + ln C = ln ,y=
dy dy=dt y x y y x

de donde obtenemos una familia de hiperbolas equiláteras

y 10

-5 -4 -3 -2 -1 1 2 3 4 5
-2 x
-4

-6

-8

-10

-12

Además, sea F : R2 ! R2 de…nida por F (x; y) = (x; y), podemos ver en el grá…co
siguiente el comportamiento del campo vectorial F

36
 y
4

-5 -4 -3 -2 -1 1 2 3 4 5
x
-2

-4

8
< dx = x
>
2. Resolver dt
> dy
: = 2y
dt
1 0
Solución. La matriz asociada es A = los valores propios de A son 1 = 1 > 0
0 2
y 2 = 2 > 0, en este caso diremos que (0; 0) es un nodo inestable. Por otro lado,
Z Z
dx x dx 1 dy 1
= , = , ln x = ln y+ln C = ln Cy 1=2 , x = Cy 1=2 , y = Kx2
dy 2y x 2 y 2

y
6

-5 -4 -3 -2 -1 1 2 3 4
x
-2

-4

-6

Si de…nimos el campo
8
< dx = 2y
>
3. Resolver dt
> dy
: = 12 x
dt
0 2
Solución. La matriz asociada es A = cuyos valores propios son
1=2 0
0 2 2
p( ) = = +1=0) = i
1=2 0

37
 en este caso diremos que (0; 0) es un centro. Por otro lado,
Z Z
dx 2y x2 x2
= 1 , xdx = 4 ydy , = 2y 2 +C , +y 2 = K familia de elipses
dy 2 x 2 4

El campo vectorial es

y
6

-7 -6 -5 -4 -3 -2 -1 1 2 3 4 5 6 7
x
-2

-4

-6

8
< dx = y
>
4. Resolver dt
> dy
: = 2x + y
dt
0 1
Solución. La matriz asociada es A = , cuyo polinomio caracteristico es p ( ) =
2 1
2 2 = ( + 1) ( 2) = 0, en este caso diremos que (0; 0) es un punto silla, y los
1 1
vectores propios son: para 1 = 1, v1 = y para 2 = 2, v2 = por lo
1 2
que la solución es
1 1
X (t) = C1 e t + C2 e2t
1 2

dx
Por otro lado, otra forma de resolver el sistema es haciendo x0 = entonces x00 = y 0 =
dt
2x + y = 2x + x0 , x00 x0 2x = 0, entonces la ecuación auxiliar asociada es

r2 r 2 = (r 2) (r + 1) = 0

dx
luego, la solució es x (t) = C1 e2t + C2 e t. Además, y (t) = = 2C1 e2t C2 e t.
dt

38
 5
y
4

-5 -4 -3 -2 -1 1 2 3 4 5
-1 x
-2

-3

-4

-5

5. Determine la estabilidad del sistema

x0 = x + y
y 0 = cx y

para el caso en que c = 1=4 , 4, 0 y 9.

1 1
Solución. Como la matriz de coe…cientes es A = , entonces tenemos =
c 1
p
2, y =1 c. Así los valores propios son = 1 c.
1
Si c = , = 1=2 < 0 y = 3=2 < 0, asi (0; 0) es un nodo convergente.
4
Si c = 4, = 1 > 0 y = 3 > 0, entonces (0; 0) es un nodo divergente.
Si c = 0, = 1, luego, (0; 0) es un nodo estable degenerado.
Si c = 9, = 1 3i. , luego (0; 0) es un centro.

6. Clasi…car el punto crítico (0; 0) de cada sistema X 0 = AX como un nodo estable, nodo
inestable o un punto silla.

2 3 10 6
(a) A = (b) A =
2 1 15 19

Solución. (a) Puesto que los valores propios son: = 4 > 0, = 1 < 0, luego (0; 0)
es un punto silla. Además, los vectores propios correspondientes son respectivamente:
3 1
v1 = , y v2 = .
2 1
Si X(0) está sobre la recta y = x, entonces X(t) tiende a 0. Para cualquier otra
condición inicial, X(t) queda sin cota en las direcciones determinadas por v1 .
(b) Puesto que los valores propios son = 4 < 0, = 25 < 0, entonces (0; 0) es un
nodo estable. Además, los vectores propios correspondientes son

