Académique Documents
Professionnel Documents
Culture Documents
ECUACIONES DIFERENCIALES
ORDINARIAS
Apunte de curso
AXEL OSSES
Centro de Modelamiento Matematico
Departamento de Ingeniera Matematica
axosses@dim.uchile.cl
JUAN PEYPOUQUET
Departamento de Ingeniera Matematica
jpeypou@dim.uchile.cl
con la colaboraci
on de FELIPE ALVAREZ
Departamento de Ingeniera Matematica
falvarez@dim.uchile.cl
Indice general
Captulo 1. Introduccion
1. Motivacion
2. Definiciones basicas y nocion de solucion de una EDO
3. Los teoremas de existencia y unicidad
1
1
5
10
15
16
29
40
49
49
52
60
66
78
87
87
92
98
105
111
111
113
116
124
129
157
159
165
168
175
186
Indice general
Captulo 1
Introducci
on
1.
Motivaci
on
CA0
CB0
CA(t)
t=0
CB(t)
t>0
1. INTRODUCCION
CB
M
CA
t
Figura 2. Evolucion de las concentraciones durante la
osmosis. La asntota es el promedio de las concentracioC 0 +C 0
nes de ambos medios M = A 2 B .
CA (t)) en funcion del tiempo, experimentalmente resulta una recta de
pendiente negativa . Una hipotesis razonable es entonces un ajuste
exponencial de CA (t) a la asntota de ordenada M, esto es,
(1)
ln(M CA (t)) = t + C
CA (t) = M K et ,
CA (0) = CA0
K = M CA0 .
CA (t) = M (M CA (0))et .
Pero hay alguna ley o principio que explique este fenomeno? La idea
fundamental consiste en estudiar si existe una relacion simple entre la
concentracion CA (t) y su aumento CA (t). Veamos:
CA (t) = Ke t
= Ke t + M M
= (M (M Ke t ))
esto es
(4)
CA (t) = (M CA (t)).
1. MOTIVACION
1. INTRODUCCION
z2
x2
+
= 1.
C
2C
DE SOLUCION
DE UNA EDO
2. DEFINICIONES BASICAS
Y NOCION
La familia G esta integrada por todas las elipses que estan centradas
en el origen con la propiedad de que el cuadrado del semieje horizontal
es el doble del cuadrado del semieje vertical.
Ejemplo 1.1. Otro tipo de problemas geometricos son los del tipo
curvas de persecucion como el siguiente. Una tractriz es una curva con
la siguiente propiedad: Si la tangente a la curva por un punto P corta
al eje OY en un punto Q, entonces la distancia entre P y Q permanece
constante. Notemos que si las ruedas delanteras de un auto se mueven
sobre una lnea recta que no es paralela a su eje longitudinal, entonces
las ruedas traseras describen una tractriz pues la distancia entre las
ruedas delanteras y las traseras permanece constante.
Ahora bien, si P = (x, y) entonces la ordenada Qy del punto Q
satisface
y Qy
= y (x);
es decir,
y Qy = xy (x).
x0
Si la distancia entre P y Q es constante, tambien lo es su cuadrado.
Por lo tanto,
(x 0)2 + (y Qy )2 = C
h
i2
2
2
x + x y (x)
= C
h
i2
x2 1 + y (x)
= C,
Tractriz.
OY
2.
Definiciones b
asicas y noci
on de soluci
on de una EDO
Una ecuaci
on diferencial ordinaria (abreviada EDO) es una
identidad de la forma
F (x, y(x), y (x), y (x), . . . , y (n) (x)) = 0,
1. INTRODUCCION
(5)
ai (x) =
ai (x)
, i = 0, . . . , n 1,
an (x)
Q(x) =
Q(x)
an (x)
DE SOLUCION
DE UNA EDO
2. DEFINICIONES BASICAS
Y NOCION
orden de la EDO
Q(x) = 0
homogenea
Q(x) 6= 0
no homogenea
i, ai = cte
coeficientes constantes
an = 1
normalizada
i, ai = ai (x)
coeficientes variables
Pn
i=0
ai y (i) = Q.
los extremos, entenderemos que las nociones de continuidad y diferenciabilidad en dicho punto son laterales.
Sean I un intervalo y n N. Decimos que una funcion y : I R es
de clase C n en I si las derivadas de y hasta el orden n existen y son
continuas en I (entenderemos que la derivada de orden 0 es la propia
funcion y). Denotamos por C n (I) el conjunto de las funciones que son de
clase C n en I. Es facil ver que dicho conjunto es un espacio vectorial con
las operaciones usuales de suma y ponderacion por escalar. Observemos
que cada funcion y C 0 (I) define una trayectoria o curva en I R:
{(x, z) | x I, z = y(x)}.
Consideremos ahora una funcion F : I Rn+1 R. La primera
nocion de solucion que estudiaremos es la siguiente. Diremos que una
funcion y : I R es soluci
on o que define una curva integral de
la ecuacion diferencial
F (x, y, y , y , . . . , y (n) ) = 0
en el intervalo I si y C n (I) y
F (x, y(x), y (x), y (x), . . . , y (n)(x)) = 0
para todo x I. En lo sucesivo no haremos distincion entre las curvas
integrales y las funciones que las definen. Por otra parte, la soluci
on
general de una ecuacion diferencial es una expresion que agrupa, de
manera compacta y explcita, la familia de todas las soluciones.
Ejemplo 1.5. Consideremos la ecuacion diferencial y (x) = 0 en un
intervalo I. Recordemos que la derivada de una funcion en un intervalo
es cero si, y solo si, la funcion es constante. Por lo tanto, la solucion
general de la ecuacion es
y(x) = C
con
C R.
1. INTRODUCCION
DE SOLUCION
DE UNA EDO
2. DEFINICIONES BASICAS
Y NOCION
1. INTRODUCCION
10
y explota cerca
y 0
y0
lmy0
= .
Para probar la unicidad de solucion para el problema de Cauchy
necesitaremos que el cuociente en el lmite anterior se mantenga acotado cerca del punto.
3.
Sean f : I R R una funcion y L > 0. Decimos que f es globalmente Lipschitz con respecto a la segunda variable, con constante L,
si para cada y1 , y2 R y para cada x I se tiene
(6)
11
12
1. INTRODUCCION
siempre que y, z [y0 r, y0 +r] (no hay restriccion del tipo |xx0 | ).
Calculemos los valores de M y 0 que da el Teorema 1.2 para saber
donde tenemos garantizada la existencia de una u
nica solucion.
M = max{y 2 | |y y0 | r}
= (y0 + r)2 .
Por otra parte, 0 = r(y0 + r)2. Pero como todo lo anterior es valido
para cualquier r > 0 podemos tomar
r
1
0 = max
.
=
r>0 (y0 + r)2
4y0
Todo lo anterior nos dice que existe una u
nica solucion y esta definida,
al menos, en el intervalo ( 4y10 , 4y10 ).
Por otra parte, observemos que y(x) =
1
x+ y1
es la solucion de la
ecuacion (en el captulo siguiente veremos como deducir esto). En realidad ella esta definida en el intervalo ( y10 , ), que es mas grande de
lo que predice el Teorema 1.2. Observemos, sin embargo, que el punto
donde y deja de existir esta mas cerca de x0 = 0 cuando mas grande
sea y0 .
Ejemplo 1.10. Retomando el Ejemplo 1.7, notemos que la funcion
13
Los teoremas 1.1 y 1.2 siguen siendo ciertos si F es solo continua por
pedazos (ver definicion precisa en la seccion 1). Sin embargo, la solucion
y es solo continua por pedazos (se suele decir que y es C 1 por pedazos).
Captulo 2
M
etodos b
asicos para la resoluci
on de EDO
En este captulo estudiaremos algunas tecnicas que nos permitiran
determinar las curvas integrales para una gran cantidad de EDO. Comenzaremos por analizar cuatro tipos de ecuaciones de primer orden
que llamaremos elementales:
EDO con integracion directa: y = f (x).
EDO a variables separables: y = f (x)g(y).
EDO lineal de primer orden homogenea: y + a0 (x)y = 0.
EDO lineal de primer orden no homogenea: y + a0 (x)y = Q(x).
Posteriormente estudiaremos algunas ecuaciones de primer y segundo orden que pueden reducirse a casos elementales. Finalmente daremos
una breve introduccion a metodos numericos sencillos que permiten
aproximar la solucion de una EDO.
Nos enfocaremos en la resolucion de las ecuaciones sin ser demasiado rigurosos en los aspectos teoricos que justifican los calculos pues
esto u
ltimo sera tratado con mas profundidad en captulos posteriores.
Recordemos primero el siguiente resultado, conocido como el Teorema Fundamental del Calculo (TFC):
Teorema 2.1 (TFC). Sea f integrable en [a, b], entonces, dado
x0 [a, b] e y0 R, la funcion y, definida por
y(x) = y0 +
f (s)ds,
x0
1Derivable
16
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
17
1
para x 6= 0.
x
dx
+ C = ln(|x|) + C = ln(|x|) + ln(k) = ln(k|x|).
x
y (s)ds =
f (s)ds.
x0
x0
Detengamonos
R xaqu para comparar (10) y (11). Esta claro que la funcion F (x) = x0 f (s)ds en (11) es una primitiva bien particular de f :
aquella que cumple F (x0 ) = 0. Entonces la constante C en (10) deja
de ser arbitraria y se tiene que C = y(x0 ). Esto nos dice que el problema de Cauchy asociado tiene una u
nica solucion para cada condicion
inicial.
En las ecuaciones de primer orden que estudiaremos en este curso,
siempre podremos determinar la constante arbitraria si conocemos el
valor de la funcion en un punto del intervalo2.
2Para
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
18
1.2. EDO en variables separables. Una EDO en variables separables tiene la forma:
(12)
y = f (x)g(y).
1
g
y F es una
G(y) = F (x) + C.
Si queremos una formula explcita para las curvas integrales debemos
despejary en funcion de x en la relacion anterior3. Si no se puede
despejar y, las soluciones quedan expresadas de manera implcita o
parametrica (ver Ejemplo 2.6).
Ejemplo 2.4. Analicemos la ecuacion
y = xy.
Aqu f (x) = x y g(y) = y. Observemos primero que la funcion nula
y(x) 0 define una curva integral de la EDO. Si y 6= 0 hacemos
Z
Z
dy
= x dx + C.
y
Tenemos entonces que
x2
+ C,
2
de donde
2
x2
x
|y| = exp
+ C = ke 2 ,
2
C
dnode k = e > 0. Eliminando el modulo y considerando los posibles
valores positivos y negativos vemos que todas las curvas integrales son
de la forma
x2
y = ke 2 ,
con k R (el valor k = 0 nos da la solucion nula).
ln(|y|) =
3El
Teorema de la Funci
on Implcita, que se estudia en el curso de Calculo en
Varias Variables, da las condiciones para que esto sea posible.
19
y = arctan(x + C).
2
3
2
Para el problema de Cauchy, veamos ahora como funciona el metodo
con integrales definidas. Si se integra entre x0 I y x I a ambos
lados de (12), se tiene que
Z y(x)
Z x
dy
=
f (x)dx.
y(x0 ) g(y)
x0
20
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
1
g
y =
y
Z
Z
y
p
dy =
dx + C.
k2 y
2
4
sen 2
2
x = 2k
C.
2
4
x =
21
0.2
0.4
0.6
0.8
0.5
1.5
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
22
K > 0 constante.
y =
y (g y )2 =
3y y =
(y )2
3
g y
2(g y )y y + y (y )2
3
(g y )2
6(g y )y y + 3y (y )2
(g y )(g y 6y ) = (g y )(g 7y ).
gt
.
7
gK
t m2/3 ,
7
23
a1 (x)y + a0 (x)y = 0.
a0 (x)
, a1 (x) 6= 0
a1 (x)
y = a0 (x)y.
Presentaremos dos enfoques:
Variables separables: Claramente la funcion nula y(x) 0 define
una curva integral para esta EDO. Para los valores donde y 6= 0, notamos que la EDO (1.3) es de la forma y = f (x)g(y) con f (x) = a0 (x) y
g(y) = y. As
Z
ln(|y|) = a0 (x)dx + C
Z
|y| = k exp a0 (x)dx , k > 0
Z
y = k exp a0 (x)dx
con k R, incluyendo la solucion nula.
24
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
R
Factor integrante: Definimos (x) = exp a0 (x)dx y observamos que (x) = a0 (x)(x). Si multiplicamos la ecuacion por (x)
obtenemos
(x)y (x) + a0 (x)(x)y(x) = 0
(x)y (x) + (x)y(x) = 0
((x)y(x)) = 0,
con lo cual el producto (x)y(x) es constante y as
Z
k
y(x) =
= k exp a0 (x)dx
(x)
con k R, como antes. Este enfoque es la clave para resolver las
ecuaciones lineales no homogeneas.
Ejemplo 2.8. Encontremos las curvas integrales de la ecuacion
y cos x + cos1 x y = 0, x 6= 2 + k usando el metodo de separacion de
variables. Tenemos que
y +
1
y
cos2 x
y
Z
dy
y
ln(|y|)
y
= 0
= y sec2 x
Z
= sec2 xdx + C
= tan x + C
= k exp( tan x),
con k R.
25
(x)
Si a1 (x) 6= 0 podemos normalizar a0 (x) = aa10 (x)
, Q(x) = aQ(x)
y reescri1 (x)
bir la ecuacion como
y + a0 (x)y = Q(x).
Si multiplicamos
ambos
R
lados de la ecuacion por el factor integrante
(x) = exp a0 (x)dx obtenemos
((x)y(x)) = (x)Q(x)
Z
(x)y(x) =
(x)Q(x)dx + C
Z
1
C
(x)Q(x)dx.
+
y(x) =
(x) (x)
El primer termino del lado derecho,
Z
C
= C exp a0 (x)dx
yh (x) =
(x)
se llama soluci
on homogenea. Aunque se habla de la solucion homogenea,
en realidad se trata de una familia de soluciones, indexadas por la constante C. El segundo termino,
Z
1
yp (x) =
(x)Q(x)dx
(x)
Z
Z
Z
= exp a0 (x)dx
exp
a0 (x)dx Q(x)dx
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
26
CA (t) =
CA (t) , con > 0.
2
CA0 + CB0
= M, se tiene
2
CA + CA = M
Z
Z
Z
CA exp
dt + CA exp
dt
= M exp
dt
CA et + CA et = Met
CA et
= Met
Z
t
CA e
=
Met dt + C
t
CA = Ce
Z
+ Me
et dt
1 t
e , se tiene que
CA (t) = Cet + M
con C R. El resultado es una familia de curvas (indexadas por el
parametro C). Si evaluamos en el tiempo inicial t = 0, se puede encontrar el valor de la constante C, es decir, CA (0) = C + M y CA (0) = CA0 .
C 0 CB0
Luego C = CA0 M = A
. Por lo tanto, la solucion es
2
0
CA CB0
C 0 + CB0
CA (t) =
et + A
2
2
y como
et dt =
27
kt
kt
sen(t)e
dt
cos(t)e
+
sen(t)ekt .
=
k2
k2
k
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
28
10
9
8
7
6
5
k=3
k =2
3
k =1
2
1
0
0
10
ekt
2
sen(t) cos(t) .
sen(t)ekt dt =
1+ 2
k
k
k
Z
Ak
kt
kt
e sen(t) cos(t) . Por lo
Luego,
A sen(t)e dt = 2
k + 2
k
tanto (16) queda de la forma
Ak 2
cos(t)
.
k + 2
k
Si consideramos sen =
escribir
T (t) = Cekt + TA0 +
k
y cos =
podemos
2
2
k + 2
+
k2
Ak
(sen(t) cos() cos(t) sen()).
{z
}
k2 + 2 |
sen(t)
Ak
kt
0
Finalmente, T (t) = Ce
| {z } + TA + k 2 + 2 sen(t ). Las variayh
|
{z
}
yp
ciones de la temperatura del mar se encuentran asintoticamente retrasadas o con desfase positivo con respecto a las del ambiente (ver
Figura 3). Ademas, notar que la amplitud asintotica de la temperatura
29
21
20
19
18
17
16
0
10
12
w
k
2.
Veremos ahora algunas ecuaciones diferenciales que se pueden reducir a casos elementales mediante un cambio de variables.
