Apendice sobre ecuaciones

diferenciales lineales
Juan-Miguel Gracia
10 de febrero de 2008

Indice
1. Determinante wronskiano 2
1.1. Wronskiano de f
1
(t), f
2
(t), . . . , f
n
(t) . . . . . . . . . . . . . . . 3
1.2. Derivada de un determinante de funciones . . . . . . . . . . . 5
1.3. F ormula de Abel-Liouville para el wronskiano . . . . . . . . . 5
1.4. Wronskiano identicamente nulo de funciones linealmente inde-
pendientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5. Teorema de existencia y unicidad de soluciones . . . . . . . . . 8
2. Sistemas de ecuaciones diferenciales lineales 9
2.1. Soluci on del problema (P
0
) . . . . . . . . . . . . . . . . . . . . 16
3. Recurrencias lineales 20
4. Sistemas de recurrencias lineales 21
4.1. Comportamiento asint otico de las soluciones . . . . . . . . . . 23
1
1. Determinante wronskiano
En toda esta secci on la letra I denotar a un intervalo cualquiera de la recta
real R. Es decir, el intervalo I puede ser de cualquiera de los nueve tipos
(a, b), [a, b], (a, b], [a, b) con a < b,
(a, ), [a, ), (, b), (, b], (, ) = R.
Si f(t) es una funci on real denida en I y el intervalo I contuviera a uno de
sus extremos nitos a o b, las derivadas f
k
(a) o f
k
(b) deben entenderse como
derivadas laterales: f
k
(a) := f
k
(a
+
) (derivada por la derecha), o f
k
(b) :=
f
k
(b

) (derivada por la izquierda).

Denici on 1.1. Sean f
1
(t), f
2
(t), . . . , f
n
(t) funciones reales denidas en un
intervalo I de la recta real. Diremos que f
1
(t), f
2
(t), . . . , f
n
(t) son lineal-
mente independientes en I si la relaci on: Para todo t I

1
f
1
(t) +
2
f
2
(t) + +
n
f
n
(t) = 0,
1
,
2
, . . . ,
n
R, (1)
s olo es posible cuando
1
= 0,
2
= 0, . . . ,
n
= 0.
En el caso de que se satisfaga (1) con alg un
i
,= 0, se dira que las
funciones f
1
(t), f
2
(t), . . . , f
n
(t) son linealmente dependientes en I.
Ejemplo 1.1. Las funciones f
1
(t) := t + 2, f
2
(t) := t 2 son linealmente
independientes en (, ) pues si existiesen unas constantes reales
1
,
2
tales que para todo t (, )

1
(t + 2) +
2
(t 2) = 0, (2)
se seguira que
t,
1
t +
2
t + 2
1
2
2
= 0,
t, (
1
+
2
)t + (2
1
2
2
) = 0.
Por tanto,
1
+
2
= 0 y 2(
1

2
) = 0. Sumando las ecuaciones del sistema
_

1
+
2
= 0,

2
= 0
resultara 2
1
= 0; lo que implicara
1
= 0. De la ecuaci on segunda se de-
ducira que
2
= 0. Por consiguiente las funciones t+2 y t2 son linealmente
independientes en (, ).
2
Ejemplo 1.2. Estudiar la independencia lineal de las funciones t, e
2t
, te
2t
en (, ). Supongamos que existan constantes reales
1
,
2
,
3
tales que
t R,

1
t +
2
e
2t
+
3
te
2t
= 0. (3)
Dividiendo por e
2t
, queda

1
t
e
2t
+
2
+
3
t = 0 (4)
Como
lm
t
t
e
2t
= 0,
si fuera
3
,= 0, supongamos
3
> 0, se tendra por (4) que = 0; lo cual
es imposible. Por ello,
3
= 0. De (4) deducimos,
t R,
1
t
e
2t
+
2
= 0. (5)
Tomando lmites en (5) cuando t , se sigue que
2
= 0. De (3), t
R,
1
t = 0; lo que implica
1
= 0. Por consiguiente t, e
2t
, te
2t
son linealmente
independientes en (, ).
1.1. Wronskiano de f
1
(t), f
2
(t), . . . , f
n
(t)
Denici on 1.2.
W(t) = W[f
1
(t), f
2
(t), . . . , f
n
(t)] :=

f
1
(t) f
2
(t) f
n
(t)
f

1
(t) f

2
(t) f

n
(t)
.
.
.
.
.
.
.
.
.
.
.
.
f
(n1)
1
(t) f
(n1)
2
(t) f
(n1)
n
(t)

