Ampliacion de Matematicas

Le sorprende que yo est trabajando simultneamente en literatura y
matemticas. Muchas personas que no han tenido nunca la oportunidad de

aprender que son las matemticas, las confunden con la aritmtica y la
consideran una ciencia rida y fra. El hecho es que es la ciencia que ms
imaginacin necesita. Uno de los ms grandes matemticos de nuestro
siglo dice muy acertadamente que es imposible ser matemtico sin ser un
poeta de espritu. A m me parece que el poeta debe ser capaz de ver lo
que los dems no ven, debe ver ms profundamente que otras personas.
Y el matemtico debe hacer lo mismo.
Sonya Kovalevskaya
I
ANLISIS MATEMTICO
MARA MOLERO APARICIO
ADELA SALVADOR ALCAIDE
TRINIDAD MENARGUEZ PALANCA
LUIS GARMENDIA SALVADOR
II
CONTENIDO
CONTENIDO I
PRLOGO XI
VARIABLE COMPLEJA 1
HISTORIA DE LA VARIABLE COMPLEJA 2
Los nmeros complejos 2
Funciones de variable compleja 5
La funcin logaritmo 6
Integracin 8
Cauchy y la variable compleja 9
Riemann y la variable compleja 12
Weierstrass y la variable compleja 13
CAPTULO 1. Los nmeros complejos 17

1.1. EL CUERPO DE LOS NMEROS COMPLEJOS 18
1.1.1. Nmeros complejos en forma binmica 19
1.1.2. Operaciones en forma binmica 20
1.1.3. Propiedades algebraicas 21
Ejemplos resueltos 23
Ejercicios 23
1.2. REPRESENTACIN GEOMTRICA. DIAGRAMA DE ARGAND 25
Ejercicios 29
1.3. FORMA POLAR 30
1.3.1. Mdulo 30
1.3.2. Argumento 31
1.3.3. Propiedades del mdulo, del conjugado y del
argumento de un nmero complejo 32
1.3.4. Forma polar 33
Ejercicios 35
1.4. FORMA EXPONENCIAL DE UN NMERO COMPLEJO 37
1.4.1. Operaciones entre nmeros complejos en forma exponencial 37
1.4.2. Frmula de Moivre 40
Ejercicios 41
1.5. TOPOLOGA DEL PLANO COMPLEJO 43
Ejercicios 47
1.6. LA ESFERA DE RIEMANN. PROYECCIN ESTEREOGRFICA. 48
Ejercicios 51
1.7. EJERCICIOS 52
III
CAPTULO 2. Funciones complejas 57
2.1. DEFINICIN. FUNCIONES ELEMENTALES 59
2.1.1. Definicin de funcin compleja 59
2.1.2. Funciones Elementales 60
2.1.2.1. Polinomios 60
2.1.2.2. Funciones racionales 61
2.1.2.3. Funcin exponencial 61
2.1.2.4. Funciones trigonomtricas 63
2.1.2.5. Funciones hiperblicas 65
2.1.2.6. Funcin logaritmo 66
2.1.2.7. Funciones definidas como potencias 68
Ejercicios 74
2.2. LMITES DE FUNCIONES. CONTINUIDAD. 76
2.2.1. Lmites de funciones 76
2.2.2. Lmites en el infinito. Lmites infinitos 76
2.2.3. Continuidad. 77
Ejercicios 81
2.3. DERIVADA COMPLEJA 82
2.3.1. Definicin de derivada 82
2.3.2. Propiedades 85
2.3.3. Condiciones de Cauchy Riemann. 86
2.3.4. Estudio de la derivada de distintas funciones 89
Ejercicios 93
2.4. FUNCIONES HOLOMORFAS 94
2.4.1. Funciones holomorfas. Definiciones 95
2.4.2. Estudio de la holomorfa de las distintas funciones 95
2.4.3. Propiedades de las funciones holomorfas 96
Ejercicios 98
2.5. FUNCIONES ARMNICAS 99
2.5.1. Funciones armnicas. Definicin 99
2.5.2. Propiedades de las funciones armnicas. 101
Ejercicios 103
2.6. EJERCICIOS 104
CAPTULO 3. Series complejas 111

3.1. SUCESIONES Y SERIES DE NMEROS COMPLEJOS 113
Ejercicios 119
3.2. SUCESIONES Y SERIES DE FUNCIONES COMPLEJAS 120
3.2.1. Sucesiones de funciones complejas 120
3.2.2. Series de funciones complejas. Definicin y convergencia 122
3.2.3. Series de funciones complejas. Continuidad y derivabilidad 125
Ejercicios 128
IV
3.3. SERIES DE POTENCIAS 129
3.3.1. Definicin. Convergencia de una serie de potencias 129
3.3.2. Funciones definidas por series de potencias 136
Ejercicios 144
3.4. FUNCIONES ANALTICAS 145
3.4.1. Definicin y propiedades 145
3.4.2. Desarrollos en serie de funciones 147
3.4.3. Prolongacin analtica 148
Ejercicios 153
3.5. SERIES DE LAURENT 154
3.5.1. Series de Laurent. Definicin y convergencia 154
3.5.2. Representacin de funciones en series de Laurent 158
Ejercicios 163
3.6. EJERCICIOS 163
CAPTULO 4. Integracin en el plano complejo 169

4.1. CURVAS EN EL CAMPO COMPLEJO. 170
Ejercicios 178
4.2. INTEGRACIN SOBRE CAMINOS. 179
4.2.1. Integral de una funcin sobre un camino 180
4.2.2. Relacin de la integral compleja con la integral curvilnea real 181
4.2.3. Propiedades elementales 182
Ejercicios 188
4.3. NDICE DE UN PUNTO RESPECTO DE UNA CURVA. 190
4.3.1. Definicin de ndice 190
4.3.2. ndice y homotopa 192
4.3.3. ndice y conexin 193
Ejercicios 195
4.4. TEOREMA DE CAUCHY. 196
4.4.1. Primitivas 196
4.4.2. Distintos enunciados del teorema de Cauchy. 199
Versin primera del Teorema de Cauchy 200
Lema de Goursat 201
Teorema de Cauchy para un disco 205
Teorema de Cauchy para caminos homtopos 206
Teorema de Cauchy en dominios simplemente conexos 207
Teorema de Cauchy-Goursat 208
Ejercicios 209
4.5. INTERPRETACIN FSICA Y GEOMTRICA DE LA INTEGRAL
COMPLEJA 211
4.5.1. Trabajo y flujo 211
4.5.2. Teorema de la divergencia 213
V
4.6. FRMULA INTEGRAL DE CAUCHY. 214
4.6.1. Frmula integral de Cauchy. 217
Ejercicios 220
4.7. CONSECUENCIAS DE LA FRMULA DE CAUCHY. 221
4.7.1. Aplicacin al clculo de integrales reales 223
4.7.2. Desarrollo en serie de potencias de una funcin holomorfa 223
4.7.3. Derivadas de orden superior 225
4.7.4. Desigualdad de Cauchy 228
4.7.5. Teorema de Liouville 229
4.7.6. Teorema fundamental del lgebra 229
4.7.7. Teorema de Morera 230
4.7.8. Principio del mdulo mximo 232
4.7.9. Otras consecuencias 233
Principio de prolongacin analtica 234
Ceros de funciones holomorfas 234
Regla de LHpital 235
Ejercicios 237
4.8. EJERCICIOS 238
CAPTULO 5. Singularidades y residuos 245

5.1. SINGULARIDADES 245
Ejercicios 247
5.2. CARACTERIZACIN DE LAS SINGULARIDADES AISLADAS 248
5.2.1. Singularidades evitables 249
5.2.2. Polos 249
5.2.3. Singularidad esencial 251
5.2.4. Ceros de una funcin analtica 253
Ejercicios 256
5.3. SERIES DE LAURENT 257
5.3.1. Expresin integral de los coeficientes de la serie de Laurent 258
5.3.2. Relacin entre el tipo de singularidad y los coeficientes de
la serie de Laurent 260
Ejercicios 261
5.4. RESIDUOS 262
5.4.1. Teorema del residuo 263
5.4.2. Clculo de residuos. Residuos en los polos 264
5.4.3. Residuo en el infinito 267
Ejercicios 275
5.5. FUNCIONES MEROMORFAS, ANALTICAS Y ENTERAS 278
5.5.1. Funciones meromorfas 278
5.5.2. El principio del argumento y sus consecuencias 279
5.5.3. Teorema de Rouch 282
5.5.4. Teorema fundamental del lgebra 282
VI
5.5.5 Teorema de Hurwitz 283
5.5.6. Teorema de la aplicacin abierta 284
5.5.7. Teorema del mdulo mximo 285
5.5.8. Teorema de los tres crculos de Hadamard 286
5.5.9. Problema de Dirichlet 286
5.5.10. Teorema de Phragmen-Lindelf 287
5.5.11. Lema de Schwarz. 289
5.5.12. Principio de Lindelf o principio de subordinacin 289
5.5.13. Clasificacin de las funciones enteras 291
5.5.14.Orden de una funcin entera 293
5.6. EJERCICIOS 296
CAPTULO 6. Geometra de las transformaciones complejas 307

6.1. TRANSFORMACIONES CONFORMES 308
Observaciones 310
Ortogonalidad 311
Equivalencia conforme 312
6.1.1. Teoremas de la aplicacin abierta y de la aplicacin de
Riemann. 313
Teorema de la aplicacin abierta 313
Teorema de la aplicacin de Riemann 314
Ejemplos resueltos y ejercicios 316
6.2. ALGUNAS TRANSFORMACIONES SENCILLAS 317
6.2.1. La aplicacin lineal: f(z) = az + b 317
6.2.2. La funcin f(z) = z2 319
6.2.3. La funcin f(z) = zn 320
6.2.4. La funcin exponencial w = exp(z) = ez 320
6.2.5. La funcin w = cos(z) 321
6.2.6. La funcin w = z 321
6.2.7. La funcin w = 1/z 321
6.2.8. Otras transformaciones 323
6.3. TRANSFORMACIN BILINEAL O DE MBIUS 327
6.3.1. Propiedades bsicas 328
6.3.2. Tipos particulares de transformaciones bilineales 331
6.3.3. Razn doble 334
6.3.4. Principio de simetra y principio de orientacin 338
Circunferencia de Apolonio 341
6.4. APLICACIONES DE LAS TRANSFORMACIONES
CONFORMES 349
6.4.1. Transformaciones de funciones armnicas 349
6.4.2. Ecuacin de Laplace con condiciones de contorno 349
6.4.3. Aplicaciones a la hidrodinmica 351
6.4.4. Aplicaciones a la teora del calor 352
6.4.5. Aplicaciones a la electrosttica 352
6.4.6. La transformacin de Schwarz-Christoffel 353
6.5. EJERCICIOS 354
VII
ECUACIONES DIFERENCIALES ORDINARIAS 365
HISTORIA DE LAS ECUACIONES DIFERENCIALES 369
CAPTULO 7. Ecuaciones diferenciales en el mundo

fsico. Integracin elemental 407
7.1. NATURALEZA DE LAS ECUACIONES DIFERENCIALES 409

7.1.1. Primeras definiciones 409
7.1.2. Soluciones 410
7.1.3. Campos de direcciones. Curvas integrales. Isoclinas 412
Ejercicios 415
7.2. LAS ECUACIONES DIFERENCIALES COMO MODELOS
MATEMTICOS 417
7.2.1. Crecimiento, desintegracin y reacciones qumicas 417
7.2.2. Cuerpos en cada libre y con resistencia 418
7.2.3. Movimiento pendular 420
7.2.4. La cicloide. La curva braquistcrona 423
7.2.5. Circuitos elctricos simples. Oscilaciones en resortes. 426
7.2.6. Dinmica de poblaciones. 428
7.2.7. La catenaria. 429
7.2.8. Ecuacin diferencial de una familia de curvas 430
Ejercicios 432
7.3. INTEGRACIN DE ECUACIONES DIFERENCIALES DE
PRIMER ORDEN 433
7.3.1 Ecuaciones diferenciales con variables separadas 434
Ecuaciones diferenciales reducibles a este tipo 434
Ejercicios 435
7.3.2 Ecuaciones diferenciales homogneas 436
Ecuaciones diferenciales reducibles a homogneas 437
Ejercicios 440
7.3.3. Ecuaciones diferenciales exactas 440
Ejercicios 444
7.3.4. Factores integrantes 445
Factores integrantes que dependen exclusivamente de la
variable x o de y. 446
Ejercicios 448
7.3.5. Ecuaciones diferenciales lineales de primer orden 449
Mtodos de resolucin 450
Mtodo 1: Factor integrante 450
Mtodo 2: Cambio de variable 450
VIII
Mtodo 3: Variacin de las constantes 451
Ejercicios 455
7.3.6. Algunas ecuaciones diferenciales especiales 456
Ecuacin de Bernoulli 456
Ecuacin de Ricatti 457
Ecuacin de Lagrange 459
Ecuacin de Clairaut 459
Ejercicios: 462
7.3.7. Trayectorias ortogonales 462
Ejercicios 465
7.3.8. Envolvente de un haz de curvas 466
Ejercicios 469
7.3.9. Soluciones singulares 470
Ejercicios 472
7.3.10. Aplicaciones 473
Circuitos elctricos 473
La curva tractriz 474
7.6. EJERCICIOS 477
CAPTULO 8. Existencia y unicidad de soluciones 481

8.1. PROBLEMA DE CAUCHY. TEOREMAS PREVIOS 482
8.1.1. Problema de Cauchy 482
8.1.2. Aplicaciones contractivas. Teorema del punto fijo. 485
8.1.3. Funciones equicontinuas. Teorema de Ascoli-Arzel 487
8.1.4. Condicin de Lipschitz. 489
Ejercicios 496
8.2. EXISTENCIA Y UNICIDAD DE SOLUCIN. SOLUCIN
GLOBAL 497
8.2.1. Teorema de existencia global. Teorema de Cauchy-
Peano 498
8.2.2. Teorema de existencia y unicidad global. Teorema de
Picard-Lindelf 501
8.2.3. Iterantes de Picard 504
Ejercicios 511
8.3. PROBLEMA DE CAUCHY. SOLUCIN LOCAL 513
8.3.1. Teorema de existencia y unicidad local de soluciones 513
8.3.2. Teorema de existencia local de soluciones 518
8.3.3. Prolongacin de soluciones 518
8.4. EJERCICIOS 532
IX
CAPTULO 9. Ecuaciones diferenciales de orden
superior. Transformada de Laplace 535
9.1. ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR Y
SISTEMAS DE ECUACIONES DIFERENCIALES 537
9.1.1. Ejemplos 537
9.1.2. Conceptos previos 541
9.1.3. Reduccin de ecuaciones diferenciales a sistemas de
ecuaciones 543
Ejercicios 547
9.2. EXISTENCIA Y UNICIDAD DE LAS SOLUCIONES 547
9.2.1. Teoremas de existencia y unicidad para sistemas 547
9.2.2. Teoremas de existencia y unicidad para ecuaciones
diferenciales de orden n 549
Ejercicios 551
9.3. MTODOS DE REDUCCIN DE ORDEN EN CASOS
PARTICULARES 551
9.3.1. Ecuaciones en las que falta la funcin incgnita 551
La catenaria 552
9.3.2. Ecuaciones en las que falta la variable independiente. 553
El movimiento armnico simple 553
Movimiento de un cohete. Velocidad de escape 555
Ecuacin de Van der Pol 555
9.3.3. Reduccin de orden en sistemas autnomos. 556
Ecuaciones de rapaz y presa de Lotka-Volterra 557
La barca en el ro 557
Ejercicios. 559
9.4. TRANSFORMADA DE LAPLACE 559
9.4.1. Definicin, condiciones de existencia y primeras propiedades 560
Primeras propiedades: 564
Transformada de Laplace de algunas funciones 564
Ejercicios 567
9.4.2. La funcin de Heaviside y la delta de Dirac 568
Ejercicios 571
9.4.3. Teoremas de traslacin y transformada de una funcin
peridica 572
Teoremas de traslacin 572
Transformada de una funcin peridica 573
Ejercicios 575
9.4.4. Transformadas de derivadas e integrales 576
Transformada de una derivada 576
Transformada de una integral 578
Ejercicios 582
X
9.4.5. La convolucin 583
Propiedades de la convolucin 583
Ejercicios 586
9.4.6. La transformada inversa 586
Transformadas inversas de funciones racionales 587
Ejercicios 593
9.4.7. Aplicaciones 593
1. Resolucin de ecuaciones diferenciales lineales 593
2. Resolucin de sistemas de ecuaciones diferenciales 595
3. Resolucin de ecuaciones integrales 595
4. La curva tautcrona 596
Ejercicios 602
9.5. EJERCICIOS 603
CAPTULO 10. Ecuaciones diferenciales lineales de

orden superior 607
10.1. CONCEPTOS PREVIOS. 609
10.1.1. El operador diferencial D 610
10.1.2. El operador lineal L 611
10.1.3. Operadores con coeficientes constantes. 613
10.1.4. Teorema de existencia y unicidad 614
Ejercicios 616
10.2. ESTRUCTURA DE LAS SOLUCIONES DE LAS
ECUACIONES DIFERENCIALES LINEALES DE ORDEN
SUPERIOR 617
10.2.1. Dependencia e independencia lineal. Wronskiano 617
10.2.2. Estructura de las soluciones de la ecuacin homognea 619
10.2.3. Estructura de las soluciones de la ecuacin completa 627
Ejercicios 631
10.3. ECUACIONES DIFERENCIALES LINEALES
HOMOGNEAS CON COEFICIENTES CONSTANTES 632
10.3.1. Ecuacin caracterstica. Autovalores 632
10.3.2. Discusin de las soluciones 633
Ejercicios 638
10.4. MTODOS DE RESOLUCIN DE ECUACIONES
DIFERENCIALES LINEALES 639
10.4.1. Reduccin de orden de una ecuacin diferencial lineal
homognea. Mtodo de DAlembert 639
10.4.2. Mtodo de variacin de las constantes 640
Ejercicios 645
XI
10.4.3. Ecuaciones diferenciales lineales no homogneas con
coeficientes constantes 646
Mtodo del anulador 647
Mtodo de los coeficientes indeterminados 648
Ejercicios 654
10.4.4. Ecuaciones diferenciales lineales con coeficientes no
constantes 655
Ecuacin de Euler-Cauchy 655
Cambios de variable 658
Ejercicios 661
10.5. DESARROLLOS EN SERIES DE POTENCIAS 661
10.5.1. Soluciones en torno a puntos ordinarios 662
10.5.2. Soluciones en torno a puntos singulares 666
Ejercicios 676
10.6. APLICACIONES 677
10.6.1. Movimiento oscilatorio armnico 677
Vibraciones armnicas simples no amortiguadas 677
Vibraciones amortiguadas 678
Vibraciones forzadas 680
Vibraciones libres forzadas. Resonancia. 681
10.6.2. Circuitos elctricos 682
10.6.3. Las leyes de Kepler 684
Ejercicios 690
10.7. EJERCICIOS 691
CAPTULO 11. Sistemas de ecuaciones diferenciales

lineales de primer orden 695
11.1. SISTEMAS LINEALES DE ECUACIONES

DIFERENCIALES. 696
11.1.1. Conceptos previos 697
11.1.2. Teoremas de existencia y unicidad. 701
Ejercicios 704
DIFERENCIALES DE PRIMER ORDEN 705
11.2.1. Dependencia e independencia lineal. 705
11.2.2. Estructura de las soluciones del sistema homogneo 707
11.2.3. Matriz fundamental 714
Propiedades de la matriz fundamental 715
11.2.4. Estructura de las soluciones del sistema no homogneo 716
Ejercicios 721
XII
11.3. SISTEMAS LINEALES HOMOGNEOS CON
COEFICIENTES CONSTANTES 722
11.3.1. Resolucin por eliminacin mediante el operador
diferencial D 723
11.3.2. Resolucin buscando soluciones exponenciales. Mtodo
de Euler 727
11.3.3. Ecuacin caracterstica. Autovalores y autovectores 733
Ejercicios 747
11.4. EXPONENCIAL DE UNA MATRIZ 748
11.4.1. Propiedades de la exponencial de una matriz 750
11.4.2. Clculo de la funcin matricial eAx 751
11.4.3. Estudio del caso general 753
Ejercicios 757
11.5. SISTEMAS LINEALES NO HOMOGNEOS 758
11.5.1. Mtodo de variacin de las constantes 758
11.5.2. Sistemas lineales no homogneos con coeficientes
constantes 759
Reduccin a una ecuacin diferencial mediante el
operador diferencial D 760
Mtodo de coeficientes indeterminados 761
Ejercicios 768
CAPTULO 12 775
Teora cualitativa de ecuaciones diferenciales 705

12.1. CONCEPTOS PREVIOS: GENERALIDADES 778
12.1.1. Soluciones y trayectorias en un sistema de ecuaciones
diferenciales 778
12.1.2. Diagrama de fases 781
12.1.3. Puntos crticos 784
12.1.4. rbitas cclicas 787
12.1.5. Estabilidad de Liapunov y estabilidad orbital 790
12.1.6. Dinmica en un sistema lineal homogneo de dimensin
n = 1. 794
12.1.7. Dinmica en un sistema lineal homogneo de dimensin
n = 2. 795
Ejercicios 802
XIII
12.2. COMPORTAMIENTO DINMICO DE UN SISTEMA
LINEAL HOMOGNEO 805
12.2.1. Comportamiento dinmico de una ecuacin diferencial
lineal homognea de coeficientes constantes de orden
superior 809
Ejercicios 812
12.3. SISTEMAS CASI-LINEALES 814
Ejercicios 821
12.4. SISTEMAS BIDIMENSIONALES AUTNOMOS 823
12.4.1. Teorema de Poincar - Bendixson 823
12.4.2. Dinmica del pndulo 825
12.4.3. Dinmica de poblaciones: sistemas de Lotka-Volterra 831
Ejercicios 837
12.5. ESTABILIDAD EN SISTEMAS HAMILTONIANOS O
CONSERVATIVOS, EN SISTEMAS DISIPATIVOS Y EN
SISTEMAS GRADIENTE. 838
12.5.1. Sistemas conservativos y funciones de Hamilton 838
12.5.2. Sistemas disipativos y funciones de Lyapunov 842
12.5.3 Sistemas gradiente 843
Ejercicios 848
12.6. DINMICAS CATICAS 848
12.6.1. El sistema de Lorenz 848
Ejercicios 855
XIV
RESOLUCIN NUMRICA DE ECUACIONES
DIFERENCIALES 869
HISTORIA DE LA RESOLUCIN NUMRICA DE LAS

ECUACIONES DIFERENCIALES ORDINARIAS. 875
Solucin numrica antes de los ordenadores 876
Solucin numrica despus de los ordenadores 881
CAPTULO 13. Mtodos numricos de un paso 883
13.1. EL MTODO DE EULER 886

Ejercicios 895
13.2. ESTUDIO GENERAL DE LOS MTODOS DE UN PASO 896
13.2.1. Control del error: error de redondeo, error de truncamiento,
error local y error global 897
Clculo del orden del error de truncamiento para el mtodo
de Euler: 900
13.2.2. Convergencia, consistencia y estabilidad de los mtodos
de un paso 903
Ejercicios 910
13.3. MTODOS DE TAYLOR 912
Ejercicios 918
13.4. MTODOS DE RUNGE-KUTTA 920
13.4.1. Mtodos de Runge-Kutta de dos etapas o mtodos de
Euler modificados 924
13.4.2. Mtodos de Runge-Kutta de tres etapas 928
13.4.3. Mtodos de Runge-Kutta cuatro 930
Ejercicios 937
13.5. ESTIMACIN DEL ERROR EN CADA PASO 938
La extrapolacin de Richardson 939
Pares encajados de Runge-Kutta 942
Ejercicios 949
13.6. ESTABILIDAD ABSOLUTA EN LOS MTODOS DE UN
PASO 950
Ejercicios 960
13.7. APNDICE: ECUACIONES EN DIFERENCIAS 961
Ejercicios 969
XV
CAPTULO 14. Mtodos numricos lineales multipaso 983
14.1. DEFINICIN 984
Ejercicios 987
14.2. MTODOS DE ADAMS 987
14.2.1. Mtodos de Adams-Bashforth 991
14.2.2. Mtodos de Adams-Moulton 996
Ejercicios 1011
14.3. CONVERGENCIA, CONSISTENCIA Y ESTABILIDAD 1015
14.3.1. Definicin de convergencia 1015
14.3.2. Orden de consistencia y error de truncamiento 1018
14.3.3. Constante de error 1020
14.3.4. Polinomios de estabilidad 1027
14.3.5. Estabilidad. Condiciones de raz 1029
14.3.6. Condicin de raz fuerte 1033
14.3.7. Relaciones entre convergencia, consistencia y estabilidad 1039
14.3.8. Orden mximo de convergencia: Primera barrera de
Dahlquist 1041
14.3.9. Mtodos multipaso vectoriales 1046
Ejercicios 1048
14.4. ESTABILIDAD ABSOLUTA Y ESTABILIDAD RELATIVA 1050
14.4.1. Estabilidad absoluta 1052
14.4.2. Estabilidad relativa 1059
14.4.3. Estabilidad absoluta de los mtodos lineales multipaso
en sistemas de ecuaciones diferenciales ordinarias 1061
Ejercicios 1070
14.5. OTROS MTODOS DE K PASOS 1071
14.5.1. Nystrm y Milne-Simpson 1071
14.5.2. Mtodo predictor-corrector 1072
14.5.3. Mtodos multipaso de tamao de paso variable 1078
14.5.4. Problemas stiff 1080
Ejercicios 1088
BIBLIOGRAFA 1097
BIBLIOGRAFA DE CONSULTA RECOMENDADA 1097
Bibliografa de variable compleja 1097
Bibliografa de ecuaciones diferenciales 1098
Bibliografa de mtodos numricos para ecuaciones
diferenciales ordinarias 1099
REFERENCIAS 1100
XVI
Prlogo
En este libro los autores y autoras hemos pretendido desarrollar los
contenidos de un curso clsico de Anlisis Matemtico: Variable Compleja,
Ecuaciones Diferenciales Ordinarias y Mtodos Numricos para las ecuaciones
diferenciales. Est dirigido de manera especial a estudiantes de ingeniera y
por tanto los contenidos se han seleccionado teniendo muy presentes las
posibles aplicaciones. Nuestro deseo es que esta obra sea de utilidad tanto
para estudiantes de escuelas tcnicas como para el profesorado que imparte
las correspondientes asignaturas.
Se ha procurado que el texto tenga una estructura clara y sencilla. Por
esta razn se han eliminado las demostraciones de algunos resultados que,
quizs, por su excesiva abstraccin o sus dificultades tcnicas, pudieran
complicar la comprensin, en lugar de ayudar a mejorarla.
Se ha intentado mantener un orden coherente en la presentacin y
desarrollo de los distintos conceptos que se van introduciendo, incorporando al
final de cada apartado algunos ejemplos totalmente resueltos que pueden
contribuir en gran medida a su comprensin y asimilacin. Al final de cada
apartado y de cada captulo se adjuntan ejercicios y problemas, y en las
ocasiones que se ha considerado adecuado, se han aadido las soluciones.
El equipo formado por los autores y las autoras del libro lleva numerosos
aos explicando los contenidos del texto a alumnado de distintas ramas de
ingeniera: caminos, informtica, telecomunicaciones... A partir de la propia
XVII
experiencia se observ que existen magnficos textos de ecuaciones
diferenciales ordinarias, que sin embargo proporcionan un tratamiento
demasiado elemental, en opinin de los autores, al estudio de los
procedimientos de resolucin numrica de ecuaciones diferenciales.
Igualmente, existen estupendos textos de mtodos numricos, pero que no
abordan el estudio general de las ecuaciones diferenciales ordinarias, y de
forma similar sucede con la teora de las funciones complejas, donde se
encuentran esplndidos textos de variable compleja, pero que no tratan ni las
ecuaciones diferenciales ordinarias, ni los mtodos para la resolucin numrica
de las ecuaciones diferenciales ordinarias. Aunque exista bastante bibliografa
de consulta, no conocamos ninguna obra en el mercado que reuniera todos los
aspectos que necesitbamos que tuviese el libro de texto. Desde un punto de
vista docente es muy importante que una materia de este tipo se encuentre
recogida en un nico texto, de forma que el profesorado pueda utilizarlo como
gua y recomendarlo a los alumnos. En este libro se ha pretendido recopilar los
contenidos bsicos de las materias anteriores de manera que su estructura
rena con el nivel de rigor requerido, ni demasiado riguroso, ms adecuado
para el alumnado de matemticas, ni carente de rigor, de manera que los
estudiantes de ingeniera, a los que va especialmente dirigido, encuentren lo
necesario para servirles de gua y les permita comprender y asimilar la materia
desarrollada.
El texto se puede considerar formado por tres secciones diferenciadas,
que abordan, en este orden, el estudio de las funciones de variable compleja, el
estudio general de la teora de ecuaciones diferenciales y el tratamiento
numrico de las ecuaciones diferenciales. En cada una de ellos se ha aadido
XVIII
una introduccin histrica, con el fin de introducir en las distintas materias que
se van a estudiar a travs de un recorrido por el tiempo, en el que se muestra
su origen, evolucin y desarrollo posterior. Pensamos que conocer la evolucin
histrica de las matemticas, la forma de trabajar del matemtico profesional y
la contribucin de ste, as como las dificultades, las razones o los
procedimientos de los que han surgido los conceptos y las ideas, mejora el
aprendizaje.
La primera seccin aborda el estudio de la teora de funciones de una
variable compleja. Se ha dividido en seis captulos, que van precedidos por una
introduccin histrica. En ella se ha pretendido presentar de forma resumida la
aparicin de los nmeros complejos, su utilizacin en los comienzos como
solucin de distintos problemas planteados, pero pensando en los nmeros
complejos como entes extraos e imaginarios, y su sucesiva formalizacin
hasta llegar a su aceptacin por parte de la comunidad cientfica como
disciplina dotada de una base slida y coherente, eliminando definitivamente el
carcter misterioso que tenan en un principio dichos nmeros.
El primer captulo es esencialmente una revisin de los nmeros
complejos, concepto y propiedades, ya conocidos de cursos anteriores, tanto
por las asignaturas de primer curso de ingeniera como en el bachillerato: se
introducen los nmeros complejos, sus operaciones, propiedades y estructura.
Quizs se aade a lo que usualmente conocen, la notacin exponencial. Se
define el plano complejo, se representan conjuntos en l, se concretan algunas
definiciones topolgicas y se define la esfera de Riemann, que permite
introducir el punto de infinito en el plano complejo, insistiendo en la diferencia
XIX
en el concepto de infinito en la recta real, que es un conjunto totalmente
ordenado con y +, y el concepto de infinito en el plano complejo.
En el segundo captulo se definen las funciones complejas. Se extienden
al plano complejo las funciones reales ya conocidas, y se define la derivada de
una funcin compleja, de importancia fundamental dentro de la teora, poniendo
especial atencin en presentar las diferencias existentes entre la derivada de
las funciones de en , las funciones de en y la derivada compleja.
Se introduce el concepto de holomorfa. Se podra haber definido funcin
holomorfa en un punto como funcin derivable en dicho punto, pero entonces
se perderan muchas de sus buenas propiedades, por lo que la experiencia en
su docencia, nos ha llevado a definir que una funcin es holomorfa en un punto
z0 si es una funcin derivable en todos los puntos de un entorno de z0. Este
hecho supone que dichas funciones adquieran propiedades muy diferentes a
las de las funciones derivables en el cuerpo de los nmeros reales o las
definidas en el plano real.
Se apunta ya el inters en sealar de manera especial a las funciones
holomorfas, pues como se demostrar en captulos posteriores las funciones
holomorfas van a tener muy buenas propiedades. Por el hecho de ser una
funcin holomorfa en un abierto, va a ser analtica, es decir desarrollable en
serie de potencias en los puntos de ese abierto; va a ser infinitamente derivable
en su dominio de holomorfa; y va a ser integrable, y las integrales a lo largo de
curvas cerradas en recintos donde la funcin sea holomorfa, valen cero, y si la
curva no es cerrada, la integral no depende del camino. Se puede decir que
derivacin, series, integracin se entretejen para construir estas funciones,
cuyas propiedades se desarrollan en los siguientes captulos. El captulo
XX
termina con la introduccin de las funciones de dos variables reales armnicas,
estudiando su relacin con las funciones holomorfas.
El tercer captulo est dedicado al desarrollo en serie de las funciones
complejas. Adems de tratar con el desarrollo en serie de potencias, se
estudian las series de Laurent. Se podra haber dejado el tratamiento de las
series de Laurent para cuando se conocen los valores de sus coeficientes
mediante frmulas integrales, pero la experiencia en impartir esta enseanza
nos ha llevado a considerar que presentarlas en este momento simplifica su
comprensin. Se introducen las funciones analticas en un punto z0 como
funciones desarrollables en series de potencias en un entorno de z0, y se
estudian sus propiedades, como por ejemplo, el hecho de que una funcin
analtica es indefinidamente derivable. Finalmente se introducen las series
dobles o series de Laurent, que permiten desarrollar funciones que presenten
algn tipo de singularidad en series de potencias positivas y negativas.
En los captulos cuarto y quinto se estudia la integral de una funcin
compleja a lo largo de una curva situada en el plano complejo y se prueban sus
propiedades. Se presenta el teorema de Cauchy y sus consecuencias,
remarcando de manera especial la frmula integral de Cauchy, que permite
expresar el valor de una funcin en el interior de un recinto cerrado a travs de
los valores que toma la funcin en la frontera del recinto, y que autoriza a
asegurar que toda funcin holomorfa es desarrollable en serie de potencias, es
decir, es analtica, y por tanto infinitamente derivable. Se tiene demostrado
entonces que los conceptos de holomorfa y analiticidad son equivalentes.
Se considera a continuacin la situacin en la que la funcin que se
quiere integrar tenga singularidades aisladas. Se estudian los distintos tipos de
XXI
singularidades que puede presentar una funcin a travs de los
correspondientes desarrollos de Laurent. Se introduce el concepto de residuo
de una funcin en un punto, y se muestra la forma de obtener el valor de la
integral de la funcin a travs del teorema de los residuos, que se aplica
tambin para la obtencin de integrales de funciones reales y de integrales
impropias.
En el sexto captulo de consideran las funciones complejas como
transformaciones geomtricas, pues una funcin compleja transforma un
subconjunto del plano complejo en otro subconjunto del plano complejo que es
precisamente la imagen a travs de la funcin del conjunto inicial. Se dedica
una especial atencin al tratamiento de las transformaciones de Mbius por sus
especiales propiedades.
Los captulos siete al doce constituyen lo que los autores consideran
como la segunda seccin. En ellos se aborda el estudio de la teora general de
las ecuaciones diferenciales ordinarias y van precedidos por una introduccin
histrica, comenzando por el siglo XVI, donde se analizan los distintos logros
que se han ido obteniendo de forma sucesiva, as como los problemas que los
generaron. De esta forma se puede conocer el origen y la evolucin de los
distintos tipos de ecuaciones diferenciales que se van a estudiar, as como de
los mtodos que se van a aplicar o de los resultados que se van a poder aplicar
al estudiar los distintos temas que se presentan a continuacin.
El objetivo fundamental del captulo siete es introducir las ecuaciones
diferenciales en el mundo fsico acercando stas a las aplicaciones. Se tratan
diferentes problemas concretos que se pueden explicar a partir de
comportamientos regidos por ecuaciones diferenciales. De esta forma se da
XXII
una primera aproximacin, que a lo largo de los siguientes captulos se ir
desarrollando, de cmo las ecuaciones diferenciales pueden proporcionar
modelos para estudiar casos tan diferentes como la dinmica de poblaciones o
como el crecimiento y desintegracin de las reacciones qumicas. Tambin,
siguiendo el desarrollo histrico de las matemticas, se tratan distintas
maneras de resolver algunas ecuaciones diferenciales conocidas, tal y como se
trabajaban en el siglo XVII.
Una de las cuestiones fundamentales en el tratamiento de las
ecuaciones diferenciales es el estudio de las condiciones por las que se puede
asegurar la existencia de solucin, o que sta sea nica, sin tener que
resolverla previamente. Una ecuacin diferencial en general no tiene por qu
tener solucin y aunque la tenga, sta no tiene por qu ser nica. En el captulo
ocho se introducen los problemas de valor inicial, o problemas de Cauchy, y se
tratan las condiciones que garantizan la existencia y la unicidad de solucin,
que se conocen como teoremas de existencia y unicidad.
Al escribir este captulo nos hemos encontrado con la dificultades
siguientes. Por un lado queramos que supieran que, siguiendo el desarrollo
histrico de las matemticas, en un principio no se imaginaba que una
ecuacin procedente de un problema fsico pudiera no tener solucin, o que
sta no fuera nica, y que fue en el curso de Anlisis que imparti Cauchy,
cuando se plante este problema, lo que supone una nueva etapa en las
matemticas. Ser conscientes de que toda ecuacin diferencial no tiene por
qu tener solucin y aunque la tenga, sta no tiene por qu ser nica, supone
un gran paso en la historia. Tratarlas, por ello, con el requerido cuidado, es
importante. Pero por otro, stos teoremas son complicados y sus
XXIII
demostraciones sobrepasan en muchas ocasiones el nivel de este libro. Se ha
valorado el grado de dificultad que presentan y se han incluido aqullas que por
el propio razonamiento que siguen puedan aportar una claridad adicional. D.
Alberto Dou fue profesor tanto de la escuela de ingenieros de caminos como de
la facultad de matemticas, impartiendo en ambos lugares, la asignatura de
ecuaciones diferenciales, y le hemos odo comentar que estos teoremas y su
desarrollo minucioso pareca adecuado en un determinado momento para los
matemticos, y que sin embargo, resultan ser tremendamente prcticos para
los ingenieros que iban a resolver las ecuaciones diferenciales que les
aparecieran usando el ordenador y los mtodos numricos, obteniendo una
solucin, que poda no tener ningn sentido si antes no haban garantizado la
existencia y unicidad de las soluciones.
El inters de los teoremas de existencia y unicidad estriba en que en
muchas ocasiones, al resolver un problema cuyo modelo es una ecuacin
diferencial, no es preciso encontrar la solucin exacta de la ecuacin y basta
encontrar valores aproximados de ella, lo que se puede conseguir aplicando
alguna frmula numrica como las que se presentan el los captulos trece y
catorce. Pero para que los valores obtenidos a partir de dichas frmulas sean
aceptables es preciso conocer a priori que el problema en cuestin tiene una
nica solucin.
En el captulo nueve se trabaja la relacin entre los sistemas de
ecuaciones diferenciales de primer orden y las ecuaciones diferenciales de
orden superior, particularizando los teoremas de existencia y unicidad a estos
casos. Se introduce la transformada de Laplace como herramienta para
transformar una ecuacin diferencial o un sistema de ecuaciones diferenciales
XXIV
en una ecuacin algebraica o un sistema de ecuaciones algebraicas, y se
estudian sus propiedades. Se estudian, de nuevo, un buen nmero de
aplicaciones particulares.
El captulo diez se ocupa de las ecuaciones diferenciales lineales de
orden superior, y el captulo once de los sistemas de ecuaciones diferenciales
lineales. El orden para impartir estos captulos es discutible. Ya se ha visto, en
el captulo anterior, la relacin existente entre un sistema de n ecuaciones
diferenciales ordinarias lineales de primer orden y una ecuacin diferencial
lineal de orden n, y la posibilidad de convertir las unas en los otros. El estudio
de la estructura algebraica de las soluciones de las ecuaciones diferenciales
lineales, estructura de espacio vectorial para las que son homogneas, y de
espacio afn, para las no homogneas, proporciona una idea de cules deben
ser los procedimientos para buscar las soluciones. Quizs un orden ms
matemtico sera estudiar antes los sistemas, pero las ecuaciones de orden
superior resultan ms sencillas, por lo que se ha decidido trabajarlas antes, y
poder as aadir en el captulo once cuestiones como la exponencial de una
matriz, especficas de los sistemas lineales.
El captulo doce es una iniciacin a los sistemas dinmicos. Los modelos
matemticos simplifican la realidad para poder estudiarla, y una de esas
simplificaciones es la linealizacin, lo que implica considerar que el proceso es
lineal. Existe para ello una razn importante. En las ecuaciones diferenciales no
lineales aparecen grandes complicaciones. Con el uso de los ordenadores se
ha visto que ecuaciones diferenciales no lineales, que verifican los teoremas de
existencia y unicidad, pueden producir caos, es decir, que si existe un pequeo
error en la obtencin de las condiciones iniciales, pueda dar lugar al cabo de un
XXV
cierto tiempo, a que la nueva solucin que se obtenga se aleje demasiado de la
anterior, con lo que el fenmeno resulte impredecible. Despus de explicar
durante muchos aos en cursos de doctorado y tercer ciclo estos hechos se ha
intentado dar unas orientaciones sencillas en este captulo donde quizs
queden abiertas las puertas de manera que el estudiante interesado pueda
sentirse invitado a seguir trabajando, pues ya sabe que no conoce todo sobre
ecuaciones diferenciales sino que existen muchos problemas abiertos de gran
inters y belleza que merecen el esfuerzo de ser estudiados.
La tercera seccin la constituyen los mtodos numricos para la
resolucin de ecuaciones diferenciales. Comienza, como las secciones
anteriores, con una breve introduccin histrica. Es interesante saber que estos
mtodos ya existan antes del uso de los ordenadores, y cmo se aplicaban a
resolver sobre todo problemas de balstica, por lo que muchas veces sus
resultados se mantenan en secreto. Con la aparicin de los ordenadores se
han podido analizar las soluciones obtenidas, comprobar qu mtodos tenan
mejores propiedades, y confeccionar aquellos que tienen una relacin calidad-
coste ptima.
Los distintos mtodos numricos para la resolucin de ecuaciones
diferenciales se agrupan en dos grandes grupos: los mtodos de un paso y los
mtodos lineales multipaso. Su estudio se realiza en los captulos trece y
catorce.
En el captulo trece se estudian los mtodos numricos para resolver
ecuaciones diferenciales de un solo paso como el mtodo de Euler, los
mtodos de Taylor, los mtodos de Runge Kutta o los pares encajados de
Runge Kutta. Una vez conocidos estos mtodos, sus ventajas y sus
XXVI
inconvenientes, se hace un estudio general de los mtodos de un paso para
poder analizar los distintos tipos de errores, el error global, el error de
truncamiento y el error local, as como los conceptos de convergencia y
consistencia. Se estudia a continuacin la estabilidad absoluta de las distintas
frmulas, y tambin se comenta brevemente la extrapolacin de Richarson.
En el captulo catorce se estudian los mtodos numricos para resolver
ecuaciones diferenciales lineales multipaso, especialmente los mtodos de
Adams-Bashforth y los mtodos de Adams-Moulton, siendo los primeros
mtodos explcitos y los segundos, implcitos. Termina el captulo con un
estudio detenido de los conceptos de convergencia, consistencia, orden de
consistencia y estabilidad, as como algunos tipos distintos de estabilidad,
como la estabilidad absoluta y la relativa de las frmulas lineales multipaso.
Termina el texto con una bibliografa separada en las tres secciones que
lo forman.
Esto es todo, los autores desean que el libro resulte de su agrado y sea
de utilidad.
Los autores
XXVII
VARIABLE COMPLEJA
La teora de las funciones de variable compleja se puede considerar,
como se observa al analizar su azarosa historia, uno de los milagros de la
Matemtica. La derivabilidad de una funcin real en un abierto slo implica, en
general, que sta tenga derivada en los puntos del abierto. Sin embargo en el
campo complejo basta que una funcin sea derivable en un conjunto abierto
para que sea infinitamente derivable en dicho conjunto. La condicin de
derivabilidad es ms fuerte en el campo complejo puesto que deben cumplirse
las condiciones de Cauchy-Riemann, pero entonces se verifican otras muchas
relaciones: las funciones como transformaciones son conformes, sus funciones
componentes son armnicas ya que verifican la relacin de Laplace, son
desarrollables en serie de potencias, tienen funcin primitiva, la integral a lo
largo de un camino cerrado es nula, etc.
Comienza el apartado de Variable Compleja con una introduccin
histrica que permite comprender las dificultades que los matemticos han ido
encontrando y resolviendo hasta que la variable compleja se ha convertido en
lo que hoy es. Esta introduccin requiere distintas lecturas, quizs, una al
principio, pero al ir avanzando en el estudio de la variable compleja se aconseja
volver de nuevo a leerlo, pues entonces se estar en condiciones de
comprender el inters y la importancia de algunos resultados.

2 Variable Compleja
HISTORIA DE LA VARIABLE COMPLEJA
El desarrollo de las Matemticas est ntimamente relacionado con la
historia del nmero. Como el producto de un nmero real por s mismo es
siempre positivo es claro que se necesita ampliar el campo numrico para dar
solucin a determinadas ecuaciones. Stillwell1 dice que los nmeros complejos
son uno de los milagros de la Matemtica: La resolucin de la paradoja de
1 fue muy poderosa, inesperada y bella por lo que nicamente la palabra
milagro parece adecuada para describirla. Al principio de su historia los
nmeros complejos fueron considerados como nmeros imposibles tolerados
nicamente en un limitado dominio algebraico porque parecan tiles para
resolver ecuaciones cbicas. Cobraron significado cuando se interpretaron
geomtricamente y no obstante la variable compleja ha servido para la
unificacin de las funciones algebraicas con las transformaciones conformes,
teora del potencial y otros imposibles campos como las geometras no
eucldeas.
Los nmeros complejos
Los nmeros complejos se empiezan a utilizar para obtener soluciones de
ecuaciones algebraicas y culminan, en este sentido, cuando se demuestra el
teorema fundamental del lgebra.
B. Riemann dijo, en su Discurso inaugural de 1 851 que la introduccin
de magnitudes complejas en las Matemticas tiene su origen y finalidad
1
Stillwell, J.: Mathematics and its history. Springer. 1989. Pgina 188.
Historia de la variable compleja 3
inmediata en la teora de leyes de dependencia simple de magnitudes
variables, leyes expresadas por operaciones entre las magnitudes. En efecto si
se les aplican estas leyes de dependencia en un campo ms extenso,
atribuyendo valores complejos a las magnitudes variables a las que se refieren
estas leyes, se presenta entonces una armona y una regularidad que sin esto
quedan escondidas.
Usualmente se dice que los nmeros complejos nacen de la necesidad de
resolver la ecuacin cuadrtica x2 + 1 = 0, con la dificultad de que carece de
sentido geomtrico el que un cuadrado tenga un rea negativa. Sin embargo
esto no es enteramente cierto. Muchas ecuaciones cuadrticas, como crculos
o parbolas, estn ya implcitas en la geometra de los griegos y entonces se
analiz si tenan o no solucin real, por ejemplo, la interseccin de una recta
con dichas figuras. Los babilonios, alrededor del ao 2000 antes de Cristo,
conocan esencialmente el mtodo para resolver ecuaciones cuadrticas, y
Hern de Alejandra (100 a. C.) utiliz 63 , aunque algebraicamente, sin
preguntarse por su significado, pues por aquellos tiempos no se especulaba
acerca de la naturaleza de las races imaginarias.
Sin embargo cuando en 1 545 Girolamo Cardano escribi2

40 5 15 ) 5 15
estos nmeros fueron considerados sin sentido y se les aplic el trmino de
imaginarios.
Incluso cuando aparecen las ecuaciones cuadrticas, con Diofanto o los
rabes, no hay razn para admitir que no tengan solucin. Se comienza a

2
Bell, E. T. (1985): Historia de las Matemticas. (2 ed.). Edic. Fondo de Cultura
Econmica.
4 Variable Compleja
necesitar cuando Ferro, Tartaglia y Cardano intentan resolver la ecuacin
cbica x3 = px + q en cuya frmula de solucin aparecen nmeros complejos
(cuando (q/2)2 (p/3)2 < 0) y sin embargo tiene siempre una solucin real.
Bombelli en 1 572 trabaj formalmente con el lgebra de los nmeros
complejos e implcitamente introdujo las funciones complejas, aunque a pesar
de ello los nmeros complejos todava eran considerados como imposibles. A.
Girard enunci en Linvention nouvelle en algbre en 1 629 el principio de
permanencia segn el cual se puede aplicar a los nmeros complejos todas
las identidades obtenidas en el campo real, y a lo largo del siglo XVIII se sigue
utilizando frecuentemente dicho principio usando la frase: recurso de las
razones extradas de la generalidad del lgebra. Estos argumentos son
criticados por Cauchy en su Cours dAnalyse (1 821) donde dice: las razones
de este tipo ... no pueden ser consideradas, a mi parecer, ms que como
inducciones propias para presentir alguna vez la verdad, pero estn poco de
acuerdo con la exactitud tan alabada de las ciencias matemticas.
Al final del siglo XVIII ya se tena una gran maestra en la manipulacin de
los nmeros complejos y sin embargo no se tena la nocin de un nmero
complejo como un par de nmeros reales formado por su parte real y su parte
imaginaria. C. Wessel, en 1 799, en el artculo Sur la reprsentation analytique
dune direction asoci todo nmero complejo con un vector del plano con
origen en O, y reinterpret con estos vectores las operaciones elementales de
los nmeros complejos. R. Argand en 1 806 en Essai sur une manire de
reprsenter les quantits imaginaires interpret geomtricamente los nmeros
complejos. El nmero i, por ejemplo, lo represent como una rotacin de un
ngulo recto alrededor del origen. A partir de dicha interpretacin ya

empezaron a usarse sin dificultades dichos nmeros.
Funciones de variable compleja
La teora moderna de las funciones de variable compleja ha tenido cuatro
fundadores: Carl Friedrich Gauss (1 777 1 855), Augustin-Louis Cauchy
(1789 1 857), Bernhard Riemann (1 826 1 866) y Karl Weierstrass (1 815
1 897).
Figura 1: Carl Friedrich Gauss (1 777 1 855)
El primero no ejerci influencia en su tiempo por no haber publicado nada,
y haberse encontrado sus manuscritos mucho tiempo despus de su muerte.
Cada uno de los otros tres matemticos sigui un camino diferente. Cauchy
impuso algunas condiciones restrictivas para que dichas funciones tengan
derivadas continuas. Su teora reposa sobre un teorema muy importante
relativo a las integrales complejas y sobre la nocin de residuo. Esta teora
contiene en germen los planteamientos geomtricos de Riemann y los

6 Variable Compleja
aritmticos de Weierstrass. La imagen geomtrica jug un papel predominante
en Riemann. Una funcin compleja era para Riemann una ley por medio de la
cual las superficies se pueden transformar y su objetivo fue el de representar
estas transformaciones y analizarlas. Weierstrass se preocup por el desarrollo
en series de potencias de la funcin dentro de su crculo de convergencia, que
se puede prolongar mediante la prolongacin analtica. Todo resultaba para l
como una consecuencia de la teora de series y esta teora estaba establecida
sobre bases slidas.
Los primeros desarrollos en serie de las funciones elementales
aparecieron en el siglo XVII. Taylor utiliz las frmulas de interpolacin de
Gregory-Newton para tener en 1 712 la frmula que lleva su nombre y obtener
el desarrollo en serie de potencias de una funcin, cuyas propiedades se
probaron por procedimientos algebraicos; se pueden utilizar las tcnicas de
derivacin e integracin de manera formal en el anillo de las series
consideradas, todava, sin preocupaciones de convergencia. Los analistas se
habituaron as, a lo largo del siglo XVIII a manipular indiferentemente
argumentos reales y complejos no slo en expresiones racionales sino incluso
en la funcin exponencial o en las funciones trigonomtricas. De Moivre, a
principios del siglo, gracias a una utilizacin sistemtica de las frmulas de la
trigonometra, resalt la relacin entre las races de un nmero complejo y la
divisin de la circunferencia en partes iguales. En la primera mitad del siglo se
utilizaron frmulas notables entre las funciones elementales.
La funcin logaritmo
La extensin del campo complejo a la funcin logaritmo hace aparecer un

problema que no tena lugar con las funciones reales: las funciones
multiformes. En virtud del principio de permanencia no existi duda, a principios
del siglo XVIII, sobre la existencia de una funcin, y por tanto unvoca, log z,
dz
definida por: e log z z , y que verifica la ecuacin diferencial: d (log z ) . En
z
este contexto la determinacin de los logaritmos de 1 y de i condujo a
contradicciones indisolubles dando lugar a la clebre controversia entre
Gottfried Wilhelm Leibniz (1 646 1 716) y Jean Bernoulli de 1 700 a 1 716.
dz
Bernoulli en 1 702 observ la descomposicin de la integral de en
1 z 2
dos fracciones y lleg a la conclusin de que los logaritmos imaginarios
expresan sectores circulares reales, lo que dicho en lenguaje actual equivale a
1 i z
decir que arctg z log . Sin embargo persistentemente sostena que
2i i z
log(x) = log(x), y en particular que log(1) = 0, pues d(log(x)) = 1/x = d(log x).
Leibniz en cambio afirmaba que los logaritmos de los nmeros negativos,
y por una razn ms fuerte los de los nmeros imaginarios, eran imaginarios.
Utilizaba en su razonamiento el principio de permanencia, y por l, la
inyectividad del logaritmo complejo. Este desacuerdo entre dos grandes de las
Matemticas hizo que existiera una fuerte controversia y produjo en aquella
poca un profundo malestar.
Leonhard Euler3 (1 707 1 783) expres con claridad la necesidad de
abandonar el principio de permanencia, rompiendo con los principios de
Leibniz, y con una claridad genial afirm que se deba abandonar la unicidad de
la funcin logaritmo afirmando que todo nmero real positivo tiene una infinidad
3
Euler, L: Letter to John Bernoulli. 10-XII-1728. Bibli. Math. ser. 3, 4, 352-354.
8 Variable Compleja
de logaritmos complejos de los cuales slo uno es real. Los logaritmos
complejos son funciones infinitamente valoradas.
La memoria de Euler no convenci a sus contemporneos, en especial a
DAlembert (1 717 1 783) quien volvi a utilizar las ideas de Bernoulli,
apoyadas con las suyas propias, para mostrar que los logaritmos de las
cantidades negativas se podan suponer indiferentemente reales o imaginarios
dependiendo del sistema de logaritmos que se eligiese.
Diversas frmulas obtenidas por Leonhard Euler mostraron que a menudo
es posible reunir dos igualdades reales en una sola igualdad compleja, efectuar
en ella los clculos y separando parte real e imaginaria obtener nuevas
expresiones de inters, que son difciles de conseguir directamente. Al mismo
tiempo Ctes (1 714) descubri la relacin entre los logaritmos complejos y las
funciones circulares: log(cos x + isen x) = ix, reconociendo la importancia de
este resultado en el trabajo titulado Harmonia Mensurarum. Se usaron
medidas de las funciones logaritmo y arco tangente, relacionadas con las
dx dx
integrales 1 x y 1 x 2 , aunque no se comprendi porqu eran necesarias
esas extraas medidas. Despus de Bernoulli sta fue la primera vez en que
se empez a sospechar que el problema de determinar el dominio de la funcin
logaritmo compleja y de las inversas de las funciones circulares era
esencialmente el mismo.
Integracin
En una serie de memorias de publicacin pstuma, escritas a partir de
1776, Euler utiliz los nmeros complejos para obtener, a partir de integrales
reales ya conocidas, otras integrales. Y en su obra De integrationibus maxima
memorabilis ex calculo imaginariorum oriundis lleg a escribir las ecuaciones
que tradicionalmente se conocen con el nombre de Cauchy-Riemann.
DAlembert en su ensayo Essai sur une nouvelle thorie de la rsistence des
fluides hizo la primera descripcin sobre las funciones armnicas conjugadas
que Riemann tomar como punto de partida de su teora sobre las funciones de
variable compleja en su discurso inaugural de 1 851. Joseph-Louis Lagrange
(1736 1 813) lo utilizar en la mecnica de fluidos.
Euler y Laplace, hacia la misma poca, pero de forma independiente,
utilizaron frmulas de clculo bastante parecidas para el tratamiento de
integrales definidas, aunque ninguno de ellos las consideraba suficientemente
rigurosas. En Memoire sur les intgrales dfinies Poisson seal que la
b
integral a f ( x ) dx puede no ser la misma segn que la variable pase de a a b
por una sucesin de valores reales o por valores imaginarios, llegando a
expresar que la integral depende del camino recorrido, base del concepto de
integral curvilnea.
La idea de Gauss sobre la futura teora de variable compleja era ya
notablemente clara en 1 811. Por entonces Gauss ya tena la representacin
geomtrica de los nmeros complejos y la nocin de integral curvilnea, el
teorema integral de Cauchy e incluso las primeras nociones sobre los periodos
de las integrales. Pero no expuso sus ideas pblicamente hasta 1 831.
Cauchy y la variable compleja
Cauchy no utiliz la representacin geomtrica hasta 1 825 y en su

10 Variable Compleja
Cours dAnalyse continu representando a los nmeros complejos como
expresiones simblicas que pueden ser sometidas a las diversas operaciones
del lgebra.
Figura 2: Augustin-Louis Cauchy (1 789 - 1 857).
Cauchy est muy relacionado con los ms importantes resultados de la
poca. Estudi con precisin la convergencia de una serie de potencias
resaltando la existencia del radio de convergencia, y tambin el problema
recproco, la posibilidad de desarrollar localmente en serie de potencias una
funcin holomorfa, siendo el radio de convergencia la distancia del centro a la
singularidad ms prxima. Escribi Mmorie sur les intgrales dfinies prises
entre des limites imaginaires, autntico punto de partida de las integrales
curvilneas, donde aparece el concepto de variacin continua de las curvas que
hoy se conoce por homotopa y el caso en el que la funcin se vuelve infinita
en puntos de un rectngulo de lados paralelos a los ejes. Hasta 1 850 Cauchy
no consider otras singularidades que los polos. Introdujo la nocin de residuo
en Sur un nouveau genre de calcul analogue au calcul infinitsimal dando en

una nota posterior la frmula de los residuos para un rectngulo.
En Turn en 1 831 public una memoria sobre la mecnica celeste donde
desarroll un mtodo para el estudio de la convergencia de series y acotacin
de errores al sustituir la serie por la suma de un nmero finito de trminos.
Estableci la frmula integral que lleva el nombre de teorema integral de
Cauchy y las desigualdades de Cauchy de las que se sigue de forma
inmediata el teorema de Liouville, esencial en el estudio de las funciones
enteras.
Una extensin importante de estos resultados se debe a P. M. H. Laurent
(1 813 1 854) quien consider funciones holomorfas definidas sobre coronas
circulares y lleg al desarrollo conocido con su nombre, que es el punto de
partida del estudio de las singularidades esenciales.
Como ya se ha indicado, Cauchy no present jams una visin general de
su teora, que fue elaborada en distintas memorias e innumerables notas
publicadas en Comtes Rendues. Hacia 1 844 J. Liouville (1 809 1 882) en sus
clases impartidas en el Collge de France dedicadas a funciones peridicas
intent establecer una exposicin sistemtica de las funciones de variable
compleja, pero dichas lecciones no fueron publicadas, aunque dieron lugar a
una querella entre Cauchy y Liouville sobre la prioridad del teorema que hoy se
conoce como de Liouville. Las lecciones de Cauchy son el origen de la primera
presentacin de la teora de funciones realizada por Briot y Bouquet en
Recherches sur la thorie des fonctions (Journal de lEcole Polytechnique,
1856). Las demostraciones estn incompletas en muchas ocasiones y se
utilizaron nociones intuitivas de topologa por lo que es necesario esperar a
Weierstrass para una construccin precisa.

Riemann y la variable compleja
Figura 3: Bernhard Riemann (1 826 1 866)
La primera publicacin de Riemann fue su discurso inaugural Principios
fundamentales para una teora general de las funciones de una variable
compleja (Gttingen, 1 851). l mismo indic que sus demostraciones eran a
menudo incompletas, y nicamente con la construccin de nuevas teoras y
entes matemticos podran ser posteriormente rellenadas las lagunas. La
primera presentacin completa de estos trabajos de Riemann se debe a H.
Weyl que utiliz nociones como variedad analtica, homologa y formas
armnicas. Riemann descubri nuevas geometras que con una axiomatizacin
conveniente han llegado a ser el cuadro geomtrico de la Fsica y la
Matemtica contempornea.
Riemann se situ en un marco geomtrico y represent los nmeros
complejos como puntos de un plano. Escribi por ejemplo: Cuando a todo
valor de z le corresponde un valor determinado w, variando de forma continua

con z, ..., entonces a todo punto del plano A corresponde un punto del plano B,
a toda lnea, de forma general, una lnea, a toda porcin conexa de superficie,
una porcin de superficie igualmente conexa. En consecuencia se puede
considerar esta dependencia de la magnitud w de z como una representacin
del plano A sobre el plano B. As nos mostraba Riemann que w es una funcin
de z, derivable en sentido complejo si entre dos tringulos infinitesimales que
se corresponden hay similitud.
La idea fundamental de Riemann para estudiar una funcin multiforme fue
recuperar la uniformidad de la funcin desdoblando, tantas veces como fuera
necesario, los valores de la variable. Dijo entonces: la funcin multiforme
admite en cada punto de una superficie que representa as el modo de
ramificacin, un nico valor determinado, y puede ser vista como una funcin
perfectamente determinada sobre esa superficie. Explic cmo las familias de
funciones algebraicas y los perodos de sus integrales estn caracterizados por
un nico invariante topolgico de sus superficies de Riemann, el orden de
conexin, definido a partir de sistemas de curvas. Riemann obtuvo, en su
memoria, teoremas de prolongacin para funciones armnicas, el principio del
mdulo mximo y el principio de prolongacin analtica. Termin con una
magistral aplicacin del principio de Dirichlet, que dice que: Dos superficies de
Riemann simplemente conexas pueden siempre ser representadas
conformemente una sobre la otra.
Weierstrass y la variable compleja
La motivacin principal de Weierstrass fue el estudio de las funciones
elpticas y abelianas, y desde este punto de vista profundiz en la teora de las

funciones de variable compleja.
Hizo una presentacin rigurosa de la teora, independiente de toda
referencia a la intuicin geomtrica. Sus primeros trabajos, que datan de 1 840
a 1 842, se publicaron por primera vez en 1 894, por lo que fueron ignorados
por sus contemporneos.
Figura 4: Karl Weierstrass (1 815 1 897)
Conoci el desarrollo en serie de Laurent; introdujo la nocin de
convergencia uniforme y demostr, utilizando el mtodo de los mayorantes, el
teorema sobre las soluciones analticas de un sistema de ecuaciones
diferenciales mediante el desarrollo en serie; esboz la teora de la
prolongacin analtica y el estudio de los puntos singulares. Weierstrass se hizo
clebre cuando en 1 854 publica su memoria Sobre la teora de funciones
abelianas. Entre 1 857 y 1 887 elabor cuidadosamente su edificio
matemtico, donde partiendo de una construccin correcta de los nmeros
reales desemboc en una teora general de las funciones analticas, y en la
teora de las funciones elpticas y abelianas.
El punto de partida de Weierstrass fue el concepto de funcin analtica. La

representacin local de una funcin analtica como serie de potencias hizo ver
que una funcin de este tipo posee numerosas propiedades anlogas a las de
un polinomio. Esto permiti hablar del orden de un cero, y partiendo del hecho
de que los ceros son aislados se lleg al principio de prolongacin analtica.
En su memoria Teora de las funciones analticas Weierstrass demostr
que si una funcin tiene una singularidad esencial en un punto, z0, el conjunto
de imgenes de los puntos de un disco cualquiera centrado en dicho punto y
sin su centro (disco pinchado) es denso en el plano complejo. Este resultado
fue completado por E. Picard (1 856 1 941), en 1 879, demostrando que este
conjunto de valores omite, a lo sumo, un punto del plano complejo.

CAPTULO 1
Los nmeros complejos
La variable compleja permite resolver problemas muy diferentes dentro de
reas tan variadas como pueden ser hidrulica, aerodinmica, electricidad,
electromagnetismo... Algunos de ellos slo requieren el conocimiento de los
nmeros complejos, como sucede en el caso del clculo de los autovalores
asociados a sistemas de ecuaciones diferenciales lineales. Otros en cambio
requieren la utilizacin de la teora de funciones analticas complejas, como los
problemas de contorno que aparecen, por ejemplo, en el estudio del flujo de
fluidos,1 la conduccin del calor, la elasticidad o el potencial electrosttico.
Muchos problemas geomtricos pueden resolverse utilizando las
transformaciones complejas. Mientras que para los primeros bastara con los
contenidos que se revisan en este captulo, sobre los nmeros complejos y las
propiedades de sus operaciones que quiz ya conozca el alumnado de
secundaria, sin embargo para resolver los problemas de los siguientes tipos se
requiere un conocimiento profundo sobre las funciones complejas que se
estudiarn en los siguientes captulos.
Dentro de las Matemticas propiamente dichas, es interesante estudiar la
variable compleja por estar estrechamente relacionada con distintas reas, de
manera que su estudio pueda hacer accesible parte del lgebra, de la
1
Ver en Lamb, H.: Hydrodynamics, aplicaciones de la teora de funciones analticas a la
hidrodinmica.
18 Captulo 1: Variable Compleja
trigonometra, o proporcione herramientas para el clculo integral y la teora de
ecuaciones diferenciales ordinarias y en derivadas parciales.
Comienza este captulo con una revisin del conjunto de los nmeros
complejos, su estructura algebraica de cuerpo conmutativo, la conjugacin, los
conceptos de mdulo y argumento, su interpretacin geomtrica en el plano y
las operaciones elementales en forma binmica y en forma polar, pues para
poder entender adecuadamente las funciones de variable compleja es
necesario comprender el conjunto sobre el que estn definidas: los nmeros
complejos. Se suponen conocidas las propiedades de los nmeros reales.
Al dotar el campo de los complejos de una distancia se tiene un espacio
mtrico. La estructura de orden de los nmeros reales se pierde con los
nmeros complejos, por lo que el concepto de infinito es ahora distinto. Es
preciso ampliar el conjunto de los complejos aadiendo un nuevo ente, el
infinito, y explicar su significado.
1.1. EL CUERPO DE LOS NMEROS COMPLEJOS
Los antiguos algebristas operaron con expresiones en las que apareca
1 . Leibniz, en el siglo XVII, todava deca que 1 era una especie de
anfibio entre el ser y la nada. En 1 777 Euler le dio al monstruo 1 el
nombre de i (por imaginario). En la actualidad esta notacin se usa casi
universalmente, excepto en ingeniera elctrica, donde se utiliza j en lugar de i,
ya que esta letra se usa para indicar la intensidad de la corriente.