2.1. Ecuaciones homog
eneas. Sean f : R2 R una funcion
de dos variables y k N. Se dice que f es homog
enea de grado k si
k
f (x, y) = f (x, y) para cada , x, y R. Observemos que si f y g
(x,y)
son homogeneas de grado k entonces el cuociente fg(x,y)
puede escribirse
30
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
=
h
g(x, y)
g(x 1, x xy )
xk g(1, xy )
g(1, xy )
x
.
y =h
x
Para resolverlas hacemos el cambio de variable z = xy , que reescribimos como y = xz de manera que y = xz + z. Tenemos entonces
que xz + z = h(z), de donde
h(z) z
,
x
que es una ecuacion en variables separables.
z =
.
z =
z =
x 1z
x 1z
Para resolver esta ecuacion en variables separables hacemos
1z
1
z =
2
1+z
x
Z
Z
Z
zdz
dx
dz
=
2
2
1+z
1+z
x
1
arctan(z) ln(1 + z 2 ) = ln |x| + C.
2
Si ahora deshacemos el cambio de variables obtenemos la solucion expresada de manera implcita:
r
y
y2
arctan
ln 1 + 2 = ln |x| + C.
x
x
31
dy
= b sen a.
dt
dy
dy dx
=
. Recordando
dx dt
dt
b sen a
b cos
a + b
=
b
y 2 +x2
x
y 2 +x2
p
a x2 + y 2 by
.
=
bx
32
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
Esta u
ltima ecuacion es homogenea. Hacemos el cambio de variable
z = xy xz + z = y . Recordando que x e y son positivas tenemos que
a
xz + z =
1 + z2 + z
b
z
a
=
bx
1 + z2
Z
dz
a
ln x + C.
=
b
1 + z2
a
ln(z + 1 + z 2 ) = ln(kx) b
a
z + 1 + z 2 = (kx) b
2a
1 + z 2 = (kx) b 2z(kx) b + z 2 .
Ecuaci
on de Bernoulli. La ecuacion de Bernoulli es de la
y + p(x)y = q(x)y n
con n 6= 0, n 6= 1.
Se realiza el cambio de variable z = y 1n z = (1 n)y n y . Multiplicando (1 n)y n a ambos lados de la ecuacion, queda
(1 n)y n y + p(x)(1 n)y 1n = (1 n)q(x)
z + p(x)(1 n)z = (1 n)q(x),
que resulta ser una ecuacion lineal no homogenea de primer orden normalizada.
Ejemplo 2.14 (Modelo Logstico de poblacion). El modelo logstico se basa en el siguiente principio:
El aumento de una poblacion es proporcional al producto
entre la poblacion misma y su diferencia respecto a un
33
(17)
Z s
Z t
Z t
1
1
+
exp
= exp
M(s)ds (s)ds .
M(s)ds
P
P0
0
0
0
Reordenando se obtiene
(18)
P =
P0 M
.
P0 + (M P0 ) exp(M t)
Ecuaci
on de Riccati. La ecuacion de Riccati es de la forma
y = p(x)y 2 + q(x)y + r(x).
1
Se realiza el cambio de variable y = y1 + , donde y1 es alguna solucion
z
conocida (por ejemplo facil de calcular) de (19). Derivando con respecto
z
a x se tiene y = y1 2 y reemplazando en (19),
z
2
z
1
1
+ r(x)
y1 2 = p(x) y1 +
+ q(x) y1 +
z
z
z
y1 p(x)
q(x)
z
+ r(x)
y1 2 = p(x)y12 + 2p(x) + 2 + q(x)y1 +
z
z
z
z
z
y1 p(x) q(x)
y1 2 = [p(x)y12 + q(x)y1 + r(x)] + 2p(x) + 2 +
z
z
z
z
z = 2p(x)y1 z p(x) q(x)z,
de donde
z + (2p(x)y1 + q(x))z = p(x),
34
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
1
1
z
=2+ ,
y = 2 .
z
z
z
Sustituyendo en la ecuacion obtenemos
2
z
1
1
2 = 2 2 +
+ 2+
z
z
z
1
4
1
z
2 = 2 2 + 4 + + 2
z
z
z z
z = 3z + 1.
y = y1 +
1
Ce3x
1,
3
con
C R.
35
p = 1 + kxex
con
k R.
En terminos de y esto es una ecuacion con integracion directa
y = 1 + kxex
y = x + k(x 1)ex + K
con
k, K R.
36
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
2
Esto es my = ky. Es decir, y +w y = 0, con w =
. Si z = y
m
dz
entonces z = y y la ecuacion se reescribe como
dy
dz
z + w2y = 0
dy
dz
z = w 2 y.
dy
Integrando con respecto a la variable y vemos que
Z
Z
2
ydy + C
zdz = w
y2
z2
= w 2 + C
2
2
2
2 2
(y ) = w y + 2C
p
2C w 2 y 2 .
y =
wy
2Ct +
arc sen
=
2C
wy
= sen( 2Ct + )
2C
2C
sen( 2Ct + ) con C, R.
y =
w
37
k
m
y
Figura 6. Sistema mecanico de un resorte y una masa.
Ejemplo 2.18 (Cadena cayendo). Para el sistema de la segunda
figura, el largo de la cadena es L y su densidad es [masa / largo], por
lo tanto la EDO que lo describe es
Definiendo =
Ly = gy
g
y y = 0.
L
g
se tiene la EDO y 2 y = 0. El mismo cambio
L
de variable nos da
dz
z 2y
dy
dz
z
dy
z2
2
z
y
Esto es
= 0
= 2y
y2
= 2 + C
p2
2 y 2 + 2C
=
p
= y 2 + a2
p
dy
con
a=
2C
.
2
= dt = t + .
y 2 + a2
Haciendo el cambio de variable y = a senh en el lado izquierdo,
Z
a cosh
d = t +
a cosh
= t + .
Por lo tanto, y = a senh(t + ), con R constante.
38
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
Figura 7. Sistema mecanico de una cadena bajo el efecto de g con un extremo cayendo.
2.6. Otros casos. En ocasiones es posible reducir una ecuacion
complicada a otra mas simple mediante un cambio de variables. No hay
una regla general para determinar el cambio correcto, de modo que la
experiencia es clave.
Ejemplo 2.19. La ecuacion
y = (x + y)2
es de Ricatti. Sin embargo, para aplicar el metodo descrito mas arriba es
necesario conocer una solucion particular, lo que puede no ser evidente.
Otra opcion es usar el cambio w = x + y. Esto nos da w = 1 + y y la
ecuacion se transforma en
w = w 2 + 1,
que es una ecuacion en variables separables. Para hallar la solucion
general hacemos
Z
Z
dw
= dx,
w2 + 1
con
C R.
cos(x + y + 1)
1 cos(x + y + 1)
39
con
C R.
1
y (x)
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
40
3.
Aproximaci
on de la soluci
on mediante m
etodos
num
ericos
x0
x1
x2
x3
X0
Soluci
on exacta y su aproximacion en el intervalo [x0 , X0 ].
3. METODOS
NUMERICOS
41
por el area del rectangulo con base en el segmento [x0 , x1 ] y cuya altura esta dada por el valor del integrando en el extremo izquierdo del
intervalo [x0 , x1 ]. Tenemos que
Z x1
f (s, y(s))ds (x1 x0 )f (x0 , y(x0)),
y(x1 ) y(x0 ) =
x0
de donde
y(x1 ) y(x0 ) + hf (x0 , y(x0)) = y0 + hf (x0 , y(x0 )).
Esto sugiere definir
y1 = y0 + hf (x0 , y0)).
Inductivamente, para n = 1, . . . , N 1 definimos
(21)
yn+1 = yn + hf (xn , yn ).
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
42
dn
xn
Metodo de Euler progresivo:
R xn+1
xn
xn+1
f (s, y(s))ds dn (xn+1 xn ).
M
etodo de Euler retr
ogrado: Esta vez aproximamos la integral
utilizando el valor del integrando en el extremo derecho de cada subintervalo. Para n = 0, . . . , N 1 definimos
(22)
lo que equivale a
yn+1 yn
= f (xn+1 , yn+1).
h
Se dice que este es un metodo implcito pues es necesario resolver
la ecuacion (22), que generalmente es no lineal, para determinar yn+1.
Este proceso puede ser difcil, lo cual representa una desventaja de
este metodo. Sin embargo, el metodo de Euler retrogrado (y los metodos implcitos en general) goza de mejores propiedades de estabilidad,
concepto que presentaremos mas adelante.
dn+1
xn+1
xn
Metodo de Euler retr
ogrado:
R xn+1
xn
3.2. M
etodos de segundo orden. Los metodos de segundo orden utilizan dos aproximaciones sucesivas para calcular la integral, basadas en el valor del integrando en dos puntos distintos del subintervalo.
3. METODOS
NUMERICOS
43
Los que presentamos a continuacion son casos especiales de los llamados Esquemas de Runge-Kutta.
M
etodo de Euler modificado: Tambien se basa en una aproximacion
de la integral por un rectangulo, pero esta vez se toma el valor del
integrando en el punto medio del subintervalo x
bn+1 = xn + h2 . Dicho
valor es f (b
xn+1 , y(b
xn+1)). Es necesario estimar el valor de y(b
xn+1), para
lo cual se utiliza el metodo de Euler progresivo (en lugar de resolver una
ecuacion no lineal). As, cada iteracion del algoritmo tiene dos etapas.
Primero calculamos
h
ybn+1 = yn + f (xn , yn ),
2
xn
Metodo de Euler modificado:
x
bn+1
R xn+1
xn
xn+1
f (s, y(s))ds cn+1 (xn+1 xn ).
M
etodo de Heun: En esta ocasion utilizamos la regla de los trapecios
para aproximar la integral:
Z xn+1
i
hh
f (xn , yn ) + f (xn+1 , yn+1) .
f (s, y(s))ds
2
xn
Al igual que en el metodo de Euler modificado, estimaremos el valor
de y(xn+1) usando el metodo de Euler progresivo. As, definimos
y luego calculamos
ybn+1 = yn + hf (xn , yn )
yn+1 = yn +
i
hh
f (xn , yn ) + f (xn+1 , ybn+1 ) .
2
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
44
dn+1
dn
xn+1
xn
Metodo de Heun:
R xn+1
xn
f (s, y(s))ds
1
2 (dn+1
+ dn )(xn+1 xn ).
ex y = x + C,
C R.
y(x) = ex (x + 1).
Veamos ahora como funcionan los metodos descritos arriba. Para ello
dividimos el intervalo [0, 1] en 20 subintervalos de longitud 0, 05. La
siguiente tabla muestra los valores que da la ecuacion diferencial (ED)
mediante la formula (23), los metodos de Euler progresivo (EP), de
Euler retrogrado (ER), de Euler modificado (EM) y de Heun (H), junto
con los errores cometidos al aplicar cada metodo.
3.3. Estabilidad. A grandes rasgos, un metodo es estable en la
medida en que los valores que entrega se mantienen cerca de la curva
integral que se pretende aproximar. Es decir, si el error en = |yn y(xn )|
es peque
no. Hay diferentes criterios de estabilidad, pero nosotros nos
centraremos en la llamada estabilidad asintotica, que tiene que ver
con el comportamiento a largo plazo.
3. METODOS
NUMERICOS
45
ED
EP
Error
ER
Error
EM
Error
Error
0
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.55
0.60
0.65
0.70
0.75
0.80
0.85
0.90
0.95
1
1
1.104
1.216
1.336
1.466
1.605
1.755
1.916
2.089
2.274
2.473
2.687
2.915
3.161
3.423
3.705
4.006
4.328
4.673
5.042
5.437
1
1.100
1.208
1.323
1.447
1.581
1.724
1.878
2.043
2.219
2.409
2.612
2.829
3.061
3.310
3.577
3.861
4.166
4.491
4.838
5.210
0
0.004
0.008
0.013
0.018
0.024
0.031
0.038
0.046
0.055
0.064
0.075
0.086
0.099
0.113
0.128
0.145
0.163
0.182
0.204
0.227
1
1.108
1.224
1.350
1.485
1.631
1.788
1.957
2.138
2.333
2.543
2.768
3.010
3.269
3.547
3.845
4.165
4.507
4.873
5.266
5.686
0
0.004
0.009
0.014
0.020
0.026
0.033
0.041
0.050
0.059
0.070
0.082
0.094
0.108
0.124
0.140
0.159
0.178
0.200
0.224
0.250
1
1.104
1.216
1.336
1.465
1.605
1.754
1.915
2.088
2.273
2.472
2.685
2.914
3.159
3.421
3.702
4.003
4.325
4.670
5.038
5.432
0
0.000
0.000
0.000
0.000
0.000
0.001
0.001
0.001
0.001
0.001
0.001
0.002
0.002
0.002
0.002
0.003
0.003
0.003
0.004
0.004
1
1.104
1.216
1.336
1.465
1.605
1.754
1.915
2.088
2.273
2.472
2.685
2.914
3.159
3.422
3.703
4.004
4.326
4.671
5.039
5.433
0
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.002
0.002
0.002
0.002
0.003
0.003
0.003
Cuadro 1. Desempe
no de los metodos estudiados
46
DE EDO
2. METODOS
BASICOS
PARA LA RESOLUCION
Soluci
on de la ecuaci
on diferencial.
h<
1
a
1
a
h=
<h<
1
a
2
a
h>
2
a
3. METODOS
NUMERICOS
47
Ejemplo 2.24. Si aplicamos el metodo de Euler retrogrado para el
problema de Ejemplo 2.23 obtenemos
yn+1 = yn + hf (xn+1 , yn+1) = yn + h(ayn+1 ).
Despejando vemos que
1
1
yn =
y0 .
1 + ah
(1 + ah)n+1
Como 1 + ah > 1 para todo h > 0 tenemos que lmn yn = 0 y
por lo tanto lmn |yn y(xn )| = 0 sin importar el valor de h. Esto
nos dice que el metodo es incondicionalmente estable.
yn+1 =
y0
con a > 0 e y0 > 0. Se trata de una ecuacion lineal de primer orden cuya solucion es y(x) = y0 eax . Esta vez no es cierto que lmx y(x) = 0
para ning
un valor de a.
El metodo de Euler progresivo nos da yn = (1 + h)n y0 , mientras que
el metodo de Euler retrogrado nos da yn = (1 h)n y0 . En ning
un caso
existe lmn |yn y(xn )|. Esto se ve facilmente pues ambos lmites son
de la forma lmn |bn cn | con b 6= c. Por lo tanto, ambos metodos
son inestables.
Captulo 3
Daremos una breve introduccion a los operadores diferenciales lineales y plantearemos el problema que nos interesa resolver en este
captulo.
1.1. Operadores diferenciales lineales. As como una funcion
transforma n
umeros en n
umeros: f (x) = y, un operador transforma
funciones en funciones: P (f ) = g. Por ejemplo, la derivada o la integral son operadores que transforman una funcion en su derivada o
primitiva, respectivamente. Mas adelante estudiaremos la transformada de Laplace, que tambien es un operador. Los operadores que involucran solamente derivadas de una funcion se denominan operadores
diferenciales (en oposicion a los operadores integrales, que involucran
primitivas).
Nos interesan operadores que act
uan de una manera muy especial
sobre cierto tipo particular de funciones.
Sea I un intervalo. Recordemos que C n (I) denota el conjunto de
funciones f : I R tales que f, f , f , . . . , f (n) continuas en I. Las
funciones que pertenecen a C n (I) se dice que son n veces continuamente diferenciables o de clase C n .
Estos conjuntos son subespacios vectoriales del espacio de funciones
de I R con la suma y ponderacion por escalar habituales. En efecto,
49
50
(P1 )(f ) = P1 (f ).
51
I. En particular, se tiene la distributividad por la derecha y por la izquierda, que es una propiedad heredada de la composicion de funciones.
Esto es
(P1 + P2 )Q = P1 Q + P2 Q,
Q(P1 + P2 ) = Q P1 + Q P2 .
homog
enea
subespacio H de
soluciones homogeneas
no homog
enea
hiperplano S de
soluciones particulares
coefiP (D)y = 0
P (D)y = Q
Polinomio caracterstico Coeficientes indeterminados
cientes
constantes Valores caractersticos
Variaci
on de par
ametros
coeficientes
variables
P (x, D)y = 0
Formula de Abel
Formula de Liouville
P (x, D)y = Q
Representacion de Green
Variaci
on de par
ametros
n
X
ak (x)D k
k=0
es un operador diferencial lineal de orden n. La ecuacion es a coeficientes constantes si los coeficientes de P son constantes:
n
X
ak D k .