W[f
1
(t), f
2
(t), f
3
(t)] :=

f
1
(t) f
2
(t) f
3
(t)
f

1
(t) f

2
(t) f

3
(t)
f

1
(t) f

2
(t) f

3
(t)

Ejemplo 1.3.
W[t, e
2t
, te
2t
] =

t e
2t
te
2t
1 2e
2t
e
2t
+ 2te
2t
0 4e
2t
2e
2t
+ 2e
2t
+ 4te
2t

t e
2t
te
2t
1 2e
2t
e
2t
(1 + 2t)
0 4e
2t
4e
2t
(1 + t)

3
= e
2t
e
2t

t 1 t
1 2 1 + 2t
0 4 1 + t

= e
4t

t 1 0
1 2 2t
0 4 1 + t

= e
4t
_
t

2 2t
4 1 + t

1 0
4 1 + t

_
= e
4t
_
2t

1 2t
2 1 + t

1 0
4 1 + t

_
= e
4t
[2t(1 + t 4t) (1 + t)]
= e
4t
[6t
2
+ 3t 1]
y como la ecuaci on 6t
2
+3t 1 = 0 no tiene races reales, se sigue que para
todo t se tiene que W[t, e
2t
, te
2t
] ,= 0.
Teorema 1. Sean f
1
(t), . . . , f
n
(t) funciones denidas y derivables hasta n1
veces en un intervalo I. Si existe un t
0
I tal que
W[f
1
(t), . . . , f
n
(t)](t
0
) ,= 0,
entonces f
1
(t), . . . , f
n
(t) son linealmente independientes en I.
Demostraci on. Si
1
, . . . ,
n
R satisfacen

1
f
1
(t) + +
n
f
n
(t) = 0, t I, (6)
derivando sucesivas veces esta igualdad,

1
f

1
(t) + +
n
f

n
(t) = 0, t I,
.
.
.

1
f
(n1)
1
(t) + +
n
f
(n1)
n
(t) = 0, t I,

1
f
1
(t
0
) + +
n
f
n
(t
0
) = 0,

1
f

1
(t
0
) + +
n
f

n
(t
0
) = 0,
.
.
.

1
f
(n1)
1
(t
0
) + +
n
f
(n1)
n
(t
0
) = 0, ,
(7)
Como (7) es un sistema ecuaciones lineales de Cramer en las inc ognitas

1
, . . . ,
n
, se deduce que

1
= =
n
= 0.

4
1.2. Derivada de un determinante de funciones
Sea
D(t) :=

a(t) b(t)
c(t) d(t)

, para t I.
Entonces,
D

(t) =

(t) b

(t)
c(t) d(t)

a(t) b(t)
c

(t) d

(t)

.
Lo cual es f acil de probar.
1.3. F ormula de Abel-Liouville para el wronskiano
Teorema 2 (Abel-Liouville). Sea
x

+ a
1
(t)x

+ a
2
(t)x = 0 (8)
una ecuacion diferencial lineal homogenea de segundo orden, donde a
1
(t) y
a
2
(t) son funciones reales continuas en un intervalo I. Sean x
1
(t), x
2
(t) dos
soluciones de (8) y sea
W(t) = W[x
1
(t), x
2
(t)]
su wronskiano. Entonces,
t I, W(t) = Ce

a
1
(t) dt
.
Demostraci on. Como
W(t) =

x
1
(t) x
2
(t)
x

1
(t) x

2
(t)

,
derivando resulta
W

(t) =

1
(t) x

2
(t)
x

1
(t) x

2
(t)

x
1
(t) x
2
(t)
x

1
(t) x

2
(t)

x
1
(t) x
2
(t)
x

1
(t) x

2
(t)

= x
1
(t)x

2
(t) x

1
(t)x
2
(t);
5
pero x

i
(t) = a
1
(t)x

i
(t) a
2
(t)x
i
(t) = 0, para i = 1, 2; por tanto,
W

(t) = x
1
(t) [a
1
(t)x

2
(t) a
2
(t)x
2
(t)]
[a
1
(t)x

1
(t) a
2
(t)x
1
(t)] x
2
(t)
= a
1
(t)x
1
(t)x

2
(t) a
2
(t)x
1
(t)x
2
(t)
+a
1
(t)x

1
(t)x
2
(t) + a
2
(t)x
1
(t)x
2
(t)
= a
1
(t) [x
1
(t)x
2
(t) x

1
(t)x
2
(t)]
= a
1
(t)

x
1
(t) x
2
(t)
x

1
(t) x

2
(t)

= a
1
(t)W(t).
Por ende,
t I, W

(t) = a
1
(t)W(t); (9)
es decir, que W(t) satisface (9), que es una ecuacion diferencial lineal ho-
mogenea de primer orden; en consecuencia existe una constante C tal que
W(t) = Ce

a
1
(t) dt
.

