Universidad de la Frontera

Facultad de Ingeniería y Ciencias

Departamento de Matemática y Estadística
Bitácora de aula: Sistemas de Ecuaciones Diferenciales

segundo semestre 2024

ACTIVIDAD 1. El sistema de ecuaciones diferenciales

(
x00 − 2x0 − y = e3t
1. Sistemas de Ecuaciones y 0 − 6x =0

Fecha 2023 es de segundo orden (la más alta derivada presente),

Existen muchos situaciones en que se necesita modelar posee como funciones incógnitas x(t) e y(t). La variable
fenómenos que tienen más de una variable dependiente independiente es t, y una solución de este sistema en
de un mismo parametro. Para resolver esto es necesario el intervalo (−∞, ∞) está dada por el par de funciones
estudiar los sistemas de ecuaciones diferenciales. x(t) = e3t, y(t) = 2e3t, como puede comprobarse me-
Definición 1.1 Un sistema de ecuaciones diferenciales diante una simple sustitución.
es un conjunto de una o más ecuaciones en las que apa- Un resultado interesante y trascendentes el siguiente,
recen una o más funciones incógnita, pero todas ellas ya que establece que es suficiente con estudiar los sis-
dependiendo de una sola variable independiente. temas de primer órden.

La forma más general que tiene un sistema de ecuacio- Proposición 1.3 Todo sistema de orden superior a dos
nes diferenciales es la siguiente puede transformarse en uno de orden uno mediante la
simple redefinición y agregado de variables.



 F1(t, x1, x01, x2, x02, · · · , xn, x0n) = 0
F (t, x , x0 , x , x0 , · · · , x , x0 ) = 0

2 1 1 2 2 n n
 ...
2. Sistemas lineales de primer


F (t, x , x0 , x , x0 , · · · , x , x0 ) = 0

n 1 1 2 2 n n
orden
La variable independiente es t, las funciones reales
x1, x2, · · · , xn, que dependen de t, son las incógnitas a Un sistema de ecuaciones diferenciales del tipo
determinar. Las Fi son funciones reales de varias va- 
0
riables Fi : A ⊂ R2n+1 → R, con 1 ≤ i ≤ n, Se suele


 x 1 = a11(t)x1 + · · · + a1n(t)xn + f1(t)
x0 = a (t)x + · · · + a (t)x + f (t)

suponer que hay igual número de ecuaciones que de 2 21 1 2n n 2
incógnitas de manera que todas las ecuaciones son in-  ... =


dependientes, es decir, ninguna puede deducirse de las x0 = a (t)x + · · · + a (t)x + f (t)

n1 1 nn n n
n
demás.
Si es posible despejar la primera derivada de cada una se denomina sistema lineal de primer orden. Las fun-
de las funciones incógnita, se tiene el sistema en la for- ciones aij (t), fi(t) se suponen continuas en un interva-
ma normal lo dado I = (a, b). Este sistema se dice homogéneo si
 fi(t) = 0 para i = 1, · · · , n, y no homogéneo en caso

 x01(t) = f1(t, x1, x2, · · · , xn) contrario. Al estar despejadas las derivadas de primer


órden, se dice que el sistema está dado en forma nor-


 0

x2(t) = f2(t, x1, x2, · · · , xn) mal.
(1)


 ... Este sistema puede escribirse en forma matricial


       
x0 (t) = f (t, x , x , · · · , x )

x10
a11(t) + · · · + a1n(t) x1 f1(t)
n n 1 2 n
 0 
 x2   a21(t) + · · · + a2n(t)   x2   f2(t) 
   
donde fi : A ⊂ R1+n → R, 1 ≤ i ≤ n, son funciones  ..  =  ...   ..  +  .. 
.   .   . 
reales. xn0
an1(t) + · · · + ann(t) xn fn(t)
Definición 1.2 En un intervalo I, un vector solución es o, en forma compacta,
cualquier matriz columna
~ 0 = A(t) X
X ~ + F~ (t) (2)
~ = (x1(t), x2(t), · · · , xn(t))T
X
En el caso en que la matriz A sea constante, llamaremos
cuyos elementos son funciones diferenciables que satis- a este sistema, sistema de ecuaciones diferenciales li-
facen el sistema en el intervalo. La T indica transpuesta. neal con coeficientes constantes.

1
ACTIVIDAD 1. Escribir en forma matricial el sistema de 2 Proposición 2.5 Sea Φ(t) una matriz fundamental de un
ecuaciones
( de primer orden: ( sistema de primer orden lineal homogéneo. Entonces
x01 = 2x1 − 3x2 x01 = 2x1 − 3x2 + 3t La matriz fundamental es invertible, det Φ(t) 6= 0, ∀t.
(a) 0
(b)
x2 = x1 − 2x2 x02 = x1 − 2x2 − t2 La derivada de la matriz fundamental (que se reali-
Definición 2.1 El vector X~ = (x1(t), x2(t), · · · xn(t))T es za derivando individualmente las componentes de la
solución de (2) en un intervalo I si sus elementos son matriz) cumple
funciones diferenciables que la satisfacen en dicho in- Φ 0(t) = A(t)Φ(t)
tervalo
~ 0 = (x01(t), x02(t), · · · , x0n(t))T La solución general del sistema homogéneo puede
Definición 2.2 Sean t0 ∈ I y X
escribirse como
un vector cuyas entradas son constantes. El problema ~ h = Φ(t)C
~
X
de resolver
~ 0 = A(t) X
~ + F~ (t) donde C ~ es un vector de constantes.
X
~ 0) = X
sujeto a la condición X(t ~ 0 se denomina problema ACTIVIDAD 2.
e2t xe2t
 
de valor inicial en el intervalo I. (a) Verificar que Φ(t) = es una matriz
−e2t e2t − te2t
Teorema 2.3 (Existencia y Unicidad)
fundamental del sistema
Si A(t) y F~ (t) son continuas en el intervalo I = (a, b), el  0   
problema de valor inicial y1 3 1 y1
=
y20 −1 1 y2
~ 0 = A(t) X
X ~ + F~ (t), X(t
~ 0) = X~0

tiene una solución única definida en todo el intervalo I. ACTIVIDAD 3.

(a) Dado el sistema de ecuaciones diferenciales
2.1 Sistemas lineales homogéneos  0   
x 4 0 −2 x
Estudiamos ahora como resolver sistemas diferenciales y 0  =  0 4 −4 y 
lineales homogéneos z0 −2 −4 −5 z
~ 0 = A(t)X
X ~ (3) comprobar si las siguientes funciones vectoriales
en donde se ha considerado F~ (t) = 0. son solución
     
~
La solución nula X(t) = 0 para todo t ∈ I es obviamente 1 −2 1
una solución posible para cualquier sistema homogéneo ~ 1 = 2 , X
X ~ 2 =  1  e4t, X~ 3 = 2 e9t
5
y se denomina solución trivial. 2 0 2
Muchos resultados para los sistemas de ecuaciones li-
Observación 2.6 Para el cálculo de la solución general
neales son análogos al de las ecuaciones lineales de
de un sistema lineal homogéneo necesitamos no sólo
orden n.
encontrar n soluciones, sino que éstas deben formar ba-
Teorema 2.4 El conjunto de soluciones del sistema li- se.
neal homogéneo X ~ 0 = A(t)X,~ donde A(t) es continua
en el intervalo abierto I, forman un espacio vectorial de
2.1.1. Método de valores y vectores propios
dimensión n.
De este teorema se deduce que cualquier solución Para resolver un sistema de ecuaciones diferenciales
del sistema lineal homogéneo puede expresarse como veremos el de valores y vectores propiosConsiderando
combinación lineal de las funciones de una base de so- que la ecuación x0 = ax, en donde a es una constante,
luciones. Una tal base se denomina sistema funda- tiene por solución
mental de soluciones del sistema lineal homogéneo. x = Ceat
Así pues, la solución general del sistema lineal homo- por analogía con el sistema
géneo es ~ 0 = AX
~
X (4)
~
X(t) ~ 1(t) + · · · + CnX
= C1 X ~ n(t)
suponemos que tal sistema admite soluciones de tipo
donde C1, C2, · · · , Cn ∈ R y {X ~ 1(t), X
~ 2(t), · · · , X
~ n(t)} es exponencial de la forma
un sistema fundamental de soluciones. Otra forma más ~
X(t) = eλt~v
breve de escribir la solución general, consiste en consi-
derar el vector C~ = (C1, C2, · · · , Cn)T y la matriz donde λ es un número real y ~v = (v1, v2, · · · , vn)T es un
vector de Rn. Si esta exponencial es solución de (4) se
Φ(t) = (X ~ 1(t) |X
~ 2(t) | · · · |X
~ n(t))
debe tener que:
cuyas columnas son las soluciones del sistema funda-
λ eλt~v = A (eλt~v ) = A eλt~v
mental.
Al simplificar se obtiene la ecuación
De esta forma la solución general puede escribirse en la
forma A ~v = λ ~v (5)
~
X(t) ~
= Φ(t) · C ~ = eλt~v es solución de (4) si y solo si λ y ~v
Es decir, X
La matriz Φ se llama matriz fundamental del sistema. satisfacen (5).

