ECUACIONES DIFERENCIALES DE PRIMER ORDEN Este libro trata de c6mo podemos predecir e! futuro. Para ello, de todo lo que disponemos es el conocimiento de cémo son las cosas y cuéles son las reglas que gobiernan los cambios que ocurrirén. Del célculo sabemos que el cambio es medido por la derivada, y usarla para describir cémo se modifica una cantidad es de lo que tratan las ecuaciones diferenciales. Convertir las reglas que gobiernan la evolucién de una cantidad en una ecuacién diferencial se llama modelacién, y en este capitulo estudiaremos muchos modelos. Nuestra meta es emplear la ecuacién diferencial para predecir el valor futuro de la cantidad que se esti modelando. Existen tres tipos basicos de técnicas para efectuar esas, predicciones. Las técnicas analiticas implican encontrar formulas para los valores futuros de la cantidad. Los métodos cualitativos se apoyan en un esbozo burdo de la gréfica de la cantidad como funcién del tiempo, y en Ia descripcién de su comportamiento a largo plazo. Las técnicas numéricas requieren que efectuemos célculos aritméticos (0 bien que los haga una computadora) que den aproximaciones de los valores futuros de la cantidad. En este capitulo presentaremos y usaremos estos tres procedimientos.2 1a CAPITULO 1 Ecuaciones diferenciales de primer orden MODELACION POR MEDIO DE ECUACIONES DIFERENCIALES La parte més dificil al usar las mateméticas para estudiar una aplicacidn es la conversi de los fenémenos de la vida real al formalismo matemético. Por lo general esto es com- plicado porque implica la conversién de hipétesis imprecisas en f6rmulas muy precisas. No hay manera de evitarlo. La modelacién no es facil y la mejor manera de lograrla es la misma requerida para tocar en Carnegie Hall: practicar, practicar y practicar. {Qué es un modelo? Es importante recordar que los modelos mateméticos son como otros tipos de modelos. El objetivo no es producir una copia exacta del objeto “real”, sino més bien representar al- gunas caracteristicas de la cosa real. Por ejemplo, un retrato de una persona, un maniqut y un cerdo pueden ser modelos de un ser humano. Y aunque ninguno es una copia perfec- ta de éste, sf poseen ciertos aspectos en comtin con un ser humano. La pintura describe la apariencia fisica de un individuo en particular; el maniqué porta ropa tal como una perso- na y el cerdo esté vivo. Cusl de los tres modelos es “mejor” depende de cémo usemos el ‘modelo: para recordar viejos amigos, para comprar ropa 0 para estudiar biologfa. Los modelos matemiticos que estudiaremos son sistemas que evolucionan con el tiempo, pero con frecuencia también estén supeditados a otras variables. De hecho, los sis- temas del mundo real pueden ser notoriamente complicados: la poblacién de conejos en ‘Wyoming depende del niimero de coyotes, del ntimero de linces, del ntimero de leones de ‘montafia, del nimero de ratones (alimento alternativo para los depredadores), de las préc- ticas usuales agricolas, del clima, de varias enfermedades tipicas de los conejos, etc. Po- demos claborar un modelo de la poblacién de conejos suficientemente simple para que sea entendible, s6lo haciendo hipétesis simplificadoras y englobando los efectos que puedan © no ser comunes. Una vez elaborado el modelo, debemos comparar las predicciones de éste con los datos del sistema. Si el modelo y ef sistema concuerdan, tendremos confianza en que las hipstesis hechas al crear el modelo son razonables y que podemos usarlo para hacer pre- dicciones; si no concuerdan, entonces debemos estudiar y mejorar nuestras suposiciones. En todo caso, aprendemos mds acerca del sistema al compararlo con el modelo. Los tipos de predicciones que son razonables dependen de nuestras hipotesis. Si nuestro modelo se basa en reglas precisas como las leyes de Newton sobre el movimiento ‘ las reglas del interés compuesto, entonces podemos usarlo para hacer predicciones cuan- titativas muy exactas. Si las hipétesis son menos precisas 0 si el modelo es una versién simplificada del sistema, entonces serfa absurdo tratar de obtener predicciones cuantita- tivas exactas. En este caso, deberfamos usar el modelo para hacer predicciones cualitati- vas, tales como “la poblacién de conejos en Wyoming aumentard, ..”. La linea divisoria centre predicciones cualitativas y cuantitativas es en sf misma imprecisa, pero veremos que con frecuencia es mejor y més fécil usar cualitativamente aun el més preciso de los. modelos. Algunas sugerencias para la construcclén de modelos Los pasos basicos para elaborar un modelo son: Paso 1 Establezca claramente las hipétesis en que se basaré el modelo. Estas deben des- cribir las relaciones entre las cantidades por estudiarse. Paso 2 Defina completamente las variables y parémetros que se usarén en ¢l modelo.1.1 Modelacién por medio de ecuaciones diferenciales 3 Paso 3 Use las hip6tesis formuladas en el paso 1 para obtener ecuaciones que relacionen Jas cantidades de! paso 2. En el paso 1, 0 paso “cientifico”, describimos cémo creemos que funciona el sistema fisico ©, por lo menos, cuales son sus aspectos més importantes. En algunos casos, esas hipétesis son bastante especulativas, por ejemplo, “a los conejos no les preocupa su sobrepobla- cién”. En otros casos, las hip6tesis son bastante precisas y bien aceptadas, como “a fuerza ¢s igual al producto de la masa y la aceleraciGn”. La calidad de las hip6tesis determina Ia validez del modelo y las situaciones en que el modelo es pertinente. Por ejemplo, algunos modelos de poblacisn se aplican s6lo a pequefias poblaciones en grandes entornos, mien- tras que otros consideran espacios y recursos limitados. Muy importante es evitar “hipé- tesis ocultas” que hagan al modelo parecer misterioso 0 mégico. EI paso 2 es donde nombramos las cantidades que se estudiardn y, en caso necesa- rio, describimos las unidades y escalas implicadas. Pasar por alto este paso es como deci dir que usted hablaré un idioma propio sin decirle a nadie qué significan las palabras. Las cantidades en nuestros modelos se agrupan en tres categorfas basicas: la varia ble independiente, las variables dependientes y los pardmetros. En este libro, la variable independiente es (casi) siempre el tiempo. El tiempo es “independiente” de cualquier otra cantidad en el modelo. Por otra parte, las variables dependientes son cantidades que son funciones de la variable independiente. Por ejemplo, en la frase “la posicién es una fun- cién del tiempo”, queremos decir que la posicién es una variable que depende del tiempo. Es posible enunciar vagamente el objetivo de un modelo expresado en términos de una ecuacién diferencial como “describa el comportamiento de la variable dependiente con- forme cambie la variable independiente”. Por ejemplo, podemos preguntar si la variable dependiente aumenta o disminuye o si oscila 0 tiende a un limite Los pardmetros son cantidades que no cambian con el tiempo (0 con la variable i ‘ependiente) pero que pueden ajustarse (por causas naturales o por un cientifico efectuan- do el experimento). Por ejemplo, si estamos estudiando el movimiento de un mis, la ma- sa inicial de éste es un parémetro, Si estamos analizando la cantidad de ozono en las ca- pas superiores de la atmésfera, entonces la velocidad con que se liberan los fluorocarbo- nos de los refrigeradores es un pardmetro. El aspecto més importante del estudio de un modelo consiste en determinar la manera en que cambian las variables dependientes cuan- do ajustamos los parémetros. En el paso 3 formulamos las ecuaciones. La mayor parte de los modelos que consi- deraremos son expresados como ecuaciones diferenciales. En otras palabras, esperamos ‘encontrar derivadas en nuestras ecuaciones. Ponga atencidn a frases como “razén de cam- bio de..." 0 “tasa de crecimiento de...”, ya que razdn de cambio es sinénimo de derivada. Por supuesto, ponga atencién también a “velocidad” (derivada de la posicién) y “acelera- cin” (derivada de la velocidad) en modelos de fisica. La palabra es significa “es igual” ¢ indica dénde se encuentra la igualdad. La frase “A es proporcional a B” significa A = kB, donde k es una constante de proporcionalidad (a menudo un parémetro en el modelo). Una importante regla empfrica que usamos al formular modelos es: Simplifique siempre que pueda el dlgebra. Por ejemplo, al modelar la velocidad ude un gato al caer de un edificio alto, podriamos suponer que: + La resistencia del aire crece al aumentar la velocidad del gato. Esta hipétesis supone que la resistencia del aire proporciona una fuerza que se opone a la fuerza de la gravedad y crece conforme aumenta la velocidad vdel gato. Podrfamos esco- ger kyo kv? para el término de la resistencia del aire, donde k es el coeficiente de friccién,4 cAPiTULO 1 Ecuaciones diferenciales de primer orden es decir, un pardmetro. Ambas expresiones crecen cuando vse inerementa, por lo que sa- tisfacen la hipétesis, Sin embargo, muy probablemente ensayarfamos primero kv porque es la expresiGn més simple que satisface la hipétesis. De hecho, resulta que kv genera un buen modelo para la cafda de cuerpos de pequefia densidad, como los copos de nieve, pe- ro kv es un modelo més apropiado para objetos densos como gotas de Huvia, ‘Veremos ahora una serie de modelos de crecimiento de poblaciones, basados en va- rias suposiciones acerca de las especies implicadas. Nuestra meta aqui es estudiar cémo pa- sar de un conjunto de suposiciones a un modelo. Esos ejemplos no son modelos del “estado del arte” de la ecologia de poblaciones, pero son apropiados para considerarlos inicialmen- te. También empezaremos a describir las técnicas analiticas, cualitativas y numéricas que usaremos para hacer predicciones basadas en esos modelos. Nuestro acercamiento preten- de ser sélo ilustrativo; analizaremos esas técnicas mateméticas con mucho mayor detalle alo largo de todo el libro. Crecimiento ilimitado de la poblacién Un modelo elemental del crecimiento de una poblacién se basa en Ia hipétesis de que + La velocidad de crecimiento de la poblacién es proporcional al tamafio de la poblacién, Observe que la razén de cambio de una poblacién s6lo depende del tamafto de ésta. En particular, las limitaciones de espacio o recursos no tienen efecto. Esta hipétesis es razo- nable para pequerias poblaciones en grandes entornos, por ejemplo, los primeros brotes de moho en una pieza de pan o los primeros colonizadores de Estados Unidos. Como la hipétesis es tan simple, esperamos que el modelo también lo sea. Las can- tidades implicadas son 1 = tiempo (variable independiente), P = poblacién (variable dependiente) y k= constante de proporcionalidad (pardmetro) entre la tasa de crecimiento de la poblacién y el tamafio de ésta, El pardmetro k suele llamarse “coeficiente de velocidad de crecimiento”. Las unidades para esas cantidades dependen de la aplicaci6n. Si estamos modelan- do el crecimiento de moho en el pan, entonces t podrfa medirse en dias y P(t) seria el érea cubierta por el moho o bien el peso del moho, Si estamos hablando de la poblacién europea en Estados Unidos, entonces ¢ probablemente se mediré en afios y P(e) en millones de per- sonas. En este caso harfamos corresponder ¢ = 0 a cualquier tiempo que quisiéramos. El afio 1790 (el affo del primer