P (x, D) = P (D) =
k=0
52
en el intervalo I si y C (I) y
n
X
ak (x)y (k) (x) = Q(x) para todo x I.
k=0
Teorema 3.1 (Existencia y Unicidad). Supongamos que las funciones ai (x), Q(x) son continuas en un intervalo I. Entonces para cada
x0 I y para cada vector de condiciones iniciales, el problema de Cauchy (24) tiene una u
nica solucion.
(k)
= 0 para cada
y + a1 y + a0 y = Q
DE ORDEN DOS
2. ESTUDIO COMPLETO DE LA ECUACION
53
2 x
y(x) = C2 e
|
2 x
+ C1 e
{z
e(1 2 )x dx
}
Soluci
on Homog
enea yh (x)
2 x
+e
|
(1 2 )x
Z
{z
1 t
Q(t)dt dx .
}
Soluci
on Particular yp (x)
2.1. Soluci
on Homog
enea. Se tienen tres casos para los valores caractersticos:
1. Si 1 y 2 son reales y distintos vemos inmediatamente que la solucion queda de la forma yh (x) = Ae1 x + Be2 x .
2. Si 1 = 2 = R entonces yh (x) = Aex + Bxex .
3. Finalmente, si 1 y 2 son complejos conjugados de la forma
iw con w 6= 0 tendremos que yh (x) = ex (Aeiwx + Beiwx ). Estas
soluciones nos dan valores complejos, lo cual es un inconveniente. Para
resolver este problema recordemos que eiwx = cos(wx) + i sen(wx), de
54
donde
eiwx + eiwx
eiwx eiwx
= cos(wx) y
= sen(wx).
2
2i
As podemos escribir yh (x) = ex (C cos(wx) + D sen(wx)), con C =
(A + B)/i y D = (A B).
Resumimos lo anterior en el siguiente resultado:
Teorema 3.2. La solucion homogenea yh de la EDO (25) a coeficientes constantes con valores caractersticos 1 , 2 esta dada por:
1. yh = C1 e1 x + C2 e2 x si 1 , 2 R, 1 6= 2 .
2. yh = C1 ex + C2 xex si 1 = 2 = R.
3. yh = C1 ex sen wx + C2 ex cos wx si 1,2 = iw, con w 6= 0.
Ejemplo 3.1 (Analoga electromecanica). En la figura 1, observamos a la izquierda un sistema mecanico en el cual m es la masa del
objeto, k es la constante de elasticidad del resorte y b es la constante
de amortiguamiento. La fuerza total del sistema, en funcion del tiempo
se representa por F (t). El sistema de la derecha representa un circuito
electrico RCL, donde L es la inductancia de la bobina, C es la capacidad del condensador y R es la resistencia. E(t) representa el voltaje
aplicado en funcion del tiempo. La corriente que circula se representa
por dq
.
dt
F(t)
m
b
E(t)
q
-
DE ORDEN DOS
2. ESTUDIO COMPLETO DE LA ECUACION
55
.
Escribamos
por
comodidad
B
=
b/2m
y supongamos
2
m
que al sistema no se le aplica fuerza o voltaje; es decir, F (t) = 0 o
E(t) = 0, seg
un el caso. Hay 3 situaciones posibles:
yh = C1 e(B )t + C2 e(B+ )t .
2. Si = 0 las races son reales e iguales.
Decimos que el sistema
y + y = 0
y(0) = 0
y(1) = 0.
Deseamos saber para cuales valores de este problema tiene soluciones y cuantas. De acuerdo con el signo de podemos distinguir 3 casos:
1. = 0. Si y = 0 entonces y(x) = Ax + B. Reemplazando en x = 0
vemos que B = 0 y reemplazando en x = 1 vemos que A = 0. La
56
20
15
10
5
10
20
30
40
50
60
70
80
90
100
10
20
30
40
50
60
70
80
90
100
10
30
20
10
0
10
0
10
para A y B. Como w 6= 0, la u
nica solucion es A = B = 0. De nuevo,
solo obtenemos la solucion nula.
3. = w 2 > 0. En este caso las soluciones estan dadas por
y(x) = A sen(wx) + B cos(wx).
Esta vez las condiciones en 0 y 1 nos dan el sistema
B = 0
A sen(w) = 0
DE ORDEN DOS
2. ESTUDIO COMPLETO DE LA ECUACION
57
para A y B. Si
w = k
con
kZ
58
1 =
=
W (y1 , y2 ) Q y2
W (y1 , y2)
y1 0
1
Qy1
=
2 =
.
W (y1 , y2 ) y1 Q
W (y1 , y2)
Luego integramos ambas expresiones para obtener los valores de
1 (x) y 2 (x):
Z
Qy2
dx + K1
1 =
W (y1 , y2)
Z
Qy1
2 =
dx + K2
W (y1 , y2)
2.4. El fen
omeno de resonancia. Retomaremos el Ejemplo 3.1
de la analoga electromecanica para explicar un fenomeno muy interesante, llamado resonancia, que ocurre en la ecuacion lineal de segundo
orden. Mencionaremos primero un par de ejemplos de este fenomeno.
Para afinar algunos instrumentos musicales, en especial los de cuerda, se puede utilizar un instrumento llamado diapas
on. Cada diapason
tiene una frecuencia propia o fundamental. El procedimiento es el
siguiente: se percute la cuerda y se coloca cerca del diapason. Si la
frecuencia de vibracion de la cuerda es suficientemente cercana a la
frecuencia propia del diapason, este comenzara a vibrar. Se sabe entonces que la cuerda produce el sonido correcto. En palabras, esto se
explica mas o menos as: la vibracion de la cuerda es transmitida al
diapason a traves del aire. Si la frecuencia de las vibraciones es muy
cercana a la frecuencia propia del diapason, entonces la amplitud del
1M
as
DE ORDEN DOS
2. ESTUDIO COMPLETO DE LA ECUACION
59
movimiento de este u
ltimo se potencia considerablemente. En breve
veremos una justificacion precisa de este hecho. El mismo fenomeno es
el que hace posible que algunas voces humanas sean capaces de romper
piezas finas de cristal.
Recordemos que la ecuacion es
y +
b k
F (t)
y + y=
.
m
m
m
k
.
sen(t) y cos(t), donde = =
m
Supongamos que se tiene la ecuacion
y +
k
y = A cos(t),
m
= .
Z
Z
A
yp =
sen(t) cos(s) cos(s)ds + cos(t) cos(s) sen(s)ds .
Recordemos que
1
[cos( + ) + cos( )]
2
1
[sen( + ) + sen( )] .
sen() cos() =
2
cos() cos() =
60
A cos(t) cos(( + )t) cos(t) cos(( )t)
+
.
+
2
+
2
A
as peque
na
Vemos que la amplitud del movimiento es 2
2 . Mientras m
sea la diferencia entre y mas grande sera la amplitud.
Ejercicio Propuesto 3.1. Realice los calculos con b 6= 0 y observe que ocurre un fenomeno similar, pero obtenemos esta vez la ampliA
. La resonancia se produce para un valor de
tud p
(k m 2 )2 + b2 2
cercano a la frecuencia fundamental si b es suficientemente peque
no.
3.
M
as sobre la estructura de la soluci
on
3. MAS
61
= 0
= 0
= 1
= 0.
Construimos as n funciones y1 , . . . , yn . Probaremos ahora que son linealmente independientes. Supongamos que 1 y1 (x)+ +n yn (x) = 0
para todo x I. Derivando, tenemos que
1 y1 (x) + + n yn (x) = 0
1 y1 (x) + + n yn (x) = 0
..
..
.
.
(n1)
(n1)
1 y1
(x) + + n yn
(x) = 0.
62
y1 (x)
y2 (x)
...
yn (x)
yh (x)
1
y1 (x)
y2 (x)
...
yn (x) 2
yh (x)
=
..
..
..
..
..
..
.
.
.
.
.
.
(n1)
(n1)
(n1)
(n1)
y1
(x) y2
(x) . . . yn
(x)
yh
(x)
n
para todo x I. Evaluando en x = x0 :
1
1
..
.2 =
.
..
1
n
yh (x0 )
yh (x0 )
..
.
(n1)
yh
(x0 )
(i1)
y por el Teorema de Existencia y Unicidad, Teorema 3.1 (ver la observacion que le sigue), yh zh es la funcion nula.
Denotamos por S el conjunto de todas las soluciones de la ecuacion
diferencial lineal de orden n no homogenea
S = y C n (I) | y (n) + + a1 (x)y + a0 (x)y = Q en I .
3. MAS
63
S
Y
H
Y
donde y1 , . . . , yn son soluciones linealmente independientes de la ecuacion homogenea, yp es cualquier solucion particular de la ecuacion no
homogenea y las Ci R son constantes arbitrarias que dependen del
vector de condiciones iniciales. 2
3.2. Wronskiano y F
ormula de Abel. El Wronskiano asociado a n funciones y1 , . . . , yn C n (I) es
y1 (x)
.
.
.
y
(x)
n
y1 (x)
...
yn (x)
W (x) = W (y1 , . . . , yn ) =
..
..
.
..
.
.
.
(n1)
(n1)
y1
(x) . . . yn
(x)
64
n
X
det(C1 , . . . , Cj , . . . , Cn ).
j=1
.
W (y1 , . . . , yn ) =
(n2)
y1
(n) (x)
y (x)
1
.
(n2)
. . . yn
(x)
(n)
. . . yn (x)
...
...
..
.
yn (x)
yn (x)
..
.
3. MAS
65
y1 (x)
...
yn (x)
.
.
.
..
..
..
W (y1 , . . . , yn ) =
.
(n2)
(n2)
y
(x)
.
.
.
y
(x)
n
1
Pn1
P
(i)
(i)
n1
. . . i=0 ai (x)yn
i=0 ai (x)y1
Gracias al Lema 3.1, podemos expandir la u
ltima fila. Todos los sumandos, salvo el u
ltimo, tienen una fila repetida, por lo que la derivada
del Wronskiano queda de la forma
(29)
66
y1 (x0 )
...
yn (x0 )
1
0
y1 (x0 )
.
.
.
y
(x
)
n 0
2 0
,
..
..
.. = ..
..
.
.
.
.
.
(n1)
(n1)
n
0
y1
(x0 ) . . . yn
(x0 )
1 y1 (x0 ) + + n yn (x0 )
1 y1 (x0 ) + + n yn (x0 )
..
.
(n1)
z (n1) (x0 ) = 1 y1
(n1)
(x0 ) + + n yn
= 0
= 0
(x0 ) = 0.
y1
...
yn
y1
...
yn
=
..
..
..
.
.
.
(n1)
y1
(n1)
. . . yn
4.
En esta seccion estudiaremos varios metodos para resolver la ecuacion diferencial lineal de orden n a coeficientes constantes. Para la ecuacion homogenea describiremos un metodo que sigue la misma lnea de
lo que se hizo para la ecuacion de orden 2, usando los valores caractersticos. Finalmente nos enfocaremos en la b
usqueda de soluciones
particulares de la ecuacion homogenea.
67
4.1. Soluci
on homog
enea.
4.1.1. Polinomio caracterstico y factorizacion del operador diferencial lineal. La EDO
y (n) + an1 y (n1) + + a0 y = 0
se escribira de la forma P (D)y = 0, donde P (D) es el operador diferencial
P (D) = D n + an1 D n1 + + a1 D + a0 =
n
X
ai D i
i=1
l
Y
( i )mi ,
i=1
P
donde n = li=1 mi . La factorizacion de p() induce una analoga en
P (D), donde el producto corresponde a una composicion:
P (D) = (D 1 ) (D 1 ) (D l ) (D l )
|
{z
}
{z
}
|
m1 veces
ml veces
68
1. Recordemos que
Pk
i=0
k
i
f (i) (x)ki,
= 0
69
Lo que quiere decir que e1 x , e2 x , . . . , el x son soluciones de (H). Veamos que son l.i.:
e1 x
...
el x
1 e1 x . . . l el x
W (x, e1 x , . . . , el x ) =
..
..
..
.
l1. x .
l1
x
1 e 1 . . . e l
l
1 ...
1
!
l
X
.
.
.
1
l
= exp
i x ..
..
..
.
.
i=1
l1 .
l1
1
. . . l
!
l
Y
X
= exp
i x C
(i j )
i=1
i6=j
(D 1)2 (D + 3)5 D 3 y = 0
70
mi 1 mi 1
ei x i,mi 1 (D 1 + i )m1 . . . (D l + i )ml D
{zx } = 0
{z
}|
|
(mi 1)!
p(i )
71
xex ,
...,
xm1 ex .
xex cos(x),
...
xm1 ex cos(x),
ex sen(x),
xex sen(x),
...
xm1 ex sen(x).
Ejemplo 3.4.
(D 1)2 (D + 3)5 D 3 y = 0.
En este caso n = 10. Veamos todas las soluciones que se encuentran
con este metodo:
1 = 1, m1 = 2 {ex , xex },
2 = 3, m2 = 5 {e3x , xe3x , x2 e3x , x3 e3x , x4 e3x },
3 = 0, m3 = 3 {1, x, x2 }.
Ejemplo 3.5. Resolveremos ahora la ecuacion diferencial
y (5) y (4) + 2y 2y + y y = 0.
El polinomio caracterstico es
p() =
=
=
=
5 4 + 23 22 + 1
( 1)(4 + 22 + 1)
( 1)(2 + 1)2
( 1)( i)2 ( + i)2 .
72
4.2. Ecuaci
on no homog
enea. Estudiaremos dos metodos para encontrar una solucion particular de la ecuacion no homogenea:
El metodo de coeficientes indeterminados, que puede usarse
cuando el lado derecho incolucra u
nicamente polinomios, senos,
cosenos y exponenciales. Consiste en postular que la solucion
es de cierto tipo (similar al lado derecho), pero con coeficientes
que son determinados a posteriori. Tiene la ventaja de que los
calculos son extremadamente sencillos ya que involucran u
nicamente derivacion de polinomios, exponenciales y funciones
trigonometricas.
El metodo de variaci
on de par
ametros se basa en la representacion de la ecuacion de orden n como un sistema lineal de
primer orden. De hecho, tambien es un metodo valioso para encontrar soluciones particulares de estos sistemas. Consiste en
representar la solucion particular como una combinacion variable de las soluciones homogeneas. Tiene dos ventajas notables
en cuanto a su rango de aplicaciones: en primer lugar, sirve
para cualquier tipo de lado derecho; en segundo lugar, el metodo tambien es u
til, al menos teoricamente, para el estudio de
ecuaciones a coeficientes variables. Tambien tiene dos puntos
en contra: es necesario conocer una base del espacio de soluciones homogeneas y ademas involucra operaciones con matrices y
calculo de integrales.
4.2.1. Metodo de los coeficientes indeterminados. Este metodo puede aplicarse para encontrar una solucion particular de la ecuacion
P (D)y = qk0 (x)e0 x
con 0 C y qk0 e0 x una funcion que puede ser un polinomio por una
exponencial, un polinomio por seno o coseno por una exponencial o
cualquier combinacion lineal de estos, donde gr(qk0 ) k0 en caso de
ser un polinomio.
Este metodo tiene la desventaja aparente de ser muy restrictivo en
cuanto al tipo de lado derecho para el cual es u
til. Sin embargo, estas
funciones son sumamente frecuentes en la aplicaciones.
El operador diferencial que anula el lado derecho es (D 0 )k0 +1 ,
pues
(D 0 )k0 +1 P (D)y = (D 0 )k0 +1 qk0 (x)e0 x
= e0 x D k0 +1 qk0 (x)
= 0
73
(D 0 )k0 +1 P (D)
y = 0 y = yh
j =j iwj
74
75
, A , B
estan en funcion de A , B , A , B .
0 , A1 , B
1 , A0 , B
donde A0 , B
0
1
1
0
0
1
1
Reemplazando yp en la EDO, se tiene que
x)e3x sen x = xe3x cos x
+ B
(A + A x)e3x cos x + (B
0
= 0 y B
= 0, lo
De donde se deduce que A0 = 0, A1 = 1, B
0
1
que permite encontrar A0 , B0 , A1 y B1 .
B. Caso resonante: 0 = j para alg
un j {1, . . . , l}
1. B.1 Caso real: 0 R:
(D 0 )k0 +1 P (D)
y = 0 y = yh
76
Ac =
0
1
0
0
0
1
..
..
..
.
.
.
0
0
0
a0 a1 a2
0
..
..
.
.
1
an1
b=
0
0
..
.
Q
y1
...
yn
y1
...
yn
=
..
..
..
.
.
.