1 2
v1 = , v2 = :
1 5

39
 7. Determine la condición del parámetro real tal que (0; 0) sea un punto espiral estable
del sistema lineal
x0 = y
y0 = x + y
0 1
Solución. La matriz asociada del sistema lineal es A = , cuyo polinomio
1
caracterítico es
0 1 2
p( ) = = +1
1
p
2 4
cuyas raíces son = , luego <0y 2 4 de donde 2 ]0; 2[.
2

Sistemas no lineales
Una gran variedad de fenómenos naturales son modelados por dos sistemas de ecuaciones
diferenciales de la forma 8
< dx = f (x; y)
>
dt (15)
> dy
: = g (x; y)
dt
donde f y g son funciones no lineales a la vez.
Usualmente pensamos en las variables x e y como variables de posición en el plano xy, y
de t como la variable temporal. La ausencia de la variable t en el lado derecho de (15) hace
que el sistema sea fácil de analizar y su solución facil de visualizar, dicho sistema se denomina
sistema autónomo.
Generalmente asumimos que las funciones f y g son continuamente diferenciables en
alguna región R del plano xy. Luego de acuerdo al teorema de existencia y unicidad, dada t0
y un puto (x0 ; y0 ) de R, existe una única solución x = x (t), y = y (t) de (15) que es de…nida
sobre algún intervalo abierto (a; b) conteniendo a t0 y satisfaciendo las condiciones iniciales

x (t0 ) = x0 , y (t0 ) = y0 .

Las ecuaciones x = x (t), y = y (t) describe una curva solución en el plano fase. Cualquier
curva solución de este tipo es llamada una trayectoria del sistema (15), y precisamente una
trayectoria pasa por cada punto (x0 ; y0 ) de la región R.
De…nición. Un punto de equilibrio del sistema (15) es un punto (x ; y ) tal que

f (x ; y ) = 0 = g (x ; y ) .

Si (x ; y ) es un punto de equilibrio del sistema, entonces las funciones constantes

x (t) x , y (t) y

tiene derivadas x0 (t) 0 y y 0 (t) 0, y por lo tanto automaticamente satisface las ecuaciones
en (15). Tales soluciones constantes es llamada una solución de equilibrio del sistema en
mención.
Nota: a un punto crítico también se le denomina punto: crítico, …jo, de reposo, singular,
etc.

40
Retrato Fase
Si el dato inicial (x0 ; y0 ) no es un punto crítico, entonces la correspondiente trayectoría es
una curva en el plano xy a lo largo el cual el punto (x (t) ; y (t)) se mueve cuando t aumenta.
Podemos exponer cualitativamente el comportamiento de soluciones del sistema autónomo en
(15) mediante la construcción de un plano que muestre sus puntos críticos juntamente con una
colección de soluciones típicas de curvas o trayectorías en el plano xy. Tal plano es llamado
un retrato fase, como ya mencionamos antes, porque ella ilustra las fases o estados xy del
sistema, e indica como ellos cambian con el tiempo.
Interpretación del sistema (15) como campo vectorial
Cuando la variable t se interpreta como el tiempo, decimos que un sistema de ecuaciones
diferenciales es un sistema dinámico y su solución X(t) = (x(t); y(t)) se denomina estado o
respuesta del sistema en el tiempo t. De modo que un sistema dinámico es autónomo cuando la
velocidad X 0 (t) solo depende del estado actual del sistema X(t) y suele llamarse a la solución:
trayectoria u órbita.
El sistema autónomo (15), se puede escribir como un vector V (x; y) = (f (x; y); g(x; y))
que de…ne un campo vectorial en una región del plano. V (x; y) puede interpretarse como la
velocidad de una corriente en la posición (x; y); y una solución puede interpretarse como la
trayectoria de una partícula arrastrada por esa corriente.