Cuando se desarroll la teora de los nmeros complejos, la electricidad
era una materia de inters slo de laboratorio. Pero antes del final del siglo XIX
los descubrimientos sobre electricidad y electromagnetismo transformaron el
mundo, y en este proceso los nmeros complejos fueron una herramienta que
simplific el clculo con las corrientes alternas. Esto prueba que conocimientos
que son matemtica pura para una generacin se convierten en aplicados para
la siguiente.
1.1.1. Nmeros complejos en forma binmica
Definicin 1.1.1:
Un nmero complejo se define como una expresin de la forma
z = x + iy
donde x e y son nmeros reales.
Este tipo de expresin, z = x + iy, se denomina forma binmica.
Se llama parte real de z = x + iy al nmero real x, que se denota Re(z), y
parte imaginaria de z = x + iy, al nmero real y, que se denota Im(z), por lo
que se tiene entonces que: z = Re(z) + iIm(z).
El conjunto de los nmeros complejos es, por tanto,
C = {z = x + iy; x, y }.
Esta construccin permite considerar a los nmeros reales como un
subconjunto de los nmeros complejos, siendo real aquel nmero complejo de
parte imaginaria nula. As, los nmeros complejos de la forma z = x + i0 son
nmeros reales y se denominan nmeros imaginarios a los de la forma z = 0 +

iy, es decir, con su parte real nula.
Dos nmeros complejos z1 = x + iy y z2 = u + iv son iguales si y slo si
tienen iguales sus partes reales y sus partes imaginarias: x = u, y = v.
1.1.2. Operaciones en forma binmica
Las operaciones de suma y producto definidas en los nmeros reales se
pueden extender a los nmeros complejos. Para la suma y el producto de dos
nmeros complejos escritos en la forma binmica: x + iy, u + iv se tienen en
cuenta las propiedades usuales del lgebra con lo que se definen:
Definicin 1.1.2:
Suma: (x + iy) + (u + iv) = (x + u) + i(y + v)
Definicin 1.1.3:
Producto: (x + iy) (u + iv) = (xu yv) + i(xv + yu)
Se comprueba que el cuadrado del nmero complejo i es un nmero real
negativo, 1, pues: (0 + i) (0 + i) = 1 + i(0) = 1.
Si los nmeros complejos son reales, con su parte imaginaria nula, estas
operaciones se reducen a las usuales entre los nmeros reales ya que:
(x + i0) + (u + i0) = (x + u) + i(0)
(x + i0) (u + i0) = (xu) + i(0)
Esto permite considerar al cuerpo de los nmeros reales como un
subconjunto de los nmeros complejos, C.
Definicin 1.1.4:
El conjugado del nmero complejo z = x + yi, se define como: z x y i
1.1.3. Propiedades algebraicas
El conjunto de los nmeros complejos con las operaciones de suma y
producto tiene estructura de cuerpo conmutativo. Esto es, verifica las
siguientes propiedades:
1. Propiedad asociativa de la suma: (z1 + z2) + z3 = z1+ (z2 + z3) para
todo z1, z2, z3 C.
2. Propiedad conmutativa de la suma: z1 + z2 = z1 + z2 para todo z1, z2
C.
3. Existencia de elemento cero: Existe un elemento, 0 = 0 + 0i, tal
que para todo z C, verifica: z + (0 + 0i) = (0 + 0i) + z = z.
4. Existencia de elemento opuesto: Para todo z C, existe z C,
definido como z = x + (y)i, tal que z + (z) = 0.
5. Propiedad asociativa del producto: (z1z2)z3 = z1(z2z3) para todo
z1, z2, z3 C.
6. Propiedad conmutativa del producto: z1z2 = z1z2 para todo z1, z2
C.
7. Existencia de elemento unidad: Existe un elemento, 1 = 1 + 0i, tal
que para todo z C, verifica: z(1 + 0i) = (1 + 0i)z = z.
8. Existencia de elemento inverso: Para todo nmero complejo no
1 x iy
nulo, z C/{0}, existe z-1 = , tal que zz -1 = 1.
2
z x y 2
9. Propiedad distributiva: z1(z2 + z3) = z1z2 + z1z3 para todo z1, z2, z3
C.
Todas estas propiedades son sencillas de verificar, lo que se deja como
ejercicio. (Ejercicio 1.1).
Se observa que, en efecto, el inverso de z no est definido para el
elemento nulo, pues entonces se estara dividiendo por cero, ya que entonces
x2 + y2 = 0.
El cuerpo de los complejos es algebraicamente cerrado. Esto significa que
cualquier polinomio de grado n, mayor o igual a uno, con coeficientes reales o
complejos tiene al menos una raz compleja. Este resultado, (que se
demostrar en el captulo 4) se conoce como Teorema Fundamental del
lgebra y fue probado por Gauss (1 799). Como consecuencia se tiene que
cada polinomio de grado n tiene exactamente n races en el campo complejo,
no necesariamente distintas.
Se recuerda que los nmeros reales tienen estructura de cuerpo
conmutativo y ordenado. Al ser un subconjunto de los nmeros complejos, son
un subcuerpo de ellos. Pero como contrapartida se pierde una importante
propiedad, el orden. El cuerpo de los nmeros complejos no es un cuerpo
ordenado.
Ejemplos resueltos
Ejemplo 1.1.1: Calcular (2 i)(1 + 2i)
Para calcular (2 i)(1 + 2i) se procede con las reglas usuales del lgebra
teniendo en cuenta que i2 = 1:
(2 i)(1 + 2i) = 2 + 4i i 2i2 = 2 + 4i i + 2 = 4 + 3i.
Ejemplo 1.1.2: El conjugado del nmero complejo z = 3 + 5i, es z 3 5i
Ejemplo 1.1.3: Para dividir nmeros complejos se multiplica, numerador y
denominador por el conjugado del denominador, y as se consigue que el
denominador sea un nmero real:
2 2( 1 i) 2 2i
1 i .
1 i ( 1 i) (1 i) 1 1
Ejemplo 1.1.4: Para elevar a potencias la unidad imaginaria, se tiene en
cuenta que i2 = 1, y por tanto, i3 = i, i4 = 1:
i6 = 1,
1 1 i
i-3 = i.
i 3 i ( 1)
Ejemplo 1.1.5: Calcular (1 + i)4.
Utilizando el binomio de Newton se obtiene:
4 4 4 2 4 3 4 4
(1 + i)4 = 14 + i + i + i + i = 1 + 4i 6 4i + 1 = 4.
0 1 2 3 4
Ejercicios
1.1. Demostrar que las operaciones de suma y producto de nmeros
complejos dotan a C de una estructura de cuerpo conmutativo.
1.2. Comprobar que:
a) (1 i)4 = 4.
5 10i 2 i
b) 2
3 4i i
c) (1 + i)5 = 4 4i
1.3. Realizar las siguientes operaciones con nmeros complejos:
68
a)
(1 i) (2 i) (3 i)
b) (2 + i) i (1 2i) .
2i 3i
c)
4 3i 5i
d) (3 2i)(3 + 2i)
1.4. Comprobar si:
a) Im(iz) = Re(z).
b) Re(iz) = -Im(z).
c) Im(iz) = 0.
1 1
d) Re((3 i)( i )(3 + i)) = 2.
5 10
1.5. Comprobar si:
a) Im z3 = 3x2y y3
b) (Im z)3 = y3.
z 2 xy
c) Im 2
z x y2
1.6. Calcular:
z
a) Im
z
b) Re(z4)
c) (Re(z))4
1.2. REPRESENTACIN GEOMTRICA. DIAGRAMA
DE ARGAND
El desarrollo moderno de los nmeros complejos empez con el
descubrimiento de su interpretacin geomtrica que fue indistintamente
expuesta por John Wallis (1 685) y ya de forma completamente satisfactoria por
Caspar Wessel (1 799). El trabajo de Wessel no recibi ninguna atencin, y la
interpretacin geomtrica de los nmeros complejos fue redescubierta por Jean
Robert Argand (1 806) y de nuevo por Carl Friedrich Gauss (1 831).
El conjunto de los nmeros complejos con las operaciones de suma y el
producto por un nmero real tiene estructura de espacio vectorial de dimensin
dos, y es, por tanto, isomorfo a 2. Una base de este espacio est formada por
el conjunto {1, i}. (Ejercicio 1.7).
z = x + iy
Figura 1.1: Representacin de los nmeros complejos

Al igual que los nmeros reales representan los puntos de una recta, los
nmeros complejos pueden ser puestos en correspondencia biunvoca con los
puntos de un plano. Los nmeros reales se representan en el eje de abscisas o
eje real, y a los mltiplos de i = 1 se les representa como puntos del eje
imaginario, perpendicular al eje real en el origen. A esta representacin
geomtrica se la conoce como el Diagrama de Argand. El eje y = 0 se
denomina eje real y el x = 0, eje imaginario.
Como la condicin necesaria y suficiente para que x + iy coincida con u +
iv es que x = u, y = v, el conjunto de los nmeros complejos se identifica con
2, y los nmeros complejos se pueden representar como puntos del plano
complejo. El nmero complejo z = x + iy se corresponde con la abscisa y la
ordenada del punto del plano asociado al par (x, y). En unas ocasiones se
refiere el nmero complejo z como el punto z y en otras como el vector z.
La suma de nmeros complejos corresponde grficamente con la suma
de vectores. Sin embargo, el producto de nmeros complejos no es ni el
producto escalar de vectores ni el producto vectorial.
El conjugado de z, z , es simtrico a z respecto del eje de abscisas.
Ejemplos resueltos
Ejemplo 1.2.1: Representar en el plano de Argand los nmeros complejos:
a = 2 + i, b = 2i y c = 2 2i.
Los nmeros complejos a = 2 + i, b = 2i y c = 2 2i se representan:

b=2i a = 2+i
c=22i
Figura 1.2: Ejemplo 1.2.1 - Representacin de a, b y c.

Figura 1.2.2: Representacin de los nmeros complejos a, b y c.
Ejemplo 1.2.2: Representar en el plano de Argand los nmeros complejos:
2 + 3i, 1 + 2i, 3 2i, 5 + i y 4 3i.
Figura 1.3: Ejemplo 1.2.2 - Representacin de nmeros complejos
Ejemplo 1.2.3: Representar el nmero complejo conjugado de a = 2 + i.
El conjugado de a = 2 + i, 2 i, se representa:
2+i
2i
Figura 1.4: Ejemplo 1.2.3 - Representacin del conjugado.
Figura 1.2.4: Representacin del conjugado.
y se observa que es el simtrico respecto del eje de abscisas. La conjugacin
es un automorfismo del campo complejo relacionado con la simetra.
Ejemplo 1.2.4: Representar la suma de dos nmeros complejos.
La suma se representa igual que la suma vectorial:
Figura 1.2.4: Representacin de la suma de nmeros complejos.

Figura 1.5: Representacin de la suma de nmeros complejos.
Ejemplo 1.2.5: Representar el producto del nmero complejo 2 + i por la
unidad imaginaria: i.
El producto de 2 + i por i es igual a 1 + 2i, y al representarlo se observa
que multiplicar por la unidad imaginaria es girar 90.

Figura 1.2.6: Representacin del producto de un nmero complejo por la unidad imaginaria
Figura 1.6: Representacin del producto de un nmero complejo por la unidad imaginaria
Ejercicios
1.7. Demostrar que C, con las operaciones de suma y el producto de
un nmero real, tiene estructura de espacio vectorial bidimensional.
1.8. Representar grficamente los siguientes nmeros complejos:
a) a = 3i
b) b = 2i
c) c = 5
d) d = 1 + i
e) e = 1 i
1.9. Representar grficamente el conjugado de los nmeros
complejos:
a) a = 3i
b) b = 2i
c) c = 5
d) d = 1 + i
e) e = 1 i
1.10. Representar grficamente la suma de los siguientes nmeros
complejos:
a) a + b
b) a + c
c) b + d
d) d + e
1.11. Representar grficamente el producto de los siguientes
nmeros complejos:
a) ai
b) bi
c) ci
d) di
e) ei.
1.3. FORMA POLAR
1.3.1. Mdulo
Definicin 1.3.1:
El mdulo de un nmero complejo se define como z x2 y 2 , y
representa la distancia de z al origen, es decir, la longitud del vector libre (x, y)
de 2.
Por tanto el mdulo nunca puede ser un nmero real negativo. El mdulo
de un nmero real coincide con su valor absoluto.
Aunque no tiene sentido decir si z1 < z2, salvo que sean nmeros reales,
s tiene sentido la desigualdad z1 z2 y significa que z1 est ms prximo al
origen que z2.
Otra forma de expresar el mdulo de un nmero complejo es mediante la
expresin z z z donde z es el conjugado de z, siendo el producto de un
nmero complejo por su conjugado igual a (x + iy)(x iy) = x2 + y2 un nmero
real y positivo.
1.3.2. Argumento
El argumento de un nmero complejo z, si z 0, representa el ngulo, en
radianes, que forma el vector de posicin con el semieje de abscisas positivas.
x y
Es por tanto cualquier nmero real tal que cos = , sen = . Se tiene
z z
entonces que cada nmero complejo no nulo tiene infinidad de argumentos,
positivos y negativos, que se diferencian entre s en mltiplos enteros de 2.
Si z es igual a cero, su mdulo es cero, pero su argumento no est
definido.
Si se quiere evitar la multiplicidad de los argumentos se puede

seleccionar para un intervalo semiabierto de longitud 2, lo que se llama
elegir una rama del argumento; por ejemplo, si se exige que (, ], (o para
otros autores a [0, 2)), se obtiene el argumento principal de z, que se denota
por Arg(z). Si z es un nmero real negativo su argumento principal vale . En
ocasiones es preferible utilizar argumentos multivaluados:
arg(z) = {Arg(z) + 2k; kZ}
donde Z representa el conjunto de los nmeros enteros.
Si se define Arg(z) como arctg(y/x) se tiene una nueva ambigedad, ya
que existen dos ngulos en cada intervalo de longitud 2 de los cuales slo uno
es vlido. Por todo ello, las afirmaciones con argumentos deben ser hechas
con una cierta precaucin, pues por ejemplo la expresin:
arg(zw) = arg(z) + arg(w)
es cierta si se interpretan los argumentos como multivaluados.
Si z es distinto de cero, z verifica que z = z, y Arg( z ) = Arg(z).
1.3.3. Propiedades del mdulo, del conjugado y del
argumento de un nmero complejo
Algunas propiedades del conjugado y del mdulo de un nmero complejo
son:
1. z, w C, z w = z + w , z w = z w , z w = z w .
2. z C, z = z, Arg( z ) = Arg(z), arg( z ) = arg(z).
3. z z = z .
z z
4. z, w C, z z = z2, z = z, zw = zw, .
w w
5. z = 0 z = 0.
zz zz
6. z C, Re(z) = , Im (z) = .
2 2i
7. z C, Re(z)z, Im(z)z, zRe(z)+Im(z)
8. z, w C, zwz + w z+ w
Las propiedades de la conjugacin prueban que sta es un
automorfismo idempotente en C. Se observa que las desigualdades 7 y 8 son
siempre entre nmeros reales, no entre complejos, por lo que s tiene sentido
escribir una desigualdad. La segunda parte de la propiedad 8 se conoce con el
nombre de desigualdad triangular. Las propiedades del mdulo prueban que
ste es una norma en el espacio vectorial C.
La comprobacin de estas propiedades se deja como ejercicio. (Ejercicio
1.12).
1.3.4. Forma polar
Definicin 1.3.2:
Si es igual al mdulo del nmero complejo no nulo z y es un
argumento de z, entonces (, ) son las coordenadas polares del punto z.
La conversin de coordenadas polares en cartesianas y viceversa se
hace mediante las expresiones:
x = cos , y = sen , por lo que z = x + iy = (cos + isen ).
Esta ltima expresin es vlida incluso si z = 0, pues entonces = 0, por

lo que se verifica para todo .
Ejemplos resueltos
Ejemplo 1.3.1: Calcular el mdulo de los siguientes nmeros complejos:
2 + 3i y 4 + i.
Al calcular 2 3i 13 y 4 i 17 se sabe que el primero dista
menos del origen que el segundo.
Ejemplo 1.3.2: Calcular el argumento de los siguientes nmeros
complejos: 5i, 7i, 3 y3.
3
El argumento principal de 5i es igual a , el de 7i es , el de 3 vale 0
2 2
y el 3 es .
Ejemplo 1.3.3: Escribir en forma binmica el nmero complejo de mdulo

2 y argumento .
3

El nmero complejo de mdulo 2 y argumento principal es 1+ 3 i, ya
3

que: x = 2 cos = 1 e y = 2 sen = 3.
3 3
Ejemplo 1.3.4: Calcular el mdulo y el argumento de: 1 i.
El nmero complejo 1 i tiene de mdulo = ( 1) 2 ( 1) 2 = 2.
5
Uno de sus argumentos es + = , y su argumento principal es
4 4
3 3
, por tanto arg(1 i) = + 2k.
4 4
Ejemplo 1.3.5: Comprobar si se verifica que Arg(zw) = Arg(z) + Arg(w).
Se verifica que arg(zw) = arg(z) + arg(w) considerando estos argumentos
como conjuntos, y en general no se verifica que Arg(zw) = Arg(z) + Arg(w),

pues por ejemplo Arg((i)2) = Arg(1) = , mientras Arg(i) + Arg(i) =
2 2
= .
Ejercicios
1.12. Demostrar las propiedades del apartado 1.3.3.
1.13. Discutir el significado de las siguientes expresiones, poniendo
distintos ejemplos:
a) arg(zw) = arg(z) + arg(w),
b) arg( z ) = arg(z1) = arg(z),
c) arg(z/w) = arg(z) arg(w).
1.14. Calcular el modulo y el argumento principal de los siguientes
nmeros complejos:
a) 3 i
b) 2 2i
c) 1 3i
d) 4i
1.15. Expresar en forma polar los siguientes nmeros complejos:
a) i
b) i
c) 4 + 4i
d) 4
1.4. FORMA EXPONENCIAL DE UN NMERO
COMPLEJO
Definicin 1.4.1.:
Se denomina Frmula de Euler a la expresin:
ei = exp(i) = cos + isen ,
donde se mide en radianes.
Definicin 1.4.2:
La frmula de Euler permite expresar un nmero complejo no nulo en lo
que se conoce como la forma exponencial:
z = zei = ei.
Al estudiar la funcin exponencial se justificar esta expresin.
Para cada valor previamente fijado de los puntos de la ecuacin z =
ei estn sobre la circunferencia de radio y centro el origen.
Dos nmeros complejos, z1 = ei y z2= rei, no nulos, son iguales si, y
slo si, = r y = + 2k, donde k es cualquier nmero entero.

1.4.1. Operaciones entre nmeros complejos en forma
exponencial
Para multiplicar nmeros complejos expresados en una de estas
formas, basta multiplicar sus mdulos y sumar sus argumentos:
(ei) (rei) = (r)ei(+).
La relacin entre nmeros complejos y transformaciones geomtricas,
donde multiplicar por i corresponde a girar 90, y multiplicar por a + bi es girar
el argumento de dicho nmero y aplicar una homotecia de razn su mdulo, es
muy til en la Mecnica y en otras partes de la Fsica.
Para dividir nmeros complejos, basta dividir sus mdulos y restar sus
argumentos:
e i i ( )
e
r e i r
El inverso de un nmero complejo distinto de cero, z = ei, tiene como
mdulo, el inverso del mdulo, y como argumento, el opuesto del argumento:
1 1 i
z 1 e
z
Para elevar un nmero complejo a una potencia, se eleva el mdulo a
dicha potencia, y se multiplica el argumento por el exponente. As:
(rei)n = (rn)eni,
cualquiera que sea el nmero entero n, lo que permite calcular races n-simas.
Para calcular la raz n-sima de un nmero complejo, w n z , se tiene

en cuenta que si w r e i n z n e i el mdulo r debe ser igual a r n ,
pero al tener un nmero complejo muchos argumentos, ahora el argumento no
es nico, sino que se tienen n argumentos distintos, e iguales a
2k 2k
, donde k toma los valores desde 0 hasta n 1 antes de
n n n
que dichos valores comiencen a repetirse.
Por tanto la funcin raz n-sima es una funcin multivalorada, con n
valores que se pueden representar grficamente en los vrtices de un n-gono
regular de centro el origen y radio, el mdulo r n , pues todas las races
estn situadas en la circunferencia de radio r n uniformemente espaciadas
2
cada radianes.
n
Todas estas expresiones pueden deducirse teniendo en cuenta que en
la frmula de Euler, ei = cos + isen , se encierra toda la trigonometra
elemental.
A modo de ejemplo se demuestra la frmula del producto de nmeros
complejos en forma exponencial:
z1 z2 = (ei) (rei) = (r)ei(+).
Demostracin:
z1 z2 = (ei) (rei) = (cos + isen ) r(cos + isen ) =
= (r) [cos cos sen sen ] + i[cos sen + sen cos ] =
= (r)(cos (+) + isen (+)) = (r)ei(+ ).
De igual modo se obtiene la frmula del seno de una suma o del coseno
de una suma considerando en la demostracin anterior nmeros complejos de
mdulo uno.
Se comprueba que el conjugado de un nmero complejo tiene el mismo
mdulo y el argumento opuesto: e i = e-i.
1.4.2. Frmula de Moivre
Al aplicar la frmula obtenida de una potencia al nmero complejo de
n e in , se obtiene que
mdulo uno, e i
(cos + isen )n = cos(n) + isen(n),
cualquiera que sea el nmero entero n.
Esta expresin, que permite conocer sen(nx) o cos(nx) en funcin de cosx
y sen x desarrollando la potencia mediante el binomio de Newton y separando
partes real e imaginaria, se conoce como frmula de Moivre.
Ejemplos resueltos
Ejemplo 1.4.1: Representar grficamente el producto de los nmeros

i i
6 4
complejos: 2 e , 3 e .
Figura 1.7: Representacin del producto de nmeros complejos
2
Ejemplo 1.4.2: Calcular: .
1 3i
2
Para dividir se pueden escribir los nmeros complejos en forma
1 3i
exponencial y dividir los mdulos y restar los argumentos:
2
2 2 e i 2 ( 3 )i i 1 3
= e 1e 3 i
1 3i 2 2 2
i
2e 3
2
2 i
Por tanto escrito en forma exponencial es e 3 , de mdulo 1, y
1 3i
2
argumento principal . Decir que su mdulo es 1 es decir que est sobre la
3
circunferencia de centro el origen y radio 1.
60
2
Ejemplo 1.4.3: Calcular .
1 3i
Para calcular una potencia, en general es mucho ms sencillo utilizar la

forma exponencial en vez de aplicar la frmula del binomio de Newton. Por
60
2
ejemplo, si se quiere calcular , es mucho ms prctico calcular
1 3i
60
2 i 2 60
3 i
e e 3 e i 40 1.

Ejemplo 1.4.4: Calcular la raz cbica de 1.
Para calcular una raz n-sima se debe recordar que se tienen n races
distintas:

i 1 3
1e 3 i
2 2
2
(
3 1 3 1e i
)i
1e 3 3 e i 1
( 2 2 )i 5
1e 3 3
i 1 3
e 3 i
2 2

Ejemplo 1.4.5: Resolver z3 = 1.
Esto permite resolver ecuaciones. As, las soluciones de la ecuacin
cbica z3 = 1 son tres, la raz real 1, y las races complejas conjugadas:
1 3
i.
2 2
Ejemplo 1.4.6: Representar grficamente las races cbicas y cuartas de
la unidad.
1.8: Races de la unidad

Ejercicios
1.16. Comprobar los resultados siguientes:
a) (1 + i)16= 28 = 256.
i
3e 6
5
3
i
b) 27i 3 e 6
i 9
3 e 6

1.17. Realizar las siguientes operaciones con nmeros complejos,
expresndolos previamente en forma exponencial:
2i
a)
2 2i
30
1 3i
b)

2 2
1.18. Resolver las ecuaciones, obteniendo las races reales y
complejas:
a) x2 = 1
b) x3 = 8
c) x4 + 16 = 0
1.19. Calcular las races n-simas de la unidad, para n = 2, 3 y 4.
Representarlas grficamente, y comprobar que estn sobre la
circunferencia de radio 1, y en los vrtices de un polgono regular.
1.5. TOPOLOGA DEL PLANO COMPLEJO
Al identificar C con el plano real 2 mediante la biyeccin que asocia el
par (x, y) con el nmero complejo x + yi tiene sentido hablar del plano
complejo, y se puede dotar a C de una estructura de espacio mtrico
definiendo una distancia d(z, w) = z w, que es la distancia eucldea, con lo
que (C, d) es un espacio mtrico. Cmo el mdulo es una norma, C tiene
estructura de espacio vectorial normado.
Se deja como ejercicio comprobar que con esta definicin d es una
distancia.
Tener una mtrica permite utilizar el concepto de entorno. Para ello se
introducen los siguientes conceptos:
Disco abierto o bola abierta de centro z0 y radio r es el conjunto de
puntos z interiores a la circunferencia de centro z0 y radio r:
Br(z0) = {z C; z z0< r}.

Disco cerrado o bola cerrada de centro z0 y radio r es igual al crculo de
centro z0 y radio r:
Br ( z0 ) = {z C; z z0 r}.
La frontera del disco es igual a la circunferencia de centro z0 y radio r:
Fr(Br(z0)) = {z C; z z0= r}.
Entorno del punto z0 y radio es igual a la bola abierta de centro z0 y
radio :
Ent(z0) = {z C; z z0< } = B(z0).
Entorno punteado, o disco pinchado, de centro z0 y radio r es el
conjunto de puntos z interiores a la circunferencia de centro z0 y radio r salvo el
propio punto z0:
Br(z0) = {z C; 0 < z z0< r}.
Se puede definir ahora una topologa en C y hablar de proximidad. Los
conceptos topolgicos que se necesitarn son anlogos a los ya estudiados en
funciones de varias variables, de los que se utilizarn de manera especial los
conceptos de abierto, cerrado, conexo y dominio.
Se dice que z es un punto interior de un conjunto A C, si existe algn
entorno de z contenido en A. Se dice que z es un punto exterior de A C, si
existe algn entorno de z que no contiene puntos de A. Si un punto z no es ni
interior ni exterior de A se dice que es un punto frontera de A; por lo tanto en
todo entorno de un punto frontera existen puntos de A y puntos que no
pertenecen a A.
Un conjunto es abierto si todos sus puntos son interiores. Luego:
X es un conjunto abierto z X, r > 0, Br(z) X.
Un conjunto X es cerrado si su complementario (conjunto de puntos de C
que no pertenecen a X) es un conjunto abierto. Un conjunto cerrado contiene a
sus puntos frontera. Existen conjuntos que no son ni abiertos ni cerrados.
El segmento de extremos a y b, se puede representar como:
[a, b] = {z C; z = ta + (1 t) b, 0 t 1}.
Un conjunto X es conexo cuando no existen dos abiertos A y B
contenidos en X, disjuntos (A B=) y distintos del vaco tales que X = A B.
Un conjunto X es conexo por caminos si todo par de puntos de X se
pueden unir por un camino contenido en X.
X es un dominio si es un conjunto abierto y conexo.
Una bola abierta, Br(z), es un ejemplo de conjunto abierto y conexo, y por
lo tanto es un dominio. Tambin es un dominio la corona circular definida por:
{z C; r < z z0< R} ya que es un conjunto abierto y conexo. Una bola
cerrada, Br ( z0 ) , es un ejemplo de conjunto cerrado. El disco pinchado, Br(z0),
definido como {z C; 0 <z z0 r}, formado por los puntos de la bola
cerrada excepto el centro, no es ni abierto ni cerrado.
Figura 1.9: Bola abierta. Bola cerrada. Corona circular.

Un conjunto X est acotado si est contenido en alguna bola de radio R:
X {z C; z z0< R}.
En caso contrario se dice que A es no acotado.
As, por ejemplo, la corona circular es un conjunto acotado mientras que
el semiplano Im(z) > 0 es un conjunto no acotado.
Toda sucesin de nmeros complejos, (zn), se puede considerar formada
por dos sucesiones de nmeros reales, (Re(zn)) y (Im(zn)), y se verifica que:
(zn)z si y slo si (Re(zn)) Re(z) y (Im(zn)) Im(z). Como consecuencia se
obtiene que el espacio (C, d) es un espacio mtrico completo, es decir, toda
sucesin de Cauchy es convergente.
Ejemplos resueltos
Ejemplo 1.5.1: Escribir en forma conjuntista el crculo cerrado de centro 1
y radio 2.
El crculo cerrado de centro 1 y radio 2 se puede representar como {z C;
z 1 2}, est formado por el conjunto de puntos z = x + yi tales que (x
1)2 + y2 4, y es un conjunto conexo, cerrado y acotado.
Ejemplo 1.5.2: Escribir en forma conjuntista el crculo cerrado de centro 2
i
3i y radio 2, y el crculo cerrado de centro y radio 4.
2
El crculo cerrado de centro 2 3i y radio 2 se puede representar como {z
i
C; z 2 + 3i 2}. Y el crculo cerrado de centro y radio 4 se puede
2
representar como {z C; 2z i 8}.
Ejercicios
1.20. Probar que la distancia eucldea d(z, w) = z w verifica las
propiedades de distancia.
1.21. Indicar qu regin del plano complejo representan los
siguientes conjuntos de puntos:
a) {z C; z + 3 4 i 5}
b) {z C; z 1 i< 2}
c) Re(z) 3
d) Im(z) < 2
e) {z C; 1 <z + 1 i< 2}
3
f) {z C; arg( z ) }
4 4
g) Re(z) = 2
h) Im(z + 3) > 1
i) {z C; z i< 2 y z 3= z + 3 }
1.22. En los conjuntos del ejercicio anterior, indicar cules son
abiertos, cerrados, conexos, acotados y cules son dominios.

1.6. LA ESFERA DE RIEMANN. PROYECCIN
ESTEREOGRFICA
Resulta necesario ampliar el plano complejo aadiendo el punto del
infinito, . En la recta real, que estaba ordenada, se aadan dos puntos del
infinito, , menor que cualquier nmero real, y +, mayor que cualquiera de
ellos. Esto ahora no va a ser posible al perderse el orden. Si se piensa en el
plano complejo como un espacio vectorial podra pensarse que se puede
acercar al infinito por cualquier direccin, pero esta no va a ser la solucin
adoptada. Riemann, en el siglo XIX, tuvo la genial idea de pensar en el plano
como la proyeccin estereogrfica de una esfera. Consider una esfera de
centro el origen y radio uno cortada diametralmente por el plano complejo, y
mediante la proyeccin estereogrfica obtuvo una correspondencia biunvoca
entre los puntos de la esfera, menos el polo norte, y los puntos del plano.
Definicin 1.6.1:
Se denomina esfera de Riemann a una esfera S, contenida en 3, de
centro el origen y radio uno.
Entonces la esfera de Riemann, S, es igual a {(x1, x2, x3): x12 + x22+ x32=1}.
Se llama polo norte, N, al punto (0, 0, 1) de la esfera.
Se puede suponer que el subespacio de 3 formado por los puntos cuya
tercera coordenada es nula es isomorfo al plano complejo C:
{(x, y, 0); x, y } C
Se considera entonces en el espacio 3 al plano complejo como el plano

coordenado x3 = 0, que corta diametralmente a la esfera S. De este modo el
nmero complejo x + iy se identifica con el punto (x, y, 0). El ecuador de la
esfera coincide con la circunferencia unidad del plano complejo C.
Definicin 1.6.2:
Se llama proyeccin estereogrfica a una transformacin biunvoca del
plano complejo, C, en la esfera de Riemann, S, sin el polo norte: S \{P} definida
haciendo corresponder a cada punto del plano z C, el punto de la esfera wS
en el que corta a S la recta que pasa por z y por el polo norte N = (0, 0, 1). Se
dice que w S es la proyeccin estereogrfica de z C, o tambin a la
inversa, que z C es la proyeccin estereogrfica de w S.
La proyeccin estereogrfica establece la correspondencia entre los
puntos de C y los de S en que a cada punto del plano z C le corresponde el
punto de la esfera w S en el que corta a S la recta que pasa por z y por el
polo norte N = (0, 0, 1). Por tanto las ecuaciones de la proyeccin
estereogrfica se calculan fcilmente. La relacin explcita entre z = x + iy y su
proyeccin (x1, x2, x3) sobre la esfera es (x, y, 0) (x1, x2, x3 ), siendo x + yi =
x1 ix 2
, y siendo:
1 x3
2x 2y x2 y 2 1
(x1, x2, x3 ) = ( , , )
1 x 2 y 2 1 x 2 y 2 1 x 2 y 2
Si el punto de la esfera est en el hemisferio norte, x3 > 0, entonces su
correspondiente del plano tiene su mdulo mayor que uno, mientras que si el
punto de la esfera pertenece al hemisferio sur, x3 < 0, el correspondiente del
plano tiene su mdulo menor que uno. Si el punto est en el ecuador, se

transforma en l mismo y su mdulo es igual a uno.
Tomando como mtrica la distancia eucldea usual se comprueba que la
esfera de Riemann es un espacio mtrico compacto y completo.
A medida que los puntos en el plano complejo van estando ms lejos del
origen, sus imgenes en la esfera de Riemann van aproximndose al polo
norte, P, lo que permite interpretar el transformado del polo P como el punto del
infinito, . Se aade un nico punto del infinito, haciendo corresponder al polo
norte de la esfera el punto del infinito. De esta forma se obtiene el plano
complejo ampliado que es topolgicamente equivalente a la esfera de
Riemann.
Definicin 1.6.3:
El plano complejo ampliado es el plano complejo al que se le ha
aadido un punto del infinito: C = C {}.
Esto permite decir que el plano complejo ampliado C = C {} se
identifica con la esfera de Riemann S.

N
Figura 1.6.1:1.10:
Figura Esfera de Riemann
Esfera de Riemann
Definicin 1.6.4:
Un entorno del infinito de radio M es el conjunto de todos los nmeros
complejos cuyo mdulo es mayor que M:
EntM() = {z C; z> M}.
La proyeccin estereogrfica de una recta del plano complejo C es una
circunferencia de la esfera de Riemann S que pasa por el polo norte. Es posible
interpretar las rectas del plano como circunferencias que pasan por el punto del
infinito. Tambin puede comprobarse que la proyeccin estereogrfica
conserva los ngulos, lo que posteriormente se denominar una transformacin
conforme.
Ejercicios
1.23. Escribir las ecuaciones de la proyeccin estereogrfica que al
punto de la esfera de Riemann (x, y, z) le hace corresponder el
punto z* = x* + iy* del plano complejo.
1.7. EJERCICIOS
1.24. Comprobar si:
a) Im( z 2 ) = 2xy.
b) (Im z )2 = y2.
z
c) = 1.
z
d) cos isen = e i 1.
1.25. Calcular:
a) (2 + i)5
13
b)
2 3i
( 3 2i )2
c)
( 2 3i )3
d) i( 3 i)(1 + 3 i)
e) (1 + i)8
f) (1 + i)-1
g) ( 3 + i)-9.
1.26. Probar que z es real si y slo si z z .
x iy z
1.27. Verificar que el inverso de z, z-1, es igual a = .
x2 y 2 zz
Calcular el inverso de 2 + 3i.
1.28. Calcular el mdulo y el argumento principal de los siguientes
nmeros complejos:
a) 3 + 3i
b) 3
c) 3i
d) 3 3i.
1.29. Expresar en forma polar y exponencial los siguientes nmeros
complejos:
a) 5i
b) 7i
c) 5 5i
d) 3 + i.
1.30. Expresar en forma binmica los siguientes nmeros complejos
en forma exponencial:
a) 2e 3

b) 3e 4

c) e 2
2
d) 5e 3
.
1.31. Realizar las siguientes operaciones con nmeros complejos,
expresndolos previamente en forma exponencial:
a) ( 3 + i)60
b) (4 4i)-11
( 1 3i )12
c) .
( 2 2i )8
1.32. Utilizar la frmula de Moivre para expresar en funcin de sen
y cos :
a) cos 2
b) sen 2
c) cos 3
d) sen 3.
1.33. Calcular el argumento principal de los siguientes nmeros
complejos:
3
a)
3i
i
b)
1 i
c) (1 i 3 )7.
1.34. Calcular, representar en el plano complejo y escribir en forma
binmica:
a) 3i
b) 1 3i
c) 3 27
d) 3 1 i
e) 4 81 .
1.35. Resolver las ecuaciones:
a) x3 = 27.
b) x4 = 81.
c) x5 32 = 0.
d) x3 8 = 0.
1.36. Calcular todos los valores de z para los que:
a) z6 + 64 = 0.
b) (z2 + 3z 2)2 (2z2 z + 1)2 = 0.
c) z6 + z5 + z4 + z3 + z2 + z + 1 = 0.
1.37. Calcular las races quintas de la unidad y representarlas en el
plano de Argand. Calcular tambin las races quintas de 1,
representarlas tambin. Generalizar este resultado.
1.38. Calcular las cuatro races de z4 + 9 = 0 y utilizarlas para
factorizar z4 + 9 en dos polinomios cuadrticos con coeficientes
reales.
1.39. Resolver la ecuacin: z2 + 3z 1 = 0.
ai
1.40. Calcular a para que el nmero complejo tenga su parte
3i
real igual a su parte imaginaria.
1.41. Indicar qu regin del plano complejo que representan los
siguientes conjuntos de puntos:
a) {z C; z 5 +2i 1}.
b) {z C; z + 3 i< 3}.
c) Re(z) < 2.
d) Im(z) 0.
1.42. Indicar la regin del plano complejo que representa el conjuntos

de puntos siguiente: {z = x + yi C; Arg (z) , y > 0}.
3
CAPTULO 2
Funciones complejas
Como se ha comprobado en el captulo anterior, el plano complejo C se
puede considerar isomorfo al plano real, 2. Esto puede llevar a pensar, a la
hora de definir una funcin sobre C, que la situacin es anloga a la de una
funcin de dos variables reales, ya que si z = x + iy, la funcin f(z) se puede
considerar como una funcin que depende de las variables reales x e y. Pero
esto no es totalmente cierto en general, y la razn es que f(z) es tambin una
funcin de una nica variable, la variable compleja z. Es por ello que una
funcin compleja se puede considerar que est a medio camino entre las
funciones de una variable real y las de dos variables reales, y esto hace posible
que para una funcin compleja se puedan definir conceptos que no es posible
definir para funciones de dos variables reales, como es el caso de la derivada
de una funcin .
Dentro de las funciones definidas en C se estudian en la Seccin 2
aqullas que tienen una dependencia directa de la variable z = x + iy, y no son
simplemente funciones de las variables separadas x e y. Se introducen en
primer lugar las funciones complejas, se definen las funciones elementales
como extensiones de las correspondientes reales y se estudian los lmites y la
continuidad de las funciones complejas, que tienen un comportamiento anlogo
al caso de las funciones definidas en 2.

La derivada compleja, que se introduce en la Seccin 3, es un concepto
fundamental dentro de la teora de funciones de una variable compleja porque,
aunque la definicin es anloga a la de derivada de una funcin de una variable
real, el hecho de que el lmite se tome en el plano complejo hace que las
condiciones en las que existe la derivada sean ms fuertes que en el caso real.
Esta es la razn por la que una funcin compleja que sea derivable en un
subconjunto adecuado del plano complejo tenga un comportamiento mejor que
en el caso real.
Las funciones derivables en todos los puntos de un conjunto abierto G del
plano complejo se denominan funciones holomorfas en G y se estudian en la
Seccin 4. Tienen un inters especial porque a partir de ellas se pueden
deducir resultados realmente sorprendentes, como se ver mas adelante en los
Captulos 4 y 5.
El captulo termina con la introduccin, en la Seccin 5, de las funciones
armnicas, funciones de dos variables reales, que son las soluciones de la
ecuacin de Laplace en 2, y se estudia la relacin que existe entre ellas y las
funciones holomorfas de una variable compleja.

Funciones complejas 59
2.1. DEFINICIN. FUNCIONES ELEMENTALES
2.1.1. Definicin de funcin compleja
Definicin 2.1.1:
Dado un subconjunto S del plano complejo C, se denomina funcin
compleja de una variable compleja f(z) a una aplicacin f : S C tal que a
cada valor z S C le corresponde un nico nmero complejo f(z).
Si z = x + iy, la funcin f(z) se puede expresar de la forma
f(z) = u(x, y) + iv(x, y),
donde u y v son funciones de dos variables reales que representan
respectivamente la parte real y la parte imaginaria de f(z).
As, por ejemplo, la funcin f(z) = z 2 + 1 se puede expresar como:
f(z) = (x + iy)2 + 1 = x2 y2 + 2xy i + 1 = u(x, y) + iv(x, y),
con u(x, y) = x2 y2 + 1 y v(x, y) = 2xy.
Definicin 2.1.2:
Se llama dominio de la funcin al conjunto S de puntos en los que la
funcin est definida, y se llama imagen de f al conjunto formado por todos los
valores complejos que toma la funcin. Si no se especifica, el dominio es el
mximo subconjunto del plano complejo C en el que la funcin est definida.
De la expresin f(z) = u(x, y) + iv(x, y) se deduce que una funcin
compleja por una parte se puede suponer similar a una funcin de una variable
real, puesto que a cada nmero complejo z le corresponde un valor complejo

f(z). Pero por otra parte se puede tomar como el resultado de aplicar las
funciones u y v que estn definidas en un subconjunto de 2, y desde este
punto de vista f podra considerarse prxima a las funciones definidas en 2.
Es precisamente esta situacin la que hace que las funciones complejas
tengan propiedades diferentes a las de las funciones reales.
2.1.2. Funciones Elementales
2.1.2.1. Polinomios
Definicin 2.1.3:
Los polinomios complejos son funciones de la forma
f(z) = anzn + an-1zn-1 + ... + a1z + a0, aj C para j = 0,..., n.
Las partes real e imaginaria de una funcin polinmica compleja son
funciones polinmicas de dos variables reales. As, por ejemplo:
f(z) = 2z 2 + 3 = 2(x + iy)2 + 3 = (2(x2 y2) + 3) + i(4 xy) = u(x, y) + iv(x, y)
Es importante resaltar que una funcin polinmica compleja es aqulla
que se puede expresar como una combinacin lineal de potencias de
exponente natural de z, ya que puede ocurrir que u(x, y) y v(x, y) sean
funciones polinmicas en 2 y sin embargo f(z) = u(x, y) + iv(x, y) no sea un
polinomio complejo. Un ejemplo es la funcin f(z) = (x2 + y2) + i(x2 y2), que no
se puede expresar de la forma a z2 + bz + c, y por tanto no es un polinomio
complejo.
Las funciones polinmicas complejas estn definidas en todo el plano
complejo.
2.1.2.2. Funciones racionales
Definicin 2.1.4:
De forma anloga al caso real, se denomina funcin racional a una
funcin definida como cociente de dos polinomios:
P( z )
f(z) = .
Q( z )
Como en el caso real, las funciones racionales se pueden definir en todo
el plano complejo, salvo en el conjunto de los nmeros complejos que anulen el
denominador, que son las races del polinomio Q(z).
As, por ejemplo, la funcin:
2z 2 1
f(z) =
z2 1
est definida para todo valor complejo del plano salvo para z = i y z = i.
2.1.2.3. Funcin exponencial
Definicin 2.1.5:
Dado el nmero complejo z = x + iy, la funcin exponencial compleja se
define a travs de la frmula de Euler introducida en el captulo anterior
f(z) = exp(z) = e z = e x iy = e x (cos y + isen y ).
La funcin as definida es una extensin de la funcin exponencial real,
puesto que si z es un nmero real se tiene que y = 0 y entonces f(x) = e x .
Propiedades
La funcin exponencial compleja tiene las siguientes propiedades:

1. Dados z, w C, e z w e z e w .
2. Si z = x + iy, e z = e x , e iy = 1.
3. e z = 1 si y slo si z = 2k i, siendo k Z.
1
4. e-z = ( ez ) .
n
5. ( e z ) = enz.
Observaciones. Las propiedades anteriores indican que la funcin
exponencial compleja mantiene en general las propiedades de la funcin
exponencial real. Existen sin embargo dos diferencias importantes entre ellas
que se presentan a continuacin.
La primera diferencia es que la funcin exponencial real es una funcin
inyectiva, que est definida en todos los puntos de la recta real y toma todos
los valores comprendidos en el intervalo (0, ). La funcin exponencial
compleja est definida para todo punto del plano complejo C pero no es una
funcin inyectiva, puesto que para todo z se tiene que e z 2i e z . Es por tanto
una funcin peridica, de periodo 2i, que se repite en bandas horizontales
del plano complejo, de amplitud 2. Esto es algo que es necesario tener en
cuenta si se quiere estudiar la existencia de la funcin inversa.
La segunda diferencia entre las funciones exponencial real y compleja es
que la funcin exponencial compleja puede tomar valores reales negativos, en
contra de lo que sucede en el caso real. De hecho se puede demostrar a travs
de la definicin de logaritmo complejo que puede tomar cualquier valor
complejo salvo el 0. Esto es razonable si se tiene en cuenta que el mdulo de

ez es ex, ez = ex, que toma todos los posibles valores reales positivos, salvo
el valor cero, y el argumento de ez es la parte imaginaria de z. Se comprobar
este hecho de manera formal cuando se haya definido el logaritmo complejo.
2.1.2.4. Funciones trigonomtricas
Las frmulas de Euler permiten asegurar que, para todo x ,
e ix = cos x + isen x y eix = cos x isen x.
Se tiene entonces que si x
eix eix eix e ix

cos x = y sen x = .
2 2i
Es razonable extender las funciones seno y coseno al plano complejo
definindolas para todo z C como:
Definicin 2.1.6:
Las funciones trigonomtricas complejas seno y coseno se definen:
e iz e iz e iz e iz
cos z = y sen z = .
2 2i
Propiedades
Estas funciones as definidas conservan, para todo z, w C, las
siguientes propiedades:
1. cos ( z) = cos (z), sen (z) = sen (z)
2. cos2 (z) + sen2 (z) = 1
3. sen (z + w) = sen (z)cos (w) + sen (w)cos (z)
cos (z + w) = cos (z)cos (w) sen (z)sen (w).

Las funciones sen z y cos z se diferencian de las correspondientes
funciones reales en que pueden tomar valores complejos cuyo mdulo no est
acotado, al contrario del seno y el coseno reales, cuyos valores estn acotados
entre 1 y 1. En efecto, basta tener en cuenta que para todo x :
e x e x e x e x
cos (ix) = y sen (ix) = ,
2 2i
de manera que para valores de x suficientemente grandes los mdulos de los
complejos asociados son mayores o iguales que cualquier valor real que
fijemos.
Ceros de las funciones sen z y cos z.
Las funciones sen z y cos z slo toman el valor cero en puntos de la recta
real; es decir, los ceros de las funciones complejas sen z y cos z coinciden con
los ceros de sus correspondientes reales. Esto se puede comprobar fcilmente
expresando sen z y cos z en forma binmica: si z = x + iy,
sen z = sen x cosh y + icos x senh y
cos z = cos x cosh y isen x senh y.
As,
sen z = 0 y = 0 y sen x = 0 z = 2k, k Z
cos z = 0 y = 0 y cos x = 0 z = (2k + 1)/2, k Z.
Las restantes funciones trigonomtricas se definen de la misma forma que
en el caso real. As, por ejemplo, la tangente es
tg z = sen z / cos z,
y esta definida en todos aquellos valores complejos en los que no se anula el

denominador, es decir, para z (2k + 1)/2, k Z..
2.1.2.5. Funciones hiperblicas
Las funciones hiperblicas se definen de forma similar a las funciones
hiperblicas de una variable real.
Definicin 2.1.7:
Las funciones seno y coseno hiperblicos se definen para cada z C
como:
e z e z e z e z
cosh z = y senh z = .
2 2
De la propia definicin se deduce de manera inmediata la relacin del
seno y el coseno hiperblicos con el seno y el coseno. Se tiene:
senh z = isen (iz) cosh z = cos (iz)
sen z = isenh (iz) cos z = cosh (iz).
Propiedades
Las funciones hiperblicas se comportan tambin de forma anloga a las
correspondientes reales. Se tienen, para todo z, w C, las siguientes
propiedades:
1. cosh (z) = cosh (z), senh (z) = senh (z).
2. cosh2 (z) senh2 (z) = 1.
3. senh (z + w) = senh (z) cosh (w) + senh (w) cosh (z).
cosh (z + w) = cosh (z) cosh (w) + senh (z) senh (w).
4. senh z = senh x cos y + icosh x sen y.

cosh z = cosh x cos y + isenh x sen y.
De la relacin entre las funciones senh z y cosh z se deduce de manera
inmediata que la funcin senh z toma el valor cero en los puntos zn = ni,
mientras que los ceros de cosh z estn en los puntos zn = (n + 1/2)i
Las restantes funciones hiperblicas se definen de la misma forma que en
el caso real. As, por ejemplo, la tangente hiperblica es:
tgh z = senh z / cosh z,
y esta definida en todos aquellos valores complejos en los que no se anula el
denominador.
2.1.2.6. Funcin logaritmo
El logaritmo complejo se introduce como la funcin inversa de la funcin
exponencial. La primera dificultad est en el hecho de que la funcin
exponencial no es una funcin inyectiva, y por tanto la funcin inversa asociada
no va a ser una correspondencia unvoca, como sucede en la definicin usual
de funcin, sino que va a ser una funcin multvoca, tal que a cada nmero
complejo distinto de cero le va a asociar infinitos valores complejos.
Definicin 2.1.8:
Dado z = x + iy C, z 0, se define:
log z = ln z + i(arg z + 2k), k Z
As, por ejemplo:
a) log i = ln i + i( /2 + 2k) = i( /2 + 2k), k Z
b) log (1) = i ( + 2k), k Z

c) log (1+ i) = ln 2 + i( /4 + 2k), k Z
El logaritmo asocia entonces a cada nmero complejo infinitos valores
complejos, que tienen la misma parte real pero su parte imaginaria difiere entre
ellos un mltiplo entero de 2.
Si se restringen los valores del argumento de z a un determinado intervalo
de amplitud 2, como puede ser el intervalo [, ), el logaritmo complejo se
convierte en una funcin unvoca que se denomina logaritmo principal, o
determinacin principal del logaritmo, y se denota con mayscula
Log z = ln z + iArg (z), Arg (z) [, ).
Propiedades
1. log (zw) = log z + log w.
z
2. log ( ) = log z log w.
w
3. Log (zw) = log z + log w 2ki.
Observacin: Es importante tener en cuenta que mientras exp (Log z) =
z, cualquiera que sea el valor de z, Log (exp z) puede tomar un valor distinto de
z. En efecto, si z = x + iy es tal que y > , se tiene que
Log ( ez ) = ln ( e x ) + iArg ( ez ) = x + i(y 2k) = z 2ki z.
Se puede comprobar ahora de manera formal que la funcin exponencial
puede tomar cualquier valor complejo distinto de 0. En efecto, si se fija un

nmero complejo w 0, existe otro nmero complejo, z*, tal que e z w . Basta
tomar z* = ln w + iarg w. Se tiene entonces:


e z = e ln |w | (cos(arg w) + isen(arg w)) = w(cos(arg w) + isen(arg w)) = w.
2.1.2.7. Funciones definidas como potencias
Potencias complejas
El logaritmo complejo permite extender las potencias al campo
complejo. Se puede as tomar un nmero complejo distinto de 0 y elevarlo a un
determinado exponente complejo a travs de la siguiente definicin
Definicin 2.1.9:
Dados los nmeros complejos c y d, con c 0, se define:
cd = exp (dlog c ).
La expresin anterior representa a infinitos nmeros complejos.
As, por ejemplo:
a) i-2i = exp (2ilog i) = exp (2i(i( /2 + 2k))) = e( 4k 1) , k Z
b) (1 + i)-i = exp (ilog (1 + i))= exp (iln 2 + /4 + 2k) =
= e 4 2k (cos (ln 2 ) isen (ln 2 )), k Z
Se pueden tambin definir funciones en las que se utilicen potencias
complejas, y en ellas la variable z puede aparecer en la base o en el
exponente.
Definicin 2.1.10:
La funcin f(z) = zc, siendo el exponente c una constante compleja, cC,
se define como
f(z) = exp (clog z ), z 0.

Estas funciones son en general funciones multivaluadas, es decir, con
infinitas ramas. De forma anloga al logaritmo, si se fija un intervalo de tamao
2 para el argumento de z se tiene una funcin univaluada.
Se tienen distintas situaciones en funcin del valor del exponente c.
Si c = n Z, es decir, si c es el nmero entero n, entonces f es una
funcin univaluada, pues
zn = exp (nlog z ) = exp (n(ln z + i(arg z + 2k))) =
= zn exp (in(Arg z + 2k)) = zn exp (inArg z) .
Si c es un nmero racional que tiene como forma irreducible c =
p/q, con p y q enteros, la funcin f(z) = zc tiene q ramas,
correspondientes a las q races q-simas de zp.
Finalmente, si c es un nmero real irracional, o un nmero
complejo con parte imaginaria distinta de cero, la funcin f(z) = zc
tiene infinitas ramas. Cada una de ellas se obtiene al fijar un valor
de > 0, y expresar z en forma polar.
Definicin 2.1.11:
La funcin f(z) = cz, siendo la base una constante compleja, c C, c 0,
se define como
f(z) = exp (z log c ).
Para cada valor de log c prefijado, la funcin f as definida asocia a cada
nmero complejo z un nico valor complejo, y por tanto f es una funcin
univaluada.
Ejemplos resueltos
Ejemplo 2.1.1: Estudiar si la funcin
f(z) = 2x3 + 2xy 6xy2 1 + i(6x2y + x2 y2 2y3)
es un polinomio complejo.
La funcin f(z) se puede expresar como
f(z) = 2(x3 + i3x2y 3xy2 iy3) + i(x2 y2 + 2xy) 1 = 2z3 + iz2 1.
Se tiene entonces que f(z) es un polinomio complejo de grado tres.
Ejemplo 2.1.2.: Estudiar el dominio de definicin de las siguientes
funciones
z2 1
a) f(z) =
z 3 iz 2 z i
tan z
b) g(z) =
z2 1
z 2 2z 3
c) h(z) =
cosh z
La funcin f(z) es un cociente de polinomios. Se puede definir por tanto en
todo el plano complejo salvo en los ceros del polinomio que est en el
denominador. Como z3 iz2 z + i = (z i) (z2 1), f(z) est definida en todo
C menos en los puntos i, 1 y 1.
La funcin g(z) se puede definir en todo el plano complejo salvo en los
puntos en los que no est definida la tangente y en los ceros del denominador.
Est entonces definida en todo C menos los puntos i, i y zn = (n + 1/2), con
n Z.
Finalmente, la funcin h(z) se puede definir en todo el plano complejo
salvo los puntos en los que se anula el denominador; est definida por tanto en
todo C menos los puntos zn = (n + 1/2)i, con n Z.
En los dos ejemplos que siguen se presentan dos procedimientos
alternativos: el primero es directo, mientras que en el segundo se utiliza la
definicin de logaritmo complejo. Comparndolos, se puede apreciar que la
utilizacin del logaritmo permite en algunos casos simplificar las operaciones.
Ejemplo 2.1.3: Resolver la ecuacin ez = 2.
Procedimiento 1: Se expresan en primer lugar los dos miembros de la
igualdad de la misma forma:
ex(cos y + isen y ) = 2 (1).
Se tiene entonces que ex = 2, con lo cual x = ln 2, y que sen y = 0 y cos y
= 1. Por tanto y = (2k + 1), k Z.
Las soluciones de la ecuacin inicial son entonces:
z = ln 2 + (2k + 1)i, k Z.
Procedimiento 2: Tomando logaritmos en la ecuacin ez = 2, se tiene:
z = log (2) = ln |2| + i(arg (2 ) + 2k ) = ln 2 + (2k + 1)i, k Z.
Ejemplo 2.1.4: Resolver la ecuacin sen z = 2.
Procedimiento 1:
1 iz
sen z = 2 ( e e iz ) 2 eiz eiz 4i .
2i
Llamando m = eiz , se tiene

m2 4im 1 = 0,
que tiene como solucin
m = (2 3 )i.
Deshaciendo el cambio
eiz = (2 3 )i e y (cos x + isen x) = (2 3 )i.
Se tiene entonces que e y = (2 3 ) , con lo que e y = (2 3) y

entonces y = ln (2 3 ), x = + 2k. Se puede asegurar pues que los
2
nmeros complejos z tales que sen z = 2 son de la forma:

z= + 2k + iln (2 3 ), k Z
2
Procedimiento 2:
Se procede de la misma forma que en el procedimiento 1 hasta obtener la
relacin
eiz = (2 3 )i
Tomando logaritmos en la ecuacin

iz = ln (2 3 ) + i( + 2k ) , con lo que se tiene
2
z= + 2k + iln (2 3 ), k Z.
2
Ejemplo 2.1.5: Demostrar que, si z = x + iy, entonces:
sen z2 = sen2 x + senh2 y y cos z2 = cos2 x + senh2 y.
Teniendo en cuenta que

sen z = sen x cosh y + icos x senh y
cos z = cos x cosh y isen x senhy
se tiene
sen z2 = sen2 x cosh2 y + cos2 x senh2 y =
sen2 x cosh2 y + (sen2 x senh2 y + sen2 x senh2 y) + cos2 x senh2 y =
sen2 x (cosh2 y senh2 y) + (sen2 x + cos2 x) senh2 y = sen2 x + senh2 y.
De forma anloga
cos z2 = cos2 x cosh2 y + sen2 x senh2 y =
cos2 x cosh2 y + (cos2 x senh2 y + cos2 x senh2 y) + sen2 x senh2 y =
cos2 x (cosh2 y senh2 y) + (sen2 x + cos2 x ) senh2 y = cos2 x + senh2 y.
Este ejemplo muestra de manera directa que el crecimiento del mdulo
del seno y del modulo del coseno complejos depende de la parte imaginaria de
z. Esta es la razn por la que el seno y el coseno complejos no son funciones
acotadas en C.
Ejemplo 2.1.6: Estudiar los valores que toman las siguientes funciones
a) f(z) = z1/3, b) f(z) = (1 + i)z, c) f(z) = z1+ i.
a) Para cada nmero complejo z, f(z) = z1/3 toma los valores:
i) z1/3 exp (iArg z/3),
ii) z1/3 exp (iArg z/3 + 2/3) y
iii) z1/3 exp (iArg z/3 + 4/3).
b) f(z) = (1 + i)z = exp (zlog (1 + i)).

Si se toma log (1 + i) = ln 2 + i/4, la funcin f(z) asocia a cada z el
valor
f(z) = exp (z(ln 2 + i/4)) = exp (xln 2 (/4)y + i(x/4 + yln 2 )).
c) La funcin f(z) = z1+ i toma para cada z los infinitos valores:
f(z) = exp ((1 + i)log z) = exp ((1 + i) (ln z + i(Arg z + 2k ))) =
z exp (Arg z 2k + i(ln z + Arg z)), k Z.
Ejercicios
2.1. Calcular:
a. sen 2i.
b. cos 2i.
c. sh 2i.
d. ch 2i.
e. tg (1 + 2i).
2.2. Resolver las ecuaciones:
a. cos z = 0.
b. sen z = i.
c. sh z = 1.
d. ch z = 0.
2.3. Calcular f(3 + 6i), f(2i) y f(5 + 3i), siendo f(z) igual a:
a. z2 2z.
b. 1/(1 z).
c. 1/z3.
d. z/(3z + 2).
2.4. Demostrar que:
a. cos (iz) = senh z.
b. cosh (iz) = cos z.
c. sen (iz) = isenh z.
d. senh (iz) = isen z.
2.5. Comprobar que al calcular la parte real y la parte imaginaria de las
funciones trigonomtricas e hiperblicas, se obtiene, si z = x + iy :
a. sen z = sen x cosh y + icos x senh y.
b. cos z = cos x cosh y isen x senh y.
c. senh z = senh x cos y + icosh x sen y.
d. cosh z = cosh x cos y + isenh x sen y.
2.2. LMITES DE FUNCIONES. CONTINUIDAD
2.2.1. Lmites de funciones
Las funciones complejas se comportan frente a los lmites de forma
anloga a las funciones definidas en 2. Sean z0 = x0 + iy0 y w0 = u0 + iv0 dos
nmeros complejos, y sea f(z) una funcin definida en un entorno punteado de

z0. Se dice que la funcin f(z) tiene como lmite w0, cuando z tiende a z0, si la
funcin toma valores cada vez ms prximos a w0 cuando z se aproxima a z0.
Expresado de manera formal
Definicin 2.2.1:
lm f(z) = w0 si para todo > 0 existe un > 0 tal que siempre que 0 <
z z0
z z0 < , se verifica que f(z) w0 < .
Se puede comprobar fcilmente que lm f(z) = w0 = u0 + iv0 si y slo si

z z0
se verifica que lim ( x , y )( x0 , y0 ) Re (f(z)) = u0 y lim ( x , y )( x0 , y0 ) Im (f(z)) = v0.
Se tiene entonces que los lmites de funciones complejas tienen el mismo
comportamiento, el mismo tipo de dificultades y las mismas propiedades que
los lmites de funciones de dos variables reales.
2.2.2. Lmites en el infinito. Lmites infinitos
Se puede extender la definicin de lmite al plano complejo ampliado con
el punto del infinito. En este caso se tienen las siguientes definiciones
Definicin 2.2.2:
lm f(z) = w si para todo > 0 existe un nmero real M > 0 tal que
z
siempre que z > M, se verifica que f(z) w < .
Definicin 2.2.3:
lm f(z) = si para todo nmero real M, M > 0, existe un > 0 tal que
z z0
siempre que 0 < z z0 < , se verifica que f(z) > M.

2.2.3. Continuidad
Una funcin compleja f(z) es continua en un punto z0 si est definida en z0
y en puntos prximos a z0 toma valores prximos a f(z0).
La definicin formal es la siguiente:
Definicin 2.2.4:
La funcin f(z) es continua en un punto z0 si para todo > 0 existe un >
0 tal que siempre que z z0 < se verifica que f(z) f (z0) < .
La funcin f(z) es continua en un conjunto G del plano complejo si f(z) es
continua en todos los puntos de G.
Es importante subrayar que, como sucede en el caso de funciones
definidas en 2, para que una funcin f(z) sea continua en un punto z0 hace
falta que se verifiquen las tres condiciones siguientes:
1) La funcin debe estar definida en z0, es decir, debe existir f(z0).
2) Debe existir el lm f(z).

z z0
3) Debe coincidir dicho lmite con el valor de la funcin en el punto z0:
lm f(z) = f(z0).
z z0
Si alguna de estas tres condiciones no se verifica, la funcin no es
continua en z0.
Los polinomios complejos p(z), as como la funcin exponencial, ez, las
funciones trigonomtricas cos z y sen z y las funciones hiperblicas senh z y
cosh z, son funciones continuas en todo el plano complejo.