(n1)
(n1)
y1
. . . yn
Ac = ..
..
.
.
(n)
y1
y notemos que
yn
yn
.. = .
.
(n)
. . . yn
77
x
1 ex ex
0
1
e
.
(x) b(x) =
=
1
x
x
x
e
e
2
2(1 + e ) ex
1+ex
Tenemos entonces que
Z x
1
e dx
F1 (x) =
1 + ex
=
ln
2
1 + ex
y
Z
ex dx
ex
1
=
+ ln 1 + ex .
F2 (x) =
x
2
1+e
2
Finalmente obtenemos la solucion particular
1
1
= ex ln 1 + ex + ex ln 1 + ex .
2
3Se
78
5.
5.1. Ecuaci
on homog
enea.
5.1.1. F
ormulas de Abel y Liouville. En el caso de la ecuacion
homogenea con coeficientes variables, el metodo de los valores caractersticos no se puede aplicar y no existe una metodologa general para
encontrar las soluciones. No obstante, podemos facilmente encontrar
una solucion linealmente independiente a partir de otra concida en el
caso de orden dos, utilizando la formula de Abel, dada en el Teorema 3.5. Esta dice que si y1 e y2 son soluciones de la ecuacion lineal
homogenea de orden dos entonces el Wronskiano W satisface
Z
W (x) = C exp a1 (x)dx .
Mas precisamente, la Formula de Abel nos dice que
Z
y2 y1 y1 y2 = C exp a1 (x)dx .
exp a1 (x)dx ,
y2 y2 =
y1
y1
que es una ecuacion lineal de primer orden que sabemos resolver. Multiplicamos la ecuacion por el factor integrante
Z
y1
1
(x) = exp
dx =
y1
y1
y obtenemos
y2
y1
Integrando obtenemos
Z
C
= 2 exp a1 (x)dx .
y1
y2 = Dy1 + y1 C
Z
1
exp a1 (x)dx du.
y12
Si tomamos D = 0 obtenemos la F
ormula de Liouville
y2 = Cy1
Z
1
exp a1 (x)dx du.
y12
79
xy2 y2 = C exp
,
x
de donde
1
C
1
y2 2 y2 = 3
x
x
x
y
C
2
= 3
x
x
y2
C
=
+ D.
x
2x2
Tomamos C = 2, D = 0 y obtenemos y2 = x1 .
Luego
z (u) = eu y (eu ) + e2u y (eu ) = xy (x) + x2 y (x),
con lo cual
x2 y (x) = z (u) z (u)
80
x 6= 0.
81
5.2.1. F
ormula de Green. El metodo de variacion de parametros
visto antes para coeficientes constantes se aplica en el caso de coeficientes variables. Para ello, se deben conocer primero n soluciones
linealmente independientes de la ecuacion homogenea.
Recordemos que en ese contexto se busca
yp (x) =
n
X
Fi (x)yi (x),
i=1
yp =
n
X
Fi (x)yi (x)
i=1
n
X
i=1
=
=
yi (x)
Wi (s)
ds
W (s)
1 X
yi (x)Wi (s)ds
W (s) i=1
n
Q(s) X
fi (s)ds.
yi (x)(1)n+i W
W (s) i=1
82
n n obtenemos
y1 (s)
y1 (s)
Z
Q(s)
..
yp =
.
W (s) (n2)
y
(s)
1
y1 (x)
|
ds.
(n2)
. . . yn
(s)
...
yn (x)
{z
}
...
...
..
.
yn (s)
yn (s)
..
.
=R(x,s)
Teorema 3.8 (Teorema de Representacion de Green). Una solucion particular de la ecuacion no homogenea es
Z
R(x, s)
yp = G(x, s)Q(s)ds, donde G(x, s) =
W (s)
es la funci
on de Green.
5.2.2. Solucion en serie de potencias. El siguiente metodo sera presentado de manera ilustrativa; sin profundizar en los detalles teoricos
que justifican su aplicacion. Sean I un intervalo abierto, x0 I y
f : I R. Decimos que f anal
de x0 si existen
Ptica en un entorno
k
a0 , a1 , a2 , . . . tales que la serie k=0 ak (x x0 ) converge absolutamente para todo x suficientemente cercano a x0 y
X
ak (x x0 )k .
f (x) =
k=0
X
ak xk .
y(x) =
k=0
X
xn
n=0
sen(x)
X
(1)n x2n+1
n=0
senh(x)
X
n=0
1
1x
(2n + 1)!
x2n+1
(2n + 1)!
xn
n=0
X
xn
ln(1 x)
n!
n=1
X
(1)n x2n
cos(x)
(2n)!
n=0
X
x2n
(2n)!
n=0
cosh(x)
arctan(x)
83
X
(1)n x2n+1
2n + 1
n=0
y (x) y(x) = 0
y(0) = 1
y (0) = 0.
P
k
x0 = 0) y tenemos que
Escribimos y(x) =
k=0 ak x (aqu
y (x) y(x) =
=
X
k=2
X
k=0
X
k=0
ak xk
k=0
k
(k + 2)(k + 1)ak+2 x
ak xk
k=0
(k + 2)(k + 1)ak+2 ak xk .
X
k=0
(k + 2)(k + 1)ak+2 ak xk = 0 + 0x + 0x2 + . . .
84
a2m2
1
a0
+
= =
;
(2m)(2m 1) (2m)!
(2m)!
y si k = 2m + 1,
a2m+1 =
a2m1
1
a1
+
= =
.
(2m + 1)(2m) (2m + 1)!
(2m + 1)!
As,
X
X
x2m
x2m+1
y(x) = a0
+ a1
.
(2m)!
(2m + 1)!
m=1
m=1
Obtenemos una combinacion lineal de dos soluciones linealmente independientes de la ecuacion. Para determinar las constantes a0 y a1
utilizamos las condiciones iniciales.
1 = y(0) = a0
0 = y (0) = a1 .
Tenemos finalmente que
X
x2m
y(x) =
= cosh(x).
(2m)!
m=0
1 x
e + ex = cosh(x).
2
85
X
k 2 ak xk .
x2 yp(x) + xyp (x) =
k=0
d X k
= x
x
dx k=0
= x
kxk1
k=1
kxk .
k=1
X
xk
= ln(1 x).
yp (x) =
k
k=1
En el Ejemplo 3.11 se encontraron las soluciones de la ecuacion homogenea correspondiente. Con esa informacion, la solucion general resulta ser
y(x) = A ln(x) + B ln(1 x).
Captulo 4
Transformada de Laplace
1.
Definiciones y ejemplos
1
para s > 0 (la asntota es c = 0).
s
88
4. TRANSFORMADA DE LAPLACE
s + iw
1
= 2
s iw
s + w2
para s > 0.
L[Im(f )] = ImL[f ],
con lo cual
L[cos wt](s) =
s2
s
+ w2
y L[sen wt](s) =
s2
w
+ w2
para s > 0.
L[senh(t)](s) =
=
=
et + et
y senh(t) =
2
1 t
L[e ](s) + L[et ](s)
2
1
1
1
+
2 s1 s+1
s
,
2
s 1
1 t
L[e ](s) L[et ](s)
2
1
1
1
2 s1 s+1
1
.
2
s 1
1. DEFINICIONES Y EJEMPLOS
89
f (t) = (1) =
1
0t<1
1 1 t < 2
extendida periodicamente a [0, ) con perodo 2, se llama onda cuadrada y es continua por pedazos.
Gr
afico de la onda cuadrada.
Ejemplo 4.6. La funcion f (t) = t [t] o bien f (t) = t, 0 t < 1
extendida periodicamente a [0, ) con perodo 1, llamada onda de
dientes de sierra, es continua por pedazos.
1
Gr
afico de la onda de dientes de sierra.
Ejemplo 4.7. La funcion f (t) = tan(t) no es continua por pedazos
pues
y
lm tan(t) = +.
lm+ tan(t) =
t 2
t 2
90
4. TRANSFORMADA DE LAPLACE
Ejemplo 4.8. La funcion
f (t) =
1
t
t 6= 0
0 t=0
de modo que f C .
|f (s)|ds
M
|f (0)| + ex
x
fe ,
M
1. DEFINICIONES Y EJEMPLOS
M
M
91
est |f (t)|dt
Z0
est et dt
e(s)t dt
1
(s+)t
e
M
s +
0
C
.
s
Ejercicio Propuesto 4.1. Demostrar que tk , k N, tiene transk!
formada de Laplace y que L[tk ](s) = k+1 , s > 0.
s
La funcon escal
on de Heaviside se define como
0 t<a
Ha (t) =
1 ta
a
Funci
on escal
on de Heaviside Ha (t).
t<a
0
1 at<b
Pab (t) =
0
t b.
92
4. TRANSFORMADA DE LAPLACE
Pulso entre a y b.
Notar que Pab (t) = Ha (t) Hb (t). Luego, su transformada de Laplace para 0 a < b sera
L[Pab (t)](s) = L[Ha (t) Hb (t)](s) = L[Ha (t)](s) L[Hb (t)](s).
Por lo tanto
1
L[Pab (t)](s) = (eas ebs ) para s > 0.
s
2.
Propiedades b
asicas de la transformada de Laplace
L[f ](s) =
= s
est f (t)dt
st
st
f (t)dt + e
f (t)
0
st
= sL[f ](s) + lm e
t
2. PROPIEDADES BASICAS
DE LA TRANSFORMADA DE LAPLACE
93
(n)
n1
X
sk f (nk)(0+ ).
k=0
f (u)du
94
4. TRANSFORMADA DE LAPLACE
Si denotamos
Z tZ
a
f (u)du =
a
Z t Z
a
Z Z
Z t
Z
Z t
n
X
t
1 a t
1
. . . f (u)du.
L . . . f (u)du (s) = n L[f ](s)
s
sk 0 a
k=1
| {z a}
| a {z a}
n veces
n k veces
2.3. Traslaciones. Una traslacion en el dominio temporal t corresponde a un factor exponencial en el dominio de Laplace s. Si f C
y a R, la funcion f trasladada hacia la derecha se define en todo [0, )
como H(t a)f (t a). Se tiene entonces que
Z
L[H(t a)f (t a)](s) =
est H(t a)f (t a)dt
Z0
=
est f (t a)dt
Za
=
es(u+a) f (u)du
0
sa
= e
L[f (t)](s).
De manera analoga, una traslacion en el dominio de Laplace corresponde a un factor exponencial en el dominio temporal.
Z
L[f (t)](s a) =
e(sa)t f (t)dt
Z0
=
est ea f (t)dt
a
= L[eat f (t)](s).
2. PROPIEDADES BASICAS
DE LA TRANSFORMADA DE LAPLACE
95
Propiedad 4.3. El producto de convolucion es conmutativo, asociativo y distribuye con respecto a la suma en C .
Teorema 4.2. Sean f, g C . Entonces
L[(f g)](s) = L[f ](s) L[g](s).
En palabras, la transformada de la convolucion es el producto de las
transformadas.
n. Dadas f y g en C , tenemos que
Demostracio
Z t
Z
st
L[(f g)](s) =
e
f (u)g(t u)du dt
0
0
Z Z t
=
est f (u)g(t u)dudt.
0
= L[f ](s)L[g](s).
2.6. Convergencia Uniforme. Veremos ahora unos detalles tecnicos de convergencia. Sean f C y M > 0 > . Definimos
Z
Z n
st
(s) =
e f (t)dt
y
n (s) =
est f (t)dt,
0
96
4. TRANSFORMADA DE LAPLACE
e f (t)dt
n
C (s)t
e
st
C (s)n
e
s
para todo s I. Si kgkI = supsI |g(s)|, entonces
C (s)n
e
s> s
C
=
e(0 )n .
0
kn kI sup
= L[tf (t)](s).
2. PROPIEDADES BASICAS
DE LA TRANSFORMADA DE LAPLACE
97
Z
f (t)
f (t)
lm L
(s) L
(s) =
L[f (t)](u)du.
s
t
t
s
f (t)
f (t)
(s) = 0. En consecuencia
Si
C se tiene lms L
t
t
Z
f (t)
L
(s) =
L[f (t)](u)du
t
s
Se puede verificar que f (t)
C cuando f (t) C y lmt0+
t
existe y es finito. Bajo esta condicion obtenemos
Z s
Z
Z
f (t)
dt,
L[f (t)](u)du =
L[f (t)](u)du +
t
0
s
0
que equivale a integrar desde 0 a . Es decir,
Z
Z
f (t)
dt.
L[f (t)](u)du =
t
0
0
f (t)
t
98
4. TRANSFORMADA DE LAPLACE
3.
Antitransformadas y aplicaciones
3.1. Descomposici
on en fracciones Parciales. Repasaremos
el metodo de descomposicion en fracciones parciales estudiado en el curp(x)
so de calculo integral. Supongamos se tiene la expresion racional
,
q(x)
donde p y q son polinomios a coeficientes reales tales que gr(p) < gr(q).
p(x)
como una suma de expresiones mas simples. Se
Se quiere escribir
q(x)
pueden presentar varios casos:
1. q(x) tiene n races reales distintas y simples: q(x) = (x a1 ) . . . (x
an ), con ai 6= aj si i 6= j. Hacemos
p(x)
A1
An
=
++
.
q(x)
x a1
x an
2. q(x) tiene una raz real de multiplicidad n: q(x) = (xa)n . Hacemos
A1
A2
An
p(x)
=
+
++
.
2
q(x)
x a (x a)
(x a)n
3. q(x) tiene 1 raz compleja simples. Entonces su conjugado tambien
es raz simple, de modo que q(x) = ax2 + bx + c = (x z)(x z),
z C \ R. Hacemos
p(x)
Ax + B
= 2
.
q(x)
ax + bx + c
4. Si q(x) tiene 1 raz compleja de multiplicidad n: q(x) = (ax2 + bx +
c)n = (x z)n (x z)n con z C \ R. Hacemos
A1 x + B1
A2 x + B2
An x + Bn
p(x)
= 2
+
++
.
2
2
q(x)
ax + bx + c (ax + bx + c)
(ax2 + bx + c)n
3. ANTITRANSFORMADAS Y APLICACIONES
99
s2 ((s
1
A B
C + Ds
= + 2+
.
2
2
a) + b )
s
s
(s a)2 + b2
100
4. TRANSFORMADA DE LAPLACE
=
=
=
=
A+D
2aA + B + C
A(a2 + b2 ) 2aB
Ba2 + Bb2
2a
,
(a2 + b2 )2
B=
1
,
a2 + b2
C=
3a2 b2
,
(a2 + b2 )2
D=
2a
.
(a2 + b2 )2
Mas adelante, en el Ejemplo 5.11, mostraremos una aplicacion concreta del metodo de fracciones parciales a un problema de intercambio
de masas atmosfericas.
3.2. Aplicaci
on a la EDO lineal de orden n. Se tiene la
siguiente EDO a coeficientes constantes:
P (D)y(t) = Q(t)
con P (D) un operador diferencial de orden n normalizado (an = 1) y
Q(t) combinacion lineal de funciones en C . Aplicando L a ambos lados
de la EDO, se obtiene:
" n
#
X
L
aj D j y (s) = L[Q](s)
j=1
n
X
j=1
aj L D j y (s) = L[Q](s).
L D j y (s) = sj L[y](s) Rj (s),
Rj (s) =
j1
X
sk y (jk1)(0+ ).
k=0
j=1
3. ANTITRANSFORMADAS Y APLICACIONES
101
Escribimos entonces
L[y(t)](s) =
R(s) L[Q(t)](s)
+
,
P (s)
P (s)
donde
P (s) =
n
X
aj s
R(s) =
j=1
n
X
aj Rj (s).
j=1
R(s)
P (s)
L[Q](s)
P (s)
L[yp ] =
se tiene que
L[ y ] = L[ yh ] + L[ yp ].
Luego
yh (t) = L
R
(t)
P
yp (t) = L
1
(t). Tenemos
P
L[Q]
(t).
P
yp (t) = L1 L[G(t)](s)L[Q(t)](s) (t)
= L1 L[(G Q)(t)](s) (t)
= (G Q)(t)
Z t
=
G(t )Q()d.
0
102
4. TRANSFORMADA DE LAPLACE
L[H(t)](s )
= L[et H(t)](s)
k1
k1
t
t t
(s ) = L e
(s)
= L
(k 1)!
t (k 1)!