Veremos enseguida otra formulacion del Teorema de Abel-Liouville. Para

ello necesitamos recordar el teorema siguiente.
Teorema 3 (Teorema fundamental del c alculo innitesimal). Sea f(x) una
funcion continua en un intervalo I, sea x
0
un punto jo de I, y denamos
la funcion
F(x) :=
_
x
x
0
f(t) dt, para cada x I.
Entonces F(x) es derivable en I y su derivada viene dada por
F

(x) = f(x).
Ejemplo 1.4. Sea
F(x) :=
_
x
1
e
t
2
dt.
Entonces por ser e
x
2
continua en todo R y por el Teorema fundamental del
c alculo innitesimal, para todo x real existe la derivada F

(x) y
F

(x) = e
x
2
.
6
Tambien necesitamos otra expresion para la soluci on del problema de
condici on inicial para una ecuacion diferencial lineal homogenea de primer
orden:
(P)
_
x

= a(t)x,
x(t
0
) = x
0
,
donde a(t) es una funcion continua en I, t
0
I, y x
0
es un n umero real
cualquiera. La solucion de (P) viene dada por
x(t) = x
0
e

t
t
0
a(s) ds
.
En efecto, por denici on
_
t
0
t
0
a(s) ds := 0. Por tanto,
x(t
0
) = x
0
e

t
0
t
0
a(s) ds
= x
0
e
0
= x
0
1 = x
0
;
as pues, x(t) satisface la condicion inicial. Adem as, por el Teorema funda-
mental del calculo innitesimal, para todo t I,
x

(t) = x
0
a(t)e

t
t
0
a(s) ds
= a(t)x(t).
Resumiendo, sin usar x
0
, cualquier solucion de x

= a(t)x viene dada por

x(t) = x(t
0
)e

t
t
0
a(s) ds
.
Como W(t) satisface W

(t) = a
1
(t)W(t), se sigue que para cada t
0
I,
W(t) = W(t
0
) e

t
t
0
a
1
(s) ds
, t I. (10)
1.4. Wronskiano identicamente nulo de funciones lin-
ealmente independientes
Ejemplo 1.5. Veamos que para todo t real, W[t
3
, [t[
3
] = 0. En efecto, si
t 0, se sigue que [t[ = t; por tanto [t[
3
= t
3
, y
W[t
3
, [t[
3
] =

t
3
t
3
3t
2
3t
2

= 0.
Si t < 0, entonces [t[ = t; de donde, [t[
3
= (t)
3
= (t
3
); por lo cual,
W[t
3
, [t[
3
] =

t
3
t
3
3t
2
3t
2

= 0
7
En consecuencia para todo t R, W(t) = 0. Pero, las funciones t
3
y [t[
3
son
linealmente independientes en R, ya que si
1
,
2
son constantes reales tales
que
t R,
1
t
3
+
2
[t[
3
= 0,
dando a t los valores particulares t = 1 y t = 1, deducimos

1
+
2
= 0

1
+
2
= 0
Sumando estas dos ecuaciones, 2
2
= 0; lo que implica
2
= 0, y, por ende,

1
= 0.
En consecuencia, a la vista del Teorema 1 podemos decir que la no anu-
laci on del wronskiano en un punto t
0
es condici on suciente para la indepen-
dencia lineal de las funciones f
1
(t), . . . , f
n
(t), mas no es condicion necesaria.
Esto es, puede haber funciones linealmente independientes cuyo wronskiano
se anule en todos los puntos del intervalo.
Sin embargo, esta cuesti on cambia dr asticamente si f
1
(t), . . . , f
n
(t) son
soluciones de una misma ecuacion diferencial lineal homogenea
x
(p)
+ a
1
(t)x
(p1)
+ + a
p1
(t)x

+ a
p
(t)x = 0
con n p; siendo a
1
(t), . . . , a
p
(t) continuas en I.
1.5. Teorema de existencia y unicidad de soluciones
8
2. Sistemas de ecuaciones diferenciales lin-
eales
Utilizaremos notaci on matricial y unas pocas deniciones sobre funciones
vectoriales de una variable real. Si x
1
(t), x
2
(t), . . . , x
n
(t) son n funciones reales
de la variable real t, la funci on vectorial
x(t) :=
_
_
_
_
_
x
1
(t)
x
2
(t)
.
.
.
x
n
(t)
_
_
_
_
_
designa un vector columna (o matriz columna) de n componentes para cada
valor real de t. Por denicion, decimos que x(t) es derivable en t si
x
1
(t), x
2
(t), . . . , x
n
(t)
son derivables en t. En cuyo caso, denimos
x