La funcin tg z no ser continua en los valores en que se anule el
denominador, cos z.
La funcin Log z = ln z + iArg (z), Arg (z) [, ), no es continua en 0
porque no est definida en 0. Tampoco es continua en los puntos del semieje
real negativo, pues en efecto, si z0 es un nmero real negativo,
Log z0 = ln z0 + iArg (z0) = ln z0 i.
Los puntos z1 que estn prximos a z0 por debajo del eje real son tales
que Log z1 = ln z1 + iArg (z1), donde Arg (z1) se aproxima a . Se tiene
entonces que Log z1 Log z0.
Sin embargo, los puntos z2 que estn prximos a z0 por encima del eje
real son tales que Log z2 = ln z2 + iArg (z2), donde Arg (z2) se aproxima a .
Por tanto, Log z2 no se aproxima a Log z0 por lo que la funcin Log z no es
continua en los puntos del semieje real negativo.
En los restantes puntos de C , la funcin Log z es continua.
Si se toma otra rama del logaritmo, por ejemplo, Log z = ln z + iArg (z),
Arg(z) [0, 2), la funcin Log z es continua en todo C menos los nmeros
complejos z = x, x 0, es decir, en todos los nmeros complejos menos los que
estn situados en el semieje real positivo, incluido 0. Cualquier rama de la
funcin Log z es continua en C salvo en una semirrecta de origen el punto 0.
Ejemplos resueltos
z 1 |z|
Ejemplo 2.2.1: Calcular los siguientes lmites: a) lm ; b) lm ;
z i 2 z 0 z
| z |2
c) lm .
z 0 z
z 1 i 1
a) lm =
z i 2 2
|z| x2 y 2 x iy
b) lm = lm = lm
z 0 z z 0 x iy z 0 x2 y 2
Si se toman los lmites direccionales, es decir, a travs del eje real y del
eje imaginario, se obtienen respectivamente los valores 1 y i. Se tiene
entonces que los lmites direccionales son diferentes y por tanto no existe
lmite.
| z |2 | z |2 z | z |2 z
c) lm = lm = lm = lm z = 0.
z 0 z z 0 zz z 0 | z |2 z 0
Ejemplo 2.2.2: Estudiar el lmite en el infinito y los lmites infinitos de la
1
funcin: f(z) =
z2
1
El estudio de la funcin f(z) = puede servir como muestra para aplicar
z2
1
las definiciones de lmites infinitos o en el infinito. Se tiene que lm =0
z z2
1
porque fijado cualquier > 0 existe un nmero real M = tal que si el mdulo

1 1
de z es mayor que M se tiene que f (z) = | |< < .
z 2
M2
1 1
lm = porque para cualquier nmero real M > 0 existe = tal
z 0 z2 M
1
que si 0 < z < , se verifica que f(z) = > M.
z2
Ejemplo 2.2.3: Estudiar la continuidad de las funciones del ejemplo 2.2.1.
z 1
a) f(z) = es continua en z = i porque:
2
i 1
i) Est definida en i, f(i) = .
2
z 1 z 1 i 1
ii) Existe lm , ya que lm = .
z i 2 z i 2 2
iii) El lmite coincide con el valor de la funcin en z = i, f(i) =
i 1 z 1
= lm .
2 z i 2
|z|
b) f(z) = no es continua en z = 0 porque f no est definida en 0, y
z
|z|
tampoco existe lm .
z 0 z
| z |2
c) f(z) = no es continua en z = 0 porque f no est definida en 0,
z
| z |2
aunque existe lm = 0.
z 0 z
z2
si z 0 , es continua en 0 porque ahora si se
d) La funcin f*(z) =
z
0 si z 0

verifican las tres condiciones, i) existe f*(0) = 0, ii) existe el lmite y iii) el lmite
| z |2
coincide con el valor de la funcin en z = 0, f*(0) = 0 = lm .
z 0 z
Ejercicios
2.6. Demostrar que: lm f(z) = w0 = u0 + iv0 si y slo si se verifica que

z z0
lim ( x ,y )( x 0 ,y 0 ) Re (f (z)) = u0 y lim ( x ,y )( x 0 ,y 0 ) Im (f (z)) = v0.
2.7. Calcular:
iz
a. lim .
z 2i 3
b. lm (3x i5y2).
z 2i
3z 2i
c. lm .
z 2i 2z 3
iz 2
d. lm .
z 2i 2z 3
2.8. Calcular:
3z 2i
a. lm .
z 1 z - 1
2z 2i
b. lm .
z 1 z 1
2.9. Calcular:
3z 2i
a. lm .
z z - 1
3z 2 2i
b. lm .
z z -1
3z 2i
c. lm .
z z2 - 1
2.10. Estudiar la continuidad de las siguientes funciones:

3z 2i
a. f(z) = .
z -1
3 z 2i
b. f(z) = e z 1 .
3z 2i
c. f(z) = sen ( ).
z -1
d. f(z) = x2y + i(5x 2y).
e. f(z) = sen xy + ie(x 2xy).
2.3. DERIVADA COMPLEJA
2.3.1. Definicin de derivada
En el apartado anterior se ha comprobado que el comportamiento de una
funcin compleja frente a la continuidad se puede considerar anlogo al de las
funciones definidas en 2. Esto no es as si se quiere introducir la derivacin, y
la razn de ello es que, como ya se ha indicado antes, una funcin compleja se
puede considerar como una funcin de una nica variable, la variable compleja
z, para la que existen unas operaciones anlogas a las operaciones entre
nmeros reales. Esto permite introducir el concepto de derivada de una funcin
compleja en un punto z0 de forma anloga a la derivada de una funcin de una
variable real, es decir, como el lmite de un cociente de incrementos al
aproximarse z al punto z0.
Definicin 2.3.1:
Sea f definida en un conjunto S, y sea z0 un punto interior de S. La funcin

f es derivable en z0 si existe:
f ( z ) f ( z0 ) f ( z 0 h ) f ( z0 )
lim = lim = f(z0 ), z, h C.
z z0 z z0 h 0 h
Se llama derivada de f en el punto z0 al valor de este lmite, es decir a:
f ( z ) f ( z0 )
f(z0 ) = lim
z z0 z z0
Definicin 2.3.2:
La funcin f es derivable en un conjunto S del plano C si f es derivable
en todos los puntos de S.
Ejemplos de funciones derivables
a) Las funciones constantes son derivables en todo punto del plano
complejo. As, la funcin f(z) = 2 + i es derivable en C y su derivada es 0.
b) La funcin f(z) = z es tambin derivable en C y su derivada es 1.
c) Lo mismo sucede con la funcin f(z) = zn, que, como en el caso real,
tiene como derivada f(z ) = nzn-1.
Ejemplos de funciones que no son derivables
a) La funcin f(z) = z = x iy no es derivable en ningn punto, ya que
f ( z0 h ) f ( z 0 ) z h z0 h
lim = lim 0 = lim , que no existe pues es
h 0 h h 0 h h 0 h
diferente segn la direccin ya que si h fuese real el lmite valdra 1, y si h = ki,
valdra 1.
b) La funcin f(z) = z tampoco es derivable en ningn punto,
pues:
|zh||z| | z h |2 | z |2 ( z h )( z h ) z z
lim = lim = lim =
h 0 h h 0 h(| z h | | z |) h 0 h(| z h | | z |)
h z zh hh
lim =
h 0 h(| z h | | z |)
z h hz
lim ( + + )
h 0 | z h | | z | | z h | | z | h(| z h | | z |)
El lmite de los dos primeros sumandos existe pero el tercer sumando no
tiene lmite cuando h tiende a cero. Por tanto, la funcin no es derivable en
ningn punto.
c) La funcin f(z) = z2 slo es derivable en el punto z = 0. En efecto
| h |2 0 | h |2 h
f(0) = lim = lim = lim h = 0.
h 0 h h 0 | h |2 h 0
Sin embargo, si z 0 se tiene que
| z h |2 | z |2 ( z h )( z h ) z z = lim h z zh hh =
lim = lim
h 0 h h 0 h h 0 h
h
lim (z+ z + h ) , que no existe.
h 0 h
Es importante observar que la funcin f(z) = z2 = x2 + y2 + 0i no es
derivable en ningn nmero complejo z 0 a pesar de que sus partes real e
imaginaria son funciones de 2 con muy buenas propiedades de regularidad.

2.3.2. Propiedades
La derivada compleja conserva las propiedades de la derivada en .
Dadas dos funciones complejas f(z) y g(z) derivables en un punto z0, y dado un
nmero complejo c cualquiera, se verifican las siguientes propiedades:
1) Las funciones f(z) y g(z) son continuas en z0.
2) Las funciones f(z) + g(z), f(z) g(z) y cf(z) son derivables en el punto
z0 y sus derivadas son respectivamente:
(f(z) + g(z)) = f(z0) + g(z0),
(f(z) g(z)) = f(z0) g(z0) + f(z0) g(z0),
(c f(z)) = c f(z0).
3) Si g(z0) 0 en un entorno de z0, f / g es derivable en z0 y su derivada
'
f f ( z0 )g ( z0 ) f ( z0 )g ( z0 )
es (z0) =
g ( g ( z0 ))2
4) Si f(z) es derivable en z0 y g(z) es derivable en f(z0), la composicin de
funciones h(z) = g(f(z)) es derivable en z0 y h(z0) = g(f(z0)) f(z0).
2.3.3. Condiciones de Cauchy - Riemann
La derivada compleja de una funcin f(z) = u(x, y) + iv(x, y) puede fallar
aunque sus partes real e imaginaria, consideradas como funciones de 2, sean
funciones muy regulares, como se ha podido comprobar que sucede en el caso
de la funcin f(z) = z2 = x2 + y2. Por ello es importante analizar el
comportamiento de las funciones u y v frente a la derivada con el fin de
determinar las condiciones precisas que deben verificar para que f sea
derivable.
Sea f derivable en z0 = x0 + iy0 . Entonces existe f(z0 ), es decir, existe
f ( z 0 h ) f ( z0 )
f(z0 ) = lim
h 0 h
El hecho de que exista el lmite anterior significa que los lmites iterados
deben tambin existir y su valor debe ser f(z0). Esto significa que, si h es un
numero real
f ( z0 h ) f ( z 0 )
f(z0 ) = lim =
h 0 h
u ( x 0 h , y 0 ) u( x 0 , y 0 ) v ( x 0 h, y 0 ) v ( x 0 , y 0 )
= lim i =
h 0 h h
= ux (x0, y0) + ivx(x0, y0).
Por otra parte si el incremento de la variable z es un nmero imaginario
puro, ih, entonces:
u ( x 0 , y 0 h ) u( x 0 , y 0 ) v( x0 , y 0 h ) v( x0 , y 0 )
f(z0) = lim i =
h 0 ih ih
= vy (x0, y0) iuy(x0, y0).
Se tiene entonces que
ux (x0, y0) + ivx(x0, y0) = vy (x0, y0) iuy(x0, y0),
y por tanto, si existe la derivada de f en z0 se deben verificar entre u y v las
siguientes condiciones, que se conocen como condiciones de Cauchy
Riemann:
Definicin 2.3.2:
La funcin f(z) = u(x, y) + iv(x, y) verifica las condiciones de Cauchy
Riemann en el punto z0 = x0 + iy0 si se verifican las ecuaciones
ux(x0, y0) = vy(x0, y0)
uy(x0, y0) = vx(x0, y0).
Las condiciones de Cauchy - Riemann son entonces condiciones
necesarias para la existencia de derivada.
As, en el caso de la funcin f(z) = z2 = x2 + y2 + i0, se tiene:
ux(x, y) = 2x; uy(x, y) = 2y; vx(x, y) = 0; vy(x, y) = 0.
Por tanto slo se verifican las condiciones de Cauchy - Riemann si z = 0,
el nico punto en el que la funcin es derivable.
Se puede entonces asegurar el siguiente resultado:
Proposicin 2.3.1:
Si f(z) es derivable en z0 = x0 + iy0, se verifican las condiciones de
Cauchy - Riemann en z0.
Corolario 2.3.2:
Si f(z) es derivable en z0,
f(z0 ) = ux(x0, y0) + ivx(x0, y0) = vy(x0, y0) iuy(x0, y0).
Observacin. Las condiciones de Cauchy - Riemann no son suficientes
para asegurar la derivabilidad de la funcin, como se puede ver con el siguiente
contraejemplo.
Contraejemplo:
2
z
Sea f(z) = si z 0, f(0) = 0. Esta funcin no es derivable en 0 ya que
z
2
f(0 h) f(0) h
lim = lim , no existe.
h 0 h h 0 h
Sin embargo, f(z) verifica las condiciones de Cauchy - Riemann en z = 0.
En efecto, separando su parte real y su parte imaginaria
x 3 3 xy 2 y 3 3 yx 2
f(z) = + i .
x2 y 2 x2 y 2
Las derivadas parciales de u y v en 0 valen
u( 0 h,0 ) u( 0,0 ) h
ux(0, 0) = lim = lim =1
h 0 h h 0 h
v ( 0, h ) v ( 0,0 ) h
vy(0, 0) = lim = lim = 1 = ux(0, 0)
h 0 h h 0 h
uy(0, 0) = 0 = vx(0, 0),
y por tanto se verifican las condiciones de Cauchy - Riemann en z = 0.
Es entonces natural preguntarse si existen condiciones necesarias y
suficientes para asegurar la existencia de derivada de una funcin compleja. La
respuesta la da la siguiente proposicin que se presenta sin demostracin:
Proposicin 2.3.3:
Sea f(z) = u(x, y) + iv(x, y) definida en un conjunto D C. La funcin f(z)
es derivable en z0 = x0 + iy0 si y slo si u y v como funciones de 2 son
diferenciables en (x0, y0) y verifican las condiciones de Cauchy - Riemann.
El estudio de la condicin de diferenciabilidad de las funciones u y v, que
se exige en la Proposicin 2.3.3, puede ser complicado, por lo que se puede

sustituir por una condicin suficiente, la existencia de derivadas parciales
continuas, ms fcil de comprobar:
Proposicin 2.3.4:
Sea f(z) = u(x, y) + iv(x, y) definida en un conjunto D C. Si existen las
derivadas parciales ux(x0, y0), vx(x0, y0), vy(x0, y0) y uy(x0, y0) y son continuas, y
se verifican las condiciones de Cauchy Riemann en (x0, y0), entonces f(z) es
derivable en z0 = x0 + iy0.
2.3.4. Estudio de la derivada de distintas funciones
Se puede ahora estudiar fcilmente la derivabilidad de funciones como la
funcin exponencial, las funciones trigonomtricas o el logaritmo.
Funcin exponencial. f(z) = e z = ex cos y + iex sen y.
Tanto la parte real como la parte imaginaria de la funcin exponencial son
funciones continuas con derivadas parciales continuas en todo 2. Adems,
ux = ex cos y uy = ex sen y
vx = ex sen y vy = ex cos y.
Se tiene entonces que la funcin exponencial verifica las condiciones de
Cauchy - Riemann en todo punto del plano complejo, con lo que se puede
asegurar que la funcin exponencial es derivable en todo el plano complejo.
Al ser derivable en cada punto del plano, se puede aplicar el Corolario
2.3.2 para calcular la derivada:
f(z) = ux + i vx = ex cos y + iex sen y = ez
Se tiene entonces que la derivada de la funcin exponencial es la misma

funcin exponencial, (ez) = ez, como ocurre en el caso real.
Se puede comprobar fcilmente que la funcin f(z) = eaz, a C, tambin
es derivable en todo el plano complejo y su derivada es f(z) = aeaz.
Funciones trigonomtricas. Las funciones seno y coseno, al estar
definidas como suma o diferencia de funciones exponenciales, son tambin
iz iz
derivables en todo el plano complejo. As, como cos z = e e , se tiene
2
i ( e iz e iz ) e iz e iz
(cos z) = = = sen z.
2 2i
e iz e iz
Sucede lo mismo en el caso del seno. Como sen z = , se tiene:
2i
i( e iz e iz ) e iz e iz
(sen z) = = = cos z.
2i 2
El seno y el coseno hiperblicos son tambin funciones derivables en todo
el plano complejo, y se comportan de forma anloga al seno y coseno
hiperblicos reales. Se puede comprobar fcilmente que
(cosh z) = senh z y (senh z) = cosh z
Las restantes funciones trigonomtricas e hiperblicas complejas se rigen
por las reglas de derivacin. As, por ejemplo, f(z) = tg z es derivable en todos
los puntos en los que no se anule el coseno y (tg z) = 1 + (tg z)2.
Logaritmo complejo.
La funcin f(z) = Log z = ln z + iArg z, Arg z [, ), est definida en
todo el plano complejo salvo z = 0 y no es continua en el semieje real negativo.
Su expresin en funcin de las variables x e y es:

y
Log z = ln x 2 y 2 + iarctg .
x
Para todo z C \ {z: z , z 0} las derivadas parciales de sus partes
real e imaginaria existen y son continuas:
x y
ux = , uy = ,
x2 y 2 x2 y 2
y 1

2 y x
vx = x = , vy = x = .
2 2 2 2
y x y y x y2
2
1 1
x x
Adems verifican las condiciones de Cauchy - Riemann
ux = vy y uy = vx .
Por tanto, Log z es derivable en todo C \ {z: z , z 0}. Su derivada es
x y z 1
f(z) = ux + ivx = i = = .
2 2 2 2 z.z z
x y x y
Ejemplos resueltos
Ejemplo 2.3.1: Estudiar la derivabilidad de la funcin: f(z) = Re(z).
Sea h = z = x + iy; aplicando la definicin de derivada se obtiene:
f ( z 0 h ) f ( z0 ) x x x x
f(z0) = lim = lim = lim
h 0 h h 0 h h 0 x iy
que es igual a 1 si y es igual a cero, y a 0 si x es igual a cero, por lo que el
lmite no existe, y la funcin Re(z) no es derivable en ningn punto.
Ejemplo 2.3.2: Estudiar la derivabilidad de la funcin: f(z) = Im(z).

Sea h = z = x + iy; aplicando la definicin de derivada se obtiene:
f ( z 0 h ) f ( z0 ) y y y y
f(z0) = lim = lim = lim
h 0 h h 0 h h 0 x iy
que es igual a 1/i si x es igual a cero, y a 0 si y es igual a cero, por lo que el
lmite no existe, y la funcin Im(z) no es derivable en ningn punto.
Los ejemplos anteriores demuestran que existen funciones que no son
derivables en C y sin embargo sus partes real e imaginaria son funciones
diferenciables en 2.
Ejemplo 2.3.3: Estudiar las condiciones de Cauchy Riemann de las
funciones siguientes: a) f(z) = z3; b) f(z) = Re(z); c) f(z) = Im(z).
a) f(z) = z3 = (x + iy)3 = (x3 3xy2) + i(3x2y y3),
ux = 3x2 3y2 = vy , uy = 6xy = vx , por lo que verifica las condiciones de
Cauchy Riemann para todo punto z de C.
b) f(z) = Re (z) = x, ux = 1 distinto de vy = 0; uy = 0; vx = 0. No las
verifica en ningn punto.
c) f(z) = Im (z) = y, ux = 0; vy = 0; uy = 1 distinto de vx = 0. No las
verifica en ningn punto.
Ejemplo 2.3.4: Estudiar los puntos en los que la funcin f(z) = Log (z i)
es derivable, y calcular su derivada en los puntos en los que exista.
La funcin es derivable en C \ {z: z = x + i, x 0}. Su derivada en estos
1
puntos es f(z) = .
zi
Log ( z 4 )
Ejemplo 2.3.5: Estudiar los puntos en los que la funcin f(z) =
z2 i
es derivable, y calcular su derivada en los puntos en los que exista.
1 i
La funcin es derivable en C \ z z : z , z 4 y su
2
derivada es
z 2 i 2z( z 4 )Log ( z 4 )
f(z) = .
( z 2 i )2 ( z 4 )
Ejercicios
2.11. Comprobar los valores de la derivada de f(z) en los puntos indicados:
a. f(z) = (z2 i)2 en 3 2i vale 44 196i.
b. f(z) = 1/(z3) en 3i vale 1/27.
zi
c. f(z) = en i vale i/2.
zi
2.12. Derivar las siguientes funciones:
a. f(z) = (z2 i)6.
1
b. f(z) = .
z
z3
c. f(z) = .
z 5
4
d. f(z) = .
( 4 z )2 i
2.13. Demostrar que la funcin f(z) = eaz, a C, es derivable en todo el
plano complejo y su derivada es f(z) = aeaz.
2.14. Demostrar que: (cosh z) = senh z y (senh z) = cosh z.

2.15. Determinar la condicin o condiciones que deben verificar las
constantes reales a y b para que la funcin:
f(z) = a(x3 iy3) 2b(ix2y xy2) + i(y2 x2) + 2xy 7
satisfaga las condiciones de Cauchy Riemann.
xy ( x iy )
2.16. Demostrar que la funcin f(z) = si z 0, f(0) = 0, no es
x2 y 2
derivable en 0 y sin embargo verifica las condiciones de Cauchy
Riemann en z = 0.
2.4. FUNCIONES HOLOMORFAS
La derivada compleja definida en la seccin anterior permite introducir el
concepto de holomorfa. Las funciones holomorfas juegan un papel
fundamental dentro de la teora de funciones complejas debido a que tienen
muy buenas propiedades, como se podr comprobar a lo largo de esta seccin.
Esta es la razn por la que algunos autores las denominan funciones regulares.
El buen comportamiento de las funciones holomorfas permite deducir para
ellas resultados realmente sorprendentes, que aparecern en captulos
posteriores.
2.4.1. Funciones holomorfas. Definiciones
Definicin 2.4.1:
f(z) es holomorfa en un conjunto abierto G si es derivable en todos los
puntos de G.
Definicin 2.4.2:
f(z) es holomorfa en un conjunto A si es holomorfa en un abierto G que
contiene a A.
Definicin 2.4.3:
Una funcin f(z) es holomorfa en un punto z0 si es derivable en todos los
puntos de un entorno de z0, es decir, si existe un disco de centro z0 y radio r,
Br(z0), r > 0, tal que f(z) es derivable en todos sus puntos.
Definicin 2.4.4:
f(z) es una funcin entera si es holomorfa en todo el plano complejo C.
2.4.2. Estudio de la holomorfa de las distintas funciones
Los polinomios complejos p(z) son funciones derivables en todo el plano
complejo; son entonces funciones holomorfas en C y por tanto se puede decir
que los polinomios son funciones enteras.
1
La funcin f(z) = es derivable en todo el plano complejo salvo z = 0. Por
z
tanto es holomorfa en C \ {0}.
P( z )
Las funciones racionales f(z) = , al estar formadas por cocientes de
Q( z )
polinomios, son funciones derivables en todo el plano complejo, salvo en los
puntos que anulan el denominador, es decir, los puntos zi tales que Q(zi) = 0.
Por tanto, son holomorfas en todo C \ {zi: Q(zi) = 0}.
La funcin f(z) = z2 no es holomorfa en ningn punto del plano
complejo, puesto que slo es derivable en z = 0.

Las funciones ez, sen z y cos z son holomorfas en todo C y por tanto son
funciones enteras.
La funcin log z = lnz + i(Arg z + 2k), Arg z [, ), es holomorfa
en C \ {z: z , z 0}.
2.4.3. Propiedades de las funciones holomorfas
Si una funcin es constante en un conjunto abierto, existe su derivada y
vale cero. La siguiente proposicin demuestra la implicacin en sentido
contrario.
Proposicin 2.4.1:
Sea f(z) = u(x, y) + iv(x, y) una funcin holomorfa en un conjunto abierto
G y sea f(z) = 0 en todos los puntos de G, entonces f(z) es constante en G.
Demostracin:
Si f(z) = 0 se tiene que las derivadas parciales de u y v son 0. Basta
demostrar que dados dos puntos distintos cualesquiera z1 = (x1 + iy1) y z2 = (x2
+ iy2) de G, se verifica que f(z1) = f(z2). Para ello se toma en primer lugar el
punto intermedio z* = (x2 + iy1) . Se tiene:
u(x1, y1) u(x2, y1) = ux(1, y1) (x1 x2) = 0, 1 (x1, x2) u(x1, y1) = u(x2, y1)
v(x1, y1) v(x2, y1) = vx(2, y1) (x1 x2) = 0, 2 (x1, x2) v(x1, y1) = v(x2, y1)
Se tiene entonces que f(z1) = f(z*).
Con un razonamiento anlogo se comprueba que f(z2) = f(z*), con lo que
est demostrado que f(z) debe ser constante.
La proposicin anterior permite obtener de manera inmediata los

siguientes resultados:
Corolario 2.4.2:
Sea f(z) = u(x, y) + iv(x, y) una funcin holomorfa en un conjunto abierto
G. Las siguientes implicaciones son ciertas:
a) u(x, y) constante en G f(z) constante en G.
b) v(x, y) constante en G f(z) constante en G.
c) |f(z)| constante en G f(z) constante en G.
Estos resultados se obtienen sin mas que comprobar que las condiciones
que se dan en las hiptesis de a), b) y c) implican que la derivada debe de ser
cero en todo punto de G, y por tanto f(z) es constante en G.
Ejemplos resueltos
2
z
Ejemplo 2.4.1: Estudiar la holomorfa de f(z) = e y calcular el valor de la
derivada en z = x + iy, si existe.
2 2 2 2 2
z
f(z) = e = e x y , por lo que u(x, y) = e x y y v(x, y) = 0
2 2 2 2
ux = 2x e x y distinto de vx = 0, salvo si x = 0; uy = 2y e x y distinto
de vy = 0, salvo si y = 0. Por tanto, slo se verifican las condiciones de Cauchy
Riemann en el punto z = 0; como las derivadas parciales existen y son
continuas en z = 0, la funcin es derivable en z = 0, pero no existe ningn disco
que contenga al origen en el que sea derivable, por lo que la funcin no es
holomorfa en ningn punto.

Ejercicios
2.17. Demostrar que si f(z) = u(x, y) + iv(x, y) es una funcin holomorfa en
un conjunto abierto G, las siguientes implicaciones son ciertas:
a. u(x, y) constante en G f(z) constante en G.
b. v(x, y) constante en G f(z) constante en G.
c. |f(z)| constante en G f(z) constante en G.
2.18. Estudiar la holomorfa de las siguientes funciones complejas, y
calcular en valor de la derivada en z = x + iy, si existe:
a. f(z) = (z + i)( z 2)2.
b. f(z) = 1/(1 z).
c. f(z) = (z + z )2/(z z ).
2.19. Sea f(z) = u(x, y) + iv(x, y) una funcin holomorfa en un conjunto
abierto G. Estudiar si son vlidas las siguientes expresiones:
a. f(z) = uz + ivz.
b. f(z) = ux + ivx.
c. f(z) = uy + ivy.
d. f(z) = uz + ivz.
2.5. FUNCIONES ARMNICAS
Las funciones armnicas reales, aunque son funciones definidas sobre
subconjuntos del plano real, G 2, estn estrechamente relacionadas con las
funciones holomorfas.
Las funciones armnicas, como soluciones de la ecuacin de Laplace,
aparecen en mltiples aplicaciones dentro de diversos campos, como son el
potencial electrosttico, el flujo de fluidos o problemas relacionados con la
transmisin del calor. La relacin existente entre las funciones armnicas y las
funciones holomorfas hace que la teora de funciones complejas sea de gran
utilidad en la resolucin de estos problemas.
2.5.1. Funciones armnicas. Definicin
Definicin 2.5.1:
Una funcin h(x, y), h: G 2 , es una funcin armnica en el
abierto G si tiene derivadas parciales de primer y segundo orden continuas y
2h 2h
verifica la ecuacin de Laplace: = hxx + hyy = 0.
x 2 y 2
La relacin entre las funciones holomorfas y las funciones armnicas se
puede apreciar en el siguiente resultado:
Proposicin 2.5.1:
Si f(z) = u(x, y) + iv(x, y) es una funcin holomorfa en un conjunto abierto
G C, entonces las funciones u y v son armnicas en G 2.
Demostracin.
Si f(z) es holomorfa en el conjunto abierto G, entonces u y v tienen
derivadas parciales de primer y segundo orden continuas. Este es un resultado
que se demostrar mas adelante en el captulo 4.
Adems, las funciones u y v verifican las condiciones de Cauchy
Riemann: ux = vy y uy = vx, de donde se deduce que:
u v yx
ux = vy xx
v yy u xy
u v xy
uy = vx yy
v xx u yx
Se tiene entonces uxx + uyy = vyx vxy = 0 y vxx + vyy = uyx + uxy = 0; por
tanto u y v son armnicas en G 2.
De la definicin de funcin holomorfa se obtiene de manera inmediata el
siguiente resultado:
Proposicin 2.5.2:
Si u y v son funciones armnicas en un conjunto abierto G 2 y verifican
ux = vy y uy = vx , la funcin f(z) = u(x, y) + iv(x, y) es holomorfa en G.
Observacin. En la proposicin anterior la funcin u debe ser la parte real
de f(z) y v la parte imaginaria. Si se modifica el orden, la funcin resultante f(z)
= v(x, y) + iu(x, y) puede no ser holomorfa.
Definicin 2.5.2:
Sean u y v funciones armnicas en un conjunto abierto G 2. Se dice
que v es la armnica conjugada de u en G si la funcin f(z) = u(x, y) + iv(x, y)
es holomorfa en G considerado como un subconjunto de puntos del plano

complejo.
As, por ejemplo, la funcin f(z) = z2 = x2 y2 + 2xyi es holomorfa en C .
Por tanto, la funcin v = 2xy es la armnica conjugada de u = x2 y2.
2.5.2. Propiedades de las funciones armnicas
Se presentan a continuacin algunas de las propiedades de las funciones
armnicas.
1. Si v es la armnica conjugada de u en G, u es la armnica conjugada
de v en G.
En efecto, al ser la funcin f(z) = u(x, y) + iv(x, y) holomorfa en G
entonces la funcin g(z) = v(x, y) iu(x, y) es tambin holomorfa en G.
2. Si u es armnica en G, ux es la parte real de una funcin holomorfa.
Basta comprobar que la funcin
f*(z) = u*(x, y) + iv*(x, y) = ux(x, y) iuy(x, y) es holomorfa en G.
3. Si u es armnica en G, y G es un conjunto suficientemente bueno
(simplemente conexo), u es la parte real de una funcin holomorfa.
4. Dada una funcin armnica u, se puede calcular su armnica conjugada.
El procedimiento para ello se puede ver en el ejemplo 2.5.1.
Ejemplos resueltos
Ejemplo 2.5.1: Dada la funcin u(x, y) = y3 3x2y, comprobar que es
armnica en C y obtener su armnica conjugada v(x, y).

ux = 6xy; uy = 3y2 3x2; uxx = 6y; uyy = 6y .
Por tanto, uxx + uyy = 0 y la funcin u es armnica en C.
Para obtener su armnica conjugada, v, se utilizan las condiciones de
Cauchy Riemann:
ux = vy v = uxdy + (x) = 6xydy +(x) = 3xy2 + (x)
vx = 3y2 + (x) y al imponer que vx = uy 3y2 + (x) = (3y2 3x2)
(x) = 3x2 (x) = x3.
Se tiene entonces que v(x, y) = 3xy2 + x3, y la funcin
f*(z) = y3 3x2y + i(x3 3xy2) = iz3
es holomorfa en C.
2 3 2
Ejemplo 2.5.2: Dada la funcin f(z) = y2x y + i(x2y x3), calcular la
3 3
derivada en los puntos en los que exista. Se puede construir una funcin f*(z)
2 3
holomorfa en C tal que Im (f*(z)) = x2y x ? Justificar la respuesta y en caso
3
afirmativo calcular f*(z).
Las derivadas parciales de u y v existen y son continuas
ux = y2; uy = 2xy 2y2; vx = 2xy 2x2; vy = x2
Se impone a continuacin que verifiquen las condiciones de Cauchy
Riemann y se tiene entonces que:
ux = vy y2 = x2 y = x.
vx = uy 2xy 2y2 = 2xy + 2x2 2(x y)2 = 0 y = x

Las condiciones de Cauchy Riemann se verifican slo en los puntos de
la recta z = x + ix. Por tanto, f(z) es derivable slo en los puntos de esta recta y
su derivada en cada punto z0 = x0 + ix0 es
f(z0) = ux(x0 , x0) + ivx(x0 , x0) = x02 + i(2x02 2x02) = x02.
Se tiene entonces que f(z) no es derivable en ningn conjunto abierto del
plano complejo y entonces no es holomorfa en ningn punto.
2 3
Para que la funcin v(x, y) = x2y x pueda ser la parte imaginaria de
3
una funcin holomorfa hay que ver en primer lugar si v(x, y) es armnica.
Sus derivadas parciales segundas son vxx = 2y 4x y vyy = 0; por tanto,
vxx + vyy = 2y 4x 0 si y 2x por lo que v(x, y) no es armnica en ningn
conjunto abierto y no puede ser entonces la parte imaginaria de ninguna
funcin holomorfa.
Ejercicios
2.20. Comprobar que las funciones u(x, y) = excos y, v(x, y) = exsen y son
armnicas y que v es la armnica conjugada de u.
2.21. Demostrar que si v(x, y) es armnica conjugada de u(x, y), y si u(x, y)
es armnica conjugada de v(x, y), entonces f(z) = u(x, y) + iv(x, y) es
una funcin constante.
2.22. Demostrar que si u es armnica en G, y G es un conjunto
suficientemente bueno (simplemente conexo), u es la parte real de una
funcin holomorfa.
2.6. EJERCICIOS
2.23. Calcular la parte real y la parte imaginaria de f(z) siendo f(z) igual a:
a. z2 3z + 5.
b. z + 1/z, con z distinto de cero.
c. z3 + 2.
d. 1/(1 z).
2.24. Expresar en forma binmica:
a. e1 i .
i
b. e 4 .
i
c. e 3 .
d. e1 i .
a. cos (2 i).
b. sen i.
c. cos i.
d. tg (1 + i).
e. senh i.
f. cosh i.

a. log (1 + i).
b. Log (ei).
c. Log (1 i).
d. log (ei).
e. log (1 i).
2.27. Resolver las siguientes ecuaciones:
a. ez = 3.
b. ez = 2.
c. ez = 1 + 3 i.
d. e3 zi 1 = 1.
e. log z = e + i.
2.28. Resolver las siguientes ecuaciones:
a. cosh z = 2.
b. cos z = 2.
c. senh z = 0.
d. cos z = i.
e. sen z = i.
2.29. Comprobar que al resolver la ecuacin cos z = sen z se obtiene z =

+ k con k Z.
4
2.30. La funcin real cosh x no se anula nunca; estudiar dnde se anula

1
cosh z y comprobar que se anula para z = i ( + k) con k Z.
2
2.31. Calcular el dominio de definicin de las funciones:
Log ( z 1)
a. f(z) = .
z 2 4i
z 1
b. g(z) = .
2
z iz 4 4i
c. h(z) = tgh (2z 1).
2.32. Expresar en forma binmica los nmeros complejos:
a. (1 i) i-1.
b. (2i)2i+1
c. (1 + 3 i)3/2.
d. ii.
e. 1i.
f. i1.
g. (2i)i.
2.33. Demostrar que, para z = x + iy,
a. cosh z2 = senh2 x + cos2 y.
b. senh z2 = senh2 x + sen2 y.
2.34. Demostrar que Log (1 + i)2 = 2 Log (1 + i) pero que Log (1 + i)2 es
distinto de 2Log (1 + i).
2.35. Demostrar que se satisfacen las siguientes igualdades:

a. sen2 z + cos2 z = 1.

b. sen( z) = cos z.
2
c. cosh2 z senh2 z = 1.
2.36. Estudiar si existen los siguientes lmites:
zz
a. limz0 .
zz
( z z )3
b. limz0 .
zz
2z 2 2z 5
c. limz .
3z 2 5z 3
2.37. Estudiar la continuidad de las funciones:
a. f1(z) = z.
b. f2(z) = z .
z4 1
c. f3(z) = .
z3 z
z4 1
d. f4(z) = si z i, f( i) = 2i.
3
z z
2.38. Estudiar la derivabilidad de las funciones que se indican y calcular en
cada caso la derivada en los puntos donde exista.
2z 1
a. f(z) = .
cos z 2
b. f(z) = e 2z /( z 1) .
c. f(z) = h(x), siendo h una funcin tal que h(x) 0.
d. f (z) = 2x y + i3y2.
xy ( x iy )
z0
2.39. Estudiar la derivabilidad de f(z) = x 2 y 2 .
0 z0

2.40. Deducir las condiciones de Cauchy - Riemann cuando la funcin est
expresada en coordenadas polares
u 1 v v 1 u
, ,
r r r r
y comprobar que f(z) = ei(ur + ivr).
2.41. Estudiar donde son holomorfas las funciones que se indican:
a. f(z) = Re (z2).
b. f(z) = 1/(1 + z).
c. f(z) = z + z .
2z 1
d. f(z) = .
e z e z
2.42. Sea f(z) una funcin holomorfa en una regin A. Estudiar la
holomorfa de las siguientes funciones:
a. f1(z) = f( z ).
b. f2(z) = f ( z ) .
c. f3(z) = f ( z ).
d. f4(z) = cos( z ).
2.43. Sea u(x, y) = 2x(1 y) una funcin de dos variables reales.

a) Demostrar que es armnica.
b) Encontrar una funcin f(z) holomorfa tal que su parte real sea u(x, y).
c) Expresar f(z) en trminos de z.
2.44. Estudiar si las siguientes funciones son armnicas y en caso
afirmativo calcular sus armnicas conjugadas.
a. u(x, y) = x2 y2 2xy 2x + 3y.
b. u(x, y) = 3x2y + 2x2 y3 2y2.
c. u(x, y) = 2xy + 3xy2 2y3.
2.45. Dada la funcin u(x, y) comprobar que es armnica y obtener su
armnica conjugada v(x, y) tal que f(z) = u(x, y) + iv(x, y) sea una
funcin holomorfa, siendo:
a. u(x, y) = xy, f(0) = i.
b. u(x, y) = excosy, f(0) = 1 + 2i.
c. u(x, y) = x2 y2 , f(0) = i.
d. u(x, y) = x3 3xy2, f(0) = i.
2.46. Obtener una funcin holomorfa f(z) = u(x, y) + iv(x, y), siendo:
a. u(x, y) = x2 y2 2x + 1, f(1) = 0.
b. v(x, y) = xy, f(0) = 1.
c. v(x, y) = excosy, f(0) = i.
d. u(x, y) = y3 3x2y, f(0) = i.
2.47. Sea f(z) = u(x, y) + iv(x, y) una funcin holomorfa en un conjunto

abierto G. Demostrar que las siguientes implicaciones son ciertas:
a. u(x, y) constante en G f(z) constante en G.
b. v(x, y) constante en G f(z) constante en G.
c. f(z) constante en G f(z) constante en G.

CAPTULO 3
Series complejas
El inters fundamental que se persigue en este captulo es la
representacin de las funciones complejas por medio de series de potencias, lo
que se puede conseguir si las funciones tienen buenas propiedades de
regularidad. Como se podr comprobar en este captulo y en los captulos
siguientes, tanto las series de potencias como las series de Laurent tienen una
importancia especial en la teora de funciones de variable compleja, pues, por
una parte toda funcin holomorfa en un punto admite un desarrollo en serie de
potencias en dicho punto, es decir, es analtica en dicho punto, y por otra parte
los coeficientes de la serie juegan un papel fundamental dentro de la teora de
integracin compleja, lo que permite utilizar los desarrollos en series de Laurent
en un punto singular para el clculo de integrales.
En las secciones 1 y 2 de este captulo se estudian el comportamiento y
las propiedades de las sucesiones y series de nmeros complejos y las
sucesiones y series de funciones complejas. Para ello es conveniente revisar
los conocimientos sobre sucesiones y series reales, con el fin de adaptarlos al
campo complejo. Las definiciones, teoremas y consecuencias que se verifican
en el caso de series reales se mantienen, pues el campo complejo se comporta
de manera similar a 2, ya que una sucesin de nmeros complejos {zn}nN es

igual a {xn + iyn}nN, con lo cual basta estudiar las dos sucesiones de nmeros
reales {xn}nN e {yn}nN para analizar el comportamiento de la sucesin compleja
{zn}nN. Se presentan las definiciones de sucesin de nmeros complejos y de
funciones complejas, lmite de una sucesin, convergencia de sucesiones,
sucesiones de Cauchy y convergencia absoluta, as como las consecuencias
que se derivan del hecho de que el plano complejo C sea un espacio mtrico
completo. Una serie infinita se define como el lmite de la sucesin de las
sumas parciales asociadas a la serie. Se introduce el concepto de
convergencia uniforme y se analiza el dominio de convergencia en el plano
complejo.
Dentro de las series de funciones tienen un inters especial las series de
potencias, y esta es la razn por la que se estudian de manera especfica en la
seccin 3. Las series de potencias definen, dentro de su disco de
convergencia, funciones complejas con muy buenas propiedades de
regularidad. Esto motiva el que se las considere como un grupo especial de
funciones, que se denominan funciones analticas, y su estudio se desarrolla en
la seccin 4.
Sin embargo, muchas de las funciones que se utilizan habitualmente no
se pueden expresar como series de potencias en determinados puntos, debido
a que en esos puntos presentan singularidades. Se plantea entonces la
posibilidad de extender el concepto de serie de potencias a una situacin ms
general, es decir a la representacin de una funcin a travs de sumas infinitas
de series de potencias positivas y negativas. Esto da lugar a la utilizacin de
las series de Laurent o series dobles, que se estudian en la ltima seccin de
este captulo.
Series complejas 113
3.1. SUCESIONES Y SERIES DE NMEROS
COMPLEJOS
Las sucesiones y series de nmeros complejos se comportan de la misma
forma que las sucesiones y series de nmeros reales. As, una sucesin de
nmeros complejos es un conjunto ordenado de nmeros complejos {cn}nN, y,
dada la sucesin de nmeros complejos {cn}nN, la serie asociada se

representa de la forma ck .
k1
Definicin 3.1.1:
La sucesin de nmeros complejos {cn}nN es convergente y tiene como
lmite c si para todo > 0 existe un nmero natural m tal que para todo n > m
los trminos cn de la sucesin estn a una distancia de c menor o igual que .
Es decir,
lm cn = c > 0 existe m N tal que n > m, |cn c| < .

n
Se comprueba fcilmente el siguiente resultado:
Proposicin 3.1.1:
Si cn = an + ibn y c = a + ib se tiene:
lm cn = c lm an = a y lm bn = b.
n n n
Basta entonces estudiar el comportamiento de las sucesiones de nmeros
reales {an}nN y {bn}nN para analizar la convergencia de {cn}nN.
Las definiciones, propiedades y operaciones de las sucesiones reales se

pueden as extender de manera automtica al campo complejo.
Definicin 3.1.2:
Una sucesin de nmeros complejos {cn}nN es una sucesin de Cauchy
si para cada > 0 existe m N tal que n1, n2 > m, |cn1 cn2| < .
Como en el caso real se verifica:
Proposicin 3.1.2:
Sea {cn}nN una sucesin de nmeros complejos, entonces:
{cn}nN es una sucesin de Cauchy {cn}nN es convergente.
La convergencia de una serie de nmeros complejos se define como el
lmite de la sucesin de las sumas parciales de la serie.
Definicin 3.1.3:
Dada una sucesin de nmeros complejos {cn}nN, se dice que la serie

asociada ck es convergente si la sucesin de las sumas parciales Sn =
k1
n
ck converge. Es decir:
k 1

ck = lm Sn > 0 existe m N tal que n > m, |
n
ck | < .
k1 kn
Si una serie compleja no es convergente, se dice que es divergente.
Si una serie converge y lm Sn = S, se dice que S es el valor de la suma

n

de la serie: ck = S.
k1

En funcin de su conveniencia, se utilizar tambin la notacin ck , en
k0
la que el primer trmino de la serie se denomina c0.
Se comprueba fcilmente el siguiente resultado:
Proposicin 3.1.3:
Sea {cn}nN una sucesin de nmeros complejos tales que cn = an + ibn.

Entonces: ck converge ak y bk convergen.
k1 k1 k1
De la misma forma que en el caso de las sucesiones, basta estudiar el

comportamiento de las series de nmeros reales ak y bk para analizar la
k1 k1

convergencia de la serie compleja ck . Se pueden utilizar entonces los
k1
criterios de convergencia de series reales para analizar la convergencia de las
series complejas.
De este hecho se deduce de manera inmediata el siguiente resultado:
Corolario 3.1.4:

Una condicin necesaria (no suficiente) para que la serie ck sea
k1
convergente es que lm cn = 0.
n
Definicin 3.1.4:

La serie ck es absolutamente convergente si la serie real de sus
k 1

mdulos ck converge.
k1

Si la serie ck es absolutamente convergente, como |ak| |ck| y |bk|
k 1
|ck|, el criterio de comparacin de series reales asegura la convergencia de las

series reales ak y bk , y como consecuencia de ello la convergencia de
k1 k1

las series ak , bk y c k . Se deduce entonces, igual que en el caso real,
k1 k1 k 1
que la convergencia absoluta de una serie compleja implica la convergencia de
la serie.

Dada una serie compleja ck se tienen entonces tres series reales
k1
asociadas a ella:

Re(ck ) , Im(ck ) y ck .
k 1 k 1 k1
Basta revisar las propiedades, los teoremas y los criterios de
convergencia de las series reales para estudiar automticamente los de las
series complejas. Son de especial utilidad los criterios de la raz y del cociente,
que se enuncian a continuacin:
Proposicin 3.1.5: Criterio de la raz
Sea {cn}, n N, una sucesin de nmeros complejos, y sea L =

lim sup n | c
n
n |. Si L es menor que 1 la serie c n converge absolutamente, y
n 1
si L es mayor que 1 la serie diverge.
Se observa que en el caso en el que L sea igual a 1, el criterio no afirma
nada, por lo que suele denominar el caso dudoso.
Proposicin 3.1.6: Criterio del cociente
Sea {cn}, n N una sucesin de nmeros complejos, y sea L =

c
lim n 1 . Si L es menor que 1 la serie
n cn
c n converge absolutamente, y si L
n 1
es mayor que 1 la serie diverge.
Se observa que en el caso en el que L sea igual a 1, el criterio no afirma
nada, por lo que suele denominar el caso dudoso.
Es interesante recordar que ambos criterios estn estrechamente ligados
cn 1
entre s, ya que si existe lim entonces tambin existe lim n | cn | y
n cn n
ambos coinciden.
Ejemplos resueltos
ni
Ejemplo 3.1.1: Estudiar la convergencia de la sucesin cn = .
ni
( n i )2 n2 1
La sucesin cn se puede expresar como cn = = +
( n i )( n i ) n2 1
2ni
.
n2 1
n2 1
La sucesin de nmeros reales an = es convergente y tiende a 1, y
n2 1
2n
la sucesin bn = tambin es convergente y tiende a 0. Por tanto la
n2 1
sucesin cn es convergente y lm cn = 1.
n
1 ( 2 ) n i
Ejemplo 3.1.2: Estudiar la convergencia de la sucesin cn = .
2n
1
La parte real es la sucesin de nmeros reales an = , que converge a
2n
( 2 ) n
0. Pero la parte imaginaria bn = es una sucesin de nmeros reales que
2n
no converge porque los trminos pares de la sucesin tienden a 1 mientras que
los impares tienden a 1. Por tanto, la sucesin cn no converge.

Ejemplo 3.1.3: Demostrar que la serie geomtrica ck = ck ,
k 0 k 0
definida para un nmero complejo c fijado previamente, es absolutamente
convergente si |c| < 1, y es divergente si |c| 1.
En efecto, si
Sn = 1 + c + c2 + + cn , multiplicando esta expresin por c se tiene:
cSn = c + c2 + + cn+1.
Restando ambas expresiones:
1 c n 1
Sn (c 1) = cn+1 1, y por tanto Sn = .
1 c

1
Si |c| < 1, al hacer tender n a infinito c k = nlm

Sn =
1 c
.
k 0
Sin embargo, si |c| 1, la sucesin Sn es divergente, puesto que en este

caso lm cn no tiende a cero.

n

in
Ejemplo 3.1.4: Estudiar la convergencia de la serie n
n 1

in 1 i 1 i 1 1 1 1
La serie n
=i
2

3
+
4
+
5
= (
2
+ + ) + i(1
4 6 3
n 1

1 1 in ( 1) n ( 1) n 1
+
5

7
+ ). Se tiene entonces que
n
= 2
n
+i
2n 1
.
n 1 n 1 n 1
Las partes real e imaginaria de la serie son series reales alternadas

in
montonas decrecientes y por tanto convergen. La serie
n

es entonces
n 1
convergente. Sin embargo no es absolutamente convergente ya que la serie

in 1
n
=
n
es la serie armnica, que diverge.
n 1 n 1
Ejercicios
1 n
3.1. Demostrar que la sucesin cn = 1 + i converge a 1.
n3
1 1 n
3.2. Demostrar que la sucesin cn = ( + i) converge a 0.
2 2
1 2n i
3.3. Demostrar que la sucesin cn = converge a i.
2n i
3.4. Estudiar la convergencia de las series:

n 2 2n 3
a) n3

n4
i
n 1

1 1
b) (
2
+ i)n
2
n 0
3.2. SUCESIONES Y SERIES DE FUNCIONES
COMPLEJAS
Las sucesiones y series de funciones complejas se comportan tambin de
la misma forma que las sucesiones y series de funciones reales. Dada una
sucesin {fn(z)}nN de funciones complejas definidas en los puntos z de un
conjunto G C, los conceptos de convergencia puntual, absoluta y uniforme de

la sucesin {fn(z)}nN o de la serie asociada fn(z) son anlogos al caso de
n1
sucesiones de funciones reales, as como los teoremas que permiten transmitir
las buenas propiedades de las funciones que forman la sucesin a la funcin
lmite.
3.2.1. Sucesiones de funciones complejas
Sean fn(z), n N, y f(z) funciones complejas definidas en un subconjunto
G C, sea z0 un punto de G y sea {fn(z)}nN la sucesin de funciones
complejas definida con las funciones fn(z).
Definicin 3.2.1:
La sucesin {fn(z)}nN converge en el punto z0 a f(z0) en G si la sucesin

numrica {fn(z0)}nN converge a f(z0). Es decir,
lm fn(z0) = f(z0) > 0, m N tal que n > m, |fn(z0) f(z0)| < .

n
Definicin 3.2.2:
La sucesin {fn(z)}nN converge puntualmente a la funcin f(z) en G si
para cada z0 G la sucesin numrica {fn(z0)}nN converge a f(z0).
Es decir, para cada z0 G y para cada > 0 existe m N tal que n > m,
|fn(z0) f(z0)| < .
Definicin 3.2.3:
La sucesin {fn(z)}nN converge absolutamente a la funcin f(z) en G si
para cada z0 G la sucesin numrica {fn(z0)}nN converge absolutamente a
f(z0).
Definicin 3.2.4:
La sucesin {fn(z)}nN converge uniformemente a la funcin f(z) en G si
para cada > 0 existe m N tal que para todo z G y todo n > m se verifica
que |fn(z) f(z)| < .
Es importante resaltar que para que la convergencia de la sucesin en un
conjunto G sea uniforme es preciso que para cada > 0 fijado exista un trmino
m de la sucesin, independiente del punto z, a partir del cual la distancia entre
fn(z) y f(z) sea menor , para todo z G.

3.2.2. Series de funciones complejas. Definicin y convergencia
Los distintos tipos de convergencia de series se definen a travs de la
convergencia de las correspondientes sucesiones de sumas parciales
asociadas. Sea {fn(z)}nN una sucesin de funciones complejas definidas en un
conjunto G C.
Definicin 3.2.5:

La serie fn(z) converge en el punto z 0 G si la serie de nmeros
n1

complejos fn(z0) converge. Es decir, si para cada > 0 existe m N tal que
n1

n > m, se verifica que | fk(z0) | < .
kn
Definicin 3.2.6:

La serie fn(z) converge puntualmente en G si la serie fn(z0)
n1 n1
converge para todo z0 G.
Definicin 3.2.7:

La serie fn(z) converge absolutamente en z 0 G (respectivamente
n1

en G) si la serie | fn(z0)| converge (resp. | fn(z) | converge en todo z G).
n1 n1
Definicin 3.2.8:

La serie fn(z) converge uniformemente en G si para cada > 0 existe
n1

m N tal que para todo z G y n > m, se verifica que | fk(z) | < .
kn
Es importante sealar que, igual que en el caso de las sucesiones, para
que la convergencia de la serie en G sea uniforme, el valor m debe depender
nicamente del elegido y no del punto z del dominio, como ocurra en la
convergencia puntual. Tiene sentido, por tanto, hablar de convergencia
uniforme en un conjunto (nunca en un punto).
La relacin entre los distintos tipos de convergencia que se acaban de
definir es la misma que en el caso real.
De la propia definicin se deduce de manera inmediata que la
convergencia absoluta implica la convergencia puntual.
La convergencia uniforme de una serie en un conjunto implica tambin la
convergencia puntual de la serie en el conjunto.
Si una serie converge uniformemente en un conjunto G tambin converge
uniformemente en cualquier subconjunto de G.
Por otra parte, es importante observar que, como en el caso real, la
convergencia uniforme de una serie en un conjunto no implica necesariamente
la convergencia absoluta de la serie en dicho conjunto.
Los criterios de convergencia de series de funciones reales son vlidos
para el estudio de la convergencia de series de funciones complejas. De ellos
cabe destacar el criterio de Weierstrass que se enuncia a continuacin.

Proposicin 3.2.1: Criterio de la mayorante de Weierstrass.

Sea fn(z) una serie de funciones complejas definidas en un
n1
subconjunto G del plano complejo, tales que para cada n N existe una

constante Mn que verifica |fn(z)| Mn, z G, y M n < . Entonces
n 1
fn(z) converge absolutamente y uniformemente en G.

n1
El criterio de la mayorante de Weierstrass permite entonces asegurar la
convergencia absoluta y uniforme de una serie de funciones a travs de la
convergencia absoluta de una serie numrica que la mayore, y ser de gran
utilidad en el estudio de la convergencia de las series de potencias.

zn
Por ejemplo, la serie n
converge uniformemente y absolutamente en
n 1
el conjunto Ar = {z; |z| r }, siempre que r sea un nmero real tal que 0 r <1,

zn
pues en este caso se tiene que
n
rn = Mn , y
r n converge si r < 1. En
n 1

zn
consecuencia, la serie
n
converge puntualmente en A1 = {z; |z| < 1} y
n 1
converge adems uniformemente y absolutamente en cualquier conjunto Ar =
{z; |z| r}, si r < 1.

De la convergencia puntual de una serie fn(z) en un conjunto G se
n1
deduce la existencia de una funcin f(z) definida en G tal que para cada z G

f(z) = fn(z).
n1
Definicin 3.2.9:

Dada una serie fn(z) convergente en un conjunto G, se llama suma de
n1
la serie a la funcin f(z) que define la serie en los puntos de G.

As, la serie geomtrica z k , que como se ha comprobado en el
k 0
ejemplo 3.1.2. es convergente para todo valor de z tal que |z| < 1, define una
funcin f(z) en el interior del disco unidad, B1(0), que representa la suma de la

1 1
serie y es precisamente
1 z
, por lo que zk =
1
z
, si |z| < 1.
k 0
De la misma forma que en el caso de series de funciones reales, la
obtencin de la funcin que define una serie convergente no es en general una
tarea fcil, pero s lo es para algunos tipos especiales de series. Este es el

caso anterior, en el que zk es una serie geomtrica.
k 0
3.2.3. Series de funciones complejas. Continuidad y
derivabilidad
La convergencia uniforme de una serie de funciones definidas en un
subconjunto del plano complejo permite transmitir a la funcin lmite muchas de
las buenas propiedades de las funciones que definen la serie. Los teoremas
que aseguran las condiciones que se precisan son los mismos que en el caso
de series de funciones reales y se enuncian a continuacin.
Proposicin 3.2.2:

Si las funciones fn(z) son continuas en G y la serie fn ( z ) converge
n 1
uniformemente en G a f(z), entonces f(z) es una funcin continua en G.
La convergencia uniforme es suficiente para garantizar la continuidad de
la funcin lmite de una serie de funciones continuas. Ms adelante, cuando se
haya introducido el concepto de integracin compleja, se podr comprobar que
la convergencia uniforme es tambin suficiente para asegurar la integrabilidad
de la funcin lmite de una serie de funciones integrables.
Sin embargo, la continuidad uniforme no es una condicin suficiente para
garantizar la derivabilidad de la funcin lmite de una serie de funciones fn(z)
derivables. Se necesitan para ello condiciones adicionales, como seala la
siguiente proposicin, que tambin se enuncia sin demostracin.
Proposicin 3.2.3:

Si las funciones fn(z) son derivables en G, la serie fn ( z ) converge en
n 1

un punto z0 G y la serie de las derivadas fn ( z ) converge uniformemente
n 1

en G, entonces la serie fn ( z ) converge uniformemente en G a una funcin
n 1

derivable f(z) y se tiene que f(z) = fn ( z ) .
n 1
Ejemplos resueltos

Ejemplo 3.2.1: Estudiar la convergencia de la serie fn ( z ) =
n 0
n
1 z n
2
1 z
en el conjunto G {z = x + iy; x 0}.
n 0

1 z
Si
1 z
1 se tiene que
| fn ( z ) |
2 n , serie geomtrica
n 0 n 0
1 z
convergente, por lo que por el criterio de Weierstrass, si 1 la serie
1 z
converge absoluta y uniformemente.
2
1 z ( x 1) 2 y 2 1 z
Si z G, se tiene que = 1 1 y por tanto
1 z ( x 1) 2 y 2 1 z
la serie converge absoluta y uniformemente en G.
Ejemplo 3.2.2: Obtener la suma de la serie del ejemplo 3.2.1.
1 z 1 z
Esta serie es una serie geomtrica de razn y como =
2( 1 z ) 2( 1 z )
1 1 z 1
< 1 si z G , la serie se puede sumar en G y se tiene
2 1 z 2

1 2( 1 z ) 2( 1 z )
fn ( z ) =
1 z
=
2( 1 z ) ( 1 z )
=
1 3z
.
n 0 1
2( 1 z )
Este resultado se puede extender al subconjunto de puntos del plano

1 z
complejo tales que < 1, es decir, al conjunto de puntos z = x + iy tal
2( 1 z )
10
que (x 1)2 + y2 < 4((x + 1)2 + y2) 3 [ x2 + y2 + x +1] > 0
3
5 2 16
(x + ) + y2 > 0.
3 9
Se tiene entonces que la serie converge en el conjunto de puntos z tal
5 4
que |z + | > , es decir, converge en el exterior del disco de centro el
3 3
5 4
punto y de radio .
3 3
Ejercicios
n 1
2 z
3.5. Estudiar la convergencia de la serie
2 z
3 n 1 en el
n 0
conjunto G { z = x + iy; x 0} y si es posible calcular su suma.
3.6. Estudiar el dominio de convergencia de las series

a) ( 2z 1) n 1 4 n 1 .
n 0
n
2
b)
2 z

n 0

c) ( 1 2z ) n 1 4 n 1
n 0

enz
3.7. Demostrar que la serie n2 converge en la regin {z; Re z < 0}.
n 1
3.3. SERIES DE POTENCIAS
Dentro de las series de funciones tienen un inters especial las series de
potencias. Como se ver a continuacin, las series de potencias juegan un
papel fundamental dentro de la teora de funciones de variable compleja.
3.3.1. Definicin. Convergencia de una serie de potencias
Definicin 3.3.1.
Se denomina serie de potencias alrededor del punto z0 a una serie de la

forma c n ( z z0 ) n , con c
n C.
n 0

zn
La serie geomtrica z n
y la serie n
que se han estudiado en
n 0 n 1
secciones anteriores son ejemplos de series de potencias desarrolladas
alrededor del punto z0 = 0, con unos coeficientes cn que valen respectivamente
1
1y . Ambas series convergen uniformemente en cualquier disco cerrado de
n
centro 0 y radio r, con 0< r <1, y convergen puntualmente en el disco de radio
uno, {z; |z| < 1}.
El primer problema que se puede plantear es el estudio de la


convergencia de una serie de potencias. La serie c n ( z z0 ) n converge
n 0
siempre en el punto z = z0 y su valor es c0. Se trata de estudiar si adems
converge en otros puntos distintos de z0.
Sea BR(z0) al disco abierto de centro z0 y radio R, es decir, el conjunto de
nmeros complejos z tales que |z z0| < R.
La proposicin que sigue aporta una informacin precisa sobre el
comportamiento de una serie de potencias frente a la convergencia.
Proposicin 3.3.1:

Si la serie c n ( z z0 ) n converge en un punto z1 z0, entonces
n 0
converge absolutamente y uniformemente en cada disco cerrado B r(z0), con r
< |z1 z0|.
Demostracin:

Como la serie numrica c n ( z1 z0 ) n converge, el trmino general de
n 0
la sucesin {cn(z1 z0)n} tiende a cero y la sucesin est acotada. Sea M una
cota de la sucesin, es decir, sea M tal que |cn (z1 z0)n| M, para todo n, y
sea r < |z1 z0|. Se tiene entonces, para todo z B r(z0),
n
n ( z z0 ) n n ( z z0 ) n r
c n ( z z0 ) = cn ( z1 z 0 ) M M = M n.
( z1 z 0 ) n ( z1 z0 ) n z1 z0
n
r
Al ser |z1 z0| > r, la serie de nmeros reales Mn = M
z z0
n 1 n 1 1
converge, ya que es una serie geomtrica de razn menor que 1. Aplicando el
criterio de Weierstrass se tiene entonces la convergencia absoluta y uniforme

de la serie c n ( z z0 ) n en el disco B r(z0), r < |z1 z0|.
n 0
Corolario 3.3.2:

Si la serie c n ( z z0 ) n converge en un punto z 1 z0, y no converge en
n 0
otro punto z2, existe un nmero real R > 0 tal que la serie converge en BR(z0) y
no converge en ningn nmero complejo z tal que |z z0| > R.
Demostracin:

Basta tomar R = sup{s ; z C, |z z0| = s y c n ( z z0 ) n
n 0
converge}. El supremo de este conjunto existe siempre puesto que es un
conjunto de nmeros reales no vaco y acotado superiormente por |z2 z0|.
La proposicin y el corolario anteriores permiten asegurar que si la serie

de potencias c n ( z z0 ) n adems de converger en z0 converge en algn
n 0
otro punto z1, existe un disco centrado en z0, que contiene a z1, en cuyo interior
la serie converge mientras que fuera de l la serie diverge. Es importante
observar que este disco puede tener radio infinito, en cuyo caso la serie
converge en todo el plano complejo.
Definicin 3.3.2:

Se llama radio de convergencia de la serie c n ( z z0 ) n al nmero
n 0
real R tal que la serie converge en el interior de BR(z0) y diverge si |z z0| > R.
Si la serie slo converge en el punto z0 el radio de convergencia es 0. Por
el contrario, si la serie converge en todo el plano complejo su radio de
convergencia es infinito. En este caso, la proposicin 3.3.1 asegura que la serie
converge absolutamente en todo el plano complejo y converge uniformemente
en cada disco Br(z0), con 0 < r < .
Utilizando el criterio de la raz se puede asegurar que
1
R= ,
n
l im sup | c n |
n
1 1
con el convenio de que y 0.
0
La frmula anterior permite calcular el radio de convergencia de una serie
a partir de los coeficientes de la serie. Sin embargo, en la prctica suele ser
ms sencillo calcularlo directamente, estudiando la convergencia de la serie.

As, la serie geomtrica z n converge si |z| < 1 y diverge si |z| > 1.
n 0
Tiene por tanto radio de convergencia 1.

zn
Para estudiar el radio de convergencia de la serie n
se puede
n 1
aplicar el criterio del cociente, con el que se obtiene:
z n 1 /( n 1) zn
lm = lm = |z|.
n zn / n n n 1
La serie entonces converge si |z| < 1 y diverge si |z| > 1, por lo que su
radio de convergencia es 1.
Mediante el criterio del cociente se calcula el radio de convergencia de la

zn
serie 2
y se obtiene que tambin es 1.
n 1n
Definicin 3.3.3:

Se llama disco de convergencia de la serie c n ( z z0 ) n al disco
n 0
BR(z0), donde R es el radio de convergencia de la serie.
El radio de convergencia de una serie permite pues dividir al plano
complejo en dos regiones: el disco de convergencia de la serie, en cuyos
puntos la serie converge, y el exterior del disco, es decir, los puntos z del plano
tales que |z z0| > R, donde la serie diverge. En los puntos de la frontera entre
las dos regiones el comportamiento de la serie frente a la convergencia puede
dar lugar a situaciones diferentes, como se puede apreciar en los ejemplos que
se acaban de estudiar:

zn zn
Las series z n
, n
y n2 tienen el mismo radio de
n 0 n 1 n 1
convergencia, R = 1. Sin embargo, su comportamiento frente a la convergencia
en los puntos z de la frontera, |z| = 1, es diferente en los tres casos, como se
ver a continuacin.

La serie geomtrica zn no converge en ningn punto de la
n 0
circunferencia de centro 0 y radio 1, ya que para cada z0, |z0| = 1, z0n no tiende
a 0 al tender n a infinito. Lo que sucede es que para cada z0, |z0| = 1, con
arg(z0) = k, si k es un nmero racional, los valores de z0n se repiten a partir de
un n suficientemente grande, con lo que la serie tiende a infinito. Y si k es un
nmero irracional, los valores de z0n no se repiten y van recorriendo puntos
diferentes del crculo unidad sin aproximarse a ninguno.

zn
La serie n
se comporta de manera diferente en los puntos de la
n 1
frontera. Si z = 1 la serie diverge, pues es la serie armnica. En cambio, la
serie converge si z = 1 pues coincide con la serie armnica alternada. De
hecho, se puede demostrar que converge en todos los puntos de la
circunferencia unidad salvo en z = 1.

zn
Por ltimo, la serie n2 converge absolutamente en todos los puntos
n 1

zn
de la circunferencia unidad, puesto que si |z| = 1 se tiene que 2
=
n 1 n

1
n 2 , que es convergente.
n 1
Los ejemplos anteriores demuestran que la convergencia de una serie en
los puntos de la frontera de su disco de convergencia es una cuestin delicada,
que aqu slo se va a tratar en casos puntuales en los que el estudio de la
convergencia sea fcil de abordar.

Ejemplos resueltos

Ejemplo 3.3.1. Calcular el radio de convergencia de la serie nz n .
n 0
( n 1)z n 1 ( n 1)z
Aplicando el criterio del cociente: lm = lm = |z|.
n n n n
nz
Por tanto, la serie converge si |z| < 1 y diverge si |z| > 1, con lo cual su
radio de convergencia es 1.

zn
Ejemplo 3.3.2. Calcular el radio de convergencia de la serie n !
.
n 1
n! z n 1 z
El criterio del cociente en este caso lm = lm = 0
n ( n 1)! z n n n 1
para todo z. Esto quiere decir que la serie converge en todo el plano complejo y
por tanto su radio de convergencia es infinito.
Ejemplo 3.3.3. Calcular el radio de convergencia de la serie
(1 ( 1) n )n z n .
n 0
El radio de convergencia de la serie es:
1 1 1 1
R= = = = .
n n n 2
l im sup( 1 ( 1) )
l im sup | c n | l im sup | ( 1 ( 1) n ) n | n
n n
El estudio de la convergencia de esta serie tambin se puede hacer


teniendo en cuenta que ( 1 ( 1) n ) n z n = 2 2n z 2n ; aplicando el criterio
n 0 n 0
22( n 1) z 2( n 1) 1
del cociente: lm = 4 |z|2 < 1 si |z| < .
n 22n z 2n 2

Ejemplo 3.3.4. Calcular el radio de convergencia de la serie n! z n .
n 0
El criterio del cociente de nuevo asegura que:
( n 1)! z n 1
lm = lm (n + 1)z =
n n! z n n
sea cual sea el valor de z. Esto quiere decir que la serie diverge en todo el
plano complejo salvo z = 0, y por tanto su radio de convergencia es 0.
3.3.2. Funciones definidas por series de potencias
Toda serie de potencias define en su disco de convergencia una funcin
compleja.

c n ( z z0 ) n = f(z).
n 0

Este es el caso de la serie geomtrica z n , que define la funcin f(z) =
n 0
1
para todo z tal que |z| < 1.
1 z
0 1
Figura 3.1: Disco de centro el origen y radio 1.