1
e
= L
sen(wt) (s ) = L
sen(wt) (s)
w
w
L [cos(wt)] (s )
1. L
s
(t)
(s2 + a2 )n
2. L
1
(t)
(s2 + a2 )n
3. ANTITRANSFORMADAS Y APLICACIONES
Z
103
1
f = L[f ], se tiene:
s
0
1
s
1
1 1
L
(t) = L
(t)
(s2 + a2 )2
s (s2 + a2 )2
1
1 1
L
t sen(at) (s) (t)
= L
s
2a
Z t
1
1
L
= L
t sen(at) (s) (t)
0 2a
Z t
1
=
t sen(at)
0 2a
1
1
sen(at) t cos(at) .
=
2a2 a
2. Recordando que L
Resumimos los ejemplos mas relevantes de funciones y sus transformadas en la siguiente tabla:
f (t)
et
Ha (t)
Pab (t)
et
tk1
(k 1)!
et
sen(wt)
w
et cos(wt)
L[f ](s)
1
s
1 as
e
s
1 as
(e
ebs )
s
1
(s )k
1
(s )2 + w 2
s
(s )2 + w 2
t sen(at)
2as
(s2 + a2 )2
1
sen(at) t cos(at)
a
2a2
(s2 + a2 )2
104
4. TRANSFORMADA DE LAPLACE
y + 2y + 2y = 0
y(0) = 1
y (0) = 1
s+3
s+1
2
=
+
.
2
2
(s + 1) + 1
(s + 1) + 1 (s + 1)2 + 1
se tiene que
105
s+1
1
x
y
L
[e
sen
x]
(s)
=
,
(s + 1)2 + 1
(s + 1)2 + 1
L[y](s) = L ex cos x (s) + 2L ex sen x (s)
L[y](s) = L ex cos x + 2ex sen x (s)
y(x) = ex (cos x + 2 sen x).
4.
La delta de Dirac pertenece a las llamadas funciones generalizadas o distribuciones. No es exactamente una funcion, sino mas
bien una regla que a cada funcion continua f le asigna un n
umero real,
que es su valor en cero f (0). Las funciones generalizadas se definen en
terminos de su accion sobre cierto tipo de funciones. En estricto rigor,
definimos la accion de la delta de Dirac sobre una funcion continua f
mediante
Z
[f ] =
(t)f (t) dt = f (0).
La delta de Dirac modela un impulso, golpe o chispazo. Se interpreta como un gran estmulo aplicado instantaneamente a un sitema.
Ejemplo 4.14. Tomando la funcion continua f (t) 1 tenemos que
Z
Z
(t) dt =
(t) 1 dt = 1.
106
4. TRANSFORMADA DE LAPLACE
Una propiedad interesante de la delta de Dirac es que se puede
aproximar, en cierto sentido, por funciones propiamente tales. Mas precisamente, su accion sobre una funcion continua se puede obtener como
el lmite de las acciones de una sucesion de funciones integrables. Sea
= P01 el pulso entre 0 y 1. Si n (t) = n(nt) entonces
R +
n (t)dt = 1 para cada n.
a
Si f es continua entonces
R +
lmn fn (t)f (t)dt = f (0) = [f ].
12
10
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
107
mediante
L[](s) =
lm L[n ](s)
Z
lm
n (t)est dt
lm
1/n
nest dt
0
n
= lm (1 es/n )
n s
= 1
para s R.
Observemos que esto es consistente con
Z
L[](s) =
(t)est dt = e0 = 1.
0
f (t)g(t)dt =
f (t)g (t)dt.
Es decir,
fgen
[g] = f [g ].
fgen
(t)g(t)dt
f (t)g (t)dt.
108
4. TRANSFORMADA DE LAPLACE
Ha [g] =
Ha (t)g(t)dt
Z
=
Ha (t)g (t)dt
Z
=
g (t)dt
a
= g(a)
= a [g].
donde
G(t) = L
1
(t).
P
109
Captulo 5
Introducci
on
Hasta aqu se han estudiado ecuaciones lineales con una sola funcion incognita. Estudiaremos ahora sistemas de ecuaciones diferenciales
lineales, tanto porque permiten modelar problemas fsicos que involucran la interaccion de diversas variables dependientes, como tambien
porque a ellos pueden reducirse las ecuaciones lineales de grado superior.
Comenzaremos por comentar algunos resultados acerca de funciones
vectoriales y matriciales.
n 5.1. El espacio
Definicio
C n (I)m = C n (I) C n (I)
{z
}
|
m veces
esta conformado por los vectores de m funciones n veces continuamente derivables en el intervalo I. De manera analoga, C n (I)mk son las
matrices de m k funciones n veces continuamente derivables en el
intervalo I. Haremos la identificacion C n (I)m1 = C n (I)m .
Estos conjuntos tienen estructura de espacio vectorial para la suma
y ponderacion por escalar componente a componente. La integracion y
derivacion se hace componente a componente:
R
f1,1 . . . f1,k
f1,1 . . .
f1,k
Z
.. =
..
..
..
..
...
.
.
.
.
.
R
R
fm,1 . . . fm,k
fm,1 . . .
fm,k
f1,1
. . . f1,k
f1,1 . . . f1,k
.. .
.. = ..
..
..
...
.
.
.
.
.
fm,1 . . . fm,k
fm,1 . . . fm,k
Ademas tenemos la regla para la derivacion de un producto.
111
112
=
=
j=1
m
X
j=1
m
X
j=1
m
X
j=1
n 5.2. Un sistema lineal de EDO en Rn es un sistema
Definicio
de n ecuaciones escrito de la forma
X (t) = A(t)X(t) + B(t)
para t I
(32)
X(t0 ) = X0 ,
donde I es un intervalo, A(t) Mnn (R), B(t) Rn para cada t en I,
y X0 Rn son condiciones iniciales en t = t0 I. En el caso B 0
se dice que el sistema es homog
eneo. En el caso que A es una matriz
constante, se dice que el sistema es a coeficientes constantes.
Ejemplo 5.1 (Polucion en dos estanques). Dos estanques 1 y 2,
que contienen V [m3 ] de agua, se encuentran interconectados por medio
3
de un canal, por el cual fluye agua desde 1 a 2 a razon de b[ ms ]. El
3
sistema es alimentado a traves del estanque 1 a razon de b[ ms ], con un
kg
poluente de concentracion [ m
3 ], que contamina el agua. El agua sale
3
del sistema por un canal del estanque 2, con un caudal de b[ ms ]. En esta
situacion se produce una contaminacion del agua en ambos estanques.
Para tratar de disminuir este efecto negativo, se propone a
nadir otro
canal que conecte a los dos estanques, para que devuelva flujo de 2 a 1,
3
a razon de b[ ms ], donde > 0. Sin embargo, para evitar el rebalse del
3
sistema, se debe aumentar el flujo del canal ya existente a b(1 + )[ ms ].
Cuanto ayuda esta solucion a disminuir la polucion del agua en los
estanques?
Para el estanque 1, tenemos que la variacion de la cantidad de poluente
113
b (1+)
1
1
b(1 + )x1 .
V
V
x1 (t) = b +
2.
114
y (x)
y (x)
..
.
= z2 (x)
= z3 (x)
..
.
0
1
0 ...
0
z1
0
z2
0
1 ...
0
. = .
.
.
..
.
..
..
..
..
..
.
a0 a1 a3 . . . an1
zn
| {z }
{z
|
Ac
(n1)
z1
z2
. +
..
zn
} | {z } |
0
0
..
.
Q
{z }
b
x1
x2
= a11 x1 + a12 x2 + b1
= a21 x1 + a22 x2 + b2
115
(35)
y luego derivamos
x1 =
(36)
x2 a22 x2 b2
.
a21
= b1
= b2 .
i = 1, 2
det(A)
116
3.
tI
117
a2ij
x2j = kAk kXk.
i=1
j=1
i=1
j=1
j=1
kX Y k.
i=1 j=1
i=1 j=1
118
Definimos el operador
: C 0 (I)m C 0 (I)m
X
7 T (X),
para
t0
t I.
X(t) = T (X)(t) = X0 +
F (s, X(s))ds
t0
para todo t I. Ademas, todo punto fijo tiene que ser de clase C 1 , por
ser primitiva de una funcion continua. Al derivar tenemos que todo
punto fijo de T es solucion del problema de Cauchy
X (t) = F (t, X(t))
para todo t I
X(t0 ) = X0 .
Recprocamente, toda solucion del problema de Cauchy debe ser un
punto fijo de T . Por lo tanto, para demostrar el Teorema 5.2 basta
verificar que T tiene un u
nico punto fijo.
3.1. El Teorema del Punto Fijo de Banach. Primero recordemos dos propiedades importantes de R:
1. Una sucesion {xn } es de Cauchy si para todo > 0 existe N N
tal que |xn xk | < si k, n N. En R toda sucesion de Cauchy es
convergente. Es decir, existe x R tal que lmn xn = x.
2. Una funcion f : dom(f ) R es contractante si existe K (0, 1)
tal que |f (x) f (y)| K|x y| si x, y dom(f ). Sea C R un conjunto cerrado y supongamos que f : C C es contractante. Entonces
f tiene un u
nico punto fijo.
Veremos que estas dos propiedades tambien son validas en el conjunto de las funciones continuas de I en Rm . Comencemos por definir
119
si
k, n N.
y esta u
ltima cantidad tiende a cero cuando n y k tienden a infinito.
Esto nos dice que la sucesion fnj (t) tiene un lmite en R cuando n
. Haciendo el mismo procedimiento para cada t I y cada j
{1, . . . , m} vamos definiendo una funcion f : I Rm cuya j-esima
componente es
f j (t) = lm fnj (t).
n
Veremos ahora que fn converge a f en C 0 (I)m . Esto nos dira automaticamente que f es continua por ser lmite uniforme de funciones continuas (componente a componente). Dado > 0 existe N N tal que
kfn fk k < /2 si n, k N. Por lo tanto, para cada t I se tiene
que
kfn (t) fk (t)k < /2
120
lo cual es imposible. Dicho esto, escojamos cualquier f C 0 (I)m y definamos recursivamente la sucesion {fn } en C 0 (I)m mediante la relacion
f0 = f
y fn = T (fn1 ) = = T n (f ) para n 1.
Si T (f ) = f ya tenemos el punto fijo. Si no, probaremos que la sucesion {fn } es de Cauchy. El Teorema anterior nos dira entonces que fn
converge a una cierta f C 0 (I)m que tiene que satisfacer T (f) = f
pues fn = T (fn1).
Sean n, k N. Sin perdida de generalidad suponemos que n k y
escribimos la diferencia como una suma telescopica:
n
n
X
X
fn fk =
fj fj1 =
T j (f ) T j1 (f ).
j=k+1
j=k+1
kfn fk k
n
X
j=k+1
n
X
j=k+1
kT j (f ) T j1 (f )k
K j1 kT (f ) f k
kT (f ) f k
Kk Kn
1K
kT (f ) f k k
K .
1K
Tomemos > 0. Dado que K k 0 cuando k (pues K < 1), existe
para todo k N. Tenemos entonces
N N tal que K k < kT(1K)
(f )f k
que kfn fk k si n, k N. Al ser una sucesion de Cauchy, el
Teorema 5.3 nos dice que es convergente. Como mencionamos arriba,
el lmite es el u
nico punto fijo de T .
121
3.2. Demostraci
on del Teorema 5.2. Recordemos que solo
nos resta probar que el operador T definido en (40) tiene un u
nico
punto fijo. Para ello usaremos el Teorema del Punto Fijo de Banach,
pero primero demostraremos un resultado auxiliar:
Lema 5.3. Supongamos que para cierto N N el operador
TN =T
T}
| {z
N n veces
tiene un u
nico punto fijo. Entonces lo mismo es cierto para T .
n. Sea X el u
Demostracio
nico punto fijo de T N . Como T N (X) =
X tenemos que
T N (T (X)) = T N +1 (X) = T (T N (X)) = T (X),
t0
kX(s) Y (s)k ds
L(t t0 )kX Y k .
De manera similar,
2
kT (X)(t) T (Y )(t)k L
kT (X)(s) T (Y )(s)k ds
Z t Z s
2
kX() Y ()k d ds
L
t0
t0
L (t
2
t0
t0 )2
kX Y k .
122
(ML)n
kX Y k .
n!
n
Como an! tiende a cero cuando n para cada a R, podemos
N
escoger N N tal que (MNL)! < 1, de donde T N resulta ser contractante.
kT n (X) T n (Y )k
123
1
t0 +
1
x0
124
= LC kZ Y k
4.
si
Y, Z C.
S = {X Rn | X = A(t)X + B(t), t I}
125
En lo que sigue fijamos t0 I. Del Teorema de Existencia y Unicidad sabemos que, para cualquier condicion inicial, el sistema lineal
homogeneo tiene una u
nica solucion.
Dado k {1, . . . , n}, la k-esima soluci
on fundamental can
onica, k , es la solucion del sistema
k (t) = A(t)k (t), t I
k (t0 ) = ek ,
(41)
(t0 ) = In
(t) = A(t)
para todo t I.
Z (t) = A(t)Z(t)
para todo t I
Z(0) = 0.
Por el Teorema de Existencia y Unicidad, Z(t) = [(t) (t)]Z0 = 0
para todo t I y para todo Z0 Rn , de donde (t) = (t) para todo
t I.
Veremos ahora que (t) es invertible para todo t I. Supongamos
por el contrario que existe t1 I tal que (t1 ) no es invertible. Entonces
existe v Rn \ {0} con (t1 )v = 0. Esto es,
n
X
vk k (t1 ) = 0.
Pn
k=1
tI
126
Ejemplo 5.3 (Cadena con resortes). Se tiene una cadena con extremos fijos formada por n cuentas conectadas por resortes identicos
de constante elastica k y largo natural l0 . Cada cuenta de masa mi ,
i = 1 . . . n, tiene libertad para oscilar horizontalmente, pero presenta
un rozamiento lineal con el medio de constante ci , i = 1 . . . n. Para
cada cuenta tenemos la ecuacion de movimiento
mi xi = ci xi k[(xi xi+1 ) + (xi xi1 )],
i {1, . . . , n},
c1
x1
m1
x1
..
..
...
... =
.
.
xn
xn
cn
mn
2 1
x1
..
.
x2
1 2
.
.
.
.
.. .
.. .. ..
k
.
n1
. . 2 1
xn
1 2
El sistema tiene la forma MX + CX + KX = 0, con X Rn . Si
hacemos el cambio de variables
X
X
,
Z=
,
Z =
X
X
podemos reescribir el sistema como
0
I
Z =
Z.
M 1 K M 1 C
k = 1, . . . , 2n.
127
para todo
t I.
Veamos P
ahora que {k }nk=1 son linealmente independientes. Suponemos que nk=1 k k (t) = 0 para todo t I. Debemos probar que,
necesariamente, k = 0 para todo k = 1, . . . , n. Observemos primero
que
.
..
..
1
n
.
X
En virtud del Lema 5.5, la matriz (t) es invertible para cada t y por
lo tanto = 0.
128
DE SISTEMAS LINEALES
5. RESOLUCION
129
1 (s)B(s)ds,
t0
Resoluci
on de sistemas lineales
X
Mk
k=0
k!
=I +M +
M2
Mn
++
+
2!
n!
130
X
1
|sn (i, j) sm (i, j)|
kMkk .
k!
k=m+1
Como la serie del lado derecho es convergente a cero, la sucesion {sn (i, j)}
n=0
es de Cauchy. Concluimos que la esponencial de una matriz esta bien
definida.
Las principales propiedades de la exponencial se resumen en el siguiente resultado:
n 5.2. Sean A, B Mnn (R), t, s R, entonces:
Proposicio
1. e0t = eA0 = I.
2. dtd eAt = AeAt .
3. eA(t+s) = eAt eAs . En particular, eAt es invertible y su inversa es
(eAt )1 = eAt .
4. AB = BA si, y solo si, BeAt = eAt B.
5. AB = BA si, y solo si, eAt eBt = e(A+B)t .
n. La propiedad 1. es inmediata de la definicion.
Demostracio
2. En cada intervalo [b, b], b R, las componentes de la matriz At
estan uniformemente acotadas por | max(aij )||b|, luego tenemos la conP
(Ak ) tk
vergencia uniforme de hp (t) = pk=0 k!ij . Como hp converge uniforP
(Ak )ij tk1
memente a h y la sucesion hp (t) = pk=1 k
converge unifork!