censo) es una opcién conveniente. Expresemos ahora nuestra hipétesis usando esta notacién. La tasa de crecimiento de la poblacién P es la derivada dP/dt, Puesto que ésta es proporcional a la poblacién, se ex- presa como el producto, kP, de la poblacién P y la constante k de proporcionalidad. Por consiguiente, nuestra hipétesis se expresa por la ecuaciGn diferencial ap a =P. En otras palabras, la raz6n de cambio de P es proporcional a P. Este es nuestro primer ejemplo de una ecuacién diferencial. Asociada con ella hay varios adjetivos que describen su tipo. En particular, se trata de una ecuaciGn de primer1.1 Modelacién por medio de ecuaciones diferenciales 5 orden porque contiene sélo primeras derivadas de la variable dependiente, y es una ecua- cién diferencial ordinaria porque no contiene derivadas parciales. En este libro tratare- ‘mos s6lo con ecuaciones diferenciales ordinarias. Hemos escrito esta ecuacién diferencial usando 1a notacién de Leibniz, es decir, Pidt, y es la que tenderemos a usar. Sin embargo, hay muchas otras maneras de expresar Ja misma ecuacién diferencial. En particular, también podriamos escribitla como P’= KP o.como P = KP. La notacién “punto” suele utilizarse cuando Ia variable independiente es el tiempo t. 2Qué predice el modelo? Mis importante que los adjetivos 0 c6mo se escribe la ecuacién es preguntar qué nos di- ce acerca de la situaciGn que se esté modelando. Como dP/dt = KP para alguna constan- te k, dPidt = 0 si P = 0. Entonces la funcién constante P(t) = 0 es una solucién de la ecuacién diferencial, A este tipo especial se le denomina solucién de equilibrio porque es constante para siempre. En términos del modelo de poblacién, corresponde a una especie que es no existente. Si Pia) # 0 en algin tiempo fo, entonces en el tiempo t = fo aP a TEPC) #0. En consecuencia, Ia poblacién no es constante. Sik > 0 y Pi) > 0, tenemos 2 kP(o) > 0, en el tiempo f = fo y la poblacién esté creciendo (como era de esperarse). Conforme erece, P(t) se vuelve mayor, por lo que dP/dt aumenta. A su vez, P(t) crece atin més répida- mente. Es decir, Ia velocidad de crecimiento crece en relaciGn directa con la poblacién, Podemos esperar por lo tanto que la gréfica de la funcidn P(¢) tenga la forma mostrada en la figura 1.1. El valor de P(t) en t = 0 se llama una condici6n inicial. Si comenzamos con una condicin inicial diferente obtenemos una funcién P(t) distinta, como se indica en la fi- gura 1.2. Si P(0) es negativa (recordando que k > 0), tenemos entonces dP/dt < 0 para Pp Figura 1.1 Figura 1.2 La gréfica de una funcién que satisface ta Las gréficas de diversas funciones que ‘ecuacién diferencial satisfacen la ecuacién diferencial dP/dt = kP. Cada una tiene un valor diferente en ¢ ap Gn.CAPITULO 1 Ecuaciones diferenciales de primer orden 1 = 0, por lo que P(t) inicialmente esta disminuyendo. Al crecer t, P(t) se vuelve mas ne- gativa. La imagen debajo del eje tes la reflexién de la imagen superior, aunque esto no es “fisicamente importante” porque una poblacin negativa no tiene sentido, ‘Nuestro andlisis de la manera en que P(2) ctece cuando ¢ aumenta se llama analisis cualitativo de la ecuacién diferencial. Si todo lo que nos interesa es saber si el modelo predice “explosiones de poblacién”, entonces podemos responder que “si, en tanto que P(O) > 0", Soluctones analiticas de la ecuacion diferenctal Si, por otra parte, conocemos el valor exacto Po de P(0) y queremos predecir el valor de P(10) 0 P(100), entonces necesitamos informacién mas precisa sobre la funcién P(t). El par de ecuaciones ap Gr = HP. P(O) = Po, se llama problema de valor inicial. Y una solucin al problema de valor inicial es una funcién P(t) que satisface ambas ecuaciones. Es decir e = KP paratodat y —P(0) = Po. En consecuencia, para solucionar esta ecuacién diferencial debemos hallar una funcién (1) cuya derivada sea el producto de k con P(e). Una manera (no muy sutil) de encontrar- la es hacer una conjetura, En este caso, es relativamente fécil ver cudl es la forma correcta para P(), porque sabemos que la derivada de una funcién exponencial es esencialmente ella misma. (Podemos eliminar este proceso de conjeturar usando el método de separacién de variables que describiremos en la seccidn siguiente. Pero por ahora ensayaremos el mé- todo exponencial y veamos a qué nos conduce.) Después de un par de intentos con varias formas de dicha funci6n, vemos que Pi) = eH su derivada, dP/dt = ke, es el producto de k con P(t). Pero existen otras soluciones po- sibles, ya que P(t) = ce (donde c es una constante) da dP/dt = c(ke#) = k(ce!) = kP(). As( dP/dt = KP para toda t y para cualquier valor de la constante c, Existe un niimero infinito de soluciones para la ecuacién diferencial, uno para cada valor de c. Para determinar cual de ésas es la correcta para la situacién considerada, usa- ‘mos la condicién inicial dada. Tenemos Py = PO) = ce = 0-8 =e-1= En consecuencia, debemos escoger ¢ = Po, por lo que una solucién del problema del va- lor inicial es P(t) = Poel. Hemos obtenido una férmula para nuestra solucién, no solamente una imagen cualitativa de su gréfica. La funcién P(t) se llama soluci6n al problema del valor inicial asf como solucién particular de la ecuaci6n diferencial. El conjunto de funciones P(t) = ce! se llama solu-1.1 Modelacién por medio de ecuaciones diferenciales 7 ci6n general de la ecuaci6n general, porque podemos usarla para encontrar la respuesta particular correspondiente a cualquier problema de valor inicial. La figura 1.2 consiste en las gréficas de funciones exponenciales de Ia forma P(t) = ce con varios valores de la constante ¢, es decir, con diferentes valores iniciales. En otras palabras, es una imagen de la solucién general de la ecuacién diferencial. La poblaci6n de Estados Unidos Para ejemplificar cémo puede usarse este modelo, consideremos las cifras de los censos de Estados Unidos desde 1790 dadas en la tabla 1.1 ‘Veamos qué tan bien se ajusta el modelo de crecimiento ilimitado a estos datos. Me- dimos el tiempo en afios y la poblacién P(t) en millones de personas. Hacemos que t = 0 sea el afio 1790, por lo que la condicisn inicial es P(0) = 3.9. El problema correspondien- te de valor inicial ap 7 Gm HP PO) = 3.9, tiene P(0) = 3.9 e como solucién. Peto no podemos usar este modelo para hacer predic- ciones porque no conocemos el valor de k. Sin embargo, sabemos que la poblacién en el afio 1800 era de 5.3 millones y podemos usar este valor para determinar k. Si hacemos 5.3 = P(10) = 3.9 10 tenemos entonces flo 5.3 ta (53) k = 0.03067. Tabla 1.1 Cifras de los censos de Estados Unidos, en millones de personas (véase Funk y Wagnalls, Almanague ‘Mundial de 1994) Ano ot Real P(r) =3.9e9™5" | Ano ot Real__ P(t) = 3.9¢008067 1790039 39 1930 140122 286 1800 1053 53 1940 10.131 388 1810-2072 72 1950 160151 528 1920 30-96 98 1960 170179 1 1890 4012 13 1970 180203, 975 140-5017 18 1980 190-226 1320 1850 603 25 1990 200-249 1800 1860-70031 33 2000 210 2450 1870-8038, 45 2010 220 3320 1880 9 50 2 2020 230 4520 1890 100 62. 84 2030 240 6140 1900 11075 4 2040 250 8340 1910 1209 155 2050-260 11 300CAPITULO 1 Ecuaciones diferenciales de primer orden Nuestro modelo predice entonces que la poblacién de Estados Unidos esta dada por PQ) = 3.9€00905% ‘Como vemos en la figura 1.3, este modelo de P(t) predice razonablemente bien la poblacién hasta aproximadamente 1860, pero después de este afio la prediccidn resulta muy grande. (La tabla 1.1 incluye una comparacién de los valores predichos con los datos reales.) ‘Nuestro modelo es bastante bueno siempre que la poblacién sea relativamente pe- quefia, Sin embargo, con el paso del tiempo el modelo predice que la poblacién continua- 4 creciendo sin limite, y obviamente esto no sucede en el mundo real. En consecuencia, si queremos un modelo que sea exacto sobre una escala grande de tiempo, debemos tomar cen cuenta el hecho de que las poblaciones existen en una cantidad finita de espacio y con recursos limitados. Figura 1.3 Los puntos representan datos reales del censo y la linea continua es la soluci6n del modelo de crecimiento exponencial ap Gy = 0.08067 P El tiempo t se mide en afios desde el alo 1790. Modelo logistico de la poblacién Para ajustar el modelo de crecimiento exponencial de la poblacin que tome en cuenta un entorno y recursos timitados, agregamos las hipstesis: + Si la poblacién es pequefia, la razén de crecimiento de la poblacién es proporcional a su tamaio. + Si la poblacién es demasiado grande para ser soportada por su entorno y recursos, 1a poblacién disminuiré. Es decir, la raz6n de crecimiento es negativa. Para este modelo usamos de nuevo jempo (variable independiente), P = poblacién (variable dependiente), k = coeficiente de la raz6n de crecimiento para poblaciones pequeiias (parémetro). Sin embargo, nuestra hip6tesis acerca de recursos limitados introduce otra cantidad, el tamafio de la poblacién que corresponde a ser “demasiado grande”. Esta cantidad es un segundo pardmetro, denotado por N, que lamamos la “capacidad de soporte” del entorno. En términos de la capacidad de soporte, estamos suponiendo que P(t) crece si P(t) < N. No obstante, si P(t) > N, suponemos que P(t) esta decreciendo, Usando esta notaci6n, podemos reescribir nuestras hipétesis como: . ¢ ~ KP si P és pequefia (primera hipstesis).. + sip >N,© <0 (cogunda hipstesis)1.1. Modelacién por medio de ecuaciones diferenciales 9 Queremos también que el modelo sea “algebraicamente simple” o por lo menos tan simple como sea posible, por lo que tratamos de modificar el modelo exponencial lo me- 1nos posible. Por ejemplo, podriamos intentar una expresidn de la forma ap G7 (algo) P. ‘Queremos que el factor “algo” sea cercano a 1 si P es pequefia, pero si P > N, queremos que “algo” sea negativo. La expresién mds simple que tienen estas propiedades es la fun- cién (algo) = (1 - Note que esta expresisn es igual a 1 si P = Oy es nogativa si P > N. Nuestro modelo es entonces ap P aM x)? Este se lama el modelo logistico de la poblacién con velocidad de crecimiento k y ca pacidad N de soporte. Se trata de otra ecuacién diferencial de primer orden. Se dice que cesta ecuacién es no lineal porque su lado derecho no es una funcién lineal de P como lo cera en el modelo de crecimiento exponencial. Anilisis cualitativo del modelo logistico ‘Aunque la ecuacién diferencial logistica es ligeramente mas complicada que la del mode- lo de crecimiento exponencial, no hay modo de que podamos conjeturar soluciones. El ‘método se separacién de variables analizado en la secci6n siguiente produce una férmula para la solucién de esta ecuacién diferencial particular. Pero por ahora nos apoyaremos ‘meramente en métodos cualitativos para ver qué anticipa este modelo a largo plazo. Primero, sea el lado derecho de Ia ecuacién diferencial. En otras palabras, la ecuacién diferencial pue- de escribirse como dP a Podemos obtener informacién cualitativa sobre las soluciones a la ecuaciGn diferencial si sabemos cudndo dP/dt es cero, dénde es positiva y dénde es negativa, Si trazamos la gréfica de la funcién cuadritica f(vea la figura 1.4), observamos que ella corta al eje P en exactamente dos puntos, P = Oy P = N. En cualquier caso, tenemos 1) Figura 1.4 Grafica del