2
Definición 2.7 (Vector y valor propio) ACTIVIDAD 5.
Un vector ~v 6= ~0 que satisface (5) se llama vector propio (a) Hallar tres soluciones linealmente independientes,
de A con valor propio λ una matriz fundamental y la solución general del si-
guiente sistema:
Observación 2.8 λ es un valor propio de la matriz A si  
y solo si 1 −1 4
~ 0 = 3 2 −1 X
X ~
A ~v = λ ~v =⇒ A ~v − λ ~v = ~0
2 1 −1
La última ecuación se escribe

(A − λ I) ~v = ~0 (6)

Con I la matriz identidad. Esta ecuación (6) tiene una Caso b : Valores propios repetidos
solución ~v 6= ~0 si y solo si det(A − λ I) = 0. Luego los
Esta situación se presenta cuando la matriz A de or-
valores propios de A son las raíces de la ecuación.
  den n no es diagonalizable, es decir, existe algún valor
a11 − λ a12 ··· a1n propio repetido cuya multiplicidad algebraica no coinci-
 a21

a22 − λ · · · a2n 
 de con su multiplicidad geométrica. En este caso, los k
0 = det(A − λI) =  .. ... ... ...  vectores propios linealmente independientes determina-
 . 
aa1 an2 · · · ann − λ rán k soluciones linealmente independientes, pero aún
nos faltan otras n − k soluciones.
El polinomio que aparece al resolver el determinante se
llama polinomio característico de A, y la ecuación mis-
2.1.2. Caso una raíz doble
ma se llama ecuación característica
Supongamos un sistema de dos ecuaciones diferencia-
Pasos para hallar los valores y vectores propios:
les cuya ecuación característica tiene una raíz doble.
1. Hallar p(λ) = det(A − λI) = 0. Sea λ1 un valor propio de multiplicidad dos y que so-
2. Hallar las raíces λ1, · · · , λn de p(λ) = 0. lo hay un vector propio ~v asociado con él, entonces
X~ 1(t) = C1eλ1t es una solución. La segunda solución es
3. Para cada valor propio λi, resolver el sistema homo-
de la forma
géneo (A − λiI)~v = ~0.
Supongamos que se han calculado ya los valores y vec- ~ 2 = ~v t eλ1t + w
X ~ eλ1t (7)
tores propios de A. Entonces, nos podemos encontrar
en donde
dos situaciones:
   
v1 w1
a La matriz A tiene n vectores propios ~v1, ~v2, · · · , v  w 
   
~v =  ..2  ~ =  ..2 
y w
~vn linealmente independientes, asociados a los valo- .  . 
res propios λ1, λ2, · · · , λn, respectivamente, es decir, vn wn
la matriz A es diagonalizable. siendo w
~ un vector a determinar de la ecuación
b La matriz A sólo tiene k < n vectores propios li-
nealmente independientes, es decir, la matriz A no (A − λ1I)w
~ = ~v
es diagonalizable. A continuación ilustramos este procedimiento.
Veamos las dos situaciones: ACTIVIDAD 6. En el sistema
Caso a : Todos los valores propios distintos
 
~0= 3 −18 ~
X X
En esta situación contamos con soluciones del sistema 2 −9
~0 = AX
X ~ que son
La ecuación característica es
λ1 t λ2 t λn t
e ~v1, e ~v2, · · · , e ~vn  
3 − λ −18
det(A − λI) = =0
que además son linealmente independientes, ya que al 2 −9 − λ
evaluarlas en el punto t = 0 los vectores obtenidos son
de lo cual
linealmente independientes. Por tanto, en este caso, to-
(λ + 3)2 = 0 =⇒ λ = −3
da solución del sistema se puede expresar en la forma
valor propio de multiplicidad 2. Hallemos su vector pro-
~
X(t) = C1 e λ1 t
~v1 + C2 e λ2 t
~v2 + · · · + Cn e λn t
~vn pio     
6 −18 v1 0
donde C1, C2, · · · , Cn ∈ R. (A − 3I)~v = ~0 =⇒ =
2 −6 v2 0
ACTIVIDAD 4. Al resolver v1 = 3v2. Si v2 = 1, entonces v1 = 3. Se tiene
(a) Resolvemos el sistema que el vector propio asociado es
 0
x1 = x1 + 3x2  
3
 
3
x02 = x1 − x2 ~v = =⇒ ~x1(t) = e−3t
1 1

3
Debemos hallar la segunda solución linealmente inde- 2.1.4. Valores propios complejos
pendiente. De acuerdo a lo establecido,
Si λ = a + bi es un valor propio o característico de A con
 
3
 
w1 ~
vector propio asociado ~v = ~v1 +i~v2, entonces X(t) = eλ t ~v
~v = y w
~= es una solución vectorial compleja de X ~ 0 = A X.
~
1 w2
Esta solución vectorial compleja da lugar a dos solucio-
Resolvemos la ecuación nes vectoriales reales; en efecto:
~
Lema 2.9 Sea X(t) =X ~ 1(t) + i X
~ 2(t) una solución vecto-
(A − λ1I)w
~ = ~v ~ 0 = A X,~ entonces X ~ 1(t) y X
~ 2(t) son
rial compleja de X
soluciones vectoriales reales de X ~ 0 = A X.
~
Tenemos:
      
 ~
Demostración. Como X(t) ~ 0 = A X,
es solución de X ~
3 −18 −3 0 w1 3
− = entonces
2 −9 0 −3 w2 1
~ 1 0(t) + i X
X ~ 2 0(t) = A (X~ 1(t) + i X
~ 2(t))
Al resolver se obtiene el sistema ~ 1(t) + i A X
~ 2(t)
= AX
(
6w1 − 18w2 = 3
igualando parte Real y parte Imaginaria:
2w1 − 6w2 =1
X ~ 1(t)
~ 1 0(t) = A X ~ 2 0(t) = A X
y X ~ 2(t)
Como una ecuación es múltiplo escalar de la otra, exis-
ten infinitas soluciones. En particular, si w2 = 0, enton- ~ 1(t) y X
Esto prueba que X ~ 2 son soluciones.
ces w1 = 21 . Luego
Observación 2.10 Si λ = a + bi es un valor propio com-
  1
~ 2(t) = 3 plejo y ~v = ~v1 +i ~v2 es un vector propio complejo asociado
X te−3t + 2 e−3t
1 0 a λ, entonces

es la segunda solución del sistema lineal dado. En con- ~ 0 = e(a+bi)t (~v1 + i~v2)
X
secuencia, la solución general es = eat (cos bt + i sen bt) (~v1 + i~v2)
    1  = eat [~v1 cos bt − ~v2 sen bt + i (~v1 sen bt + ~v2 cos bt)]
~ 3 −3t 3
X(t) = C1 e + C2 te−3t + 2 e−3t
1 1 0 Por tanto, si λ = a + bi es un valor propio de A con vector
propio ~v = ~v1 + i ~v2, entonces

2.1.3. Valores propios de multiplicidad tres ~ 1 = eat [~v1 cos bt − ~v2 sen bt]
X
(9)
~ 2 = eat [~v1 sen bt + ~v2 cos bt]
X
Cuando una matriz A sólo tiene un vector propio asocia-
do con un valor λ1 de multiplicidad tres, se puede deter-
~ 0(t) = AX
son dos soluciones vectoriales reales de X ~ y
minar una solución en la forma de la ecuación (6) y una
tercera solución de la forma son linealmente independientes.
ACTIVIDAD 8.
~ t2 λ1t
~ λ1t + ~zeλ1t
X3 = ~v e + wte (8) (a) Resolver el sistema
2
(
en donde x0 = 6x − y
      y0 = 5x + 4y
v1 w1 z1
v  w  z 
     
~v =  ..2  , ~ =  ..2  ,
w ~z =  ..2 
.  .  . ACTIVIDAD 9. Resolver, usando valores y vectores pro-
vn wn zn
pios,
( los sistemas:
x0 = −y
 
Ahora, el tercer vector propio se halla al resolver (a) (b) ~ 0 = 12 −17 X
X ~
0
y =x 4 −4
 
(A − λ1I)~z = w
~ ~0= 2 8 X ~
(c) X
−1 −2
ACTIVIDAD 7. Observación 2.11 Para los sistemas lineales homogé-
(a) Resolver el sistema neos con coeficientes variables, no se cuenta con un
método general para determinar n soluciones l.i.
 
2 1 6
~ 0 = 0 2 5  X
X ~
0 0 2
3. Sistema no homogéneos
4
Los sistemas de ecuaciones diferenciales lineales no como Φ(t) es una matriz fundamental de soluciones, por
homogóneos son de la forma (12) satisface la ecuación

~ 0 = A(t)X
X ~ + F~ (t) (10) Φ 0(t) = A(t)Φ(t)
sustituyendo en el lado izquierdo de (15)
donde, para cada t la matriz A(t) es n × n, ~x es un vec-  
~ + Φ(t) C
~ 0(t) = A(t)Φ(t) ~ + F~ (t)
 

tor columna de funciones incógnita y F (t) es un vector A(t)Φ(t) C(t)  C(t)

 
   

columna de funciones conocidas.