Figura 3.3.1: Disco de centro el origen y radio 1.
Las funciones definidas como series de potencias se pueden sumar y
multiplicar dentro de su radio de convergencia.
Proposicin 3.3.3:
Dadas dos funciones f(z) y g(z), definidas como series de potencias tales

que f(z) = c n ( z z0 ) n , con un radio de convergencia R1, y g(z) =
n 0

d n ( z z0 ) n , con un radio de convergencia R , 0 R 2 1 R2, se tiene que:
n 0

(f + g)(z) = ( c n d n )( z z0 ) n
n 0
n
(fg)(z) = pn ( z z0 ) n
, con pn = c j d n j ,
n 0 j 0
y ambas series tienen un radio de convergencia mayor o igual que R1.
Las funciones definidas como series de potencias tienen muy buenas
propiedades dentro del disco de convergencia. Ello es debido a que una serie
de potencias converge absoluta y uniformemente en cualquier disco cerrado
contenido en su disco de convergencia. Esto hace que la funcin f(z) herede

las buenas propiedades de las sumas parciales Sn de la serie, que son en
realidad polinomios complejos, con lo cual Sn son funciones continuas y
derivables cuantas veces se quiera. De esta forma se deduce de manera
inmediata la continuidad de f(z) en su disco de convergencia. Para estudiar su
derivabilidad se define en primer lugar la serie derivada.
Definicin 3.3.4:

Dada la serie c n ( z z0 ) n definida en BR(z0), con radio de
n 0

convergencia R, se llama serie derivada a la serie nc n ( z z0 ) n 1 .
n 0
La relacin entre estas dos series se determina en las proposiciones que
se presentan a continuacin.
Proposicin 3.3.4:

Las series c n ( z z0 ) n
y nc n ( z z0 ) n 1 tienen el mismo radio de
n 0 n 0
convergencia.
Demostracin:

Sea R el radio de convergencia de la serie c n ( z z0 ) n . Para obtener
n 0
el radio de convergencia de la serie derivada se calcula:
n

lm sup n 1 | nc n | = lm sup n | nc n | n 1 = lm sup n | c n | =
1
R
.
n n n
Por tanto, el radio de convergencia de la serie derivada es tambin R.

Proposicin 3.3.5:

Si f(z) = c n ( z z0 ) n converge en B (z ), f(z) es derivable en B (z ) y
R 0 R 0
n 0

f(z) = nc n ( z z0 ) n 1 para todo z de BR(z0).
n 0
Demostracin:
Es consecuencia inmediata de las proposiciones 3.2.3 y 3.3.4.
Proposicin 3.3.6:

Si f(z) = c n ( z z0 ) n converge en BR(z0), f(z) es infinitamente
n 0
derivable en BR(z0).
Demostracin:
Basta aplicar la proposicin 3.3.5 a las sucesivas derivadas.
Proposicin 3.3.7:

f ( n ( z0 )
Si f(z) = n
c n ( z z 0 ) converge en BR(z0), se tiene que cn =
n !
,y
n 0
la serie de potencias coincide con la serie de Taylor en el punto z0 de la funcin
que define la serie:

f ( n ( z0 )
f(z) = n !
( z z0 ) n .
n 0
Demostracin:

En virtud de la proposicin 3.3.5. se tiene que f(z) = nc n ( z z0 ) n 1
n 0
con lo que f(z0) = c1.
Aplicando de nuevo la proposicin a la serie derivada:

f(z) = n( n 1)c n ( z z0 ) n 2
n 0
con lo que f(z0) = 2c2 y c2 = f(z0)/2.
Repitiendo el proceso k veces se tiene:

fk)(z) = n( n 1)( n k 1)c n ( z z0 )n k
n 0
por lo que fk)(z0) = k!ck y ck = fk)(z0)/k!, con lo cual la serie de potencias que
define la funcin coincide necesariamente con la serie de Taylor de la funcin.
Proposicin 3.3.8:

Si f(z) = c n ( z z0 ) n es igual a cero en un entorno del punto z0, debe
n 0
ser idnticamente nula en todo su dominio de convergencia.
Demostracin:
Si f(z) = 0 en un entorno de z0 todas las derivadas de f en z0 deben valer
cero, y por tanto los coeficientes de la serie deben ser 0. Se tiene as que,
aplicando la proposicin 3.3.7, la serie es idnticamente nula en todo su
dominio de convergencia.
Es interesante observar que las condiciones de la proposicin 3.3.8. se
pueden debilitar de manera que basta que f(z) se anule en una sucesin de
puntos zn z0 para asegurar que la funcin tiene que ser idnticamente nula
en todo su dominio de convergencia.
La proposicin anterior permite demostrar de manera inmediata el
principio de unicidad para las series de potencias.
Proposicin 3.3.9:

Si las series an ( z z0 ) n y bn ( z z 0 ) n tienen el mismo radio de
n 0 n 0
convergencia R y coinciden en un conjunto de puntos {zn, z0}, con zn z0 ,
entonces necesariamente an = bn para todo n, y las dos series coinciden en
todo su disco de convergencia.
Las proposiciones anteriores confirman las buenas propiedades de las
funciones que se pueden expresar como series de potencias, as como la
estrecha relacin que existe entre una serie y su serie derivada. Esta relacin
permite utilizar de manera alternativa una serie o su serie derivada para
estudiar la convergencia de la otra, o incluso para obtener su suma.
Ejemplos resueltos

n( z i ) n 1
Ejemplo 3.3.5. Estudiar la convergencia de la serie 5n
y
n 0
calcular su suma.

n( z i ) n 1 ( z i )n
La serie 5n
es la serie derivada de la serie 5n
, que
n 0 n 0

zi ( z i )n
es una serie geomtrica de razn
5
y, por tanto, la serie
n
n 0 5
converge si |z i| < 5. Se puede entonces asegurar lo mismo para la serie

n( z i ) n 1
derivada, con lo que el disco de convergencia de la serie 5n
es
n 0
B5(i).

( z i )n
Para obtener su suma se puede utilizar de nuevo la serie 5n
, ya
n 0
que al ser una serie geomtrica se puede sumar fcilmente y coincide en B5(i)
1 5
con la funcin f(z) = = , por lo que obteniendo su derivada:
zi 5i z
1
5

n( z i ) n 1 5
5n
= f(z) =
( 5 i z )2
.
n 0

Ejemplo 3.3.6. Estudiar la convergencia de la serie nz n utilizando su
n 0
serie derivada y calcular su suma.

Otra forma de resolver el problema es la siguiente. La serie nz n =
n 0

z nz n 1 . Como la serie nz n 1 es la serie derivada de z n , se tiene
n 0 n 0 n 0

que el radio de convergencia de nz n es el mismo que el de z n , y por
n 0 n 0
tanto vale 1.

La serie nz n
se puede expresar como z nz n 1 y como la serie
n 0 n 0

1
nz n 1
es la serie derivada de zn =
1 z
en el disco B1(0), se tiene que
n 0 n 0

1 z
nz n 1 =
(1 z )2
. Por tanto nz n =
(1 z )2
, z B1(0).
n 0 n 0
Ejemplo 3.3.7. Obtener una serie de potencias en el punto z = 0 que
3
coincide con la funcin f(z) = en algn disco del plano complejo y
1 2z
estudiar su dominio de convergencia.
La funcin f(z) se puede considerar como tres veces la suma de los
trminos de una progresin geomtrica de razn 2z, y por tanto:

1
f(z) = 3 ( 2z ) n = 3 2 n z n , que converge si |2z| < 1, es decir si |z| < 2
.
n 0 n 0
Su dominio de convergencia es el disco B 1 ( 0 ) .

2
2z 1
Ejemplo 3.3.8. Obtener una representacin de la funcin f(z) = en
1 z
serie de potencias alrededor del punto z = 0 y estudiar su dominio de
convergencia.
La funcin f(z) se puede expresar de la forma:

3
f(z) = 2 +
1 z
= 2 + 3
z n = 1+ 3
z n , que tiene como dominio de
n 0 n 1
convergencia el disco B1(0).
Ejercicios
3.8. Calcular el radio de convergencia de las series de potencias

2
a) 2 n ( 2z i ) n
n 0

3n
b) 2n n ( z i )n
n 0

z 2n 1
c) n 2
n 0 4

n! z n 1
d) n n 2n
n 1

1
e) ( 2 i )n ( z 2 i )n .
n 0
3.9. Desarrollar en serie de potencias las siguientes funciones,
calculando el radio de convergencia de la serie obtenida.
3
a)
(1 z )2
2z 1
b) .
(1 z )2
3.10. Calcular, para los valores de z que sea posible, la suma de las
series:

zn
a) n
n 0

z 2n 1
b) 2 n 1
.
n 0
3.4. FUNCIONES ANALTICAS
El hecho de que las funciones definidas como series de potencias tengan
tan buenas propiedades motiva el que se las considere como un grupo especial
de funciones, las funciones analticas, que se estudian a continuacin.
3.4.1. Definicin y propiedades
Definicin 3.4.1:
La funcin f(z) es analtica en un punto z0 si f(z) se puede expresar de la
forma:

f(z) = c n ( z z0 ) n en BR(z0), con R > 0.
n 0
Se dice tambin que f(z) es analtica en z0 si f(z) es desarrollable en serie

de potencias en un entorno de z0.
Se tiene entonces que f(z) es analtica en el punto z0 si la serie de Taylor

f ( n ( z0 )
de la funcin en z0, n!
( z z0 ) n , tiene radio de convergencia R
n 0
estrictamente mayor que cero.
1
As, la funcin f(z) = es analtica en el punto 0 porque f(z) =
1 z
z n en el disco |z| < 1.

n 0
Definicin 3.4.2:
La funcin f(z) es analtica en un conjunto G si f(z) es analtica en cada
uno de los puntos de G.
Si una funcin es analtica se tiene el siguiente resultado que se enuncia
sin demostracin.
Proposicin 3.4.1:
Si f(z) es analtica en un punto z0 es tambin analtica en todo el disco de

convergencia de la serie. Es decir, si f(z) = c n ( z z0 ) n en BR(z0), con R >
n 0
0, f(z) es tambin analtica en todo el disco BR(z0).
1
La proposicin 3.4.1 permite asegurar que la funcin f(z) = no slo
1 z
es analtica en el punto 0, sino que tambin es analtica en todo el disco |z| < 1.
Se puede comprobar fcilmente que las funciones analticas tienen las
siguiente propiedades:
1- La suma, el producto y la composicin de funciones analticas es una
funcin analtica.
2- Si f(z) es analtica en un conjunto G, f(z) es holomorfa en G.
3- Si f(z) es analtica en todo el plano complejo f(z) es una funcin entera.
3.4.2. Desarrollos en serie de funciones
Se presentan a continuacin a modo de ejemplo los desarrollos de Taylor
en z = 0 de algunas de las funciones mas usuales, que coinciden con los
correspondientes desarrollos en .
La funcin exponencial f(z) = ez es una funcin analtica en todo el plano

zn
complejo, puesto que ez = n !
, que tiene radio de convergencia infinito y
n 0
por tanto converge en todo C.
Las funciones trigonomtricas sen z y cos z son tambin funciones
analticas en C, pues se pueden desarrollar en serie potencias positivas
alrededor de z = 0 de la forma:

( 1) n z 2n 1 ( 1) n z 2n
sen z = ( 2n 1)!
, cos z = ( 2n )!
.
n 0 n 0
Ambos desarrollos tienen radio de convergencia infinito y por tanto
convergen en todo C.
Las funciones hiperblicas senh z y cosh z tienen desarrollos en serie
de potencias positivas alrededor de z = 0 de la forma:


z 2n 1 z 2n
senh z = ( 2n 1)!
, cosh z = ( 2 n )!
,
n 0 n 0
que tienen tambin radio de convergencia infinito y por tanto convergen en todo
C.
La funcin exponencial, el seno, el coseno, el seno hiperblico y el
coseno hiperblico son funciones analticas en todo el plano complejo C, es
decir, son funciones enteras.
Por ltimo, la funcin logaritmo se puede tambin expresar de la forma:

( 1) n z n 1
Log (1 + z) = n 1
,
n 0
que tiene radio de convergencia 1.
La funcin Log (1 + z), Arg z (, ], no puede ser analtica en todo el
plano complejo C porque no es continua en el semieje {z: z , z 1}. Sin
embargo, los resultados de la siguiente seccin permiten demostrar que es
analtica en los restantes puntos del plano complejo, es decir, en todo el plano
salvo los puntos z = a, siendo a un nmero real tal que a (,1].
3.4.3. Prolongacin analtica
La proposicin 3.4.1. asegura que una funcin f(z) definida como una

serie de potencias, f(z) = c n ( z z0 ) n , es analtica en todo el disco B (z ), y
R 0
n 0
1
permite asegurar que la funcin f(z) = es analtica en todo el disco |z| < 1.
1 z
1
Pero la funcin f(z) = es un cociente de polinomios, y por tanto es
1 z
indefinidamente derivable en todos los puntos del plano complejo salvo en z =
1, y por tanto es razonable pensar que se pueda extender el dominio del plano
en el que se pueda asegurar que f(z) es analtica. Este proceso se conoce
como prolongacin analtica.
La cuestin que se plantea es la siguiente:

Dada la serie c n ( z z0 ) n convergente en BR(z0) y dado z1 BR(z0),
n 0

existe una serie d n ( z z1 )n , con radio de convergencia R 1 tal que si z
n 0
BR(z0) BR1 ( z1 ) las series coinciden?
La respuesta la da la siguiente proposicin que se enuncia sin
demostracin.
Proposicin 3.4.2:

Dada f(z) = c n ( z z0 ) n con radio de convergencia R > 0, y dado un
n 0

f ( n ( z1 )
punto z1 BR(z0), la serie n !
( z z1 ) n tiene radio de convergencia R1
n 0

f ( n ( z1 )
R |z1 z0| > 0 , y define una funcin g(z) = n !
( z z1 ) n tal que g(z)
n 0
= f(z) si z BR(z0) BR1 ( z1 ) .
A continuacin se propone un ejemplo que ilustra la proposicin anterior:


zn
La serie 2 n 1 tiene radio de convergencia R = 2 y define en el disco B2(0)
n 0

zn 1 1 1

1
la funcin f(z) = = = .
2 n 0 2 n 2 z 2z
1
2
1 2
Las derivadas sucesivas de f(z) son: f(z) = , f(z) = , ...,
2
(2 z) ( 2 z )3
n!
fn)(z) = .
( 2 z ) n 1

f ( n ( 1) ( z 1) n
Sea ahora z1 = 1 B2(0). La serie n!
( z 1) n = n 1
n 0 n 0 3
tiene radio de convergencia R1 = 3 y define entonces en B3(1) la funcin g(z),

( z 1) n
que coincide con f(z) en B2(0) B3(1) puesto que g(z) = n 1
=
n 0 3
1 1 1
= = f(z). La funcin g(z) se denomina prolongacin analtica
3 z 1 2z
1
3
de f(z) en B3(1) \ B2(0).
Si se repite el proceso en otro punto diferente que pertenezca al disco

f (n(i ) ( z i )n
B2(0), por ejemplo, en z2 = i, la serie
n ! ( z i )n =
( 2 i )

n 1
tiene
n 0 n 0
radio de convergencia R2 = 5 y define en el disco B 5 ( i ) una funcin h(z)
que tambin coincide con f(z) en B2(0) B 5 ( i ) .

( z 1) n ( z i )n
Las funciones g(z) = n 1
y h(z) = ( 2 i ) n 1 son
n 0 3 n 0
prolongaciones analticas de f(z) en sus respectivos dominios.

C r
(0, 2)
(-1, 3)
(i, 5 )
-4 -3 -1 0 1 2 3
Figura 3.2: Prolongacin analtica
A travs del ejemplo que se acaba de presentar se puede observar que
en general se puede prolongar analticamente una funcin desde un punto z*
en un disco de radio igual a la distancia de z* al punto ms prximo a z* en el
que la funcin tenga una singularidad, es decir, un punto donde la funcin no
es derivable (el concepto de singularidad se estudia con ms detenimiento en
1
el captulo 5). En el ejemplo anterior, la funcin f(z) = tiene una
2z
singularidad en el punto z = 2, por lo que al hacer un desarrollo de Taylor de la
funcin en el punto z1 = 1 se ha obtenido un radio de convergencia R1 = 3,
que es precisamente la distancia entre los puntos 1 y 2, y en el caso de z2 = i
el radio de convergencia es R2 = 5 , que coincide con la distancia entre los
puntos i y 2.
Ejemplos resueltos
2z 3
Ejemplo 3.4.1. Estudiar si la funcin f(z) = es analtica en el punto
z 1
z =1.
5
2z 3 5 5 2
La funcin f(z) = =2+ =2 =2 =
z 1 z 1 2 ( z 1) z 1
1
2
n
z 1

5
= 2 , es, por tanto, desarrollable en serie de potencias
2 n 0 2
alrededor de z = 1 con un radio de convergencia R = 2 > 0, ya que el
desarrollo es vlido en el disco |z + 1| < 2.
Ejemplo 3.4.2. Obtener una prolongacin analtica del disco |z + 1| < 2
2z 3
para la funcin f(z) = , de manera que en la nueva regin est contenido
z 1
el punto z = 1 + i.
Para prolongar analticamente la funcin de manera que el punto z = 1 + i
est contenido en la nueva regin, basta tomar un punto adecuado del disco |z
+ 1| < 2, tal que su distancia al punto 1 + i sea menor que su distancia al punto
donde est la singularidad mas prxima de la funcin. As, por ejemplo, el
punto z = i est a distancia 1 de z = 1 + i, y a distancia 2 de la singularidad
mas prxima de la funcin, que est en el punto z = 1. Se tiene entonces:
5
2z 3 5 5 1 i =
f(z) = =2+ =2 =2
z 1 z 1 1 i ( z i ) zi
1
1 i
n
5 zi
=2 , que converge si |z i| < |1 i| =
1 i n 0 1 i
2.
Ejercicios
3.11. Obtener los desarrollos en serie de potencias alrededor de z = 0
de las funciones
a) f(z) = sen(2z)
b) f(z) = cos(z2)
c) f(z) = z3sen(z2) +1
z2
d) f(z) =
2z 3
z3 z
e) f(z) = .
2z 2
3.12. Obtener los desarrollos en serie de potencias alrededor de z = 1
de las funciones:
z2
a) f(z) =
2z 3
z2 z
b) f(z) = .
2z 2
z
c) f(z) =
z 3
z2 z
d) f(z) = .
z2
senz
3.13. Estudiar si la funcin f(z) = si z 0, f(0) = 0, es analtica en C.
z
cos z 1 1
3.14. Estudiar si la funcin f(z) = si z 0, f(0) = , es
z2 2
analtica en C.
ez 1
3.15. Estudiar si la funcin f(z) = si z 0, f(0) = 1, es analtica
z
en C.
3.5. SERIES DE LAURENT
Cabe plantearse ahora la posibilidad de desarrollar una funcin en serie
de potencias en un entorno de una singularidad. Naturalmente el problema no
puede resolverse sin introducir algunos conceptos, puesto que las series del
tipo Taylor dan lugar a funciones holomorfas. El problema se soluciona
utilizando las series de potencias inversas.
3.5.1. Series de Laurent. Definicin y convergencia
Muchas de las funciones que se utilizan habitualmente no se pueden
expresar como series de potencias en las proximidades de determinados
puntos, debido a que en esos puntos presentan singularidades, pero si se
pueden, en cambio, expresar como sumas de potencias positivas y negativas.
Las siguientes funciones son ejemplo de ello:
( z 1) 2 1
1. f(z) = =z+2+ .
z z
1 11 1 1 1
2. g(z) = = = (1 + z + z2 + ...) = + + 1 + z + z2 + ...
2 1 z 2 2
z 2 (1 z ) z z z z

1 1 1 1 1 1 1
3. h(z) = exp =
z n 0 n ! z n
=1+
z
+
2z 2
+ ... +
n! z n
+ ...
Las funciones anteriores son ejemplos de funciones que se pueden
expresar como sumas, finitas o infinitas, de potencias positivas y negativas de
z. Pero es fundamental saber para qu valores de z las sumas anteriores
representan a las correspondientes funciones, o, lo que es igual, obtener el
dominio de convergencia de las series que las definen. Las series de potencias
positivas y negativas se denominan series de Laurent o series dobles.
Definicin 3.5.1:
Se llama serie de Laurent, o serie doble, a una serie definida de la
forma

c n ( z z0 ) n = c n ( z z0 ) n + c n ( z z0 ) n .
n n 0 n 1
Una serie de Laurent se puede expresar entonces como la suma de dos
series. La primera de ellas es una serie de potencias positivas y se llama parte
analtica de la serie. La segunda est formada por los sumandos con potencias
negativas y se conoce como la parte principal de la serie.

zn
Un ejemplo es la serie |n|
, que representa a la suma de las series
n 2

zn zn 1
|n|
= 2n + 2n z n .
n 2 n 0 n 1
Definicin 3.5.2:

La serie de Laurent c n ( z z0 ) n converge si convergen la parte
n
analtica y la parte principal de la serie. Si stas convergen, el valor de la serie
de Laurent es la suma de los valores de las dos series.

c n ( z z0 ) n = c n ( z z0 ) n + c n ( z z 0 ) n .
n n 0 n 1

Para investigar la convergencia de la serie de Laurent c n ( z z0 ) n
n
se estudia por separado la convergencia de la parte analtica y la parte principal
de la serie; el dominio de convergencia de la serie es entonces la interseccin
de las dos regiones de convergencia.

La parte analtica c n ( z z0 ) n es una serie de potencias y por tanto
n 0
converge en el disco BR(z0), siendo R el radio de convergencia de la serie de
potencias.
La parte principal es una serie de la forma:

1
c n ( z z n
= c n ( z z 0 ) n .
n 1 0) n 1
Si se aplica el criterio del cociente para estudiar su convergencia,
c( n 1)( z z0 )( n 1) c ( n 1) 1 c( n 1)
= < 1 si |z z0| > =
cn ( z z0 )n cn ( z z0 ) cn
R1, es decir, la parte principal de la serie de Laurent converge si |z z0| > R1.
Se puede decir entonces que la serie doble converge si R1 < |z z0| < R,
siempre que R1 < R.
El dominio de convergencia de una serie doble es, por tanto, una corona
circular con centro el punto z0 y radios R1 y R.
Se demostrar ms adelante, en el captulo 5, que el comportamiento de
una serie de Laurent en su dominio de convergencia es muy bueno, pues se
puede asegurar la convergencia uniforme de la serie sobre conjuntos
compactos contenidos en la corona circular que define su dominio de
convergencia.
Si R es infinito, el dominio de convergencia de la serie doble es el exterior
del crculo de centro z0 y radio R1.
Si R1 = 0, el dominio de convergencia de la serie es lo que se denomina
un disco pinchado: el interior del crculo de centro z0 y radio R salvo el punto
z0, BR(z0).
Si R es infinito y adems R1 = 0, el dominio de convergencia de la serie se
extiende a todo el plano complejo excepto el punto z0, C \ {z0}.

zn 1
As, por ejemplo, la serie |n|
converge en la corona circular
2
< |z|
n 2

zn
< 2, pues la parte analtica n
tiene radio de convergencia R = 2, y la parte
n 0 2

1
principal 2 n z n es una serie geomtrica de razn |2z| -1
y por tanto converge
n 1
1
si |2z|-1 > 1, es decir, si |z| > .
2

zn
Para obtener la funcin que define la serie |n|
se estudian su parte
n 2
analtica y su parte principal.

zn 1 2
La parte analtica representa a la funcin 2n =
z
=
2z
si |z| < 2.
n 0 1
2

1 1 2z
La parte principal representa a la funcin z n 2n =
1
=
2z 1
si |z| >
n 1 1
2z

1 1 zn
2
. Por tanto, si
2
< |z| <2 , la serie de Laurent
2|n|
define la funcin:
n

zn 2 2z 2z 2 8 z 2
f(z) = |n|
=
2z
+ =
2z 1 ( 2 z )( 2z 1)
.
n 2
3.5.2. Representacin de funciones en serie de Laurent
En esta seccin se aborda el problema inverso: dada una funcin
previamente fijada, obtener una representacin de la funcin en serie de
Laurent alrededor de un punto.
Para una mayor facilidad de comprensin se toma una funcin concreta y
se estudian para dicha funcin distintas posibilidades.
1
Sea f(z) = . Esta funcin es indefinidamente derivable en
( z 2 )( z 3 )
todo el plano complejo salvo los puntos z = 2 y z = 3. Se presentan a
continuacin desarrollos en serie de Laurent de f(z) en los puntos z = 0, z = 2 y
z = 3.
1.- Desarrollo en serie de Laurent de f(z) en z = 0.
Si se quiere obtener en primer lugar un desarrollo en serie doble
alrededor de z = 0, se puede dividir el plano complejo en tres regiones distintas,
delimitadas por circunferencias con centro en z = 0, de manera que en el
interior de cada una de ellas la funcin no tenga singularidades:
A = {z; |z| < 2}, B = {z; 2 < |z| < 3} y C = {z; |z| > 3}.
0
A B
2 3
Figura 3.3: Regiones A, B y C del desarrollo en serie de Laurent en z = 0.

Figura 3.3: Regiones A, B y C del desarrollo en series de Laurent en z = 0.
Si z est en el conjunto A,
1 1
1 1 1
f(z) = = = 3 + 2 =
( z 2 )( z 3 ) z3 z2 z z
1 1
3 2

1 z z2 1 z z2 1 1 n
= (1 +
3 3
+
2
+ ...) + (1 +
2 2
+
2
+ ) =
n 1

n z .
1
3 2 n 0 2 3
Se tiene entonces que es una serie de potencias positivas de z que
coincide con la funcin f(z) siempre que z pertenezca al conjunto A, y f es por
tanto una funcin analtica en A

Si z est en el conjunto B, se tiene que 2 < |z| < 3, y
1 1
1 1 1
f(z) = = = 3 z =
( z 2 )( z 3 ) z3 z2 z 2
1 1
3 z

1 z z2 1 2 22 zn 2 n 1
= (1 +
3 3
+
32
+ ) (1 +
z z
+
z2
+ ) =
3 n 1

z
n
.
n 0 n 1
La funcin f(z) se puede representar como una serie doble alrededor de z
= 0, y la representacin es vlida en el conjunto B.
Finalmente, si z est en el conjunto C, es decir, |z| > 3,
1 1
1 1 1 z z
f(z) = = = =
( z 2 )( z 3 ) z3 z2 3 2
1 1
z z

1 3 32 1 2 22 3n 2n
= (1 +
z z
+
z2
+ ) (1 +
z z
+
z2
+ ) =
z n 1
.
n 0
La funcin f(z) se puede representar como una serie de Laurent alrededor
de z = 0 cuya parte analtica es cero, es decir, slo tiene parte principal, y la
representacin es vlida en el conjunto C.
Para obtener un desarrollo en serie doble de f(z) en z = 2, se divide el
plano complejo en dos regiones distintas, delimitadas por circunferencias con
centro en z = 2, de manera que en el interior de cada una de ellas la funcin no
tenga singularidades:
A* = {z; 0 < |z 2| < 1} y B* = {z; |z 2| > 1}.

1 2 3
A* B*
Figura 3.4: Regiones A* y B* del desarrollo en serie de Laurent en z = 2.
Si z est en el conjunto A*, entonces 0 < |z 2| < 1, y
1 1 1 1 1
f(z) = = = =
( z 2 )( z 3 ) z 2 z 2 1 z 2 1 ( z 2)

1 1
=
z 2 n 0
( z 2 )n =
z 2 n 0
( z 2 )n .
La representacin en serie de Laurent de f(z) est formada por una serie
de potencias positivas como parte analtica y un nico trmino como parte
principal, y coincide con la funcin siempre que z pertenezca al conjunto A*.
Si z est en el conjunto B*, entonces |z 2| > 1, y
1
1 1 z2 =
f(z) = =
( z 2 )( z 3 ) z2 1
1
z2

1 1 1
( z 2) 2 ( z 2 )n = ( z 2 ) n 2 .
n 1 n 1
= 2, cuya parte analtica es cero, y la representacin es vlida en el conjunto
B*.
Para obtener un desarrollo en serie doble de f(z) en z = 3, se divide
tambin el plano complejo en dos regiones, delimitadas por circunferencias con
centro en z = 3, de manera que en el interior de cada una de ellas la funcin no
tenga singularidades:
A** = {z; 0 < |z 3| < 1} y B** = {z; |z 3| > 1}.
B**
1 2 3
A**
Figura 3.5: Regiones A** y B** del desarrollo en serie de Laurent en z = 3
Si z est en el conjunto A**, entonces 0 < |z 3| < 1, y

1 1 1 1
f(z) =
( z 2 )( z 3 )
=
z 3 1 ( z 3 )
=
z 3 n 0
( 1) n ( z 3 ) n =

1
=
z 3
+ ( 1) n 1( z 3 ) n .
n 0
Entonces f(z) tiene una representacin en serie de Laurent formada por
una serie de potencias positivas como parte analtica y un nico trmino como
parte principal, y coincide con la funcin siempre que z pertenezca al conjunto
A**.
Si z est en el conjunto B**, entonces |z 3| > 1, y

1

1 1 1 ( 1) n ( 1) n
f(z) = =
( z 2 )( z 3 ) z 3
z 3
1
=
( z 3 ) 2
( z 3 ) n
= ( z 3 ) n2
.
1 n 0 n 0
z3
= 3, cuya parte analtica es cero, y la representacin es vlida en el conjunto
B**.
Ejercicios
3.16. Representar en serie de Laurent alrededor de z = 0 la funcin f(z)
5
= de manera que la representacin sea vlida en los
z( z 1)
siguientes dominios:
a) 0 < |z| < 1,
b) |z| > 1.
5z 1
3.17. Representar la funcin f(z) = en suma de potencias
( z 1)( z 4 )
positivas y negativas de z + 4, calculando la corona circular de
convergencia de la serie.
5z 1
( z 1)( z 4 )
positivas y/o negativas de z, en todas las regiones posibles,
determinando en cada caso el dominio de convergencia.

3.6. EJERCICIOS
3.19. Demostrar la proposicin 3.1.1.
1 1 n 2
3.20. Demostrar que la sucesin cn = 2 + + i converge a 2.
n 3n 3
1 2n i
3.21. Demostrar que la sucesin cn = converge a i.
2n i

(1 i )n
3.22. Estudiar la convergencia de la serie ( 2 )n n 2
.
n 1

( iz 1) n
3.23. Estudiar la convergencia de la serie n 1
cuando z toma los
n 1 2
valores a) z = 1, b) z = i, c) z = 1 y d) z = 1 + i.
3.24. Estudiar los dominios de convergencia de las series siguientes y si es
posible calcular su suma.

( iz 1) n
a) n 1
n 1 2
n
z
b)
z 1

n 1

1
c) (1 z 2 )n
n 0

d) ( 1)n ( z n1 z n1 )
n 1

n! ein z
2
3.25. Demostrar que la serie converge en la regin {z; Im z > 0}.
n 0

z 2n
3.26. Demostrar que la serie (1 z 2n )(1 z 2n2 ) converge
n 1
absolutamente en el disco abierto de centro 0 y radio 1, y calcular su
suma.
3.27. Calcular el radio de convergencia de las series de potencias:

zn
2
a)
n 0

n3
b) 2 n
( z i )n
n 0

z 2n
c) 4n
n 0

n! z n
d) nn
.
n 1
3.28. Calcular el radio de convergencia de las series de potencias:

n! z n
2
a)
n 0

zn
b) n
n2
n 12

c) 2 n z n!
n 0

1
d) 4 n ( z 2 i )n .
n 0
3.29. Calcular el radio de convergencia de la serie que resulta de sumar
las series:
n 1 n
2
2z 1 4 n 1
y
2 z
.

n 0 n 0
3.30. Desarrollar en serie de potencias las siguientes funciones, calculando
el radio de convergencia de la serie obtenida.
z
a)
1 z 2
z
b) .
2
z 5z 6
3.31. Calcular, para los valores de z que sea posible, la suma de las
series:

( 1) n z n
a) n
n 0

b) 2n( n 1)z n .
n 1

3.32. Sabiendo que la serie cn z n tiene radio de convergencia R,
n 1
calcular el radio de convergencia de las series:

a) cn n p z n
n 1

b) | cn | z n
n 1

c) cn 2zn .
n 1
3.33. Obtener los desarrollos en serie de potencias alrededor de z = 0 de
las funciones:
z
a) f(z) = cos
2
b) f(z) = sen(z2)
c) f(z)= z2cos(z3) 2z.
3.34. Obtener los desarrollos en serie de potencias alrededor de z = 0 de
las funciones:
z2
a) f(z) =
1 z 2
1
b) f(z) =
(1 z )2
c) f(z) = Log (z+2).

senz
3.35.Estudiar si la funcin f(z) = si z 0, f(0) = 1, es analtica en C.
z
senz z
3.36.Estudiar si la funcin f(z) = si z 0, f(0) = 1/6, es analtica en C.
z3
cos 2 z 1
z2
ez 1
z
2
ez 1
z2
ez
3.40.Obtener la serie de Laurent de la funcin f(z) = en potencias de z
( z 2) 3
2.
3.41.Obtener una representacin en potencias negativas de z de la funcin f(z)
1
= y calcular el dominio de convergencia de la serie.
1 z
3.42.Representar en serie de Laurent alrededor de z = 0 la funcin f(z)
2
= de manera que la representacin sea vlida en los
( z 1)( z 3 )
siguientes dominios:
a) |z| < 1, b) 1 < |z| < 3, c) |z| > 3.
2z 3
( z 1)( z 3 )
positivas y negativas de z 3, calculando la corona circular de
convergencia de la serie.
CAPTULO 4
Integracin en el plano complejo
El desarrollo de la teora de funciones de variable compleja sigue un
camino muy diferente al de la teora de funciones de variable real, pues en esta
ltima, despus de considerar las funciones derivables, se procede a estudiar
aquellas que admiten derivadas de segundo orden, y seguidamente aquellas
que son indefinidamente derivables, mientras que en el caso de las funciones
de variable compleja, una vez que se requiere que sean funciones holomorfas,
es decir, derivables en un abierto, esto lleva consigo el que estas funciones
sean indefinidamente derivables y verifiquen, adems de un gran nmero de
propiedades, resultados aparentemente sorprendentes como el hecho de que
toda funcin holomorfa sea analtica.
La integracin en el campo complejo es notable por su distincin
matemtica ya que los teoremas son, en general, poderosos mientras que sus
demostraciones son casi siempre muy sencillas. En este captulo se estudian
las integrales de funciones complejas de una variable compleja.
Mientras en la recta real el significado del smbolo integral entre a y b es
claro pues en slo hay un camino, cuando se quiere extender esta idea al
campo complejo se debe previamente conocer cmo ir desde a hasta b, pues a
y b son puntos de un plano y no del intervalo [a, b], por lo que se debe
especificar el camino a lo largo del cual se hace la integral, y es natural

suponer que la integral dependa del camino. Las principales conclusiones
responden al descubrimiento de condiciones que hacen que el valor de la
integral no dependa del camino elegido, y stas estn ntimamente
relacionadas con el hecho de que la funcin sea holomorfa.
As como en el caso de la integracin real se tena el objetivo geomtrico
de encontrar un rea, en el caso de la integral compleja el proceso es inverso,
primero se generalizan las integrales reales, y despus se investiga sobre su
significado. El valor de la integral va a ser un nmero complejo que, al
considerar separadamente su parte real y su parte imaginaria, ser posible
interpretar geomtricamente y fsicamente.
4.1. CURVAS EN EL CAMPO COMPLEJO
Para calcular la integral entre dos puntos se puede hacer a travs de
distintas curvas que unan dichos puntos, por lo que se debe comenzar
estudiando la representacin paramtrica de una curva. En este apartado se
introduce el concepto de camino, o aquellos tipos de curvas que resultan
apropiados para definir sobre ellas la integral de una funcin compleja.
Definicin 4.1.1:
Una curva o arco de curva es una aplicacin continua : [a, b] C,
tal que a un nmero real t le corresponde el nmero complejo (t) = x(t) + i y(t),
donde x(t) e y(t) son funciones reales y continuas en [a, b].
Definicin 4.1.2:
Se denomina traza o trayectoria de la curva a su imagen:

Integracin en el plano complejo 171
() = {(t): a t b}.
Por ser una funcin continua, la traza es un subconjunto compacto del
plano complejo.
No se debe confundir la curva , que es una aplicacin, con su traza, (),
que es un subconjunto de puntos del plano complejo, ya que la curva no es
slo su traza sino una cierta forma de recorrerla, como puede comprobarse en
el ejemplo 4.1.3.
Definicin 4.1.3:
Los extremos de la curva son los puntos (a) y (b), siendo (a) el punto
origen y (b) el punto final. Una curva es cerrada si coinciden sus extremos,
(a) = (b).
Definicin 4.1.4:
Una curva es un arco simple o arco simple de Jordan si la aplicacin
es inyectiva (es decir, (t1) = (t2) implica que t1 = t2). Es decir, la curva no pasa
por un mismo punto dos veces.
Una curva es cerrada simple o curva de Jordan si es cerrada, es decir,
(a) = (b), y la restriccin a [a, b) es inyectiva.
Una curva de Jordan divide al plano complejo en dos subconjuntos

abiertos y conexos, uno acotado, el interior de la traza, int o ( ) , y el otro no
acotado, el ext(). Este resultado que es intuitivamente evidente tiene una difcil
demostracin.
Definicin 4.1.5:
Dado un nmero natural n 1 se dice que una curva : [a, b] C es
de clase Cn en [a, b], y se denota Cn([a, b], C) cuando (t) = x(t) + iy(t)
verifica que x(t) Cn([a, b], ), y(t) Cn([a, b], ).
La expresin Cn([a, b], A) representa el conjunto de funciones definidas en
el intervalo cerrado [a, b] sobre A, continuas y con sus derivadas continuas
hasta el orden n.
Definicin 4.1.6:
Una curva es diferenciable con continuidad en [a, b], o bien
continuamente diferenciable en [a, b], si la aplicacin es continua y con
derivada primera continua en el intervalo cerrado [a, b], (incluidos los extremos,
donde las derivadas son las derivadas laterales), es decir, C1[a, b].
Por lo tanto existen las derivadas x(t) y(t) en [a, b] y dichas derivadas son
continuas. A una curva diferenciable con continuidad se la denomina arco
suave si las derivadas no se anulan en el intervalo [a, b].
Definicin 4.1.7:
Una curva es diferenciable con continuidad a trozos, o un arco suave
a trozos, si el intervalo [a, b] se puede descomponer en una cantidad finita de
intervalos [tk, tk+1] con a = t0 < t1 < ... < tn = b de modo que sea una curva
diferenciable con continuidad en cada intervalo, es decir, si C1([tk, tk+1], C) y
existen los lmites laterales de las derivadas en los extremos de cada intervalo.
Definicin 4.1.8:
Se denomina camino a una curva diferenciable con continuidad a trozos.

Figura 4.1: Ejemplos de trazas de caminos cerrados simples o curvas cerradas simples diferenciables con
Figura 4.1.1: Ejemplos de trazas de caminos cerrados simples o curvas cerradas simples diferenciables
continuidad a trozos.
con continuidad a trozos.
Se dice que los caminos son rectificables cuando es posible calcular su
longitud.
Definicin 4.1.9:
La longitud del camino es el valor de la integral real
b
long ( ) a ' ( t ) dt, donde ' ( t ) ( x ' ( t ))2 ( y ' ( t ))2 .
Definicin 4.1.10:
Un cambio de parmetro es una aplicacin biyectiva : [a, b] [c, d] de
clase uno, y tal que (t) > 0, t (a, b).
La composicin de dos cambios de parmetro es tambin un cambio de
parmetro.
Definicin 4.1.11:
Dos caminos : [a, b] C, : [c, d] C, son equivalentes, y se denota
, si existe una biyeccin o cambio de parmetro : [a, b] [c, d], (a) = c,
(b) = d, tal que: = .
Tambin se dice que es una reparametrizacin de .
Si dos caminos son equivalentes, , entonces tienen la misma traza,

() = (), que recorren el mismo nmero de veces y en el mismo sentido cada
vez, pero se modifica la velocidad a la que se recorre la traza, pues:
(t) = ( )(t) = ((t)) (t).
La relacin es una relacin de equivalencia entre los caminos.
Definicin 4.1.12:
Dado el camino : [a, b] C se define su camino inverso o camino
opuesto, y se denota , al camino: : [b, a] C como ()(t) = (t) con b
t a.
El camino recorre la misma traza que pero en sentido inverso.

Definicin 4.1.13:
Si dos caminos : [a, b] C, y : [c, d] C, son tales que (b) = (c), se
define la suma de caminos como + : [a, b + d c] C, siendo:
(t ) si a t b
( + )(t) = .
( t c b ) si b t b d c
As definido, + es un camino o curva diferenciable con continuidad a
trozos, por ser (b) = (c) y serlo y . En general si existe + , + no
estar definido, por lo que la suma de caminos no es conmutativa. Se verifica la
propiedad asociativa: + [ + ] = [ + ] + , as como que la traza de la suma
es igual a la unin de las trazas: ( + ) = () ().
Unas propiedades inmediatas son:
1. Si entonces long() = long()
2. long() = long()
3. long( + ) = long() + long()
Demostracin:
b b
1) Si entonces long() = a ' ( t ) dt = a ()(t)dt =
b d
a ((t))(t) dt = c (s)ds = long(), haciendo el cambio s = (t).
a a b
2) long() = b ( )' ( t )dt = b ' ( t )dt = a ' ( s )ds = long(),
haciendo el cambio s = t.
b d c b b d c
3) long( + ) = a ( )' ( t ) dt = a ' ( t ) dt + b ' ( t ) dt =
long() + long().
Ejemplos resueltos
Ejemplo 4.1.1: El camino que recorre el segmento de extremos [z0, z1],
desde z0 hasta z1, recorrido a velocidad constante, (t) = z1 z0, viene dado
por:
(t) = z0 + t (z1 z0), con 0 t 1.
z1
z0
Figura 4.2: Traza de un segmento

Figura 4.1.2: Traza de un segmento
Ejemplo 4.1.2: (t) = z0 + Reit, con 0 t 2, es el camino cerrado cuya

traza es la circunferencia de centro z0 y radio R, recorrida una vez, en sentido
positivo (el sentido contrario al de las agujas del reloj), comenzando en z0 + R.
Se llama orientacin positiva de una curva cerrada si sta es recorrida en
el sentido contrario al de las agujas del reloj, y orientacin negativa si es
recorrida en el sentido de las agujas del reloj.
z0
Figura
Figura 4.3:Traza
4.1.3: Trazade
delalacircunferencia
circunferencia
Ejemplo 4.1.3: (t) = z0 + Re-it , con t , es el camino cerrado cuya
traza es la circunferencia de centro z0 y radio R, la misma traza del ejemplo
anterior, pero su punto origen y su punto final son otros, y est recorrida en
sentido contrario al anterior, es decir, est orientada negativamente.
Ejemplo 4.1.4: (t) = z0 + Reit , con t 2, es el camino cuya traza es
la circunferencia de centro z0 y radio R, la misma traza de los dos ejemplos
anteriores, pero ahora no es un camino cerrado, su punto origen z = R y su
punto final z = R son diferentes, est recorrida en sentido positivo y no es una
curva simple.
Ejemplo 4.1.5: (t) = z0 + Rei2t, con 0 t , es el camino cerrado cuya
traza es la circunferencia de centro z0 y radio R. Es un camino equivalente al
del ejemplo 4.1.2, pero se modifica la velocidad de recorrido.

Ejemplo 4.1.6: Los caminos: (t) = e-it , con 0 t 2, y (t) = eit, con 0 t
4, tienen ambos la misma traza, la circunferencia de centro el origen y radio
uno, pero el primero la recorre en el sentido de las agujas del reloj, y el
segundo la recorre dos veces en sentido positivo, contrario a las agujas del
reloj.
( 2 3i )t 0 t 1
Ejemplo 4.1.7: La curva ( t ) es un camino,
( 5 3i )t ( 3 6i ) 1 t 2
pues es continua y diferenciable a trozos. Est formada por dos segmentos, el
primero de origen en z = 0 y extremo en z = 2 + 3i, y el segundo de origen en z
= 2 + 3i, y extremo en z = 7.
2+3i
Figura 4.1.4: Traza del ejemplo 4.1.7.

Figura 4.4: Traza del ejemplo 4.1.7.
Ejemplo 4.1.7: Calcular la longitud del camino determinado por la curva
( 2 3i )t 0 t 1
del ejemplo anterior: ( t ) .
( 5 3i )t ( 3 6i ) 1 t 2
Por la definicin de longitud de un camino:
b
long ( ) a ' ( t ) dt, siendo ' ( t ) ( x ' ( t ))2 ( y ' ( t ))2 ,
luego en este caso se puede considerar que = 1 + 2, siendo:

1 ' ( t ) ( x1 ' ( t ))2 ( y 1 ' ( t ))2 2 2 3 2 13 y
2 ' ( t ) ( x 2 ' ( t ))2 ( y 2 ' ( t ))2 5 2 ( 3 ) 2 34 ,
por lo que:
b 1 2
long ( ) a ' (t ) = 0 1' ( t ) 1 2' ( t ) = 13 34 .
Ejercicios
4.1. Probar que la relacin definida en el apartado anterior es
una relacin de equivalencia pues verifica las propiedades
reflexiva, simtrica y transitiva.
4.2. Demostrar que un camino siempre tiene longitud, es decir,
siempre es rectificable.
4.3. Sea (t) = Reit con 0 t ; (t) = R + (R r)t con 0 t 1;
(t) = reit con 0 t ; y (t) = r + (R r)t con 0 t 1, siendo 0 <
r < R: Representar grficamente la traza del camino + + .
Est bien definido? Es un camino? Indicar su origen y su final.
4.4. Calcular la longitud de los caminos:
a) (t) = z0 + t(z1 z0) con 0 t 1,
b) (t) = z0 + Reit con 0 t 2,
c) (t) = z0 + Rei2t con 0 t 1,
d) (t) = z0 + Reit con 0 t 6.
4.5. Razonar por qu se exige que (t) > 0 en la equivalencia de

caminos. Qu sucedera si (t) < 0?
4.6. Indicar cuales de los ejemplos resueltos, del 2 al 5, son
parametrizaciones equivalentes.
4.7. Representar la traza de la curva z(x) = 1 x 2 ix , 1 x 1.
Es otra parametrizacin del arco de la circunferencia de radio uno
y centro el origen: (t) = eit, 0 t 2? Buscar la ecuacin de
cambio de parmetro . Comprobar si (t) > 0.
4.2. INTEGRACIN SOBRE CAMINOS
Se define y estudia lo que se va a entender como la integral de una
funcin compleja sobre un camino. Para ello, previamente se estudia el
concepto de integral sobre una funcin real con valores complejos.
Definicin 4.2.1:
Sea f una funcin real con valores complejos, f : [a, b] C siendo f(t)
= x(t) + iy(t). Se define la integral de f a travs de dos integrales reales,
siempre que estas integrales existan:
b b b
a f ( t ) dt = a x( t ) dt + i a y ( t ) dt
La funcin f es integrable en [a, b] si las funciones x e y son integrables en
b b b b
[a, b] siendo Re( a f ( t ) dt ) = a x( t ) dt y Im( a f ( t ) dt ) = a y ( t ) dt , por lo
que sus propiedades se deducen de forma inmediata de las propiedades de las
integrales de las funciones reales.

4.2.1. Integral de una funcin sobre un camino
Definicin 4.2.2:
La integral entre [a, b] del camino : [a, b] C, (t) = x(t) + iy(t), se
define a travs de dos integrales reales bien definidas:
b b b
a ( t ) dt = a x( t ) dt + i a y ( t ) dt
En general, si f es una funcin real con valores en C siendo f(t) = u(t) +
iv(t), t [a, b], entonces si u y v son integrables en [a, b] se define:
b b b
a f ( t )dt = a u( t )dt + i a v ( t )dt .
Verifica las siguientes propiedades:
1. Si f y g son integrables en [a, b] entonces f + g y kf son integrables
en [a, b], donde k C.
b b
2. Si a b entonces a f a f
Demostracin de 2:
b
Si a f = 0, entonces se verifica la propiedad.
b b
Si a f 0, entonces a f = rei por lo que:
b b b b b
a f = r = e-i a f = Re( a e-if) = a Re(e-if) a f .
Definicin 4.2.3:
Sea f una funcin de variable compleja definida en un abierto G, f : G C
C, continua a trozos, y sea un camino : [a, b] G. Se define la integral
de f sobre el camino (o integral de f a lo largo del camino ) como:
b
f= f ( z ) dz = a f ( ( t )) ' ( t ) dt

Como es un camino, es diferenciable con continuidad a trozos, por lo
que f((t)) es una funcin continua a trozos y es continua a trozos, y en
consecuencia la funcin subintegral tiene a lo sumo un nmero finito de puntos
de discontinuidad, por lo que existe su integral.
4.2.2. Relacin de la integral compleja con la integral
curvilnea real
Si f(z) = u(x, y) + iv(x, y), la integral f se expresa mediante dos

integrales curvilneas reales, siendo:
f = ( udx vdy ) + i ( vdx udy ) (4.1)

Demostracin:
En efecto, si (t) = (t) + i(t) entonces:
f((t)) (t) = (u((t), (t)) + iv((t), (t))) ((t) + i(t)) = u((t), (t)) (t)
v((t), (t)) (t) + i(u((t), (t)) (t) + v((t), (t)) (t)).
Por otra parte:

b
( udx vdy ) = a ( u( ( t )) ' ( t ) v ( ( t )) ' ( t )) dt

b
( vdx udy ) = a ( v ( ( t )) ' ( t ) u( ( t )) ' ( t )) dt

de donde se deduce la igualdad.
4.2.3. Propiedades elementales
1. La integral sobre un camino es invariante bajo una parametrizacin. Es
decir, si entonces f = f .

2. La integral a lo largo del camino opuesto vale: f = f.

3. La integral a lo largo de una suma de caminos vale: f = f + f .

4. (f g ) = f + g .

5. kf
= k f , con k C.

6. Si M y f(z) M, z (), entonces:

f M long(). (4.2)

Se observa que si f es una funcin continua, entonces f((t)) es una
funcin real y continua definida sobre un intervalo cerrado [a, b], por lo que si el
intervalo [a, b] es acotado entonces siempre alcanza un valor mximo en dicho

intervalo, y por tanto f(z) M, z (). Lo mismo se puede asegurar si f es
una funcin continua a trozos. Por tanto la propiedad 6 se puede escribir:

f mx f ( z ) long().
z( )

7. Si F es una primitiva de f sobre (), es decir, F (z) = f(z), z (), siendo
un camino : [a, b] C, entonces f = F((b)) F((a)).

8. Si F es una primitiva de f sobre () y es un camino cerrado, f = 0.

Demostraciones:
1. Si : [a, b] C y : [c, d] C siendo entonces existe una aplicacin
: [a, b] [c, d], tal que = , por lo que:
b b
f = a f ( (t )) ' (t ) dt = a f ( (t )) ' ( ( t )) ' (t ) dt =

y haciendo el cambio s = (t) se obtiene:
d
c f (( s )) ' (s ) ds = f .

a a
2. f = b f ( (- )(t )) ( )' (t )) dt = b f ( (-t )) (' (t )) dt =

y haciendo el cambio s = t se obtiene
b
a f ( (s )) ' (s ) ds = f.

Las demostraciones de las propiedades 3, 4 y 5 se dejan como ejercicios.

6. Si M y f(z) M, z() entonces:
b b b b
a f ( (t )) ' (t ) dt a f ( (t )) ' (t ) dt a M ' ( t ) dt =M a ' ( t ) dt = Mlong().
7. Si F es una primitiva de f sobre () y es un camino, entonces:
b b b
f = a f ( ( t )) ' ( t ) dt = a F' ( ( t )) ' ( t ) dt = a ( F )' ( t ) dt

Si F((t)) = u(t) + iv(t) entonces:
b b b
= a ( u' iv' )( t )dt = a ( u' )( t )dt + i a ( v' )( t )dt =
aplicando la Regla de Barrow:
u(b) u(a) + i(v(b) v(a)) = u(b) + iv(b) u(a) iv(a)) = F((b)) F((a)).
8. f = F((b)) F((a)) = 0 por ser el camino cerrado y por tanto (b) = (a).

Ejemplos resueltos

z dz siendo (t) = e , 2 t 2 .
it
Ejemplo 4.2.1: Calcular

El camino tiene como traza la mitad del crculo de radio uno que va
desde i hasta i. La funcin f((t)) = e-it pues, para calcular el conjugado, el
ngulo es el opuesto, y (t) = ieit.

2 2 2
it
z dz = f ( ( t )) ' ( t ) dt e dt = i.
it
Por tanto = ie dt = i

2 2 2
z
2
Ejemplo 4.2.2: Calcular la integral dz sobre los tres caminos 1, 2, y

3, y tambin sobre el camino: = 1 + 2 + 3, siendo 1(t) = t(2 + i), 0 t 1;
2(t) = (2 + i) + t( i), 0 t 1; y 3(t) = 2 2t, 0 t 1.
1 1 1 2
z 2 dz = 0 f ( ( t )) ' ( t ) dt = 0 ((2 i)t ) 2 (2 i) dt = (2 + i)3 0
t dt =
1
( 2 i)3 2 11
= i.
3 3 3
1 1 11
0 0 (2 i ti)
2
z 2 dz = f ( ( t )) ' ( t ) dt = ( i) dt = 2 i,
3
2
1 1 8
z 0 f ( ( t )) ' ( t ) dt = 0 ( 2 2t )
2 2
dz = ( 2 ) dt = ,
3
3
2 11 11 8
z z z z
2 2 2 2
dz = dz + dz + dz = i + 2 i + = 0.
3 3 3 3
1 2 3
Este ltimo resultado, cero, era de esperar por la propiedad 8, pues = 1
+ 2 + 3 es un camino cerrado y z2 tiene funcin primitiva.
z
2
Ejemplo 4.2.3: Calcular la integral dz sobre el camino , siendo:

(t) = e-it, t 0.
Utilizando la definicin de integral sobre un camino se obtiene:
0 0 0
z 2 dz = f ( ( t )) ' ( t ) dt = ( e it )2 ( i)(e it ) dt = (i)(e
3it
) dt =
1 1 2
(1 e3i) = (1 (cos(3) + i sen(3))) = .
3 3 3
Otra forma de hacerlo es utilizando la propiedad 7, pues como z2 tiene la
z3
funcin primitiva , la integral es independiente del camino, para ir desde a =
3
1 hasta b = 1, luego:
1 1 2
z
2
dz = F(1) F(1) = ( ) = .
3 3 3

Re( z ) dz siendo (t) = re , 0 t 2.

it
Ejemplo 4.2.4: Calcular la integral

Utilizando la definicin de integral sobre un camino se obtiene:
2 2 2
Re( z ) dz = 0 f ( ( t )) ' ( t ) dt = 0 r cos t r i(e it ) dt = ir2 0 cos t ( e it ) dt =

2 2 1 cos 2t sen 2t
ir2 0 (cos 2 t i cos t sent ) dt = ir2 0 (
2
i
2
) dt = ir2
que es distinto de cero, a pesar de ser el camino cerrado, lo que muestra que la
funcin parte real de z, Re(z), no tiene funcin primitiva sobre la circunferencia
de centro el origen y radio r.
z dz siendo (t) = e , 0 t 2.
it
Ejemplo 4.2.5: Calcular la integral

z dz siendo (t) = e , 0 t 2, f((t)) = e y (t) = ieit,

it -it
Para calcular

2 2
2 it
z dz = 0 e dt = 2i, distinto de
it
luego f ( ( t )) ' ( t ) dt = i e dt = i
0 0
cero, a pesar de ser el camino cerrado pues es la circunferencia de centro el
origen y radio uno, luego la funcin f ( z ) z no tiene primitiva sobre dicho

crculo.
1
Ejemplo 4.2.6: Calcular la integral z
dz siendo (t) = eit, 0 t 2.

1 1
z dz siendo (t) = e , 0 t 2, f((t)) =
it
Para calcular = e-it y (t) =
it
e
2 2
1 2
ieit, por lo que dz = 0 f ( ( t )) ' ( t ) dt = e it i e it dt = i dt = 2i,
z
0 0
distinto de cero, a pesar de ser el camino cerrado pues es la circunferencia de
1
centro el origen y radio uno, luego la funcin f ( z ) no tiene primitiva sobre
z
2 1
dicha circunferencia. Como z z z 1, entonces f ( z ) z , por tanto el
z
resultado coincide con el del ejemplo anterior.
1
La funcin primitiva de f ( z ) es la funcin logaritmo, w = log z, que no
z
es holomorfa sobre la circunferencia de centro el origen, pues no es holomorfa
en el eje real negativo. Es imposible encontrar ninguna rama holomorfa del
logaritmo sobre toda la circunferencia unidad, pues siempre corta a una
semirrecta (por ejemplo, la semirrecta real negativa) donde se produce una
discontinuidad. El que la integral no se anule no entra en contradiccin con la
1
propiedad 8 pues la funcin f ( z ) no tiene primitiva en todo ().
z
z3
Ejemplo 4.2.7: Acotar la integral: z 2 2 dz siendo (t) = 3e-it, 0 t
2
.
Para acotar la integral se utiliza la propiedad 6, que dice: Si f(z) M


, z () entonces f Mlong(). Como la longitud del arco de

3
circunferencia es , z 3 z + 3 3 + 3 = 6, y z2 + 2 z2 2
2
z 3 6 z3 9
9 2 = 7, entonces
z 22

7
,y
2
z 2
dz
7
.
1
Ejemplo 4.2.8: Acotar la integral: ( z 2 2 )2 ( z 2 3 ) dz con (t) = Reit, 0
t , R > 3, y comparar con el lmite: lm

R f .
Para acotar la integral se utiliza las propiedad 6, que dice: Si f(z) M

, z () entonces f M long(). Como la longitud del arco de

circunferencia es R, z = R, z2 + 22 (z2 2)2 R2 22, z2 3
R2 3.
Entonces:
1 1
( z 2 2 )2 ( z 2 3 ) dz
( R 2 2 )2 ( R 2 3 )
, y al calcular el lmite cuando R
tiende a infinito, ese valor tiende a cero: lm

R f 0.
Ejercicios
( z z0 )
n
4.8. Calcular: dz , con n entero, siendo (t) = z0 + eit, 0 t

2.
2
4.9. Comprobar que: zdz =
3
(1 + i), siendo (t) = eit, 0 t .

f , siendo f(z) = f(x + yi) = x + 2y i y , y (t) = (1 +

2
4.10. Calcular:

3i)t, 0 t 1.
1
4.11. Comprobar que z 4 dz 4 2 , siendo (t) el segmento [i, 1].

1
4.12. Calcular: z
f ( z ) dz siendo (t) = reit, 0 t 2, y f(z) una

funcin holomorfa y acotada en el interior de y sobre su traza ().