(t) :=
_
_
_
_
_
x

1
(t)
x

2
(t)
.
.
.
x

n
(t)
_
_
_
_
_
.
El vector x

(t) es la derivada de x en t.
Ejemplo.- Si x
1
(t) = t
2
, x
2
(t) = cos t, x
3
(t) = exp(t
2
) entonces
x(t) =
_
_
t
2
cos t
exp(t
2
)
_
_
es derivable y su derivada es igual a
x

(t) =
_
_
2 t
sen t
2 t exp(t
2
)
_
_
.
Consideremos el sistema de ecuaciones diferenciales
_

_
x

1
(t) = a
11
x
1
(t) + a
12
x
2
(t) + + a
1n
x
n
(t),
x

2
(t) = a
21
x
1
(t) + a
22
x
2
(t) + + a
2n
x
n
(t),

x

n
(t) = a
n1
x
1
(t) + a
n2
x
2
(t) + + a
nn
x
n
(t).
(11)
9
Aqu a
ij
(i, j = 1, 2, . . . , n) son n umeros reales dados y x
1
(t), x
2
(t), . . . ,
x
n
(t) son las funciones incognitas. Denotando por A = (a
ij
) la matriz cuadra-
da n n formada por los coecientes, podemos escribir el sistema (11) en la
forma matricial
_
_
_
_
_
x

1
(t)
x

2
(t)
.
.
.
x

n
(t)
_
_
_
_
_
=
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
_
_
x
1
(t)
x
2
(t)
.
.
.
x
n
(t)
_
_
_
_
_
. (12)
El sistema se escribe de forma resumida as:
x

(t) = Ax(t). (13)

Este es un sistema de ecuaciones diferenciales lineales de primer orden ho-
mogeneo de coecientes constantes. Si no hay dudas, (13) lo podemos escribir
abreviadamente omitiendo la t:
x

= Ax. (14)
Debe quedar claro que x depende de t, pero A no depende: A es constante.
Resolveremos el sistema (13) bajo ciertas restricciones, muy generales. En
primer lugar, tratamos de ver si existen soluciones de la forma
x(t) = e

0
t
c
donde
0
es un n umero y c un vector columna distinto de
0 =
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_
_

_
n ceros.
Suponemos que el vector
c =
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
_
es constante.
10
Por la denicion de derivada de una funci on vectorial se observa que
x

(t) =
0
e

0
t
c (15)
Por otro lado,
Ax(t) = Ae

0
t
c = e

0
t
Ac (16)
Como x

(t) = Ax(t), de (15) y (16) se sigue que

e

0
t

0
c = e

0
t
Ac (17)
Dividiendo ambos miembros de (17) por e

0
t
resulta

0
c = Ac
o bien
Ac =
0
c (18)
As pues, (18) es una condici on necesaria para que la funcion e

0
t
c sea una
soluci on de (11). Es facil ver que (18) es tambien una condici on suciente.
Resumiendo:
Proposicion 1. La funcion vectorial e

0
t
c es una solucion del sistema di-
ferencial lineal x

= Ax si y solo si el n umero
0
y el vector columna c
satisfacen la ecuacion algebraica
Ac =
0
c.
Nota.- La funcion nula x(t)
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_
es soluci on de (11), pero esta solu-
ci on no interesa. Por ello, al buscar una soluci on de la forma e

0
t
c tratamos
de encontrar un vector c ,= 0. Para encontrar esta soluci on debemos buscar
11
un n umero
0
y un vector columna c ,= 0 tales que Ac =
0
c. Esta ecuacion
es equivalente a Ac =
0
Ic, siendo
I =
_
_
_
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
_
_
_
la matriz unidad (o identidad) de orden n. La ecuaci on
Ac =
0
Ic
es equivalente a
(
0
I A) c = 0
Si c ha de ser distinto de cero, entonces necesariamente el determinante
[
0
I A[
tiene que ser igual a 0. Una posible manera de hallar el
0
que buscamos es
construir el polinomio en
[I A[ (19)
y resolver la ecuaci on en la inc ognita
[I A[ = 0. (20)
A continuaci on si
0
es una raz de esta ecuacion, se resuelve el sistema
homogeneo indeterminado
(
0
I A)
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
_
=
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_
(21)
en las inc ognitas c
1
, c
2
, . . . , c
n
. Una soluci on c =
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
_
de (21) con no
todas las componentes c
1
, c
2
, . . . , c
n
nulas, proporciona uno de los vectores
buscados.
12
Deniciones.- Dada una matriz cuadrada A de orden n se dice que el
n umero
0
es un valor propio de A si existe un vector columna n-dimensional
c no nulo tal que
Ac =
0
c.
El vector c se llama vector propio de A asociado al valor propio
0
.
Otras terminologas equivalentes