Una vez cancelado
El siguiente resultado es la base para encontrar todas
las soluciones del sistema (9)
~ 0(t) = F~ (t)
Φ(t) C (16)
Teorema 3.1 Sea X ~ h(t) la solución general del sistema
homogéneo X ~ 0(t) = A(t)X ~ y sea X~ p(t) una solución par-
Esta ecuación es más sencilla para el cálculo de la solu-
ticular del sistema no homogéneo (9), entonces la solu- ción particular. No obstante, como la matriz fundamental
ción general del sistema (9) es de la forma es invertible, de la ecuación (16) se obtiene
~
X(t) ~ h(t) + X
=X ~ p(t) ~ 0(t) = Φ−1(t) F~ (t)
C

~
Demostración. Si X(t) =X ~ h(t) + X
~ p(t), entonces X(t)
~ al integrar se halla que
Z
es solución de (9), en efecto ~ =
C(t) Φ−1(t) F~ (t) dt
~ 0(t) = X
X ~ h0 (t) + X~ p0 (t)
Por lo tanto, la solución general del problema no homo-
= A(t)X ~ p(t) + F~ (t) + A(t)X
~ h(t)
géneo es
= A(t)[X~ p(t) + X
~ h(t)] + F~ (t)
~ ~ + Φ(t) Φ−1(t) F~ (t)dt
R
~ + F~ (t)
= A(t)X(t) X(t) = Φ(t) C(t) (17)

~
Esto prueba que X(t) ~ h(t) + X
= X ~ p(t) es solución del
sistema no homogéneo. ACTIVIDAD 1.
(a) Usar la ecuación (17) para determinar la solución ge-
neral del sistema no homogéneo
3.0.5. Variación de parámetros o de constantes    
~0= −3 1 ~ + 3t
Al igual que para las ecuaciones lineales utilizaremos el X X
2 −4 e−t
método de variación de las constantes para obtener una
solución particular de los sistemas no homogéneos.
ACTIVIDAD 2.
Para resolver el sistema lineal no homogéneo
(a) Resolver por variación de parámetros el sistema
~ 0(t) = A(t) X
X ~ + F~ (t) (11)

−2 4 1
  t
e
~
X(t) = −1 3 1 X ~ + tet
se halla primero la solución del sistema homogéneo −1 0 0 et
~ 0(t) = AX(t)
X ~ (12)
Observación 3.2 Resolver un sistema lineal no homo-
que resulta ser géneo X~ 0 = A(t)X~ + F~ (t) por variación de parámetros,
cuando A es una matriz mayor a una de 3 × 3 es ta-
~ h = Φ(t) C
X ~ (13) rea casi imposible. En este caso, un software es lo más
donde Φ(t) es una matriz fundamental y C ~ un vector ar- apropiado.
bitrario de constantes (números reales). 3.1 Método de la Transformada de Laplace
En analogía con la ecuación diferencial lineal de orden
Al igual que en ecuaciones lineales con condición inicial,
n, en el método de variación de parámetros se supone
~ p, es de la forma la Transformada de Laplace vuelve a ser una excelente
que la solución particular, X
herramienta, tanto en sistemas homogéneos como no
homogéneos.
~ p = Φ(t) C(t)
X ~ (14)
ACTIVIDAD 3.
~ es variable. Derivando la ex-
donde ahora el vector C(t) (a) Resolver el el sistema
presión (14) se tiene: (
x0 = 2x − 3y
~ 0p = Φ 0(t) C(t)
X ~ + Φ(t) C
~ 0(t)
y0 = y − 2x
Al reemplazar esto en (11) sujeto a las condiciones: x(0) = 8, y(0) = 3

~ + Φ(t) C
Φ 0(t) C(t) ~ 0(t) = A(t)X
~ + F~ (t) (15) ACTIVIDAD 4.

5
(a) Resolver por Laplace el sistema xy que las contiene se le denomina plano de fases,
( donde x(t) e y(t) son sus fases.
x0 = 6x + y + 6t El vector V~ (x, y) = (f (x, y), g(x, y)) define un campo
y0 = 4x + 3y − 10t + 4 vectorial en una región del plano. El campo V~ (x, y) pue-
de interpretarse como la velocidad de una corriente en
sujeto a las condiciones: x(0) = 21 , y(0) = 1
5 la posición (x, y). Y una solución puede interpretarse co-
mo la trayectoria de una partícula arrastrada por esa co-
rriente. Cabe hacer notar que, en cada punto (x, y) de
una órbita, el vector (f (x, y), g(x, y)) es un vector tan-
4. Sistemas autónomos gente a dicha órbita, por eso el conjunto de vectores
(f (x, y), g(x, y)) se llama campo de direcciones del sis-
Un sistema autónomo plano es un sistema de dos ecua- tema.
ciones diferenciales de la forma
4.1 Las isoclinas
dx


 = f (x, y) Son los puntos del plano de tangencia horizontal y ver-
dt
tical, siendo la isoclina horizontal la determinada por la
 dy = g(x, y)

dt curva g(x, y) = 0, y la isoclina vertical la determinada por
f (x, y) = 0
En donde las funciones f y g son continuas y con de-
Los puntos de intersección de las dos isoclinas dan lu-
rivadas parciales de primer orden continuas en todo el
gar a los puntos críticos del sistema. Además, en gene-
plano.
ral las isoclinas dividen el plano en diferentes regiones
El sistema se denomina autónomo porque la variable in- donde el vector tangente tiene la misma dirección y sen-
dependiente t no aparece explícitamente en el segundo tido. Teniendo en cuenta los signos de las funciones que
miembro de la ecuación dada. determinan el sistema se puede esbozar las direcciones
Te invito a visitar estas dos páginas ¡¡no te arrepentirás!! del campo de velocidades del sistema.
https://www.geogebra.org/m/cXgNb58T Para determinar las direcciones del vector velocidad se
analizan x 0 e y 0 cerca del punto crítico (también sobre
https://mathdf.com/dif/es/ las isoclinas)
Ejemplo 4.1 El sistema dado es autónomo
ACTIVIDAD 1. Consideremos el sistema
dx

(•

 =y−x x=x+y
dt
•
 dy = xy
 y =x−y
dt
Ejemplo 4.2 El sistema siguiente no es autónomo La isoclina horizontal viene dada por la recta x − y = 0,
dx mientras que la isoclina vertical está dada por x + y = 0.

 =y−x+t
Con estos datos se puede hacer un bosquejo aproxima-

dt
 dy = xy
 do del campo de velocidades (figura).
dt
Observación. En el caso de tener una ecuación de se-
gundo orden autónoma
d2x
 
dx
= f x,
dt2 dt
éste se puede convertir en un sistema autónomo intro-
duciendo una nueva variable y = dx dt , obteniendo el sis-
Hay cuatro sectores en el plano a considerar
tema (•
x=3>0
Eligiendo el punto (2, 1) se tiene.
(
x0 = y •
y=1>0
y 0 = f (x, y)
Así, la dirección es hacia la derecha y hacia arriba (figu-
Para los sistemas autónomos es siempre posible elimi-
ra)
nar la dependencia del parámetro tiempo como sigue: (•
 x = −1 < 0
dx Eligiendo el punto (−2, 1) se tiene. •

 = dt y = −3 < 0

f (x, y) dx dy
=⇒ =
dy f (x, y) g(x, y)
= dt La dirección es hacia la izquierda y hacia abajo.



g(x, y) (•
x=1>0
Las curvas solución de este sistema son llamadas órbi- Eligiendo el punto (−1, 2) se tiene. •
tas o trayectorias del sistema de ecuaciones, y al plano y = −3 < 0

6
La dirección es hacia la derecha y hacia abajo. Se dice que el punto crítico (0, 0) del sistema es es-
table si para todo número R > 0, existe algún r > 0,
4.2 Puntos críticos y soluciones de equili-
r ≤ R, tal que cada trayectoria que está dentro del
brio
círculo x2 + y 2 = r2 en algún momento t = t0, per-
Un punto (x0, y0) donde f (x0, y0) = 0 y g(x0, y0) = 0 es un manezca dentro del círculo x2 + y 2 = R2 para todos
punto crítico o punto de equilibrio del sistema los t > t0. Esto es, si una trayectoria está cerca del
dx

punto de equilibrio, se mantendrá cerca a lo largo del

 = f (x, y)
dt tiempo.
 dy = g(x, y)

dt Se dice que el punto crítico (0, 0) del sistema es asin-
siendo la solución constante correspondiente x(t) = x0, tóticamente estable, cuando es estable y existe al-
y(t) = y0 es una solución de equilibrio. gún número r0 > 0, tal que toda trayectoria que está
dentro del círculo x2 + y 2 = r02 en algún momento
Ejemplo 4.3 Determina los puntos críticos de los si-
t = t0, se aproxime al origen cuando t → ∞. Es de-
guientes sistemas autónomos planos:
( cir, las trayectorias cercanas no sólo se mantienen
x 0 = x2 + y 2 − 6 √ cerca, sino que se aproximan al punto de equilibrio a
1. Resp. (± 2, 2).
y 0 = x2 − y lo largo del tiempo.
(
x 0 = −x + y Se dice que el punto crítico (0, 0) del sistema es ines-
2. Resp. y = x, infinitos puntos críticos.
y0 = x−y table cuando no es estable. En este caso, las trayec-
Ejemplo 4.4 Dibujar la órbita que pasa por el punto (0, 2) torias que empiezan cerca del punto de equilibrio se
en el sistema diferencial autónomo alejan de este punto a lo largo del tiempo.
(
x 0 = 1 + x2
y 0 = −2xy
Como 1 + x2 6= 0 para todo valor de x, el sistema no tie-
ne puntos de equilibrio. Hallemos la órbita eliminado el
parámetro t

dy 2xy
=− 2
=⇒ 2xy dx + (1 + x2) dy = 0
dx 1+x ACTIVIDAD 2. Bosquejar el campo direccional en el
Una linda EDO exacta con solución
Z x Z y plano de fase del sistema
F (x, y) = 0 dt + (1 + x2) dt = C
dx

0 0 
 = −x
luego de integrar dt
 dy = −2y

F (x, y) = (1 + x2) y = C dt
es la solución general. Para pasar por el punto (0, 2) se
debe cumplir que En primer lugar, el punto de equilibrio es (0, 0). Respecto
C=2 del campo de direcciones, se observa que
con lo cual,
2 Dado que dxdt = −x, las trayectorias para fluyen hacia
y=
1 + x2 la izquierda para x > 0 y hacia la derecha si x < 0
es la órbita pedida, su gráfica es conocida
También, como dydt = −2y, las trayectorias para fluyen
hacia abajo para y > 0 y hacia arriba si y < 0