lad derecho f= 41 - E)P de la ecuacién diferencial logistica10 CAPITULO 1 Ecuaciones diferenciales de primer orden dPidt = 0. Como la derivada de P desaparece para toda 1, 1a poblacién permanece cons- tante si P = 0 0 P = N. Es decir, las funciones constantes P(t) = Oy P(t) = N resuelven la ecuacién diferencial. Esas dos soluciones constantes tienen mucho sentido: si la pobla~ cin es cero, permaneceré en cero indefinidamente; si la poblacién es exactamente la aso- ciada con la capacidad de soporte, ni creceré ni disminuiré. Tgual que antes, decimos que P = Oy P = Nson puntos de equilibrio. Las funciones constantes P(t) = 0 y P(t) = N son llamadas soluciones de equilibrio (vea la figura 1.5). Pp Figura 1.5 | Las soluciones de equilibrio de Ia ecuacién | a _4(y -P # i(1-2)p El comportamiento a largo plazo de la poblacién es muy diferente para otros valo- res, Si la poblaci6n inicial se encuentra entre 0 y N, tenemos entonces jP) > 0. En este caso, la raz6n de crecimiento dP/dt = f(P) es positiva y en consecuencia la poblacién P(t) esté creciendo. En tanto que P(t) se encuentre entre 0 y N, la poblacién continga incre- menténdose. Sin embargo, cuando tiende a la capacidad de soporte N, dP/dt = flP) se acerca a cero, por lo que esperamos que la poblacidn se nivele cuando tienda a N (vea la figura 1.6). P Figura 1.6 Soluciones dela ecuac6n dferencial logistca aP Pp aR) aproximéndose a la soluci6n de equilibrio PEN, Si P(0) > N, entonces dP/dt = f(P) <0 y la poblacién esta disminuyendo. Y cuan- do tiende a la capacidad de soporte N, dP/dt se aproxima a cero y esperamos de nuevo que la poblacién se nivele en N. Finalmente, si P(0) < 0 (que no tiene sentido en términos de poblaciones), tenemos también dP/dt = f(P) <0. Vemos de nuevo que P(t) disminuye, pero esta vez no se nive- la a ningiin valor particular ya que dP/dt se vuelve més y més negativa conforme P(t) de- rece. Asf, a partir s6lo del conocimiento de Ia gréfica de f, podemos esbozar varias dife- rentes soluciones con condiciones iniciales diferentes, todas sobre los mismos ejes. La \inica informacién, que necesitamos es el hecho de que P = 0 y P = N son soluciones de equilibrio; P( crece si 0 < P No P < 0. Por supuesto, los valores exactos de P(é) en cualquier tiempo dado t dependerdn de los valores de P(0), k y 1N (wea la figura 1.7),1.1 Modelacién por medio de ecuaciones diferenciales 11 Pe Figura 1.7 Soluciones de la ecuacién diferencial logistica P=N aproximandose a la solucién de equilibrio P=0 1 P= Ny alejandose de la solucin de ‘equilibrio P = 0, Sistemas depredador-presa ‘Ninguna especie vive aislada y las interacciones entre especies proporcionan algunos de los modelos més interesantes por estudiar. Concluimos esta seccién presentando un sim- ple sistema depredador-presa de ecuaciones diferenciales donde una especie “se come” a la otra, La diferencia mds obvia entre éste y los modelos previos es que tenemos dos can- tidades que dependen del tiempo. Nuestro modelo tiene entonces dos variables dependien- tes que son ambas funciones del tiempo. En este caso llamaremos a la presa “conejos” y a los depredadores “zorros”, y denotaremos la presa por Cy a los depredadores por Z. Las hipétesis de nuestro modelo son: Si no hay zorros presentes, los conejos se reproducen a una tasa proporcional a su po- blacién y no les afecta la sobrepoblacién. Los zorros se comen a los conejos y la raz6n a la que los conejos son devorados es pro- porcional a la tasa a la que los zorros y conejos interactian. ‘Sin conejos qué comer, Ia poblacién de zorros declina a una raz6n proporcional a ella misma, La tasa de nacimientos de los zorros va en proporcién al ntimero de conejos comidos por zorros que, por la segunda hipétesis, es proporcional a la razén a la que los zorros ¥y conejos interactian. Para formular este modelo en términos matematicos, necesitamos cuatro parémetros adicionales a nuestra variable independiente ¢ y a nuestras dos variables dependientes Z y CC. Los parémetros son: coeficiente de la razén de crecimiento de conejos, ‘onstante de proporcionalidad que mide el nimero de interacciones conejos-zorros en las que el conejo es devorado, coeficiente de la raz6n de muertes de zorros, ‘onstante de proporcionalidad que mide el beneficio a la poblacién de zorros de un conejo devorado. Cuando formulamos nuestro modelo, seguimos la convencién de que a, B, yy 5 son todos positivos. Nuestras primera y tercera hipétesis anteriores son similares a la que plantea el mo- delo del crecimiento ilimitado, visto antes en esta seccién. En consecuencia, ellos dan términos de la forma aC en la ecuacién dCidt y ~yZ (ya que la poblacién de zorros de- clina) en la ecuacién para dZ/dt.12 CAPITULO 1 Ecuaciones diferenciales de primer orden La raz6n a la que los conejos son devorados es proporcional a la raz6n de inte- raccién entre los zorros y los conejos, por lo que necesitamos un término que modele la ra- z6n de interaccién de ambas poblaciones; que crezca si C 0 Z aumenta, pero que desa- parezea si C = 0 0 Z = 0. Una notacién que incorpora esas hipétesis es CZ. Modelamos asf los efectos de las interacciones conejo-zorro sobre dC/dt por medio de un enunciado de la forma —BCZ. La cuarta hipétesis da un término similar en la ecuacién para dZ/dt. En este caso, cazar conejos ayuda a los zorros, por lo que aftadimos un término de la for- ma 8CZ. Al plantear esas hipétesis, obtenemos el modelo dc Sp aC ~ BCZ a Gm WE BCL. Consideradas juntas, este par de expresiones se llama sistema de primer orden de ecua- ciones diferenciales ordinarias (s6lo primeras derivadas, pero mas de una variable depen- diente). Se dice que el sistema es acoplado porque las tazones de cambio de C y Z de- penden tanto de C como de Z. Es importante notar los signos de los términos en este sistema. Como > 0, el tér-. mino “CZ” es no positivo, por lo que un incremento en el ntimero de zorros disminu: ye la raz6n de crecimiento de la poblacién de conejos. Ademas, como 5 > 0, el término “8CZ" es no negativo, En consecuencia, un incremento en el mimero de conejos incre- menta la tasa de crecimiento de la poblacién de zorros. Aunque este modelo puede parecer relativamente simple, ha sido la base de algunos interesantes estudios ecolégicos. En particular, Volterra y D’ Ancona usaron con éxito el modelo para explicar el incremento en la poblacién de tiburones en el mar Mediterréneo durante la Primera Guerra Mundial, cuando la pesca de las especies “presa” decrecié. El modelo puede también usarse como base para el estudio de los efectos de Ios pesti en la poblacién de insectos depredadores e insectos presas. ‘Una solucién para este sistema de ecuaciones es, a diferencia de nuestro modelos previos, un par de funciones, C(t) y Z(t), que describen las poblaciones de conejos y zorros como funciones del tiempo. Como el sistema es acoplado, no podemos determinar cada una de esas funciones en forma aislada. Mas bien, debemos resolver ambas ecuacio- nes diferenciales en forma simulténea. Desafortunadamente, para la mayor parte de los. valores de los parémetros, es imposible determinar de modo explicito férmulas para C(t) ¥y Z(t), Esas funciones no pueden expresarse en términos de funciones conocidas tales co- ‘mo polinomios, senos, cosenos, exponenciales y otras parecidas. Sin embargo, como ve- remos en el capitulo 2, esas soluciones existen, aunque no hay esperanzas de encontrarlas jamés exactamente. Como los métodos analiticos para resolver este sistema estén destina- dos a fallar, debemos usar procedimientos cualitativos 0 numéricos para “encontrar” C(t) y ZO Los enfoques analitico, cualitativo y numérico Nuestro andlisis de los tres modelos de poblacién en esta seccién ilustra tres enfoques di- ferentes para el estudio de las soluciones de las ecuaciones diferenciales. El enfoque ana- Iitico busca f6rmulas explicitas que describan el comportamiento de las soluciones. Vimos aquf que las funciones exponenciales dan soluciones explicitas al modelo del crecimiento exponencial. Desafortunadamente, un gran ntimero de ecuaciones importantes no pueden1.1 Modelacién por medio de ecuaciones diferenciales 13, tratarse con el método analitico; simplemente no hay manera de encontrar una férmula exacta que describa la situaciGn. Nos vemos entonces forzados a recurrir a métodos alter- nativos. Un procedimiento particularmente poderoso para describir el comportamiento de las soluciones es el enfoque cualitativo. Este implica usar la geometria para tener un pano- rama del comportamiento del modelo, tal como lo hicimos con el modelo logistico del cre- cimiento de la poblacién. No lo utilizamos para dar valores precisos de la solucién en tiempos especificos, pero sf para determinar su comportamiento a largo plazo. Con fre- ‘cuencia, ésta es justamente la clase de informacién que requerimos. El tercer enfoque para resolver ecuaciones diferenciales es numérico. La compu- tadora aproxima la solucién que buscamos. Aunque no ilustramos ninguna técnica de aproximacién numérica en esta seccin, veremos pronto que son una herramienta podero- sa para darnos ideas respecto a las soluciones que deseamos. Los tres métodos que usamos tienen sus ventajas y también desventajas. Algunas veces ciertos métodos son titiles mientras que otros no lo son. Una de nuestras principa- les tareas al estudiar las soluciones de ecuaciones diferenciales ser determinar qué méto- do, 0 combinacién de éstos, funciona bien en cada caso especifico. En las siguientes tres secciones veremos con més detalle esos tres enfoques. EJERCICIOS PARA LA SECCION 1.1 1. Considere el modelo de poblacién |~ <=o04P(1 ae or(— 2a donde P(t) es la poblacién en el tiempo t. (a) :Para qué valores de P esta en equilibrio la poblacién? (b) Para qué valores de P esta creciendo la poblaci6n? (©) Para qué valores de P esté decreciendo la poblacin? 2. Considere el modelo de poblacién F-03(t- sp) H-)e. donde P(t) es la poblaciGn en el tiempo t. (a) {Para qué valores de P esté en equilibrio Ia poblacién? (b) {Para qué valores de P esta creciendo la poblacién? (©) Para qué valores de P esté decreciendo la poblaci6n? 3. Considere la ecuacién diferencial = 12y. (a) Para qué valores de y esté y(¢) en equilibrio? (b) gPara qué valores de y esta y(¢) creciendo? (©) ePara qué valores de y esté y(t) decreciendo?14 CAPITULO 1 Ecuaciones diferenciales de primer orden 4. La siguiente tabla proporciona el drea de terreno en Australia colonizada por el sapo ‘marino americano (Bufo marinis) cada cinco afios desde 1939 hasta 1974. Modele la ‘migracién de este sapo usando un modelo de crecimiento exponencial dA aA donde A(t) es el dea de terreno ocupada en el tiempo t. Haga predicciones acerca de la superficie de terreno ocupada en los afios 2010, 2050 y 2100, Hagalo (a) resolviendo el problema de valor inicial, (b) determinando la constante k, (©) calculando las éreas predichas, y (d) comparando su solucién con los datos reales. ;Cree usted en su prediccién’? ‘Aiio ea ocupada acumulativa (km?) 1939 32800 1944 55.000 1949 73.600 1954 138 000 1959 202.000 1964 257 000, 1969 301 000 1974 584.000 (Observe que hay muchos modelos de crecimiento exponencial que puede usted for- mar usando estos datos. {Hay un modelo més razonable que los otros? Note también que el 4rea de Queensland es de 1728 000 km? y que el érea de Australia es de 7619 000 km?)