Pp
(Ak )ij tk1
memente en (b, b) a k=1 k
, tenemos que h(t) es derivable
k!
y
X
(Ak )ij tk1
h (t) =
k
k!
k=1
para todo t (b, b). Pero
X
X
(Ak )ij tk1 X (Ak+1 )ij tk
(Ak )ij tk
k
k
=
= (A )ij
,
k!
k!
k!
k=1
k=0
k=0
DE SISTEMAS LINEALES
5. RESOLUCION
131
de donde
d At
(e )ij = Aij (eAt )ij
para todo
t (b, b).
dt
Dado que b era arbitrario, el resultado es valido en todo R.
3. Para s fijo tomamos la funcion
(t) = eA(t+s) eAt eAs ,
que satisface
(t) = A(t) y (0) = 0.
Por el Teorema de Existencia y Unicidad es la funcion nula y as eA(t+s) =
eAt eAs .
4. Por induccion se prueba que AB = BA si, y solo si, Ak B = BAk
para cada k 1. Luego
At
Be
=B
X
Ak tk
k=0
k!
5. Se prueba como 3.
X
BAk tk
k=0
k!
X
Ak tk
k=0
k!
B = eAt B.
para todo
tI
Esto quiere decir que si las condiciones iniciales estan cerca, entonces
las soluciones se mantienen cerca durante un tiempo. Mas precisamente, dados , T > 0 existe > 0 tal que si kX0 Y0 k < entonces
132
1 0
..
D = ... . . .
.
0 n
. .
.. ..
P = v1 v2
.. ..
. .
..
.
vn .
..
.
1 t
X
(P DP 1)k tk
k=0
donde
eDt
k!
=P
e1 t
..
= ...
.
0
X
D k tk
k=0
0
..
.
en t
k!
P 1 = P eDt P 1 ,
C1
.. es un vector constante que depende de las condi
donde C =
.
Cn
ciones iniciales. Desarrollando el producto podemos escribir
Xh (t) = C1 e1 t v1 + C2 e2 t v2 + + Cn en t vn .
n. Esta u
Observacio
ltima formula puede obtenerse facilmente
viendo que cada funcion de la forma et v es solucion del sistema lineal siempre que v sea un vector propio asociado al valor propio .
Como toda matriz diagonalizable de tama
no n n tiene n vectores
DE SISTEMAS LINEALES
5. RESOLUCION
133
linealmente independientes, es evidente que las funciones de esta forma generan todo el espacio de soluciones homogeneas. Sin embargo,
preferimos construir las soluciones a partir de la exponencial para que
el lector se familiarice con este metodo, imprescindible en el caso no
diagonalizable.
Ejemplo 5.4 (Confort de un auto). Un modelo para estudiar el
confort de un auto esta dado por
x = (k1 + k2 )x + (k1 L1 k2 L2 )
= (k1 L1 k2 L2 )x (k1 L21 + k2 L22 ),
donde las constantes k1 , k2 , L1 y L2 son respectivamente las rigideces
y las distancias de los amortiguadores traseros y delanteros al centro
de masas G del auto. En un instante t > 0, x(t) representa la posicion
vertical de G y (t) el giro del auto en torno a G.
k1
L2
k2
x(t)
(t)
L1
0
0
1 0
x
0
0
0 1
=
(k1 + k2 )
x
k1 L1 k2 L2
0 0
lineal tomando
x
.
x
134
x
0 0
0 0
=
x
a 0
0 b
1
0
0
0
x
0
1
0 x
0
0
A=
a
0
0
0
0
b
1
0
0
0
a
0
0
1
A2 =
0
0
0
0
0
b
0
0
0
0
a
0
0
0
;
0
b
luego, elevando a k,
A2k
ak 0 0 0
0 bk 0 0
=
0 0 ak 0 ,
0 0 0 bk
0
0
0
0
0
A2k+1 =
ak+1
0
bk+1
ak 0
0 bk
.
0 0
0 0
eAt
ak 0 0 0
k
X
t2k
0 b 0 1
=
(2k)! 0 0 ak 0
k=0
0 0 0 bk
0
0 ak 0
X
t2k+1
0
0 bk
.
0
+
k+1
0
0 0
(2k + 1)! a
k=0
0
bk+1 0 0
DE SISTEMAS LINEALES
5. RESOLUCION
135
Si tomamos a = 2 y b = 2 obtenemos
X
ak t2k
k=0
(2k)!
X
(1)k (t)2k
k=0
(2k)!
= cos(t)
X
X
(1)k (t)2k
bk t2k
=
= cos(t),
(2k)!
(2k)!
k=0
k=0
X
ak t2k+1
1 X (1)k (t)2k+1
1
=
= sen(t)
(2k + 1)!
k=0 (2k + 1)!
k=0
X
bk t2k+1
1 X (1)k (t)2k+1
1
=
= sen(t).
(2k + 1)!
k=0 (2k + 1)!
k=0
Por lo tanto:
eAt
cos(t)
0
0
cos(t)
=
sen(t)
0
0
sen(t)
sen(t)
0
cos(t)
0
0
1
sen(t)
0
cos(t)
(0) = 0,
obtenemos
x
=
x
x (0) = 1,
sen(t)
sen(t)
cos(t)
cos(t)
(0) = 1,
sen(t)
sen(t)
,
(t) =
,
p
p
con = (1 + )k y = L (1 + )k, que fsicamente representan
las frecuencias de cada modo.
x(t) =
136
0
0
det(A I) = det
a
0
0
b
1
0
0
1
= (2 a)(2 b).
0
0
2 = i,
3 = i,
4 = i,
0
i/
i/
i/
0
0
v1 =
1 , v2 = 1 , v3 = 0 , v4
1
0
0
Luego la solucion general sera:
i/
x
= c1 eit 0
1
x
i/
+ c2 eit 0
1
0
0
i/
it i/
+c3 eit
0
0 + c4 e
1
1
0
i/
.
0
1
Aqu se ve que el movimiento del sistema se expresa fundamentalmente solo como el movimiento vertical de G (representado en el vector
(1, 0) y separadamente la rotacion del eje que une los resortes, en torno
a G, representado en el vector (0, 1), y por tanto la solucion general del
sistema no es mas que la combinacion lineal de estos dos movimientos
fundamentales llamados modos propios. Los valores propios cuando son
imaginarios puros, representan la frecuencia natural de cada modo propio, en este caso al modo de movimiento vertical (1, 0) tiene asociado la
frecuencia propia w = . Una aplicacion del conocimiento de este valor
es que si se deseara tener un fenomeno de resonancia, bastara aplicar
una fuerza externa sinusoidal sobre el auto con esta misma frecuencia
(F = F0 sen(t), F0 constante). La misma interpretacion se tiene para
DE SISTEMAS LINEALES
5. RESOLUCION
137
la frecuencia en el modo (0, 1). Para comprobar que este metodo entrega la misma solucion que la exponencial de la matriz, impongamos
las mismas condiciones iniciales, para determinar las constantes:
c1 + c2 = 0
c3 + c4 = 0
i
c + c2 i
= 1
1
i
c
3
+ c4 i
= 1 ,
1 0 0
.
0 1 ..
.
..
B=
. 0
.
.. 0
. .
.. . . . . . . . . 1
0 ... ... 0
138
8
0
0
8
0 0
0 0
0 0
0 0
0 0 0
0 0 0
3
0
0
0 0
3 1
0 3
0 0 0
0
0
0
.
0
n 5.3. Sea valor propio de A Mnn (C) de multiProposicio
plicidad algebraica m. Sea Es = ker(A I)s , s N, entonces existe
p, 1 p m, tal que:
{0} = E0 ( E1 ( E2 ( Ep = Ep+1 = Ep+2 = .
Los espacios Es , 1 s p, de la Proposicion 5.3 se denominan
espacios propios generalizados de A de orden s asociados al valor
propio .
Un elemento no nulo v tal que v Es y v
/ Es1 se dice vector propio
generalizado de A de orden s.
Observaci
on: Con la definicion anterior, los vectores propios usuales son vectores propios generalizados de orden 1.
n 5.4. vs es un vector propio generalizado de A de orProposicio
den s (s 2) asociado a si y solo si vs1 = (A I)vs es un vector
propio generalizado de A de orden s 1 asociado a .
De la proposicion 5.4 tenemos que si tomamos vs (vector propio
generalizado de orden s), entonces vs1 dado por
vs1 = (A I)vs Avs = vs + vs1
DE SISTEMAS LINEALES
5. RESOLUCION
139
140
A=
1 0
0
1 1
0 1 2 3 3
0 0 1 2 2
.
1 1 1
0
1
1 1 1 1
2
1 1 0 0
0
0 1 0 0
0
.
0
0
1
1
0
J=
0 0 0 1
0
0 0 0 0 1
Si = 0, = 1 v1 = (0, 0, 0, 1, 1) v2 = (1 + , , 0, , ). Si
= = 0 v2 = (1, 0, 0, 0, 0).
Si = 1, = 0 v1 = (1, 1, 0, 0, 0) v2 = (, , 1, 1 + , ). Si
= = 0 v2 = (0, 0, 1, 1, 0).
La matriz P de cambio de base tiene por columnas los vectores propios
DE SISTEMAS LINEALES
5. RESOLUCION
141
generalizados:
P =
0
0
0
1
1
1
0
0
0
0
1
1
0
0
0
0
0
1
1
0
0
1
1
0
0
M =
M1
0
..
.
0
0
.
.
M2 . . ..
.. ..
.
. 0
0 Mn
eM1
0
eM = .
..
0
0
eM2
..
.
0
..
.
.
0
..
.
..
.
0
eMn
M1
0
..
.
.
M2 . .
..
..
.
. 0
0 Mn
0
M2 = .
..
0
2
M1 0 0
..
.
.
0 M22 . .
= .
.
..
..
..
.
. 0
0 0 Mn2
M1
0
..
.
0
0
..
.
.
M2 . .
..
..
.
. 0
0 Mn
142
M1k
0
Mk = .
..
0
0
M2k
..
.
..
.
..
.
0
eM1
0
= .
..
0
0
eM2
..
.
..
.
..
.
0
0
..
.
0
Mnk
0
..
.
.
0
eMn
(I+N )t
=e
donde N =
0 1
0 0
.. . .
. . ..
.
. .
.
.
.. . .
..
.
. 1
.
0 0
N2 =
0 1
0 0
0 1
0 0
.. . .
. . .. .. . .
. . ..
.
. . .
.
. .
.
.. . .
.
..
.
..
.
. 1 .. . .
. 1
.
0 0
0 0
0 0
1 0
.. . .
..
.
. 1
.
.
.. . .
..
.
. 0
.
0 0
DE SISTEMAS LINEALES
5. RESOLUCION
143
0 0
0
.. . . . . . .
.
= . .
.. . . . . .
0
= 0mm ,
m1
X
N k tk
k=0
k!
m1
X
k=0
N k tk
k!
t2 2
tm1
= I + tN + N + +
N m1
2!
(m 1)!
t2
tm1
1 t
2!
(m1)!
.
..
.. . . . . . . . . .
.
. .
2
.
.
= .. . .
t
.
..
..
2!
. .
.. . . . . . . . .
t
0
1
eJt
= et
1
..
.
..
.
..
.
0
t2
2!
t
..
..
..
..
..
..
.
.
..
.
..
.
..
.
tm1
(m1)!
..
.
t2
2!
t
1
144
eJ1 t . . . 0
.. P 1 .
eAt = P ... . . .
.
Jn t
0 ... e
Ejemplo 5.7. Consideremos el sistema:
X = AX,
con condicion inicial X(0) = X0 , donde la matriz A esta dada en el
Ejemplo 5.6. Ya habamos calculado su forma canonica de Jordan. En
virtud de la proposicion anterior se tiene que la solucion es:
et tet 0 0
0
0 et 0 0
0
1
t
t
P X0 ,
0
0
e
te
0
X(t) = P
t
0 0 0 e
0
0 0 0 0 et
bn+1
1 0
bn
b0
pn+1 = 0 1 pn , con condicion inicial p0 .
Tn+1
Tn
0 0
T0
DE SISTEMAS LINEALES
5. RESOLUCION
145
n 0,
Probemos por induccion que efectivamente la solucion del sistema esta dada por:
n
X
n
Xn = A X0 +
Anj Bj1 , n 1
j=1
Para n = 1 resulta
X1 = AX0 + B0 ,
que
solucion del sistema. Suponemos ahora que Xn = An X0 +
Pn es nj
Bj1 satisface el sistema propuesto. Hay que probar que
j=1 A
n+1
Xn+1 = A
X0 +
n+1
X
An+1j Bj1
j=1
Xn+1 = A
X0 +
= An+1 X0 +
n+1
X
j=1
n
X
An+1j Bj1
An+1j Bj1 + An+1(n+1) B(n+1)1
j=1
n+1
= A
X0 + A
n
X
j=1
= A A X0 +
n
X
j=1
= AXn + Bn .
nj
Bj1
+ Bn
146
1 0
D = ... . . . ... , donde 1 , . . . d son los valores propios de A.
0 d
Seg
un lo anterior, la solucion de este sistema sera: Xn = An X0 , pero
n
A = P D n P 1 , entonces:
n1 0
Xn = P ... . . . ... P 1 X0 .
0 nd
De esta forma si queremos que nuestro problema tenga solucion, es decir
que exista lm Xn , debemos imponer que lm nk exista k = 1, . . . , d,
n
AB = BA (A + B) =
n
X
n
k=0
Ak B nk , n 0,
A = (Id + N) =
n
X
n
k=0
k k
I N
nk
n
X
n k nk
N
,
=
k
k=0
DE SISTEMAS LINEALES
5. RESOLUCION
147
0 1 0
0 0 1
n(n 1) n2
0 0 0 + nn1 0 0 1 + n I
=
2
0 0 0
0 0 0
n2
n nn1 n(n1)
2
= 0
n
nn1 .
0
0
n
De esta forma vemos que se repite la solucion que tenamos para el caso
diagonalizable: independiente de la condiciones iniciales, nuestro modelo indica que cuando n , si || > 1, el sistema diverge, es decir
las poblaciones de ballenas y plancton se expanden indefinidamente, al
igual que la temperatura, mientras que si || < 1, las poblaciones se
extinguen y la temperatura del mar desciende a 0. En el caso crtico
|| = 1 se tiene que las poblaciones animales divergen, pero con temperatura constante del mar T0 .
Ejemplo 5.9. Supongamos que se tienen 4 estanques conectados
por tuberas, como se muestra en la figura.
148
C = K1 C1 + K2 C2
1
C2 = K2 C2 + K3 C3
C = K3 C3 + K4 C4
C3 = K C + m F,
4 4
0
4
0
C1
C1
K1 K2
0
0
C2 0
C2
0
K
K
0
2
3
+
C3 = 0
0
K3 K4 C3 0
m0 F
C4
C4
0
0
0
K4
Nos queda una matriz triangular superior. Si todos los estanques tienen
distinto volumen, la matriz es diagonalizable pues tiene 4 valores propios distintos. Si por el contrario, todos los estanques el mismo volumen
V , escribimos K = F/V y el sistema se reduce a
0
C1
1 1
0
0
C1
C2
0
C2 + 0 .
= K 0 1 1
0
C3
0 1 1 C3 0
m0 F
C4
0
0
0 1
C4
Si denotamos
1 1
0
0
0 1 1
0
A=K
0
0 1 1
0
0
0 1
entonces
eAt
1 Kt
0 1
= eKt
0 0
0 0
1
K 2 t2
2
Kt
1
0
1
K 3 t3
6
1
K 2 t2
2
Kt
1
Se deja al lector escribir la solucion general usando la formula de variacion de parametros y analizar los casos en que hay alg
un volumen
(y por lo tanto alg
un valor propio) repetido.
DE SISTEMAS LINEALES
5. RESOLUCION
149
Ejemplo 5.10 (Polucion en dos estanques, continuacion). Si reemplazamos los valores que tenamos en el sistema de los estanques en el
Ejemplo 5.1 obtenemos
2b(1 + )
b2 (1 + )
b(1 + ) b
bx02
2
0
s +
s+
Lx
=
s
+
+
x
+
.
1
1
V
V2
V
s
V
Resolvamos la ecuacion cuadratica del lado izquierdo:
r
b(1 + ) b(1 + )
1
s=
1
.
V
V
1+
|
{z
}
150
Si 0 entonces [0, 1] y
b(1 + )
(1 + ) < 0
y
V
Si introducimos los parametros
s1 =
s2 =
b(1 + )
(1 ) < 0.