La ecuación de plano de fase es

dy 2y
=
dx x

Esta ecuación es de variables separables, por lo que

4.2.1. Clasificación de los puntos críticos
dy 2y dy 2dx
La condición del punto critico de atraer o repeler propor- = =⇒ =
dx x y x
ciona información sobre la estabilidad del sistema. Se
considera el sistema Al resolver
dx


 = f (x, y) ln y = ln Cx2 =⇒ y = Cx2
dt
 dy = g(x, y)
 Una familia de parábolas. En el siguiente gráfico se
dt muestran el campo direccional y las órbitas

7
 En este caso, todas las trayectorias se alejan del ori-
gen. En este caso el origen es un nodo inestable o
repulsor.
ACTIVIDAD 3. Determinar la solución general y clasi-
ficar el origen en el sistema lineal homogéneo
dx


 = −4x + y
dt
Dado que las trayectorias fluyen hacia el punto crítico,  dy = 3x − 2y

éste es asintóticamente estable. dt
Lo primero es hallar los valores propios
4.3 Clasificación de los puntos de equilibrio
en sistemas lineales −4 − λ 1
|A − λ I| = =0
3 −2 − λ
En el caso de los sistemas autónomos lineales, la na-
turaleza y estabilidad del punto crítico queda caracteri- Al resolver
zada por los valores propios de la matriz del sistema. λ2 + 6λ + 5 = 0 =⇒ λ = −1, λ = −5
Consideremos un sistema autónomo lineal para el que Como los valores propios son negativos, el origen es
(0, 0) es su único punto crítico. un atractor. Vamos por los vectores propios:
dx

• Para λ = −1

 = a1 x + b1 y
dt
 dy = a2x + b2y
    
 −4 − (−1) 1 x 0
dt =
3 −2 − (−1) y 0
La matriz del sistema Que equivale a
    
−3 1
 
a1 b1 x 0
A= =
a2 b2 3 −1 y 0
Al sumar
tiene determinante no nulo, y por ello que los valores 
−3 1
   
x 0
propios λ1 y λ2 son diferentes de cero. En función del =
0 0 y 0
comportamiento de las trayectorias en relación con el Tenemos matriz reducida de rango 1. Resolvemos la
punto crítico aislado (0, 0), el punto crítico se denomina: ecuación
nodo, punto de silla, centro, o foco. −3x + y = 0 =⇒ y = 3x
El punto crítico es un nodo. Si elegimos x = 1, entonces y = 3, de lo cual, un
vector propio es
Si el sistema tiene dos valores propios reales y distintos  
1
λ1 y λ2 con ~v1 y ~v2 vectores propios correspondientes, ~v1 =
3
entonces la solución general es:
• Para λ = −5
y(t) = C1~v1eλ1t + C2~v2eλ2t     
−4 − (−5) 1 x 0
El diagrama de fases tiene las siguientes características: =
3 −2 − (−5) y 0
Si los valores propios son negativos, λ1 < λ2 < 0, Que equivale a
se observa que, al crecer el tiempo, eλ1t y eλ2t dismi-
    
1 1 x 0
nuyen, luego y(t) se acerca al origen, por lo que éste =
3 3 y 0
es un punto crítico estable, y además, es asintótica-
Al multiplicar la primera fila por −3 y sumar
mente estable pues lı́m ||y(t)|| = 0. Se dice entonces     
t→∞ 1 1 x 0
que el origen es un nodo asintóticamente estable, y =
0 0 y 0
es un atractor.
Tenemos matriz reducida de rango 1. Resolvemos la
ecuación
x + y = 0 =⇒ y = −x
Si elegimos x = 1, entonces y = −1, de lo cual, un
vector propio es  
1
~v2 =
−1
La solución general es:
   
Si ambos valores propios son positivos, λ1 > λ2 > 0, 1 1
y(t) = C1 e−t + C2 e−5t
entonces para toda solución se verifica que 3 −1
Cuando t tiende a infinito, la solución tiende al ori-
lı́m ||y(t)|| = ∞ gen, que es el único punto crítico.
t→∞

8
 O bien
(
 −t
 −t
~ 1(t) = 2C 1 e ~1 = x(t) = 2C 1 e
X =⇒ X
C1e−t y(t) = C1e−t

vector propio de λ = −3
    
4 −4 v1 0
A − λI = =
2 −2 v2 0
Al reducir (sumando 2 veces la segunda fila a la pri-
mera) se tiene la ecuación

4v1 − 4v2 = 0 =⇒ v1 = v2
• Si el instante inicial fuese
  un punto de la recta de
1 Al elegir v2 = 1 se tiene el vector propio
dirección del vector , entonces su trayectoria
3  
se aproxima al origen siguiendo esa recta. 1
~v2 =
1
• Si el instante inicial fuese
 un punto de la recta de
1
dirección del vector , entonces su trayecto- Con esto tenemos la solución
−1
ria se aproxima al origen siguiendo esa recta.
 
~ 2(t) = C2~v1e−3t 1 −3t
X = C2 e
• En el resto de los casos se aproxima al origen 1
acercándose a la recta de vector de dirección el
O bien
 
1
, que corresponde al valor propio de mayor
−1 (
−3t x(t) = C2e−3t
 
valor absoluto. El origen es un atractor, es un pun- ~ 2(t) = C2 e ~2 =
X =⇒ X
to estable y asintóticamente estable. C2e−3t y(t) = C2e−3t

ACTIVIDAD 4. Estudiar la naturaleza del punto de re- La solución general del sistema es
poso del sistema: (
−t −3t
~ ~ 1(t) + X
~ 2(t) = x(t) = 2C 1 e + C 2 e

dx X(t) =X

 = x − 4y y(t) = C1e−t + C2e−3t
dt
 dy = 2x − 5y

El punto de reposo es asintóticamente estable debi-
dt
do a los factores exponenciales e−3t y e−t.
En primer lugar, los valores propios. La ecuación ca-
racterística de la matriz de coeficientes es
1 − λ −4
det(A − λI2) = = (λ + 1)(λ + 3) = 0
2 −5 − λ

de modo que los valores propios son λ1 = −1 y

λ2 = −3. Por ser ambos valores negativos el punto
(0, 0) es un nodo estable. Veamos su solución gene-
ral
vector propio de λ = −1
    
2 −4 v1 0
A − λI = =
2 −4 v2 0
ACTIVIDAD 5. Estudiar la naturaleza del punto de re-
Al reducir (restando filas) se llega a la ecuación
poso del sistema:
2v1 − 4v2 = 0 =⇒ v1 = 2v2 
dx

 = x − 3y
dt
Al elegir v2 = 1 se tiene el vector propio
 dy = 2y

dt
 
2
~v1 =
1
En primer lugar, los valores propios. La ecuación ca-
Con esto tenemos la solución racterística de la matriz de coeficientes es
 
~ 1(t) = C1~v1e−t 2 −t 1 − λ −3
X = C1 e det(A − λI2) = = (1 − λ)(2 − λ) = 0
1 0 2−λ

9
 de modo que los valores propios son λ1 = 1 y λ2 = 2. Al resolver, los valores propios son λ1 = −2 y λ2 = 5. Por
Por ser ambos valores positivos el punto (0, 0) es un ser un valor positivo y otro negativo existe un punto silla
nodo inestable. (inestable)
La solución general es de la forma La solución general es de la forma

 x(t) = C1et + C2e2t

 x(t) = C1e−2t + C2e5t
1 2
 y(t) = − C2e2t  y(t) = 3C1e−2t + C2e5t
3 3
El punto de reposo es nodo inestable debido a los
factores exponenciales et y e2t, ya que

lı́m x(t) = ∞ = lı́m y(t)

t→∞ t→∞

Si el valor propio es un número complejo λ = a ± ib,

entonces la solución general es de la forma:

Si un valor propio es positivo y el otro es negativo, y(t) = eat (C1 ~v1 cos bt + C2 ~v2 sen bt)
λ1 > 0 > λ2, entonces las trayectorias que tengan
Si a > 0, entonces eat sen bt aumenta al crecer el tiem-
su valor inicial sobre la recta de vector de dirección
po, luego las trayectorias se alejan del origen. Aho-
~v2 tienden a aproximarse al origen, pero el resto, al
ra son espirales. Se dice que el origen es un nodo
aumentar el tiempo, crecen, por lo que tienden a infi-
inestable o repulsor o punto espiral inestable o foco
nito. En situaciones como estas se dice que el origen
inestable.
es un punto de silla, y es inestable.
Si a < 0, entonces se invierte la situación, las trayec-
torias se acercan al origen en espiral, siendo éste
un nodo asintóticamente estable o atractor o punto
espiral estable o foco estable.