* Observacién: El sapo marino americano fue introducido a Australia para controlar los escarabajos de la cafta de aziicar y, en las palabras de J. W. Hedgpath (véase Scien- ce, julio de 1993 y The New York Times, 6 de julio de 1993), Desafortunadamente los sapos comen en la noche y los escarabajos estén ausen- tes durante el dfa, mientras los sapos duermen bajo rocas, troncos de madera y en ssurcos. Por la noche, estos batracios medran, se reproducen fenomenalmente bien y devoran todo lo que encuentran, Los cultivadores de cafia de azticar fueron ad- Vertidos por Walter W. Froggart, presidente de la Sociedad Naturalista de Nueva Gales del Sur, que Ia introduccién no era una buena idea y que los sapos se co- ‘merfan la fauna nativa. Froggart fue inmediatamente denunciado como un entro- metido ignorant, Pero él tenfa razén, “Todos los datos fueron tomados de “Cumulative Geographical Range of Bufo marinis in Queensland, Aus- tralia from 1935 to 1974", por Michael D. Sabath, Walter C. Boughton y Simon Easteal, en Copeia, Nim. 3, 1981, pp. 676-680,1.1 Modelacién por medio de ecuaciones diferenciales 15. Los ejercicios 5 al 7 consideran un modelo elemental del proceso de aprendizaje: si bien el aprendizaje humano es un proceso extremadamente complicado, es posible construir modelos de ciertos tipos simples de memorizacién, Por ejemplo, considere luna persona a quien se le da una lista para estudiar, y posteriormente se le hacen prue- ‘bas periddicas para determinar exactamente qué tanto de la lista ha memorizado. (Por lo general las listas consisten en sflabas sin sentido, mimeros de tres digitos genera- dos al azar o entradas de tablas de integrales.) Si L(t) es la fraccién de la lista apren- dida en el tiempo t, donde L = 0 corresponde a no saber nada del listado y L = 1 corresponde a saberlo por completo, podemos entonces formar un simple modelo de este tipo de aprendizaje con base en las hipstesis: + La tasa dL/dt es proporcional a la fraccién que queda por aprender. ‘Como L = | corresponde a saber la lista entera, el modelo es dl. Gtk, donde k es 1a constante de proporcionalidad . {Para qué valor de L, 0 = L = 1, ocurre més répidamente el aprendizaje? = ‘Suponga que dos estudiantes memorizan listas de acuerdo con el mismo modelo: ) Si uno de los estudiantes aprende la mitad de la lista en el tiempo 1 = 0 y el otro ‘no memoriza nada de ella, ,qué estudiante esta aprendiendo més répidamente en este instante? (b) (Alcanzaré el estudiante que comienza sin saber nada de la lista al estudiante que empieza sabiendo la mitad de la lista? Considere las dos siguientes ecuaciones diferenciales que modelan las tasas de me- ‘morizaci6n de un poema por dos estudiantes. La tasa de Juan es proporcional a la can- tidad por aprender, con una constante de proporcionalidad de k = 2. La tasa de Berta es proporcional al cuadrado de la cantidad por aprender y cuya constante de propor- cionalidad es k = 3. Las ecuaciones diferenciales correspondientes son dhp _ Geaera-1) y G2= 30-19%, a donde Lt) y Lg(t) son las fracciones del poema memorizadas en el tiempo t por Juan y Berta, respectivamente, (a) {Qué estudiante tiene una tasa mas répida de aprendizaje en 1 = 0, si ambos em- piezan la memorizacién juntos y nunca antes han visto el poema? ) {Qué estudiante tiene una tasa més répida de aprendizaje en t = 0, si ambos co- ‘mienzan a memorizar juntos habiendo aprendido la mitad del poema? (©) {Qué estudiante tiene una tasa més répida de aprendizaje en t = 0, si ambos co- mienzan la memorizacién juntos y habiendo aprendido un tercio del poema?16 CAPITULO 1 Ecuaciones diferenciales de primer orden 10. En los ejercicios 8 a 12, consideramos el fenémeno de Ia desintegracién radiactiva que, por experimentaci6n, sabemos que se comporta de acuerdo con Ia ley siguiente: La tasa a la que una cantidad de un isétopo radiactivo se desintegra es pro- porcional a la cantidad del isstopo presente. La constante de proporcionali dad depende sélo de la particula radiactiva considerada. . Modele la desintegracién radiactiva usando la notacién 1 = tiempo (variable independiente), 1(Q) = cantidad del isétopo radiactivo particular presente en el tiempo t (variable dependiente), ~d = tasa de desintegracién (pardmetro). Observe que el signo menos se usa para que A > 0. {a) Usando esta notacién, escriba un modelo para la desintegracidn de un is6topo ra- diactivo particular. (b) Si la cantidad del is6topo presente en ¢ = Oes rp, establezca el problema de valor inicial correspondiente para el modelo en la parte (a). La vida media de un isétopo radiactivo es la cantidad de tiempo que toma a una can- tidad de material radiactivo desintegrarse a la mitad de su cantidad original (a) La vida media del carbono 14 (C-14) es de 5 230 aos. Determine el pardmetro & de tasa de desintegracién del C-14. (b) La vida media del iodo 131 (1-131) es de 8 dias. Calcule el pardmetro de tasa de desintegracién del 1-131 (©) {Cudles son las unidades de los pardmetros de tasa de desintegracién en las par- tes (a) y (b)? (@) Para estimar la vida media de un isétopo, podrfamos comenzar con 1000 étomos del is6topo y medir la cantidad de tiempo que le toma a 500 de ellos desintegrar- se 0 podriamos comenzar con 10 000 atomos del is6topo y medir la cantidad de tiempo que le toma desintegrarse a 5 000 de ellos. ,Obtendremos la misma res- puesta? Expliquelo. El fechado por carbono es un método para determinar el tiempo transcurrido desde la muerte del material orgénico. Las hipétesis implicitas en el fechado por carbono son que *+ El carbono 14 (C-14) constituye una proporcién constante del carbono que la ma- teria viva ingiere segtin una base regular, y + una vez que la materia muere, el C-14 presente se desintegra, pero ningiin étomo nuevo es agregado a la materia, Entonces, al medir Ia cantidad de C-14 que atin permanece en la materia orgnica y al compararla con la cantidad de C-14 encontrada en la materia viva, puede caleular- se el “tiempo desde la muerte”. Usando el pardmetro de la tasa de desintegracién que usted estimé en el ejercicio 9, determine el tiempo desde la muerte si (a) 88% del C-14 original atin esté presente en el material. (b) 12% del C-14 original atin esta presente en el material1.1 Modelacién por medio de ecuaciones diferenciales. 17. (©) 2% del C-14 original ain esta presente en el material. (d) 98% del C-14 original ain est presente en el material. Observacién: Se ha especulado que la cantidad de C-14 disponible en los seres vi- vos no ha sido exactamente constante durante largos periodos (miles de afios), Esto hhace que un fechado preciso sea mucho més dificil de determinar. 11, Para aplicar la técnica del fechado por carbono del ejercicio 10, debemos medir la cantidad de C-14 en una muestra. Quimicamente, el carbono 14 (C-14) y el carbono regular se comportan idénticamente. Cémo podemos determinar la cantidad de C-14 en una muestra? (Sugerencia: Vea el ejercicio 8.] 12. El is6topo radiactivo 1-131 se usa en el tratamiento de la hipertiroides. El 1-131 admi- nistrado a un paciente se acumula en forma natural en la gléndula tiroides, donde se desintegra y acaba con parte de la gléndula, (a) Suponga que se requieren 72 horas para enviar el 1-131 del productor al hospital. {Qué porcentaje de la cantidad originalmente enviada lega al hospital? (Vea el ejercicio 9.) (b) Si el 1-131 es almacenado en el hospital 48 horas adicionales antes de ser usado, {qué tanto queda de la cantidad original enviada por el productor cuando el ma- terial radiactivo se utilice? (©) {Qué tiempo le tomard al 1-131 desintegrarse completamente de manera que el hospital pueda deshacerse de los residuos sin precauciones especiales? 13. Suponga que una especie de pez en un lago especifico tiene una poblacién que sigue el modelo logfstico de poblacién con raz6n k de crecimiento, capacidad N de soporte yy tiempo t medido en afios. Ajuste el modelo para tomar en cuenta cada una de las si- tuaciones siguientes. (a) 100 peces son cultivados cada afto. (b) Un tercio de la poblacién de peces es cultivada anualmente. (©) El ntimero de peces cultivados cada afio es ptoporcional a la rafz cuadrada del ni- mero de peces en el lago. 14, Suponga el pardmetro k = 0.3 de raz6n de crecimiento y la capacidad N = 2.500 de soporte en el modelo logistico de poblacién del ejercicio 13. ¥ también que P(0) = 2.500. (@) Si 100 peces son cultivados cada afio, ,qué predice el modelo para el comporta- miento a largo plazo de la poblaciGn de peces? En otras palabras, ;qué da un ané- lisis cualitativo del modelo? (b) Si cada afio se cultiva una tercera parte de los peces, {qué predice el modelo pa- ra el comportamiento a largo plazo de dicha poblacién’? 15, El rinoceronte es actualmente muy raro. Suponga que se aparta suficiente terreno pa- ra su preservacién y que hay entonces suficiente espacio para muchos més territorios de rinocerontes que rinocerontes. En consecuencia, no habré peligro de una sobrepo- blacién. Sin embargo, si la poblacién es muy pequeita, los adultos fértiles tendrén di- ficultad en encontrarse cuando sea el tiempo de apareamiento. Escriba una ecuacién diferencial que modele la poblacién de rinocerontes con base en esas hipétesis. (No- te que hay més de un modelo razonable que se ajusta a esas suposiciones.)18 CAPITULO 1 Ecuaciones diferenciales de primer orden 16. Considere las siguientes hipstesis respecto a la fraccién de una pieza de pan cubierta por moho. + Las esporas de moho caen sobre el pan a una raz6n constante. *+ Cuando la proporcisn cubierta es pequeiia, la fraccién del pan cubierto por el mo- ho se incrementa a una razén proporcional a la cantidad de pan cubierto, *+ Cuando la fraccién de pan cubierto por el moho es grande, la razén de crecimien- to disminuye. + Para sobrevivir, el moho debe estar en contacto con el pan. Usando estas hipstesis, escriba una ecuaci6n diferencial que modele la proporcién de una pieza de pan cubierta por moho. (Observe que hay més de un modelo razonable que se ajuste a esas hipstesis.) 17. La siguiente tabla contiene datos sobre la poblacién de biihos amarillos (autillos) en ‘Wyman Woods, Oxford, Inglaterra (recopilados por Southern)." (a) {Qué modelo de poblacién usarfa usted para modelar esta poblacién? (b) {Puede usted calcular (0 por lo menos hacer estimaciones razonables) los valores del parémetro? (©) {Qué predice su modelo para la poblacién actual?” Poblacion 18. Para los siguientes sistemas depredador-presa, identifique qué variable dependiente, x ‘0,y,¢s la poblacién presa y cual es Ia poblacién depredadora. ;Esté limitado el creci- miento de la poblacién presa por otros factores ajenos al ntimero de depredadores? {Tienen los depredadores fuentes de alimento aparte de las presas? (Suponga que los pardmetros a, B, 7, 8 y N son todos positivos.) dx dx 2 @) Gane t yy () Gp Tomy BLY dy dy DB ayy- x 6 ae YY OY atv) boxy 19. En los siguientes modelos de poblaci6n depredador-presa, x representa la presa y y re- presenta los depredadores. dx ay ax @ F=Sx-3y @ F Bry dy 1 dy Ly TTY at Ly + Oxy “Vea IP, Dempster, Animal Population Ecology, Academic Press, 1975, p. 98.1.2 Técnica analitica: Separacion de variables 19 (a) {En qué sistema se reproduce més répidamente la presa cuando no hay depreda- dores (cuando y = 0) e igual ntimero de presas? (b) En qué sistema tienen los depredadores més exito de cazar presas? En otras pa- labras, si el ntimero de depredadores y presas son iguales para los dos sistemas, Gen qué sistema tienen los depredadores un mayor efecto sobre la razén de cam- bio de tas presas? (©) {Qué sistema requiere mas presas para que los depredadores logren una tasa de ‘crecimiento dada (suponiendo ntimeros idénticos de depredadores en ambos ca- 808)? 