4.13. Demostrar que Im( z ) dz = 2 , siendo:

t 1 t 1
( t ) i ( t 1)
e 1 t 1
z
4.14. Sea (t) = Reit, 0 t , R > 2, y sea f(z) =
3
z 3
. Acotar f

y comprobar que lm
R f 0.
4.3. NDICE DE UN PUNTO RESPECTO DE UNA
CURVA
En este apartado se introduce el concepto de ndice de un punto z
respecto de un camino cerrado , que es un concepto importante.
4.3.1. Definicin de ndice
Definicin 4.3.1: Sea : [a, b] C un camino cerrado y z un punto del
plano complejo que no pertenece a la traza de , z C/(). Se define el ndice
de un punto z respecto de un camino , I(z), como:
1 dw
I ( z )
2.i w z
La integral anterior est bien definida pues al no pertenecer el punto z a la
traza de , se tiene que la funcin subintegral es continua en ().
1 dw 1 b ' ( t )
I ( z )
2i w z
=
2i a ( t ) z
dt
El ndice representa geomtricamente el nmero de vueltas que
da el camino alrededor del punto.
Este hecho puede interpretarse, de forma intuitiva y matemticamente
imprecisa, si se considera que:
' ( t ) d
= (log( ( t ) z ) )
( t ) z dt
Por lo que:
1 b ' ( t ) 1 b d

2i a ( t ) z
dt =
2i dt (log( ( t ) z )dt
a
=
1
log( ( b ) z ) (log( ( a ) z ) =
2i
1
(ln ( b ) z i arg( ( b ) z ) (ln ( a ) z i arg( ( a ) z )) =
2i
1
arg( ( b ) z ) arg( ( a ) z )) =
2
1
2 nmero de vueltas alrededor de z = Nmero de vueltas alrededor de z.
2
Ya que como el camino es una curva cerrada se tiene que (a) = (b),
por lo que ln(b) z= ln(a) z y la variacin del argumento es igual a 2
por el nmero de vueltas del vector (b) z alrededor de z.
El camino hace una particin de C/() en un conjunto de
componentes conexas, donde todas las componentes son
acotadas, excepto una, la componente no acotada.
El ndice es una funcin continua en C/() y es siempre un nmero
entero.
En consecuencia, el ndice es constante para todos los puntos de
una misma componente conexa.
El ndice se anula sobre la componente no acotada.
El ndice de un punto z respecto al camino opuesto a es igual a:
I-(z) = I(z)
4.3.2. ndice y homotopa
Una propiedad muy importante del ndice es el ser invariante por
homotopa. De manera intuitiva, se dice que dos caminos cerrados contenidos
en un abierto G son homtopos, si pueden deformarse continuamente entre s,
sin que las deformaciones salgan de G.
Definicin 4.3.2: Sea G un abierto y sean 0 y 1 dos caminos cerrados
definidos en [a, b] con su traza contenida en G. Una aplicacin continua es
una homotopa admisible entre 0 y 1 si la funcin : [a, b] [0, 1] G
verifica que (t, 0) = 0(t), (t, 1) = 1(t) para todo t del intervalo [a, b] y (a, s) =
(b, s) para todo s de [0, 1].
En ese caso se dice que 0 y 1 son homtopos en G.
Se dice que 1 es un camino homtopo a 0 si 1 es homtopo a una curva
constante, (o punto): 1(t) = z0, para todo t [a, b].
Si 0 y 1 son dos caminos cerrados, z no pertenece a sus trazas y son
homtopos en C/{z}, se tiene que I0(z) es igual a I1(z). En particular si 0 es
homtopo a 0, I0(z) es igual a cero. An ms interesante es el hecho de que
tambin se verifica el recproco, esto es, el ndice determina completamente
qu caminos son homtopos en C/{z}.
Si G es un abierto y 0 y 1 son dos caminos cerrados se dice que son
homlogos respecto de G si I 0 (z) es igual a I 1 (z) para todo punto z que
pertenezca al complementario de G.
4.3.3. ndice y conexin
Definicin 4.3.3: Sea G un abierto y conexo de C. G es simplemente
conexo si cualquier camino cerrado C([0, 1]; G) es homtopo a 0.
De manera intuitiva se considera que un conjunto es simplemente conexo
si es un abierto sin agujeros. Por este motivo, un dominio G es simplemente
conexo si todo camino cerrado y simple contenido en l, encierra nicamente
puntos de G. Por ejemplo, si es un camino cerrado y simple entonces el

interior de su traza, ( ) , es un dominio simplemente conexo. Si un dominio
conexo no es simplemente conexo se dice que es mltiplemente conexo.
Un caso particular de conjunto simplemente conexo es un conjunto
convexo. En efecto, si G es convexo, C([0, 1]; G) y z G, entonces existe
una homotopa admisible entre el camino y la curva constante z, dada por:
(t, s) = (1 s)(t) + sz, para todo (t, s) [a, b] [0, 1].
Ejemplos resueltos
Ejemplo 4.3.1: Sea (t) = z + Reit, 0 t 2 la circunferencia de centro z y
radio R definida en el plano complejo, recorrida una vez en sentido positivo. Por
la definicin de ndice se tiene:
1 dw 1 2 ' ( t ) 1 2 Rie it
I(z) =
2.i w z
=
2.i 0 ( t ) z
dt =
2.i 0 Re it
dt = 1.
En efecto, el camino da una vuelta en sentido positivo alrededor del
punto.
Ejemplo 4.3.2: Sea (t) = z + Re-it, 0 t 2, la circunferencia de centro
z y radio R recorrida una vez en sentido negativo. Por la definicin de ndice se
tiene:
1 dw 1 2 ' ( t ) 1 2 Rie it
I(z) =
2.i w z
=
2.i 0 ( t ) z
dt =
2.i 0 Re it
dt = 1.
El camino da una vuelta en sentido negativo alrededor del punto.
Ejemplo 4.3.3: Sea (t) = z + Reit, 0 t 2k, la circunferencia de centro z
y radio R recorrida k veces en sentido positivo. Por la definicin de ndice se
tiene:
1 dw 1 2k ' ( t ) 1 2k Rie it
I(z) =
2.i w z
=
2.i 0 ( t ) z
dt =
2.i 0 Re it
dt = k.
El camino da k vueltas en sentido positivo alrededor del punto.
Ejemplo 4.3.4: Sea (t) = z + Re-it, 0 t 2k, la circunferencia de centro
z y radio R recorrida k veces en sentido negativo. Por la definicin de ndice se
tiene:
1 dw 1 2k ' ( t ) 1 2k Rie it
I(z) =
2.i w z
=
2.i 0 ( t ) z
dt =
2.i 0 Re it
dt = k.
El camino da k vueltas en sentido negativo alrededor del punto.
Ejemplo 4.3.5: Si G es simplemente conexo y se perfora en un punto, A =
G {z0}, el ndice de cada punto de A puede valer 1, 1 o 0, para cada camino
cerrado y simple segn que el camino rodee al punto en una orientacin, en la
otra o pertenezca a la componente exterior.
Ejemplo 4.3.6: Determinar el ndice del punto z0 respecto a la curva

indicada:
z0 z0 z0 z0
ndice = 1 ndice = 2 ndice = 1 ndice = 0
4.5. Determinacin de ndices. Ejemplo 4.3.6
Ejercicios
4.15. Determinar el ndice de los puntos de cada una de sus
componentes conexas en que las siguientes curvas dividen al
plano complejo:
4.6. Determinacin de ndices. Ejercicio 4.15
4.16. Calcular el ndice del origen respecto de la curva (t) = cos t + 2i
sen t, 0 t 2.
4.4. TEOREMA DE CAUCHY
4.4.1. Primitivas
Aunque el valor de una integral compleja depende, en general, del camino
recorrido, existen ciertas funciones cuyas integrales son independientes del
camino. En esos casos tambin se anula la integral sobre un camino cerrado.
Este resultado est relacionado con la existencia de una funcin primitiva F(z),
tal F(z) = f(z), para todo z. Esto es consecuencia del siguiente teorema:
Teorema 4.4.1:
Sea f: G C C una funcin continua en el dominio G. Las condiciones
siguientes son equivalentes:
a) La funcin f tiene una funcin primitiva F en G.
b) Las integrales de f a lo largo de caminos contenidos en G que unen
dos puntos fijos z1 y z2 tienen todas el mismo valor.
c) La integral de f a lo largo de cualquier camino cerrado contenido en
G vale cero.
Demostracin:
Se va a probar que a) implica b), b) implica c), c) implica b) y b) implica a).
Probar que a) implica b) es consecuencia de la propiedad 7 del apartado
4.2.2, pues se parte de la hiptesis de que la funcin f tiene una funcin
primitiva F, es decir, para todo z de G, F(z) = f(z). Sea un camino contenido
en G que une los puntos z1 y z2 con z = (t), a t b, (a) = z1 y (b) = z2.
d dF dz
Como F ( ( t )) = F((t)) (t) = f((t)) (t), entonces:
dt dz dt
b
f ( z ).dz = a f ( ( t )) ' ( t ) dt = F((b)) F((a)) = F(z2) F(z1),
con lo que queda probado que la integral no depende del camino elegido.
Para probar que b) implica c) se considera un camino cerrado cualquiera,
, contenido en G, y sean z1 y z2 dos puntos que pertenecen a . Se toman dos
caminos, y , ambos con punto inicial z1 y final z2, tales que = . Como
por la hiptesis b) la integral no depende del camino, se puede escribir:
f ( z ) dz = f ( z ) dz , por lo que:
0= f ( z ) dz f ( z ) dz = f ( z ) dz + f ( z ) dz = f ( z ) dz
= f ( z ) dz .
Recprocamente si se quiere demostrar que c) implica b) se consideran
dos caminos cualesquiera, y , contenidos en G, ambos con punto origen z1 y
extremo final z2. Se construye el camino = que es cerrado, luego, por la
hiptesis c) la integral vale cero, f ( z ) dz = 0, con lo que f ( z ) dz =0=
f ( z ) dz = f ( z ) dz f ( z ) dz , y por tanto: f ( z ) dz = f ( z ) dz .
Para probar que b) implica a) se considera un camino cualquiera, ,
contenido en G, que parte de un punto z0 y termina en un punto genrico z. Se
define:
z
F(z) = f = z 0
f ( w ) dw .
Se analiza bajo qu condiciones la funcin F est bien definida. Para

poder definir F(z), para todo z de G, tiene que ser G un conjunto conexo, y as
existir ese camino, , que parte de un punto z0 y termina en z. Sea z + z un
punto, distinto de z, en un entorno de z de radio , suficientemente pequeo,
contenido en G.
Se calcula la derivada de la funcin F:

F(z + z) = f = f z,z z = f + fz,z z = F(z) + fz,z z .
El camino [z, z + z] es un segmento y la integral fz,z z , por hiptesis, no

z z
depende del camino, por lo que fz,z z = z f
Restando:
z z
F(z + z) F(z) = fz,z z = z f , y:
F(z z ) - F(z) 1 z z
z
f(z) =
z z
f ( w ) dw f(z)
Como la variable de integracin, w, no es z, f(z) no depende de w y se
obtiene que:
z z z z
z f ( z ) dw = f(z) z dw = f(z) z, en consecuencia:
F(z z ) - F(z) 1 z z
f(z) = f ( w ) f ( z ) dw .

z z z
Calculando el mdulo y acotando, utilizando la propiedad (4.2):
1 z z
F(z z ) - F(z)
- f(z) = f ( w ) f ( z ) dw

z z z
1
(Longitud del camino [z + z, z])(Mximo valor de f(w) f(z), si w
z
1
[z, z + z]) = z mx f ( w ) f ( z ) = mx f ( w ) f ( z ) .
z w z ,z z w z ,z z
Por hiptesis f es una funcin continua en el punto z, luego si w z < ,
entonces de f(w) f(z) < , por lo que se puede considerar que:
mx f ( w ) f ( z ) < , de donde se obtiene que:

w z ,z z
F(z z ) - F(z)
Si z < entonces - f(z) < , y al calcular el lmite
z
cuando z tiende a cero se tiene que:
F(z z ) - F(z)
lm = f(z), por lo que F es la funcin primitiva de f, pues
z 0 z
F(z) = f(z), como se quera demostrar.
4.4.2. Distintos enunciados del teorema de Cauchy
Existen muchos enunciados diferentes del teorema de Cauchy, con
condiciones distintas sobre el camino, sobre la funcin y sobre el dominio. El
teorema anterior demuestra que si una funcin f(z) tiene primitiva en un
dominio, su integral a lo largo de una curva cerrada contenida en l vale cero.
El problema queda ahora reducido a conocer las condiciones que permiten
asegurar la existencia de una funcin primitiva de una funcin sobre el dominio.
El hecho de que una funcin sea holomorfa en un dominio no garantiza la
existencia de funcin primitiva, como se ha visto en el caso de la funcin f(z) =
1/z, que es holomorfa en C/{0} y sin embargo no tiene primitiva.
El teorema de Cauchy expresa las condiciones en las que se puede

garantizar la existencia de primitiva de una funcin, o lo que es equivalente,
que la integral sobre cualquier curva cerrada contenida en un dominio sea cero.
Si se analiza un poco el desarrollo histrico de este importante teorema,
el teorema de Cauchy, se comprueba que en algunas ocasiones se buscan
condiciones sobre el camino, , otras veces sobre la funcin f, y por ltimo, se
imponen condiciones sobre el dominio G para asegurar que f tenga primitiva en
G, o que la integral sobre un camino cerrado sea nula. Por esto, se tienen
distintos enunciados que imponen condiciones suficientes, no necesarias, para
ello.
El primer enunciado que se estudia, se debe a su inters histrico y a la
sencillez de su demostracin. Cauchy enunci y demostr el teorema
imponiendo a f ser holomorfa y con derivada f continua en G:
Versin primera del Teorema de Cauchy
Si es un camino cerrado y simple recorrido en sentido positivo en un
dominio G y f es holomorfa y con derivada primera f continua tanto sobre la
traza () como en la zona encerrada por la curva entonces f = 0.
Demostracin:
La demostracin de Cauchy se basa en el teorema de Green y relaciona
la integral compleja con las integrales curvilneas reales (4.1). El teorema de
Green dice que si P(x, y) y Q(x, y) son funciones continuas y con derivadas
parciales de primer orden continuas en la regin formada por la traza de un

camino cerrado y simple y por el interior de dicho camino, ( ) ( ) ,
entonces:
(Pdx + Qdy) = (Qx Py)dxdy
Por lo tanto:
f = ( udx vdy ) i ( vdx udy ) =
( v x u y ) dx dy + ( u x v y ) dx dy ,

pues al ser f continua en ( ) ( ) , las funciones u y v son continuas en
as como sus derivadas de primer orden. Imponiendo las condiciones de
Cauchy-Riemann, ux = vy, uy = vx, se obtiene que la integral vale cero, f =
0.
Pero para poder usar la frmula de Green deben ser las derivadas

parciales ux, uy, vx y vy continuas en , siendo ( ) ( ) , y estas
condiciones no son necesarias. El resultado se puede ampliar a cualquier
camino cerrado, aunque no sea simple, y su orientacin no sea positiva.
Lema de Goursat
E. Goursat (1 858 1 936) fue el primero en demostrar que la condicin
de continuidad sobre f se poda omitir. Prob que:
Si f es holomorfa en un abierto y conexo G y T es un camino cerrado
rectangular simple y orientado positivamente, tal que l y su interior estn

contenidos en G, ( (T ) (T ) G ), entonces T f =0.
La idea de la demostracin se basa en construir una sucesin de
rectngulos cada vez ms pequeos T1, T2, ..., Tn, ..., e ir acotando la integral
de partida con esos rectngulos que convergen a un punto z0 de G. La integral
queda acotada debido a la derivabilidad de f.
A Pringsheim se debe una nueva demostracin que sustituye el
rectngulo por un tringulo, (que en ocasiones se conoce tambin con el
nombre de Lema de Goursat).
Demostracin:
La idea de la demostracin se basa en dividir el tringulo T en cuatro
tringulos semejantes obtenidos a partir de los puntos medios de los lados: T01 ,
T02 , T03 , T04 , que se orientan igual que T.

z3
T01
T
T04 T03 z2
2
T0
z1
Figura 4.7: Lema de Goursat
De esta forma se tiene que la longitud de cada tringulo es la mitad del
1
tringulo T de partida: Long( T0k ) = Long T, y que:
2
4
f = f . Se elige al tringulo T 1 como el tringulo T0k que hace mximo
T k 1 T k
0
4
el valor de la integral: f , pues entonces: f f 4 f
T0k T k 1 T k T1
0
Se divide ahora de nuevo el tringulo T1 en cuatro tringulos T11 , T12 , T13 ,
T14 de la misma forma que antes, y se llama T2 al tringulo T1k que hace
1 1
mximo el valor de la integral f , siendo long(T ) = 2 2 long(T1) =
4
long(T).
T1k
Se repite indefinidamente el proceso construyendo una sucesin de
tringulos cada vez menores, tales que T, T1, T2 ... Ti ... donde cada tringulo Ti
4
se divide en cuatro tringulos Ti1 , Ti2 , Ti3 , Ti 4 de forma que f = f y
Ti k 1 T k
i
se elige Ti+1 tal que:
f = mx
1k 4
f k
y por tanto f 4 f ,
T i 1 Ti Ti T i 1
1 1
long(Ti+1) = long(Ti ) = long(T).
2 2 i 1
Por tanto:
f 4 f ... 4n f
T T1 Tn
De este modo se obtiene una sucesin de conjuntos compactos
triangulares Kn, cuyas fronteras son los tringulos Tn, tales que: K0 K1 ...
1
Kn ... con dimetros cada vez menores: dimetro(Kn) = dimetro(K0).
2n
Se recuerda que se define el dimetro de un conjunto K como el supremo
de las distancias entre dos puntos de K:

Dimetro(K) = sup z1 z 2 .
z1 ,z2 K
Por tanto el dimetro de Kn tiende a cero cuando n tiende a infinito y la
interseccin de dichos compactos es un punto z0 que pertenece a G:
lm ( Dimetro( K n )) 0 ; Kn = {z0} G.
n
Utilizando la derivabilidad de f se acota la integral. Como f es holomorfa
f ( z ) f ( z0 )
en G, existe su derivada en el punto z0, siendo: f(z0) = lm .
z z0 z z0
Dado > 0 existe > 0 tal que si z B(z0) {z0} entonces:
f ( z ) f ( z0 )
f ' ( z0 ) < ,
z z0
por lo que para todo z distinto de z0 tal que z z0 < , entonces:
f(z) f(z0) f(z0) (z z0) < z z0 (4.3)
Sea n suficientemente grande para que Kn est contenido en B(z0), se
verifica entonces que:
f = ( f ( z0 ) f ' ( z0 )( z z0 ) f ( z ) f ( z0 ) f ' ( z0 )( z z0 ))dz

Tn Tn
( f ( z0 ) f ' ( z0 )( z z0 )dz + ( f ( z ) f ( z0 ) f ' ( z0 )( z z0 ))dz

Tn Tn
La primera integral vale cero pues es la integral de un polinomio, por lo
que existe su funcin primitiva y Tn es una curva cerrada. La segunda integral
se puede acotar usando la acotacin (4.3)

1 1
z z0 dz dimetro(Kn)long(Tn)
2 n
dimetro(K0).
2n
long(T) =
Tn
1
dimetro(K0) long(T).
4n
Por tanto:
1
f 4n f 4n
4n
dimetro(K0) long(T) = dimetro(K0) long(T)
T Tn
que se puede hacer tan pequea como se quiera, por lo que f = 0.

T
Otro camino fue probar el teorema cuando el dominio G es un disco. Esto
conduce a la tercera versin del teorema de Cauchy.
Teorema de Cauchy para un disco
Si f es una funcin holomorfa en un disco Br(z0) entonces la integral
f ( z ) dz 0 cualquiera que sea el camino cerrado contenido en B (z ). r 0
La demostracin se basa en el enunciado anterior y en probar que, en
esas condiciones, f tiene funcin primitiva sobre Br(z0), es decir, existe F(z) tal
que f(z) = f(z) para todo z de Br(z0).
Demostracin:
Se define F(z) = z 0 ,z
f ( s ) ds 0 para todo z de Br(z0). Entonces:
F( z h ) F( z ) 1
h
f(z) = (
h z 0 ,z h
f ( s ) ds
z 0 ,z
f ( s ) ds f(z) h) =
Utilizando el teorema de Cauchy para el tringulo se tiene que:
z 0 ,z z ,z h z h,z 0
f ( s ) ds = 0 por lo que:
z,z h f ( s ) ds f ( z ) h = z 0 ,z h
f ( s ) ds z 0 ,z
f ( s ) ds
y sustituyendo:
F( z h ) F( z ) 1
h
f(z) =
h z,z h f ( s ) ds f ( z ) h =
1 1
h z,z h f ( s ) f ( z )ds
h
h mx f(s) f(z) = mx f(s) f(z)
sz ,z h sz ,z h
Al ser la funcin continua cuando h tiende a cero, f(s) tiende a f(z) por lo
que mx f(s) f(z) tiende a cero, y entonces F(z) = f(z) para todo z de
sz ,z h
Br(z0).
Se observa que la demostracin se basa en poder acotar la derivada para
poder asegurar que existe funcin primitiva, para lo que se ha utilizado el hecho
de que para todo z de B los segmentos [z0, z], [z0, z+h] y [z, z+h] deben estar
contenidos en B, por lo que es posible extender el teorema, en lugar de para un
disco, o para un tringulo, cuando la regin B es un conjunto convexo, (es
decir, contiene a todos los puntos de cualquier segmento, con origen y extremo
en el conjunto).
Teorema de Cauchy para caminos homtopos
Sea G una regin y un camino cerrado con traza contenida en G y
homtopo a 0, entonces la integral

f ( z ) dz se anula para toda funcin f
holomorfa definida en G.
Sean 1 y 2 dos caminos cerrados con trazas contenidas en G y que son
homtopos en G. Entonces sus integrales 1

f ( z ) dz
2
f ( z ) dz son iguales
para toda funcin holomorfa f definida en G.
Teorema de Cauchy en dominios simplemente conexos
Sea G un conjunto abierto simplemente conexo. Entonces la integral

f ( z ) dz se anula para todo camino cerrado y toda funcin f holomorfa en G.
Probarlo para todo dominio simplemente conexo es sencillo si el camino
es cerrado y simple, o si se intersecta a s mismo un nmero finito de veces, y
se basa en versiones ya demostradas. Las sutilezas aparecen cuando el
camino tiene infinitas autointersecciones1.
Combinando esta versin con la caracterizacin de la existencia de
funciones primitivas se tiene que si G es un conjunto abierto y simplemente
conexo toda funcin holomorfa definida en G admite primitiva.
Una consecuencia quiz menos esperada de la conexin simple es el
hecho de que si f es holomorfa y no se anula, puede definirse, en un conjunto
simplemente conexo, una rama holomorfa del log(f(z)). De forma ms precisa,
si G es simplemente conexo y f es una funcin holomorfa definida sobre G tal
que f(z) sea distinto de cero para todo z de G, existe una funcin holomorfa g
definida tambin sobre G tal que f(z) = exp(g(z)).
Estos resultados, incluyendo la ltima versin del teorema de Cauchy, son
verdaderas caracterizaciones de los conjuntos simplemente conexos, es decir,
1 Esta demostracin se encuentra en Markushevich, A. I. (1977): Theory of functions of

a complex variables. Chelsea Publ.
se verifican tambin los recprocos.
Se tienen las dos siguientes consecuencias inmediatas:
Una funcin holomorfa en un dominio simplemente conexo tiene
funcin primitiva en ese dominio
Las funciones enteras admiten funcin primitiva
La versin ms sencilla de utilizar, y que resume algunas de las anteriores
es la conocida como teorema de Cauchy-Goursat:
Teorema de Cauchy-Goursat
Si es un camino cerrado y simple, y f es una funcin holomorfa en

( ) ( ) entonces la integral f ( z ) dz 0 .
Ejemplos resueltos
Ejemplo 4.4.1: Calcular la integral f siendo f(z) = z2, y el camino de

origen z0 = 0 y extremo z1 = 2 + 3i.
Para calcular la integral de f(z) = z2 desde el punto z0 = 0 hasta el punto
z1 = 2 + 3i, no es preciso conocer el camino, pues f(z) tiene funcin primitiva;
z3
F(z) = , z C, por lo que
3
( 2 3i )3 46
z 2 dz = F(2 + 3i) F(0) =
3
=
3
+ 3i.

2
Ejemplo 4.4.2: Calcular la integral f siendo f(z) = e z 3 , y un camino

cerrado.
2
Sea un camino cerrado y con cualquier orientacin. La e z 3 dz = 0,

2
pues la funcin e z 3 es una funcin entera (holomorfa en todo el campo
complejo).
2
Por la misma razn: ( 5z 4 7z 2 )e z 3 dz = 0; sen( z
3
1) dz = 0,

z 2 3
ch( e ) dz = 0.
Ejemplo 4.4.3: Sea (t) = eit, 0 t 2. Verificar que se anulan las
z2 3
siguientes integrales: f ( z ).dz , siendo a) f(z) =
z4
, b) f(z) =
3 z3 senz
( z 2 1)e z , c) f(z) = , d) f(z) = .
z2 4 cos z
En efecto, todas se anulan, pues la funcin a) no es holomorfa en z = 4,
que queda fuera del crculo de centro el origen y radio 1. La funcin b) es
entera. La funcin c) no es holomorfa en z = 2 y en z = 2, que no pertenecen a

( ) ( ) . La funcin d) no es holomorfa en todos los puntos en que se anula la

funcin coseno, pero ninguno queda dentro de ( ) ( ) .
Ejercicios
1
z 3 dz = 0 siendo (t) = e , 0 t
it
4.17. Comprobar que la integral

2.
1
4.18. a) Calcular la integral z
dz siendo 1(t) = eit,
2
t .
2
1
1 3
z dz siendo (t) = e ,
it
b) Calcular la integral 2 t .
2 2
2
1
c) Comprobar que la integral z dz = 2i, siendo 3= 1 + 2.
3
f = 0 siendo f(z) = (z + 4) e
z-7
4.19. Comprobar que la integral y (t)

= reit, 0 t 2, para todo r. Razonar la respuesta.
4.20. Comprobar que la integral f = 0 siendo

f(z) = (3z2 + 4z)sen(5z3 3) y (t) = reit, 0 t 2, para todo r. Razonar la
respuesta.
dz
4.21. Comprobar que la integral z 2 ( z 2 9 ) = 0 siendo = 1 + 2, y

1(t) = 2eit, 0 t 2, 2(t) = e-it, 0 t 2. (Ayuda: Calcular
previamente las integrales sobre el camino formado por los
semicrculos superiores y los segmentos del eje de abscisas
necesarios para que sea un camino cerrado. Lo mismo con los

semicrculos inferiores).
4.22. Comprobar las siguientes integrales:
2 3i 2 ( 2 3i ) 3
a) 0
z dz
3
z2 1 1 1
b) z 1 z 2
dz
z1 z2
2i 1
c) 2i z dz i, siempre que el camino est dentro del dominio
{z; z > 0, arg(z) (, )}.
4.5. INTERPRETACIN FSICA Y GEOMTRICA DE
LA INTEGRAL COMPLEJA
4.5.1. Trabajo y flujo
El valor de la integral va a ser un nmero complejo, al que se puede dar
un significado geomtrico o fsico. Se puede considerar a w como un vector
que asocia a cada punto (x, y) un vector w = (u, v). Una funcin w = f(z) se
puede interpretar entonces fsicamente de distintas formas. Se considera al
camino como una curva cerrada y simple, recorrida en sentido positivo.
Se puede interpretar a w como una fuerza, y la curva como una
trayectoria a lo largo de la cual se mueve una partcula material por la accin
de dicha fuerza. La direccin del movimiento es la del vector unitario tangente a
la curva, por lo que si se denomina el ngulo que forma la tangente con el eje
de abscisas x, entonces dicho vector es ei.
Si se interpreta w como la densidad de corriente, entonces es natural
pensar en la curva como una frontera por la cual se puede mover un punto
material. Ahora cobra importancia el vector unitario normal a la curva por lo que
si se denomina el ngulo que forman la curva y el eje de abscisas x, entonces
dicho vector es ei. Como un vector se obtiene girando 90 el otro, se tiene que
ei = iei y por tanto cos = sen y sen = cos .
La proyeccin de la fuerza sobre la direccin del movimiento multiplicada
por la distancia recorrida es el trabajo, mientras que el flujo de materia a travs
de la curva es la componente normal al campo vectorial por la longitud de lnea
que lo cruza.
f dz = fT ds + i fN ds .
De una forma poco ortodoxa se puede decir que:
f dz = trabajo + iflujo.
El teorema de Cauchy: Si es un camino cerrado y simple, y f es una

funcin holomorfa en ( ) ( ) entonces la integral f ( z ) dz 0 , se puede
interpretar entonces como que, al anularse la integral, es nula su parte real y su
parte imaginaria. Por tanto, al considerar nula la parte real, si w = f(z) se
interpreta como una fuerza, entonces el trabajo realizado por el campo de
fuerzas cuando una partcula recorre una trayectoria cerrada y simple es nulo.
Esto se expresa diciendo que el campo es irrotacional. Al considerar nula la
parte imaginaria resulta que no hay flujo a travs de la frontera , el gasto total a
travs de la frontera es nulo, lo que se expresa diciendo que el campo vectorial
no tiene fuentes.
4.5.2. Teorema de la divergencia
Desde la ptica anterior se puede recordar el teorema de la divergencia
(de Gauss, Green, Riemann o Ostrogradsky) que dice que
v u
u dx v dy D x y dx dy
u v
u dy v dx D x y dx dy
donde es un camino cerrado y simple recorrido en sentido positivo, D es la
regin encerrada por y las funciones u y v son funciones continuas y con
derivadas parciales continuas. Considerando a w = f(z) = f(x + iy) = u iv.
entonces
fT ds = D rot(w)dxdy
fN ds = D div(w)dxdy
El rotacional de un campo de fuerzas w se define como el cociente entre
el trabajo realizado a lo largo de una pequea curva cerrada y el rea
encerrada por esa curva.
rot(w)dxdy = trabajo infinitesimal.
De manera similar se define divergencia:

div(w)dxdy = flujo infinitesimal.
El trabajo total a lo largo de una trayectoria cerrada es igual a la suma de
los trabajos realizados alrededor de todos los elementos de rea encerrados en
dicha trayectoria. El flujo total a travs de una frontera es igual a los flujos
infinitesimales de todas las fuentes que se encuentren dentro de rea limitada
por la frontera.
Ejercicios
dz
4.23. La integral z
2i , siendo la circunferencia de centro el
origen y radio uno, recorrida una vez en sentido positivo. Interpretar
este resultado en trminos de trabajo y flujo.
4.6. FRMULA INTEGRAL DE CAUCHY
A partir del teorema de Cauchy se obtienen importantes consecuencias
sobre el comportamiento de las funciones holomorfas.
En primer lugar se obtiene una representacin integral de la funcin y de
sus derivadas mediante la frmula integral de Cauchy, y como consecuencia
de ella se tienen propiedades locales y globales muy tiles de las funciones
holomorfas, como que una funcin holomorfa puede desarrollarse en serie de
potencias convergente alrededor de cada punto de holomorfa, lo que

demuestra que es infinitamente derivable en dicho punto.
Corolario 4.6.1:
Sea un camino cerrado y simple recorrido una vez en sentido positivo

con traza contenida en un dominio simplemente conexo D, D () ( ) . Sea f
una funcin holomorfa en D salvo a lo sumo en un conjunto finito de puntos z1,

z2, ..., zn, contenidos tambin en el interior de la traza de , z1, z2, ..., zn ( ) .
Sean Ci n crculos de radio ri recorridos una vez en sentido positivo alrededor
de cada uno de esos puntos, y cuyos dominios interiores no tienen puntos en
comn, de tal forma que la funcin es holomorfa en el interior de su traza salvo
en el punto zi. Entonces:
n
f = C i
f
i 1
Demostracin:
Se construyen dos caminos como los de la figura, aadiendo segmentos
que conectan cada crculo, formados por parte del camino , (recorrido en
sentido positivo), unos segmentos que unen los crculos y parte de cada uno de
los crculos, (recorridos en sentido negativo), de forma que 1 y 2 son caminos
cerrados simples que no contienen en el interior de su traza ningn punto
donde la funcin f no sea holomorfa:

S1
C1
S2
C2 Cn
Sn+1
Figura 4.8: Frmula integral de Cauchy
1 = 1/2 + s1 + 1/2C1 + s2 + + 1/2Cn + sn+1
2 = 1/2 s1 + 1/2C1 s2 + + 1/2Cn sn+1
Aplicando a los caminos 1 y 2 el teorema de Cauchy-Goursat: Si es un

camino cerrado y simple, y f es una funcin holomorfa en ( ) ( ) entonces la
integral f ( z ).dz 0 , se tiene que 1

f = 0 y que 2
f , luego:
n n 1 n 1

1 2
f = 1
f + 2
f =0= f + C i
f + s i
f+ s i
f
i 1 i 1 i 1
Los segmentos se recorren una vez en un sentido y otra en sentido
n 1 n 1
opuesto, luego s i
f + s i
f = 0.
i 1 i 1
Los crculos se recorren una vez en el sentido de las agujas del reloj
(orientacin negativa), luego:

n n
C i
f = C i
f
i 1 i 1
Por lo tanto
n
f = C i
f
i 1
donde el camino y los crculos se recorren una vez con orientacin positiva.
Principio de Deformacin de Caminos:
La demostracin de este principio es una consecuencia inmediata del
corolario anterior, y se denomina usualmente Principio de Deformacin de
Caminos ya que indica que si el camino 1 se deforma hasta convertirse en 2,
pasando siempre por puntos donde f es holomorfa, entonces el valor de la
integral no vara. Dice as:
Corolario 4.6.2: Principio de Deformacin de Caminos
Si f una funcin holomorfa en un dominio abierto y conexo D salvo en un
punto z0, y 1 es un camino cerrado y simple con traza contenida en D, D (1)

( 1 ) , que rodea a z0, y 2 es un crculo de radio r y centro en z0 contenido en
D. Entonces:
1
f = 2
f.
4.6.1. Frmula integral de Cauchy
Sea D una regin del campo complejo y sea f una funcin holomorfa en D.

Sea un camino cerrado con la traza y su interior, ( ) , contenido en D.
Sea z un punto cualquiera que pertenece al interior de la regin rodeada por la
traza de . Para cada punto z de D que no pertenezca al traza de se tiene:
1 f (w )
I ( z ) f ( z )
2i w z
dw (4.4)
La expresin (4.4) se denomina Frmula Integral de Cauchy.
Demostracin:
Se define una nueva funcin:
f ( w ) f ( z )
w D z
g( w ) w z
f ' ( z ) w z
La funcin g es continua en D y holomorfa en D {z}. Se calcula su
integral sobre .
f (w ) f ( z ) f (w ) f ( z )
g = 0, pues lm
w z w z
f ' ( z ) , por lo que
w z
f' ( z ) ,
por tanto:
f (w ) f ( z )
g = ( w z
f(z) + f(z))dw =
f (w ) f ( z )
( w z
f(z))dw + f ' ( z ) dw
Esta segunda integral es nula, f ' ( z ) dw = 0, y
f (w ) f ( z )
g = ( w z
f (z)) dw Long().
Al ser f holomorfa en D por hiptesis al hacer 0, se tiene que g =
0.
Por otro lado:
f (w ) f ( z ) f (w ) f(z)
g = w z
dw = w z
dw w z
dw =
f (w ) dw
w z dw f ( z ) w z
1 dw
Por definicin de ndice, se tiene que: I(z) =
2i w z
.
Por tanto:
f (w ) dw f (w )
0= w z
dw f ( z )
w z
= w z
dw f(z) I(z) 2i , y como
consecuencia:
1 f (w )
I(z) f ( z )
2.i w z
dw .
Ejemplos resueltos
dz
Ejemplo 4.6.1: Calcular z
, siendo un cuadrado cerrado recorrido una
vez en sentido positivo de vrtices (5, 5), (5, 5), (5, 5) (5, 5).
dz
La integral
1 z
2i , donde 1 es la circunferencia de centro el origen y
radio uno, recorrida una vez en sentido positivo. Por el principio de deformacin
continua su valor no vara al deformarse el crculo en el cuadrado y entonces
dz dz
z
=
1 z
2i .
1
( z 2 1)( z 3 ) dz siendo (t) = 2e , 0 t 2.
it

La funcin no es holomorfa en z = 1, 1 y 3, pero en el interior del crculo
slo estn los puntos 1 y 1. La integral puede descomponerse como suma de
integrales:
1 1 1 1 1 1 1
( z 2 1)( z 3 ) dz =
4 ( z 1)
dz +
8 ( z 1)
dz +
8 (z 3)
dz

Como el crculo es una curva cerrada recorrida una vez en sentido
positivo, tomando en la frmula integral de Cauchy f(z) = 1, las dos primeras
integrales valen 2i, y la tercera vale cero. Por tanto:
1 1 1
( z 2
1)( z 3 )
dz = 2i
4 8

z
z 1dz siendo (t) = 2e , 0 t 2.
it

f(z)
Aplicando la frmula de Cauchy: 2iI(a) f ( a ) z a dz , con a = 1 y
z
f(z) = z, se tiene que z 1dz = 2iI (1)f(1) = 2i.

z2 1
Ejemplo 4.6.5: Calcular ( z 2 16 )( z 2 ) dz siendo (t) = 3eit, 0 t 6.

z2 1
Se aplica la frmula de Cauchy, con a = 2, f(z) = , I(2) = 3 pues la
z 2 16
curva da tres vueltas en sentido positivo alrededor del punto, con lo que se
obtiene que:
z2 1 3i
( z 2 16 )( z 2 ) dz = 2i 3 f(2) =
2
.

Ejercicios
4.24. Calcular las siguientes integrales f siendo (t) = 2eit, 0 t
2, y f(z) igual a:
z2 z 6
a)
z 1
z3
b)
( z 2 2 )( z 1)
senz
c)
z
senz
d)
( z )( z 1)
2
ez 3
e)
z 1
4.25. Calcular las siguientes integrales f siendo (t) = eit, 0 t
2, y f(z) igual a:
z 2 3z 5
a)
z
z3 4
b)
( z 2 2 )z
senz
c)
z
cos z
d)
( z )
2
e z 1
e) .
z
4.7. CONSECUENCIAS DE LA FRMULA DE CAUCHY
Varias son las consecuencias y aplicaciones que se pueden obtener de
esta frmula:
Si es un camino de Jordan orientado positivamente, y si z es un
punto cualquiera que pertenece al interior de la regin rodeada por
1 f (w )
la traza de , entonces: f ( z )
2i w z
dw , mientras que si z
f (w )
pertenece a la componente no acotada: w z dw 0.
Una funcin holomorfa se puede representar por medio de una
integral:
1 f (w )
f(z)
2i I ( z ) w z
dw
Observando que el valor de la funcin en un punto interior al
camino viene determinado completamente por los valores que la
funcin toma sobre su traza, se puede asegurar que si dos
funciones holomorfas coinciden sobre una circunferencia, (o sobre
un camino cerrado), deben coincidir tambin en todos los puntos
interiores.
Si se considera el camino determinado por la circunferencia de
centro a y radio r recorrida una vez en sentido positivo, se obtiene

que:
1 2
f(a)
2 0
f ( a re it )dt
que puede interpretarse como que el valor de una funcin holomorfa
f en un punto interior a es la media de los valores que toma f sobre la
circunferencia z a = r. De esta observacin se obtienen otras
importantes consecuencias como el teorema del mdulo mximo o el
principio del mximo.
4.7.1. Aplicacin al clculo de integrales reales
Se puede utilizar la frmula integral de Cauchy para calcular integrales
reales. Basta para ello calcular integrales complejas, por ejemplo a lo largo del
contorno cerrado que se descompone en el segmento real [R, R] y la
semicircunferencia de radio R. Este procedimiento permite conocer el valor de
ciertas integrales reales trigonomtricas complicadas.
Por ejemplo, se vio en el ejemplo 3 del apartado anterior que:
z
z 1dz = 2i.

Si ahora se calcula esa misma integral separando parte real y parte
imaginaria, se obtiene:
z 2 2e it 2 4ie 2it 2 4i (cos 2t isen 2t )

z 1
dz =
0 2e it 1
2ie it dt =
0 2e it 1
dt =
0 2 cos t i 2sent 1
dt

2 4sen 2t 8sent 2 8 cos t 4 cos 2t

= 0 5 4 cos t
dt + i
0 5 4 cos t
dt , por lo que:
2 4sen 2t 8sent 2 8 cos t 4 cos 2t

0 5 4 cos t
dt = 0, y 0 5 4 cos t
dt = 2.
4.7.2. Desarrollo en serie de potencias de una funcin holomorfa
Una consecuencia fundamental de la frmula integral de Cauchy es:
Proposicin 4.7.1:
Si f es holomorfa en z0 entonces f es analtica en z0.
Demostracin:
Sea BR(z0) un disco en el cual f es holomorfa, y sea (t) = z0 + reit con r
menor que R, entonces z BR(z0) se tiene:
f (w )
1 f ( w ) dw 1 f ( w ) dw 1 w z0
f(z) =
2i w z
=
2i w z0 ( z z0 )
=
2i
z z0
dw
1
w z0
Como z BR(z0) y w pertenece a la traza de , se tiene que z z0 < w
z z0
z0 = r, por lo que 1 y se puede aplicar la frmula de la suma de los
w z0
infinitos trminos de una serie geomtrica:
n
1 z z0
z z0
=
w z 0

1 n 0
w z0
que converge uniformemente sobre los conjuntos compactos contenidos en
Br(z0), se puede entonces integrar trmino a trmino:

n
1 f (w ) z z0 1 f ( w )( z z0 ) n
f(z) =
2i w z0 n 0 w z0
dw

=
2i n 0 ( w z0 )n 1
dw =

1 f (w )

2i n 0
( z z0 ) n ( w z ) n 1
dw = a n ( z z0 ) n ,
0 n 0
siendo
1 f (w )
an
2i ( w z0 ) n 1
dw ,
y por lo tanto f es desarrollable en serie de potencias en z0 y el desarrollo es
vlido en Br(z0), por lo que f es analtica en z0.
Esta proposicin justifica que en ocasiones se llame analtica a una
funcin holomorfa.
Como consecuencia de lo anterior se tiene que:
Proposicin 4.7.2:
Si f es holomorfa en G/{a}, y si lm ( z a )f ( z ) 0 entonces tambin

z a
existe el lmite de f cuando z tiende a a, y si se define f ( a ) lm f ( z ) entonces

z a
f es holomorfa en G.
Este punto a se denomina singularidad evitable.
Otra consecuencia de la frmula integral de Cauchy es que toda funcin
holomorfa es indefinidamente derivable, y se puede encontrar una expresin
similar para las derivadas de la funcin f a la obtenida para la funcin f(z)
mediante la frmula integral de Cauchy, ya que por ser f holomorfa en un
abierto G entonces van a existir las derivadas de todos los rdenes de f en
cada punto de dicho abierto G, y todas ellas son holomorfas en G, es decir, fm)
es tambin una funcin holomorfa en cada punto de G para cualquier nmero
natural, m.
De forma precisa:
4.7.3. Derivadas de orden superior
Proposicin 4.7.3:
Si f es holomorfa en z0 entonces f es infinitamente derivable en z0 y
n! f (w )
f n ) ( z0 )
2i ( w z0 ) n 1
dw
siendo BR(z0) un disco en el cual f es holomorfa, y siendo (t) = z0 + reit con r
menor que R.
Demostracin:
Si f es una funcin holomorfa sobre un abierto G y z0 es un punto de G,
entonces f admite una representacin en serie de potencias en un entorno de

f ( n ( z0 )
z0, representacin que es de la forma f ( z ) an .( z z0 ) n con an
n!
.
n 0
Al estudiar el desarrollo en serie de potencias de la funcin, y por ser
nico dicho desarrollo de Taylor, la expresin de la derivada queda probada.
Otra forma de hacer la demostracin2 es buscando la expresin de la
derivada, y probar la expresin de la derivada n-sima mediante el principio de
induccin como un mero ejercicio.
La demostracin, utilizando la definicin de derivada, es:
2 Pgina 138 de Churchill & Brown.

Demostracin:
1 f (w )
Como f ( z )
2i I ( z ) w z
dw entonces:
1 f (w )
f ( z z )
2i I ( z z ) w ( z z )
dw luego
f ( z z ) f ( z ) 1 f (w ) f (w )
z
=
2i z I ( z z ) w ( z z ) w z
dw =
1 z

2i z I ( z z )
f ( w ) dw =
( w z z )( w z )
1 f (w )

2i I ( z z ) ( w z z )( w z )
dw =
1 f ( w )( w z z z )

2i I ( z z ) ( w z z )( w z ) 2
dw =
1 1 z

2i I ( z z )
f ( w )
(w z )
2

( w z z )( w z ) 2
dw =

1 f (w ) 1 f ( w )z

2i I ( z ) ( w z )
2
.dw +
2i I ( z ) ( w z z )( w z ) 2

dw = I1 + I2.
Si en la segunda integral I2 se sustituye la curva por una circunferencia
de centro z y radio r, r > 2z, que se recorre una vez en sentido positivo,
entonces su valor no se modifica y se tiene la siguiente acotacin, aplicando la
propiedad 6 (4.2): Si M , f(z) M z() entonces f M long()

La longitud de la curva es 2r. Como f(w) es continua en el conjunto
compacto w z r, se puede acotar y f(w) < Mr. Se toma:
z< r/2, w z = r, w z z w z z r r/2 = r/2. Por lo

que se acota:
1 f ( w )z z Mr 2M
I 2 =
2i I ( z ) C ( w z z )( w z ) 2
dw
2 I ( z ) r r 2
2r =
r2
z
y al calcular el lmite cuando z tiende a cero se comprueba que vale cero. Por
tanto:
f ( z z ) f ( z ) 1 f (w )
f (z) = lm
z 0 z
=
2i I ( z ) ( w z ) 2

.dw
Por induccin, derivando sucesivamente se prueba que una funcin
holomorfa en un punto z, tiene infinitas derivadas de la forma:
m! f (w )
f m )( z )
2i I ( z ) ( w z ) m 1
dw .
Como consecuencia se obtiene que si una funcin es holomorfa en un
punto z, su funcin derivada, f, es tambin una funcin holomorfa en ese
punto, z, sus funciones derivadas son tambin funciones holomorfas en ese
punto, z, y por tanto, basta que una funcin sea holomorfa en un punto z para
que f tenga infinitas derivadas en dicho punto (f C(z)).
Si una funcin es holomorfa en un abierto G entonces es de clase infinito
en ese abierto G.
Como consecuencia, se tiene que si f = u + iv es holomorfa en un punto
entonces, necesariamente, existen las derivadas parciales de u y v de cualquier
orden y son continuas en dicho punto.
4.7.4. Desigualdad de Cauchy
En el caso de que sea una circunferencia, aplicando la acotacin

anterior, se obtienen las llamadas desigualdades de Cauchy:
Proposicin 4.7.4: Desigualdad de Cauchy
Si f es holomorfa en el crculo de centro a y radio r, {z C: z a r},
M( r )
entonces f n ) ( a ) n!. donde M es el mximo valor f(z) del mdulo de
rn
la funcin f sobre la circunferencia z a = r.
Demostracin:
Si f(z) M(r) sobre la circunferencia, acotando la integral por (4.2)
m! f(z)
f m )( a )
2i I ( a ) ( z a )m 1
dz
se obtiene que
m!M ( r ) m!M ( r )
f m )( a ) 2r .
2i r m 1 rm
Y en particular, una consecuencia inmediata de la desigualdad
correspondiente a la primera derivada es el siguiente resultado:
M( r )
f ( a )
r
4.7.5. Teorema de Liouville
El teorema de Liouville es una consecuencia inmediata de la desigualdad
de Cauchy.
Proposicin 4.7.5: Teorema de Liouville
Si f es entera y acotada en todo el plano complejo, entonces f(z) es una
funcin constante en C.
M
Si f est acotada M(r) = M y se tiene f ( a ) para todo a, por lo que su
r
mdulo se puede hacer tan pequeo como se quiera al hacer crecer r. Al ser f
entera es posible aplicar esta acotacin en todo punto z, es decir, f (z) se anula
para todo z, y en consecuencia, f es constante.
4.7.6. Teorema fundamental del lgebra
Como consecuencia inmediata del Teorema de Liouville se obtiene el
siguiente resultado conocido como Teorema Fundamental del lgebra:
Proposicin 4.7.6: Teorema Fundamental del lgebra
Todo polinomio con coeficientes complejos, no constante, tiene siempre un

cero.
Demostracin:
Se demuestra utilizando el principio de contradiccin.

Se construye f(z) = 1/P(z) y se observa que si P(z) es distinto de cero para
todo z, entonces f(z) est acotada. En efecto, como lm P ( z ) , existe un R

z
tal que si z > R entonces 1/P(z) < 1. Y como por hiptesis P(z) no se anula,
la funcin 1/P(z) es continua en el disco de centro el origen y radio R: BR(0),
luego est acotada para z R, por lo que 1/P(z) est acotada en todo el
plano complejo, C.
Entonces si fuese entera, sera constante. Pero, por hiptesis, no es
constante, por lo que no puede ser una funcin entera. Al ser una funcin
racional no es holomorfa en los puntos en que se anula el denominador, con lo
cual debe existir algn punto en el que P(z) se anule, es decir, P(z) debe tener
algn cero.
Como consecuencia se obtiene que un polinomio complejo de grado n, n
1, tiene n races (contadas cada una de ellas con su orden de multiplicidad).
4.7.7. Teorema de Morera
El teorema de Morera, debido a E. Morera (1 856 1 909), es tambin
una consecuencia inmediata de lo anterior y se puede considerar recproco del
teorema de Cauchy. Dice:
Proposicin 4.7.7: Teorema de Morera
Si f es continua en un dominio simplemente conexo G C, y para todo
camino cerrado contenido en G las integrales de f a lo largo de esos caminos
son siempre nulas, entonces la funcin es holomorfa en G.
Demostracin:
En efecto, la hiptesis del teorema implica que f admite una funcin
primitiva F cuya derivada coincide con f en G, F = f, por lo que F es derivable
en G, y por tanto es holomorfa en G, con lo que las derivadas de orden n de F
son funciones holomorfas, y en particular su derivada primera, f, es una funcin
holomorfa en G.
El teorema de Morera es til en numerosas ocasiones para demostrar la
holomorfa de funciones.
Una aplicacin sencilla es el principio de reflexin de Schwartz que dice
as:
Proposicin 4.7.8: Principio de reflexin de Schwartz
Sea G+ un abierto del semiplano superior del plano complejo, cuya
frontera contiene al segmento L del eje real. Sea G el abierto simtrico de G+

respecto del eje real. Sea f una funcin holomorfa en G+ que toma valores
reales en L. Entonces la funcin definida mediante:
f ( z ) z G
g( z )
f ( z ) z G
es holomorfa en el abierto G + G L.
4.7.8. Principio del mdulo mximo
Tambin se tienen resultados importantes relacionados con los valores
mximos (y mnimos) de los mdulos de funciones holomorfas. El resultado
siguiente se denomina a veces teorema del valor medio de Gauss.
Lema 4.7.9: Teorema del valor medio de Gauss
Sea f una funcin holomorfa en un entorno za < . Si f(z) f(a)
para todo z del entorno, entonces f(z) tiene valor constante f(a) en ese entorno.
Es una consecuencia casi directa del hecho de que el valor de la funcin
en un punto interior a sea el promedio de los valores de f en la circunferencia
de radio r y centro a. Este lema se utiliza para probar el teorema que se conoce
como principio del mdulo mximo:
Proposicin 4.7.10: Principio del Mdulo mximo
Si una funcin f es holomorfa y no constante en un dominio G, f(z) no
alcanza un valor mximo en G.
Es decir, no existe ningn punto a de G tal que f(z) f(a) para todo z
de G.
La demostracin de este resultado se basa en suponer que existe un
punto de G en el que la funcin alcanza su valor mximo, llegando a la

conclusin de que en ese caso la funcin sera constante, lo que se ha
impuesto, por hiptesis, que no lo es.
Otra consecuencia inmediata se obtiene si la misma idea se aplica ahora
a una regin cerrada y acotada:
Si una funcin f es holomorfa en una regin cerrada y acotada G, es,
naturalmente, una funcin continua en G, luego por el teorema de Weierstrass
el mdulo de la funcin debe alcanzar un valor mximo en G. Si f no es
constante ese valor mximo no puede alcanzarlo en el interior de la regin G,
con lo que se obtiene la siguiente consecuencia:
Proposicin 4.7.11:
Si f es una funcin continua en una regin cerrada y acotada G y es
holomorfa y no constante en el interior de G, entonces el mximo valor de
f(z), se alcanza en algn punto de la frontera de G.
En efecto, f(z) no puede alcanzar su mximo en el interior del recinto G,
por lo que deber alcanzarlo en la frontera.
Como consecuencia, si f es una funcin entera, (holomorfa en todo el
campo complejo), y no es constante, no puede ser acotada en C.
Por ejemplo, ya se vio que las funciones sen(z) y cos(z) no eran acotadas
en el campo complejo, y se acaba de comprobar que al ser funciones enteras y
no ser funciones constantes, necesariamente no podran estar acotadas en C.
De forma similar puede probarse que el mnimo valor de f(z) debe
alcanzarse en la frontera, nunca en el interior del recinto.

4.7.9. Otras consecuencias
Estos resultados permiten extraer algunas importantes consecuencias:
1. Si f es holomorfa en una regin G y existe un punto a G tal que
fn)(a) = 0 para todo n mayor o igual a uno, entonces f es constante en
G.
2. Si f es holomorfa en una regin G y existe una sucesin (an)
contenida en G con todos los an distintos, y tal que lm an a G , y

n
f(an)=0 para todo n mayor o igual a uno, entonces f(z) = 0 para todo z
de G. Es decir, los ceros de una funcin holomorfa no nula tienen que
ser puntos aislados en el dominio de holomorfa.
Principio de prolongacin analtica
Proposicin 4.7.12: Principio de prolongacin analtica
Sea G una regin del campo complejo y (an) una sucesin de puntos
distintos de G tales que lm an a G . Si f y g son funciones holomorfas en

n
G tales que f(an) = g(an) para todo n mayor o igual a uno, entonces f(z) es igual
a g(z) para todo z de G.
Como consecuencia, si dos funciones holomorfas coinciden en la
interseccin de una recta con G deben coincidir en todo G, con lo que queda
probado, por ejemplo, que slo existe una forma de extender la funcin real f(z)
= ex a una funcin holomorfa en todo el campo complejo.
Ceros de funciones holomorfas
Proposicin 4.7.13: Ceros de funciones holomorfas

Si f es holomorfa y no constante en G y a G es un cero de f (f(a) = 0)
entonces existe un mnimo entero k > 0 tal que f(z) = (z a)kg(z) donde g es
holomorfa en G y g(a) es distinto de cero. Se dice entonces que f tiene en a un
cero de orden k.
Regla de LHpital
Proposicin 4.7.14: Regla de LHpital
Sean f y g dos funciones holomorfas en a tales que f(a)=g(a)=0. Entonces
se verifica que:
f(z) f' ( z )
lm lm
z a g ( z ) z a g' ( z )
Se formulan a continuacin tres resultados sobre el comportamiento en
puntos de la frontera del crculo de convergencia de una serie de potencias.
Proposicin 4.7.15: Teorema del lmite de Abel

Sea la serie de potencias an .z n con crculo de convergencia z< 1,
n 0
que se supone que converge en z = 1. Sea G el interior de un ngulo de
amplitud 2, (</2) con vrtice en z = 1, tal que se abre hacia la izquierda y

que es simtrico respecto al eje x. Entonces lm
z 1,zG0
f(z) an siendo f(z)
n 0

la suma de la serie an z n en el interior del crculo.
n 0
Proposicin 4.7.16: Teorema de Tauber


Sea la serie de potencias an z n con radio de convergencia 1 y sea f(z)
n 0
su suma en el interior del crculo de convergencia. Si se satisface la relacin

lm n an 0 y existe el lmite
n
lm f ( x ) A entonces la serie
x 1
an
n 0
converge y tiene por suma A.
Proposicin 4.7.17: Teorema de Fatou

Sea f ( z ) an z n una serie de potencias con radio de convergencia 1,
n 0
tal que lm an 0 . Entonces la serie converge uniformemente en cada arco z

n
= ei, ( ) tal que todos sus puntos son regulares (no son singulares)
para f(z).
Ejemplos resueltos
dz dz
Ejemplo 4.7.1: Calcular C z z0 y C ( z z0 )n , si C es una curva
cerrada simple, orientada positivamente, que rodea a z0.
dz
Si C es una curva cerrada que rodea a z0, entonces a) C z z0 = 2i, lo
que se obtiene como consecuencia de la frmula integral de Cauchy, siendo
dz
f(z) = 1. b) C ( z z0 )n = 0, para todo n desde 2 en adelante, lo que se obtiene
como consecuencia de la frmula de la derivada de la frmula integral de
Cauchy.
dz
Ejemplo 4.7.2: Calcular ( z 2 4 )2 siendo la circunferencia de centro i
y radio 2, recorrida una vez en sentido positivo.
La funcin subintegral tiene singularidades aisladas en 2i y 2i, pero slo
2i est en el interior del recorrido. Se escribe:
1
dz ( z 2i )2
( z 2 4 )2 = ( z 2i )2 dz
1
Se toma como f(z) = , que es holomorfa en el interior del
( z 2i ) 2
recorrido, z0 = 2i y n = 1. Se aplica la expresin de la derivada:
n! f (w )
f n ) ( z0 )
2i ( w z0 ) n 1
dw
1
( z 2i )2 2i f ' (2i) 2i ( 2 )
Se obtiene que ( z 2i )2 dz = = = .
1! 3 16
( 4i)
Ejercicios
4.26. Aplicar el principio de induccin completa para demostrar la
frmula de la derivada de orden n.
4.27. Calcular la integral de f siendo (t) = 3eit, 0 t 2, y siendo
7z 6 4z 2
f(z) igual a .
( z 2 )5
4.28. Aplicando la expresin de las derivadas de la frmula integral

( z 2 1) 2n
de Cauchy, calcular la integral z 2n 1
dz , siendo (t) = eit, 0
t 2, y n un nmero natural. Utilizar el resultado obtenido para
2 2 ( 2n )!
demostrar que: 0 cos 2n x dx
2 2n ( n ! ) 2
.
4.29. Utilizar el Teorema de Liouville para demostrar que si f es una
funcin entera y Re f 0, entonces f es constante.
4.30. Utilizar el teorema del valor medio de Gauss para calcular la
2 1
integral: 0 2
sen (( / 6 ) e it )
dt .
4.8. EJERCICIOS
4.31. Calcular la longitud del camino:
x ix 0 x 1
z( x )
x i 1 x 2
1+i 2+i
0 1 2
Figura 4.9: Ejercicio 4.32
4.32. Comprobar si f es igual a:

a) 2, si f(z) = z , siendo (t) el segmento que une el origen con
el punto 2i.
b) 8(1 i), si f(z) = z , siendo (t) el segmento que une el punto
2i con 4 + 2i.
c) Puede existir una funcin holomorfa cuya derivada sea z ?
4.33. Aplicar la definicin de integral sobre un camino para calcular

f , si f(z) = z , y siendo (t) = 2 eit,
2
t , y comprobar que
2
se obtiene 4i.
f , con f(z) = z 1, siendo (t) = eit, 0 t 2, y comprobar que
se obtiene 8.
f , para f(z) = z2, siendo (t) el cuadrado de vrtices 0, 1, 1 + i,
i, y comprobar que se obtiene i 1.
f , siendo f(z) = f(x + iy) = y x i3x2 y (t) el tringulo de
i 1
vrtices 0, i, 1 + i, y comprobar que se obtiene .
2
1
4.37. Calcular: z 2senz dz siendo (t) = reit, 0 t 2.

1
4.38. Comprobar que z 2 dz 4, siendo (t) = eit, 0 t 2, y

1
que z 2 dz = 0.

1 4
4.39. Comprobar que 2
dz
3
, siendo (t) = 2eit, 0 t 2.
z 1
4.40. Calcular: f si f(z) = z2 + 3 y si: a) (t) = eit, 0 t 2; b) (t) =
eit, 0 t ; c) (t) = eit, t 2; d) (t) = 1 + 2t, 0 t 1.
3z
4.41. Calcular: f si f(z) =
z
para:
a) (t) = eit, 0 t 2;
b) (t) = eit, 0 t ;
c) (t) = eit, t 2.
4.42. Calcular: f si f(z) = sen(z 1), siendo:
a) (t) = eit, 0 t 2;
b) (t) = eit, 0 t ;
c) (t) = eit, t 2;
d) (t) = 1 + 2t, 0 t 1.
4.43. Calcular: f si f(z) = ez + 3, y
a) (t) = eit, 0 t 2;
b) (t) = eit, 0 t ;
c) (t) = eit, t 2;
d) (t) = 1 + 2t, 0 t 1.
4.44. Sea (t) = 2eit, 0 t 2. Verificar si se anulan, o no, las
siguientes integrales, f ( z ) dz , siendo:
z2 7
a) f(z) = ,
z3
3
b) f(z) = ( z 2 5 )e z 6 ,
z5
c) f(z) = ,
z2 9
senz
d) f(z) = .
cos z
4.45. Aplicar la frmula integral de Cauchy para calcular las
siguientes integrales f siendo (t) = 3eit, 0 t 2, y f(z) igual a:
z 2 3z 5
a) ,
z( z 2 )
z3 4
b) ,
( z 2 16 )( z 1)
senz
c) ,
( z 2)
cos z
d) ,
( z )
2
e z 1
e) .
( z 1)
f , siendo (t) = 2e , 0 t 2, y f(z)

it
4.46. Calcular la integral de
z 4 3z 2
igual a .
( z 1)3
f , siendo (t) = 1 + 2e , 0 t 2, y
it
( z 3 5 z ) e z 1
f(z) igual a .
( z 1)3
f , siendo (t) = e , 0 t 4, y f(z)

it
senz e z 1
.
z2
f , siendo (t) = 4e
-it
4.49. Calcular la integral de , 0 t 4, y f(z) =
senz
.
2
z 2z 3
f , si (t) = e , 0 t 4, y si f(z) es
it
cos z e z 1
igual a .
z2 4
4.51. Utilizar el teorema del valor medio de Gauss para calcular la
2
integral: 0 sen 2 ( / 3 3e it ) dt
4.52. Utilizar el teorema de Liouville para demostrar que si f c > 0
entonces la funcin f es constante.

f , con (t) = a + re , 0 t 2, y
it
3( z a )senz e z a
f(z) = .
( z a )3
f , si (t) = re , 0 t 2, para r = 1/2

it
cosh z
y para r = 3/2, siendo f(z) igual a .
( z 2 1)z
e 2z
4.55. Calcular la integral de f , siendo f(z) igual a ( z 2 1)z
y un
camino cerrado de ndices:
a) I(0) = 0; I(i) = 0; I(i) = 0.
b) I(0) = 0; I(i) = 1; I(i) = 1.
c) I(0) = 1; I(i) = 1; I(i) = 1.
d) I(0) = 1; I(i) = 1; I(i) = 1.
4.56. Calcular la integral de f si (t) = reit, 0 t 2, segn los
distintos valores de r, distintos de 1 y de 2, con f(z) igual a
ez
.
( z 2 1)( z 2 )
4.57. Calcular las siguientes integrales, f :

a) con f(z) = z2 + 3 z y (t) = eit, 0 t .
1
b) con f(z) = y (t) = eit, 0 t .
z
c) con f(z) = Log z y (t) = eit, /2 t /2.
d) con f(z) = Re z y (t) [1, i].
(Solucin: a) 2/3 + 3i; b) 2i 2; c) 2i; d) (i 1)/2)

CAPTULO 5
Singularidades y residuos
En este captulo se estudian las funciones complejas cerca de aquellos
puntos en los que la funcin no es holomorfa. Estos puntos se denominan
singularidades. Las singularidades ms frecuentes aparecen al formar el
cociente de dos funciones holomorfas, ya que los ceros del denominador van a
ser singularidades de la funcin. Esto lleva a estudiar brevemente el conjunto
de ceros de una funcin holomorfa.
5.1. SINGULARIDADES
Tienen importancia ahora los puntos en los que la funcin no es
holomorfa.
Definicin 5.1.1:
Se dice que una funcin tiene una singularidad en z = a si f no es
holomorfa en a, y en todo entorno de a existen puntos donde la funcin es
holomorfa.
Definicin 5.1.2:
Se dice que una funcin f tiene una singularidad aislada en z = a si f no
es holomorfa en a, y existe un nmero R > 0 tal que f es holomorfa en z; 0 <

z a < R.
El conjunto BR(a) = z; z a < R se denomina disco abierto, bola
abierta o entorno de centro a y radio R.
El conjunto BR(a)/{a} = z; 0 < z a < R se denomina disco pinchado,
bola pinchada o entorno pinchado de centro a y radio R, y se denota por
BR(a).
Usualmente se utiliza el nombre de singularidad para denominar a las
singularidades aisladas.
Ejemplos resueltos
Ejemplo 5.1.1: Determinar las singularidades aisladas de las funciones
1 senz 4z
f(z) = sen , f(z) = , f(z) = .
2
z z z 1
Estas funciones tienen singularidades aisladas en los puntos 0; 0; i y i
respectivamente.
1
Ejemplo 5.1.2: Determinar las singularidades de la funcin f(z) = .
1
sen
z
Tiene singularidades aisladas en los inversos de los mltiplos enteros de
. El origen, que es tambin una singularidad de esta funcin, al ser un punto
de acumulacin de las singularidades anteriores, es una singularidad no
aislada, ya que no existe ningn entorno del origen donde la funcin sea
holomorfa.
Ntese que si f es holomorfa en todo el plano complejo salvo una cantidad

Singularidades y residuos 247
finita de puntos, entonces todas sus singularidades son aisladas.
Ejercicios
5.1. Determinar las singularidades aisladas de las funciones:
senz si z2
a) f(z) = ,
0 si z2
e z si z 1
b) f(z) = ,
1 si z 1
1
c) f(z) = ,
z
1
d) f(z) = .
z 3
(Solucin: a) z = 2, b) z = 1, c) z = 0, d) z = 3).
5.2. Determinar las singularidades aisladas de las funciones:
z
a) f(z) = ,
z 3
2
1
b) f(z) = exp( ),
z
z 1
c) f(z) = ,
z ( z 2 1)
3
1
d) f(z) = sen( ).
z
(Solucin: a) z = i 3 , b) z = 0, c) z = 0, i, i, d) z = 0).
1
5.3. Analizar las singularidades de la funcin: f(z) = .
1
sen( )
z
1
(Solucin: Tiene singularidades aisladas en z = , pero en z = 0 tiene una
n
singularidad no aislada.
5.4. Analizar el tipo de singularidad de la funcin f(z) = Log z en z =
0.
(Solucin: El origen es un punto singular, pero no es una singularidad aislada
sino un punto singular no aislado ya que todos los puntos del semieje real
negativo son singulares).
1

sen( )
z
1
(Solucin: Tiene singularidades aisladas en z = , para n entero, y
n
en z = 0 tiene una singularidad no aislada).
5.2. CARACTERIZACIN DE LAS SINGULARIDADES
AISLADAS
Las singularidades aisladas se pueden clasificar en tres tipos:
Singularidades evitables
Polos
Singularidades esenciales
5.2.1. Singularidades evitables
Definicin 5.2.1:
El punto z = a es una singularidad evitable de f si existe una funcin
holomorfa g: BR(a) C tal que g(z) = f(z) para todo z del conjunto BR(a) = z; 0
< z a < R.
Para comprobar si una funcin f tiene una singularidad evitable en un
punto z = a se puede utilizar el hecho de que si la funcin tiene una extensin
analtica en la bola BR(a) entonces f ( z ) dz 0 para toda curva cerrada en
BR(a).
Una funcin f tiene una singularidad evitable en a si f est acotada en
BR(a)/{a} para algn R > 0, por lo que tambin se puede comprobar la
existencia del lmite (finito) de f(z) cuando z tiende a a.
Caracterizacin 5.2.1:
Sea a una singularidad aislada de f.
La funcin f tiene en z = a una singularidad evitable
lm f ( z ) lm ( z a ) f ( z ) 0 .
z a z a
5.2.2. Polos
Definicin 5.2.2:
Si z = a es una singularidad aislada de f, se dice que es un polo si

lm f ( z ) .
z a
Si f tiene un polo en z = a, la funcin 1/f(z) tiene una singularidad evitable
en ese punto. As, si se define h(z) = 1/f(z) si z a y h(a) = 0, la funcin h es
holomorfa y tiene un cero en z = a. Al orden de este cero se le llama orden del
polo.
Por otra parte si f tiene un cero en z = a, la funcin 1/f(z) tiene un polo en
z = a. As existe una dualidad entre estos dos conceptos. De acuerdo con las
propiedades de los ceros de una funcin holomorfa, se tiene:
Proposicin 5.2.2:
Sea G una regin, a G, f holomorfa en G/a. La funcin f tiene un polo
en z = a si y slo si existe un entero positivo m y una funcin holomorfa g: G
g( z )
C, con g(a) 0 tal que f ( z ) .
( z a )m
Se dice que m es el orden del polo. Si m = 1 se dice que z = a es un
polo simple.
Caracterizacin 5.2.3:
Sea a una singularidad aislada de f.
La funcin f tiene un polo de orden m en z = a
Existe el lmite lm ( z a )m f ( z ) y es distinto de cero

z a
lm f ( z )
z a
lm ( z a )k f ( z ) = si m > k
z a
lm ( z a )k f ( z ) = 0 si m < k.
z a
5.2.3. Singularidad esencial
Definicin 5.2.3:
Se dice que una singularidad es esencial si es una singularidad aislada
que no es polo ni evitable.
Por tanto, f tiene una singularidad esencial en z = a si y slo si en C
no existe el lmite: lm f ( z ) .
z a
De hecho el comportamiento de la funcin cerca de una singularidad
esencial es muy oscilante como demuestra el siguiente teorema:
Teorema 5.2.5: Teorema de Casorati-Weierstrass
La funcin f tiene una singularidad esencial en z = a si y slo si f(U) es
denso en C, para todo entorno reducido U de a.
Lo que es equivalente:
Si f tiene una singularidad esencial en a entonces para todo w C, r >
0, > 0 existe z Br(a) tal que f(z) w < .
Demostracin:
Si no fuera as existiran w, r y tales que z Br(a) verificara f(z) w
1
. Entonces g(z) = estara acotada en Br(a) por lo que la
f(z) w
1
singularidad en a sera evitable, y en consecuencia la funcin f(z) = w +
g( z )
tendra, bien un polo (si lm g ( z ) = 0) o bien una singularidad evitable (si

z a
lm g ( z ) 0).
z a
En la lnea de estos resultados existe un teorema debido a Picard que
afirma que, en las condiciones anteriores, f toma como valores todos los
nmeros complejos infinitas veces salvo quizs con una nica posible
excepcin. Esto da idea de la naturaleza espectacularmente oscilante de las
funciones cerca de sus singularidades esenciales.
Teorema 5.2.4: Teorema grande de Picard
El punto a es una singularidad esencial si y slo si para todo > 0,
f(B(a))/{a} es todo el campo complejo C salvo, a lo sumo, un punto.
Estos teoremas tienen diferentes aplicaciones, como por ejemplo:
Si f transforma un entorno de a en un subconjunto del campo complejo
excepto dos valores f(B(a)) C/{b, c}, entonces a no es una singularidad
esencial de f.
Para todo > 0 el conjunto {w; w = e1/z, 0 < z < } es C/{0}, pues la funcin
w = e1/z, tiene una singularidad esencial en z = 0. (Se recuerda que

n!z n ).
1
e1 / z
n 0
5.2.4. Ceros de una funcin analtica
Se ha visto el inters de estudiar los ceros de una funcin holomorfa para
analizar los polos, pues si f tiene un polo de orden m en a, entonces (z a)mf(z)

tiene una singularidad evitable en a y por tanto existe una funcin holomorfa
g( z )
g(z) en un entorno de a tal que f ( z ) con g(a) 0.
( z a )m
Definicin 5.2.4:
Sea G una regin, a G y f una funcin holomorfa en a distinta de la
funcin nula. Se dice que a es un cero de f si f(a) = 0. Se dice que a es un cero
de orden k de f si f(a) = f(a) = ... = fk-1)(a) = 0 y fk)(a) 0.