Si a = 0, entonces la solución general es de la forma

y(t) = C1 ~v1 cos bt + C2 ~v2 sen bt

ACTIVIDAD 6. Estudiar la naturaleza del punto de reposo Es una solución periódica de periodo 2πb . Ahora las tra-
del sistema: yectorias son elípticas. Se dice que el origen es un cen-
tro. Se observa que un centro es un ejemplo de punto
dx


 = 7x − 3y crítico estable pero que no es asintóticamente estable.
dt
 dy = 6x − 4y

dt
En primer lugar, los valores propios. La ecuación carac-
terística de la matriz de coeficientes es
7 − λ −3
det(A − λI2) = = −(7 − λ)(4 + λ) + 18 = 0
6 −4 − λ

10
ACTIVIDAD 7. Estudiar la naturaleza del punto de reposo
del sistema:
dx


 = x + 2y
dt
 dy = −9x − 5y

dt
Veamos sus valores propios. La ecuación característica
de la matriz de coeficientes es
1−λ 2
det(A − λI2) = = −(1 − λ)(5 + λ) + 18 = 0
−9 −5 − λ
Al resolver, los valores propios son λ1 = −2 + 3i y
λ2 = −2 − 3i. Cómo a < 0, el punto de reposo es un foco
estable. La solución general está dada por las ecuacio-
nes:
ACTIVIDAD 9. Estudiar la naturaleza del punto de reposo
del sistema:

 x(t) = C1e−2t cos 3t + C2e−2t sen 3t 
dx
3 3

 = 2x + 2y
 y(t) = (C2 − C1)e−2t cos 3t − (C2 + C1)e−2t sen 3t dt
2 2
 dy = −4x − 2y

El punto de reposo es un foco asintóticamente estable. dt
Cuando t → ∞ todas estas trayectorias se acercan a
Veamos sus valores propios. La ecuación característica
dicho punto. Esto es,
de la matriz de coeficientes es
lı́m x(t) = 0 = lı́m y(t)
t→∞ t→∞ 2−λ 2
det(A − λI2) = = −(2 − λ)(2 + λ) + 8 = 0
−4 −2 − λ

Al resolver, los valores propios son λ1 = 2i y λ2 = −2i.

Cómo a = 0, el punto de reposo es un centro estable,
pero no asintóticamente. La solución general está dada
por las ecuaciones:

(
x(t) = C1 cos 2t + C2 sen 2t
y(t) = −C1(sen 2t + cos 2t) + C2(cos 2t − sen 2t)

En este caso, cuando t → ∞ no existe límite. Esto es,

lı́m x(t) no existe, lı́m y(t) no existe

t→∞ t→∞

ACTIVIDAD 8. Estudiar la naturaleza del punto de reposo Si vas a Symbolab, la solución de la ecuación las órbi-
del sistema: tas
dx

 = 4x − 10y dy 4x + 2y

dt =−
dx 2x + 2y
 dy = −5x − 2y

es
dt p
y = −x ± −x2 + C
Veamos sus valores propios. La ecuación característica
de la matriz de coeficientes es Considerando C = 1 la gráfica resulta una elipse
4 − λ −10
det(A − λI2) = = −(4 − λ)(2 + λ) − 50 = 0
−5 −2 − λ
Al resolver, los valores propios son λ1 = 1 + i y λ2 = 1 − i.
Cómo a > 0, el punto de reposo es un foco inestable.
La solución general está dada por las ecuaciones:

t t
 x(t) = C


1 e cos t + C2 e sen t
  
3 1 t 1 3 t
 y(t) = 10 C1 − 10 C2 e cos t + 10 C1 + 10 C2 e sen t


El punto de reposo es un foco inestable. Cuando t → ∞

todas estas trayectorias se alejan de dicho punto. Esto
es,
lı́m x(t) = ∞ = lı́m y(t)
t→∞ t→∞

11
Caso de raíces múltiples 5.1 Estabilidad mediante linealización
Si el valor propio es doble tenemos dos casos: Consideremos el sistema autónomo
dx

Caso λ1 = λ2 < 0 Las raíces del polinomio caracte- 
 = f (x, y)
dt
rístico son negativas. El punto de reposo es un nodo
 dy = g(x, y)

asintóticamente estable. dt
Caso λ1 = λ2 > 0 Las raíces del polinomio caracte- con un punto crítico en (x0, y0), tal que las funciones
rístico son positivas. El punto de reposo es un nodo f (x, y) y g(x, y) sean de clase C 1, entonces, es posible
inestable. aproximar f (x, y) y g(x, y) (cerca del punto (x0, y0)) por
sus respectivos planos tangentes en dicho punto
ACTIVIDAD 10. Estudiar la naturaleza del punto de repo-
so de los sistemas: ∂f ∂f
f (x, y) ∼ (x0, y0) · (x − x0) + (x0, y0) · (y − y0)
dx

∂x ∂y

 = 3x − 5y
dt Resp. Nodo asint. estable ∂g ∂g
dy g(x, y) ∼ (x0, y0) · (x − x0) + (x0, y0) · (y − y0)

 = 5x − 7y ∂x ∂y
dt

dx Esto se puede escribir en forma matricial

 =x
dt Resp. Nodo inestable

f (x, y)
 
x − x0

dy ∼A
= 3x + y g(x, y) y − y0


dt
CASO de una raíz real y nula donde A es la matriz jacobiana del campo
(f (x, y), g(x, y))t en el punto (x0, y0), es decir,
Hay dos casos !
∂f ∂f
λ1 = 0, λ2 < 0. La raíz no nula es negativa, el punto (x0, y0) ∂y (x0 , y0 )
A = ∂x ∂g ∂g
de reposo es un nodo estable. ∂x (x0 , y0 ) ∂y (x0 , y0 )

λ1 = 0, λ2 > 0. La raíz no nula es positiva, el punto De esta manera, podemos pensar que el sistema
de reposo es un nodo inestable. (•
x = f (x, y)
ACTIVIDAD 11. Estudiar la naturaleza del punto de repo- •
y = g(x, y)
so de los sistemas:
dx


 =x+y se encuentra próximo al sistema lineal
dt Resp. Nodo estable •
!
dy
 
x x − x0
= −5x − 5y


• =A
dt y y − y0
dx

 = 4x + y
cuando (x, y) está cerca de (x0, y0), y por consiguiente,

dt Resp. Nodo inestable
dy es natural esperar que el comportamiento de las trayec-
= −8x − 2y


dt torias del sistema
(•
x = f (x, y)
•
y = g(x, y)
5. Sistemas no lineales
cerca del punto crítico (x0, y0) sea similar al de las tra-
Si en el sistema yectorias del sistema linealizado
dx

•
!
= f (x, y)
 

 x x − x0
dt • =A
y y − y0
 dy = g(x, y)

dt
Este sistema tiene al punto (0, 0) como punto de equili-
el punto (0, 0) no fuera de equilibrio, y si lo fuera el punto brio.
(x0, y0), con un cambio de coordenadas adecuado:
Teorema 5.1 (Teorema de Linealización de Liapunov y
X = x − x0 , Y = y − y0 Poincaré).
Se consideran los sistemas
el sistema se transforma en (•

dX x = f (x, y)

 = f (X + x0, Y + y0) • (1)
dt y = g(x, y)
 dY = g(X + x0, Y + y0)

dt y
•
!  
x x
Y entonces, el (0, 0) es punto de equilibrio de este nuevo • =A (2)
y y
sistema.

12
 El punto crítico (x0, y0) del sistema (1) es asintótica-
mente estable si y sólo si todos los valores propios
de la matriz A poseen parte real negativa (esto es, si
el punto crítico (0, 0) del sistema es asintóticamente
estable).
El punto crítico (x0, y0) del sistema (2) es inestable si
y sólo si la matriz A del sistema posee un valor pro-
pio con parte real positiva (es decir, el punto crítico
(0, 0) es inestable para el sistema (2).
Más aún, si los valores propios de A son distintos entre
sí y distintos de cero se puede decir lo siguiente:
1. Si λ1 < λ2 < 0, entonces (x0, y0) es un nodo asintóti-
camente estable.
2. Si λ1 > λ2 > 0, entonces (x0, y0) es un nodo inesta- ACTIVIDAD 2. Estudiar la estabilidad del sistema no li-
ble. neal
dx

3. Si λ1 < 0 < λ2, entonces (x0, y0) es un punto de silla. 
 = y − x2 − 2
dt
4. Si λ1 no es real y Re(λ1) < 0, entonces (x0, y0) es un
 dy = x2 − xy

foco asintóticamente estable. dt
5. Si λ1 no es real y Re(λ1) > 0, entonces (x0, y0) es un
foco inestable. Para hallar los puntos críticos se resuelve el sistema
Cuando el punto (0, 0) del sistema lineal (2) es esta- y − x2 + 2 = 0
ble, pero no asintóticamente estable, es decir, cuando
x2 − xy = 0
la matriz jacobiana A posee un par de valores propios
complejos conjugados con parte real nula, o cuando La primera curva (isoclina) y = x2 − 2 es una parábola
det(A) = 0 y A no posee un valor propio real positivo, con vértice (0, 2). Para la segunda ecuación
el proceso de linealización no proporciona información
sobre la estabilidad del punto crítico (x0, y0) para el sis- x2 − xy = 0 =⇒ x(x − y) = 0 =⇒ x = 0, y = x
tema (1).
Observación. ¿Qué es linealizar? Es expresar una Con esto hallemos los puntos de equilibrio. De la se-
ecuación diferencial no lineal con una versión lineal gunda ecuación, veamos primero que pasa con x = 0.
aproximada, sólo válida en un intervalo muy pequeño Se reemplaza esto en la parábola y = x2 − 2 para tener
de valores de la variable independiente. y = −2, Se tiene el punto (0, −2) de equilibrio.
ACTIVIDAD 1. Determinar la estabilidad del punto crítico Con y = x en la primera ecuación y = x2 + 2 se tiene
(0, 0) para el sistema x2 − x + 2 = 0 que se escribe (x − 2)(x + 1) = 0. Así, los
puntos son (2, 2) y (−1, −1), por tanto hay 3 puntos de
dx