20. El sistema dx tye dy _ a TONE ha sido propuesto como un modelo para un sistema depredador-presa de dos especies particulares de microorganismos (donde a, by c son parémetros positivos). (@) {Qué variable, x 0 y, representa la poblacién depredadora? {Qué variable repre- senta la poblacién presa? (b) {Qué pasa a la poblacién depredadora si la presa se extingue? 21. Los siguientes sistemas son modelos de las poblaciones de parejas de especies que compiten por recursos (un incremento en una especie disminuye la tasa de crecimiento de la otra) 0 cooperan (un incremento en una especie aumenta la raz6n de crecimien- to de la otra), Para cada sistema identifique las variables (independiente o dependiente) y los parémetros (capacidad de soporte, medidas de interaccién entre las especies, etc.) {Compiten o cooperan las especies? (Suponga que todos los parémetros son po- sitivos.) @) dx xe ) dx Sax —aX & = yx — bx ae ty TOY ar OY dy 7 dy my + exy BY 1.2, TECNICA ANALITICA: SEPARACION DE VARIABLES Qué es una ecuacion diferencial y qué es una soluci6n? Una ecuacién diferencial de primer orden es una ecuacién para una funcién desconocida en términos de su derivada, Como vimos en la seccién previa, hay tres tipos de “varia- bles” en las ecuaciones diferenciales: la variable independiente (casi siempre el tiempo 1 en nuestros ejemplos), una o més variables dependientes (que son funciones de la varia- ble independiente) y los pardmetros. Esta terminologia es estndar pero un poco confusa. La variable dependiente es en realidad una funcién, por lo que técnicamente deberfa lla- ‘marse funcién dependiente. La forma estdndar para una ecuaci6n diferencial de primer orden es dy a fh1.3 Técnica cualitativa: Campos de pendientes 35 (a) {Cuénto debe pagar la sefiora Lee en cada caso? (b) {Qué opcién es mejor sobre el tiempo del préstamo (suponiendo que Ia sefiora Lee no invierte el dinero que hubiese pagado en puntos)? (©) Sila sefiora Lee puede invertir los $4 500 que hubiese pagado en puntos para la segunda hipoteca al 5% compuesto continuamente, gcudl es la mejor opcién? 1,3. TECNICA CUALITATIVA: CAMPOS DE PENDIENTES Encontrar una expresiGn analftica (es decir, una férmula) para solucionar una ecuacién di- ferencial a menudo es una manera titil de describir una solucién de una ecuacién diferen- cial. Sin embargo, hay otras maneras de representarlas y esas alternativas son con frecuencia ms féciles de entender y usar. En esta seccién veremos los procedimientos geométricos para representar soluciones, y desarrollaremos un método para visualizar las graficas de las soluciones de la ecuacién diferencial dy Fase) La geometria de dy/dx = f(t, y) Si la funcién y(¢) es una solucién de la ecuacin dy/dt = f(t, y) y si su gréfica pasa por el punto (t;, ) donde yy = y(fy), entonces ta ecuaci6n diferencial dice que la derivada dy/dt ent = fy esté dada por el ntimero f(t, y,). Geométricamente, esta igualdad de dy/dt en t = 1; con f(t, y1) significa que la pendiente de la linea tangente a la gréfica de y(t) en el punto (fy,.91) es f(t, y1) (vea la figura 1.9). Note que no hay nada especial acerca del pun- {0 (t),1)s aparte del hecho de que es un punto sobre la gréfica de la solucién y(t). La igual- dad de dy/dt y fit, y) debe valer para toda t para la que y(t) satisfaga a la ecuaci6n diferen- cial. En otras palabras, con los valores del lado derecho de la ecuaci6n diferencial se ob- tienen las pendientes de las tangentes en todos los puntos sobre la gréfica de y(t) (vea la figura 1.10). y - ' Figura 1.9 Figura 1.10 La pendiente de la tangente en el punto (#,, 5) Siy = y(t) es una solucién, entonces la std dada por el valor de ft y:) pendiente de cualquier tangente debe ser igual af(t,y).36 CAPITULO 1 Ecuaciones diferenciales de primer orden Campos de pendientes Esta simple observacién geométrica conduce a nuestro recurso principal para visualizar las soluciones de una ecuacién diferencial de primer orden Y 1, entonces dy/dt es negativa y cualquier solucién con y < —1 0 y > 1 es decre- ciente. ‘Tenemos soluciones de equilibrio en y = 0 y en y = 1 ya que el lado derecho de la ecuacién diferencial desaparece a lo largo de esas lineas. El campo de pendientes es hori- zontal a todo lo largo de esas dos lineas horizontales y por tanto sabemos que ambas corresponden a las gréficas de soluciones. Las soluciones cuyas grficas estan entre esas, dos lineas son crecientes; las que estén arriba de la Iinea y = 1 o que estan abajo de la It- nea y = 0 son decrecientes (vea la figura 1.20), Figura 1.19 El campo de pendientes para Las gréficas de cinco soluciones dyldt = 4y(1 — y). superpuestas sobre el campo de pendientes para dyldi = 4y(1 = y). El hecho de que las ecuaciones auténomas producen campos de pendientes que son paralelos a lo largo de lineas horizontales, indica que podemos obtener un niimero infini- to de soluciones a partir de una solucién trasladando meramente la gréfica de la solucién dada hacia la izquierda o hacia la derecha (vea la figura 1.21). En la seccién 1.6 emplea- remos extensamente esta observacién geométrica para resolver las ecuaciones auténomas. Figura 1.21 Las gréficas de tres soluciones para una ecuacién auténoma, Observe que cada una es una traslacién horizontal de las otras,1.3 Técnica cualitativa: Campos de pendientes 44 lists analitico versus cualitativo Para la ecuacién auténoma Be aya -y, odrfamos haber usado los procedimientos analiticos de la seccién previa para encontrar las férmulas explicitas que la solucionaran. De hecho, podemos efectuar todas las integra- ciones requeridas para determinar la soluci6n general (vea el ejercicio 15, p. 32). Sin em- bargo, esas integraciones son complicadas y las férmulas que resultan no son faciles de in- terpretar. Esto evidencia la fuerza de los métodos geométricos y cualitativos para resolver ecuaciones diferenciales. Con muy poco trabajo, ganamos mucha informacién sobre el comportamiento de las soluciones. Si bien no podemos usar métodos cualitativos para res- ponder preguntas especfficas, como cudl es el valor exacto de la solucién en un tiempo da- do, es posible utilizarlos para entender el comportamiento a largo plazo de una solucién. Estas ideas son especialmente importantes si la ecuacién diferencial considerada no puede traiarse por procedimientos analiticos. Por ejemplo, consideremos la ecuacién dife- rencial dy a 2/10s0n? y Esta ecuacién es aut6noma y por consiguiente separable. Para resolverla analiticamente, debemos evaluar las integrales —_ _ f dt. er MOsen? y Sin embargo, la integral a la izquierda no puede evaluarse fécilmente. Recurrimos enton- ces a métodos cualitativos. El lado derecho de esta ecuacién diferencial es positivo excep- to si y = nm para cualquier entero n. Esas Iineas especiales corresponden a soluciones de equilibrio de la ecuacién. Entre esas posiciones de equilibrio, las respuestas siempre de- ben ser crecientes. Del campo de pendientes, esperamos que sus gréficas se encuentren s0- bre una de las Iineas horizontales y = n=r 0 que crezcan desde una de esas lineas a la si- ‘guiente superior cuando t > 2 (vea la figura 1.22). En consecuencia, podemos predecit el comportamiento a largo plazo de las soluciones aun cuando no sea posible resolver ex- plicitamente la ecuaci6n. Figura 1.22 ‘Campo de pendientes y grficas de soluciones para ar a Las lineas y = nz corresponden a soluciones de equilibrio y entre esas posiciones de equilibrio, las soluciones son crecientes.m4 CAPITULO 1 Ecuaciones diferenciales de primer orden donde k es el producto de la constante de proporcionalidad y 3°°(47)" (vea el ejer- cicio 10 de esta seccién). (@) {Por qué no satisface esta ecuacién la hipétesis del teorema de unicidad? (b) Dé una interpretacién fisica del hecho de que soluciones a esta ecuaci6n con la condicién inicial (0) = 0 no son tinicas. :Dice algo este modelo acerca de eémo se forman las gotas de lluvia? 1.6 EQUILIBRIOS Y LINEA DE FASE Dada una ecuacién diferencial say, podemos obtener una idea de c6mo se comportan las soluciones dibujando sus campos de pendientes y gréficas o usando el método de Euler y calculando soluciones aproximadas. A veces hasta podemos obtener férmulas explicitas para las soluciones y trazar los resul- tados. Todos estos procedimientos requieren una buena cantidad de trabajo, ya sea numé- rico (célculo de pendientes 0 el método de Euler) o analitico (integracién). En esta seccién consideraremos ecuaciones diferenciales en las que el lado derecho es independiente de t 0 ecuaciones auténomas. Para esas ecuaciones existen procedimien- tos cualitativos que nos ayudan a esborzar las gréficas de las soluciones con menos alge- bra que con otros procedimientos. Ecuaciones auténomas Las ecuaciones auténomas son ecuaciones diferenciales de la forma dy/dt = f(y). En otras palabras, la raz6n de cambio de la variable dependiente puede expresarse como una fun- ccién s6lo de la variable dependiente del tiempo (y(t)). Las ecuaciones aut6nomas aparecen con frecuencia como modelos por dos razones. En primer lugar, muchos sistemas fisicos funcionan igual todo el tiempo. Por ejemplo, un resorte comprimido proporciona la mis- ma fuerza a las 10:00 y a las 15:00, fijando 1a medida de su compresiGn. En segundo Iu- «gar, para muchos sistemas, la dependencia del tiempo “se promedia” sobre las escalas de tiempo consideradas. Por ejemplo, si estamos estudiando cémo interactian los lobos y los ratones de campo, podrfamos encontrar que los lobos comen muchos més ratones de campo durante el dfa que por la noche. Sin embargo, si estamos interesados en c6mo se compor- tan ambas poblaciones en un periodo de afios 0 décadas, entonces promediamos el niime- ro de ratones comidos por cada lobo por semana. Ignoramos las fluctuaciones diarias, ‘Ya hemos notado que las ecuaciones auténomas tienen campos de pendientes que tienen una forma especial (vea esto en la seccién 1.3). Debido a que el lado derecho de la ecuacién no depende de 1, las marcas de pendiente son paralelas a lo largo de Iineas hori- zontales en el plano t-y. Bs decir, para una ecuacién aut6noma, dos puntos con la misma coordenada y, pero diferentes coordenadas t, tienen las mismas marcas de pendiente (vea Ja figura 1.49). Por consiguiente, hay una gran redundancia en el campo de pendientes de una ecus- cién auténoma. Si conocemos el campo de peridientes a lo largo de una sola Ifnea vertical 1 = fg, entonces lo conocemos en todo el plano f-y. De manera que, en vez de graficarlo todo, podrfamos dibujar s6lo una Iinea que contuviese la misma informacién. Esta linea se llama la Kinea de fase para la ecuaci6n aut6noma,1.6 Equilibrios y linea de fase 75 Figura 