V
b
b(1 + )
, = ,
V
V
vemos que
b + x01 + x02
sx01
+
(s + (1 + ))(s + (1 )) (s + (1 + ))(s + (1 ))
b
+
s(s + (1 + ))(s + (1 ))
(x01 + x02 )
sx02
=
+
(s + (1 + ))(s + (1 )) (s + (1 + ))(s + (1 ))
b
+
.
s(s + (1 + ))(s + (1 ))
Lx1 =
Lx2
Los tres sumandos de cada ecuacion anterior tienen una antitransformada conocida:
eat ebt
1
1
=
L
(s a)(s b)
ab
aeat bebt
s
=
L1
(s a)(s b)
ab
1
(c b)eat + (a c)ebt + (b a)ect
1
L
=
.
(s a)(s b)(s c)
(a b)(b c)(c a)
x2
e(1)t
= (b +
+
2
(1+)t
(1
+
)e
(1
)e(1)t
+x01
2
(1+)t
(1 )e
(1 + )e(1)t + 2
+b
22 (1 2 )
e(1+)t e(1)t
= (x01 + x02 )
2
(1+)t
(1
+
)e
(1 )e(1)t
+x02
2
(1+)t
(1 )e
(1 + )e(1)t + 2
b
.
22(1 2 )
x01
(1+)t
0 e
x2 )
DE SISTEMAS LINEALES
5. RESOLUCION
151
Luego
x1 = C1 es1 t + C2 es1 t + C3
e1 es1 t + C
e2 es1 t + C
e3 ,
x2 = C
e1 , C2 , C
e2 , C3 , C
e3 son constantes dadas de la agrupacion de
donde C1 , C
terminos semejantes en las expresiones anteriores, y que dependen solo
de las condiciones iniciales y de la geometra del sistema.
Es importante notar que cuando t las soluciones convergen a
un estado estacionario, que es una solucion constante. En efecto, dado
que s1 , s2 < 0 tenemos
t
lm x1 (t) = C3 =
b
(1 2 )
= V
e3 =
lm x2 (t) = C
b
(1 2 )
= V.
Despues de un tiempo suficientemente largo, la cantidad de poluente en cada estanque sera muy cercana a V , independientemente del
valor de . Tenemos la misma solucion que si = 0, que era como
inicialmente estaba el sistema de estanques. En realidad la situacion es
mas compleja, ya que graficando las soluciones para > 0 y = 0 se
aprecia que la polucion es menor en el caso > 0 para un intervalo de
t considerable (aunque el lmite es el mismo). Ver Figura 3.
=0
>0
10
20
30
40
50
60
152
Veamos ahora el metodo de la Transformada de Laplace en caso de
un sistema lineal general a coeficientes constantes:
X (t) = AX(t) + B(t), con B, X Rn , A Mnn (R)
(42)
X(0) = X0 ,
con X0 Rn .
La i-esima fila del sistema es
n
X
xi =
aij xj + bi ,
xi (0) = x0i .
j=1
n
X
j=1
x0i
n
X
j=1
i = 1, ..., n
i = 1, ..., n.
s > M.
DE SISTEMAS LINEALES
5. RESOLUCION
c1
153
N
ecuador
c2
f
(1 et ).
Como f = 20 [kton/a
no], tenemos que
1 =
100[kton]
= 5 [a
nos].
20[kton/a
no]
154
AC + B, donde
A=
y B=
f1
f2
donde
s
=
f2
s++
+ c02
s
k1 1 (s) + k2 2 (s) + k3 3 (s)
=
,
e
k1 1 (s) + e
k2 2 (s) + e
k3 3 (s)
e
k1 = f2 + c01 + c02 + c02
e
k2 = c02
e
k3 = f2 + f2 + f1
1
(s + )(s + 2 + )
s
2 (s) =
(s + )(s + 2 + )
1
3 (s) =
s(s + )(s + 2 + )
1 (s) =
son funciones cuyas antitransformadas debemos encontrar para determinar el vector X. Para ello vamos a descomponerlas en fracciones
parciales.
1 (s) =
=
2 (s) =
=
3 (s) =
=
1
(s + )(s + 2 + )
1
1
,
2(s + ) 2(s + 2 + )
s
(s + )(s + 2 + )
s
s
,
2(s + ) 2(s + 2 + )
1
s(s + )(s + 2 + )
1
1
1
+
.
(2 + )s (2)(s + ) 2(2 + )(s + 2 + )
DE SISTEMAS LINEALES
5. RESOLUCION
Recordando que
1
1
L
(t) = eat
s+a
vemos que
L
[1 (s)] =
=
=
L1 [2 (s)] =
=
=
L1 [3 (s)] =
155
s
(t) = (t) aeat ,
s+a
1
1
L
2(s + ) 2(s + 2 + )
1 1
1 1
1
1
L
L
2
s+
2
s + 2 +
1 (2+)t
1 t
e
e
,
2
2
1 1
s
1 1
s
L
L
2
s+
2
s + 2 +
1
((t) et (t) + (2 + )e(2+)t )
2
1
(2 + )e(2+)t et ,
2
1 1
1
1
1 1
L
L
(2 + )
s
2
s+
1
1
1
+
L
2(2 + )
s + 2 +
1 t
1
1
e
+
e(2+)t .
(2 + ) 2
2(2 + )
1
( + )f1 + f2
(2 + )
156
f1 + ( + )f2
.
(2 + )
Captulo 6
An
alisis cualitativo de sistemas no lineales
Muchos fenomenos de la naturaleza se comportan de forma un poco mas complicada que un sistema de ecuaciones lineales. Por ejemplo,
se suele utilizar la aproximacion de la Ley de Hooke F = kx para
modelar resortes, aunque en realidad esta fuerza suele tener otras componentes de orden no lineal, pero que habitualmente son despreciables.
En general estas ecuaciones presentan grandes desafos, pues es bastante complicado encontrarles soluciones explcitas. Sin embargo, muchas
veces se puede hacer un estudio cualitativo de las soluciones, que nos
indique sobre el comportamiento general del sistema no lineal.
Dados un intervalo abierto I y una funcion F : I Rn Rn ,
consideremos el siguiente sistema de ecuaciones diferenciales de primer
orden con condicion inicial X0 Rn en t0 I:
X (t) = F (t, X(t)), t I
X(t0 ) = X0 .
Si la funcion F no es lineal con respecto a la varible X, se dira que es
un sistema no lineal (SNL). Si ademas F no depende explcitamente de la variable t, se dira que es un sistema no lineal aut
onomo
(SNLA). Generalmente un (SNLA) corresponde en el caso mecanico a
un movimiento sin forzamiento externo. Estos sitemas son invariantes
bajo traslaciones temporales (variable t). En particular, si X : I Rn
es una solucion del sistema entonces la funcion Xc : Ic Rn definida
por Xc (t) = X(t c) tambien lo es. Aqu Ic denota el intervalo I desplazado hacia la derecha en c.
El vector X(t) Rn , que es la solucion del sistema en un punto
t I, se llama vector de estado.
n. Dada una funcion h : I R R R R, toda
Observacio
ecuacion de orden superior de la forma
y (n) = h(t, y, y , . . . , y (n1) )
y(t0 ) = y0 , y (t0 ) = y1 , . . . , y (n1) (t0 ) = yn1
157
158
6. SISTEMAS NO LINEALES
mg
L
sen() = f (t)
(0) = 0
(0) = 0 ,
c
g
y sen(x) + f (t).
m
L
La no linealidad se aprecia claramente en el termino sen() pues
y =
g
c
y sen(x).
m
L
Ejemplo 6.2 (Atractor de Lorenz). El siguiente sistema de ecuaciones diferenciales fue un modelo desarrollado por Lorenz, que en principio se propona tratar de comprender los fenomenos meteorologicos.
El modelo que utilizo Lorenz consiste en una atmosfera bidimensional
rectangular, cuyo extremo inferior esta a una temperatura mayor que
el superior. De esta manera el aire caliente subira y el aire fro bajara creandose corrientes que haran un intercambio de calor por conveccion. Las ecuaciones que describen este proceso son:
x = s(y x)
y = rx y xz
z = xy bz,
159
De aqu en adelante nos restringiremos a problemas en dos dimensiones y autonomos de la forma (SNLA):
x = F (x, y), x(t0 ) = x0
y = G(x, y), y(t0 ) = y0 ,
con F y G funciones continuamente diferenciables. El Teorema 5.4 garantiza que siempre tendremos una u
nica solucion local.
Decimos que (
x, y) es un punto crtico o de equilibrio del (SNLA)
si
F (
x, y) = 0
G(
x, y) = 0.
Se llama nulclina en x a la curva definida por F (x, y) = 0 y nulclina
en y a la curva definida por G(x, y) = 0.
Los puntos crticos son las intersecciones de las nulclinas. El conjunto de puntos crticos del sistema se denota por
C = {(
x, y) R2 | F (
x, y) = G(
x, y) = 0}.
F (x, y) =
F
(
x, y)(y y) + hF (r)
y
G
(
x, y)(y y) + hG (r),
y
donde r = (x, y) (
x, y) (recordemos que F (
x, y) = G(
x, y) = 0).
Ademas
hG (r)
hF (r)
=0
y
lm
= 0.
lm
r0 krk
r0 krk
160
6. SISTEMAS NO LINEALES
F
(
x, y),
x
b=
F
(
x, y),
y
c=
G
G
(
x, y) y d =
(
x, y);
x
y
)
(
x
,
y
)
a b
x
y
= J(
x, y),
=
G
G
c d
(
x
,
y
)
(
x, y)
x
y
donde J es la matriz Jacobiana de la funcion
F (x, y)
(x, y) 7
G(x, y)
evaluada en el punto crtico (
x, y).
Ahora, si reemplazamos en (SNLA) queda:
x = a(x x) + b(y y) + hF (r)
(SNLA)
y = c(x x) + d(y y) + hG (r).
Consideramos el sistema linealizado
x = a(x x) + b(y y)
(SL)
y = c(x x) + d(y y).
Un sistema (SNLA) es degenerado en torno a (
x, y) si |J(
x, y)| =
0. Un punto crtico (
x, y) de (SNLA) es aislado si existe > 0 tal no
hay ning
un otro punto crtico en la bola de centro(
x, y) y radio . De lo
contrario se dice que los puntos crticos son densos en torno a (
x, y).
Propiedades 6.1. Sea (
x, y) un punto crtico de (SNLA).
1. Si |J(
x, y)| =
6 0, entonces (
x, y) es el u
nico punto crtico de
(SL). En particular es aislado para (SL).
2. Si |J(
x, y)| = 0, entonces los puntos crticos de (SL) son densos
en torno a (
x, y). Mas precisamente, el conjunto C es una recta
que contiene a (
x, y) si J(
x, y) 6= 022 y es todo el plano si
J(
x, y) = 022 .
3. Si |J(
x, y)| =
6 0, entonces (
x, y) es un punto crtico aislado de
(SNLA).
n. Primero observemos que (x, y) es punto crtico
Demostracio
de (SL) si, y solo si,
a(x x) + b(y y) = 0
c(x x) + d(y y) = 0.
Es decir, si
a b
c d
x
y
a b
c d
x
y
161
= V0 ,
donde r = (w,
z) (
x, y). De manera equivalente,
a b
w
x
hF (
r)
=
.
c d
z y
hG (
r)
Si |J(
x, y)| =
6 0 tenemos que
1
w x
a b
hF (
r)
=
.
z y
c d
hG (
r)
162
6. SISTEMAS NO LINEALES
y
(0,14)
(12,6)
(20,0)
x
(0,0)
F
x
G
x
F
(
x, y)
y
G
(
x, y)
y
60 6x 4y
4x
2y
42 6y 2x
Evaluando el Jacobiano en cada punto crtico encontramos los respectivos sistemas linealizados:
1.
2.
3.
4.
163
60 0
J(0, 0) =
es invertible. El sistema linealizado alre0 42
dedor de (0, 0) es
x = 60(x 0) +
0(y 0)
(SL)1
g
L
sen(
x),
de donde
El Jacobiano es
C = {(k, 0) | k Z}.
J(
x, y) =
0
1
g
k
L (1) mc
y = L (x 0) mc (y 0)
164
6. SISTEMAS NO LINEALES
Vemos que (0, 0) es un punto crtico aislado de este sistema. Sin embargo
2
3x
0
0 0
J(x, y) =
,
de donde
J(0, 0) =
.
0 0
0 3y 2
Por lo tanto, este sistema es degenerado en torno al (0, 0). Si intentamos
hacer la linealizacion en torno a (0, 0) obtenemos
x =0
y = 0,
165
4
y 2
4
2
4
Figura 3. Interseccion de Conicas
Para ver que en (0, 0) la dos curvas efectivamente son tangentes
como sugiere el grafico, calculemos la derivada en dicho punto:
3+2x
y (0) = 32
3 + 2x + 2y + 2yy = 0 y = 2(1+y)
y (0) = 32 .
6 2x + 4y + 2yy = 0 y = x3
2+y
2.
Dado el (SNLA)
x = F (x, y)
y = G(x, y)
con condicion inicial (x(t0 ), y(t0 )) = (x0 , y0), a la solucion del problema de Cauchy se le llama trayectoria que parte de (x0 , y0 ). Mas
precisamente, es la funcion
T : I0 R2
t 7 (x(t), y(t)) ,
166
6. SISTEMAS NO LINEALES
donde I0 es su intervalo maximo de existencia (que por supuesto contiene al que entrega el Teorema de Existencia y Unicidad). El recorrido
R de esta trayectoria es el conjunto imagen de la funcion T . Es decir,
R = (x(t), y(t)) R2 | t I0 .
Un diagrama de fases de este sistema autonomo es a una coleccion de recorridos de las trayectorias para un n
umero representativo
de condiciones iniciales. El plano donde se grafica el diagrama de fases
se llama plano de fase. El interes de los diagramas de fase es que al
eliminar el tiempo de las ecuaciones, obtenemos graficos en 2 dimensiones en lugar de 3, lo que hace mas facil su estudio. Por otra parte, al
se
nalar el sentido de recorrido podemos conocer muchas propiedades,
en particular asintoticas, de las trayectorias.
Una consecuencia del Teorema de Existencia y Unicidad es la siguiente
n 6.1. Si dos trayectorias se intersectan, entonces sus
Proposicio
recorridos coinciden.
n. Si dos trayectorias T1 y T2 se intersectan como
Demostracio
en la Figura 4, entonces existen t1 , t2 tales que
(x1 (t1 ), y1(t1 )) = (x2 (t2 ), y2 (t2 )).
(xo,yo)
167
168
6. SISTEMAS NO LINEALES
3.
Clasificaci
on de los puntos crticos
Los puntos crticos de un (SNLA) pueden ser de diferentes naturalezas. Un punto crtico (
x, y) es estable si para cada > 0 podemos
encontrar > 0 de manera que k(x(t), y(t)) (
x, y)k < para todo
t, siempre que k(x0 , y0 ) (
x, y)k < . De lo contrario se dice que es
inestable. En palabras, un punto crtico es estable si las trayectorias
que parten cerca de el se mantienen cerca.
Por otra parte, un punto crtico (
x, y) es asint
oticamente estable
si es estable y ademas existe > 0 tal que
lm (x(t), y(t)) = (
x, y),
169
xo
x
t
yo
y
t
Figura 6. Soluciones de (46) para k > 0.
t=0
yo
y
t=1
t=2
xo
Figura 7. Solucion del sistema para una condicion inicial en el plano de fases XY
Si graficamos las soluciones para diferentes valores positivos y negativos de x0 y de y0 construimos el diagrama de fase de la Figura 8,
donde se aprecia claramente que todas las soluciones concurren al origen. Esta caracterstica hace que este punto crtico sea asintoticamente
estable.
Ahora, si cambiamos el parametro a k = 2, resulta
x(t) = x0 et
y(t) = yoe2t ,
170
6. SISTEMAS NO LINEALES
yo
xo
171
lm y(t) = y.
172
6. SISTEMAS NO LINEALES
y
yo
y
x
xo
173
y = x + y,
con condiciones iniciales (x(0), y(0)) = (x0 , y0 ) dadas, que tiene claramente el u
nico punto crtico (0, 0). Este es un sistema lineal de matriz
A=
,
174
6. SISTEMAS NO LINEALES
cos(t) sen(t)
sen(t) cos(t)
175
Nos interesa estudiar ahora con profundidad los sistemas linealizados, puesto que Henri Poincare demostro que bajo las hipotesis adecuadas, si se logra clasificar cualitativamente un punto crtico, por ejemplo
176
6. SISTEMAS NO LINEALES
(48)
x = ax + by
y = cx + dy,
1 0
0 2
P =
v1 | v2
177
donde v1 , v2 son los vectores propios asociados a 1 y 2 , respectivamente. De esta forma la solucion del sistema lineal es
x
x0
At
= e
y
y0
t
x
x0
e 1
0
1
= P
P
y
y0
0 e2 t
t
x
x0
e 1
0
1
1
P
=
P
y
y0
0 e2 t
| {z }
|
{z
}
t
x
e
e 1
0
x
e0
=
.
ye
ye0
0 e2 t
Si 1 > 0, entonces
lm x
e = lm e1 t x
e0 = ,
ye0
/1
x
e0 2
ye = c0 x
e2 /1 ,
es una constante.