 = −x − y − 3x2y equilibrio
dt
El plano fase del sistema no lineal es
 dy = −2x − 4y + y sen x

dt
El sistema linealizado correspondiente es
dx


 = −x − y
dt
 dy = −2x − 4y

dt
Veamos sus valores propios. La ecuación característica
de la matriz de coeficientes es
−1 − λ −1
det(A − λI2) = = (1 + λ)(4 + λ) − 2 = 0
−2 −4 − λ
Al resolver, los valores propios son
5 1√ 5 1√
λ1 = − + 17 y λ2 = − − 17
2 2 2 2
al ser ambos valores propios reales y negativos, el ori-
gen para el sistema linealizado es asintóticamente esta- ACTIVIDAD 3. Hallar puntos de equilibrio del sistema
ble. Por tanto, podemos concluir que el punto (0, 0) para dx
el sistema no lineal, es asintóticamente estable. El dia- =y
dt
grama de fase para el sistema lineal se muestran en la dy
Figura = −x + (1 − x2)y
dt
13
El único punto de equilibrio es el (0, 0). La Jacobiana es
3x2 −1
   
3 −1
J(x, y) = =⇒ J(1, 1) =
−1 1 −1 1
 
∂f ∂f  
 ∂x ∂y  0 1 Con esto la linealización del sistema para valores cerca-
 ∂g ∂g  = −1 − 2xy 1 − x2
 
nos a (1, 1)
∂x ∂y
•
!     
ahora se evalúa esta matriz en el punto de equilibrio. x 3 −1 x−1 3x − y − 2
• = =
Resulta   y −1 1 y−1 −x + y
0 1 Para clasificar el punto se toma en cuenta la matriz
−1 1  
3 −1
El sistema lineal que mejor aproxima al no lineal es A=
−1 1
•
!    para la cual se tiene:
x 0 1 x
• = traz(A) = 4 > 0
y −1 1 y
det(A) = 2 > 0
La figura muestra el plano fase del sistema no lineal y el disc(A) = (traz(a))2 − 4 det(A) = 8 > 0
lineal asociado.
Esto significa que (1, 1) es un nodo inestable.
Análogamente, para ver el punto (0, 0) se analiza la Ja-
cobiana
 2   
3x −1 0 −1
J(x, y) = =⇒ J(0, 0) =
−1 1 −1 1
Para clasificar el punto, el mismo procedimiento, con
 
0 −1
A=
−1 1
ACTIVIDAD 4. Estudiar la estabilidad del sistema no li- se tiene:
neal 
dx traz(A) = 1 > 0

 = x3 − y
dt det(A) = −1 < 0
 dy = y − x

disc(A) = (traz(a))2 − 4 det(A) = 1 + 4 = 5 > 0
dt
Así, en (0, 0) existe un punto silla.
Para hallar los puntos críticos veamos las isoclinas
ACTIVIDAD 5. Para el sistema
 
x3 − y = 0 ~0= −4 8 ~
X X
y−x=0 3 −2
La segunda ecuación proporcina la solución y = x. Se Hallar la solución general
reemplaza en la primera ecuación para hallar que Clasificar el punto de equilibrio (0, 0)

x3 − x = 0 =⇒ x(x2 − 1 = 0 =⇒ x = 0, x = 1, x = −1 Hacer un bosquejo del diagrama de fase.

Calculemos los valores propios
son los tres puntos críticos. Llevado estos al plano fase −4 − λ 8
se ve como sigue = 0 =⇒ (4 + λ)(2 + λ) − 24 = 0
3 −2 − λ
Al resolver
λ1 = 2, λ2 = −8
Veamos los vectores propios
Valor propio λ1 = 2
    
−6 8 v1 0
=
3 −4 v2 0
Se divide la primera fila por 2 y se suma a la segunda.
Se obtiene la ecuación
4
3v1 − 4v2 = 0 =⇒ v1 = v2
3
Si v2 = 3, entonces v1 = 3. Luego el vector propio aso-
ciado es  
4
~v1 =
3
Con esto se tiene la primera solución
 
Si se quiere linealizar el sistema para valores cercanos ~ 1 = C1 4 e2t
X(t)
al punto (1, 1), la matriz Jacobiana entrega la respuesta 3

14
 Valor propio λ2 = −8 Los puntos críticos son las intersecciones de ambas pa-
     rábolas. Se resuelve
4 8 v1 0
= 
3 6 v2 0 x2
 −y−1=0


Se divide la primera fila por 4 y la segunda por 3. Se 4
obtiene la ecuación x2
+y−1=0



4
3v1 + 6v2 = 0 =⇒ v1 = −2v2
Al sumar las ecuaciones
Si v2 = 1, entonces v1 = −2. Luego el vector propio aso- x2
ciado es − 2 = 0 =⇒ x = ±2
  2
−2
~v2 =
1 de lo cual, y = 0. Se sigue que hay dos puntos críticos
Con esto se tiene la segunda solución (2, 0) y (−2, 0)
 
~ 2(t) = C2 −2 e−8t
X
1

De esta forma, la solución general es

   
~ 4 −2 −8t
X(t) = C1 e2t + C2 e
3 1

El punto de equilibrio
Como λ1 = 2 > 0 y λ2 = −8 (reales y de signo contrario)
el (0, 0) es un punto silla.
Se estudian estos puntos críticos con la Jacobiana
Plano fase
x 
Para hacer el bosquejo se consideran los vectores pro- 2 −1
J(x, y) = x
pios, en los cuales vamos a cambiar las notaciones pues 2 1
estamos más familiarizados con las variables x e y. Análisis del punto (2, 0)
v1 = 43 v2 =⇒ x = 43 y =⇒ y = 34 x  
1 −1
v1 = −2v2 =⇒ x = −2y =⇒ y = − 21 x J(2, 0) =
1 1
Se analizan los valores propios de esta matriz

1−λ −1
=⇒ (1 − λ)2 + 1 = 0
1 1−λ
Al resolver
λ = −1 ± i
Al ser la parte real distinta de cero, hay un foco inesta-
ble. Los vectores propios son:

Valor propio λ1 = 1 + i
    
−i −1 v1 0
En la recta y = 34 x, si x > 0 la dirección apunta hacia =
1 −i v2 0
arriba, y si x < 0 (tercer cuadrante) apunta hacia abajo.
Sobre la recta y = − 2x1
, si x < 0 el y > 0 Multiplicando la segunda fila por i y sumando se tiene
una sola ecuación
ACTIVIDAD 6. Estudiar la estabilidad del sistema no li-
neal  v1 − iv2 = 0 =⇒ v1 = iv2
2
dx x
−y−1


 =
dt 4 siendo v2 = −i se tiene v1 = 1. Con esto el vector propio
dy x2 asociado es
+y−1


 =
dt 4
 
1
~v1 =
−i
Las isoclinas del sistema son parábolas
Análogamente
2 2
x x
y= − 1, y =1− Valor propio λ2 = 1 − i
4 4
15
     
i −1 v1 0
=
1 i v2 0
Multiplicando la segunda fila por −i y sumando se tiene
una sola ecuación
v1 + iv2 = 0 =⇒ v1 = −iv2
siendo v2 = i se tiene v1 = 1. Con esto el vector propio
asociado es En la región cóncava de la parábola elegimos, por ejem-
 
1 plo, el punto (0, 0) y nos da
~v1 =
i
Análisis del punto (−2, 0) x 0 = −1 < 0
 
−1 −1 Para la otra parte de la región elegimos el punto (4, 0)
J(−2, 0) =
−1 1 para tener que
Se analizan los valores propios de esta matriz x 0 = 15 > 0
−1 − λ −1 x2
=⇒ (1 + λ)2 − 1 = 0 Estudio de y 0 en y 0 = 4 +y−1
−1 −1 − λ
Al resolver Graficamos la isoclina y vemos que pasa con el signo
√
λ=± 2 de la derivada de y 0
Al ser los valores propios reales y de signos contrarios, Si se toma (0, 2) se tiene
existe un punto silla (inestable). Los vectores propios
son: y 0(0, 2) = 1 > 0
√
Valor propio λ1 = 2
 √     Si se elige (0, −2) se tiene
−1 − 2 −1√ v1 0
=
−1 1+ 2 v2 0
y 0(0, −2) = −3 < 0
√
Multiplicando la segunda fila por 1 − 2 y sumando se
tiene una sola ecuación Ahora veamos las dos curvas juntas para ver el campo
√ √
−v1 + (1 + 2)v2 = 0 =⇒ v1 = (1 + 2)v2 de direcciones
√
siendo v2 = 1 − 2 se tiene v1 = −1. Con esto el vector
propio asociado es
 
−1√
~v1 =
1+ 2
Análogamente
√
Valor propio λ2 = − 2
 √    
−1 + 2 −1√ v1 0
=
−1 1− 2 v2 0
√
Multiplicando la segunda fila por −(1 + 2) y sumando
se tiene una sola ecuación
√ √
−v1 + (1 − 2)v2 = 0 =⇒ v1 = −(1 − 2)v2 El plano de fase es como muestra la figura siguiente
√
siendo v2 = 1 + 2 se tiene v1 = 1. Con esto el vector
propio asociado es
 
1√
~v2 =
1+ 2
Observación. El valor propio positivo se aleja del ori-
gen, y el negativo se acerca (las pendientes)
Para ver el campo de direcciones se estudian los signos
de x 0 e y 0
x2
Estudio de x 0 en x 0 = 4 −y−1
Este estudio se hace en torno a la isoclina que propor-
ciona x 0

16
 Soluciones a los Ejercicios
Actividad 1(a) Fácil 
Actividad 1(b) Fácil 
Actividad 2(a) Se debe verificar que Φ 0(t) = A Φ(t), siendo
 