Tipos de soluciones
Si f (x; y), g(x; y) y sus derivadas parciales de primer orden son continuas en una región
R del plano xy, entonces una solución del sistema que satisface X(0) = X0 es única y se tiene
uno de los siguientes tres tipos básicos:

1. Solución constante: X(t) = X0 para todo t. Una solución constante se llama punto
crítico o estacionario. Cuando üna partícula"se coloca en un punto crítico X0 y per-
manece allí inde…nidamente, por eso una solución constante también se denomina solu-
ción de equilibrio. Observemos que X 0 (t) = 0 es una solución del sistema de ecuaciones
algebraicas:
f (x; y) = 0 = g (x; y) .

2. Una solución X (t) = (x(t); y(t)) que de…ne un arco o una curva plana, que no se cruza
a sí misma.

3. Solución periódica: Es la que satisface X(t + p) = X(t), donde p es el período de la

solución. Una partícula colocada en la órbita en el punto X(0), por ejemplo, viajará por
la curva hasta regresar al punto de partida en p unidades de tiempo.

Linealización de sistemas no lineales

! !
De…nición. Dado el campo vectorial F : R2 ! R2 con regla de correspondencia F (x; y) =
!
(f (x; y) ; g (x; y)). La matriz Jacobiana de F es de…nida por
0 1
df df
(x; y) (x; y)
B dx dy C
JF (x; y) = @ dg dg A
(x; y) (x; y)
dx dy

Dado el el sistema no lineal (15), entonces linealizamos f y g utilizando el polinomio de

Taylor alrededor de cada punto de equilibrio, es decir,

41
 si (x ; y ) es un punto de equilibrio de (15) entonces

dx @f @f
= f (x; y) f (x ; y ) + (x ; y ) (x x )+ (x ; y ) (y y )+
dt @x @y
y
dy @g @g
= g (x; y) g (x ; y ) + (x ; y ) (x x )+ (x ; y ) (y y )+
dt @x @y
@f @f @g @g
Si hacemos a = (x ; y ), b = (x ; y ), c = (x ; y ) y d = (x ; y ) luego
@x @y @x @y
8
< dx = a (x x ) + b (y y )
>
dt
> dy
: = a (x x ) + d (y y )
dt
Haciendo el cambio de variable (traslación) u = x x y v = y y obtenemos el sistema
linealizado 8
< du = au + bv
>
dt sistema lineal
> dv
: = au + dv
dt
en el plano U V .
Ejemplos.

1. Encontrar los puntos criticos, clasi…carlos y veri…car sus conclusiones por medio del
retrato fase del sistema 8
< dx = x y = f (x; y)
>
dt
> dy
: = x2 y = g (x; y)
dt
Solución. Puntos críticos:
f (x; y) = x y = 0 y=x
) ) (0; 0) , (1; 1)
g (x; y) = x2 y = 0 y = x2

El Jacobiano de F (x; y) = (f (x; y) ; g (x; y))

0 1
df df
(x; y) (x; y)
B dx dy C 1 1
JF (x; y) = @ dg dg A=
2x 1
(x; y) (x; y)
dx dy

1 1
i) Si (x ; y ) = (0; 0) entonces A = JF (0; 0) = los valores propios de A son
0 1
1 =1>0y 2 = 1 < 0 por lo que (0; 0) es un punto silla.
1 1
ii) Si (x ; y ) = (1; 1) entonces B = JF (1; 1) = los valores propios de B son
2 1
2
p ( ) = (1 )( 1 )+2= +1=0) = i

42
 por lo que (1; 1) es un centro.

2. Escriba la ecuación diferencial no lineal de segundo orden: x00 + 4x x3 = 0 en forma de

un sistema autónomo plano y clasi…que sus puntos críticos.
Solución. Sea y = x0 entonces y 0 = x00 = x3 4x. Entonces tenemos el sistema
dx
dt =y
dy
dt = x3 4x

Puntos críticos:
f (x; y) = y = 0 y=0
) ) (0; 0) , (2; 0) , ( 2; 0)
g (x; y) = x3 4x = 0 x x2 4 =0

El Jacobiano de F (x; y) = (f (x; y) ; g (x; y))

0 1
df df
(x; y) (x; y)
B C 0 1
JF (x; y) = @ dx
dg
dy
dg A=
3x2 4 0
(x; y) (x; y)
dx dy

0 1
i) Si (x ; y ) = (0; 0) entonces A = JF (0; 0) = los valores propios de A son
4 0
= 2i
por lo que (0; 0) es un centro.
0 1
ii) Si (x ; y ) = (2; 0) entonces B = JF (2; 0) = los valores propios de B son
8 0

2
p
p ( ) = jB Ij = 8=0) = 2 2

por lo que (2; 0) es un punto silla.