En consecuencia, f(z) = an ( z a ) n donde an = 0 para todo n desde 0
n 0
hasta k 1.
Teorema 5.2.6:
Se supone que G es una regin, f una funcin holomorfa sobre G y que
Z(f) = a G; f(a) = 0. Entonces, o bien Z(f) no tiene puntos de acumulacin
en G o bien Z(f) = G. En el primer caso, a cada a Z(f) le corresponde un nico
entero positivo m tal que f(z) = (z a)mg(z) con z G y g(a) 0.
Por lo tanto si f es holomorfa y no nula en una regin G entonces sus
ceros son aislados y Z(f) es a lo sumo numerable.
El entero m es el orden del cero.
Es claro que se puede plantear un resultado similar para los -puntos de
f, es decir, para el conjunto de ceros de f donde es un nmero complejo.
Consecuencia inmediata del teorema anterior es que si dos funciones f y
g son holomorfas sobre una regin G y coinciden sobre un conjunto que tenga
un punto de acumulacin en G, las dos funciones son idnticas.

Ejemplos resueltos
Ejemplo 5.2.1: Clasificar los distintos tipos de singularidades aisladas de
las funciones siguientes:
senz si z 2
1. f1( z ) tiene una singularidad aislada y evitable en z =
0 si z 2
2.
e z si z 1
2. f2 ( z ) tiene una singularidad aislada y evitable en z = 1
1 si z 1
1
3. f3 ( z ) tiene un polo de orden 1 en z = 1.
z
1
4. f 4 ( z ) tiene un polo de orden 4 en z = 3.
( z 3 )4
z
5. f5 ( z ) tiene dos polos de orden 1 en i 3 y en i 3 .
z2 3
z 1
6. f6 ( z ) tiene un polo de orden tres en 0 y dos polos de
3 2
z ( z 1)
orden uno en i y i.
7. f7(z) = exp(1/z) tiene en z = 0 una singularidad esencial.
1
8. f8(z) = sen(1/z) tiene en z = 0 una singularidad no aislada, y en z = ,
n
n N, polos simples.
Ejemplo 5.2.2: Escribir cuatro ejemplos de singularidades evitables en z =
0:
1 cos z
1) La funcin g1(z) = tiene en z = 0 una singularidad evitable,
z2
1 cos z
pues lm z = 0.
z 0 z2
senz
2) La funcin g2(z) = tiene en z = 0 una singularidad evitable, pues
z
senz
lm z = 0.
z 0 z
e z si z0
3) La funcin g3(z) = tiene en z = 0 una singularidad
0 si z0
evitable, pues lm z g3(z) = 0.

z 0
1 cos z
4) La funcin g4(z) = tiene en z = 0 una singularidad evitable,
z
1 cos z
pues lm z = 0.
z 0 z
Ejemplo 5.2.3: Escribir tres ejemplos de polos de orden dos en z = 1:
1 cos z
1) La funcin h1(z) = tiene en z = 1 un polo de orden dos, pues
( z 1)2
1 cos z
lm (z 1)2 = 1 cos(1) 0.
z 1 ( z 1)2
1 cos z
z 3 ( z 1)2
1 cos z
lm (z 1)2 = 1 cos(1) 0.
z 1 z 3 ( z 1)2
1 cos z
( z 2 1)2
1 cos z
lm (z 1)2 = (1 cos(1))/2 0.
z 1 ( z 2 1)2
Ejemplo 5.2.4: Escribir un ejemplo de singularidad esencial en z = 0:
1
La funcin f1(z) = exp( ) tiene en z = 0 una singularidad esencial pues es
z
singularidad aislada que no es ni polo ni evitable.
Ejercicios
5.6. Clasificar los distintos tipos de singularidades aisladas de las
senz ez 1
funciones siguientes: f1(z) = , f2(z) = , f3(z) =
z2 z3
senz ( z 1)
exp( ), f4(z) = .
2 2
z ( z 1)( z 3 )
5.7. Clasificar los distintos tipos de singularidades de las funciones
siguientes:
ez 1
a) f(z) =
z 2 sen 3 z
ez
b) f(z) =
z 2 tg 3 z
senz
c) f(z) =
zk
1 cos z
d) f(z) = .
sen 2 z e z
(Solucin: a) Polo de orden 4 en z = 0, polo de orden 3 en z = n, n 0; b) Polo

de orden 5 en z = 0, polo de orden 3 en z = n, n 0; c) Si k = 1, singularidad
evitable, si k > 1, polo de orden k 1, en z = 0).
5.3. SERIES DE LAURENT
En el captulo 3 se estudi el desarrollo de una funcin mediante una
serie de Laurent en un entorno de una singularidad, y se comprob que el
dominio de convergencia de la serie es una corona circular, obtenindose que:

La serie de Laurent centrada en z0, an .( z z0 ) n es convergente en r
n

< z z0 < R siendo su parte regular o analtica: an .( z z0 ) n , y su parte
n 0

principal: a m .( z z0 ) m .
m 1
1
Se demostr en el captulo 3, seccin 3.5, que lm sup n an , y que
R n
r lm sup m a m , por lo que la parte regular converge en el interior del crculo

m
de centro z0 y radio R mientras que la parte principal lo hace en el exterior del
crculo con el mismo centro y radio r.
Entonces existen tres posibilidades:
i) Si r = 0 la serie es absolutamente convergente en el entorno
pinchado de z0 de radio R, que puede ser todo el plano complejo
excepto el punto z0 si R = +.
ii) Si 0 < r < R < + la serie es absolutamente convergente en la
corona circular de radios r y R.
iii) Si r > R la serie es divergente para todo z.
As si r < R la serie de Laurent es convergente en la interseccin de los
dos dominios, es decir en la corona circular D = z; r < z z0 < R. Adems
en cada conjunto compacto contenido en el dominio de convergencia, la
convergencia es uniforme. Esto permite definir en D una funcin holomorfa por

medio de f ( z ) an .( z z0 )n .
n
5.3.1. Expresin integral de los coeficientes de la serie de
Laurent
Si se forma una nueva corona circular de centro z0 y radios r y R con r <
r < R < R contenida en la corona D, en esta nueva corona circular la funcin
es holomorfa y existe convergencia absoluta y uniforme de la serie. Se
construye un camino cerrado y simple formado por dos circunferencias de
centro z0 contenidas en el nuevo dominio y dos segmentos que las unen;
entonces, aplicando la frmula integral de Cauchy se puede expresar f
mediante una integral compleja. Esta integral se descompone en dos
integrales, una a travs del crculo interior y otra a travs del exterior. Se
escribe cada una de las integrales en forma de serie de potencias y se obtiene
una interesante relacin entre los coeficientes de la serie de Laurent: ak y
expresiones integrales de la funcin f:

Como consecuencia del teorema de Cauchy. se sabe que la integral no
depende de las circunferencias elegidas por lo que si es la circunferencia de
centro z0 y radio , z z0 = y r < < R, entonces
1 f(z)
ak
2i ( z z0 ) k 1
dz , ( k 0, 1, 2, ...) .
Gracias a este resultado de representacin integral de los coeficientes de

la serie de Laurent se obtiene que si f(z) an .( z z0 )n y
n

( z ) bn .( z z0 )n son dos series de Laurent convergentes en las
n
coronas circulares D y respectivamente y f(z) y (z) coinciden en la
circunferencia z z0 = contenida en la interseccin de D y , entonces los
coeficientes an = bn para todo n, esto es, las series coinciden.
En consecuencia, en una corona circular dada, slo hay una serie de
Laurent centrada en z = z0 que tenga una determinada suma, y por lo tanto, si f
tiene una singularidad aislada en z0, como entonces r = 0, la funcin tiene un
desarrollo de Laurent vlido en un entorno pinchado de z0.
5.3.2. Relacin entre el tipo de singularidad y los coeficientes
de la serie de Laurent
Se puede utilizar el desarrollo de Laurent para estudiar y clasificar las
singularidades aisladas de una funcin. As, si z = z0 es una singularidad


aislada de f y f(z) = an ( z z0 ) n es su desarrollo de Laurent en un disco
n
pinchado Br(z0), se tiene:
i) z = z0 es una singularidad evitable de f(z) si y slo si an = 0 para
todo n 1.
ii) z = z0 es un polo de orden m de f(z) si y slo si a-m 0 y an = 0
para todo n (m + 1).
iii) z = z0 es una singularidad esencial de f(z) si y slo si an 0 para
infinitos enteros negativos n.
Como era previsible, la parte del desarrollo que caracteriza el tipo de
singularidad es la de potencias negativas, lo que explica el nombre dado de
parte principal.
Ejemplos resueltos
Ejemplo 5.3.1: En el captulo 3 se estudiaron los desarrollos en serie de
Laurent en z = 0 de las siguientes funciones:
( z 1) 2 1
1. f(z) = =z+2+ .
z z
1 1 1 1 1 1
2. g(z) = = = (1 + z + z2 + ...) = + + 1 + z + z2 + ...
2
z (1 z ) z 2 1 z z 2
z 2 z

1

1 1 1 1 1 1
3. h(z) = exp = =1+ + + ... + + ...
z n 0 n ! z n z 2z 2 n! z n
Clasificar el tipo de singularidad, en cada caso.

Todas ellas presentan en z = 0 una singularidad aislada. A la vista de su
desarrollo se puede asegurar que:
La funcin f(z) tiene un polo simple, pues el ltimo coeficiente distinto de
1
cero de las potencias negativas es el de .
z
La funcin g(z) tiene un polo de orden 2, pues el ltimo coeficiente distinto
1
de cero de las potencias negativas es el de .
z2
La funcin h(z) tiene una singularidad esencial, pues tiene infinitos
coeficientes de potencias negativas distintos de cero.
Ejercicios
5.8. Clasificar, si existe, el tipo de singularidad en z = z0, teniendo en
cuenta los desarrollos en serie siguientes:

1 1 n

1
a) f(z) = = z .
( z 2 )( z 3 ) n 0 2 n 1 3 n 1

1 1
b) f(z) = = ( z 2 )n .
( z 2 )( z 3 ) z 2 n 0

( 1) n

1
c) f(z) = = .
( z 2 )( z 3 ) n 1( z 3 ) n 2
5.4. RESIDUOS
Una de las aplicaciones del desarrollo de Laurent en torno a una
singularidad reside en el clculo de integrales sobre caminos cerrados. En
este clculo, la parte significativa del desarrollo es la correspondiente al
coeficiente a1, coeficiente que es conocido como residuo y que se
representa como Res(f, z0): Res(f, z0) = a1.
La nocin de residuo fue introducida por Cauchy, quien lleg al concepto
en 1 814 al estudiar la diferencia entre dos integrales L f ( z ).dz , L

1 2
f ( z ).dz
en el caso de que L1 y L2 sean caminos con los mismos puntos extremos, y que
existan polos de f(z) en la regin comprendida entre las trazas de L1 y L2. El
mismo trmino, residuo, data de 1826 y es debido tambin a Cauchy. Durante
el periodo de 1 826 a 1 829 Cauchy aplic la teora de residuos a problemas
como los de evaluacin de integrales, desarrollos de funciones en serie y
productos infinitos, teora de ecuaciones, etc.
Definicin 5.4.1:

Sea z0 una singularidad aislada de f y sea f(z) = an .( z z0 )n , z
n
Br(z0). Se denomina residuo de f en z0 y se escribe Res(f, z0) al coeficiente a1
de la serie de Laurent.
La razn para destacar ese coeficiente estriba en que cuando se integra f
a lo largo de un camino cerrado y simple recorrido en sentido positivo
contenido en el disco pinchado Br(z0)/{z0} en que es vlido el desarrollo de


Laurent f(z) = an .( z z0 )n , resulta que f ( z )dz = a-12iI(z0). Este

resultado se debe a la convergencia uniforme de la serie sobre la traza del
camino, lo que legitima la integracin trmino a trmino, y a la existencia de
primitiva para las funciones (z z0)n para todo n 1, lo que anula dichas
integrales, por lo que nicamente queda una integral distinta de cero, la de
coeficiente a-1. En consecuencia, a-1 es lo que queda o residuo al integrar:

f ( z )dz = ( an .( z z0 ) an . ( z z0 )n dz =
n
)dz =

1
a 1 ( z z0 ) dz = a-12iI(z0).
Se comprende la importancia de los residuos puesto que para evaluar
f ( z )dz lo nico que cuenta es, (suponiendo que la funcin no tenga en el
dominio rodeado por ms singularidades que z0 y que I(z0) = 1), el residuo:
Res(f, z0). Si la curva rodease un nmero finito de singularidades se puede
descomponer f ( z )dz en suma de varias integrales k

f ( z )dz de forma que
cada curva k rodee una nica singularidad.
Teorema del residuo
Teorema 5.4.1:
Sea un camino cerrado que encierra un nmero finito de singularidades:

n
z1, ..., zn; entonces: f ( z )dz = 2i I (z )Res(f, z ).
k k
k 1
Si se supone que es un camino cerrado y simple, por lo que el ndice es
uno, la idea de la demostracin se basa en elegir los caminos k: zk + reit, 0 t
2, con r suficientemente pequeo para que los k no se corten entre s ni a .
Entonces:
f = f 1
+ ... + f k
= 2iRes(f, z1) + + 2iRes(f, zk).
Este teorema generaliza tanto el teorema de Cauchy como las frmulas
integrales de Cauchy para la funcin y sus derivadas.
Otra formulacin de este mismo teorema es:
Teorema 5.4.1. Teorema de los residuos
Sea f holomorfa en G abierto simplemente conexo excepto en las
singularidades aisladas z1, z2, ..., zn. Si es un camino cerrado con su traza
contenida en G y que no contiene a ninguno de los puntos z1, z2, ..., zn y si es
n

1
homtopo a 0 en G, entonces:
2i
f ( z ).dz I( zk ) Res( f , zk ) .
k 1
5.4.2. Clculo de residuos. Residuos en los polos
La obtencin general del residuo se realiza por medio del clculo del
desarrollo en serie de Laurent para conseguir conocer a-1. Sin embargo, en el
caso de que la singularidad sea un polo, existen procedimientos ms breves
que se derivan directamente del desarrollo.

Proposicin 5.4.2:
Si f tiene una singularidad evitable en z0, el residuo vale cero.
Si f tiene un polo de orden k en z0, el residuo se obtiene utilizando las
siguientes expresiones:
k 1: Res( f , z0 ) lm ( z z0 ) f ( z )
z z0
k 1 : Res( f , z0 )
1
lm
d k 1
( k 1)! z z 0 dz0 k 1

( z z0 )k .f ( z )
Demostracin:
En efecto:

Sea f ( z ) an .( z z0 )n en un disco Br(z0). Si f tiene una singularidad
n
evitable en z0, entonces an = 0 para todo n 1, por lo que el residuo vale cero.
Si f tiene un polo simple en z0, entonces:

a 1
f(z) an .( z z0 )n = an ( z z0 ) n
n 1
z z0 n 0
(z z0)f(z) = a-1 + a0(z z0) + ... lm ( z z0 ) f ( z ) = a-1 = Res(f, z0).

z z0
Si f tiene un polo de orden dos en z0, entonces:

a 2 a 1
f(z) an .( z z0 ) n = an ( z z0 ) n
n 2 ( z z0 ) 2 z z0 n 0
(z z0)2f(z) = a-2 + a-1(z z0) + a0(z z0)2 + ...
d
((z z0)2f(z)) = a-1 + 2a0(z z0) + 3a1(z z0)2 + ...
dz
d
lm ( ((z z0)2f(z))) = a-1 = Res(f, z0).
z z0 dz
Si f tiene un polo de orden m en z0, entonces:

a m a 1
f(z) a n ( z z0 ) n = ... an ( z z0 ) n
n m ( z z0 ) m z z0 n 0
(z z0)mf(z) = a-m + a-m+1(z z0) + ... a-1(z z0)m-1 + a0(z z0)m + ...
d m 1
((z z0)mf(z)) = (m 1)!a-1 + m! a0(z z0) + ...
m 1
dz
d m 1
lm ( ((z z0)mf(z))) = (m 1)!a-1
z z0 m 1
dz
1 d m 1
( lm ( ((z z0)mf(z)))) = a-1 = Res(f, z0).
( m 1)! z z 0 dz m 1
Proposicin 5.4.3:
Si g y h son funciones holomorfas en un entorno de z0, y si f = g/h con
g ( z0 )
g(z0) 0 y h(z0) = 0 siendo h(z0) 0 entonces Res(f, z0) = .
h' ( z0 )
Demostracin:
En las condiciones de la proposicin, f tiene un polo simple en z0, y
g( z ) g ( z0 )
Res(f, z0) = lm ( z z0 ) f ( z ) = lm ( z z0 ) = .
z z0 z z0 h( z ) h' ( z0 )
aplicando la regla de LHpital para calcular el lmite. Por tanto:
g ( z0 )
Res(f, z0) = .
h' ( z0 )
Proposicin 5.4.4:
g( z )
Si g es una funcin holomorfa en un entorno de z0, y si f ( z )
( z z0 ) m
g m 1) ( z0 )
con g(z0) 0 entonces Res(f, z0) = .
( m 1)!
Demostracin:
En estas condiciones z0 es un polo de orden m de la funcin f, por lo
tanto:
1 d m 1
Res(f, z0) = ( lm ( ((z z0)mf(z)))) =
( m 1)! z z 0 dz m 1
1 d m 1 g( z )
( lm ( ((z z0)m ))) =
( m 1)! z z 0 dz m 1 ( z z0 ) m
1 d m 1 g m 1) ( z0 )
( lm ( (g(z)))) = .
( m 1)! z z 0 dz m 1 ( m 1)!
5.4.3. Residuo en el infinito
Se supone que f(z) es holomorfa en cada punto z tal que z > r, para
algn r > 0, excepto posiblemente en el punto z = , y si se realiza una
transformacin preliminar por medio del cambio = 1/z se transforma el punto z
= en el = 0 y cada sucesin que converge a infinito en una sucesin que
converge a cero. Debido a esto, el estudio de la funcin f en z = se reduce al
estudio de f*() = f(1/) que es una funcin holomorfa en el entorno reducido de
cero, < 1/r. El comportamiento de f cerca de se conoce mediante el de f*

cerca de 0, con lo que es posible abordar cuestiones referentes a derivabilidad
y continuidad cerca de .
En estas condiciones se dice ahora, por definicin, que z = es un punto
regular, un polo de orden k o una singularidad esencial de f si = 0 lo es de f*,
es decir, f(z) tiene en z = una singularidad evitable, un cero de orden k, un
polo de orden k, una singularidad esencial o una singularidad no aislada si lo
mismo le ocurre a f*(z) en z = 0.
Por ejemplo, f(z) = zk es un polinomio de grado k, que es una funcin
entera. Para analizar su comportamiento en z = se estudia f*(z) en z = 0, es
decir, f*(z) = 1/zk, que tiene un polo de orden k en z = 0, por lo que f(z) = zk
tiene un polo de orden k en z = . En general, un polinomio de grado k tiene en
z = un polo de orden k.
Como se observa en el ejemplo anterior, la situacin en el desarrollo de
Laurent es la misma que en el caso finito, salvo que quedan intercambiados los
papeles de las potencias positivas y negativas. As, la parte principal pasa a ser
la parte de las potencias positivas, y la parte regular, la de las potencias
negativas. Hasta el momento se han evaluado los residuos en puntos finitos del
plano complejo, sin embargo es posible considerar tambin el desarrollo en
serie de Laurent en torno al punto del infinito.
Definicin 5.4.2:
Dada una funcin f con desarrollo de Laurent:

f(z) an .z n , R z .
n
1. Se dice que f tiene un polo de orden k en z = , si f* tiene un polo de orden
k en z = 0.
2. Se dice que f tiene un cero de orden k en z = , si f* tiene un cero de orden
k en z = 0.
3. Se define residuo de una funcin f en el punto del infinito como:
1
f( )
f * (z)
Res(f, ) = Res( , 0) = Res( z , 0).
z2 z2
Proposicin 5.4.5:
Si es una curva cerrada simple recorrida una vez en sentido positivo (el
sentido contrario al de las agujas del reloj), y f es una funcin que no tiene
singularidades en la regin exterior a la curva (salvo ) entonces:
f = 2iRes(f, ).
Demostracin:
Sea R suficientemente grande para que la traza de la curva est
contenida en el crculo de centro el origen y radio R: () BR(0). Como, por
hiptesis, no hay singularidades entre () y z = R se verifica que:
2
f = z R f = 0 f(Reit)iReitdt.
Por otra parte f*(z) = f(1/z) no tiene singularidades en z < 1/R (salvo en
0) porque f no las tiene en z > R (salvo ). Por ello:
1 1 1 1
2iRes(f, ) = 2iRes(
z2
f( ), 0) =
z z z z
1 2 f dz =
R
2 i it 2
0 R2e-2itf(Re-it)
R
e dt =
0
iRe-itf(Re-it)dt
que haciendo un cambio de variable se transforma en:
0 2
= 2 iReisf(Reis)ds = 0 iReisf(Reis)ds = f
La penltima igualdad se obtiene teniendo en cuenta que la funcin f(z) =
eiz es peridica, con periodo 2.
Corolario 5.4.6:
Si f(z) es holomorfa salvo en puntos singulares aislados, la suma de todos
los residuos de f(z) (incluyendo el residuo en el infinito) es igual a cero.
Este resultado permite simplificar el clculo de algunas integrales.
La eleccin del signo negativo en la definicin del residuo del infinito se
puede explicar por el hecho de que si se tiene un camino cuya traza rodea a
uno o varios puntos singulares finitos, se considera como sentido positivo el
contrario a las agujas del reloj, ya que, en esta situacin, dichos puntos quedan
a la izquierda, supuesto que el desplazamiento es en ese sentido sobre la
traza del camino. Si se quiere hacer lo mismo con un camino circular y el punto
del infinito, ahora el sentido a considerar como positivo es precisamente el
mismo que el de las agujas del reloj.
Corolario 5.4.7:
Sea una funcin f analtica en un entorno reducido del infinito, z; R < z
< + y que tenga un desarrollo de Laurent de la forma:

f(z) an z n , R z .
n
Entonces Res(f, ) = a-1.
Demostracin:
1
f( ) n
1

z 1
Se sabe que Res(f, ) = Res( , 0) = Res( an , 0) ,
z2 z 2 n z
n
1 1

1 a a
Pero an = ... a n z n ... a1 z a0 1 2 ...
2
z n z z2 z z2
a a
= ... a n z n 2 ... a1 z 1 0 1 ... .
2 3
z z
Por tanto:
n
1

1
Res( an , 0) = a-1,
2
z n z
y en consecuencia:
Res(f, ) = a-1.
Si se integra f(z) sobre un camino : z = , > R, se tiene que

f ( z ) dz 2i a1 , lo que tambin explica el hecho de que el residuo de f
en el infinito sea la cantidad a1, ya que entonces f ( z ) dz 2i Res( f , )

y se mantiene la armona con el teorema del residuo.
Ejemplos resueltos
Ejemplo 5.4.1: Calcular los siguientes residuos: a) Res(cotg z, 0), b)

1 1 1
Res( , 1), c) Res( ,).
( 2z 1)( z 1) 2 ( 2z 1)( z 1) 2 2
cos z
En a) cotg z = se verifican las condiciones de la proposicin
senz
cos z cos 0 1
5.4.3, por lo que Res(cotg z, 0) = Res( , 0) = = .
senz ( sen0 )'
En b) la funcin tiene un polo de orden 2 en z = 1, por lo que:
1 d d 1
Res( , 1) = lm ( ((z 1)2f(z))) = lm ( )=
( 2z 1)( z 1) 2 z 1 dz z 1 dz ( 2z 1)
2 2
lm ( )= .
z 1 ( 2z 1) 2 9
1
En c) la funcin tiene un polo simple en z = , por lo que:
2
1 1 1 1
Res( , )= lm ((z ) )=
( 2z 1)( z 1) 2 2
z
1 2 ( 2z 1)( z 1) 2
2
1 2
lm = .
z
1 2 ( z 1) 2 9
2
Ejemplo 5.4.2: Calcular las siguientes integrales utilizando el teorema del
residuo:
dz
a) z 2 2z 3 , donde (t) = 2eit, 0 t 2.
e z dz
b) z 2
, donde (t) = 2eit, 0 t 2.
( z 2 1) dz
c) 2
z 1
, donde (t) = 2eit, 0 t 2.
En los tres ejemplos, la curva est recorrida una vez y en sentido positivo,
por lo que I(z) = 1, si z es un punto interior a ella. Es la circunferencia de centro
el origen y radio 2.
En a) la funcin tiene un polo simple en el interior de la circunferencia, el
punto z = 1, mientras que z = 3 es exterior, por lo que:
dz dz 1 i
z 2 2z 3 = ( z 3 )( z 1) = 2iI(1)Res(f, 1) = 2i1 lm
z 1 z 3
=
2
.
En b) la funcin tiene un polo de orden 2 en el interior de la circunferencia,
el punto z = 0, por lo que:
e z dz
z2
= 2iI(1)Res(f, 0) = 2i1 = 2i,
ez d 2 ez
pues Res( , 0) = lm ( (z )) = lm ez = 1.
z2 z 0 dz z 2 z 0
En c) la funcin tiene polos simples en z = i y en z = i en el interior de la
circunferencia:
( z 2 1) dz
z2 1
= 2iI(i)Res(f, i) + 2iI(i)Res(f, i) = 0,
( z 2 1) ( z 2 1)
pues Res( , i) = lm ( ) = i, ya que f es de la forma f = g/h, y
z2 1 z i 2z
g( i ) ( z 2 1) ( z 2 1)
Res(f, i) = . De igual modo Res( ,i) = lm ( ) = i.
h' ( i ) z2 1 z i 2z
Ejemplo 5.4.3: Calcular, utilizando el residuo en el infinito las siguientes
integrales:
( z 1)3
a) z 4 z( z 2 )3 dz
1
b) z 5 z 2 2z 3dz .
Todos los puntos singulares estn en el interior de la curva en los dos
casos por lo que se puede asegurar que las integrales valen:
1 1
f = 2iRes(f, ) = 2iRes( f , 0).
z2 z
3
1
1
1 1 1 z

En la integral a) f = 2iRes( f , 0) = 2iRes(
z2 z

z2 1 1
3
, 0)
2
zz
1 1 z 3
= 2iRes( , 0) = 2i. pues esta funcin tiene un polo simple en z
z 1 2z 3
= 0 y su residuo vale 1.
En la integral b)
1 1 1 1
f = 2iRes(
z
f , 0) = 2iRes(
2 z 2

z 1 2
1
, 0) =
2 3
z z
1
2iRes( , 0) = 0,
1 2z 3 z 2
pues esta funcin tiene una singularidad evitable en z = 0 y su residuo vale 0.
Ejemplo 5.4.4: Calcular las siguientes integrales reales, utilizando
2 dx dx
integrales complejas: a) 0 10 6 cos x
b)
1 x 2
.
a) Se toma como la circunferencia de centro el origen y radio 1 z = eix

1
ix ix z
dz e e z.
dz = ieixdx dx = . cos x = =
iz 2 2
dz
2 dx 1 dz
I = 0 10 6 cos x
= 1
iz =
i 10z 3z 2 3
=
10 6( z ) / 2
z
dz
i ( 3z 1)( z 3 ) .
El punto z = 3 es exterior a la circunferencia, y el punto z = 1/3 es interior,
por lo que:
1
I = i2iRes( , 1/3) =
( 3z 1)( z 3 ) 4
dx
b) Para calcular la integral 1 x 2 se toma como recinto un
semicrculo de radio R en el semiplano superior, siendo (t) = 1(t) + 2(t), 1(t) =
R + 2Rt, 0 t 1; 2(t) = Reit, 0 t . La funcin tiene dos singularidades z =
i y z = i, pero slo z = i est en el interior de la curva.
Por tanto:
1
f = 2iRes(
1 z 2
, i) = = f 1
+ f
2
. (5.1)
Mediante la desigualdad de Cauchy se puede acotar la segunda integral:
1 1
f2
Long(2). mx
z 2 1 z 2
= R
2
R 1
.
Se calcula el lmite en la igualdad (5.1) cuando R tiende a infinito, y se
obtiene:
dx 1 dx
= 1 x 2 + lm (R
R R2 1
)= 1 x 2 .
Ejercicios
5.9. Calcular los siguientes residuos, sabiendo que son polos
simples y utilizando que Res(f, z0) = lm ( z z0 ) f ( z ) :

z z0
1
a) Res( , 1).
z z2
1
b) Res( , 0).
z z2
c) Res(cotg z, 0).
1
d) Res( , i).
4
z 1
1 i
(Solucin: a) 1; b) 1; c) ; d) )
3
5.10. Calcular los residuos del ejercicio anterior, utilizando que Res(f, z0)
g ( z0 )
= :
h' ( z0 )
5.11. Calcular los residuos de las funciones siguientes en todas sus
singularidades aisladas:
1
a) f(z) = .
( z 1)3
2
1
b) f(z) = .
1 z 4
c) f(z) = cot g z .
z2
2k 1 2k 1
3i i 1 i
(Solucin: a) Res(f, i) = = Res(f, i); b) Res(f, e 4 )= e 4 ,
8 4
2 1
para k = 0, 1, 2 y 3; c) Res(f, 0) = , Res(f, n) = , si n 0)
3 n2
g( z ) g m 1) ( z0 )
5.12. Demostrar la expresin Res( , z0) =
( z z0 ) m ( m 1)!
utilizando las frmulas integrales de Cauchy.
5.13. Calcular los residuos siguientes mediante el desarrollo de la
funcin en serie de Laurent:
e iz
a) Res( , 0).
z4
1
b) Res( , 0).
z4
i
(Solucin: a) ; b) 0)
6
dz
5.14. Calcular la integral 1 z 4 utilizando el teorema del residuo,
donde (t) = 1(t) + 2(t), 1(t) = 2 + 4t, 0 t 1; 2(t) = 2eit, 0 t , y
dx
utilizar el resultado para calcular la integral real: 1 x 4 .
2 2
(Solucin: ; )
2 2
(Ayuda: Utilizar la integral primera sustituyendo el radio, r = 2, por R que se
hace tender a infinito)

5.5. FUNCIONES MEROMORFAS, ANALTICAS Y
ENTERAS
En esta seccin se presentan algunos resultados de inters, pero sin
demostracin, debido a que muchos de ellos son superiores al nivel pretendido
en este libro.
5.5.1. Funciones meromorfas
Definicin 5.5.1:
Una funcin f es meromorfa en G si slo tiene singularidades aisladas en
G y stas son evitables o polos.
Por tanto:
f es meromorfa en G si y slo si f = g/h con g y h funciones
holomorfas en G y h no es idnticamente nula
Dado un abierto H en C y un conjunto P de puntos aislados de H se
dice que f es una funcin meromorfa en H si f es holomorfa en H/P
siendo P el conjunto de polos y singularidades evitables de f.
La suma y el producto de funciones meromorfas es una funcin
meromorfa.
Si f es una funcin holomorfa en un conexo H entonces se sabe que
el conjunto de sus ceros es un conjunto de puntos aislados y como
consecuencia la funcin 1/f es meromorfa en H. Es decir, en un

conexo el cociente de dos funciones holomorfas es una funcin
meromorfa.
5.5.2. El principio del argumento y sus consecuencias
La frmula integral de Cauchy puede considerarse como un caso especial
del teorema de los residuos. Basta acudir al planteamiento de ese resultado
f(z)
para comprobar que si la funcin tiene un polo simple en z = a su residuo
z a
es f(a). As, por el teorema del residuo se tiene que:
1 f(z) f(z)

2i z a
dz I ( a ) Res(
za
,a ) I ( a ) f ( a ) .
Por otra parte, si se considera una funcin analtica f que tenga en a un
f' ( z )
cero de orden h, la funcin tiene en z = a un polo simple con residuo h.
f(z)
Si se considera un camino cerrado que rodee al punto z = a, se tiene que:
1 f' ( z ) f' ( z )

2i f ( z )
dz I ( a ) Res(
f(z)
,a ) I ( a ) h
Si la funcin f tiene un polo de orden h en z = a, el planteamiento viene a
ser el mismo, salvo que el residuo es ahora h. Esta situacin puede
plantearse en general para funciones meromorfas y da lugar al teorema
conocido como principio del argumento.
Teorema 5.5.1: Principio del argumento
Sea f meromorfa en G con polos p1, ..., pm y ceros z1, ..., zn contados
tantas veces como indica su multiplicidad. Si es un camino cerrado con traza

contenida en G, que no pasa por los puntos p1, ..., pm, z1, ..., zn y que es
homtopo a 0, se tiene que
n m

1 f' ( z )

2i f ( z )
dz I ( zk ) I ( p j ).
k 1 j 1
Un planteamiento ms general es el siguiente:
Teorema 5.5.2:
Sea f meromorfa en G con polos p1, ..., pm y ceros z1, ..., zn contados
tantas veces como indica su multiplicidad. Si es un camino cerrado con traza
contenida en G, que no pasa por p1, ..., pm, z1, ..., zn y homtopo a 0 y g es
analtica en G, entonces
n m

1 f' ( z )
2i g( z )
f(z)
dz g ( zi ).I ( zi ) g ( p j ).I ( p j )
i 1 j 1
El primero de los dos teoremas corresponde al caso g(z) 1. Si se
compara la primera versin del principio del argumento con los comentarios
realizados, se observa que los resultados planteados corresponden
exactamente a este principio, ya que si f(z) tiene un cero de orden h en z = a
(polo de orden h), el nmero I(a) aparece exactamente h veces en el primer
sumatorio de la igualdad que constituye la tesis de este principio.
Las razones por las que el resultado anterior recibe el nombre de
principio del argumento no son obvias. Si se puede definir log(f(z)), esta
n m

f' ( z )
funcin es una primitiva de y as 2i I ( zk ) I ( p j ) representa
f(z) k 1 j 1

la variacin del argumento de f(z) cuando z recorre . Como este nmero es

imaginario puro, el cambio es, realmente, el de Im(log(f(z))), esto es, el de
n m
iarg(f(z)). As, arg(f(z)) cambia en 2
k 1

I ( zk )
I ( p j ) cuando z

j 1
recorre .
Se puede entender mejor el significado de ese principio si se piensa en un
z ( z 3 )2 ( z 6 )
ejemplo concreto como f(z) = , y una curva que tiene de
z2
traza la circunferencia z = 5. Cuando el punto z da una vuelta completa a lo
largo de , cada uno de los factores del numerador de f tiene el siguiente
efecto: z da una vuelta en torno a 0, (z 3)2 da dos vueltas alrededor del origen
y (z 6) no da ninguna, slo oscila un poco, por lo que el argumento del
numerador aumenta en 32 = 6 cada vez que z recorre el camino . El
denominador tambin da una vuelta completa alrededor de 0, que hace
disminuir el argumento de f(z) en 2.
Naturalmente la explicacin anterior no es precisa ni completa. En la
f' ( z )
situacin planteada se tiene que f ( z ) dz 0 ya que es una funcin que
admite primitiva. Una justificacin completa se puede hacer por medio del lema
de cubrimiento de Lebesgue, y puede verse en J. B. Conway.1
5.5.3. Teorema de Rouch
Como consecuencia del principio del argumento se pueden extraer
conclusiones sobre el nmero de ceros de una funcin holomorfa y
1
Conway, J.: Functions of One Complex Variable. Springer-Verlang. (2 edicin). 1984.
especialmente el teorema de Rouch.
Teorema 5.5.3: Teorema de Rouch
Sea un camino homtopo a 0 con traza contenida en un conjunto abierto
y simplemente conexo G. Sean f y g funciones analticas en G y tales que f(z)
n m
g(z) < f(z), z (). Entonces pi I ( i ) q j .I ( j ) donde 1, ...,
i 1 j 1
n son los ceros de f con multiplicidades p1, ..., pn y 1, ..., m son los ceros de g
con multiplicidad q1, ..., qm.
La versin ms interesante de este resultado aparece cuando es
precisamente la frontera del disco. En este caso, los ndices son iguales a uno
y el resultado dice que f y g tienen el mismo nmero de ceros dentro del disco,
contando cada cero tantas veces como indique su orden.
El teorema de Rouch dice que si se somete una funcin f a una pequea
perturbacin, g, pequea en el sentido de que sobre una curva su mdulo sea
inferior al de f, entonces la funcin modificada tiene el mismo nmero de ceros
encerrados por que la funcin no perturbada.
5.5.4. Teorema fundamental del lgebra
Esta idea puede aprovecharse para demostrar con toda facilidad el
Teorema Fundamental del lgebra, pues el polinomio zn + azn-1 + bzn-2 + ... + c
se puede descomponer en suma de zn, con n races en z = 0, con el resto azn-1
+ bzn-2 + ...+ c, que verifica la desigualdad pedida pues zn es mayor que el
resto si z= R es muy grande.

5.5.5. Teorema de Hurwitz
Como consecuencia importante del teorema de Rouch se obtiene una
relacin entre los ceros de las funciones de una sucesin y los de la funcin
lmite.
Teorema 5.5.4: Teorema de Hurwitz
Sea f n 1 una sucesin de funciones holomorfas definidas en un abierto
G. Sea f su funcin lmite (que se sabe que es tambin holomorfa). Sea D un
disco con frontera tal que D G y f(z) 0 para todo z en la traza de .
Entonces existe n0 N tal que para cada n n0 la funcin fn tiene el mismo
nmero de ceros que f en D.
Como consecuencia se tiene que, si adems de las hiptesis anteriores,
G es conexo y las funciones fn no tienen ceros, f no tiene ceros o es
idnticamente nula.
Sea G una regin, f una funcin analtica sobre G, a1, ..., am los puntos de
G en los que f(z) = y un camino con traza contenida en G y que no pasa por
a1, ..., am. Entonces, por aplicacin del principio del argumento, se tiene que:
m

1 f' ( z )

2i f ( z )
dz I ( ai ) .
i 1
5.5.6. Teorema de la aplicacin abierta
Se observa que en el planteamiento anterior aparecen los puntos en los

que f toma el valor , esto es, los -puntos de f. Puede derivarse de esta
expresin un resultado sobre el nmero de races de una ecuacin y el teorema
de una aplicacin abierta.
Teorema 5.5.5:
Sea f una funcin holomorfa en BR(a) y sea = f(a). Si f(z) tiene un
cero de orden m en z = a, entonces existen > 0 y > 0 tales que para ,
< , la ecuacin f(z) = tiene exactamente m races simples en B(a).
Teorema 5.5.6: Teorema de la aplicacin abierta
Sea G una regin y f una funcin holomorfa no constante en G. Entonces
para todo conjunto abierto U en G, f(U) es abierto. O de forma equivalente,
para cada a G existe un > 0 tal que B(f(a)) f(G).
Si f: G C es inyectiva, holomorfa y f(G) = , la aplicacin inversa f -1:

C es tambin holomorfa y f 1 ( w )
1
f ( z )
, f(z) w .
De acuerdo con el teorema de la aplicacin abierta si w f(G), siempre se
puede encontrar una bola centrada en w y contenida en f(G). As, si f es no
constante, f no puede alcanzar el mximo dentro de G. Esto de nuevo da
lugar al teorema del mdulo mximo, del cual se exponen a continuacin tres
versiones. Para poder formular la tercera versin se utilizan las siguientes
notaciones:
Si f es una aplicacin definida en G y con valores en y a G o a = ,
lm sup f ( z ) lim sup {f ( z ) : z G Br (a ) }

z a r 0
lm inf f ( z ) lim inf {f ( z ) : z G Br (a )} }.

z a r 0
Se llama frontera ampliada de G a la frontera de G en la
compactificacin de C y se representa por G. Se observa que si G es un
subconjunto de C acotado, esta frontera coincide con la ordinaria, mientras que
si G es no acotado habra que aadirle el punto del infinito, es decir:
G = G .
5.5.7. Teorema del mdulo mximo
Teorema 5.5.7: Teorema del mdulo mximo (primera versin)
Si f es holomorfa en una regin G y a es un punto en G tal que f(a)
f(z) para todo z perteneciente a G, entonces f es constante.
Si f es holomorfa en un abierto G y no es constante entonces f no
alcanza su valor mximo en G.
Teorema 5.5.8: Teorema del mdulo mximo (segunda versin)
Sea G un conjunto abierto acotado contenido en C y se supone que f es
continua en G y holomorfa en G. Entonces el valor mximo de f en G se
alcanza en la frontera de G:
mx{f(z); z G } = mx {f(z); z G}
Teorema 5.5.9: Teorema del mdulo mximo (tercera versin)
Sea G una regin en C y f una funcin holomorfa en G. Se supone que
existe una constante M tal que lm sup f(z) M para todo a G. Entonces
f(z) M para todo z G.
A partir de estos resultados se pueden obtener interesantes propiedades
sobre las funciones holomorfas en relacin con su regin de crecimiento,
distribucin de ceros, etc. Por ejemplo se enuncia a continuacin el teorema de
los tres crculos de Hadamard.
5.5.8. Teorema de los tres crculos de Hadamard
Teorema 5.5.10: Teorema de los tres crculos de Hadamard
Sea 0 < R1 < R2 < + y se supone que f es holomorfa en {z; R1 < z <
R2}. Si R1 < r < R2, se define M(r) = mx{f(rei), 0 2}. Entonces para R1
< r1 r r2 < R2, se tiene:
log r 2 log r log r log r1

log M ( r ) log M ( r1 ) log M ( r 2 )
log r 2 log r1 log r 2 log r1
Expresado de otra manera, log(M(r)) es una funcin convexa de log(r).
5.5.9. Problema de Dirichlet
Como consecuencia directa de la segunda versin del principio del
mdulo mximo se sabe que si dos funciones f y g son continuas sobre un
compacto, holomorfas en el interior, y coinciden en la frontera, las dos
funciones son iguales. Con esto se obtiene un nuevo resultado sobre identidad
de funciones. A partir de aqu se plantea, de forma natural el siguiente
problema:
Si g es una funcin continua en la frontera de un compacto K, existe
una funcin f definida en K que sea prolongacin de g, continua en K y
holomorfa en el interior?.
Esta es una forma particular de presentar un problema ms general,
conocido como problema de Dirichlet.
Otras propiedades sobre funciones holomorfas no constantes son fciles
consecuencias del hecho de que son aplicaciones abiertas. Por ejemplo, la
funcin Re(f(z)) no puede alcanzar el mximo (o el mnimo) en un dominio D, si
f es holomorfa y no constante en l.
5.5.10. Teorema de Phragmen-Lindelf
Por el teorema de Liouville se sabe que si una funcin entera es acotada
entonces es constante. Sin embargo a la vista de estos ltimos resultados se
observa que no es necesario imponer una restriccin tan fuerte, sino que es
posible limitarse a dar una restriccin en el crecimiento de la funcin. As, si f
es entera y f(z) 1 + z1/2 entonces f es constante.
En 1908 E. Phragmen y E. Lindelf extienden el principio del mdulo
mximo en este sentido. En su teorema aparece una restriccin del crecimiento
de la funcin cuando z se aproxima a puntos de la frontera ampliada.
Teorema 5.5.11: Teorema de Phragmen-Lindelf
Sea G una regin simplemente conexa y f una funcin holomorfa en G. Se
supone que existe una funcin analtica definida en G que no se anula y es
acotada en G. Si M es una constante, G = A B y se verifica:

i) Para cada a A, lm sup f ( z ) M .

z a

ii) Para cada b B, y 0, lm sup f ( z ) . ( z ) M entonces f(z)
z b
M para todo z G.
Se pueden formular los siguientes resultados, que son consecuencias del
teorema anterior.
Corolario 5.5.12:
Sea a 1/2 y G = {z; arg(z) < /(2a)}. Se supone que f es holomorfa en
G y que existe una constante M tal que lm sup f ( z ) M , w G . Si existen

z w
constantes positivas p y b < a tales que f(z) pexp(zb) para todo z con
mdulo suficientemente grande, entonces f(z) M para todo z G.
Corolario 5.5.13:
Sea a 1/2 y G = {z; arg(z) < /(2a)}. Se supone que
lm sup f ( z ) M , w G . Adems se supone que para cada existe una

z w
constante p (que puede depender de ) tal que f(z) pexp(zw) para todo
z con mdulo suficientemente grande y que pertenezca a G, entonces f(z)
M para todo z G.
A continuacin se presenta una ltima consecuencia del teorema del
mdulo mximo, que permite, por otra parte, caracterizar las aplicaciones
conformes del disco unidad sobre si mismo.

5.5.11. Lema de Schwarz
Proposicin 5.5.14: Lema de Schwarz
Sea B1(0) = {z; z<1} y se supone que f es holomorfa en B1(0) y que
verifica que f(z) 1 para todo z B1(0), y f(0) = 0; entonces f (0) 1 y
f(z) z para todo z B1(0). Adems si f(0) = 1 o si f(z)= z para
algn z 0, existe una constante c con mdulo uno, tal que f(z) = cz para todo
z B1(0), lo que significa que f es un giro.
La conclusin f(z) z en el lema de Schwarz expresa una restriccin
especfica sobre f(z) en trminos de z, esto es, la aplicacin z f(z) no
aumenta el mdulo. En particular esto implica que si z vara en algn
subconjunto del disco z r (0 < r < 1), entonces los valores de f(z) estn
tambin en ese disco.
Por aplicacin de este resultado se obtiene que si f es una aplicacin
holomorfa y biyectiva del disco Br(0) sobre s mismo, f es de la forma f = c
donde c es una constante del mdulo igual a 1 y es una transformacin de
Mbius de la forma z .
1 .z
5.5.12. Principio de Lindelf o principio de subordinacin
Sean f y g dos funciones holomorfas en z<1 con rangos F y G
respectivamente, y se supone que F est contenido en G. Se supone tambin
que g es inyectiva en z < 1 y que f(0) = g(0). Todos estos supuestos se
expresan diciendo que f est subordinada a g para z < 1. Bajo estas

condiciones g tiene inversa analtica g-1 y la funcin = g-1 f es analtica para
z < 1. La funcin satisface el lema de Schwarz y as (0) 1. Como f(z)
= g((z)) y, en particular como f(0) = g(0)(0) se tiene que f(0) g(0).
Adems la igualdad se verifica si f(z) = g(rz), donde r = 1. As la desigualdad
anterior expresa el hecho de que el mximo mdulo de la derivada en el 0 de
todas las funciones subordinadas a g se alcanza en aquellas funciones que se
obtienen de g por rotaciones en z.
La subordinacin de f a g es equivalente a la relacin f(z) = g((z)), donde
satisface el lema de Schwarz.
Por tanto satisface (z) z para todo z, (z < 1). En particular si
z r (0 < r < 1) entonces (z) r. Como f(z) = g((z)) esto implica que la
imagen de z r por f es un subconjunto de la imagen de z r bajo g.
Este resultado se conoce usualmente como principio de Lindelf.
Puede expresarse diciendo que si f est subordinada a g para z < 1
entonces f est subordinada a g para z < r, para todo r, 0 < r < 1.
El trmino principio de subordinacin remite a la desigualdad f(0)
g(0), a la relacin f(z) = g((z)), o al principio de Lindelf. El lema de Schwarz
puede considerarse como un caso especial de este principio, donde G es el
disco unidad abierto y g(z) = z.
5.5.13. Clasificacin de las funciones enteras
Definicin 5.5.2:
Una funcin entera es una funcin holomorfa en todo el plano complejo.
Esto implica que verifica un conjunto de interesantes propiedades, como
por ejemplo, que:
El desarrollo en serie de potencias en cualquier punto tiene un
radio de convergencia infinito.
La suma, diferencia y producto de un nmero finito de funciones
enteras sigue siendo una funcin entera.
El cociente de dos funciones enteras es una funcin entera si el
denominador es distinto de cero en todo punto.
La composicin de dos funciones enteras es una funcin entera.
Si f(z) es una funcin entera que no se anula en ningn punto
entonces existe una funcin entera g(z) tal que f(z) = exp(g(z)).
El comportamiento de las funciones enteras en el infinito permite
clasificarlas en tres grandes grupos:
Si la funcin entera tiene en el punto del infinito un punto regular, al
aplicar el teorema de Liouville se tiene que debe ser una funcin
constante.
Si la funcin entera tiene en el punto del infinito un polo de orden k
mayor o igual a uno, entonces la funcin es un polinomio.
Si la funcin entera tiene en el punto del infinito una singularidad
esencial entonces recibe el nombre de funcin entera
transcendente por similitud a los nmeros transcendentes.
Se considera un dominio acotado D y una funcin entera f. Aplicando el

teorema del mdulo mximo se sabe que el mdulo de f alcanza su mximo en
la frontera de D. Por tanto si D = {z; z < r} el mximo se alcanza en un punto
z0 con mdulo r. Se representa por M(r), o por M(r, f), si se quiere hacer
referencia expresa a la funcin, a dicho mximo:
M(r) = M(r, f) = mx f ( z ) .
z r
De igual forma, si f es una funcin entera que no se anula, entonces F(z)
= 1/f(z) es entera, y f alcanza su mdulo mnimo en el punto donde F alcanza
su mdulo mximo, y por tanto en un punto z1 de mdulo r, que se representa
por m(r). Es evidente que M(r) crece al crecer r. Se estudia la relacin entre
M(r) y los coeficientes de la serie de potencias asociada a f en 0, y se compara
su crecimiento con el de la funcin exponencial. Por ltimo se compara el
crecimiento del mdulo mximo, M(r), con el crecimiento del mdulo mnimo
m(r).
Al desarrollar la funcin f en serie de potencias en el origen se conoce,
por la desigualdad de Cauchy, que el mdulo de los coeficientes est acotado
por an M(r)/rn, luego en el caso en que la funcin sea un polinomio de grado
n se tiene que:
M( r ) M( r , P )
lm lm 1,
r an r n r M( r , an z n )
es decir, el mdulo mximo de un polinomio de grado n es asintticamente
igual al trmino de mayor grado del polinomio.
Si f es una funcin entera que no es un polinomio, la relacin de
crecimiento de su mdulo mximo con respecto a la del polinomio viene dada
por el siguiente teorema:

Proposicin 5.5.15:
Si f es una funcin entera que no es un polinomio se tiene que:
M( r , P )
lm 0.
r M( r , f )
Esto indica que el mdulo mximo de la funcin crece ms deprisa que el
mdulo mximo del polinomio, sea cual sea ese polinomio.
Definicin 5.5.3:
Una funcin holomorfa se dice que es una funcin algebraica si verifica
una ecuacin de la forma:
P0(z) + P1(z)f(z) + P2(z)f 2(z) + ... + Pn(z)f n(z) = 0,
para todo z en un dominio dado, donde Pi(z) son polinomios y Pn(z) no es
idnticamente nulo.
Los nombres de funciones enteras algebraicas y transcendentes hacen
referencia a la similitud con los nmeros irracionales algebraicos, que son
races de alguna ecuacin algebraica, o transcendentes, que no son races de
ninguna ecuacin algebraica de grado finito con coeficientes racionales. Se
tiene que si una funcin entera no es un polinomio, entonces no es algebraica.
5.5.14. Orden de una funcin entera
El orden es un nmero que caracteriza a las funciones enteras pues
compara el crecimiento del mdulo mximo de la funcin con el crecimiento del
mdulo mximo de la funcin exponencial.
Definicin 5.5.4:
Se llama orden de una funcin entera f(z) no idnticamente nula al
nmero obtenido como el lmite superior de:
lg lg M( r , f ) lg lg M( r , f )
lm sup lm sup .
z lg r
r lg lg M( r , e ) r
Se tienen los siguientes resultados:
Si f(z) es una funcin entera transcendente, P(z) y Q(z) son
polinomios y P(z) no es idnticamente nulo, entonces el orden de
P(z)f(z) + Q(z) es el mismo que el de f(z).
El orden de una funcin entera f(z) = P(z)eR(z) + Q(z), donde P(z),
R(z) y Q(z) son polinomios y P(z) no es idnticamente nulo, es
igual al grado de R(z).
Si R(z) es una funcin entera y el orden de f(z) = eR(z) es finito,
entonces R(z) es un polinomio y por tanto el orden de f(z) es un
nmero entero.
El desarrollo en serie de potencias de una funcin entera transcendente
se podra suponer que es una especie de polinomio de grado infinito, con lo
que entonces debera de tener, igualada a cero, un nmero infinito de
soluciones, lo que en general no es cierto. En este sentido se tienen los
siguientes resultados:
Si f(z) es una funcin entera transcendente y de orden finito no
entero, y P(z) es un polinomio no idnticamente nulo, la ecuacin:
f(z) = AP(z), tiene infinitas races para todo nmero complejo A sin
excepciones.
Si f(z) es una funcin entera transcendente y de orden finito entero, y P(z)

es un polinomio no idnticamente nulo, la ecuacin: f(z) = AP(z), tiene infinitas
races para todo nmero complejo A con la posible excepcin de un valor.
Los resultados anteriores son casos particulares del siguiente teorema:
Proposicin 5.5.16:
Si f(z) es una funcin meromorfa transcendente, (con una singularidad
esencial en el infinito), para cada nmero complejo A, finito o infinito, la
ecuacin f(z) = A tiene un nmero infinito de races con dos posibles
excepciones.
Se puede estudiar tambin la relacin entre el conjunto de ceros y el
mdulo mximo de la funcin enunciando el teorema de Jensen, que se puede
extender a los polos, teniendo la expresin conocida como frmula de Poisson-
Jensen. Un resultado parecido al teorema de Jensen pero que en lugar de
aplicarse en una regin circular se aplica en un semiplano es el teorema de
Carleman. El teorema de Borel y Carathodory permite obtener una cota
superior del mdulo de una funcin en un crculo a partir de cotas de sus partes
real o imaginaria sobre un crculo concntrico de radio mayor.
Otra forma de introducir el concepto de orden, til en muchas ocasiones,
es como sigue:
Definicin 5.5.5:
Se dice que una funcin entera f(z) tiene orden finito si existe una
constante tal que f(z) < exp r para z = r, y r mayor que un cierto r0.
Mediante la definicin anterior es fcil probar que:
Si f1(z) y f2(z) son funciones enteras de rdenes 1 y 2

respectivamente, y si 1 < 2, el orden de f1(z) + f2(z) es igual a 2.
Si f1(z) y f2(z) son funciones enteras de rdenes 1 y 2
respectivamente, y si 1 2, el orden de f1(z)f2(z) es menor o igual
a 2.
Si f(z) es una funcin entera de orden y P(z) es un polinomio no
nulo, el producto f(z)P(z) es una funcin entera de orden . Y si el
cociente f(z)/P(z) es una funcin entera, tambin es de orden .
Definicin 5.5.6:
Dada una funcin entera f(z) de orden finito , si se supone que existe un
k > 0 tal que M(r, f) < exp(kr), con r suficientemente grande, entonces se dice
que f es de tipo finito.
Al nfimo de los valores k se le denomina tipo de f y se representa por .
Si 0 < < se dice que f es de tipo finito, si = 0 se dice que f es de tipo
mnimo, y si = se dice que f es de tipo mximo.
5.6. EJERCICIOS
5.15. Determinar las singularidades de las funciones:
2z 3
a) f(z) = Log( ),
z 1
b) f(z) = Im( z 2 ).
1
c) f(z) = .
z 2 senz
z
d) f(z) = .
ez 1
1
1
cos( )
z
1
1
tan g ( )
z
siguientes:
1
a) f(z) = .
2
z senz
z
b) f(z) = .
ez 1
sen 2 z
c) f(z) = .
z2
z
d) f(z) = .
z
( e 1) cos z
siguientes:
( z 1)
a) f(z) = .
( z 3 ) 2 sen 3 z
z
b) f(z) = .
1
e z 1
sen 2 z
c) f(z) = .
( z 5 )2 ( z 1)3
2( z 3 )
d) f(z) = .
z 1
( e 1) cos( )
z
5.20. Clasificar, si existe, el tipo de singularidad en z = z0, realizando
el desarrollo en serie adecuado:
1
a) f(z) = en z = 2.
( z 2 )( z 3 )
1
b) f(z) = en z = 2.
( z 2 )3 ( z 3 )
( z 1)3
c) f(z) = en z = 2.
( z 2 )3 z
1
d) f(z) = en z = 0.
3
z senz
5.21. Calcular los siguientes residuos:
1
a) Res( , 0).
z 3 senz
( z 1)3
b) Res( , 2).
( z 2 )3 z
1
c) Res( ,2).
( z 2 )3 ( z 3 )
z
d) Res( , 0).
( z 3 ) 2 sen 3 z
5.22. Calcular las siguientes integrales utilizando el teorema del
residuo:
( z 1)3 dz
a) z ( z 2)
, donde (t) = 3eit, 0 t 2.
cos z dz
b) ( z 2 )2 ( e z 1) , donde (t) = eit, 0 t 2.
senz dz
z 2 ( z 2 1)( z 5 ) , donde (t) = 4e , 0 t 2.
it
c)
i 1 5i seni
(Solucin: a) 2i; b) ; c) 2i( + ))
2 5 26
dz
5.23. Calcular la integral Im = m
2
z ( senz )
si la traza de m es el
2m 1
cuadrado de vrtices los puntos: ( 1 i ) y utilizar el
2

( 1) n
resultado para calcular la suma de la serie: s = 2
.
n 1 n
m
( 1) n 2

1
(Solucin: Im =2i( +2 ); s = )
2 2
6 n 1 n 12

2

1
5.24. Deducir que = .
2 6
n 1n
cot gz dz
(Ayuda: Evaluar la integral Im = m z2
cuando la traza
2m 1
de m es el cuadrado de vrtices los puntos: ( 1 i ) )
2

4

1
5.25. Deducir que = .
4 90
n 1n
5.26. Calcular las siguientes integrales reales, utilizando integrales

complejas:
( 2x 2 1) dx
a) 0 x 4 5x 2 4
.
x 2 dx
b) 0 ( x 2 9 )( x 2 4 )2
.
dx
c) 0 ( x 1) 2 ( x 2 4 )
2
.

(Solucin: a) ; b) ; c) )
4 200 18
dx 2
5.27. Demostrar que 0 3
x 1
=
3 3
.
(Ayuda: Evaluar la integral I = f = f 1

+ f 2
+ f 3
siendo la
traza de 1 el segmento [0, R], 2(t) = Reit, 0 t 2/3, y 3 el
2
i
segmento [ Re 3 , 0]. Calcular el lmite cuando R tiende a infinito.)
5.28. Estudiar la forma de calcular utilizando integrales complejas las
P ( x ) senx
siguientes integrales reales, Q( x ) cos x dx , donde P(x) y Q(x)
son polinomios, y aplicarlo a los siguientes ejemplos:
cos x dx
a) x 2 x 1 .
senx dx
b) x 2 x 1 .
(Solucin: Se calcula la integral compleja en el semicrculo,
sustituyendo el seno o el coseno por eiz, y se separa parte real y

3
2e 2
parte imaginaria. a) ; b) )
3 3
senx dx
5.29. Calcular x2
.
5.30. Calcular, utilizando el residuo en el infinito las siguientes
integrales:
( z 1)3 dz
z 2 ( z 2 a ) , donde (t) = 5e , 0 t 2.
it
a)
cos z dz
b) ( z 2 )7 ( e z 1) , donde (t) = 7eit, 0 t 2.
senz dz
c) z 5 ( z 2 1)3 ( z 5 )2 , donde (t) = 6eit, 0 t 2.
5.31. Se considera el camino: (t) = 1 + (3 + 2t t2)e2it, 0 t 2. a)
Comprobar que el camino es cerrado. b) Calcular, utilizando la
definicin de ndice, el ndice de respecto del punto z = 1. c)
z 3 cos( z 2 ) dz
Calcular ( z 1)
.
5.32. Calcular el residuo de f en su singularidad siendo f la
zA
transformacin de Mbius f(z) = k , donde k, A y B son
zB
nmeros complejos. Calcular f ' siendo una curva cerrada y
simple cualquiera.
( 2 z 2 z 4 ) dz
5.33. Calcular la integral ( e z e z ) (1 cos 2 z ) utilizando el
7 it
teorema del residuo, donde (t) = e , 0 t 2.
2
5.34. Calcular las siguientes integrales utilizando el teorema del
residuo:
e z dz
a) ( z 1)2 , donde (t) = 2eit, 0 t 6.
1
b) ( z z0 ) 2 dz , donde (t) = z0 + 2eit, t .
5.35. Sea el camino cerrado cuya traza es el cuadrado de vrtices
(2, 2), (2, 2), (2, 2), (2, 2), calcular las siguientes integrales:
z 2 dz
a) ( z )( z i )
, donde se recorre dos veces en sentido negativo.
e cos z dz
b) ( 9 z 2 )( z ) , donde se recorre tres veces en sentido positivo.
c) z dz , donde se recorre una vez en sentido positivo.
5.36. Calcular las siguientes integrales donde (t) = 5eit, 0 t 2.

2
a) ( 1 z z ) e z dz .
( 1 z z ) e z 4 dz .
2
b)
1 1
(1 z z e z4
2
c) )(e z ) dz .
10i 154 i 164 i

(Solucin: a) b) c) )
3 3 3
3z 2 cos z dz
5.37. Calcular (1 z 2 ) ( z 3i ) sen 2 z ,
a) donde (t) = 4eit, 0 t 4.
b) donde (t) = 4eit, 2 t 0.
1 it
c) donde (t) = e , 0 t 4.
4
1 it
d) donde (t) = e , 2 t 0.
4
3 it
5.38. Calcular las siguientes integrales donde (t) = e , 0 t 2.
4
( 1 4z ) dz
a) (1 z )2 (1 2z ) .
1
z
5
b) cos dz .
z
dz
senz 2 , donde (t) = e , 0 t 6, obteniendo
it
5.39. Calcular
previamente las races de la ecuacin: sen z = 2.
( 3z sen 2z 3( z 1) cos z ) dz
5.40. Calcular ( z 1) 2
, donde la traza de
la curva es {z; z 1 = 2}, recorrida una vez en sentido positivo.
z dz
e z 1 , donde (t) = 4e (1 i), 0 t 2.
it
5.41. Calcular
(Solucin: 42)
f , donde (t) = 1 + 2e , 0 t 2, sabiendo que f(z)

it
5.42. Calcular
5
= z4cos .
z
2i 5 6
(Solucin: )
6!
5.43. Calcular las siguientes integrales donde la traza de la curva es
el contorno del cuadrado de lados paralelos a los ejes
coordenados, centrado en el origen y semilado de longitudes a = 1,
2, 3 y 4, recorrida una vez en sentido positivo.
dz
a) e z 1 .
dz
b) e 2z 2e z 1 .
(Solucin: Para a = 1, 2 y 3, I = 0; Para a = 4: I =4i, en ambas integrales)
e z 3i
5.44. Dada la funcin f ( z ) :
( z 3i ) 4
a) Calcular el desarrollo de Laurent de f(z) en 0 < z + 3i < +.
b) Calcular f siendo la traza de la curva el cuadrado de
lados de longitud 10 paralelos a los ejes coordenados,
centrado en el origen y recorrido una vez en sentido positivo.
i
(Solucin:
f =
3
)
senz dz
5.45. Calcular z(cos z 1)
, donde (t) = 3eit, 0 t 2.
(Solucin: 0)
2tghz dz
e z (cos z 1) , donde (t) = e , 0 t 4, siendo tgh z
it
5.46. Calcular
la funcin tangente hiperblica. Estudiar previamente la
derivabilidad de esta funcin, y la derivabilidad de la funcin:
2tghz
.
z
e (cos z 1)
(Solucin: f = 16i)
1
e z 1
( 5z cos z senx )dz , donde (t) = e , 0 t 4.
it
5.47. Calcular
4i
(Solucin: 2 2i )
5
5.48. Calcular las siguientes integrales donde (t) = 2eit, 0 t 2k, k
= 1, 2, ...
dz
a) z 1 .
dz
b) z 3 .
e z dz
c) z 3 9z .
(Solucin: a) 2ik; b) 0; c) 2ik/9)
it
1 e t
5.49. Calcular
z2 i
dz , donde (t) =
2( t )i
2

t
3
2.
2 2
2
(Solucin: ( 1 i ) )
2

zn
f , donde (t) = e , 0 t 2, y f ( z )
it
5.50. Calcular .
n
n 3
2
(Solucin: i )
3
1
cos z 1
5.51. Calcular ( z 2 ( e z 1 ( z 2 )e z )dz , donde (t) = eit, 0 t 2.
(Solucin: 4i)
3z 2 cos z
5.52. Calcular (1 z 2 )( z 3i )sen 2 z dz , donde
a) (t) = 6eit, 0 t 4.
1 it
b) (t) = e , 2 t 0.
6

z
5.53. Calcular 4
cos 2 z sen 2 z
dz , donde (t) = eit, 0 t 2.
CAPTULO 6
Geometra de las transformaciones complejas
En este captulo se estudia la geometra de las funciones complejas, que
es tan interesante por s misma como por la magnfica visin geomtrica que
proporciona, y que adems tiene muchas aplicaciones en la fsica y en la
tcnica.
Como se estudi en captulos anteriores, es difcil representar
grficamente una aplicacin compleja f: A C C, ya que no es posible su
representacin grfica de la misma manera que se realizaba la de las funciones
reales de una variable real, aunque sin embargo admite una interesante
interpretacin geomtrica como transformacin de un plano complejo con
coordenadas x e y tales que z = x + iy en otro plano complejo con
coordenadas u y v tales que w = f(z) = u + iv; de este modo a cada punto z C
se le asocia un punto w = f(z) C.
Si se considera que z describe una curva o una figura cualquiera (una
recta, una circunferencia, un disco...) se puede analizar la curva o la figura que
describe w = f(z). De esta forma un subconjunto A del plano complejo se
transforma a travs de una funcin f en el subconjunto f(A). El conocimiento de
f permitir averiguar de qu forma se transforman las figuras del plano z en
figuras del plano w.