1.49 ‘Campo de pendientes para la ecuacién diferencial auténoma dy at = 20 +0). Las pendientess son paralelas a lo largo de Ifneas horizontales Metafora de la cuerda ‘Suponga que le dan la ecuacién diferencial aut6noma we ar FO) Piense que una cuerda cuelga verticalmente extendiéndose infinitamente hacia arriba y ha- cia abajo. La variable dependiente y le da a usted una posicién sobre la cuerda (Ia cuerda es el eje y). La funcién f(y) proporciona un mémero para cada posicién sobre la cuerda. Su- ponga que el ntimero f(y) esté realmente impreso sobre la cuerda a la altura y para cada valor de y. Por ejemplo, a la altura y = 2.17, el valor f(2.17) esta impreso sobre la cuerda, Usted est ahora sobre la cuerda ala altura yo en el tiempo 1 = Oy recibe las siguien- tes instrucciones: “Lea el niimero que esté impreso sobre la cuerda y desplécese hacia arri- bao hacia abajo de la cuerda con velocidad igual a ese niimero, Ascienda si el nimero es positivo o descienda si el niimero es negativo. (Un niimero grande positivo significa que usted subira muy répidamente, mientras que un ntimero negativo cercano a cero significa que usted descenders lentamente.) Conforme se desplace, continte leyendo los niimeros sobre la cuerda y ajuste su velocidad de modo que siempre concuerde con el ntimero im- preso sobre la cuerda.” Si usted obedece este conjunto extrafio de instrucciones, generaré una funcién y(t) que da su posicién sobre la cuerda en el tiempo t. Su posici6n en el tiempo t = 0 es y(0) = yo, porque es ahi donde usted estaba situado inicialmente. La velocidad de su mo- vvimiento dy/dt en el tiempo r estaré dada por el ntimero sobre la cuerda, por lo que dy f(() para toda t. Por consiguiente, su funcién de posicién y(f) es una solucién del pro- ‘blema de valor inicial =f, WO = La linea de fase es una imagen de esta cuerda. Como es tedioso registrar los valo- res numéricos de todas las velocidades, s6lo marcamos la linea de fase con los niimeros cen que la velocidad es cero e indicamos el signo de la velocidad sobre los intervalos in- termedios. La Iinea de fase proporciona informacién cualitativa acerca de las soluciones, Linea de fase de una ecuacién logistica Considere la ecuacién diferencial ogy a7 bo.76 CAPITULO 1 Ecuaciones diferenciales de primer orden Cémo dibujar El lado derecho de la ecuacién diferencial es f(y) = (1 ~ yy. En este caso, f(y) = 0 pre- cisamente cuando y = 0 y y = 1. Por tanto, la funcién constante yy(t) = 0 para toda ¢ ¥y y2(t) = 1 para toda t son soluciones de equilibrio para esta ecuacién. Los puntos y = 0'y 1 sobre el eje y se denominan puntos de equilibrio. También notamos que f()) es po- sitivo si 0 < y < 1, mientras que f(y) es negativo si y < 0.0 y > 1, Podemos dibujar la li- nea de fase (0 “cuerda”) colocando puntos en los puntos de equilibrio y = 0 y y = 1. Pa ra0 0 significa que usted debe subir; y para y < 0.0 y > 1, ponemos flechas sefialando hacia abajo porque f(y) <0 significa que usted debe bajar (vea la figura 1.50). Si comparamos la linea de fase con el campo de pendientes, vemos que la primera contiene toda la informacién acerca de las soluciones de equilibrio y de si las soluciones son crecientes o decrecientes, La informacién sobre la rapidez de crecimiento o decreci- miento de las soluciones se pierde (ea Ia figura 1.51). Podemos, sin embargo, dibujar ero- quis de las gréficas de las soluciones usando s6lo la Ifnea de fase. Esos no serdn tan exactos como los croquis del campo de pendientes, pero contendrén toda Ia informacién acerca del comportamiento de las soluciones cuando 1 se vuelve muy grande (vea la figura 1.52), S Figura 1.51 Figura 1.52 Linea de fase y'eampo de pendientes para Linea de fase y esbozosde las grficas de dyldi = (1 ~ yy. soluciones para dyldt = (1 — y)y. ineas de fase Podemos dar una definicién mds precisa de la Ifnea de fase dando los pasos requeridos pa- ra dibujarla, Para la ecuacién auténoma dy/dt = f(y) + Dibuje la linea y. + Encuentre los puntos de equilibrio (los niimeros tales que f(y) = 0), y marquelos sobre la lfnea. + Encuentre los intervalos de valores y, para los cuales f(y) > 0, y dibuje flechas que se- fialen hacia arriba sobre esos intervalos. + Encuentre los intervalos de valores y, para los que f()) <0, y dibuje flechas que sei Ten hacia abajo en esos intervalos. En la figura 1.53 hemos esbozado varios ejemplos de lineas de fase. Al observar la nea de fase, usted debe recordar la metéfora de la cuerda y pensar sobre las soluciones de la ecuacin diferencial “dindmicamente”: gente subiendo y bajando la cuerda confor- me el tiempo aumenta,1.6 Equilibrios y linea de fase 7 @ ry) © v=o ye-3 Figura 1.53 Lineas de fase para (a) dyldt = (y ~ 2¥y +3), (b) dyldt = sen y y (©) dyldt = y cos y. Cémo usar las lineas de fase para esbozar soluciones Figura 1.54 Linea de fase para dwidt = (= w)sen w. Podemos obtener croquis aproximados de las gréficas de soluciones, directamente a par- tir de las Ifneas de fase, siempre que seamos cuidadosos al interpretarlos. El tipo de infor- macién que predicen muy bien las Iineas de fase es el comportamiento Iimite de las solu- ciones cuando t crece 0 disminuye. Consideremos la ecuacién dw ae 2 wy seniw La Iinea de fase para esta ecuacién diferencial esta dada en la figura 1.54. Considere que Jos puntos de equilibrio son w = 2 y w = ker para cualquier entero k. Suponga que quere- ‘mos esbozar la gréfica de la solucién w(t) con el valor inicial w(0) = 0.4. Como w = 0 y w = 2 son puntos de equilibrio de esta ecuaciGn y 0 < 0.4 < 2, sabemos del teorema de existencia y unicidad que 0 < w(t) <2 para toda . Ademés, debido a que (2 ~ w) sen w > 0 para 0 < w <2, la solucién es siempre creciente. Como la velocidad de la solucién €s pequefia s6lo cuando (2 — w) sen w es cercana a cero, y puesto que esto sucede sélo cerca de puntos de equilibrio, sabemos que la solucién w(t) crece hacia w = 2 cuando 1% (vea la seccién 1.5). De manera similar, si movemos el reloj hacia atrés, la solucién w(t) decrece. Siem- pre permanece arriba de w = 0 y no puede detenerse, ya que 0 < w <2. Entonces, cuan- do t > ~%, la solucién tiende hacia w = 0. Podemos dibujar una imagen cualitativa de la gréfica de la solucién con la condicién inicial w(0) = 0.4 (vea la figura 1.55), Del mismo modo, podemos esbozar otras soluciones en el plano t-w a partir de la informacién dada por la linea de fase. Las soluciones de equilibrio son féciles de encon- trar y dibujar ya que estén marcadas sobre la Iinea de fase. Los intervalos sobre a linea de fase con flechas sefialando hacia arriba pertenecen a las soluciones crecientes, y aquellos ccuyas flechas sefialan hacia abajo corresponden a las soluciones decrecientes. Las gréficas e Figura 1.55 Grafica de la solucién al problema de valor inicial 1 wer dw ar (2-w)senw, — w(0) = 0.478 CAPITULO 1 Ecuaciones diferenciales de primer orden de las soluciones no se cortan de acuerdo con el teorema de unicidad. En particular, no pueden cortar las gréficas de las soluciones de equilibrio. Ademés, las soluciones deben ccontinuar creciendo o decreciendo hasta que se acercan a una solucién de equilibrio. Por con- siguiente, podemos esbozar muchas soluciones con condiciones iniciales diferentes con relativa facilidad. La tinica informacién que no tenemos es qué tan rapido crecen o decre- cen (vea la figura 1.56). 4 wa2n | | p i —— t + Figura 1.56 Grificas de muchas soluciones a dw/dt = (2 — w) sen w. Estas observaciones conducen a algunos enunciados generales que pueden aplicar- se a todas las soluciones de ecuaciones auténomas. Suponga que y(t) es una solucién de tuna ecuacién auténoma dy a 70). * Si f((0)) = 0, entonces y(0) es un punto de equilibrio y y(¢) = y(0) para toda t + SifQ(O)) > 0, entonces y(0) es creciente para toda ry y(t) —> «, cuando se incremen- ta, o bien y(0) tiende al primer punto de equilibrio mayor que y(0) + Si f((O)) < 0, entonces y(t) es decreciente para toda t y y(t) > —%, cuando t se incre- menta, 0 bien y(t) tiende al primer punto de equilibrio menor que y(0). Cuando 1 decrece, podemos encontrar resultados similares que también son vélidos (l tiempo corre hacia atrés). Si f(y(0)) > 0, entonces y(¢) tiende (en tiempo negativo) a —2, o al siguiente punto de equilibrio menor. Si f(9(0)) <0, entonces y(#) tiende (en tiem- po negativo) a +, o al siguiente punto de equilibrio mayor. Un ejemplo con tres puntos de equilibrio Considere la ecuaci6n diferencial dP P\3(P 7 a-(-m) G1) Si la condici6n inicial esté dada por P(0) = 8, ,qué sucede cuando 1 se vuelve muy gran- de? Primero dibujamos la Iinea de fase para esta ecuacién. Sea wore(o5) GP1.6 Equilibrios y linea de fase = 79 Encontramos los puntos de equilibrio resolviendo f(P) = 0. Asi, P = 0, P= Sy P= 20 son los puntos de equilibrio. Si0

20, JSP) es negativa, Podemos colocar las flechas apropiadamente sobre la linea de fase (vea la figura 1.57). Note que s6lo tenemos que verificar el valor de f(P) en un punto de cada uno de esos intervalos para determinar el signo de f(P) en todo el intervalo. La solucién P(t) con condicién inicial P(0) = 8 esté en la regidn entre los puntos de equilibrio P = 5 y P = 20, por lo que 5 < P(t) < 20 para toda t. Las flechas sefialan ha- cia arriba en este intervalo, por tanto P(t) es creciente para toda t. Cuando t -> =, P(t) tien- de hacia el punto de equilibrio P = 20, Cuando 1 > ~=, la solucién con condiciGn inicial P(0) = 8 decrece hacia el si- guiente punto de equilibrio més pequefio, que es P = 5. Por consiguiente, P(t) es siempre mayor que P = 5. Si calculamos numéricamente Ia solucién P(j), vemos que se incremen- ta répidamente de P(0) = 8 hasta cerca de P = 20 (vea la figura 1.58). Si s6lo tomamos a la Ifnea de fase, no podemos predecir qué tan répido crece Ia solucién. P P= + 1s. 10 Pes ——A P=0 —_ + —_+—_ 1 0.00002 ‘0.00002 Figura 1.57 Figura 1.58 Linea de fase para dP/dt = f(P) = Gréfica de Ia soluciGn al problema de valor (1 = Pr20)9(PIS) ~ 1)P? inicial dP/dt = (1 ~ P/20)%(PIS) ~ 1)P", PO) =8. Advertencia: No todas las soluciones existen todo el tiempo Supongamos que yo es un punto de equilibrio para la ecuacién dy/dt = f(y). Entonces ‘£()0) = 0. Estamos considerando que f()) es continua, por lo que si las soluciones son cer- ‘canas a yo, el valor de f es pequefio. Las soluciones se desplazan lentamente cuando estén préximas a los puntos de equilibrio. Una solucién que se acerca a un punto de equilibrio cuando # crece (0 dectece) se mueve cada vez més lentamente al acercarse a éste. Por el teorema de existencia y unicidad, una solucién que se acerea a un punto de equilibrio nun- cca llega realmente a él. Es asintdtica al punto de equilibrio y la gréfica de la solucién en el plano £-y tiene una asintota horizontal, . Por otra parte, las soluciones no acotadas se aceleran a menudo al moverse. Por ejemplo, 1a ecuacién atyy ale tiene un punto de equilibrio en y ra 1.59). 