0 1
iii) Si (x ; y ) = ( 2; 0) entonces C = JF (2; 0) = los valores propios de C son
8 0

2
p
p ( ) = jC Ij = 8=0) = 2 2

43
 por lo que ( 2; 0) es un punto silla.

3. Dado el sistema poblacional predador - presa

8
< dx = ax pxy = x(a py)
>
dt
> dy
: = by + qxy = y( b + qx)
dt

donde las constantes a , b, p, y q son positivas.

a) Resolver el sistema
b) Clasi…que los puntos de equilibrios y gra…que el sistema

Solución. (a) Usando la regla de la cadena

dx dx=dt x(a py)

= =
dy dy=dt y( b + qx)
de donde obtenemos una EDO de variable separable
( b + qx)dx (a py) b a
= dy , + q dx = p dy
x y x y
integrando obtenemos
b ln x + qx = a ln y py + K.

(b) Puntos críticos:

(
f (x; y) = x(a py) = 0 x = 0 o y = ap b a
) ) (0; 0) , ; .
g (x; y) = y( b + qx) = 0 y = 0 o x = qb q p

El Jacobiano de F (x; y) = (f (x; y) ; g (x; y))

0 1
df df
(x; y) (x; y)
B C a py px
JF (x; y) = @ dx
dg
dy
dg A=
qy b + qx
(x; y) (x; y)
dx dy

a 0
i) Si (x ; y ) = (0; 0) entonces A = JF (0; 0) = los valores propios de A son
0 b
=a>0y = b<0

44
 por lo que (0; 0) es un punto silla.
!
bp
b a b a 0 q
ii) Si (x ; y ) = ; entonces B = JF ; = aq los valores propios
q p q p p 0
de B son
2
p ( ) = jB Ij = + ab = 0
p b a
de donde = abi, por lo que
; es un centro.
q p
Gra…camos el retrato fase del sistema, en particular para a = 200, p = 4, b = 150 y
q=2

4. Encontrar los puntos criticos, clasi…carlos y veri…car sus conclusiones por medio del
retrato fase del sistema 8
< dx = y 1
>
dt
> dy
: = x2 y
dt
Solución. Puntos críticos:
f (x; y) = x y
)
g (x; y) = x2 y

5. Encontrar los puntos criticos, clasi…carlos y veri…car sus conclusiones por medio del

45
 retrato fase del sistema 8
< dx = xy 2
>
dt
> dy
: = x 2y
dt
Solución. Puntos críticos:
f (x; y) = xy 2
)
g (x; y) = x 2y

6. Dado el sistema en R2
x0 = x
y 0 = 1 x2 y2

Solución. Ejercicio

7. Dado el siguiente modelo de crecimiento de las poblaciones logística y naturalmente en

competencia 8
> dx 1
< =x 3 x y
dt 2
>
: dy = y (4 2x)
dt
Clasi…que los puntos de equilibrios.
Solución. Puntos críticos:
8 (
< 1 1
f (x; y) = x 3 x y =0 x=0_x+ y =3
2 ) 2 ) (0; 0) ; (3; 0) ; (2; 2)
: y = 0 _ 4 2x = 0
g (x; y) = y (4 2x) = 0

46
 de donde obtenemos los puntos de equilibrios (0; 0) ; (3; 0) ; (2; 2).
1 1 !
3 2x y x
La matriz Jacobiana es: J (x; y) = 2 2 y enseguida, analizamos
2y 4 2x
cada punto de equilibrio:
3 0
i.) Si A = J (0; 0) = sus valores propios son: 1 = 3 > 0, 2 = 4 > 0, tenemos
0 4
nodo divergente en (0; 0).
3 3=2
ii.) Si B = J (3; 0) = sus valores propios son: 1 = 3 < 0, 2 = 2 < 0,
0 2
tenemos nodo convergente en (3; 0).
2 1 p
iii.) Si C = J (2; 2) = , sus valores propios son: 1 = 5 1 > 0, 2 =
4 0
p
5 1 < 0, entonces (2; 2) es punto silla.