6.1. TRANSFORMACIONES CONFORMES
Intuitivamente se dice que una funcin f es conforme en z0 si conserva la
magnitud y el sentido de los ngulos en z0, es decir, si se verifica que para dos
curvas cualesquiera, y , que pasen por z0, se tiene que sus curvas imgenes
(f o ) y (f o ) forman en f(z0) el mismo ngulo que y formaban en z0.
Cada nmero complejo z, distinto de cero, determina una direccin a
z
partir del origen, definida por el punto del crculo unidad A[z] = . Sea f una
z
aplicacin de una regin en el plano complejo, sea z0 un punto de esa regin
, y sea Br(z0) un entorno reducido en el cual f(z) f(z0). Se dice que f
conserva ngulos en z0 si el lmite:
lm e i A ( f ( z0 re i ) f ( z0 )), r 0
r 0
existe y es independiente de .
En lenguaje menos preciso, se pide que el ngulo que formen cualquier
par de rayos L y L con origen en z0, coincida con el ngulo que formen sus
imgenes f(L) y f(L) en f(z0), tanto en amplitud como en orientacin.
La propiedad de conservar ngulos en una regin es caracterstica de las
funciones holomorfas cuya derivada no tiene ningn cero en esa regin. Esta
es la razn por la que a esas funciones se les da el nombre de aplicaciones
conformes.
Definicin 6.1.1:
Sea f una aplicacin de un abierto en el plano complejo, f: C C y

Transformaciones complejas 309
sea z0 un punto de esa regin , se dice que f es una transformacin
conforme en z0 si f es holomorfa en z0 y f (z0) 0.
Teorema 6.1.1:
Sea una regin del plano complejo y f una aplicacin de en C. Si
existe f(z0) en algn z0 y f(z0) 0, entonces f conserva los ngulos en z0.
Recprocamente si la diferencial de f existe y es diferente de 0 en z0, y si f
conserva los ngulos en z0, entonces f (z0) existe y es distinto de cero.
En efecto, sea una curva diferenciable, : [a, b] C, sea t0 un punto
del intervalo abierto (a, b) y sea z0 = (t0). La direccin de en este punto viene
dada por el vector tangente de 2, (t0), siendo la pendiente de la curva el
argumento de (t0) en el caso en que (t0) sea distinto de cero, 0 = arg((t0)),
(si (t0) = 0 se tienen problemas para precisar la direccin de la curva).
Sea f: C C una transformacin en el plano complejo, y se quiere
analizar como vara la pendiente de la curva al aplicar f. Se obtiene una nueva
curva: f : [a, b] C, que pasa por f(z0) para t = t0: (f )(t0) = f((t0)) = f(z0). La
direccin de f en t0 viene dada por el vector tangente (f )(t0) que si f es
holomorfa en z0 se obtiene como (f )(t0) = f((t0))(t0) y si (t0) es distinto de
cero, entonces su argumento es el producto de dos argumentos, arg(f(z0)) y
arg((t0)), pues:
arg((f )(t0)) = arg(f((t0))(t0)) =
arg(f((t0))) + arg((t0)) = arg(f(z0)) + arg((t0))
que se interpreta como que la pendiente de la curva en el punto z0, al
aplicarle la transformacin f, aumenta en la cantidad arg(f(z0)), sea cual sea la

curva .
Por lo tanto, si 1 y 2 son dos curvas que se cortan en z0 bajo un ngulo
, sus transformadas f 1 y f 2 se cortan en f(z0) bajo el mismo ngulo,
puesto que la transformacin f hace girar a ambas curvas un mismo ngulo de
medida arg(f(z0)).
Corolario 6.1.2: Si f es holomorfa e inyectiva en un abierto entonces
f(z0) 0 para todo z0 .
Es sencillo comprobar que si una funcin es holomorfa e inyectiva en un
abierto , entonces su derivada no se anula en ningn punto de , por lo que
es holomorfa en todo punto z de .
Si f es holomorfa en z0, lo es en un entorno de z0, y al ser la funcin f
continua en z0, existe un entorno de z0 donde f(z0) es distinto de cero, y por
tanto, si f es conforme en z0, lo es en un entorno de z0, y como consecuencia,
existe la funcin inversa local cuya derivada: (f -1)(w0) = 1 / f(z0) existe y es
distinta de cero, luego es tambin una transformacin conforme en un entorno
de w0 = f(z0).
Definicin 6.1.2:
Sea f una aplicacin de un abierto en el plano complejo, f: C C,
se dice que f es una transformacin conforme en si f es holomorfa e
inyectiva en .
Observaciones
1. Algunos autores definen transformacin conforme como aquella
que conserva los ngulos.

2. Otros autores definen transformacin conforme en un abierto
como la aplicacin que es conforme en todos los puntos del
abierto. No exigen que la aplicacin sea inyectiva. Esta definicin
tiene el inconveniente de no garantizar la existencia de la funcin
inversa local. Por ejemplo, la funcin exponencial, cuya derivada
no se anula en ningn punto, segn esta definicin, sera conforme
en todo el plano complejo, mientras que slo lo es en bandas
horizontales de anchura menor o igual a 2, si en la definicin se
impone que debe ser inyectiva.
3. En muchas ocasiones en Fsica existe el problema de encontrar
una funcin holomorfa y biyectiva, y por tanto conforme, lo que
conduce a definir una aplicacin conforme como una aplicacin
holomorfa y biyectiva en una cierta regin, con lo que, como
consecuencia es conforme en todo punto de dicha regin. Si una
funcin es holomorfa y biyectiva entre dos dominios entonces su
inversa tambin es holomorfa y biyectiva. A estas funciones se las
suele denominar biholomorfas. El hecho de escoger esta
definicin garantiza por tanto la existencia de la funcin inversa,
aunque segn la definicin 6.1.2, que es una definicin ms
restrictiva, slo se garantiza la existencia de inversa local.
Ortogonalidad
Naturalmente las transformaciones conformes respetan la ortogonalidad.
En particular transforman haces de rectas horizontales y verticales en haces de
curvas ortogonales. Esto permite obtener con facilidad pares de familias de

curvas ortogonales.
Equivalencia conforme
Uno de los aspectos ms interesantes de esta teora es el de la
equivalencia conforme.
Definicin 6.1.3: Dadas dos regiones 1 y 2 se dice que son
conformemente equivalentes, 1 2, si existe una funcin f definida en 1,
holomorfa e inyectiva, cuyo rango sea 2.
Dos regiones conformemente equivalentes son homeomorfas.
Proposicin 6.1.3:
La relacin conformemente equivalentes entre conjuntos es una relacin
de equivalencia.
Demostracin:
En efecto, verifica las propiedades reflexiva, simtrica y transitiva:
a) al ser la funcin identidad, f(z) = z, una aplicacin conforme.
b) Si 1 2, entonces 2 1, pues si f: 1 C 2 es una aplicacin
conforme, su aplicacin inversa es una aplicacin conforme de 2
sobre 1.
c) Si 1 2 y 2 3, entonces 1 3, ya que la composicin de dos
aplicaciones conformes es una aplicacin conforme, y si f: 1 C
2 C, y g: 2 C 3 C, son conformes en 1 y 2
respectivamente, entonces f g: 1 C 3 C, es holomorfa e
inyectiva luego es conforme, y en consecuencia 1 3.

6.1.1. Teoremas de la aplicacin abierta y de la aplicacin
de Riemann
Existe una relacin muy importante entre regiones conformemente
equivalentes: Sea H() el conjunto de todas las aplicaciones conformes
definidas sobre la regin ; si f es una aplicacin conforme f: 1 C 2 C,
y g: 2 C queda definida una aplicacin:
H(2) H(1)
g g of
que es inyectiva, suprayectiva y conserva las sumas y los productos, esto es,
se trata de un isomorfismo de anillos de H(2) sobre H(1). As, problemas
sobre H(2) pueden ser convertidos en problemas sobre H(1), y las
soluciones pueden ser transportadas de nuevo a H(2).
Dos propiedades importantes de las aplicaciones conformes son los
siguientes teoremas:
Teorema de la aplicacin abierta
Sea f una aplicacin conforme y no constante en un conjunto abierto ,
entonces f() es abierto.
El caso ms importante est basado en el teorema de la Aplicacin de
Riemann, que afirma que toda regin simplemente conexa en C y distinta de C
es conformemente equivalente al disco unidad abierto.
La demostracin del teorema de la Aplicacin de Riemann es complicada,
pero al menos es interesante enunciarlo pues permite asegurar que dadas dos
regiones simplemente conexas existe una aplicacin conforme que transforma
una de ellas en la otra.
Teorema de la aplicacin de Riemann
Sea un subconjunto de C abierto y simplemente conexo distinto del
plano complejo; entonces existe una aplicacin conforme (holomorfa y
biyectiva) f que transforma el conjunto en el disco unidad con centro en el
origen, es decir, tal que f() = B1(0).
Adems, dado cualquier punto z0 la funcin f anterior es nica si se
exigen las condiciones f(z0) = 0 y f (z0) > 0.
A partir del teorema de la aplicacin de Riemann se tiene que dos
subrregiones propias y simplemente conexas de C son conformemente
equivalentes, al ser equivalentes las dos al disco unidad. Esta es una
propiedad muy especial de las regiones simplemente conexas de C.
Se plantea la cuestin de si esto puede extenderse a situaciones sencillas
parecidas, como el caso de dos coronas circulares, siendo la respuesta,
generalmente, negativa.
Dadas dos coronas circulares: {z; r1 < z < R1}, {z; r2 < z < R2}, una
condicin necesaria y suficiente para que sean conformemente equivalentes es
que R1/r1 = R2/r2.
Bajo ciertas condiciones toda aplicacin conforme de una regin
simplemente conexa sobre el disco unidad D = B1(0) puede extenderse a un
homeomorfismo de sobre D . En esta posible extensin juega un papel
fundamental la naturaleza de la frontera de .

Si w es un punto de la frontera de , se dice que w es un punto frontera
simple de si tiene la siguiente propiedad:
Para toda sucesin (zn) en tal que zn tienda a w cuando n tiende a
infinito, existe una aplicacin continua f: [0, 1] C y una sucesin (tn), 0 < t1 <
t2 < ... < tn < ... con tn tendiendo a 1, tal que f(tn) = zn, (n = 1, 2, ...) y f(t) , 0
t < 1.
Dicho de otra manera, w es un punto frontera simple de si existe una
curva que pasa por todos los puntos zn y termina en el punto w. Toda
aplicacin conforme de sobre D = B1(0) va a admitir una extensin a los
puntos de la frontera de que sean puntos frontera simples. De forma precisa:
Teorema 6.1.4:
Sea una regin acotada y simplemente conexa en C, y sea f una
aplicacin conforme de sobre D = B1(0). Si w es un punto frontera simple de
entonces f tiene una extensin continua a la unin de con el punto w.
Adems f(w) = 1, y si w1 y w2 son puntos frontera simples de distintos y f
se ha extendido a la unin de y de dichos puntos, entonces necesariamente
f(w1) f(w2).
Como consecuencia se tiene que si es una regin acotada y
simplemente conexa en C y si cada punto frontera de es un punto frontera
simple, toda aplicacin conforme de sobre D se extiende a un
homeomorfismo de sobre D .
Este resultado tiene una consecuencia topolgica:
Si cada punto frontera de una regin acotada y simplemente conexa es

un punto frontera simple, la frontera de es una curva de Jordan, y es
homeomorfo a D .
Se verifica tambin que, si la frontera de es una curva de Jordan, todo
punto frontera de es un punto frontera simple.
Ejemplos resueltos
Ejemplo 6.1.1: Estudiar dnde es conforme la aplicacin f(z) = z2.
La aplicacin f(z) = z2 no es conforme en el punto z = 0, pues se anula su
derivada en ese punto, f(z) = 2z f(0) = 0. Es un punto crtico. Y en dicho
punto no conserva los ngulos, sino que los dobla.
En coordenadas polares: z = rei w = z2 = r2ei2. En el origen un
ngulo se transforma en un ngulo 2.
Es conforme para cada punto z de C/{0}, pues es holomorfa y no se anula
su derivada. Sin embargo no es conforme en C/{0}, pues no es inyectiva.
Del mismo modo f(z) = z3 no es conforme en el punto z = 0, y en ese
punto triplica los ngulos, pues z = rei w = z3 = r3ei3.
Ejemplo 6.1.2: Estudiar dnde es conforme la aplicacin f(z) = ez.
f(z) = ez = ex(cos y + isen y) u(x, y) = excos y; v(x, y) = exsen y.
f(z) = ez f(z) = ez. No se anula su derivada en ningn punto y es una
funcin entera, por lo que la funcin exponencial es conforme en cada uno de
los puntos del plano complejo. Sin embargo no es conforme en C, pues no es
inyectiva al ser la funcin exponencial peridica de periodo 2i. Es conforme en
cada banda vertical abierta de anchura menor a 2.
Ejemplo 6.1.3: Estudiar dnde es conforme la aplicacin f(z) = cos z.

La funcin f(z) = cos z es entera, por lo que es conforme en todos los
puntos en los que no se anula su derivada: z n, n Z. No es una aplicacin
conforme en C, aunque es conforme en las bandas verticales n < x < (n + 1).
Ejercicios
1
6.1. Estudiar dnde es conforme la aplicacin f(z) = .
z
6.2. Estudiar dnde es conforme la aplicacin de Jukowskii:
1
f(z) = z + .
z
6.3. Estudiar dnde son conformes las funciones hiperblicas f(z) =
senh z y f(z) = cosh z.
6.4. Estudiar dnde es conforme la aplicacin f(z) = z .
6.2. ALGUNAS TRANSFORMACIONES SENCILLAS
Es interesante estudiar, con diferentes ejemplos, las propiedades
geomtricas de las distintas transformaciones.
6.2.1. La aplicacin lineal: f(z) = az + b
Traslacin: Si a = 1, la aplicacin w = f(z) = z + b es la traslacin de
vector de traslacin b. Su derivada no se anula: f(z) = 1, y es inyectiva. Existe
su funcin inversa, f-1(z) = z b, por lo que la traslacin es una aplicacin
conforme en C.
Si b = b1 + b2i la imagen de un punto z = x + yi del plano z es el punto w =

u + iv = (x + b1) + i(y + b2).
La traslacin transforma una recta en otra recta, paralela a la de partida, y
transforma una circunferencia en otra de igual radio y con su centro trasladado.
Homotecia: Si a = k , a > 0 y b = 0, f(z) = kz es una homotecia de
razn k. Su derivada no se anula: f(z) = k 0 y es inyectiva. Existe su funcin
inversa, f -1(z) = z/k, por lo que la homotecia es una aplicacin conforme en C.
La homotecia transforma una recta que pase por el origen en ella misma,
y una recta que no pasa por el origen en una recta paralela a la de partida, y
transforma una circunferencia en otra, de radio multiplicado por el factor k.
Giro o rotacin: Si a = ei y b = 0, f(z) = eiz es un giro o rotacin. Su
derivada no se anula: f(z) = ei 0. Existe su funcin inversa, f -1(z) = e-i, por lo
que la rotacin es inyectiva. Luego es una aplicacin conforme en C.
La rotacin transforma una recta en otra recta y una circunferencia en
otra, de igual radio.
Semejanza directa: Si b = 0, y a = aei se tiene que w = f(z) = az es la
composicin de un giro con una homotecia directa, que se denomina una
semejanza directa. Escribiendo a y z en forma exponencial, a = aei, z =
zei, se tiene:
w =azei(+)
por lo que f(z) = az es una dilatacin o contraccin de razn a y un giro de
ngulo = arg(a) en torno al origen. La imagen de una regin dada es
geomtricamente semejante a la inicial.
Al ser composicin de dos aplicaciones conformes es una aplicacin

conforme en C.
En general, una aplicacin lineal general (no constante) f(z) = az + b,
con a 0, es la composicin de un giro, una homotecia y una traslacin. Es una
aplicacin conforme en C. Trasforma rectas en rectas y circunferencias en
circunferencias.
6.2.2. La funcin f(z) = z 2
En el ejemplo 6.1.1 se comprob que la transformacin w = f(z) = z2, es
conforme en cada punto z 0, pero no lo es en la regin C/{0} porque no es
inyectiva.
Se descompone en su parte real y su parte imaginaria: f(z) = z2 = (x2 y2)
+ 2xyi, por lo que si se consideran rectas coordenadas del plano complejo
imagen: u = a, v = b, entonces a = u(x, y) = x2 y2 y b = v(x, y) = 2xy, se
observa que provienen de hiprbolas en el plano complejo de partida. Las
rectas coordenadas a = u, b = v son ortogonales y por lo que tambin lo son
sus preimgenes, las hiprbolas equilteras a = x2 y2 y b = 2xy.
Las rectas x = a, y = b, a 0, b 0, se transforman en parbolas, y las
rectas x = 0, y = 0 se transforman en las semirrectas - y + respectivamente;
la circunferencia z = r se transforma en la circunferencia w = r2, y las
semirrectas arg(z) = en las semirrectas arg(w) = 2.
Transforma el primer cuadrante x > 0, y > 0, en el semiplano superior, y
transforma el semiplano superior en todo el plano.

6.2.3. La funcin f(z) = z n
Se puede generalizar lo anterior estudiando la transformacin w = f(z) =
zn, donde n es un nmero natural. La funcin f(z) = zn = rneni se comporta de
manera parecida. Por medio de esta transformacin una circunferencia de
centro el origen y radio r se transforma en una circunferencia de centro el
origen y radio rn: {z C; z= r} {w C; w= rn}. Una recta que pase por
el origen y forme un ngulo con la direccin positiva del eje real pasa a ser
otra recta que pasa por el origen y forma un ngulo n con la direccin positiva
del eje real: {z C; arg z = } {w C; arg w = n}. Por tanto la propiedad de
conservar ngulos no se verifica en el origen, donde la derivada de la
transformacin es cero si n es mayor que uno. Una regin angular de vrtice en
origen y amplitud 2/n se transforma en todo C.
6.2.4. La funcin exponencial w = exp(z) = e z
En el ejemplo 6.1.2 se comprob que la funcin exponencial es una
transformacin conforme en cada punto del plano complejo C, pero no es
conforme en C pues no es inyectiva, aunque si lo es en cada banda horizontal
abierta de anchura menor o igual a 2.
Las rectas horizontales, x = a, se transforman en circunferencias de
centro el origen y radio ea, w = ea. Los radios son mayores o menores que
uno, r = ea, segn que la recta est en el semiplano de los nmeros complejos
con parte real positiva o en el semiplano de los nmeros complejos con parte
real negativa.
Las rectas paralelas al eje real, y = b, se transforman en semirrectas de

extremo en el origen, Arg w = b.
Cualquier banda paralela al eje real con altura 2 se transforma en todo el
plano.
Se observa que se conserva la ortogonalidad.
6.2.5. La funcin w = cos(z)
En el ejemplo 6.1.3 se comprob que la funcin w = cos(z) es conforme
en todos los puntos z n donde n es entero, y es conforme en la banda
vertical 0 < x < .
Las rectas x = a se transforman en hiprbolas y las rectas y = b en
elipses. Las rectas coordenadas se transforman en haces de hiprbolas y en
haces de elipses cofocales.
De manera anloga pueden estudiarse el resto de funciones
trigonomtricas.
6.2.6. La funcin w = z
Una funcin que no es conforme en ningn punto es w = z ya que no es
holomorfa en ningn punto. Geomtricamente representa una simetra
respecto al eje real, y aunque la simetra conserva el valor absoluto de los
ngulos, no conserva los ngulos, pues no conserva su orientacin.
6.2.7. La funcin w = 1/z
1
La funcin w = es conforme en C/{0}. Es posible extenderla a
z
C{}= C , mediante la correspondencia f(0) = , f() = 0. Al ser lim f ( z ) y

z 0
lim f ( z ) 0 la aplicacin f es continua en el plano ampliado. Se puede probar

z
que es una aplicacin conforme en C .
1
Al escribir la transformacin en polares: w = = 1/(rei) = (1/r)e-i,
z
transforma la circunferencia de centro el origen y radio r, z = r, en la
circunferencia de centro el origen y radio r1, w = r1, y las semirrectas arg(z) =
en las semirrectas arg(w) = .
Rectas y circunferencias se transforman en rectas y circunferencias pues:
1 1 x y x y
w= = = +i = u + iv, u = yv=
z x iy x2 y 2 x2 y 2 x2 y 2 x2 y 2
al ser z = 1/w, se tiene tambin que:
u u
x= yy=
2 2
u v u v2
2
En efecto, sustituyendo lo anterior y simplificando, se obtiene que la recta
o circunferencia:
a(x2 + y2) + bx + cy + d = 0; a, b, c, d
se transforma en:
d(u2 + v2) + bu cv + a = 0
por lo que:
a) Una circunferencia que pasa por el origen (d = 0) se transforma en
una recta que no pasa por el origen
b) Una circunferencia que no pasa por el origen se transforma en una
circunferencia que no pasa por el origen

c) Una recta (a = 0) que no pasa por el origen se transforma en una
circunferencia que pasa por el origen
d) Una recta (a = 0) que pasa por el origen (d = 0) se transforma en una
recta que pasa por el origen
Como z z = z 2 la aplicacin puede ser descrita por la composicin de:
1
Z= z, w Z
2
z
La primera es una inversin con respecto al crculo unidad z = 1. La
imagen de un punto z no nulo es el punto Z tal que:
1
Z y arg Z arg z
z
luego los puntos exteriores al crculo unidad se aplican sobre puntos interiores
a l, excluido el cero, y recprocamente; y cualquier punto de la circunferencia
se transforma en s mismo. La segunda transformacin es la simetra respecto
al eje real.
6.2.8. Otras transformaciones
1
La transformacin w z , es un sencillo ejemplo que nos permite
z
comprobar que una circunferencia de centro el origen: {z C; z= r, r 1}, se
x2 y2
transforma en la elipse: 1 . Por tanto, dos circunferencias
2 2
1 1
r r
r r
con radios recprocos se transforman en la misma elipse, mientras que las
lneas rectas que pasan por el origen se transforman en hiprbolas.

Como resultado de componer la funcin exponencial y la transformacin
anterior se puede estudiar la transformacin w = cosh(z). Puede utilizarse para
obtener un campo electrosttico debido a un cilindro elptico, el campo
electrosttico debido a un plano cargado del que se ha suprimido una banda, el
flujo de un lquido alrededor de un cilindro elptico, el flujo de un lquido a travs
de un corte en un plano, etc.
Otro ejemplo es la transformacin de Schwarz-Christoffel. Se supone
que en el plano complejo se tiene un polgono cuyos lados cambian de
direccin un ngulo i cuando se pasa por el i-simo vrtice, movindose
sobre la frontera del polgono de manera que el interior quede a la izquierda. La
mitad superior del plano se aplica sobre el interior de este polgono por medio
dz
de la transformacin: w A ( z z1 ) 1 ( z z2 ) 2 ...( z zn ) n
B , donde z1,
..., zn, son los puntos del eje real de partida que se aplican sobre los vrtices
del polgono, y donde A y B son constantes que quedan fijadas segn la escala
y situacin del polgono. Esta transformacin se utiliza, por ejemplo, para hallar
la transformacin analtica que resuelve el problema de determinar el campo
electrosttico alrededor de un conductor cilndrico cargado con seccin
poligonal.
Ejemplos resueltos
Ejemplo 6.2.1: Hallar la imagen del cuadrado de vrtices a = 1, b = 1 + i, c
= i y d = 0, mediante la aplicacin f(z) = (1 + i)z + 3.
La aplicacin f(z) = (1 + i)z + 3 transforma el cuadrado de vrtices a = 1, b
= 1 + i, c = i y d = 0 en el cuadrado de vrtices a = 4 + i, b = 3 + 2i, c = 2 + i y

d = 3. Esta transformacin puede descomponerse como composicin de:
Z = (1 + i)z y w = Z + 3
que son, respectivamente, una semejanza y una traslacin.

i
Al ser 1 + i = 2e 4 , la semejanza, a su vez, es composicin de la
homotecia, de factor de homotecia 2 , y de la rotacin, de centro el origen y

de ngulo .
4
Ejemplo 6.2.2: Mediante la aplicacin f(z) = ez, comprobar que la regin
del plano complejo:
a) A = {z = x + yi; x > 0, 0 < y < } se transforma en {w = u + iv; w > 1, v > 0}
b) B = {z = x + yi; x < 0, 0 < y < } se transforma en {w = u + iv; w < 1, v > 0}
c) C = {z = x + yi; 0 < y < } se transforma en {w = u + iv; v > 0}.
Se sabe que las rectas paralelas al eje de ordenadas, x = a, se
transforman en circunferencias de centro el origen y radio ea, y las rectas
paralelas al eje de abscisas, y = b, se transforman en semirrectas de extremo
el origen y argumento b.
Las fronteras de las regiones estudiadas son, por tanto, x = 0, y = 0 e y =
; x = 0 se transforma en la circunferencia de radio uno y centro el origen, y = 0
en el semieje real y positivo, y = en el semieje real y negativo. Si x > 0 se
obtienen circunferencias de radio mayor que uno y si 0 < y < se obtienen
semirrectas de argumentos entre 0 y . As, la regin A se transforma en el
exterior del semicrculo de radio uno y ordenadas positivas. La regin B se
transforma en el interior del semicrculo de radio uno y ordenadas positivas, y la
regin C en el semiplano de ordenadas positivas.

Ejemplo 6.2.3: Sean dos circunferencias tangentes C1 y C2 (siendo C1
interior a C2) y una cadena de circunferencias tangentes entre s y a C1 y C2.
Demostrar que los puntos de tangencia estn todos ellos sobre una misma
circunferencia.
C1
C2
Figura 6.1: Ejemplo 6.2.3
1
Sea P = C1 C2 el punto de tangencia y sea T(z) = . Como T(P) =
z P
, esta inversin transforma las circunferencias C1 y C2 en rectas paralelas, y la
cadena de circunferencias tangentes en un haz de circunferencia tangentes a
esas dos rectas paralelas, luego sus puntos de tangencia estn en otra recta
paralela a T(C1) y a T(C2), que la transformacin inversa transforma en una
circunferencia que pasa por los puntos de tangencia del haz original.
Ejercicios
6.5. Sean dos circunferencias secantes C1 y C2 y una cadena de

circunferencias tangentes entre s y a C1 y C2. Demostrar que los puntos de
tangencia estn todos ellos sobre una misma circunferencias que pasa por los
puntos de interseccin entre C1 y C2.
1
6.6. Comprobar que f(z) = transforma:
z
a) La recta x = 1/2 en la circunferencia (u 1)2 + v2 = 1.
b) La recta y = 1/2 en la circunferencia u2 + (v + 1)2 = 1.
c) La recta x = a en la circunferencia a(u2 + v2) + u = 0.
d) La recta y = b en la circunferencia u2 + (v + 1/(2b))2 = 1/(2b)2.
6.7. Hallar la imagen del crculo abierto de centro el origen y radio uno
1
mediante la transformacin: J(z) = z + y comprobar que J lo transforma en el
z
plano complejo ampliado excepto el segmento [2, 2]: C / [2, 2].
6.8. Comprobar que f(z) = log z transforma {zC; ea < z < eb, < arg
z < } en {w C; a < Re w < b, < Im w < } para a, b y 0 < < < 2.
6.3. TRANSFORMACIN BILINEAL O DE MBIUS
Un tipo particular de transformacin conforme es la transformacin
bilineal, homografa o aplicacin de Mbius, que se estudia de forma especial,
analizando sus propiedades y su comportamiento frente a las razones dobles.
Debe su nombre a A. F. Mbius, (1 790 - 1 860), gran gemetra del siglo
XIX, al que tambin se debe la conocida banda de Mbius.

Definicin 6.3.1:
az b
Una transformacin de la forma: w T ( z ) , a, b, c, y d C, se
cz d
denomina transformacin lineal fraccionaria. Recibe el nombre de
transformacin de Mbius, transformacin bilineal u homografa en el
caso de que adems verifique la relacin ad bc 0.
La condicin ad bc 0 garantiza que la transformacin no sea
constante.
La denominacin de bilineal se debe a que puede escribirse tambin de
la forma czw + dw az b = 0, que es una ecuacin lineal en cada una de las
variables z y w.
6.3.1. Propiedades bsicas
az b
Se observa que w T ( z ) tiene un polo en el punto z = d/c.
cz d
Proposicin 6.3.1:
Si ad bc = 0 entonces la transformacin T es constante, y si ad bc es
distinto de cero entonces T es conforme en z d/c.
ad bc
En efecto, T(z) = , que existe si z d/c y no se anula si ad
( cz d )2
bc 0, por lo que si ad bc es distinto de cero entonces T es una
transformacin conforme para todo punto z, z d/c. Si ad bc = 0 entonces
se anula la derivada en todos los puntos z C por lo que T es la
transformacin constante.
Proposicin 6.3.2:
az b
La transformacin de Mbius w T ( z ) es inyectiva en C/{d/c} y
cz d
en consecuencia es conforme en C/{d/c}.
Demostracin
az1 b az 2 b
T(z1) = T(z2) = (az1 + b)(cz2 + d) = (cz1 + d)(az2 + b)
cz1 d cz2 d
(acz1z2 + adz1 + bcz2 + bd (acz1z2 + adz2 + bcz1 + db)) = adz1 + bcz2
adz2 bcz1 = 0 ad(z1 z2) bc(z1 z2) = 0 (z1 z2)(ad bc) = 0 y como
ad bc 0 entonces z1 z2 = 0 z1 = z2, por lo que T es inyectiva, y en
consecuencia es conforme en C/{d/c}.
Aplica C/{d/c} en C/{a/c}.
Si se define T(d/c) = y T() = a/c (si c = 0 basta hacer que T() = ),
entonces se puede asegurar que la transformacin de Mbius T es conforme
en el plano complejo ampliado T: C = C C = C .
az b
Si es un nmero complejo no nulo, la transformacin w es la
cz d
az b
misma que w T ( z ) , por lo que ad bc no est determinado por T,
cz d
sino que puede tomar cualquier valor no nulo, (ad bc), y de las cuatro
variables, a, b, c, d, slo tres son independientes.
Por eso en ocasiones se impone la condicin de normalizacin: ad bc
= 1, que no supone ninguna restriccin y permite fijar unvocamente los
coeficientes a, b, c, d.
El hecho algebraico de que una transformacin bilineal contenga tres
parmetros complejos arbitrarios se traduce en que es posible elegir libremente
las imgenes de tres puntos cualesquiera del plano complejo ampliado, y con
ello determinar una transformacin de Mbius.
Tiene inters discutir el nmero de puntos fijos que puede tener toda
transformacin bilineal, vista como una transformacin del plano complejo
ampliado en s mismo: T: C = C C = C .
Proposicin 6.3.3:
Una transformacin de Mbius tiene siempre un punto fijo, puede tener
dos y si tiene tres es la identidad.
Para demostrarlo se buscan los puntos fijos de T(z):
Si c = 0 entonces z = b/(d a) es un punto fijo y otro es el punto del
infinito. Las traslaciones slo dejan fijo el punto del infinito, los giros y las
homotecias, adems el centro de giro o el de homotecia.
Si c es distinto de cero entonces T() y
az b
T(z) = = z cz2 + (d a)z b = 0.
cz d
Una ecuacin de segundo grado, en el campo complejo, tiene dos
soluciones (quizs confundidas si (d a)2 + 4cb = 0) lo que prueba que tiene
siempre un punto fijo como mnimo, puede tener dos, y si tuviera tres sera la
transformacin identidad.
Proposicin 6.3.4:
El conjunto M = {T; T es transformacin de Mbius} tiene estructura de

grupo con la operacin composicin de aplicaciones.
Demostracin:
Se debe probar que la composicin de dos transformaciones de este tipo
sigue siendo de este tipo, y que la inversa de una transformacin de Mbius es
tambin una transformacin de Mbius.
d z b
La inversa de T se obtiene despejando z, T-1(z) = , y es otra
c z a
transformacin de Mbius.
La identidad, T(z) = z, es una transformacin de Mbius. Por tanto las
transformaciones de Mbius forman un grupo para la composicin.
6.3.2. Tipos particulares de transformaciones bilineales
Casos particulares de este tipo de transformaciones son las aplicaciones
lineales: T(z) = az + b, donde d = 1 y c = 0.
La composicin de dos aplicaciones lineales es una aplicacin lineal y su
zb
inversa es T 1( z ) es otra aplicacin lineal. Forman un subgrupo de las
a
aplicaciones bilineales. Son aplicaciones conformes en C.
Transforman el punto del infinito en el punto del infinito, es decir, el punto
del infinito es un punto fijo de las aplicaciones lineales. Entre ellas se
distinguen:
Traslaciones: Tb(z) = z + b, donde b es un nmero complejo, c = 0 y d = 1.
Su nico punto invariante es el punto del infinito. T-1(z) = z b.
Rotaciones: R(z) = az, con a = 1, con b = c = 0 y d = 1.

Homotecias: H(z) = rz, con r y r > 0 con b = c = 0 y d = 1.
Semejanzas directas: Los productos Sa(z) = az con b = c = 0 y d = 1,
composicin de una rotacin de ngulo el argumento de a y una homotecia de
razn el mdulo de a.
Las aplicaciones lineales transforman rectas en rectas y circunferencias
en circunferencias.
Toda transformacin lineal es composicin de una traslacin, un giro y
una homotecia.
Otro tipo particular es la inversin: in(z) = 1/z, cuya aplicacin inversa es
ella misma. La inversin, como se vio en el apartado anterior transforma
circunferencias generalizadas (rectas o circunferencias) en circunferencias
generalizadas (rectas o circunferencias).
Se puede comprobar que cada una de las transformaciones lineales es
composicin de dos inversiones en rectas o en circunferencias, luego toda
transformacin de Mbius es composicin de inversiones geomtricas. Puede
demostrarse que cuatro inversiones bastan para descomponer cualquier
transformacin de Mbius, y para algunas es suficiente con dos. El estudio de
estas descomposiciones permite clasificar las transformaciones bilineales en
cuatro tipos: elpticas, parablicas, hiperblicas y loxodrmicas, con
interesantes propiedades. Este estudio puede verse en Needham.1
Proposicin 6.3.5:
Toda transformacin de Mbius es composicin de traslaciones,
rotaciones, homotecias e inversiones.
1
Needham, T.: Visual Complex Analysis. Clarendon Press. 1997.
Demostracin:
az b
La transformacin: T(z) = es composicin de la traslacin de
cz d
bc ad
vector d/c, Td/c; la inversin, in; semejanza directa de factor , S bc ad ;
c2
c2
y la traslacin de vector a/c, Ta/c; es decir T = Ta/c S bc ad in Td/c.

c2
az b
En efecto, sea T(z) = con ad bc 0.
cz d
Si c = 0 entonces T(z) = (a/d)z + (b/d) T = Tb/d Sa/d.
az b 1 acz bc 1 acz ad ad bc
Si c 0 T(z) = = ( ) = ( ) =
cz d c cz d c cz d
1 bc ad 1 bc ad a bc ad 1
(a ) = (a ) = + =
c cz d c d c c 2 d
c( z ) z
c c
= (Ta/c S bc ad in Td/c)(z).
c2
Como consecuencia, al ser toda transformacin de Mbius composicin
de transformaciones lineales (que transforman rectas en rectas y
circunferencias en circunferencias) y de inversiones (que transforman rectas o
circunferencias en rectas o circunferencias) se obtiene que una transformacin
de Mbius transforma circunferencias o rectas en circunferencias o rectas.
En trminos de proyeccin estereogrfica transforma circunferencias de la
esfera de Riemann, incluso las que pasan por el polo, en circunferencias de la
esfera de Riemann. Y dadas dos circunferencias o rectas cualesquiera existe
una transformacin de Mbius que transforma la una en la otra. Dicho con ms

precisin:
Corolario 6.3.6:
Si T es una transformacin bilineal y D es una circunferencia o una recta,
entonces T(D) es una circunferencia o una recta.
Proposicin 6.3.7:
Dadas dos circunferencias o rectas D y D en C existe una transformacin
de Mbius, T, tal que T(D) = D.
Adems se puede especificar que T aplique tres puntos cualesquiera de D
sobre otros tres de D. Si se especifican las imgenes de tres puntos distintos
de D la transformacin T es nica.
6.3.3. Razn doble
Proposicin 6.3.8:
Sean z1, z2, y z3 puntos de C = C distintos entre s. Existe una nica
transformacin bilineal T tal que T(z1) = 1; T(z2) = 0; T(z3) = .
Demostracin:
Se prueba la unicidad utilizando que si tiene tres puntos fijos debe ser la
identidad. Si T(zi) = S(zi) para i igual a 1, 2, y 3, entonces (S-1T)(zi) = (S-1S)(zi)
= zi por lo que S-1T deja tres puntos fijos y en consecuencia es la identidad, y
por tanto T = S.
Para probar la existencia, se construye la transformacin T:

z z2
z z3 z z z z2
T(z) = = 1 3 ,
z1 z2 z1 z 2 z z3
z1 z3
en el caso de que los tres puntos pertenezcan al plano complejo, y con las
debidas modificaciones si alguno de ellos vale infinito:
z z2
Si z1 = entonces: T(z) = .
z z3
z z
Si z2 = entonces: T(z) = 1 2 .
z z3
z z2
Si z3 = entonces: T(z) = .
z1 z 2
La transformacin T as definida verifica que T(z1) = 1, T(z2) = 0 y T(z3) =
Corolario 6.3.9:
Dados tres puntos de C {} distintos dos a dos: z1, z2, z3, y otros tres
puntos, w1, w2, w3, tambin en C {} y distintos dos a dos, existe una nica
transformacin bilineal que transforma cada zk en wk, T(zk) = wk.
Para demostrarlo basta construirla. Sean T y S las transformaciones tales
que: T: (z1, z2, z3) (1, 0, ), y S: (w1, w2, w3) (1, 0, ), entonces la
transformacin: S-1T transforma (S-1T)(zk) = wk. Si los puntos pertenecen a C,
su expresin es:
w1 w 3 w w 2 z z z z2
. = 1 3. ,
w1 w 2 w w 3 z1 z 2 z z3
de donde despejando se obtiene w en funcin de z.
Si alguno de los puntos es el del infinito se sustituye T o S por la
expresin correspondiente.
Dicha transformacin permite introducir un nuevo concepto, el de razn
doble o razn armnica:
Definicin 6.3.2:
Si z0, z1, z2 y z3 son puntos de C , se llama razn doble de z0, z1, z2 y z3 a
la imagen de z0 bajo la nica transformacin de Mbius T que aplica T(z1) = 1;
T(z2) = 0; T(z3) = .
Se representa por (z0, z1, z2, z3), y su expresin es:
z0 z 2
z z3 z z 3 z0 z 2
(z0, z1, z2, z3) = 0 = 1
z1 z2 z1 z 2 z0 z3
z1 z3
La razn doble es invariante por las transformaciones de Mbius, es decir,
si T es una transformacin de Mbius y se toman cuatro puntos arbitrarios, z0,
z1, z2 y z3, su razn doble es igual a la razn doble de sus transformados por T:
(z0, z1, z2, z3) = (T(z0), T(z1), T(z2), T(z3)).
Proposicin 6.3.10:
Sea T una transformacin de Mbius, y sean z0, z1, z2 y z3 cuatro puntos,
entonces (z0, z1, z2, z3) = (T(z0), T(z1), T(z2), T(z3)).
La demostracin se basa en operar con la definicin de razn doble.
La razn doble se empez a estudiar en el siglo XVII, en el contexto de la
Geometra Proyectiva, donde desempea un papel importante, como el

principal invariante de las proyectividades.
Corolario 6.3.11:
La ecuacin de la nica transformacin de Mbius que transforma z1 en
w1, z2 en w2 y z3 en w3 viene dada en trminos de razn doble por (w, w1, w2,
w3) = (z, z1, z2, z3).
En efecto, la expresin:
w1 w 3 w w 2 z z3 z z 2
. = 1 .
w1 w 2 w w 3 z1 z 2 z z3
se puede abreviar como (w, w1, w2, w3) = (z, z1, z2, z3), lo que se expresa
diciendo que las transformaciones bilineales conservan las razones dobles.
Corolario 6.3.12:
T(z) = (z, z1, z2, z3) es la nica transformacin de Mbius en C = C
que transforma z1 en 1, z2 en 0 y z3 en el punto del infinito.
z z2
z z3 z z3 z z 2
T(z) = (z, z1, z2, z3) = = 1 .
z1 z2 z1 z 2 z z3
z1 z3
Si se considera que circunferencia generalizada puede ser tanto una
circunferencia como una lnea recta, ya que si una circunferencia generalizada
en C pasa por el punto del infinito entonces es una recta, pues la razn doble
permite caracterizar el hecho de que cuatro puntos pertenezcan a una misma
circunferencia, pues cuatro puntos de C pertenecen a una misma
circunferencia cuando su razn doble es un nmero real.
Corolario 6.3.13:
Sean z1, z2 y z3 (circunferencia o recta) C. Si z0 , entonces T(z0)
= (z0, z1, z2, z3) {}.
Se define T(z) = (z, z1, z2, z3) que transforma (circunferencia o recta) en
* (circunferencia o recta). Pero T(z1) = 1; T(z2) = 0; T(z3) = , por lo que * es
la recta {}, y si z0 , entonces T(z0) {}.
Corolario 6.3.14:
Sean z1, z2 y z3 (circunferencia o recta) C. Si z0 no pertenece a ,
entonces Im(T(z0)) es distinta de cero.
Pues, en efecto si z0 no pertenece a z0 C/ T(z0) {}
Im(T(z0)) 0 Im((w0, w1, w2, w3)) 0.
Esta consecuencia proporciona la clave para definir los conceptos de
parte derecha y de parte izquierda de una recta y de una circunferencia.
6.3.4. Principio de simetra y principio de orientacin
De forma natural es posible hacerse la siguiente pregunta: Qu sucede
con el interior y el exterior de los recintos limitados por dichas circunferencias?
Para poder responder a dicha cuestin es preciso introducir nuevos conceptos,
el de simetra y el de orientacin.
En C = C {} no es obvio el significado de las palabras interior y
exterior de una circunferencia o de una recta; para poder darles un significado
es preciso introducir el concepto de orientacin.
Definicin 6.3.3:
Una orientacin en una circunferencia o recta de C = C {} es una

terna ordenada de puntos de distintos entre s: (z1, z2, z3).
De forma intuitiva se observa que dichos puntos dan una direccin sobre
que correspondera a ir de z1 a z2 y de z2 a z3. Se observa que con nicamente
dos puntos no se tiene una orientacin.
En {} existen dos orientaciones posibles: (1, 0, ) y (1, , 0).
Definicin 6.3.4:
Si es una circunferencia o una recta y (z1, z2, z3) una orientacin en , se
denomina lado derecho o regin a la derecha de al conjunto {z C
{}; Im(z, z1, z2, z3) > 0}, y lado izquierdo o regin a la izquierda de al
conjunto {z C {}; Im(z, z1, z2, z3) < 0} segn la orientacin dada.
As, por ejemplo, en {}, dada la orientacin (1, 0, ) su parte
derecha es el semiplano superior. Si se toma la orientacin (1, , 0) el
semiplano superior es la parte izquierda. Y con la orientacin (1, 2, 1)? Esta
orientacin coincide con la orientacin (1, , 0).
De esta forma la respuesta a la pregunta planteada anteriormente viene
dada por el principio de orientacin que dice:
Proposicin 6.3.15.
Si 1 y 2 son dos circunferencias de C y T es una transformacin de
Mbius tal que transforma la una en la otra, si se fija una orientacin en 1
entonces T aplica el lado derecho de 1 sobre el lado derecho de 2, y el lado
izquierdo de 1 sobre el lado izquierdo de 2, respecto de la orientacin
transformada.
Esto es una consecuencia de que las transformaciones de Mbius
conservan las razones dobles. As si (z1, z2, z3) determinan una orientacin en
, y T es una transformacin de Mbius entonces la parte derecha (y
respectivamente, la parte izquierda) de segn esa orientacin, se transforma
en la parte derecha (y respectivamente, la parte izquierda) de T() segn la
orientacin (T(z1), T(z2), T(z3)).
Definicin 6.3.5:
Sea una circunferencia que pase por los puntos z1, z2 y z3. Se dice que
los puntos z y z* son simtricos respecto de si:
(z*, z1, z 2 , z 3 ) ( z , z1, z2 , z3 ).
En apariencia la definicin no depende nicamente de la circunferencia
sino tambin de los puntos z1, z2, z3, pero esta dependencia es aparente.
Si es una recta los puntos z y z* son simtricos si equidistan de y se
encuentran sobre la misma recta perpendicular a . Es decir, z y z* son
simtricos respecto de la recta , si es la mediatriz del segmento [z, z*]
Si es una circunferencia en C de centro a y radio r, entonces los puntos
z y z* son simtricos respecto de la circunferencia si verifican la relacin:
( z * a ) ( z a ) r 2 .
Conocido uno de los puntos puede construirse geomtricamente el otro
mediante una figura, ya que a, z y z* estn en la misma semirrecta. En efecto:
arg(( z * a ) ( z a )) arg( r 2 ) arg(z* a) + arg( z a ) = 0 y por tanto:
arg(z* a) = arg(z a).

Por otro lado, se obtiene una semejanza de tringulos, pues:
z* a r
( z * a ) ( z a ) r 2 z* a z a = r2 .
r z a
En general:
r2
z* a.
z a
Se comprueba que:
a) El punto simtrico respecto de la circunferencia del punto del
infinito es el centro de la circunferencia.
b) El punto simtrico respecto de la circunferencia de un punto de la
circunferencia (o de la recta) es l mismo.
c) El simtrico de z respecto de {} es su conjugado: z .
d) Si z* es el simtrico de z respecto de , entonces z es simtrico de
z* respecto de .
Circunferencias de Apolonio
z z1
La expresin: , con +, representa una recta si es igual a
z z2
uno, y una circunferencia si es distinto de uno.
En efecto, si = 1 z z1 = z z2
(x x1)2 + (y y1)2 = (x x2)2 + (y y2)2
2(x1 x2)x + 2(y2 y1) + x12 + y12 x22 y22 = 0,
que es la ecuacin de la recta mediatriz del segmento (x1, y1), (x2, y2), por lo
que z1 y z2 son simtricos respecto de la recta z z1 = z z2.
Si 1 se puede comprobar que la ecuacin z z1 = z z2
z z 2 ( z1 z 2 )
representa la circunferencia de centro a 1 y radio r .
1 2 1 2
Definicin 6.3.6:
Se denomina circunferencia de Apolonio a la circunferencia:
z z1
, con +.
z z2
Proposicin 6.3.16:
Los puntos z1 y z2 son simtricos respecto de la circunferencia de
z z1 z 2 z 2 ( z1 z 2 )
Apolonio: , 1, de centro a 1 y radio r .
z z2 1 2 1 2
Demostracin:
El simtrico de z, z* es:
r2
z* a
z a
por lo que el simtrico de z2, z*2, es:
z1 z2 2
z2 *
r2
a =
1 2 2 z 2 z2
1 =
z2 a z1 2 z2 1 2
z2
1 2
2 ( z1 z2 ) 2 ( z1 2 z2 )( z2 z1 )
= z1.
( 1 2 )( z2 z1 )
Como consecuencia se tiene:
Corolario 6.3.17:
Si los puntos z1 y z2 son dos simtricos respecto de la circunferencia , la
z z1
ecuacin de puede expresarse en la forma: , con constante e
z z2
z1 z2
independiente de z, .
r
Demostracin:
Sean z1 y z2 dos puntos simtricos fijados respecto de la circunferencia ,
de centro a y radio r. Entonces:
r2
( z1 a ) ( z 2 a ) r 2 z1 a.
z2 a
Sea z un punto cualquiera de la circunferencia. Se va a probar que
z z1
es independiente de z. En efecto:
z z2
r2
z ( a)
z z1 z2 a ( z a )( z2 a ) r 2

z z2 z z2 ( z z2 )( z2 a )
( z a )( z2 a ) ( z a )( z a ) ( z a )( z2 a z a ) z2 a
cte.
( z z2 )( z2 a ) ( z z2 )( z 2 a ) r
Proposicin 6.3.18:
El principio de simetra dice que si T es una transformacin de Mbius
que aplica la circunferencia generalizada 1 sobre la circunferencia
generalizada 2, todo par de puntos simtricos respecto de 1 se transforman

por T en un par de puntos simtricos respecto de 2.
Demostracin:
Es sencillo comprobar que las transformaciones lineales conservan la
simetra. Bastara, pues, probar que la inversin: in(z) = 1/z, la conserva.
z z1
Sea una circunferencia de la que se sabe que z1 y z2 son
z z2
simtricos respecto de ella. Su transformada por la inversin w = 1/z es:
1 1 1
z1 z1 w w
w 1 z1w z1 z1 z2
= constante.
1 1 z 2w 1 1 z1
z2 z2 w w
w z2 z2
En consecuencia la curva transformada es tambin una circunferencia
1 1
para la que los puntos w1 y w 2 son simtricos respecto a ella, por lo
z1 z2
que la inversin conserva la simetra, y por tanto, las transformaciones
bilineales conservan la simetra.
Ejemplos resueltos
Ejemplo 6.3.1: Sea D el disco unidad, B1(0). Encontrar todas las
transformaciones de Mbius, T, que transformen al disco unidad en s mismo.
Algn punto a D tendr que transformarse en el origen, T(a) = 0, y
mediante la conservacin de la simetra se puede garantizar que el simtrico de
a se transformar en el simtrico del centro, esto es, en el punto del infinito:
1
El simtrico de a es a* y T(a*) = T(1/ a ) = .
a
za za
Por tanto T(z) = k = k para algn nmero complejo k.
z 1/ a a.z 1
Si T es una transformacin de Mbius tal que T(D) = D entonces
transformar el borde de D en el borde de D, por lo que si z = 1 entonces
T(z) = 1. Como T(1) ha de estar en el borde del disco D,
1 a 1 a
T(1) = k T(1) = k = k
a 1 1 a 1 1
Por lo que k tiene que tener mdulo 1, luego ser de la forma k = ei para
za
algn nmero real . En consecuencia T(z) = ei para cierto nmero real
az 1
y cierto nmero complejo a del disco unidad, por lo que se puede elegir de
forma arbitraria un parmetro real, , y otro complejo, a. Se puede entonces
afirmar que las transformaciones bilineales del disco en s mismo tienen tres
grados de libertad. Esos parmetros permiten elegir qu punto se transforma
en el origen y cul es el argumento de la derivada en ese punto.
Ejemplo 6.3.2: Encontrar una transformacin de Mbius T que transforme
T(1) = 1, T(2) = 2 y T(7) = 3.
Se sustituyen estos puntos en la expresin:
w1 w 3 w w 2 z z z z2
. = 1 3.
w1 w 2 w w 3 z1 z 2 z z3
1 3 w 2 1 7 z 2 w 2 z2 7z 4
y se obtiene: . = . 2. = 6. w= .
1 2 w 3 1 2 z 7 w 3 z 7 2z 1
7x 4
Si z = x entonces se transforma en w = . luego transforma
2x 1
la recta real en la recta real. Si se quiere saber, por ejemplo, en qu se
transforma la circunferencia de centro el origen y radio uno, se buscan los

transformados de tres puntos de dicha circunferencia: T(1) = 1, T(i) = 2 + 3 i y
T(1) = 11. Estn sobre la circunferencia de centro 6 y radio 5: z = 1 w
6 = 5.
Ejemplo 6.3.3: Hallar el transformado de la circunferencia de centro el
zi
origen y radio 1, y de la recta real, mediante la transformacin: w = .
zi
Se buscan los transformados de tres puntos de la recta real, y se obtiene:
T(1) = i, T(0) = 1 y T(1) = i. Los trasformados no estn alineados por lo que
estn en una circunferencia, la circunferencia de centro el origen y radio 1.
Se buscan ahora los transformados de tres puntos de la circunferencia de
centro el origen y radio uno: T(1) = i, T(i) = 0 y T(1) = i. Adems T(i) = .
Estn alineados. Es la recta imaginaria. Por tanto: w = 1 y z = 1 {z =
x + yi; x = 0}.
Ejemplo 6.3.4: Encontrar una transformacin de Mbius T que transforme
T(1) = i, T(0) = y T(1) = 1.
Se sustituyen estos puntos en la expresin:
w1 w 3 w w 2 z z z z2
. = 1 3.
w1 w 2 w w 3 z1 z 2 z z3
( i 1)z ( i - 1)
y se obtiene: w = .
2z
Ejemplo 6.3.5: Comprobar que las aplicaciones de Mbius que
transforman el semiplano superior Im z > 0 en el disco abierto w < 1 (y la
z z0
frontera Im z = 0 en w = 1) son de la forma T(z) = ei. .
z z0
za
Sea T(z) = k .
zb
El punto del infinito pertenece a Im z = 0, por lo que su transformado debe
pertenecer a la frontera w = 1. Como T() = k entonces T() = k = 1, de
modo que k = ei.
Algn punto del semiplano superior, z0, se transformar en el centro de la
circunferencia, T(z0) = 0, luego a = z0. El simtrico de z0 respecto del eje de
abscisas (Imz = 0) es su conjugado, z0 , que se transformar en el simtrico del
centro de la circunferencia que es el punto del infinito, T( z0 ) = . Luego b =
z z0
z0 . Por tanto T(z) = ei. .
z z0
Otra forma de proceder posible es considerar que el origen pertenece a
Im z = 0, por lo que su transformado debe pertenecer a la frontera w = 1.
a a a
Como T(0) = ei entonces T(0) = ei = = 1, de modo que a
b b b
= b.
El punto z = 1 pertenece a Im z = 0, por lo que su transformado debe
1 a 1 a
pertenecer a la frontera w = 1. Como T(1) = ei = pues = 0,
1 b 1 b
1 a
entonces T(1) = = 1, de modo que: 1 a = 1 b (1 a)(1 a )
1 b
= (1 b) (1 b ) a + a = b + b Re(a) = Re(b).
Los nmeros complejos a y b tienen igual mdulo e igual parte real, por
tanto, o son iguales o son conjugados. Si fuesen iguales la transformacin sera
constante, en consecuencia son conjugados: b = a . Y por tanto T(z) =

za
ei. .
za
Adems si se impone que z con Im z > 0 debe transformarse en w del
za
interior del crculo, < 1, de donde se obtiene que Im a > 0.
za
Ejercicios
6.9. Encontrar la imagen del crculo de centro el origen y radio 1 mediante
las transformaciones:
z2
a) w .
z 1
z
b) w .
z 1
z2
c) w
z
3z 2i
d) w
iz 4
6.10. Encontrar la imagen de la franja 0 < x < 1, mediante las
transformaciones:
z2
e) w .
z3
z
f) w .
z2
3z 2
g) w
z 4i
2z 3i
h) w
iz 2
6.11. Encontrar las transformaciones de Mbius que aplican los puntos 1, i
y 1, respectivamente, en:
a) 1, 0, .
b) 0, 3, 2+i.
c) 2, 3i, 7.
d) 1, 4i, 0.
6.12. Determinar todas las transformaciones bilineales tales que dejen
invariante el semiplano Re z > 0.
6.13. Determinar todas las aplicaciones de Mbius que transformen la
regin A en la regin B, siendo A = {z = x + iy; x + y > 0} y B = {w = u +
iv; w < 3}.
6.14. Determinar la transformacin de Mbius que transforma el crculo
unidad es s mismo y tal que T(2) = 3.
6.4. APLICACIONES DE LAS TRANSFORMACIONES
CONFORMES
6.4.1. Transformaciones de funciones armnicas
El Teorema de la aplicacin de Riemann deca que si es un
subconjunto de C abierto y simplemente conexo distinto del plano complejo;

entonces existe una nica biyeccin conforme f que transforma el conjunto
en el disco unidad con centro en el origen, tal que f(z0) = 0 y f (z0) sea un
nmero real positivo.
La demostracin de este teorema est en el libro de Marsden-Hoffman.
Puede comprobarse tambin, usando el lema de Schwarz, que las nicas
transformaciones biyectivas y conformes de D en D son las bilineales; y la
posibilidad de representar sobre D de manera conforme permite resolver el
importante problema, conocido como problema de Dirichlet.
6.4.2. Ecuacin de Laplace con condiciones de contorno
Muchos problemas que plantea la Fsica se resuelven buscando
2f 2f
soluciones de la ecuacin de Laplace: 0 . Esta ecuacin no tiene
x 2 y 2
solucin nica; sin embargo, cuando se establecen condiciones iniciales o
condiciones de contorno se estudia, bajo que condiciones, dicha solucin es
nica.
El problema de hallar una funcin armnica en un dominio especfico que
satisfaga sobre su contorno condiciones previamente establecidas es muy
importante en matemtica aplicada. Si se conocen los valores de la funcin
sobre la frontera el problema se denomina como un problema de contorno de
primera especie, o problema de Dirichlet. Si se conocen los valores de la
derivada normal a la funcin sobre la frontera, se dice que es un problema de
contorno de segunda especie, o problema de Neumann.
Problema de Dirichlet: Encontrar una funcin u(x, y) derivable dos veces
en un dominio que verifique la ecuacin de Laplace en todo punto de dicho

dominio, (u(x, y) armnica), cuyos valores en todo punto de la frontera de
son especificados, est determinada en forma nica.
Problema de Neumann: Encontrar una funcin u(x, y) derivable dos
veces en un dominio que verifique la ecuacin de Laplace en todo punto de
dicho dominio, suponiendo que se conoce la derivada direccional de u en la
direccin del vector normal a la curva que define la frontera de
Los dominios ms frecuentes son simplemente conexos, y ya se ha
estudiado en el captulo 2 que una funcin armnica en un dominio
simplemente conexo tiene siempre una armnica conjugada, por lo que en
ocasiones la solucin de un problema de contorno para tales dominios es la
parte real o imaginaria de una funcin holomorfa. El xito de este
procedimiento depende de la simplicidad del problema.
Un problema de Dirichlet se transforma mediante una aplicacin conforme
en otro problema de Dirichlet, y un problema de Neumann se transforma en un
problema de Neumann.
Las condiciones de contorno mencionadas pueden quedar inalteradas
bajo cambios de variables asociados a una transformacin conforme. La
tcnica bsica consiste en transformar un problema de contorno dado en el
plano xy en otro ms sencillo en el plano uv, resolverlo, y escribir la solucin
del problema original en trminos de la solucin obtenida para el ms sencillo.
Por lo que si se dispone de una tabla lo suficientemente amplia que indique
como se transforman unos recintos en otros resultar que el conocimiento de la
solucin en un determinado recinto va a determinar la solucin en otros.
Se pueden utilizar las transformaciones conformes para resolver

problemas relativos a la ecuacin de Laplace en dos variables independientes,
lo que permitir comentar aplicaciones sobre conduccin trmica, potencial
electrosttico o flujo de fluidos.
6.4.3. Aplicaciones a la hidrodinmica
Las ecuaciones de la hidrodinmica2 son ecuaciones en derivadas
parciales que rigen el movimiento de un fluido y expresan la conservacin de
los momentos, la conservacin de la masa, o la ecuacin conocida como
ecuacin de estado. Son demasiado complicadas, por lo que se deben aadir
hiptesis para poder abordarlas. As, se puede suponer que: i) el fluido es
incompresible, ii) no existen las fuerzas externas, iii) se consideran nicamente
movimientos estacionarios, y iv) se restringe el problema a flujos
bidimensionales. Se comprueba entonces que una de las ecuaciones es la
segunda ecuacin de Cauchy-Riemann, lo que lleva a la utilizacin de las
funciones holomorfas para resolver estos problemas.3
6.4.4. Aplicaciones a la teora del calor
En la teora de la conduccin del calor, el flujo a travs de una superficie
interior a un slido, en un punto de la superficie, es la cantidad de calor que
fluye en la direccin normal a la superficie por unidad de tiempo y por unidad
de rea. Por tanto vara con la derivada normal de la de la temperatura en el
punto en cuestin. Se parte de la hiptesis de que ni se crea ni se destruye
energa trmica en el interior del slido, y que tanto la temperatura como sus
derivadas parciales son funciones continuas, y si slo se consideran dos
2
Pueden encontrarse en Hydrodynamics de H. Lamb.
3
En Polya&Latta se encuentra explicado el flujo en canales con fuentes sumideros y
dipolos.
variables, esto permite concluir que la temperatura es una funcin armnica de
x e y. Las superficies T(x, y) = C son isotermas, y las curvas que tienen al
gradiente de T como vector tangente son las lneas de flujo. En Churchill4 se
pueden encontrar aplicaciones a las temperaturas estacionarias en un
semiplano y en un cuadrante.
6.4.5. Aplicaciones a la electrosttica
En un campo de fuerzas electrosttico la intensidad de campo en un
punto es un vector que representa la fuerza ejercida sobre una carga positiva
unidad colocada en ese punto. El potencial electrosttico es una funcin con
valores reales de las coordenadas del punto, tal que, en cada punto, la
derivada direccional en cualquier direccin es la opuesta de la componente de
la intensidad de campo en esa direccin. Para dos partculas cargadas
estacionarias, la magnitud de fuerza de atraccin o repulsin ejercida entre
ellas es directamente proporcional al producto de las cargas e inversamente
proporcional al cuadrado de las distancias entre las partculas. Por lo que el
potencial en un punto debido a una sola partcula en el espacio es
inversamente proporcional a la distancia entre el punto y la partcula. En toda
regin libre de cargas se puede demostrar que el potencial debido a una
distribucin de cargas externa a la regin satisface la ley de Laplace para el
espacio tridimensional. Y si las condiciones son tales que el potencial es el
mismo en todos los planos paralelos al plano xy entonces ste es una funcin
armnica de dos variables. El potencial en el flujo estacionario de electricidad
en una lmina conductora plana es tambin una funcin armnica en zonas
4
Churchill, R. V.; Brown, J. W.: Variable compleja y sus aplicaciones. Mc Graw-Hill. (4
edicin). 1998.
libres de fuentes o sumideros. El potencial gravitatorio es otro ejemplo de
funcin armnica en Fsica. Los problemas de contorno para el potencial son
los mismos que para las temperaturas estacionarias.5
6.4.6. La transformacin de Schwarz-Christoffel
La transformacin de Schwarz-Christoffel que aplica el eje x y el
semiplano superior en el interior y frontera de un polgono cerrado simple se
utiliza para dar solucin a ciertos problemas de teora de fluidos y de teora del
potencial. Un ejemplo adecuado es hallar el potencial complejo para el flujo de
un fluido en un canal con un cambio abrupto en su anchura, que se denomina
canal con recodo.6
6.5. EJERCICIOS
6.15. Estudiar dnde es conforme la aplicacin f(z) = log z.

6.16. Comprobar que la transformacin w = iz es una rotacin de ngulo
2
del plano z. Hallar la imagen de A = {z = x + iy; 0 < x < 2 } mediante w
= iz. (Solucin: {w = u + iv; 0 < v < 2}).
6.17. Hallar la imagen de A mediante la transformacin w = f(z), y
representar grficamente la regin inicial y la regin imagen, para:
5
En el libro de Churchill & Brown pueden verse otros ejemplos de potencial como el
potencial en un espacio cilndrico.
6
Estas aplicaciones de la transformacin de Schwarz-Christoffel estn desarrolladas en
Churchill & Brown: flujo de un canal a travs de una rendija, flujo en un canal
con recodo, potencial electrosttico en el borde de una placa conductora... En
Polya & Latta tambin se explica el flujo en canales utilizando esta
transformacin conforme, y como ejemplos, el flujo alrededor de cuerpos fijos,
el flujo con fronteras libres, y el bocal de borda.
a) A = { z = x + iy; C; x > 0}; w = f(z) = (i 1) z + 2i.
b) A = { z = x + iy; C; y > 0}; w = f(z) = i z + 1 + i.
c) A = { z = x + iy; C; x > 1}; w = f(z) = (1 + i) z + 1.
d) A = { z = x + iy; C; x > 0, 0 < y < 2}; w = f(z) = (i 1) z + 2i.
6.18. Hallar la imagen de A = {z = x + iy; C; x < 3} mediante la
1
transformacin w = . Es el interior de un crculo? Analizar el
z
resultado para A = {z = x + iy; C; x < a} segn sea a un nmero real
y positivo, o un nmero real y negativo. Y si a = 0?
1
6.19. Hallar la imagen de A mediante la transformacin w = , para:
z
a) A = { z = x + iy C; y < 3}.
b) A = { z = x + iy C; 0 < y < 3}.
c) A = { z = x + iy C; x > 1, y > 1}.
d) A = { z = x + iy C; 1 < x < 3}.
Representar grficamente, en cada caso, la regin inicial y la regin
imagen.
1
6.20. Describir geomtricamente la transformacin w = .
z 1
1
6.21. Demostrar que aunque w = transforme una circunferencia en una
z
circunferencia, el centro de la circunferencia inicial no se transforma
en el centro de la circunferencia imagen.