0
c
valor propio vector propio
autovalor autovector
valor caracterstico vector caracterstico
raz latente vector latente
eigenvalor eigenvector
Pero raz (o vector) latente no es correcto en castellano, pues viene del
ingles latent root, donde latent signica oculto. El prejo eigen sig-
nica propio en alem an, y los terminos eigenvalor y eigenvector son in-
necesarios; vienen del ingles donde se llaman eigenvalue y eigenvector,
respectivamente.
Ejemplo.- Sea la matriz
A =
_
_
1 1 4
3 2 1
2 1 1
_
_
(22)
Vamos a hallar un valor propio y un vector propio asociado. Por lo visto
anteriormente es preciso resolver la ecuaci on en
[I A[ =

1 1 4
3 2 1
2 1 + 1

=
3
2
2
5 + 6 = 0 (23)
Por la regla de Runi encontramos que
0
= 1 es una raz de (23):
1
3
2 1
2
5 1 + 6 = 1 2 5 + 6 = 0
13
Para encontrar un vector propio c =
_
_
c
1
c
2
c
3
_
_
asociado a este
0
= 1, resolve-
mos el sistema homogeneo de ecuaciones lineales
(
0
I A) c =
_
_
0 1 4
3 1 1
2 1 2
_
_
_
_
c
1
c
2
c
3
_
_
=
_
_
0
0
0
_
_
Escribimos este sistema en la forma
_
_
_
c
2
4c
3
= 0
3c
1
c
2
+ c
3
= 0
2c
1
c
2
+ 2c
3
= 0
Como

0 1
3 1

,= 0, tachamos la ultima ecuaci on:

_
c
2
4c
3
= 0
3c
1
c
2
+ c
3
= 0.
Este sistema es equivalente al anterior (i.e. tiene las mismas soluciones).
Pasamos c
3
al segundo miembro
_
c
2
= 4c
3
3c
1
c
2
= c
3
Damos a c
3
un valor arbitrario; por ejemplo, c
3
= 1 :
_
c
2
= 4
3c
1
c
2
= 1
= c
2
= 4 ;
3c
1
= c
2
1 = 4 1 = 3 = c
1
= 1
As pues, un vector propio asociado a
0
= 1 es
c =
_
_
1
4
1
_
_
Por lo tanto,
x(t) = e
t
_
_
1
4
1
_
_
=
_
_
e
t
4 e
t
e
t
_
_
14
es una soluci on del sistema diferencial lineal homogeneo
_
_
x

1
(t)
x

2
(t)
x

3
(t)
_
_
=
_
_
1 1 4
3 2 1
2 1 1
_
_
_
_
x
1
(t)
x
2
(t)
x
3
(t)
_
_
.
Hemos terminado el ejemplo.
Sea ahora un x
0
un vector columna dado de n componentes:
x
0
=
_
_
_
_
_
x
0
1
x
0
2
.
.
.
x
0
n
_
_
_
_
_
.
x
0
se lee x super cero. Consideremos el problema de hallar la solucion x(t)
del sistema diferencial lineal x

(t) = Ax(t) que satisface la condicion inicial

x(0) = x
0
:
(P
0
)
_
x

(t) = Ax(t)
x(0) = x
0
La solucion de problema (P
0
) no es necesariamente de la forma e

0
t
c.
Hipotesis Suplementaria: Supondremos desde ahora que la matriz de or-
den n, A, tiene n valores propios distintos. Dicho de otro modo, supondremos
que la ecuaci on en
[I A[ = 0
tiene sus n races simples. Con esta hip otesis daremos un metodo de resolu-
ci on. El problema (P
0
) tiene una soluci on unica. No daremos la demostracion
de esta armacion ultima aqu. Sean
1
,
2
, . . . ,
n
los valores propios de la
matriz A. Estamos suponiendo que son n n umeros distintos. Sean c
1
, c
2
, . . . , c
n
vectores propios de A asociados a
1
,
2
, . . . ,
n
, respectivamente.
Teorema 4. Si los n valores propios de A son distintos, entonces los vectores
propios c
1
, c
2
, . . . , c
n
son linealmente independientes.
Sin demostracion.
15
2.1. Solucion del problema (P
0
)
Expresemos x
0
como combinacion lineal de los vectores propios c
1
, c
2
, . . . , c
n
:
x
0
=
1
c
1
+
2
c
2
+ +
n
c
n
.
Tal combinacion existe y es unica pues c
1
, c
2
, . . . , c
n
es una base del espacio
formado por todos los vectores columna de n umeros. La soluci on de (P
0
) viene
dada por la formula
x(t) =
1
e