5
y
4

-5 -4 -3 -2 -1 1 2 3 4 5
-1 x
-2

-3

-4

-5

8. Dado el siguiente modelo poblacional

8
< dx = x (3
>
x 2y)
dt
> dy
: = y (2 x y)
dt

Clasi…que los puntos de equilibrios y esboce el campo vectorial del sistema.

Solución. Puntos de equilibrios: resolvemos el sistema

x (3 x 2y) = 0 x = 0, x + 2y = 3
) ;
y (2 x y) = 0 y = 0, x + y = 2

de donde obtenemos: (1; 1) ; (0; 2) ; (0; 0) ; (3; 0).

3 2x 2y 2x
La matriz Jacobiane es J (x; y) = , luego analizamos cada
y 2 x 2y
punto de equilibrio:

47
 3 0
i.) Si A = J (0; 0) = , entonces 1 = 3 > 0, 2 = 2 > 0, asi (0; 0) es un nodo
0 2
divergente.
1 0
ii.) Si B = J (0; 2) = , sus valores propios son: 1 = 1 < 0, 2 = 2 < 0,
2 2
luego (0; 2) nodo convergente
3 6
iii.) Si C = J (3; 0) = , sus valores propios son: 1 = 3 < 0, 2 = 1 < 0,
0 1
entonces (3; 0) es nodo convergente.
1 2 p
iv.) Si D = J (1; 1) = , sus valores propios son: 1 = 2 1 > 0, 2 =
1 1
p
2 1 < 0, asi (1; 1) es un punto silla.

5
y
4

-5 -4 -3 -2 -1 1 2 3 4 5
-1 x
-2

-3

-4

-5

48
 Problemas Propuestos

1. Resolver X 0 = AX, donde

1 3
a) A =
3 7
3 4
b) A =
2 1
0 1
1 1 1
c) A = @ 2 1 1 A
0 1 1
0 1
3 0 2
d) A = @ 1 1 0 A
2 1 0

X 0 = AX
2. Resolver el problema de valor inicial , donde
X (0) = X0

1 3 x 3
a) A = , X= y X0 = .
3 1 y 1
0 1 1 00 1
0 1 1 x 1
b) A = @ 1 0 1 A, X = @ y A y X 0 = @ 4 A.
1 1 0 z 0
0 1 0 1 0 1
0 1 2 x 1
c) A = @ 1 0 2 A, X = @ y A y X 0 = @ 3 A.
0 2 3 z 0

3. Resolver la ecuación del oscilador armónico x00 + x = 0, usando un sistema de ecuaciones

diferenciales lineales.
x0 = y,
4. Resolver , transformando dicho sistema en una EDO de segundo orden.
y 0 = 2x + y

5. Modelo de cooperación de especies (simbiosis). Considere el modelo simbiótico gobernado

por 8
>
> dx 1
< dt = 2 x + y
>
dy 1 1
>
> = x y
>
: dt 4 2
x (0) = 200 y y (0) = 500

a) Determine la población de cada especie para t > 0.

x (t)
b) Calcule l m X (t), donde X = . Interprete su respuesta.
t!+1 y (t)

6. Resolver el problema de valor inicial

8
>
> dx=dt = 3x 2y
<
dy=dt = x + 3y 2z
>
> dz=dt = y + 3z
:
x (0) = 0, y (0) = 2 y z (0) = 6

49
 7. Considere el modelo depredador - presa, gobernado por
8 0
< x1 (t) = x1 (t) + 3x2 (t)
x0 (t) = 3x1 (t) + x2 (t)
: 2
x1 (0) = 2, x2 (0) = 4

a) Determine la población de cada especie para t > 0.

b) En qué tiempo aproximado la especie presa es eliminada.