178
6. SISTEMAS NO LINEALES
179
180
6. SISTEMAS NO LINEALES
1 = i,
con
6= 0 y 6= 0.
x + y
y = x +
y
181
+ i
0
pues las matrices
y
, tienen igual po0
i
linomio caracterstico. Ya habamos analizado este caso en el Ejemplo
6.12. Vimos que el origen es un punto espiral asintoticamente estable
si < 0 y un espiral inestable si > 0.
Ejemplo 6.14 (Pendulo no lineal). Ahora que tenemos mas herramientas, seguiremos con el ejemplo del pendulo no lineal. El sistema
x = y
y = mc y Lg sen(x)
tiene puntos crticos C = {(k, 0) | k Z}, y el Jacobiano respectivo
es:
0
1
0
1
J(x, y) =
,
J(
x, y) =
Lg cos(x) mc
Lg (1)k mc
por tanto los valores propios dependeran de la paridad de k.
k impar: Tenemos que 2 +
g
L
= 0, de donde
r
c2
g
c
=
+ .
2
2m
4m
L
Puesto que todas las contantes son positivas tenemos dos valores propios reales de distinto signo. Los puntos crticos resultan ser puntos
sillas inestables.
k par: Aqu 2 +
g
L
= 0 y luego
r
c2
c
g
=
.
2m
4m2 L
Analicemos por casos el signo de la cantidad subradical:
g
c2
1. Sobreamortiguado: El caso 4m
2 > L nos entrega dos valores
propios reales distintos, ambos negativos, por lo que los puntos
crticos (k, 0) resultan nodos asintoticamente estables.
g
c2
2. Subamortiguado: El caso 4m
2 < L nos entrega dos valores propios complejos conjugados, por lo que los puntos crticos (k, 0)
resultan puntos espirales, que ademas son asintoticamente esc
tables pues = 2m
< 0.
Este caso corresponde al mas com
un, que ocurre cuando el coeg
c2
olo si,
ficiente de roce es peque
no (notar que 4m
2 < L si, y s
pg
c < 2m L ).
Notemos que si el pendulo esta en posicion vertical hacia arriba,
182
6. SISTEMAS NO LINEALES
que corresponde a los puntos k impar, esta en un equilibrio inestable. Intuitivamente, si en esta posicion lo perturbamos ligeramente, el pendulo oscila hasta la posicion vertical hacia abajo,
que son los puntos espirales asintoticamente estables con k par
(ver Figura 19).
4
y
3 2
2
00
2
2
x
4
Figura 19. Diagramas de fase del pendulo subamortuguado.
2
g
c
3. Crticamente amortiguado: El caso 4m
olo
2 = L nos entrega un s
valor propio real negativo. Este caso a
un no lo hemos analizado,
por lo que lo pospondremos momentaneamente.
B. Casos Frontera.
B.1. Un solo valor propio con multiplicidad 2.
Tenemos el sistema
x = ax + by
y = cx + dy,
a b
con la matriz A =
no es necesariamente diagonalizable (pues
c d
tiene el valor propio repetido), pero siempre se puede llevar a su forma canonica de Jordan A = P JP 1, donde J puede tener uno o dos
bloques. En el caso de tener dos bloques, la matriz es diagonalizable,
con
t
0
e
0
Jt
J=
y de aqu
e =
.
0
0 et
183
.
t
t
ye
y
e
0 e
ye = e ye0
0
.
y
y0
0 et
y = et y0
De aqu se tiene que si < 0 resulta un nodo asintoticamente estable,
y si > 0, es un nodo inestable.
De hecho, de la segunda ecuacion se
y
1
puede despejar t = ln y0 . Reemplazando en la primera obtenemos
x0 1
y
x = y
.
+ ln
y0
y0
y0
x
cuando t , de modo que todas las
Resulta claro que d
d
y
trayectorias entran tangentes a una recta horizontal.
Ahora que ya sabemos como se comporta el sistema lineal en funcion de sus valores propios, podemos enunciar de forma completa los
teoremas de Poincare y Liapunov:
184
6. SISTEMAS NO LINEALES
y = det(A)
185
tr(A)
tr(A)2 4 det(A)
.
2
Las races son reales sobre la parabola 4 det(A) = tr(A)2 . Con la notacion dada arriba esto es 4y = x2 .
4 det(A) = tr(A)2
det(A)
1
tr(A)
186
6. SISTEMAS NO LINEALES
de la matriz, sin tener que calcular valores y vectores propios explcitamente. Sin embargo, si queremos un grafico preciso del diagrama de
fases es inevitable calcular los vectores propios, pues indican las direcciones de tangencia de las trayectorias, para el caso que corresponda.
5.
Un concepto u
til en fsica para clasificar los puntos de equilibrio de
un sistema es el de energa, gracias al siguiente principio:
En sistemas conservativos, un punto crtico es estable
si es un mnimo local de la energa total.
A grandes rasgos una funcion de Liapunov es una energa, en un sentido amplio. En breve daremos una definicon mas precisa.
Retomemos el Ejemplo 6.14 del pendulo. Supongamos primero que
c = 0, lo que significa que no hay roce. El sistema es
x = y
y = Lg sen(x).
187
Las ecuaciones para la energa son exactamente las mismas, por lo que
todava V (x, y) = 21 mL2 y 2 +mgL(1cos(x)), pero si derivamos y luego
reemplazamos x , y obtenemos
dV
= cL2 y 2 0.
dt
La energa disminuye con el paso del tiempo y se dice que el sistema
es disipativo. En este caso la perdida o disminucion de energa se
debe al roce y es natural pensar que entonces debe tener mas posibilidad de evolucionar hacia un punto de equilibrio estable. Es mas, antes
ya vimos que la posicion vertical hacia abajo es punto de equilibrio
asintoticamente estable.
Dado un punto (
x, y) R2 , una corona alrededor de (
x, y) es un
conjunto Dr de la forma
{(x, y) R2 | 0 < k(x, y) (
x, y)k < r}.
Notemos que si a Dr le agregamos el punto (
x, y) obtenemos la bola
abierta Br (
x, y). Una vecindad perforada de (
x, y) es un abierto que
no contiene a (
x, y) pero contiene a una corona alrededor de (
x, y).
Consideremos el (SNLA)
x = F (x, y),
y = G(x, y),
x(t0 ) = x0
y(t0 ) = y0 ,
188
6. SISTEMAS NO LINEALES
De esta manera se hace evidente la analoga entre las funciones de Liapunov y la energa.
Teorema 6.3 (Estabilidad por funciones de Liapunov). Sea (
x, y)
un punto crtico aislado del (SNLA).
1. Si existe una funcion de Liapunov en torno a (
x, y), entonces
el punto crtico es estable.
2. Si ademas la funcion de Liapunov es estricta, el punto es asintoticamente estable.
3. Por el contrario, si existe una funcion con las mismas caracV
V
tersticas pero con
F+
G > 0 en Dr , entonces el punto
x
y
crtico es inestable.
n. 1. Sea > 0. Para probar la estabilidad debemos
Demostracio
encontrar > 0 tal que si (x0 , y0) B (
x, y) entonces x(t), y(t)
B (
x, y) para todo t > 0. Como V es continua existe
x, y)} = m > 0,
mn{V (x, y) | (x, y) B (
donde B (
x, y) es la bola cerrada de centro (
x, y) y radio y B (
x, y)
denota su frontera (que es cerrada y acotada). Por la continuidad de
x, y).
V existe (0, r) tal que V (x, y) < m/2 para todo (x, y) B (
En t0 tomemos la condicion inicial (x0 , y0 ) B (
x, y), y la trayectoria
asociada (x(t), y(t)). Sabemos que V (x0 , y0 ) < m/2. Ademas
d
V dx V dy
V (x(t), y(t)) =
+
= Vx F + Vy G 0
dt
x dt
y dt
de donde
V (x(t), y(t)) V (x0 , y0 ) < m/2
para todo
t 0.
189
190
6. SISTEMAS NO LINEALES
cos() 3
x
3
para alg
un (0, x). Como para usar el teorema basta encontrar una
vecindad del origen, consideremos 2 < x < 2 , con lo que 0 < cos() <
1. Reemplazando esto vemos que
V
cos() 3
V
F+
G = (x2 + y 2 ) +
x (x + 2y).
x
y
3
No es directo establecer si esta expresion cambia de signo o no, pero si
hacemos el cambio a coordenadas polares: x = r cos(), y = r sen(),
obtenemos
V
cos() 4
V
F+
G = r 2 +
r cos()4 + 2 cos()3 sin() .
x
y
3
Claramente
191
Captulo 7
Introducci
on al C
alculo de Variaciones
Este captulo tiene como objetivo introducir los conceptos y metodos basicos del Calculo de Variaciones en una variable a traves del
estudio de la siguiente clase particular de problemas variacionales:
ZT
(P)
x(0) = x0 , x(T ) = x1 ,
1.
J : C 1 (a, b; R) R
x 7 J(x) =
Zb
a
193
AL CALCULO
7. INTRODUCCION
DE VARIACIONES
194
R
L(t, x, ),
Ejemplos.
bajo la restriccion
y(x0 ) = y0 , y(x1 ) = y1 .
Ejemplo 7.2 (Braquistocrona). Partiendo desde el origen A =
(0, 0), una partcula con peso se desliza bajo la influencia de la gravedad
sobre una curva que une A con otro punto B = (x1 , y1). Tomando el
eje x positivo hacia abajo y el eje y positivo hacia la derecha, pedimos
que B cumpla x1 > 0, y1 > 0.
y
A
B
x
El tiempo que le toma a la partcula recorrer este camino depende de
la curva recorrida y por lo tanto la correspondencia que a cada curva
regular le asocia el tiempo necesario para recorrerla es un funcional.
La curva de tiempo mnimo se conoce como la braquistocrona. Para
modelar este problema, sea y C 1 (x0 , x1 ) una funcion que une A con
B. Tenemos que la rapidez de la partcula que desliza por y satisface
dx
ds
ds dx p
v(t) =
=
= 1 + y 2 .
dt
dx dt
dt
Por otra parte, suponiendo que la partcula inicia su movimiento desde
el reposo (v(0) = 0) tenemos que por conservacion de la energa:
p
1 2
mv mgx = 0 v = 2gx
2
p
1 + y 2
dt =
dx,
2gx
de modo que el tiempo de recorrido a minimizar esta dado por
Zx1 p
1 + y 2
dx.
J(y) =
2gx
0
sujeto a
y(0) = 0, y(x1 ) = y1 .
Ejemplo 7.3 (El modelo de Ramsay). Se asume que un individuo
tiene la opcion, a cada instante t, de consumir y de invertir. Sean x(t)
y c(t) el capital y el consumo del individuo en el instante t respectivamente. Suponemos ademas que una funcion f = f (x) representa la
produccion de capital y una funcion u = u(c), llamada funcion de utilidad, describe el beneficio instantaneo del individuo ante un consumo
dado por c. Luego, en un horizonte [0, T ], el individuo busca maximizar
la utilidad esperada, esto es
ZT
max u(c(t))dt
dx
(t) = f (x(t)) c(t)
dt
2.
mn
ZT
x(0) = x0 , x(T ) = x1 .
Supongamos la existencia de una solucion, nos interesa poder caracterizarla mediante una ecuacion, ya sea con el fin de obtener un
metodo para calcularla o bien para deducir mas propiedades sobre la
solucion a partir de la ecuacion.
196
AL CALCULO
7. INTRODUCCION
DE VARIACIONES
d L
L
(t, x(t), x
(t)) =
(t, x(t), x
(t)), t [0, T ].
dt
x
Observaci
on: Notemos que (49) es una ecuacion diferencial de
segundo orden para x, la cual se conoce como la ecuacion de EulerLagrange de (P).
Demostraci
on. Para simplificar la notacion, haremos la demostracion
en el caso que L = L(x, y); cuando la dependencia con respecto a t es
explcita, los argumentos son similares. Para establecer este resultado,
la idea es perturbar la solucion x. Consideremos una funcion h
C 1 (0, T, R) tal que
h(0) = h(T ) = 0.
Definamos
() = J(
x + h), R.
donde
J(x) =
ZT
L(x(t), x(t))dt.
ZT
ZT
[L(
x(t) + h(t), x (t) + h(t))]|
=0 dt
d
ZT
L
L
(
x(t), x (t))h(t) +
(
x(t), x (t))h(t)]dt.
x
ZT
L
L
(
x(t), x (t))h(t) +
(
x(t), x
(t))h(t)]dt
=0
x
c(t) = L
c( )d . Como c(t) y h(t) son C 1 (pues
(
x
(t),
x
(t)),
A(t)
=
x
0
L y x son C 2 ), entonces:
ZT
0
T
ZT
ZT
= A(t)h(t)dt,
c(t)h(t)dt = A(t)h(t) A(t)h(t)dt
0
(51)
(
x(t), x (t)) A(t) h(t)dt
=0
AL CALCULO
7. INTRODUCCION
DE VARIACIONES
198
c(t)dt = 0
c(t)h(t)dt
=0
Zb
c(t)dt
y consideremos
h(t) =
Zt
a
[c( ) c]d,
Como
Zb
a
3. EJEMPLOS
199
deducimos que
Zb
[c(t) c]2 dt = 0.
Ejemplos
Z h m
i
(Pm )
mn
x(t)
2 U(x(t)) dt x C 1 (0, T ; R), x(0) = x0 , x(T ) = x1 .
2
0
dU
d
x(t)
= (x(t)) t [0, T ]
dt
dx
AL CALCULO
7. INTRODUCCION
DE VARIACIONES
200
Z1 p
1 + y (x)2 dx
bajo la restriccion
y(0) = 0, y(1) = 1.
Apliquemos la ecuacion de Euler-Lagrange con L(y, y ) =
entonces nos queda:
L
d L
(y(x), y (x)) =
(y(x), y (x)) = 0
dx y
y
1 + y 2,
Lo que implica
p
= K, K R
1 + y 2
Despejando y obtenemos la ecuacion
r
K2
= y (x),
1 K2
cuya solucion es
r
K2
+ C.
y(x) = x
1 K2
Imponiendo y(0) = 0 e y(1) = 1, se obtiene K =
finalmente, y(x) = x.
1
2
y C = 0 de donde,
J(y) =
dx.
2gx
x0
sujeto a
y(0) = 0, y(x1 ) = y1 .
2
1+z .
2gx
=
z
2gx 1 + z 2
4. EJERCICIOS
201
y
d 1
p
= 0,
dx 2gx 1 + y 2
y
1
p
= K,
2gx 1 + y 2
K R.
.
y =
2C x
Hagamos el siguiente cambio de variables x = C(1 cos(t)), luego
s
Z
1 cos(t)
dt
y(t) = C sin(t)
1 + cos(t)
s
Z
(1 cos(t))2
= C sin(t)
dt
1 cos2 (t)
Z
= C (1 cos(t))dt
= C(t sin(t)) + C1
Ejercicios
Z2
(x(t))
mn 2 dt
t
x(1) = 1, x(2) = 7.
AL CALCULO
7. INTRODUCCION
DE VARIACIONES
202
(b)
mn
Z1
y(0) = 0, y(1) = 1.
2. Un caso particular del modelo de Ramsay. Denotemos por x(t)
y c(t) el capital y el consumo de un individuo en el instante t
respectivamente. Asuma que la produccion de capital esta dada
por f (x) = x con > 0, mientras que la funcion de utilidad
del individuo esta dada por u(c) = (c c )2 con , c > 0.
Suponga x(0) = x0 > 0 y x(T ) = 0 (capital final nulo). Los
parametros , , c , T y x0 son conocidos.
(a) Determine la ecuacion de Euler-Lagrange que satisface el
capital optimo x(t) de acuerdo al modelo de Ramsay.
(b) Encuentre la funcion del capital optimo x(t) y la trayectoria
de consumo correspondiente c(t).