1
t
c
1
+
2
e

2
t
c
2
+ +
n
e
nt
c
n
.
Demostracion: Derivemos,
x

(t) =
1
e

1
t

1
c
1
+
2
e

2
t

2
c
2
+ +
n
e
nt

n
c
n
;
pero
i
c
i
= Ac
i
, para i = 1, 2, . . . , n. Por consiguiente,
x

(t) =
1
e

1
t
Ac
1
+
2
e

2
t
Ac
2
+ +
n
e
nt
Ac
n
= A
_

1
e

1
t
c
1
+
2
e

2
t
c
2
+ +
n
e
nt
c
n
_
= Ax(t).
Adem as,
x(0) =
1
e

1
0
c
1
+
2
e

2
0
c
2
+ +
n
e
n0
c
n
=
1
c
1
+
2
c
2
+ +
n
c
n
= x
0
.

Ejemplo: Resolver el problema de condici on inicial

_

_
x

(t) = Ax(t)
x(0) =
_
_
1
0
1
_
_
con
A :=
_
_
1 1 4
3 2 1
2 1 1
_
_
.
Solucion: La matriz A es la matriz de un ejemplo anterior. All calculamos
uno de valores propios de A :
1
= 1. Hallemos los dos que faltan
2
,
3
.
16
Utilizando la regla de Runi:
[I A[ =

1 1 4
3 2 1
2 1 + 1

=
3
2
2
5 + 6 = 0
1 -2 -5 6
3 3 3 -6
1 1 -2 0
=
2
= 3 es una raz.
1 -2 -5 6
-2 -2 8 -6
1 -4 3 0
=
3
= 2 es una raz.
1 -2 -5 6
1 1 -1 -6
1 -1 -6 0
=
1
= 1 es una raz.
Como las tres races del polinomio caracterstico de A, [I A[, son simples
(y A es de orden 3) estamos bajo las condiciones de la Hipotesis Suplemen-
taria. Por lo tanto, podemos aplicar el metodo de resoluci on dado a este
sistema diferencial lineal.
Como en el ejemplo antes mencionado, calculamos un vector propio c
1
, c
2
, c
3
asociado a cada uno de los valores propios
1
,
2
,
3
, respectivamente:
c
1
=
_
_
1
4
1
_
_
, c
2
=
_
_
1
2
1
_
_
, c
3
=
_
_
1
1
1
_
_
.
Ahora busquemos la expresion del vector inicial x
0
como combinacion
lineal de c
1
, c
2
, c
3
:
x
0
=
1
c
1
+
2
c
2
+
3
c
3
,
_
_
1
0
1
_
_
=
1
_
_
1
4
1
_
_
+
2
_
_
1
2
1
_
_
+
3
_
_
1
1
1
_
_
;
esto nos conduce a resolver el sistema de ecuaciones lineales
_

1
+
2

3
= 1,
4
1
+ 2
2
+
3
= 0,

1
+
2
+
3
= 1,
17
cuya solucion es (
1
,
2
,
3
) = (1/3, 0, 4/3). En consecuencia, la solucion
del problema de condiciones iniciales es
x(t) =
_
_
x
1
(t)
x
2
(t)
x
3
(t)
_
_
=
1
3
e
t
_
_
1
4
1
_
_

4
3
e
2t
_
_
1
1
1
_
_
=
_
_

e
t
3
+
4 e
2t
3
4 e
t
3

4 e
2t
3
e
t
3

4 e
2t
3
_
_
=
1
3
_
_
e
t
+ 4 e
2t
4(e
t
e
2t
)
e
t
4 e
2t
_
_
.
Ejercicio.- Resolver el problema de condiciones iniciales
_

_
x

(t) =
_
1 12
3 1
_
x(t)
x(0) =
_
0
1
_
.
Solucion.-
x(t) =
_
x
1
(t)
x
2
(t)
_
=
_
e
7t
e
5t
(e
7t
+ e
5t
)/2
_
.
Ejercicio.- Hallar la soluci on del problema de condiciones iniciales
_