8. Dos tanques que contienen cada uno 100 litros de líquido se encuentran interconectados
por medio de dos tubos. El líquido ‡uye del tanque A hacia el tanque B a razón de 4
lit/min, y de B hacia A a razón de 1lit/min. El líquido contenido en el interior de cada
tanque se mantiene se mantiene bien agitado. Hacia el tanque A ‡uye agua pura a razón
de 3 lit/min, y la solución ‡uye hacia afuera del tanque B a 3 lit/min. Si inicialmente el
tanque A contiene 10 kg de sal y el tanque B no contiene sal (solamente agua).
Exprese el modelo matemático para este problema en el instante t 0.

9. Resolver X 0 = AX + f (t) donde

1 8 e t
a) A = y f (t) =
1 1 tet
1 2 tan t
b) A = y f (t) =
1 1 1
0 1 01
3 1 1 0
c) A = @ 1 1 1 A y f (t) = @ t A
1 1 1 2et

10. Resolver los siguientes problemas de valor inicial

1 1 e2t 2
a) X 0 = X+ , X (0) =
1 3 2e2t 1
1 1=t
1 2
b) X 0 = ,
X+ X (1) =
1 1=t
1 1
0 1 0 2t
1 0 1
1 2 0 2te 2
0
c) X = @ A
0 1 2 X+ @ 0 A , X (0) = @ 1 A
0 0 1 0 0

11. Determine la condición del parámetro real tal que (0; 0) sea un punto espiral estable
del sistema lineal
x0 = y
y0 = x + y

12. Supongamos que las poblaciones (Predador-Presa) satisfacen las ecuaciones

8
< dx = x (1 2y)
>
dt
> dy
: = y (x 1)
dt
a) Resolver el sistema.
b) Clasi…que cada punto estacionario y dibuje el retrato fase del sistema.

50
13. Escriba la ecuación diferencial no lineal de segundo orden respectiva en forma de un
sistema autónomo plano. Determine todos los puntos críticos

a) x00 + 9 sen x = 0 (b) x00 + (x0 )2 + 2x = 0

14. El crecimiento de una burbuja de vapor durante el proceso de ebullición lo rige la ecuación
diferencial
2 00 2 1
xx + x0 = 1 ,
3 x
donde x es el radio de la burbuja. De…na una nueva variable y, mediante y = x0 . Escriba
la ecuación de crecimiento de la burbuja como un sistema y determine el o los puntos
críticos del sistema e identi…que puntos silla o centros y esbozar el retrato fase.
15. Dado el sistema 8
< x0 = dx = y 2
>
dt
> y 0 = dy = 2 x
:
dt 3

y0 dy
a) Haga el cambio de variable 0 = para transformar el sistema en una ecuación
x dx
diferencial ordinaria de primer orden y luego resolverla.
b) Esboze el diagrama fase de la solución de la ecuación diferencial de la parte (a).

16. Dado el modelo depredador-presa

8
< dx = x (a bx my)
>
dt
> dy
: = y (a by nx)
dt
clasi…car los puntos de equilibrios y luego hacer un esbozo, en un mismo plano, del
retrato fase.
17. Sobrevivencia de una especie. Supongamos que las poblaciones x (t) y y (t) satisfacen
las ecuaciones 8
< dx = 14x 1 x2 xy
>
dt 2
> dy
: = 16y 12 y 2 xy
dt
estudiar la estabilidad en cada punto crítico.
18. Supongamos que las poblaciones x (t) y y (t) satisfacen las ecuaciones
8
< dx = 3x x2 1 xy
>
dt 2
> dy
: = 4y 2xy
dt
estudiar la estabilidad en cada punto estacionario y dibuje el retrato fase del sistema.
19. Dado el sistema Predador-Presa
8
< dx = x2 2x xy
>
dt
> dy
: = y 2 4y + xy
dt
donde x (t) es la presa y y (t) el predador. Estudiar la estabilidad en cada punto esta-
cionario y dibuje el retrato fase del sistema.

51
20. Dado el siguiente modelo poblacional
8
< dx = x (3
>
x 2y)
dt
> dy
: = y (2 x y)
dt

Clasi…que los puntos de equilibrios y esboce las trayectorias del sistema.

52