1 y dy/dt > 0 para todo otro valor de y (vea la figu-80 CAPITULO 1 Ecuaciones diferenciales de primer orden Figura 1.59 Linea de fase para a a 1+ yy? ¥ gréficas de soluciones que no estén acotadas en un tiempo fino. La linea de fase indica que las soluciones con condiciones iniciales mayores que crecen para toda ry tienden a +2 cuando t aumenta. ‘Si separamos las variables y calculamos la forma explicita de la solucién, podemos determinar que esas soluciones en realidad explotan en un tiempo finito. De hecho, la for- ma explicita de cualquier solucién no constante esté dada por 1 Tre BU para alguna constante c, Como estamos suponiendo que y(0) > ~1, debemos tener 1 peck 0) = que implica que c < 0. Por tanto, esas soluciones estén definidas s6lo para t < ~c y tien- den a ® cuando t ~» ~c desde abajo (vea la figura 1.59). No podemos decir si las solucio- nes explotan en un tiempo finito simplemente viendo la linea de fase. Las soluciones con condiciones iniciales y(0) < 1 son asintéticas al punto de equi- librio y = ~1 cuando t aumenta, por lo que estén definidas para toda ¢ > 0. Sin embargo, esas soluciones tienden a —2 en un tiempo finito cuando t disminuye. Otro peligroso ejemplo es dy dt y Siy > 1, dyldt es negativa; y siy < 1, dy/dt es positiva. Si y = 1, dyldt no existe. Lali nea de fase tiene un agujero, No hay una manera esténdar para denotar tales puntos sobre la linea de fase, pero usaremos un pequefio cfrculo vacfo para marcarlos (vea la figura 1.60). Figura 1.60 Linea de fase para ty a y ye Observe que did no esté definida para y = 1. Ademés, las grficas de las soluciones Megan al “agujero” en y = Len un tiempo finito.Dibujo de lineas de 1.6 Equilibrios y linea de fase 81 ‘Todas las soluciones tienden hacia y = 1 cuando r aumenta, Como el valor de dy/dt es grande si y esté cercana a 1, las soluciones se aceleran cuando se acercan ay = 1 y alx canzan dicho valor en un tiempo finito. Una vez. que una solucién alcanza el valor y = 1, no puede continuar porque ha dejado el dominio de definicién de la ecuacién diferenci Ha cafdo en un agujero situado en la linea de fase. fase a partir s6lo de informacién cualitativa Para dibujar la linea de fase de la ecuacién diferencial dy/dt = f(y), tenemos que conocer 1a posicién de los puntos de equilibrio y los intervalos sobre los que las soluciones son crecientes o decrecientes. Es decir, tenemos que saber cudles son los puntos en que f(y) = 0, los intervalos en que f(y) > 0 y aquellos en que f(y) < 0. En consecuencia, podemos dibujar la Iinea de fase para la ecuaci6n diferencial s6lo con la informacién cualitativa acerca de la funcién f(y) Por ejemplo, suponga que no conocemos una férmula para f()), pero que tenemos su grifica (vea la figura 1.61). De la gréfica podemos determinar los valores de y para los cuales f(y) = 0 y decidir en qué intervalos f(y) > 0 y f(y) < 0. Con esta informacién es posible dibujar la Iinea de fase (vea la figura 1.62), y a partir de ella obtener los croquis cualitativos de las soluciones (vea la figura 1.63). Podemos pasar entonces de la informa- cidn cualitativa de f(y) a las gréficas de las soluciones de la ecuacién diferencial dy/dt = fQ), sin escribir jamés una formula. Para modelos donde 1a informacién disponible es completamente cualitativa, este enfoque es muy apropiado, Foyt yee y yeb 5 yea Figura 1.61 Figura 1.62 Grafica de f). Linea de fase para dy/dt = f(y) para la ‘F0) graficada en la figura 1.61 Figura 1.63 Esbozos de soluciones para dy/dt = f(y) para la f()) graficada en la figura 1.61.82 CAPITULO 1 Ecuaciones diferenciales de primer orden El papel de los puntos de equilibrio Ya hemos determinado que toda solucién de una ecuacién diferencial autnoma dy/dt = fl) tiende a +% 0 a —% cuando t aumenta (volviéndose tal vez infinita en un tiempo finito), 0 bien, tiende asint6ticamente a un punto de equilibrio cuando t crece. Por consi- guiente, los puntos de equilibrio son sumamente importantes para entender el comporta- miento a largo plazo de las soluciones. ‘También vimos que para dibujar una linea de fase, necesitamos encontrar los pun- tos de equilibrio, esto es, los intervalos en que f(y) es positiva y en los que f(y) es negati- va. Sifes continua, puede cambiar de positiva a negativa s6lo en puntos yp donde fi) = 0, es decir, en puntos de equilibrio. Por tanto, estos gtimos también juegan un papel crucial en el esbozo de la linea de fase. De hecho, los puntos de equilibrio son la clave para entender Ia linea de fase. Por ejemplo, consideremos la ecuaci6n diferencial auténoma dy/dt = g(y). Supongamos que toda la informacién acerca de ella es que tiene exactamente dos puntos de equilibrio, en y = 2yeny = 7y que la linea de fase cerca de y = 2 y y = 7 es como se muestra en la figura 1.64. Podemos usar esta informacién para esbozar toda la linea de fase. Sabemnos que el signo de g(y) puede cambiar s6lo en un punto de equilibrio. Por tanto, el signo de (9) no cambia para 2 < y <7, para y < 20 para y > 7. Entonces, si conocemos la di- reccién de las flechas en cualquier parte de esos intervalos (digamos cerca de los puntos de equilibrio), sabemos también las direcciones sobre toda la linea de fase (vea la figura 1.65). En consecuencia, si entendemos los puntos de equilibrio para una ecuacién diferen- cial aut6noma, estamos capacitados para entender (por lo menos cualitativamente) cual- quier soluci6n de la ecuacién. Figura 1.64 Figura 1.65 Partes de la linea de fase para dy/di = Linea de fase entera de dy/dt = g()) 0) cerca dey = 2y y= 7, constnuida a partir de la Kinea de fase cerea de los puntos de equilibrio. Clasificacién de los puntos de equilibrio Dada su importancia, es conveniente ponerle nombre a los diferentes tipos de puntos de ‘equilibrio y clasificarlos de acuerdo con el comportamiento de las soluciones cercanas. Consideremos un punto de equilibrio y = yp, como el mostrado en fa figura 1.66. Para y ligeramente menor que Yo, las flechas sefalan hacia arriba; para y ligeramente mayor que ‘Yo las flechas sefialan hacia abajo. Una solucién con condicién inicial cercana a yy es asin- {tica a yp cuando t -> Decimos que un punto de equilibrio yo es un sumidero si cualquier solucién con condici6n inicial lo suficientemente cercana a yo es asint6tica a yp cuando f aumenta, (ElFigura 1.69 Linea de fase para dyldt = yt + y- 6. 1.6 Equillbrios y linea de fase 83 nombre sumidero supuestamente debe traernos a la mente un sumidero de cocina con el unto de equilibrio en la salida del agua, Si el agua esté suficientemente cercana a la sa- lida, fluiré hacia tal punto.) tra posible linea de fase cerca de un punto de equilibrio yp se muestra en la figura 1.67. Aqui las flechas sefialan hacia arriba para valores de y que se localizan justo arriba de yo; y hacia abajo, para valores de y precisamente debajo de yp. Una solucidn que tiene un valor inicial cerca de yo tiende a alejarse de yp cuando t crece. Si el tiempo transcurre hacia atrés, las soluciones que comienzan cerca de yy declinan hacia yo. Figura 1.66 Figura 1.67 Linea de fase en un sumidero y gréficas Linea de fase en una fuente y grificas de soluciones cerca de un sumidero. de soluciones cerca de una fuente Decimos que un punto de equilibrio yp es una fuente, cuando todas las soluciones «que comienzan suficientemente cerca de yo tienden hacia yp conforme t decrece. Esto sig- nifica que todas las soluciones que empiezan cerca de yp (pero no en yp) tenderén a alejar- se de yp a medida que t se incrementa. Entonces, una fuente es un sumidero si el tiempo transcurre hacia atrds. (El nombre fuente debe supuestamente ayudar a imaginar solucio- nes que brotan de un punto.) Los sumideros y las fuentes son los dos tipos principales de puntos de equilibrio. Todo punto de equilibrio que no es ni fuente ni sumidero se llama nodo. En la figura 1.68 se muestran dos posibles lineas de fase cerca de nodos. Figura 1.68 Ejemplos de puntos nodales de equilibrio y gréficas de soluciones cercanas. Dada una ecuacién diferencial, podemos clasificar los puntos de equilibrio como su- mideros, fuentes 0 nodos, a partir de la Iinea de fase. Por ejemplo, considere Bo asy eng t 0-2. Los puntos de equilibrio son y = ~3 y y = 2. También, dy/dt < 0 para -3 0 para y < —3 y y > 2. Con esta informacién podemos dibujar la Iinea de fase, y en ésta vemos que y = —3 es un sumidero y y = 2 es una fuente (vea la figura 1.69).84 CAPITULO 1 Ecuaciones diferenciales de primer orden ‘Supongamos que nos dan una ecuacién diferencial dw/dt = g(w), donde el lado de- echo g(w) estd especificado en términos de una gréfica y no en términos de una formula. Podemos atin entonces esbozar la Iinea de fase. Por ejemplo, digamos que g(w) es la fun- cién graficada en la figura 1.70. La ecuacién diferencial correspondiente tiene tres puntos de equilibrio: w = 0.5, = Ly w= 25; y gw) > Osiw <—05,1 2.5. Para ~0.5 0, entonces yo es una fuente; 0 * si f’(Qo) = 0, 0 si f (Yo) no existe, entonces necesitamos informacién adicional para de- terminar el tipo de yy. =1.6 Equilibtios y linea de fase 85, fo 7) Figura 1.72 Figura 1.73 Linea de fase cerca de un sumidero.en y= yp Linea de fase cerca de una fuente en y = yp para dy/dt = f(9) y gréfica de fiy) cerca de para dyldt = f(y) y gréfica de fly) cerca de Yon Y= Yo Este teorema se deriva inmediatamente del andlisis anterior a su enunciado, una vez que recordamos que si f’(vp) < 0, entonces fest decreciendo cerca de yo, y sif’(yo) > 0, entonces festé creciendo cerca de yo, Este andlisis y esas conclusiones son un ejemplo de la linearizacién, una técnica que a menudo encontraremos de utilidad. La derivada f’(y) ‘nos da el comportamiento de la mejor aproximacién lineal a f cerca de yo, Si reemplaza- ‘mos f por su mejor aproximacién lineal, entonces la ecuaci6n diferencial que obtenemos es muy cercana a la ecuaci6n diferencial original para la y mAs préxima a yo. ‘No podemos concluir nada sobre la clasificacién de yo si f’(yo) = 0, porque pueden ‘ocurrir las tres posibilidades (vea la figura 1.74). ‘Como otro ejemplo, considere la ecuacién diferencial » at iQ) = y(cos(’ + 2y) ~ 277y4). C6mo se ve la Iinea de fase cerca de y = 07 Dibujar la Iinea de fase para esta ecuacién serfa muy complicado. Tendrfamos que encontrar los puntos de equilibrio y determinar el 7) Figura 1.74 Grificas de varias funciones f unto con las correspondientes lineas de fase para la ecuacién diferencial dy/dt = fly). En todos los casos, yy = es un punto de equilibrio y /"0%)86 ‘CAPITULO 1 Ecuaciones diferenciales de primer orden signo de h(y). Por otra parte, es facil observar que y (0) = 0. Calculamos Ges un punto de equilibrio porque h'(y) = (cos(y> +29) - 2m ty A ay ens" +2y) - 274). Entonces h“(O) = (cos(0) ~ 0) + 0 = 1. Por el teorema de linearizacién concluimos que ¥ = Oes una fuente. Las soluciones que comienzan suficientemente cerca de y = 0, se ale- jan de este punto cuando rcrece, Por supuesto, existe la peligrosa cléusula “suficientemen- te cerca”. Las condiciones iniciales tendrian que estar muy proximos a y = 0 para que se aplicase o anterior, Nuevamente obtuvimos poca informacién, por lo que tendremos que estudiar la funcién h(y) més cuidadosamente. Modelo logistico modificado Como aplicacién de estos conceptos, usaremos los procedimientos de esta seccién para analizar una modificacién del modelo logistico de poblacién que presentamos en la sec- cidn 1.1 La ardilla negra es un pequefio mamffero nativo de las Montafias Rocallosas. Esas ardillas son muy territoriales, por lo que si su poblacién es grande, su raz6n de crecimien- to decrece y puede aun llegar a ser negativa, Por otra parte, si