_
_
x

1
(t)
x

2
(t)
_
=
_
1 3
2 2
__
x
1
(t)
x
2
(t)
_
_
x
1
(0)
x
2
(0)
_
=
_
0
5
_
.
Solucion.-
_
x
1
(t)
x
2
(t)
_
=
_
3e
4t
+ 3e
t
3e
4t
+ 2e
t
_
.
18
Ejercicio.- Hallar la soluci on del problema de condiciones iniciales
_

_
_
_
_
x

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

2
(t) = x
2
(t)
x

3
(t) = x
2
(t) 2x
3
(t)
_
_
_
x
1
(0) = 2
x
2
(0) = 0
x
3
(0) = 3.
19
3. Recurrencias lineales
Las recurrencias lineales son ecuaciones en las que la inc ognita es una
sucesi on numerica (x
k
)

k=0
que aparece linealmente. Por ejemplo, la recurren-
cia x
k+2
= x
k+1
+ x
k
, k = 0, 1, 2, . . ., es lineal. Si buscamos una soluci on
concreta necesitamos prescribir unas condiciones iniciales: los valores de x
0
=
c
0
y x
1
= c
1
. Pues x
2
= x
1
+x
0
= c
0
+c
1
, y de aqu, x
3
= x
2
+x
1
= (c
0
+c
1
)+c
1
,
etc. Si x
0
= 1, x
1
= 1, la solucion es la famosa sucesi on de Fibonacci:
1, 1, 2, 3, 5, 8, 13, 21, 34, . . .
Pero cu al la expresi on del termino general x
k
en funcion de k? Busquemos
un n umero tal que
k
sea una soluci on de x
k+2
= x
k+1
+x
k
, k = 0, 1, 2, . . .
Se debera cumplir que

k+2
=
k+1
+
k
,
lo que equivale a

k+2

k+1

k
= 0;
sacando factor com un
k
resulta

k
(
2
1) = 0;
por tanto, si resolvemos la ecuaci on
2
1 = 0 obtenemos dos valores

1
,
2
que valdran para nuestro prop osito. Por ende,
=
1

1 + 4
2
=
1

5
2
.
As pues,

1
=
1 +

5
2
,
2
=
1

5
2
.
Hemos conseguido dos soluciones (
k
1
)

k=0
, (
k
2
)

k=0
de la recurrencia
x
k+2
= x
k+1
+ x
k
, k = 0, 1, 2, . . .
Se puede demostrar que la soluci on general de esta recurrencia viene dada
por una combinacion lineal de estas dos sucesiones:
x
k
=
1

k
1
+
2

k
2
=
1
_
1 +

5
2
_
k
+
2
_
1

5
2
_
k
20
para k = 0, 1, 2, . . .
Con ayuda de las condiciones iniciales podemos determinar los escalares

1
y
2
que corresponden a una soluci on particular. As pues, en el ejemplo
de la sucesi on de Fibonacci: x
0
= 1, x
1
= 1 implica que
_
x
0
=
1
+
2
,
x
1
=
1
1+

5
2
+
2
1

5
2
_
1 =
1
+
2
,
1 =
1
1+

5
2
+
2
1

5
2
sistema cuya solucion es

1
=

5
10
+
1
2
,
2
=

5
10
+
1
2
;
Por consiguiente, la solucion del problema de condiciones iniciales
_
x
k+2
= x
k+1
+ x
k
, k = 0, 1, 2, . . . ,
x
0
= 1, x
1
= 1,
viene dada por
x
k
=
_

5
10
+
1
2
__
1 +

5
2
_
k
+
_

5
10
+
1
2
__
1

5
2
_
k
, k = 0, 1, 2, . . .
Hay recurrencias no lineales, por ejemplo
x
k+1
= x
k
+ (2k 1)x
2
k
+ sen k, k = 0, 1, 2, . . .
Otra terminologa.- Las recurrencias son llamadas tambien ecuaciones
en diferencias nitas, por su analoga con las ecuaciones diferenciales ordi-
narias.
4. Sistemas de recurrencias lineales
Sea A una matriz n n y consideremos la recurrencia
y
k+1
= Ay
k
, k = 0, 1, 2, . . . (24)
21
donde cada y
k
es un vector columna n 1. Las soluciones de (24) son suce-
siones de vectores (y
k
)