3 1
A=
−1 1

Veamos si ello ocurre. Para Φ 0(t) tenemos

2e2t e2t + 2te2t

 
Φ 0(t) =
−2e2t e2t − 2te2t

Para A Φ(t) se tiene:   2t

te2t
 
3 1 e
A Φ(t) =
−1 1 −e2t e2t − te2t
 2t 2t 2t
 = Φ 0(t)
2e e + 2te
=
−2e2t e2t − 2te2t
En consecuencia Φ(t) es matriz fundamental del sistema dado. 
Actividad 3(a) afirmativo, se hace en clases 
Actividad 4(a) Escrito matricialmente tiene la forma
 0    
x1 1 3 x1
= ·
x2 1 −1 x2

Para tener la ecuación característica formamos el determinante

1−λ 3
=0
1 −1 − λ

del cual obtenemos

λ1 = 2, λ2 = −2
tenemos entonces, valores propios distintos. Sus vectores propios asociados son:
    
1 3 x1 x1
λ = 2 =⇒ =2
1 −1 x2 x2

lo que equivale a resolver el sistema 

x1 + 3x2 = 2x1
=⇒ x1 = 3x2
x1 − x2 = 2x2
considerando x1 = 3, entonces x2 = 1, con lo cual, el vector propio asociado es
 
3
~v1 =
1

Con un poco de paciencia, debieras poder calcular ~v2 y tener que

 
1
~v2 =
−1

Con esto tenemos la solución general

~
X(t) = C1 ~v1 e2t + C2 ~v2 e−2t
lo que equivale a    
~ 3 1
X(t) = C1 e2t + C2 e−2t
1 −1
O bien,
3C1 e2t + C2 e−2t
 
~
X(t) =
C1 e2t − C2 e−2t

17
 
Actividad 5(a) El polinomio característico de A es
 
1 − λ −1 4
p(λ) = det(A − λI) =  3 2 − λ −1  = 0
2 1 −1 − λ

de lo cual p(λ) = (1 − λ)(λ − 3)(λ + 2), de modo que los valores propios de A son λ1 = 1, λ2 = 3 y λ3 = −2. Hallemos
los vectores propios asociados a λ1, λ2, λ3:
Valor propio λ = 1
       
1 − λ −1 4 v1 0 −1 4 v1 0
(A − 1I)~v1 =  3 2 − λ −1  v2 = 3 1 −1 v2 = 0
2 1 −1 − λ v3 2 1 −2 v3 0
La matriz se puede escalonar y llevar a    
0 −1 4 0 −1 4
3 1 −1 ∼ 0 0 0
2 1 −2 1 0 1
Resolviendo     
0 −1 4 v1 0
0 0 0 v2 = 0
1 0 1 v3 0
Se obtiene:      t 
−1 −1 −e
~ 1(t) = e  4  =  4et 
~v1 =  4  =⇒ X t

1 1 et
Valor propio λ = 3
De forma análoga se obtiene:
     3t 
1 1 e
~ 2(t) = e3t 2 = 2e3t
λ = 3 =⇒ ~v2 = 2 =⇒ X
1 1 e3t

Valor propio λ = −2
   −2t 
1 e
~ 3(t) = e−2t −e−2t
~v3 = −1 =⇒ X
−1 −e−2t
Las tres soluciones son linealmente independientes, esto significa que la matriz fundamental es
 t −2t
e3t

−e e
~ 1, X
Φ(t) = [X ~ 2, X
~ 3] =  4et −e−2t 2e3t
et −e−2t e3t

La solución general es
~
X(t) ~ 1 + c2 X
= c1 X ~ 2 + c3X
~3
−c1et + c2e3t − c2e−2t
 

= 4c1et + 2c2e3t + c3e−2t

c1et + c2e3t + c2e−2t

Actividad 7(a) La ecuación característica

2−λ 1 6
0 2−λ 5 = 0 =⇒ (λ − 2)3 = 0
0 0 2−λ

Así, λ1 = 2 es un valor propio de multiplicidad tres. Al resolver

     
2 1 6 v1 0
0 2 5 − 2I  v2 = 0
0 0 2 v3 0

18
se halla que
v2 + 6v3 = 0
5v3 = 0
2v3 = 0
de lo cual, v2 = v3 = 0 y v1 = v1. Con v1 = 1 se tiene el vector propio
 
1
~v = 0
0

Vamos por el segundo vector propio resolviendo

(A − λ1I)w
~ = ~v

Se tiene:      
2 1 6 w1 1
0 2 5 − 2I  w2 = 0
0 0 2 w3 0
de lo cual
w2 + 6w3 = 1
5w3 = 0
se sigue que w3 = 0, w2 = 1, w1 = w1. Así, el segundo vector propio (con w1 = 0) es
 
0
 1
0

Ahora calculamos el tercer valor propio resolviendo

(A − λ1I)~z = w
~

Se tiene:      
2 1 6 z1 0
0 2 5 − 2I  z2 = 1
0 0 2 z3 0
de lo cual
z2 + 6z3 = 0
5z3 = 1
se sigue que z3 = 15 , z2 = − 65 , z1 = z1. Así, el tercer vector propio (con z1 = 0) es
 
0
− 6 
5
1
5

En consecuencia la solución general es

      
1 1 0
~ = C1 0 e + C2 0 te + 1 e2t +
X 2t 2t

0 0 0
      
1 0 0
1
+ C3 0 t2e2t + 1 te2t + − 65  e2t
2 1
0 0 5


Actividad 8(a)
6 − λ −1
= λ2 − 10λ + 29 = 0
5 4−λ
λ1 = 5 + 2i, λ2 = 5 − 2i
El vector propio asociado a λ1 se obtiene a partir de
    
1 − 2i −1 v1 0
=
5 −(1 + 2i) v2 0

19
y es  
1
1 − 2i
A partir de esto, el vector propio asociado a λ2 = 5 − 2i es
 
1
1 + 2i

Con lo cual, la solución compleja es

   
~ = c1 1 1
X e(5+2i)t + c2 e(5−2i)t
1 − 2i 1 + 2i

Para hallar solución real, lo primero es hallar el vector propio asociado a λ1 = 5 + 2i.
    
6 − (5 + 2i) −1 v1 0
=
5 4 − (5 + 2i) v2 0

se tienen dos ecuaciones

(1 − 2i)v1 − 5v2 = 0
5v1 − (1 + 2i)v2 = 0
Al multiplicar por 5 la primera y por 1 − 2i se halla que ellas representan una misma ecuación (son LD). Despejando
en la segunda ecuación
1
v1 = (1 + 2i)v2
5
Eligiendo v2 = 1 − 2i se tiene que v1 = 1, de lo cual, un vector propio asociado a λ1 = 5 + 2i es
     
1 1 0
~v = = +i = ~v1 + i~v2
1 − 2i 1 −2

Observar que a partir de este paso es posible escribir la solución compleja (ya encontrada)
   
~ 1 0
X(t) = e(5+2i)t~v = e5t [cos 2t + i sen 2t] +i
1 −2

Para escribir la solución real usamos la ecuación (9)

~ 1 = e5t [~v1 cos 2t − ~v2 sen 2t]
X
~ 2 = e5t [~v1 sen 2t + ~v2 cos 2t]
X

Al reemplazar ~v1 y ~v2 se tiene     

~ 1 = e5t 1 0
X cos 2t − sen 2t
1 −2
    
~ 2 = e5t 1 0
X sen 2t + cos 2t
1 −2
Simplificando escritura  
~1 cos 2t
X = e5t
cos 2t + 2 sen 2t
 
~2 sen 2t
X =
sen 2t − 2 cos 2t
La solución general es
~ = C1 X
X ~2
~ 1 + C2 X
que una vez simplificada corresponde a
5t
 
~ = e [C 1 cos 2t + C 2 sen 2t]
X 5t
e [C1(cos 2t + 2 sen 2t) + C2(sen 2t − 2 cos 2t)]


Actividad 9(a) Se escribe el sistema en forma matricial
 0   
x 0 −1 x
0 =
y 1 0 y

20
con ecuación característica
−λ −1
=0
1 −λ
de donde λ = ±i, y de lo cual a = 0, b = ±1. Buscamos los vectores propios asociados:
    
−i −1 v1 0
λ = i =⇒ =
1 −i v2 0

lo que equivale a resolver el sistema

(
−iv1 − v2 =0
=⇒ v2 = 1, v1 = i
v1 − iv2 =0

entonces el vector propio asociado es  

i
~vi =
1
Para hallar el otro vector propio asociado, usamos el conjugado
   
i −i
~v−i = ~vi = =
1 1

Dado que se quiere tener vectores propios reales, empleamos

   
1 0 1 1
~u = (~vλ + ~v~v ) = , y ~ = (~vλ − ~v~v ) =
w
2 1 2i 0

Con esto, las soluciones linealmente independientes del sistema son:

     
~ 1(t) = 0 1 sen t
X cos t + sen t =
1 0 cos t
     
~ 2(t) = 1 cos t − 0 sen t = cos t
X
0 1 − sen t

Por tanto, la solución general la podemos escribir en la forma

     
~
X(t) = C1 X ~ 2(t) = C1 sen t + C2 cos t
~ 1(t) + C2 X =
C1 sen t C2 cos t
cos t − sen t C1 cos t −C2 sen t

Actividad 9(b) Hallemos el polinomio característico
 
12 − λ −17
p(λ) = = λ2 − 8λ + 20 = 0
4 −4 − λ

Al resolver, los valores propios son λ1 = 4 + 2i y λ2 = 4 − 2i.