la poblacién es demasiado pequefia, los adultos fértiles corren el riesgo de no set capaces de encontrar parejas ade- ccuadas, y la tasa de crecimiento es nuevamente negativa. EI modelo Podemos enunciar esas suposiciones sucintamente: + Si la poblacién es muy grande, la razén de crecimiento es negativa + Sila poblacién es muy pequefia, Ia razén de crecimiento es negativa. La poblacién crece entonces sélo si esté entre “demasiado grande” y “demasiado pequefia”. Ademis es razonable suponer que si la poblacién es cero, se quedard en cero. Entonces, también es posible que: * Si la poblacién es cero, la razén de crecimiento es cero. (Compare esas hipétesis con Ias del modelo logistico de poblacién de la seccién 1.1.) Sea 1 = tiempo (variable independiente) ‘S(t) = poblacién de ardillas en el tiempo t (variable dependiente) k N M ‘ceficiente de raz6n de crecimiento (parémetro) -apacidad de soporte (parémetro), y = constante de “escase2” (pardémetro). La capacidad de soporte N indica qué poblacién es “demasiado grande" y el parémetro de escasez M seffala qué poblacién es “muy pequefia” ‘Ahora queremos un modelo de la forma dS/dt = g(S) que se ajuste a las hipétesi Podemos pensar en las hipétesis como determinantes de la forma de la grfica de a(S), en par- ticular donde g(S) es positiva y donde es negativa. Note que dS/dt = g(S) <0 si S > N, ye1.6 Equilibrios y linea de fase 87 Nancy Kopell (1942 - ) recibié su doctorado en matematicas en la Universidad de California, en Berkeley, donde escribio su tesis bajo la direccién de Stephen ‘Smale. Ella es una de las figuras principales en el uso de ecuaciones diferencia- les para modelar fenémenos naturales. Kopell ha usado técnicas similares a las que estudiamos en este libro para atacar problemas tan diversos como la forma- ion de patrones en sistemas quimicos y las redes de neuronas que gobiernan el movimiento ritmico en animales y otras oscilaciones en el sistema nervioso central. Ella ha recibido numerosos premios por su trabajo, incluido un MacArthur Fellowship “genius grant” en 1990. En 1996 fue elegida a la Academia Nacional de Ciencias. Actualmente es profesora de matematicas y directora del Centro de Biodindmica (y colega de los autores) en la Universidad de Boston. a(S) 0 Ra Figura 1.75 Grafica de a(S) {que la poblacién decrece cuando se eleva la tasa de crecimiento, También, g(S) <0 cuan- do S 0 cuando M M, y negativo si S 0. Hay tres puntos de equilibrio: S = 0,5 = My S=N.Si0 N, entonces g(S) <0, y por lo tanto las soluciones con con- iciones iniciales mayores que N también disminuyen, Para M < $ 0. En consecuencia, cuando la condicién inicial esté entre M y N se incrementa la sd- luci6n. Nuestra concusién es que los equilibrios en 0 y NV son sumideros y el punto de equilibrio en M es una fuente. La Iinea de fase y las gréficas de soluciones tipicas se mues- tran en la figura 1.76. 5 Figura 1.76 Sotucones da eoucinlgtica y modificada {sen i as s\(s | a(x) (eS ft y ‘con varias condiciones iniciales. ‘ EJERCICIOS PARA LA SECCION 1.6 En los ejercicios 1-8, esboce las Iineas de fase para la ecuacién diferencial dada. Identit que los puntos de equilibrio como sumideros, fuentes o nodos. y dy dy =3y(1- » 32 sy = y) ar ar 705) dw dy 1 & = w —2)sen 6 22. weosw 8. FP = (w—2)senw a7y-2 1 wte2wti0 8 2a "at at | En los ejercicios 9-15 se da una ecuaci6n diferencial y se especifican varias condiciones iniciales. Esboce las gréficas de las soluciones que satisfacen a esas condiciones iniciales. En cada ejercicio, coloque todas sus gréficas sobre un par de ejes. 9. Ecuaci6n del ejercicio 1; y(0)= 1, yQ) 1, yO) =1/2, y=2. 10. Ecuacién del ejercicio 2; y(0)=1, y(1)=0, y(0)=—10, yO) =5.1.6 Equilibrios y linea de fase 89 IL. Ecuaci6n del ejercicio 3; y(0) =0, y(-1) = 1, yO) = 2/2, yO =z. 12, Ecuaci6n del ejercicio 4; w(0)=0, w(3) = |. w(0)=2, w(0) 13. Ecuacién del ejercicio 5, w(0) = 1, w(0)=7/4, w(0)=—1, w(0) 14, Ecuaci6n del ejercicio 6; y(0)=0, y(1)=3, (0) =2 (pregunta capciosa) 15. Ecuaci6n del ejercicio 7; w(0)=0, w(1/2)=1, w0)=2. En los ejercicios 16-21, deseriba el comportamiento a largo plazo de la solucién de la ecuacién diferencial con la condici6n inicial dada. 16. y(0) =0 17. y)=1 18. y(0) = -1 19. y(0) = -10 20. y(0) = 10 21. y)=1 22, Considere la ecuacién auténoma dy/dt = f(9). Suponga que sabemos que f(—1) = (2) = 0. (@) Escriba todos los posibles comportamientos de la solucién y(t) que satisface la condicién inicial y(0) = 1. (b) Suponga también que f(y) > 0 para ~1 < y < 2. Describa todos los posibles comportamientos de la solucién y(t) que satisface 1a condicién inicial y(0) = 1 En los ejercicios 23-26, encontrard la gréfica de una funcién f(y). Esboce la linea de fase para la ecuacién diferencial auténoma dy/dt = f()) 23. Fo 25. 26. ro for90 capiruLo 1 Ecuaciones diferenciales de primer érden En los ejercicios 27-30 se muestra una linea de fase para una ecuacién auténoma dyidt = f(y). Haga un bosquejo de la gréfica de la funcién correspondiente f(y). (Suponga que ) = Oestd a la mitad del segmento mostrado en cada caso.) 21. 28, 29. 30. 31. Suponga que desea modelar una poblacién con una ecuacién diferencial de la forma dPldt = f(P), donde P(t) es la poblacién en el tiempo t. Se han efectuado experimen- tos que dan la informacién siguiente: * Los tinicos puntos de equilibrio en la poblacién son P = 0, P = 10 y P = 50. + Sila poblacién es 100, la poblacién decrece. + Si la poblacién es 25, la poblacién aumenta, a) Esboce las posibles Iineas de fase para este sistema para P > 0 (hay dos), 'b) Haga un croquis aproximado de las correspondientes funciones f(P) para cada una de sus Ifneas de fase. ©) Dé una formula para las funciones /(P) cuyas gréficas concuerden (cualitativa- mente) con las del inciso (b) para cade una de sus Iineas de fase. 32, Suponga que la informacién experimental en el ejercicio 31 se cambia a + La poblacién P = 0 permanece constante. + Una poblacién cercana a 0 disminuiré. * Una poblacién de P = 20 aumentaré, + Una poblacién de P > 100 dectecerd. (a) Esboce la linea de fase més simple posible que concuerde con la informaci6n ex- perimental anterior. (b) Haga un bosquejo de la funcién f(P) para la linea de fase del inciso (a). (© {Qué oxras Iineas de fase son posibles? 33. Sea f(y) una funcién continua. (a) Suponga que f(—10) > 0 y (10) < 0. Demuestre que hay un punto de equilibrio para dy/dt = f(y) entre y = —10 y y = 10.1.6 Equilibrios y linea de fase 91 (b) Considere que f(—10) > 0, que f(10) < Oy que hay muchos puntos de equilibrio finitos entre y = —10 y y = 10. Siy = 1 es una fuente, demuestre que dyldt = f(y) debe tener por lo menos dos sumideros entre y = —10 y y = 10. (Puede us- ted decir dénde estan localizados?) 34. Considere la ecuacién diferencial dy/dt = f()). Suponga que yo ¢s un punto de equi- librio aistado, es decir, aunque en yo existe un intervalo abierto que podria contener més puntos de equilibrio, s6lo encontramos a yo. Definimos el indice de yo como +1 siyoes una fuente; Indice (yo) =) —1 si yp es un sumidero; 0 siyoes un nodo, (a) Suponga que hay muchos puntos de equilibrio finitos en el intervalo ~100 < y < 100 y que f(—100) < 0 y f(100) > 0. Demuestre que, si y1, Y2.-» J, Son los pun- tos de equilibrio entre ~ 100 y 100, entonces indice(y) + indice(y2) + + - » + indice(y,) = b) Considere que hay muchos puntos de equilibrio finitos en el intervalo 100 < y < 100 y que f(~100) > 0 y (100) < 0. Demuestre que indice(y,) + {ndice(y,) +--+ + indice(y,) = 1. (©) Suponga que hay muchos puntos de equilibrio finitos en el intervalo — 100 < y < 100 y que f(—100) < 0 y f(100) < 0. Demuestre que indice(y;) + indice(y,) + ++ + indice(y,) = 0. 35. Digamos que dy/dt = f() tiene un punto de equilibrio en y = yoy (@) #00) = 0, fo) = Oy FG) > 0: {eS yo una fuente, un sumidero ‘oun nodo? (b) f’00) = 0.0) = Oy fo) <0: jes Yo una fuente, un sumidero oun nodo? (©) F'00) = Oy F%00) > 0: {e8,Yo.una fuente, un sumidero oun nodo? 36. (a) Esboce la linea de fase para la ecuacién diferencial ao dt (y—2(y +)’ y analice el comportamiento de la solucién con la condicién inicial y(0) = 1/2. (b) Aplique procedimientos analtticos al problema de valor inicial dy 1 a O-do4y y compare sus resultados con su andlisis en el inciso (a).92 CAPITULO 1 Ecuaciones diferenciales de primer orden Un plan horario apropiado para los sistemas de autobuses y trenes es un problema dificil que la ciudad de Boston parece ignorar. En esta ciudad es comtin esperar largo tiempo por el wolebis, sélo para que entonces arriben varios de ellos simulténeamente. En los ejerci- cios 37-40 estudiamos un modelo muy simple sobre el Comportamiento de los trolebuses. Considere dos trolebuses sobre 1a misma via moviéndose hacia el centro de Boston, Sea x(¢) el intervalo entre los dos en el tiempo t. Es decir, si el primero llega a un parade- ro particular en el tiempo t, entonces el otro arribard x(t) unidades de tiempo después. Su- ponemos que el primer trolebis viaja con rapidez constante. Queremos modelar cémo cambia x(¢) cuando t aumenta. Primero suponemos que, si no hay pasajeros esperando al segundo trolebiis, enton- ces éste tiene una rapidez promedio mayor que la del primero y por tanto lo alcanzaré, Asi, el tiempo entre trolebuses x(t) decrecerd a raz6n constante si no hay gente esperando al segundo trolebis. Sin embargo, la velocidad del segundo disminuird de acuerdo con la ra- z6n proporcional del niimero de pasajeros que recoge y de los que arriban a los paraderos a raz6n constante. Por consiguiente, el niimero de pasajeros que esperan al segundo trole- ‘bis es proporcional al tiempo entre los trolebuses. 37. Sea x(t) la cantidad de tiempo entre dos trolebuses consecutivos tal como se describis arriba. Afirmamos que un modelo razonable para x(¢) es dx See Br- a. Qué término representa la tasa de decrecimiento del tiempo entre los trolebuses si no hay gente esperando, y qué término representa el efecto de la gente esperando el se- gundo trolebtis? (Explique su respuesta.) Deben ser los parémetros a y 6 positivos 9 negativos? 38. Para el modelo en el ejercicio 37: (a) Encuentre los puntos de equilibrio. (b) Clasifique tos puntos de equitibrio (fuente, sumidero 0 nodo). (©) Esboce la linea de fase, (d) Esboce las gréficas de las soluciones. (@) Encuentre la formula para la solucién general. 39. Use el modelo en el ejercicio 37 para predecir qué pasa a.x(t) cuando t aumenta. Inclu- ya el efecto del valor inicial x(0). Es posible que los trolebuses corran a intervalos regulares? Dado que siempre hay ligeras variaciones en el mémero de pasajeros espe- rando en cada paradero, jes probable que se mantenga un intervalo regular? Escriba dos breves reportes (de uno 0 dos pérrafos): (a) El primer reporte esté dirigido a otros estudiantes en la clase (por consiguiente us- ted puede usar el lenguaje técnico que usamos en clase) (b) El segundo reporte esté dirigido al presidente municipal de Boston. 40. Suponiendo el modelo para x(4) del ejercicio 37, ,qué pasa si los trolebuses parten de Ia estacién a intervalos fijos? {Puede usted usar el modelo para predecir qué pasaré para toda una secuencia de trolebuses? ;Ayudard a aumentar el ntimero de unidades de manera que éstas salgan de la estacién més frecuentemente?