k=0
y el k en y
k
es un superndice y no es un exponente
(y
k
,= yy y!)
En funcion del vector inicial y
0
, tenemos que
y
1
= Ay
0
, y
2
= Ay
1
= A
2
y
0
, . . .
y en general
y
k
= A
k
y
0
, k = 1, 2, . . .
Para que esta soluci on sea satisfactoria debemos conocer la potencia k-esima
de la matriz A,
A
k
:= AA A (k factores);
en funci on de k, tarea nada facil. Se podra hallar A
k
mediante la diagonal-
izaci on de la matriz A, o mediante su forma can onica de Jordan. Mas visto
como es resuelto el sistema (24) en alguna asignatura de Ciencias Ambien-
tales, preferimos usar el metodo que sigue.
Supongamos que la matriz A tiene n valores propios distintos.
Esto es, la matriz A tiene simples sus valores propios
1
,
2
, . . . ,
n
y sean
c
1
, c
2
, . . . , c
n
sus vectores propios asociados, respectivamente. Empezaremos
expresando el vector inicial y
0
como combinacion lineal de los vectores pro-
pios:
y
0
=
1
c
1
+
2
c
2
+ +
n
c
n
.
A continuaci on, vemos que
y
1
= Ay
0
=
1
Ac
1
+
2
Ac
2
+ +
n
Ac
n
=
1

1
c
1
+
2

2
c
2
+ +
n

n
c
n
.
y
2
= Ay
1
=
1

1
Ac
1
+
2

2
Ac
2
+ +
n

n
Ac
n
=
1

2
1
c
1
+
2

2
2
c
2
+ +
n

2
n
c
n
.
Es facil ver que continuando este proceso se obtiene la soluci on
y
k
=
1

k
1
c
1
+
2

k
2
c
2
+ +
n

k
n
c
n
, k = 0, 1, 2, . . . (25)
22
4.1. Comportamiento asint otico de las soluciones
Lema 1. Si z
0
es un n umero complejo tal que [z
0
[ < 1, entonces
lm
k
z
k
0
= 0.
En este lema z
k
0
es una potencia z
k
0
:= z
0
z
0
z
0
, (k factores).
Supongamos que los valores propios de A, ademas de ser sim-
ples, satisfacen que
1
> 0 y la condicion de dominaci on:
[
2
[ <
1
, [
3
[ <
1
, . . . , [
n
[ <
1
. (26)
Por (25),
y
k

k
1
=
1
c
1
+
2
_

1
_
k
c
2
+ +
n
_

1
_
k
c
n
. (27)
Por la hipotesis de dominacion y el Lema 1, se tiene que i = 2, . . . , n,
lm
k
_

1
_
k
= 0.
En consecuencia, existe el lmite
lm
k
y
k

k
1
=
1
c
1
. (28)
Detallemos las componentes del vector propio c
1
y del vector y
k
:
c
1
=
_
_
_
_
_
c
11
c
21
.
.
.
c
n1
_
_
_
_
_
, y
k
=
_
_
_
_
_
y
1k
y
2k
.
.
.
y
nk
_
_
_
_
_
Si para alg un i = 1, . . . , n se tiene que c
i1
= 0, entonces
lm
k
y
ik
= 0.
Llamando
y
k+1
=
_
_
_
_
_
y
1,k+1
y
2,k+1
.
.
.
y
n,k+1
_
_
_
_
_
,
23
para todo j 1, . . . , n tal que c
j1
,= 0, se tiene que
lm
k
y
j,k+1
y
jk
=
1
.
En efecto, si k es sucientemente grande,
y
jk

1

k
1
c
j1
, y
j,k+1

1

k+1
1
c
j1
;
as pues,
y
j,k+1
y
jk

k+1
1
c
j1

k
1
c
j1
=
1
.
o bien
y
j,k+1

1
y
jk
Denotando por |y|
1
:= [y
1
[ + + [y
n
[ la norma sub uno de un vector
y = (y
1
, . . . , y
n
)
T
donde
T
designa vector transpuesto, se tiene que
|y
k+1
|
1

1
|y
k
|
1
.
Si cada y
jk
denotase el n umero de individuos en la clase de edad j en la etapa
k-esima se tendra que la poblaci on total T(k) := |y
k
|
1
crecera (si
1
> 1),
disminuira (si
1
< 1), respectivamente, en la proporci on
1
al pasar a la
etapa (k + 1)-esima.
Los sistemas de recurrencias lineales son llamados tambien sistemas de
ecuaciones en diferencias nitas por analoga con los sistemas de ecua-
ciones diferenciales lineales ordinarias: en vez de x

(t) = Ax(t) se considera

y
k+1
= Ay
k
, y la funci on vectorial inc ognita x(t) que depende de la variable
continua t, es reemplazada en esta analoga por la sucesi on vectorial incognita
(y
k
)

k=0
que depende de la variable discreta k.
24