    
8 − 2i −17 v1 0
λ1 = 4 + 2i =⇒ =
4 −8 − 2i v2 0

Al resolver se halla que

(8 − 2i)v1 − 17v2 = 0 y 4v1 + (−8 − 2i)v2 = 0
como estas dos ecuaciones son linealmente dependientes, se toma una cualquiera de las dos, por ejemplo la primera
1
v2 = (8 − 2i)v1, v1 = v1
17
de esto,  
1
~v = v
1
17 (8 − 2i) 1
Considerando v1 = 17 se tiene      
1 17 0
~v = = +i
8 − 2i 8 −2
Elegimos    
17 0
~v1 = , ~v2 =
8 −2

21
Por lo tanto las dos soluciones vectoriales reales son:
    
17 0
~x1(t) = eat (~v1 cos bt − ~v2 sen bt) = e4t cos 2t + sen 2t
8 −2
 
17 cos 2t
= e4t
8 cos 2t + 2 sen 2t

y también     
17 0
~x2(t) = eat (~v1 sen bt + ~v2 cos bt) = e4t sen 2t + cos 2t
8 −2
 
17 sen 2t
= e4t
8 sen 2t − 2 cos 2t
Nota: si se utiliza el otro valor propio λ2 = 4 − 2i y se sigue el mismo procedimiento se llega a que
   
17 cos 2t 17 sen 2t
~x1(t) = e4t ~x2(t) = e4t
8 cos 2t − 2 sen 2t 8 sen 2t + 2 cos 2t

que también son dos soluciones linealmente independientes de la EDO, es decir, que de acuerdo a la selección que
hagamos ya sea en los valores propios o en las ecuaciones lineales cuando escalonemos la matriz de coeficientes,
tendremos respuestas diferentes, esto se debe a que escogemos vectores base ~v1, ~v2 diferentes. 
Actividad 9(c) Valores propios λ = ±2i. Los vectores propios REALES son
   
2 2
y
−1 0

La solución final es    
~ = C1 2 cos 2t − 2 sen 2t 2 cos 2t + 2 sen 2t
X + C2
− cos 2t − sen 2t

Actividad 1(a) Primero se resuelve el sistema homogéneo
 
~0= −3 1 ~
X X
2 −4

La ecuación característica de la matriz de coeficientes es

−3 − λ 1
det(A − λI) = = (λ + 2)(λ + 5) = 0
2 −4 − λ

de modo que los valores propios son λ1 = −2 y λ2 = −5. Los vectores propios que corresponden son, respectiva-
mente,    
1 1
y
1 −2
Los vectores solución del sistema son:
 −2t
e−5t
     
~1 = 1 e ~2 = 1
X e−2t = −2t , X e−5t =
1 e −2 −2e−5t

Los elementos en X~ 1 forman la primera columna de Φ(t) y los elementos de X

~ 2, la segunda; por consiguiente, la
matriz fundamental es  −2t −5t

e e
Φ(t) = −2t
e −2e−5t
Para hallar su inversa usamos la fórmula para la inversa de una matriz dos por dos
   −1  
a b a b 1 d −b
=⇒ =
c d c d ad − bc −c a

De esto se obtiene que la inversa de la fundamental es

2 2t 1 2t

e 3e
Φ−1(t) = 3
1 5t
3e − 13 e5t

22
Ahora calculamos la solución particular
Z
~ p = φ(t)
X φ−1(t)f~(t) dt

e−2t e−5t
  Z 2 2t 1 2t
 
= 3e 3e 3t
dt
e−2t −2e−5t 1 5t
3e − 31 e5t e−t

e−2t e−5t
  Z  2t 1 t
2te + 3 e
= dt
e−2t −2e−5t te5t − 13 e4t

Integrando término a término y multiplicando las matrices se llega a que

1 −t
6 27

5 t + − 50 + 4 e
~
Xp =  
3 21 1 −t
5 t − 50 + 2e

En consecuencia, la solución general del sistema dado es

1 −t
6 27

 −2t t + − + e
e−5t
   5 50 4
~ e c1
X = −2t −5t +  
e −2e c2 3 21 1 −t
5 t − 50 + 2 e

que puede desarrollarse y tener que

    6  27   1 
X~ = c1 1 e−2t + c2 1 e−5t + c1 5 t − c1 50 + 4 e−t
3 21 1
1 −2 5 50 2


Actividad 2(a) Los valores propios de la matriz son λ1 = 1, λ2 = 1 y λ3 = −1. Sus vectores propios son los siguientes:
Vector propio de λ1 = 1
    
−3 4 1 v1 0
−1 2 1  v2 = 0
−1 0 −1 v3 0
Resolviendo este sistema se tiene que  
1
~vλ1 = 1 
−1
Así, tenemos la solución  
1
~ 1(t) = eλ1t~vλ
X = et  1 
1
−1
Como la multiplicidad del valor propio λ1 = 1 es dos, buscamos un segundo vector propio en la forma

(A − λ1I)w
~ = ~v

en donde w
~ es por determinar y ~v = ~vλ1 . Se tiene:
    
−3 4 1 w1 1
−1 2 1  w2 =  1 
−1 0 −1 w3 −1

Al resolver se halla w1 = w2, w3 = 1 − w1. Luego, si se considera w1 = 1 resulta w2 = 1 y w3 = 0. El segundo vector

propio asociado al valor propio λ1 es  
1
~v2 = 1
0
Luego, tenemos la solución    
1 1
~ 2(t) = eλ1t[~v2 + t~v1] = et 1 + t  1 
X
0 −1

23
Vector propio de λ1 = −1 Se sigue la misma rutina del primer valor propio. Se obtiene
 
1
~v3 = 0
1

Con esto se tiene la tercera solución  

1
~ 3(t) = e−t
X  0
1
De esta manera, una matriz fundamental es
et et + tet e−t
 
~ 1(t), X
Φ(t) = [X ~ 2(t), X
~ 3(t)]T =  et et + tet 0 
−et −tet e−t

Hemos logrado, con mucho trabajo, llegar a la solución del sistema homogéneo, esto es

e−t e C1 + C2(et + tet) + C3e−t

 t
et + tet
   t 
e C1
~
X(t) ~ =  et
= Φ(t)C et + tet 0  C2 =  etC1 + C2(et + tet) 
−et −tet e−t C3 −etC1 − C2tet + C3e−t
~ 0(t) = F~ (t). Esto
En este momento hacemos variación de parámetros considerando la ecuación (15), esto es Φ(t)C
significa debemos resolver el sistema

t 0 0 t t 0 −t
e C1(t) + C2(t)(e + te ) + C3(t)e

 = et
etC10 (t) + C20 (t)(et + tet) = tet

−etC 0 (t) − C 0 (t)tet + C 0 (t)e−t

= et
1 2 3

~
Observar que aparecen sólo derivadas del vector C(t). Tomando la diferencia entre la primera ecuación y la segunda
se encuentra
3 t
C30 (t) = e2t − te2t, C3(t) = e2t − e2t
4 2
Sumando la primera con la tercera y reemplazando el C3(t):
1 t t2
C20 (t) = + t, C2(t) = +
2 2 2
Reemplazando C2(t) y C3(t) en la ecuación 2
1 t t t2 t3
C10 (t) = − − − t2, C1(t) = − − −
2 2 2 4 3
Ahora nos vamos a reemplazar en la ecuación
~ p = Φ(t)C(t)
X ~
Después de simplificar se llega a algo como (favor calcular)
3  
t t2 3
6 + 4 + 4 et
   
3 2
X~p = 
 t
+ 3t
e t 
 3 6 2 4  

5t 3t 3 t
6 + 4 + 4 e

La solución general es (no la vamos a escribir)

~ =X
X ~ h(t) + X
~p


Actividad 3(a) definimos previamente L[x(t)] = F (s) y L[y(t)] = G(s). Se aplica transformada a cada ecuación del
sistema (
L[x0] = 2L[x] − 3L[y]
L[y 0] = L[y] − 2L[x]
Desarrollando se llega a (
sF (s) − x(0) = 2F (s) − 3G(s)
sG(S) − y(0) = G(s) − 2F (s)

24
Agrupando (
(s − 2)F (s) + 3G(s) =8
2F (s) + (s − 1)G(S) =3
Multiplicando por 2 la primera ecuación y por (s − 2) la segunda, se resta para hallar que
3s − 22
G(s) =
(s + 1)(s − 4)

Por fracciones parciales

5 2
G(s) = −
s+1 s−4
de los cual
y(t) = 5e−t − 2e4t
Para F (s) se halla que
8s − 17 5 3
F (s) = = +
(s + 1)(s − 4) s + 1 s − 4
de manera que
x(t) = 5e−t + 3e4t

Actividad 4(a) Se aplica Transformada de Laplace a cada ecuación del sistema
(
sx(s) − 21 − 6x(s) − y(s) = s62
sy(s) − 15 − 4x(s) − 3y(s) = − 10
s2
+ 4s

Esto equivale a (
6
x(s)[s − 6] − y(s) = s2
+ 12
y(s)[s − 3] − 4x(s) − 3y(s) = − 10
s2
+ 4s + 15
de lo cual 
12+s2
x(s)[s − 6] − y(s) =

2s2


s2 −50+20s

y(s)[s − 3] − 4x(s) − 3y(s)

= 5s2

Multiplicamos por (s − 3) la primera ecuación y sumando ambas ecuaciones:

2 12 + s2 s2 − 50 + 20s
x(s)[s − 9s + 14] = [s − 3] +
2s2 5s2
Factorizando y expandiendo el lado derecho se llega a
       
23 1 107 1 4 1 1
x(s) = + − −2 2
50 s − 2 175 s − 7 7 s s

Sacando transformada inversa obtenemos:

107 7t 4 23
x(t) = e − − 2t + e2t
175 7 50
Sustituyendo lo que vale x(s) se halla que
107 7t 10 46
y(t) = e + + 6t − e2t
75 7 25


25