1
6.22. Hallar la imagen de A mediante la transformacin J(z) = z + , para:
z
a) A = {z C; z= 1}
b) A = {z C; z< 1/2, Im z > 0}
c) A = {z C; z< 1/2}
d) A = {z C; z< 1}
6.23. Comprobar que f(z) = z2 transforma la circunferencia {z C; z r=
r} en la cardiode = 2r2(1 + cos ). (Ayuda: Escribir las ecuaciones
paramtricas de la circunferencia).
6.24. Comprobar que w = sen z transforma rectas horizontales (y = b) en
u2 v2
elipses 1 y rectas verticales (x = a) en
(cosh b ) 2 ( senh b )2

u2 v2
hiprbolas 1 . Comprobar tambin que la
( sen a )2 (cos a )2

familia de las elipses es ortogonal a la familia de las parbolas.
6.25. Demostrar que la composicin de dos transformaciones de Mbius
es tambin una transformacin de Mbius.
6.26. Determinar la imagen de la regin A mediante la transformacin T,
siendo:
2z 3i
a) A = {z C; Re z > 0 y Im z > 0} y T(z) = .
z 2i
z 2i
b) A = {z C; < arg z < } y T(z) = .
4 4 3z i
z i
c) A = {z C; z< 2} y T(z) = 2i .
2z 3i
6.27. Transformar el semicrculo de centro el origen y radio 1, con Im z > 0,
mediante las transformaciones:
z 1
a) w .
z3
z i
b) w .
z2
3z 2
c) w
z 4i
3z 2i
d) w
iz 3
6.28. Transformar la corona circular 1 < z < 2, mediante las
transformaciones:
z
a) w .
z3
zi
b) w .
z5
zi
c) w
zi
3z 2i
d) w
iz 4
6.29. Transformar el primer cuadrante x > 0, y > 0, mediante las
transformaciones:
z5
a) w .
z2
z i
b) w .
zi
3z 2
c) w
z 4i
7z i
d) w
iz 3
6.30. Transformar la regin limitada por las circunferencias: z i = 1, z
1 = 1, mediante las transformaciones:
2z 1
a) w .
z3
2z i
b) w .
z2
3z 4
c) w
z 4i
3z
d) w .
iz 3
6.31. Encontrar la transformacin de Mbius T que transforme T(1) = i,
T(0) = 1 y T(1) = i.
zi
(Solucin: w = ).
zi
6.32. Hallar la transformacin de Mbius que aplica los puntos z1 = i, z2 =
0 y z3 = i en los puntos:
a) w1 = 2, w2 = 2 y w3 = 4.
b) w1 = 1, w2 = i y w3 = i.
c) w1 = 2i, w2 = i y w3 = 2i.
d) w1 = 0, w2 = i y w3 = .
Indicar, en cada caso, en qu curva se transforma el eje imaginario x = 0.
6.33. Hallar los puntos fijos de las transformaciones de Mbius siguientes:
a) w = iz.
z 1
b) w .
z 1
6z 9
c) w .
z
d) w = z + 3.
(Solucin: a ) z = 0, ; b) z = i, i; c) z = 3; d) z = ).
6.34. Determinar todas las transformaciones bilineales que dejan invariante
la circunferencia de centro el origen y radio uno.
el eje real Im z = 0.
el semiplano superior Im z > 0.
regin A en la regin B, siendo A = {z = x + iy; x > y} y B = {w = u + iv;
w < 1}.
regin A en la regin B, siendo A = {z = x + iy; x < y} y B = {w = u + iv;
w > 2}.
6.39. Comprobar que todas las transformaciones de Mbius que aplican el

crculo unidad en s mismo y dejan invariante el origen, son
rotaciones.
6.40. Hallar las transformaciones de Mbius que aplican A en B, siendo A
= {z C; z= 1} y B = {w C; w 2= 2} y que transforman 1
en 0 y 0 en 2i. Calcular T().
z 1
(Solucin: T(z) = 2(1 + i) ; T() = {w C; w i= 1}).
2z 1 i
6.41. Hallar las transformaciones de Mbius que aplican A en B, siendo A
= {z C; z + 2i= 1} y B = {w C; w 3= 1} y que transforman
las circunferencias de centro el origen en las circunferencias de
centro el punto 1.
6.42. Hallar la imagen del semiplano superior por la transformacin: w =
i z
Log .
i z
6.43. Encontrar una transformacin conforme que transforme la regin A =

{z C; < arg z < } en la regin B = {w C; w 2< 3}.
4 4
6.44. Encontrar una transformacin conforme que transforme la regin A =

{z C; < arg z < } en la regin B = {w = u + iv C; u > v}.
4 4
az b
6.45. Sea T una transformacin de Mbius w T ( z ) . Demostrar
cz d
que T-1 = T s y slo si a = d.
6.46. Determinar y representar la imagen de A = {z = x + iy C; x2 + y2 +
2x < 0} mediante las transformaciones:

a) T1(z) = z + 3;
1
b) T2(z) = ;
z3
z 1
c) T3(z) = ;
z3
z3
d) T3(z) = .
z 1
6.47. Determinar la imagen de A = {z C; arg(z) /4} mediante la
transformacin f(z) = z2.
(Solucin: T(A) = {w C; Re w 0}).
6.48. Hallar la transformacin bilineal w = T(z) que aplica A = {z C; z
4i 2} en el semiplano B = {w = u + iv C; v u} y tal que T(2i) = 0 y
T(0) = i.
6 3zi
(Solucin: T(z) = ).
6i ( i 2 )z
z
6.49. Sea B la imagen mediante T1(z) = de A = {z = x + iy C; y >
5z
z
x}. Hallar la imagen de B mediante la transformacin T2(z) = .
z 1
(Solucin: T2(T1(A)) = {z = x + iy C; y < x}).
6.50. Obtener la transformacin bilineal compleja w = T(z) que transforma
el crculo A = {z C; z < 2}, en el crculo B = {w C; w < 3}, tal que
T(i) = 0 y arg(T(i)) = /2. Obtener T(2i).
zi
(Solucin: T(z) = 6 ; T(i) = 3).
z 4i
el semiplano A = {z C; Im(z) > 0}, en el crculo B = {w C; w < 1},
tal que T(4i) = 0 y arg(T(4i)) = 3/4. Obtener T(0).
2( 1 i ) z 4i 2( 1 i )
(Solucin: T(z) = ; T(0) = ).
2 z 4i 2
el semiplano A = {z C; Im(z) > 0}, en el crculo B = {w C; w < 1},
1 i
tal que T(3i) = 0 y T() = . Obtener T(i).
2
1 i z 3i i 1
(Solucin: T(z) = ; T(i) = ).
2 z 3i 2 2
el crculo A = {z C; z < 1}, en el crculo B = {w C; w < 1}, tal que
deja invariantes a los puntos: 1 y 2i. Obtener T(i).
(Solucin: T es la identidad; T(i) = i).
6.54. Determinar la imagen de A = {z C; z = 4, Im(z) > 0} mediante la
z4
transformacin T(z) = .
z4
(Solucin: T(A) = {w = u + iv C; u = 0, v > 0}).
el semiplano A = {z C; Im(z) > 0}, en el crculo B = {w C; w 1 <
6}, tal que T(i) = 1 y T(i) = 3. Obtener T(1).
el semiplano A = {z C; Re(z) > 0}, en el crculo B = {w C; w 1 <

2}, tal que T(1) = 1 y T(0) = 1 2i. Calcular T().
z 1
6.57. Dada la transformacin w 2i , determinar:
1 z
a) La imagen del eje real.
b) La imagen del eje imaginario.
c) La imagen de cada uno de los cuatro cuadrantes.
(Solucin: a) T() = {w = u + iv C; u = 0}. b) {w C; w = 2}. c) C1 = {w = u
+ iv C; w > 2, u < 0}; C2 = {w = u + iv C; w < 2, u < 0}; C3 = {w = u + iv
C; w < 2, u > 0}; C4 = {w = u + iv C; w > 2, u > 0}.).
6.58. Determinar la transformacin bilineal w = T(z) tal que T(i) = 0, T(0) =
1 + i y T() = 2i. Obtener su desarrollo en serie de potencias
positivas de z + i. Calcular los residuos de T y T en sus
singularidades. Determinar la imagen de la recta y = x mediante la
transformacin T.
ECUACIONES DIFERENCIALES
ORDINARIAS
El Anlisis ha sido durante trescientos aos una de las ramas ms
importantes de la Matemtica, y las ecuaciones diferenciales constituyen la
parte central del Anlisis, adems es la que mejor permite comprender las
ciencias fsicas y la tcnica. Las cuestiones que plantean proporcionan una
fuente de teora e ideas que permiten avanzar al pensamiento.
En este libro se pretende establecer la relacin existente entre las
matemticas puras y las aplicadas, por lo que se ha considerado muy
interesante introducir las ecuaciones diferenciales presentando muchos
ejemplos concretos y situaciones sencillas del mundo real, y de esta forma
conseguir dos objetivos, por un lado la comprensin de la importancia histrica
que las ecuaciones diferenciales han tenido en el desarrollo de la Matemtica y
su actual vigencia y relevancia, es decir, el inters que tiene su estudio desde
el punto de vista matemtico. Por otro lado, al estudiar modelos vlidos para
explicar situaciones sencillas del mundo real, se motiva la aplicacin en
contextos diversos y el tratamiento de diferentes cuestiones asociadas a ellos,
como existencia y unicidad de las soluciones de un problema de valor inicial,

366 Ecuaciones Diferenciales Ordinarias
estabilidad, problemas de contorno, comportamiento cualitativo de las
soluciones, que explican la solucin del problema y permiten generalizar los
resultados. Para que el ingeniero pueda usar con confianza las ecuaciones
diferenciales debe tener un cierto dominio sobre las tcnicas de solucin y un
conocimiento suficiente sobre la teora bsica.
Las ecuaciones diferenciales aparecen en casi todas las reas de la
Ingeniera Civil, desde la Resistencia de Materiales hasta la Hidrulica. Pero
tambin tienen como finalidad bsica servir como instrumento para el estudio
del cambio en el mundo fsico; por todo esto se exponen aplicaciones tales
como la del problema de la braquistcrona, las leyes de Kepler, el oscilador
armnico, la teora del potencial, las ecuaciones depredador-presa, la
mecnica no lineal, el principio de Hamilton o el problema mecnico de Abel...,
pues el tratamiento matemtico de estos problemas es un gran logro para
nuestra civilizacin.
La razn de esta gran cantidad de aplicaciones se debe a que la derivada
se puede interpretar como el ndice de cambio de una variable respecto de la
otra, y las variables que explican los fenmenos se relacionan entre s por sus
ndices de cambio. Al expresar estas relaciones mediante smbolos
matemticos se obtiene una gran cantidad de ecuaciones diferenciales.
Es interesante detenerse en algunas de las aplicaciones, pues como dice
Simmons1: ... que tratan sobre este tema (ecuaciones diferenciales ordinarias)
me hacen pensar en un autobs turstico cuyo conductor conduce a gran
velocidad para cumplir sus horarios, y sus pasajeros tienen pocas o ninguna
1 Simmons, F. (1988): Ecuaciones Diferenciales con aplicaciones y notas

histricas. McGraw-Hill.
Historia de las ecuaciones diferenciales ordinarias 367
oportunidad para gozar del paisaje. Es mejor que lleguemos algunas veces con
retraso; pero que obtengamos un mayor provecho del viaje. Por ello es
necesario programar cuidadosamente el viaje, para detenerse y gozar de los
mejores paisajes de las ecuaciones diferenciales, aunque procurando llegar sin
retraso.
Para captar la naturaleza y el inters de las ecuaciones diferenciales y
desarrollar mtodos para resolver problemas cientficos y tcnicos no es
conveniente construir una estructura matemtica lgicamente impecable, y si
se tiene presente adems los niveles de rigor comentados por Freudenthal es
preciso alcanzar exactamente el nivel de rigor adecuado, sin pasarse ni
quedarse cortos, y en algunas ocasiones, presentar argumentos
razonablemente convincentes, aunque puedan no ser autnticas
demostraciones para el profesorado de matemticas. La historia proporciona la
gnesis de los conceptos, y ya se sabe que muchos grandes matemticos
cometieron, con la ptica actual, graves errores, pero que sin embargo aportan
noticia de la dificultad que pueden tener esos conceptos cuando son
aprendidos por primera vez. En este libro se trata por tanto de combinar, de la
forma ms adecuada, el conocimiento terico con una gran variedad de
aplicaciones.
Los objetivos que se plantean en esta seccin son los siguientes:
1. Comprender los conceptos sobre ecuaciones diferenciales y sistemas de
ecuaciones diferenciales.
2. Introducir una serie de mtodos y tcnicas de solucin que se debern
manejar con soltura, que permitan calcular la solucin de determinadas

ecuaciones diferenciales, y en particular de los sistemas de ecuaciones
diferenciales lineales y de las ecuaciones diferenciales lineales de orden
superior con coeficientes constantes.
3. Aplicar a problemas de valor inicial las hiptesis y conclusiones de los
teoremas de existencia y unicidad presentados, lo que en la actualidad
resulta de gran importancia para poder utilizar los mtodos numricos.
4. Saber realizar el anlisis de las aplicaciones, con construccin de
modelos e interpretacin de las soluciones.
5. Puesto que pueden presentarse problemas que, por los teoremas de
existencia y unicidad estudiados, se sabe que tienen solucin, pero no se
conocen mtodos para calcularla, (o son demasiado complicados), se
dedica una seccin completa a la resolucin numrica del problema de
valor inicial:
y '=f (x, y )

y (xo )=y 0
6. Analizar el comportamiento cualitativo de las soluciones.
HISTORIA DE LAS ECUACIONES DIFERENCIALES
Las ecuaciones diferenciales sirven como modelo matemtico para el
estudio de problemas que surgen en disciplinas muy diversas. Desde sus
comienzos han contribuido de manera muy notable a solucionar muchas
cuestiones y a interpretar numerosos fenmenos de la naturaleza. Su origen
histrico es inseparable de sus aplicaciones a las ciencias fsicas, qumicas e
ingeniera, ya que para resolver muchos problemas significativos se requiere la
determinacin de una funcin que debe satisfacer una ecuacin en la que
aparece su derivada.
En la historia de las ecuaciones diferenciales se pueden considerar cinco
etapas2, donde cada una de ellas marca un avance definitivo. La primera etapa
ira desde los inicios hasta 1 820 cuando Cauchy publica su teorema de
existencia, que da inicio a la segunda etapa que marca la edad del rigor. La
tercera comienza en 1 870 con M. S. Lie (1 842 1 899) y la aplicacin de la
teora de grupos continuos a las ecuaciones diferenciales, particularmente
aquellos de la dinmica de Hamilton-Jacobi. La cuarta comienza en 1 880 con
el trabajo de E. Picard (1 856 1 941) y su teorema de existencia. La
construccin de las ecuaciones diferenciales es anloga a la teora de las
ecuaciones algebraicas de Galois. La ltima etapa comienza en 1 930 donde el
anlisis se hace ms general. Ya E. H. Moore en 1 908 estudia ecuaciones con
un nmero infinito numerable de variables; ahora se estudiarn ecuaciones
diferenciales de dimensin infinita, y comienza el clculo de variaciones y el
anlisis funcional.
2
Bell, E. T. (1985): Historia de las Matemticas. (2 ed.). Edic. Fondo de Cultura
Econmica.
Quiz se podra situar la primera idea sobre ecuacin diferencial hacia
finales del siglo XVI y principios del siglo XVII en los trabajos realizados por
John Napier (1 550 1 617) cuando invent los logaritmos. Vistas las tablas
confeccionadas por l, si se utilizara el simbolismo moderno del clculo
infinitesimal, se podran considerar como la resolucin numrica de una
ecuacin diferencial.
Lo infinitamente pequeo tena para Galileo Galilei (1 564 1 642) una
importancia ms inmediata que lo infinitamente grande, puesto que lo
necesitaba en su dinmica. Galileo analiz el comportamiento del movimiento
de un proyectil con una componente horizontal y uniforme, y una componente
vertical uniformemente acelerada, consiguiendo demostrar que la trayectoria
del proyectil, despreciando la resistencia del aire, es siempre una parbola.
Estudi el problema del espacio recorrido por un cuerpo en cada libre y se
puede considerar que utiliz para su resolucin ecuaciones diferenciales. De
Pierre Fermat (1601-1665) dice Laplace que es el verdadero inventor del
clculo diferencial.
Las ecuaciones diferenciales aparecen simultneamente al clculo
infinitesimal. Por ejemplo en 1 638 apareci el problema de la tractriz,
propuesto por Ren Descartes (1 596 1 650) a Fermat, que realmente es un
problema de tangentes a una curva, (no pudo resolverlo pues no conoca el
clculo), y fue resuelto en 1 674 por Leibniz y en 1 690 por Jakob Bernoulli,
cuando ya se conocan los trabajos de Newton y Leibniz.
Las ecuaciones diferenciales comienzan con Isaac Newton (1 642 - 1727)
y Gottfried Withelm Leibniz (1 646 1 716). Dice este ltimo Considerando la
matemtica desde el comienzo del mundo hasta la poca de Newton, lo que l

ha hecho es, con mucho, la mitad mejor. Muy pronto los cientficos se dan
cuenta de que las ecuaciones diferenciales son la expresin matemtica
de las leyes naturales.
Isaac Newton (1 642 1 727) naci el mismo ao en que muri Galileo.
Los problemas que motivaron sus descubrimientos fueron el estudio de la
dinmica del punto y del slido rgido. Sus primeros descubrimientos
matemticos datan de 1 665 en que expres funciones en series de potencias,
y empez a pensar en la velocidad del cambio, o fluxin de magnitudes que
varan de manera continua tales como reas, longitudes, distancias,
temperaturas, etc. asociando de manera conjunta ambos problemas, las series
infinitas y las velocidades de cambio.
Figura 1: Isaac Newton (1 642 1 727)
El De analysi per aequationes numero terminorum infinitas, publicado en
1 711, contiene la primera exposicin sistemtica del clculo, donde formula un
mtodo sistemtico de diferenciacin, (aunque no se distingue mucho del que
public Barrow en 1 670). En 1 742 se public Methodus fluxionum et serierum
infinitorum, escrito hacia 1 671, en el que ya aparecen ecuaciones

diferenciales. En 1 676 escribi De quadratura curvarum donde evitaba las
cantidades infinitamente pequeas reemplazndolas por las llamadas razones
primeras y ltimas, aunque su primera obra impresa: Philosophiae naturalis
principia mathematica fue en 1 687 siendo el trabajo cientfico ms admirado
de todos los tiempos, donde es plenamente consciente del papel de las
ecuaciones diferenciales. Escribi, en la segunda ley de los principios, la
ecuacin de una piedra que cae por accin de la gravedad en diferentes
medios: aire, agua, aceite... mv = mg kv donde m, g y k son constantes
reales mayores que cero, con lo que se obtiene una ecuacin diferencial en la
que se quiere encontrar v = v(t). Pero esta ecuacin diferencial no proporciona
propiamente el estado sino que dice como evoluciona el sistema. Para conocer
el estado se debe imponer una condicin inicial.
La influencia cultural fue tremenda. La naturaleza obedece a leyes
generales. Da origen a la concepcin filosfica de Kant, al pensamiento de la
Ilustracin y al determinismo cientfico por el que el conocimiento de estas
leyes llevara a conocer completamente el pasado y el futuro. Este concepto de
que las leyes fsicas son ecuaciones diferenciales es el nico concepto de
Newton que, en opinin de Einstein, sigue hoy totalmente vigente.
Newton clasifica las ecuaciones diferenciales en tres tipos:
y
a) f( x) integral indefinida
x
y
b) f(y )
x
y
c) f ( x,y ) caso general.
x
Cree saber resolverlas todas. Su mtodo consiste en desarrollar la

funcin f en serie de potencias, derivar, y sustituir trmino a trmino. El clculo
de coeficientes es recursivo y el primero es arbitrario (aunque la nocin de
constante arbitraria es ms tarda).
A modo de ejemplo se transcribe una expresin de Newton:
3 x 2 x 2axx ayx axy 3 xxx 0 axx 0 axy 0 3 yyy 0 x 3 00 y 3 00 0
donde se puede observar que haba una cierta vaguedad en el modo de
formulacin.
Actualmente est claro que el descubrimiento de Newton precedi al de
Leibniz en unos diez aos, as como que Leibniz hizo sus descubrimientos de
forma paralela a los de Newton, aunque a Leibniz le corresponde la prioridad
de su publicacin, pues public en la revista Acta Eruditorum una exposicin
del clculo en 1 684.
Gottfried Wilhelm Leibniz (1 646 1 716) ley con atencin las obras de
Pascal sobre la cicloide, y se dio cuenta, hacia 1 673, de que la determinacin
de la tangente a una curva depende de la razn entre las diferencias entre las
ordenadas y las abscisas, cuando estas diferencias se hacen infinitamente
pequeas. Se haca pues necesario crear un lenguaje y una notacin
adecuados para tratar estos problemas, y lo elegido fue especialmente
afortunado ya que facilit el razonamiento lgico. Utiliz la notacin que hoy da
se emplea de dx y del signo de integral, fue el primero en introducir el trmino
ecuacin diferencial y el trmino derivar en el sentido de deducir (en una
carta de Leibniz a Newton).

Figura 2: Gottfried Wilhelm Leibniz (1 646 1 716)
Dice Ince:3 Todos nuestros vagos conocimientos sobre el nacimiento y el
desarrollo de la ciencia de las ecuaciones diferenciales se resume en una fecha
importante, el 11 de noviembre de 1 675, cuando por primera vez Leibniz
1 2
asert en un papel la ecuacin: y dy 2 y .
El problema crucial que resolvi el clculo de Newton y Leibniz fue el
siguiente. Si una variable y depende de otra x, y se conoce la tasa de variacin
de y respecto de x para cambios muy pequeos de la variable x, lo que Leibniz
ya denot: dy = f(x)dx, entonces la determinacin de y respecto de x se puede
realizar mediante el clculo de un rea, lo que es conceptualmente mucho ms
simple. Esta idea de generalizar las operaciones de derivacin e integracin
como inversas la una de la otra, es el ncleo fundamental de sus
descubrimientos. Ya en el siglo XVII se haban resuelto muchos problemas
particulares: la tractriz, la braquistcrona, la catenaria y algunos problemas
isoperimtricos, pero el inters del trabajo de Newton y Leibniz reside en la
3
Ince, E. L.: Ordinary Differential Equations. Longmans, Green, 1927.
generalizacin. Leibniz descubre mtodos de separacin de variables de
resolucin de ecuaciones homogneas de primer orden y de ecuaciones
lineales de primer orden, utiliza en 1696 el cambio y = z1n, y mantiene
correspondencia con otros matemticos, en especial con los hermanos
Bernoulli.
En este periodo fundamentalmente se centra el esfuerzo en la bsqueda
de mtodos particulares de resolucin aplicables a diferentes tipos concretos
de ecuaciones diferenciales. Se pueden considerar los trabajos de los
hermanos Jakob Bernoulli (1 654 1 705) y Johann Bernoulli (1 667 1 748), y
del hijo de Johann, Daniel Bernoulli (1 700 1 782). La familia Bernoulli tuvo,
en tres generaciones, ocho matemticos, de los que los tres ya citados fueron
extraordinarios.
Figura 3: Jakob Bernoulli (1 654 1 705)
En 1 690 Jakob Bernoulli resuelve el problema de la iscrona y plantea
el problema de la catenaria. El problema de la braquistcrona, curva por la
que el tiempo de cada es mnimo, propuesto en 1 696 por Johann Bernoulli,
que es posible considerar como el origen del clculo de variaciones, provoc
discusiones entre ellos. Daniel asocia su nombre a la famosa ecuacin de

Bernoulli de la mecnica de fluidos.
Jacob Bernoulli estudi teologa, pero pronto se dedic a estudiar a
Newton y a Leibniz. Fue profesor de matemticas en Basilea. Su hermano ms
joven, Johann Bernoulli estudi medicina y se doctor con una tesis sobre la
contraccin de los msculos, aunque pronto se sinti fascinado por el clculo.
En 1 695 fue profesor de matemticas y fsica en Groningen, Holanda, y al
morir su hermano, le sucedi como profesor en Basilea. Daniel Bernoulli
estudi medicina como su padre y se doctor con un trabajo sobre los
pulmones. Tambin como su padre fue profesor de matemticas en San
Petersburgo. Obtuvo diez premios de la Academia Francesa.
Los Bernoulli introdujeron los fundamentos para la clasificacin de las
ecuaciones diferenciales. Los primeros esfuerzos estuvieron dirigidos a reducir
ecuaciones de primer orden a ecuaciones de variables separadas. Leibniz
redujo la ecuacin homognea mediante la sustitucin y = ux, y la lineal de
primer orden mediante y = uv, y los Bernoulli redujeron a lineal la ecuacin que
hoy lleva su nombre. Johann Bernoulli utiliz factores integrantes y prob que
la ecuacin que hoy se denomina de Euler (pues Euler encontr la sustitucin x
= et) puede reducirse de orden multiplicando por un factor xk.
Es interesante analizar las dificultades que encontraban en la solucin de
ecuaciones que hoy se consideran elementales, as como los logros que
alcanzaron. A finales del siglo XVII se conocan muchos de los mtodos
elementales de resolucin de ecuaciones diferenciales ordinarias de primer
orden, y se dirigi la atencin hacia las ecuaciones diferenciales de orden
superior y las ecuaciones en derivadas parciales. En la tumba de Jakob
Bernoulli aparece la espiral logartmica y llevan su nombre la elstica de

Bernoulli y la lemniscata de Bernoulli. Johann Bernoulli resolvi las trayectorias
ortogonales a una familia dada como un reto con los ingleses. Por ejemplo,
Johann Bernoulli en 1 694, al utilizar el mtodo de separacin de variables para
integrar una ecuacin diferencial, se dio cuenta de que en ocasiones, como
dy 2dx
ocurre en la ecuacin diferencial , se oculta la naturaleza de las
y x
soluciones, y que si se multiplica por un factor integrante adecuado, como se
llamar ms tarde, se obtiene una solucin algebraica.
De forma simplificada se considera el siglo XVIII como el siglo de la
integracin elemental de las ecuaciones diferenciales. stas se convirtieron
en el instrumento bsico de investigacin en problemas de mecnica,
geometra diferencial y clculo de variaciones4 y se relacionaron con la teora
de funciones de variable compleja y con las series trigonomtricas. Aparecieron
tambin algunos problemas fsicos, como el problema de la cuerda vibrante,
formulados en ecuaciones en derivadas parciales.
Las ecuaciones diferenciales encontrarn un gran nmero de aplicaciones
durante la segunda mitad del siglo XVIII. Su estudio lleg a ser una de las
disciplinas matemticas ms importantes debido a su utilizacin como
herramienta fundamental en el campo cientfico y por la gran cantidad de
problemas prcticos que con ellas se podan resolver. Los matemticos ms
famosos del siglo XVIII contribuyeron enormemente al desarrollo de las
ecuaciones diferenciales. Se pueden citar de una manera especial por la
importancia de sus trabajos en este campo a Euler (1 707 1 783), Clairaut (1
713 1 765), DAlembert (1 717 1 783), Daniel Bernoulli (1 700 1 782),
4
Guzmn, M. (1975): Ecuaciones diferenciales ordinarias. Teora de estabilidad y
control. Alhambra.
Lagrange (1 736 1 813) y Laplace (1 749 1 827). Se estudiaron los distintos
tipos de ecuaciones diferenciales integrables por cuadraturas, se elaboraron los
primeros procesos de aproximacin y se introdujeron conceptos fundamentales
dentro de la teora como los de solucin singular y solucin general de una
ecuacin diferencial. Se estudiaron algunos tipos de ecuaciones de orden
superior y se elaboraron los cimientos para una teora geomtrica de las
ecuaciones en derivadas parciales.
Leonard Euler obtuvo importantes progresos en la teora de ecuaciones
diferenciales, que utiliz en la resolucin de problemas de mecnica celeste y
de balstica. Sobre el trabajo de Euler en mecnica dijo Lagrange que era el
primer gran trabajo en el que se aplica el anlisis a la ciencia del movimiento.
Con l, la teora de las ecuaciones diferenciales se transforma en una disciplina
independiente, con sus dos ramas, ecuaciones diferenciales ordinarias y
derivadas parciales. Los resultados fueron recogidos en la magistral obra
Institutiones calculi integralis en cuatro tomos, publicados los tres primeros
entre 1 768 y 1 770 y el cuarto en 1 794, siendo utilizado desde entonces como
manual obligado para el estudio de matemticas.

Figura 4: Leonhard Euler (1 707 1 783)
A l se deben varios cambios de variables, como aquellos que permiten
reducir ecuaciones de segundo orden en ecuaciones de primer orden, y cre el
concepto de factor integrante que proporciona la forma de integrar
directamente algunas ecuaciones diferenciales ordinarias. En 1 735 trabaj las
ecuaciones diferenciales mediante series, en 1 739 dio un tratamiento general
de las ecuaciones diferenciales lineales ordinarias con coeficientes constantes
encontrando una solucin exponencial, dando en 1 743 el mtodo ms general
de la ecuacin caracterstica, y resolviendo en 1 753 la ecuacin no
homognea.
La teora general de coeficientes variables se debe a DAlembert, en
1765, y el mtodo de variacin de parmetros a Lagrange en 1 776.
Figura 5: Jean Le Rond dAlembert (1 717 1 783)
Estudi la denominada Ecuacin de Euler y algn caso particular de la
ecuacin de Bessel, (trabajada en un estudio ms general por F. W. Bessel
(1784 1 846)), para lo que us series de potencias. Por ejemplo, buscando la
solucin de uxx + u = 0, encontr la funcin: 2cos x, y la funcin: exi + e-xi,
llegando por desarrollos en serie a la conviccin de que ambas funciones

coinciden, (de donde nacen las primeras ideas sobre como debe ser una
funcin exponencial compleja).
Un problema en el que se interesaron los matemticos del siglo XVIII fue
el de encontrar el nmero de parmetros que determinan la solucin de una
ecuacin diferencial. Una ecuacin diferencial ordinaria de orden n escrita en
forma explcita tiene una solucin dependiente de n parmetros. Sin embargo
se encontraron ejemplos de ecuaciones diferenciales en forma implcita que
admitan soluciones con un nmero menor de parmetros, aunque, admitan
tambin otras soluciones denominadas soluciones singulares. Euler prob que
el nmero de parmetros necesarios en una ecuacin diferencial lineal de
orden n es exactamente igual a n.
El uso de factores integrantes, los mtodos sistemticos para resolver las
ecuaciones lineales homogneas y no homogneas, y obtener soluciones
particulares y generales e incluso soluciones singulares, son algunas de las
contribuciones de Euler, compartidas con Daniel Bernoulli, (que por ejemplo
resolvi y + ky = f(x)) y DAlembert. Daniel Bernoulli y Euler proponen, al
estudiar las oscilaciones de una barra, la ecuacin diferencial de cuarto orden:
k4yIV) = y, la ms alta hasta entonces. Contribuye al mtodo de solucin en
series de potencias, a las series trigonomtricas, y crea una primera discusin
sistemtica del clculo de variaciones. Se debe a Euler el procedimiento
numrico de resolucin de ecuaciones diferenciales. Se fija en el mtodo de las
isoclinas f(x, y) = cte., y para valores de x dados elige rectas verticales sobre
las que se calculan pendientes, introduciendo as el mtodo de las poligonales
de Euler como una simplificacin del mtodo de las isoclinas.
La resolucin de ecuaciones diferenciales ordinarias comenz tan pronto

como se conoci la relacin inversa existente entre los procesos de
diferenciacin e integracin. El problema de resolver ecuaciones en derivadas
parciales era un campo abierto a los pioneros. DAlembert tuvo intereses muy
variados, pues public tratados sobre dinmica, msica, el problema de los tres
cuerpos, la precesin de los equinocios, el movimiento en medios resistentes y
las perturbaciones del movimiento lunar. El estudio de la cuerda vibrante le
condujo a la ecuacin en derivadas parciales: utt = uxx, para la que dio en
1747, en las Memoirs de la Academia de Berln, la solucin u = f(x + t) + g(x t),
donde f y g son, segn DAlembert, funciones arbitrarias que pueden
determinarse a partir de las condiciones iniciales. Euler dio en 1 753 para la
ecuacin ms general utt = a2uxx, la solucin u = f(x + at) + g(x at), y la
interpretacin es diferente pues DAlembert no conceba que la solucin no
fuese continua, incluso con segundas derivadas continuas, mientras Euler
mantena que f y g eran completamente arbitrarias, pudiendo ser discontinuas.
La mayora de las ecuaciones diferenciales ordinarias no eran sencillas de
resolver mediante cuadraturas, y requeran ingeniosas sustituciones o
algoritmos especiales para encontrar su solucin. Se descubrieron familias de
ecuaciones resolubles por artificios relativamente sencillos como las
ecuaciones de Bernoulli ya comentadas. Taylor en 1715 descubre el fenmeno
de las soluciones singulares. Alexis Claude Clairaut (1 713 1 765), precoz
matemtico que a los diez aos estudiaba ya los textos de LHpital, identific
la familia y = xy + f(y), que adems de la solucin general y = cx + f(c) tiene
una solucin singular, siendo una de las primeras de este tipo que se
encontraron. DAlembert encontr la solucin singular de la ecuacin un poco
ms general: y = xf(y) + g(y) que lleva su nombre. Euler considera una cierta
paradoja el hecho de que las soluciones singulares se obtengan derivando en
vez de integrando. Y Lagrange en 1776 demuestra que la envolvente de una
familia de soluciones de una ecuacin diferencial, si existe, es tambin una
solucin, y es una solucin singular. Clairaut observ que las derivadas
parciales de segundo orden cruzadas de una funcin son iguales (hoy se
conocen las condiciones suficientes para que esto ocurra), y utiliz este hecho
en el familiar criterio de reconocimiento de las ecuaciones diferenciales
exactas. Escribi obras de matemticas aplicadas que se hicieron famosas.
Una de las ecuaciones diferenciales ordinarias ms interesantes del siglo
XVIII fue la ecuacin que DAlembert denomin de Riccati, y fue estudiada por
muchos matemticos como los Bernoulli.
Produjo problemas la imposibilidad de obtener soluciones explcitas para
la ecuacin de Riccati, que debe su nombre a Jacopo Riccati (1 676 1 754),
matemtico italiano que consider ecuaciones de la forma f(y, y, y) = 0, o la
importante ecuacin no lineal que lleva su nombre. Ya se haban encontrado
ecuaciones cuya solucin nicamente se puede obtener como series de
potencias, como: xy = y2, y los Bernoulli haban iniciado la integracin
numrica sustituyendo derivadas por incrementos finitos.

Figura 6: Jacopo Riccati (1 676 1 754)
Daniel Bernoulli estudia en 1 724 valores de n para los que la ecuacin
de Riccati es integrable por separacin de variables. Euler fue el primero en
llamar la atencin sobre que si se conoce una solucin particular entonces,
haciendo una sustitucin, se convierte en una ecuacin diferencial lineal, por lo
que se puede hallar su solucin general; o que si se conocen dos soluciones
particulares entonces se puede obtener la solucin general por medio de una
simple cuadratura. En 1 841 Liouville demuestra que existen ecuaciones
diferenciales sencillas que no pueden resolverse por integracin elemental.
La teora de Galois cierra por radicales esta idea.
Lagrange (1 736 1 813) en su artculo Recherches sur la nature et la
propagation du son (1 759) se mostr de acuerdo con que las soluciones de la
ecuacin diferencial deben ser continuas. Observ que es til tratar ecuaciones
de la forma F(x, y, y) = 0 y no siempre utilizar la variable x como independiente.
En Nouvelles recherches sur la nature et propagation du son (1 761)
transforma la ecuacin en derivadas parciales en un par de ecuaciones
diferenciales ordinarias. Obtuvo las tcnicas que se denominan de los
multiplicadores de Lagrange. Tambin se debe a Lagrange la tcnica que se
conoce como de variacin de parmetros o de constantes para encontrar una
solucin particular de una ecuacin diferencial ordinaria no homognea de
orden n, o de un sistema, conociendo la solucin general de la homognea
asociada. Otra de sus contribuciones es el clculo de variaciones, cuyo nombre
deriva de las notaciones usadas por Lagrange hacia 1 760. Trata de encontrar
b
una relacin funcional y = f(x) para que una integral a g( x , y , y' ) dx tome un
valor mximo o mnimo. Como casos particulares estn los problemas sobre
isoperimetras o de descenso ms rpido. Hizo tambin importantes
aportaciones a la mecnica analtica. El trabajo monumental de Lagrange
Mecanique analytique contiene las ecuaciones generales del movimiento de
un sistema dinmico, que hoy llevan su nombre, deduciendo las ecuaciones de
la mecnica aplicando el principio de mnima accin (o clculo de variaciones
ya comentado).
En la misma poca Laplace obtuvo y estudi la conocida ecuacin que
lleva su nombre, y que aparece continuamente en problemas de hidrodinmica,
elasticidad y electromagnetismo, as como su famosa transformada que
permite resolver numerosas ecuaciones lineales. El trabajo de cinco volmenes
Trait de mecanique cleste le vali el ttulo de Newton de Francia.
Figura 7: Pierre Simon de Laplace (1 749 1 827)
Las posturas de Lagrange y Laplace proveen de dos filosofas distintas de
las Matemticas. Para Laplace la naturaleza era esencial y las Matemticas
una herramienta; mientras que para Lagrange las Matemticas eran un arte
que justificaba su propia existencia.

En Boyce5 se encuentra la siguiente afirmacin de N. Bowditch: No
puedo encontrar una afirmacin de Laplace As, es evidente, sin tener la
seguridad de que deber emplear horas de trabajo intenso, para cubrir el
abismo y averiguar y demostrar lo evidente que es. Mary Sommerville fue
traductora y comentarista de esta obra, y con sus explicaciones profundas hizo
posible que fuese comprendida.
Monge, ms conocido por sus trabajos en geometra, tambin hizo
aportaciones a las ecuaciones diferenciales que destacan por su visin
geomtrica. Estudi ecuaciones de primer y segundo orden mediante el
mtodo de las ecuaciones caractersticas. Introdujo transformaciones de
contacto, con las que es posible reducir ecuaciones a otras cuya solucin sea
conocida. Observ que ecuaciones de la forma:
P(x, y, z)dx + Q(x, y, z)dy + R(x, y, z)dz = 0
que segn Euler no tienen sentido cuando no existen familias de superficies
que las satisfagan, pueden resolverse si se obtienen como soluciones
variedades de orden inferior, (como curvas). Posteriormente fueron
generalizadas a ms dimensiones por Pfaff. Tanto ellas como sus
generalizaciones a sistemas, tienen aplicaciones en campos como
Termodinmica o Mecnica Clsica, por lo que posteriormente han sido
estudiadas por Grassmann, Frobenius, Lie, Darboux y Cartan. El formalismo de
formas diferenciales introducido por este ltimo permite escribir de forma
elegante el teorema de Frobenius que establece cuando un sistema general de
ecuaciones de Pfaff admite factores integrantes.
5
Boyce, W. E.; DiPrima, R. C.: Ecuaciones diferenciales y problemas con valores en la
frontera. Editorial Limusa. (1 edicin). 1967. (10 reimpresin) 1992.pgina 25.
Jacobi y Abel trabajaron sobre funciones elpticas. Jacobi descubri un
mtodo, que se denomina de Hamilton-Jacobi, que permite integrar un sistema
de ecuaciones cannicas de Hamilton por medio de una integral completa de
una ecuacin en derivadas parciales de primer orden. Estudi un mtodo que
extiende el de Charpit-Lagrange a dimensiones superiores a dos, que hace
comprender que el mtodo anterior es una tcnica para reducir la
dimensionalidad de los problemas considerados si uno es capaz de encontrar
cantidades conservadas en involucin para el sistema de caractersticas, y que
en particular esto reduce el problema a resolver ecuaciones donde aparecen
jacobianos. Tambin se deben a Jacobi las condiciones que llevan su nombre y
que debe satisfacer un problema de clculo de variaciones para que un
extremal sea mnimo.
La influencia de Gauss en las ecuaciones diferenciales ordinarias es
menor que en otras ramas de la Matemtica, y a veces indirecta. Estudi
ecuaciones hipergeomtricas y funciones elpticas, e hizo tambin estudios en
geometra diferencial o variable compleja que incidieron indirectamente en las
ecuaciones diferenciales. Estudi tambin electromagnetismo y fluidos, por lo
que se debe mencionar su teorema de la divergencia.
Durante la primera mitad del siglo XIX aparecen nuevas ideas generadas
en parte para dar respuesta a problemas de fsica matemtica, siendo los ms
notables los relacionados con las series de Fourier, y tambin en parte
originados por la transformacin general que experiment el anlisis
matemtico durante este periodo que dio lugar al planteamiento de nuevos
enfoques dentro de la teora de ecuaciones diferenciales.
El punto de partida es el famoso trabajo sobre la difusin del calor de J.

B. Fourier (1 768 1 830) comenzado en 1 807 y publicado en 1 822, donde
para obtener la solucin de la ecuacin del calor
u 2u 2u 2u
k
t x 2 y 2 z 2

con distintas condiciones de contorno, Fourier desarroll de forma sistemtica
el mtodo de separacin de variables, y llevando adelante las ideas de D.
Bernoulli lleg a la representacin de soluciones en series trigonomtricas,
indicando adems que la clase de funciones que podan ser as representadas
era muy amplia. Prueba la convergencia de sus series a las correspondientes
funciones peridicas, utilizando razonamientos en muchos caso faltos de rigor,
que hoy da, mediante la teora de distribuciones se pueden formular
correctamente.
Figura 8: Jean Baptiste Joseph Fourier ( 1768 1 830)
Por entonces las tres grandes L (Lagrange, Laplace y Legendre) criticaron
la memoria de Fourier por sus lagunas y vaguedad de razonamiento, y quizs
esta sea la causa para que comenzara la poca del rigor. El trabajo de Fourier
desempe un papel catalizador en la nueva fundamentacin del Anlisis, pues
suscit cuestiones como las condiciones exactas de representabilidad de

funciones mediante series trigonomtricas. El primer resultado riguroso en esta
lnea fue obtenido por Dirichlet, en 1 829, un ao antes de la muerte de Fourier.
Con Cauchy comienza la edad del rigor, desde 1 820 a 1 870. Hacia
1810 se consideraba obvia la existencia de soluciones por desarrollo de series.
Cauchy dice de forma clara que no todas las ecuaciones diferenciales se
pueden resolver, pues nada garantiza que la serie sea convergente, e incluso si
converge, que sea hacia la funcin deseada. Cauchy desarroll, entre 1 820 y
1830 en sus cursos de la Escuela Politcnica de Pars, los conocidos mtodos
que permiten probar la existencia de las soluciones del problema de valor
inicial y = f(x, y); y(x0) = y0 que hoy se denomina problema de Cauchy,
adaptando el mtodo del polgono de Euler a sus objetivos. En un manuscrito
recientemente encontrado dice: la resolucin del problema de valor inicial
dara la solucin general. Se debe a Cauchy en 1 824 la idea bsica del
mtodo de las aproximaciones sucesivas, mejorado por Peano en 1 890,
presentado en forma ms moderna y general en 1 890 por E. Picard (1 856 -1
941), y en 1 894 por Lindelf. Considera Cauchy la ecuacin integral
x
equivalente: y ( x ) y 0 x 0
f ( z , y ( z )) dz y la analiza por el mtodo que hoy se
conoce como el de las poligonales de Euler, aunque entonces l no lo conoca.
De 1 839 a 1 842 utiliz el mtodo de la mayorante si f(x, y) es analtica,
lo que se aplica bien en el campo complejo. En 1 842 en la reunin semanal de
la Academia, aplic el mtodo de la mayorante a las ecuaciones en derivadas
parciales, base de lo que hoy se denomina teorema de Cauchy-Kovaleskaya.
Extendi su teorema de existencia a ecuaciones de orden superior, y tambin a
ecuaciones diferenciales ordinarias y sistemas de ecuaciones diferenciales de

primer orden en el campo complejo. Las tcnicas son tambin aplicables a
numerosas ecuaciones en derivadas parciales por lo que se debe recordar a la
matemtica rusa Sofa Kovaleskaya (1 850 1 891) por sus resultados para la
resolucin de ecuaciones con datos en forma normal sobre una superficie no
caracterstica, y el teorema que lleva el nombre de Cauchy-Kovalevskaya que
demostr en 1 874, teorema fundamental de existencia de una nica solucin
analtica de un sistema de ecuaciones en derivadas parciales en forma normal.
Kovaleskaya present un ejemplo, sorprendente entonces, de una ecuacin
que no cumple las hiptesis del teorema y no posee solucin analtica alguna.
Figura 9: Sofa Kovaleskaya (1 850 1 891)
Los teoremas de existencia tuvieron importancia no slo desde un punto
de vista terico, sino tambin desde un punto de vista prctico, ya que
permitieron justificar la aplicacin de los mtodos de la teora de ecuaciones
diferenciales a la fsica. Por otra parte los mtodos utilizados en las
demostraciones de estos teoremas proporcionaron algoritmos para obtener
aproximaciones de la solucin con el grado de exactitud deseada, as como
para medir el error de la aproximacin, por lo que sirvieron de fundamento para
los procesos de integracin numrica que fueron elaborados durante el siglo
XIX.
Se debe a Cauchy la memoria sobre la propagacin de ondas pticas
Mmoire sur la thorie des ondes que apareci en 1 815 precisamente
cuando tomaba forma definitiva la teora ondulatoria de la luz por obra de
Young y de Fresnel, y el ser uno de los fundadores de la teora matemtica de
la elasticidad. Son importantes los trabajos de Cauchy sobre funciones
complejas, para tener en cuenta la relacin entre variable compleja y la teora
de ecuaciones diferenciales, que no se manifiesta nicamente en las
aplicaciones como la inversin de la transformada de Laplace, sino tambin en
los estudios llevados a cabo por Fuchs, Kummer, Riemann, Painlev, Klein,
Poincar, Hilbert, entre otros, sobre puntos singulares de las soluciones de las
ecuaciones diferenciales. Cuando se abordaban problemas de la Fsica
Matemtica donde las condiciones iniciales no eran regulares (como por
ejemplo, una cuerda sometida a un fuerte plegamiento, tratado por Christoffel,
o la propagacin de ondas planas con ondas de choque) la consideracin de
singularidades era inevitable.
Hacia 1 869 segua sin resolverse el problema de la unicidad de una
ecuacin diferencial. En 1 854 Briot y N. Bouquet simplificaron la demostracin
de Cauchy y analizaron el caso en que f(x, y) es singular en un punto del
campo complejo, comprobando que el radio de convergencia es el mximo
posible hasta que se alcanza la singularidad. El que la solucin no sea nica se
contradice con la idea de Laplace de que es posible un conocimiento completo
y se utiliza la aleatoriedad en el contexto de las ecuaciones diferenciales.
Peano trat la existencia local de soluciones e introdujo las inecuaciones
diferenciales probando que el nfimo de las supersoluciones y el supremo de
las subsoluciones son soluciones. Picard, al final de un largo artculo,

trabajando sobre las ecuaciones de segundo orden trat las aproximaciones
sucesivas e impuso las condiciones de Lipschitz. La teora de las sub y super
soluciones, y de las inecuaciones, no es vlida para sistemas. Se tienen
entonces los mtodos basados en la teora de la integral:
x
y( x ) y 0 x 0
f ( z , y ( z )) dz . Vall-Poussin asoci a la ecuacin diferencial la
suma superior y la suma inferior. Este mtodo admite alguna discontinuidad de
la funcin f lo que es importante en control. Caratheodory en 1 918 utiliz la
integral de Lebesgue. Lipschitz fue el primero que abord los criterios de
unicidad, Jordan los simplific y el mtodo de Perrn de 1 926 unific y mejor
los mtodos anteriores.
La formulacin exacta del concepto de independencia lineal de un
sistema de funciones, de tanto inters dentro de la teora de ecuaciones
diferenciales, proviene de la segunda mitad del siglo XIX, en la que se obtuvo
una condicin para la independencia lineal en trminos del determinante
llamado wronskiano, que haba introducido H. Wronski (1 775 1 853) en la
primera mitad del siglo XIX.
Con la ecuacin de Euler ya se observ que las soluciones son ms
irregulares que la propia ecuacin. A L. Fuchs (1 833 1 902) se debe el
concepto de sistema fundamental de soluciones y se debe tambin una nueva
orientacin en la teora de ecuaciones diferenciales con coeficientes
algebraicos, que pronto se transform en una teora analtica de ecuaciones
diferenciales, ocupndose de las propiedades generales de las soluciones de
ecuaciones diferenciales, no necesariamente lineales, en el campo complejo.
Las ecuaciones cuyas singularidades son todas regulares se denominan

fuchsianas, en ellas la rotacin en torno al punto singular transforma una
solucin de un conjunto de soluciones linealmente independientes en una
combinacin lineal de las mismas. Fuchs observ hacia 1 865 que en las
ecuaciones no lineales las singularidades son mviles, por ejemplo: y = y2
1
tiene de solucin y cuya singularidad depende de la constante y por
x c
tanto del valor inicial. Frobenius en 1 874 desarroll en serie y prob la
convergencia en los puntos singulares regulares. Se ocuparon tambin de este
problema, entre otros, Hilbert, Poincar, Klein, desarrollando Painlev entre 1
900 y 1 906 una teora general.
Riemann obtuvo la solucin general de la ecuacin hiperblica no lineal
de segundo orden de dos variables, para la que demostr que es posible
reducirla siempre a una ecuacin lineal de segundo orden, tcnica que se
emplea en el estudio de la dinmica de gases. Estudi tambin soluciones
discontinuas para estas ecuaciones, y aunque anticip el concepto de onda de
choque, no obtuvo la solucin correcta, debida a Hugoniot, pues realiz la
hiptesis errnea de que la entropa es constante a lo largo de la
discontinuidad. A l se debe el estudio del grupo de monodroma.
Los problemas de contorno, que aparecen en geometra diferencial,
teora de ecuaciones integrales y en fsica matemtica (ecuaciones del calor y
ondas), cuyas soluciones se obtienen mediante el mtodo de variables
separadas, dan lugar a los problemas conocidos con los nombres de J. Sturm
(1 803 1 855) y J. Liouville (1 809 1 882).

Figura 10: J. Liouville (1 809 1 882)
Consisten en tratar de resolver una ecuacin de la forma: (Py) + Gy = 0,
donde P y G son funciones dependientes de x y de un parmetro , y
suponiendo conocidos en dos puntos del eje x los valores de combinaciones
lineales de y(x) y de y(x). Especial inters presentan los teoremas de
oscilacin de Sturm que permiten examinar la oscilacin de dos soluciones
comparndola con otras como las de la ecuacin elemental y + y = 0. Se
caracterizan por la existencia de un parmetro con el que, para valores
particulares que se denominan autovalores, el problema de contorno tiene
soluciones no triviales. Los teoremas de Sturm permiten obtener soluciones de
los problemas de Sturm-Liouville mediante las tcnicas que se denominan de
tiro, en la direccin de las primeras investigaciones en este rea. La
herramienta ms poderosa ha sido la funcin de Green, y el uso que de ella
hizo Freldhom a principios de siglo, demostrando que dicha funcin es analtica
en el parmetro , excepto para los autovalores donde presenta polos, lo que
permite de nuevo utilizar las potentes tcnicas de variable compleja en el
tratamiento de estos problemas.

Figura 11: Lejeune Dirichlet
El estudio de los problemas de contorno para la ecuacin de Laplace y la
formulacin del principio de Dirichlet son de la segunda mitad del siglo XIX. El
desarrollo de la teora de ecuaciones en derivadas parciales de orden superior
al primero se realiz en ntima conexin con problemas de fsica y en particular
de elasticidad. Se desarroll el clculo de variaciones, aparecieron ejemplos de
funciones que no satisfacen las ecuaciones de Euler-Lagrange. El carcter
central del problema de Dirichlet asociado a la ecuacin de Laplace hizo que se
trabajase intensamente en su solucin. Se desarrollaron las tcnicas de la
teora de potencial y ecuaciones integrales para el estudio de ese problema. La
generalizacin de los operadores diferenciales a funciones absolutamente
continuas o derivables en casi todo punto hizo aparecer la nocin de solucin
generalizada. Tienen su origen en el problema de Dirichlet, que inicialmente fue
invalidado por Weierstrass, e influy decisivamente en el desarrollo del anlisis
funcional y la topologa, particularmente en la consideracin de los espacios
funcionales y en el concepto de compacidad.
La teora de distribuciones, que tiene su origen en Dirac, Heaviside y

Sobolev, fue sistematizada por Schwartz y Gelfand. Estudiaron las aplicaciones
a los problemas en ecuaciones en derivadas parciales. La idea ms interesante
es la sustitucin del concepto de funcin por el de distribucin, que viene a
generalizar el de funcin. La clase de funciones admisibles consideradas por
Levi es esencialmente lo que hoy se conoce como espacio de Sobolev H 21 , es
decir, funciones integrables tales que su derivada en el sentido de las
distribuciones pertenece tambin a L2. Algunos mtodos de definicin de
soluciones generalizadas de ecuaciones en derivadas parciales son:
La sustitucin de una ecuacin diferencial por otro modelo de sistema
fsico. (Lagrange, Riemann, Christoffel...).
La sustitucin de varios lmites por uno. (Derivadas de Dini).
Diferenciacin en casi todo punto. (Lebesgue, Levi, y sirvi para la
introduccin de los espacios de Sobolev).
Mtodo de las curvas y superficies de prueba. (Se parte del teorema
de Stokes, y al integrar la ecuacin diferencial sta se convierte en
una ecuacin integro-diferencial por lo que se generaliza. Se emplea
en la teora del potencial).
Mtodo de las funciones test. (La ecuacin diferencial se multiplica
por una funcin y el resultado se integra por partes, con lo que el
operador diferencial se transfiere a esta funcin test. Su origen est
en el estudio de ecuaciones hiperblicas y parablicas. Es el mtodo
bsico de la teora de distribuciones).
Mtodo de las sucesiones. (Se define la solucin generalizada como
lmite de una sucesin de soluciones clsicas: Euler, Laplace,

Sobolev, Schwartz...)
Una ecuacin integral6 es una ecuacin en la que aparece una funcin
incgnita bajo un signo integral, y el problema de resolver dicha ecuacin
consiste en determinar esa funcin. Muchos problemas de la fsica matemtica
conducen a ecuaciones integrales. Los primeros problemas aislados tratados
por este procedimiento se deben a Laplace, con su ecuacin que recibe el
nombre de transformada de Laplace y trabajaron en ellos Poisson, Fourier,
Abel, Liouville, y Neumann. Vito Volterra (1 860 1 940), que fue el primer
fundador de la teora de las ecuaciones integrales, ide un mtodo para
resolver las ecuaciones integrales del segundo tipo, y estudi las del primer
tipo. Erik Ivar Fredholm (1 866 1 927) recogi las ideas de Volterra y las
utiliz para continuar resolvindolas, y us la analoga entre estas ecuaciones y
las ecuaciones algebraicas lineales para establecer el teorema de la alternativa
que lleva su nombre.
David Hilbert (1 866 1 943) pens que el estudio de las ecuaciones
diferenciales tena inters para la teora de integrales definidas, el desarrollo de
funciones arbitrarias en serie, la teora de ecuaciones diferenciales lineales, la
teora del potencial y el clculo de variaciones. Estableci la teora espectral
general para ncleos simtricos y demostr el teorema del eje principal
generalizado para las formas cuadrticas simtricas, en el que aparecen las
autofunciones y los autovalores, por lo que encontr que se poda generalizar
un producto escalar entre funciones. Demostr el teorema que se conoce como
de Hilbert-Schmidt, que demuestra que una funcin puede expresarse como un
desarrollo en serie de las autofunciones. Hizo un tratamiento de las formas

6
Kline, M. (1972): El pensamiento matemtico de la antigedad a nuestros das. (Vol. I,
II y III). Alianza.
cuadrticas infinitas, probando que toda forma cuadrtica acotada y con
continuidad completa puede transformarse mediante una transformacin
ortogonal nica en una suma infinita de cuadrados siendo los coeficientes los
autovalores. Aplic estas formas cuadrticas a las ecuaciones integrales.
Defini sistema ortogonal completo de funciones, y demostr la
desigualdad generalizada de Bessel que es equivalente a la completitud.
Transform la ecuacin integral en un sistema de infinitas ecuaciones lineales
con infinitas incgnitas que se resuelve calculando los coeficientes de Fourier
de una funcin, por lo tanto, si el sistema tiene solucin nica, la ecuacin
integral tambin la tiene. Prob que la ecuacin tiene una nica solucin para
toda funcin, si el valor del parmetro no coincide con ningn autovalor, o si
coincide, tiene solucin si se dan unas condiciones de ortogonalidad. Aplic
estos resultados al problema de Sturm-Liouville, que relacion con la funcin
de Green. Esta funcin se utiliza para resolver problemas fsicos y tcnicos, por
ejemplo en dinmica de gases, convirtiendo ecuaciones diferenciales en
ecuaciones integrales. Seguidores de esta obra son: Schmidt, Riesz, Fischer,
Weyl. Riesz y Fischer probaron la correspondencia biunvoca entre las
funciones de cuadrado integrable y las sucesiones de cuadrado sumable de
sus coeficientes de Fourier. Las funciones son consideradas puntos de un
espacio de Hilbert.
Otras direcciones son los resultados de regularidad de Bernstein y
Gevrey. Las ecuaciones que se utilizan en la fsica matemtica son estudiadas
por Hilbert, Volterra y Hadamard entre otros, y de ello arranca la teora de los
espacios de Hilbert y el anlisis funcional, lo que permite formular de manera
abstracta muchos problemas, recibiendo un importante impulso con los trabajos

de Banach. El anlisis funcional se desarroll a partir de la introduccin de los
espacios de funciones de Hilbert, y de la obra de Banach que proporcion
instrumentos que se han aplicado en las ecuaciones diferenciales, como los
operadores compactos o la teora espectral, o como el anlisis de las
desigualdades a priori.
Se ha puesto de manifiesto que en muchos campos de la matemtica se
utilizan transformaciones u operadores que actan sobre funciones: el operador
diferencial, el operador integral, el operador lineal L en ecuaciones
diferenciales, o una ecuacin integral que actan sobre una funcin para
producir otra. El anlisis funcional tiene como idea estudiar estos operadores
dentro de una formulacin abstracta de una teora general de operadores
actuando sobre clases de funciones. Se puede considerar a las funciones como
puntos de un espacio por lo que el operador transforma puntos en puntos con
lo que se tiene entonces una generalizacin de las transformaciones
geomtricas. Si el operador transforma una funcin en un nmero real o
complejo entonces se llama un funcional, reservndose el nombre de operador
exclusivamente a los que transforman funciones en funciones.
Los antecedentes de la teora abstracta de funcionales se encuentran
en Riemann, Giulio Ascoli (1 843 1 896) y Cesare Arzel. Hadamard y Borel
ya lo sugirieron. La inici Volterra con su trabajo sobre clculo de variaciones.
Maurice Frchet unific las ideas de los antecesores y aplicando las ideas de la
teora de conjuntos de Cantor formul los conceptos para espacios de
funciones. Introdujo los espacios mtricos y la norma, y conceptos como
continuidad, diferencial y diferenciabilidad de un funcional. Charles Albert
Fischer (1 884 1 922) mejor las definiciones. Y las formulaciones finales

fueron realizadas por Elizabeth le Stourgeon (1 881 1 971) para obtener las
condiciones necesarias para que un funcional admita un mnimo y se pueda
utilizar en el clculo de variaciones. Leonida Tonelli (1 885 1 946) se propuso
reemplazar los teoremas de existencia de las ecuaciones diferenciales por
teoremas de existencia para minimizar integrales curvas, utilizando
asiduamente el concepto de semicontinuidad inferior.
La primera tentativa de elaborar una teora abstracta de funcionales y
operadores lineales fue hecha por E. H. Moore que intent un planteamiento
axiomtico. Hilbert consider una funcin dada por sus coeficientes de Fourier
con respecto a una sucesin ortonormal de funciones, pero no lleg a
considerar esos coeficientes como coordenadas de un punto del espacio, ni
usar un lenguaje geomtrico. Este paso lo dieron Schmidt y Frchet, con lo que
las funciones son puntos de un espacio de dimensin infinita que se denomina
espacio de Hilbert. Se introdujeron los conceptos de norma y producto escalar,
y se obtuvo la desigualdad de Bessel, la de Schwarz y la desigualdad triangular
para las normas. Schmidt y Frchet observaron, en 1 907, que el espacio de
las funciones de cuadrado sumable L2 tiene una geometra anloga a la del
espacio de las sucesiones formadas por los coeficientes de Fourier, y utilizando
la correspondencia biunvoca del teorema de Riesz-Fischer se defini una
distancia en L2, y se comprob que L2 es un espacio completo. Para los
espacios Lp, introducidos por Riesz, que tambin son completos, se prob el
teorema de representacin que lleva su nombre.
La parte central del anlisis funcional se ocupa de la teora abstracta de
los operadores que aparecen en las ecuaciones diferenciales e integrales; esta
teora unifica la teora de autovalores para ecuaciones diferenciales e integrales

y para transformaciones lineales. Si el ncleo es simtrico, el operador es
autoadjunto. Para operadores autoadjuntos arbitrarios los autovalores son
todos reales, y las autofunciones correspondientes a autovalores distintos son
ortogonales entre s.
Hasta ahora se ha definido la norma partiendo de un producto escalar.
Stefan Banach (1 892 1 945), Hahn, Helly y Wiener trabajaron sobre normas.
Banach construy un espacio dotado de una norma que en general no est
definida sobre un producto escalar, que es un espacio vectorial normado y
completo. Una diferencia entre los espacios de Banach y los de Hilbert es que
en los primeros (que no sean tambin de Hilbert) no se puede hablar de
ortogonalidad. Espacios de Banach son los espacios Lp, los espacios de
funciones continuas, los espacios de funciones medibles acotadas, siempre
que se defina una norma adecuada. Estudi los operadores sobre estos
espacios y los utiliz para la resolucin de ecuaciones integrales formulados de
una forma abstracta. En 1 929 introdujo Banach el concepto de espacio dual o
adjunto de un espacio de Banach, que es el espacio de todos los funcionales
lineales continuos acotados sobre el espacio dado.
La idea de espacios de funciones y operadores pareca la abstraccin por
la abstraccin, pero como dijo Weyl, fue favor de la fortuna que fuese el
instrumento adecuado para la mecnica cuntica, en la que los autovalores son
los niveles de energa de un electrn en un tomo, y las autofunciones los
correspondientes estados cunticos estacionarios del sistema, y la diferencia
entre dos autovalores proporciona la frecuencia de los cuantos de luz emitida,
definiendo el espectro de radiacin de la substancia. En 1 926 Erwin
Schrdinger present su teora cuntica basada en ecuaciones diferenciales.

Esta aplicacin estimul el trabajo en la teora abstracta en espacios de Hilbert
y operadores, tarea que emprendi John von Newmann en 1 927, que ofreci
un tratamiento axiomtico y un buen nmero de resultados sobre operadores
lineales, donde la integracin se entiende generalmente en el sentido de
Lebesgue-Stieljes. Se continu aplicando el anlisis funcional al problema
generalizado de los momentos, a la mecnica estadstica, a los teoremas de
existencia y unicidad de ecuaciones en derivadas parciales, a los teoremas del
punto fijo, en el clculo de variaciones, en la teora de representacin de
grupos continuos compactos, entre otros.
Dos nuevas direcciones merecen la atencin, una relacionada con la
teora de grupos y otra con la mecnica celeste y la astronoma. F. Klein
seal en 1 872 que las diversas geometras pueden caracterizarse por su
grupo de transformaciones. S. Lie las aplic en 1 873 a las ecuaciones
diferenciales. Si una ecuacin diferencial permanece invariante al efectuar una
transformacin continua entonces se dice que admite ese grupo de
transformaciones, y clasific las ecuaciones diferenciales por sus grupos de
transformaciones. Se aplican con xito las nuevas ideas del lgebra al estudio
de las ecuaciones diferenciales por Picard en 1 883 y 1 887. Se cre una teora
de estructura de ecuaciones diferenciales lineales probando Vessiot que una
ecuacin diferencial lineal de orden superior al primero no es resoluble por
cuadraturas. La construccin de una teora general de resolucin por
cuadraturas resulta imposible, al ser pocas las ecuaciones que pueden
resolverse as. Los trabajos de Lie cerraron este tipo de problemas.
La mecnica celeste ya fue estudiada por Lagrange, Laplace, Hamilton y
Jacobi, que proveen de una teora planetaria con el problema de los tres
cuerpos, el uso sistemtico del mtodo de las perturbaciones de Hanser. Las
soluciones de Delaunay siguen siendo la mejor prueba para evaluar un nuevo
sistema de lgebra simblica. Las ecuaciones de Hill de 1 877 modelizan el
movimiento de la luna y Adams y Le Verrier teorizaron en 1 845/46 sobre la
existencia de Neptuno. Surgi el problema de la estabilidad de sistemas y de
control, como el control de la mquina de vapor de Watt, o el diseo de control
de Airy, astrnomo real, para seguir a las estrellas. Maxwell en On Governors
relacion las ideas bsicas de las nociones de estabilidad con las races del
polinomio caracterstico.
La geometra, con el estudio de la geometra diferencial, las geometras
no euclideas y la topologa, incide en la fsica matemtica, donde an hoy se
trabaja estableciendo condiciones para las soluciones de las ecuaciones.
Interesa saber el comportamiento de las soluciones en todo su dominio, lo que
se denomin la teora cualitativa de las ecuaciones diferenciales. La teora
cualitativa de ecuaciones diferenciales fue creada simultneamente por
Poincar (1 854 1 912) y Liapunov (1 857 1 918). La contribucin ms
importante en este campo del siglo XIX se debe a H. Poincar que introdujo la
Figura 12: Henri Poincar (1 854 1 912)

topologa al estudiar las propiedades de las trayectorias.
Henri Poincar fue ingeniero de minas, y su tesis de doctorado fue un
trabajo sobre ecuaciones diferenciales, sobre teoremas de existencia, lo que
contribuy al estudio de las funciones automorfas (se observa de nuevo la
relacin entre ecuaciones diferenciales ordinarias y la variable compleja). Sus
cursos en la Sorbona trataban temas tan distintos como capilaridad, elasticidad,
termodinmica, ptica, electricidad, telegrafa, astronoma, cosmogona...
abriendo nuevas ramas de la Matemtica. Poincar pensaba que para saber si
el sistema solar es estable y conocer si un cuerpo permanece en un lugar del
cielo, o se escapa, no tiene sentido iniciar el estudio cuantitativo si no se
conoce antes el comportamiento de las soluciones, por lo que hace falta un
estudio cualitativo. Poincar se propuso averiguar el comportamiento de las
soluciones de una ecuacin diferencial o de un sistema de dos ecuaciones en
todo el plano, y hacerlo sin integrar las ecuaciones, utilizando nicamente las
propiedades de las funciones.
Defini punto singular de y = f(x, y) como un punto que anula a f(x, y).
Clasific los puntos singulares, estudiando el comportamiento de las soluciones
con respecto a estos puntos. Se deben a l las tcnicas geomtricas de
anlisis de un espacio de fases, donde en un sistema autnomo bidimensional
se visualizan las soluciones como curvas paramtricas y al eliminar el
parmetro se representan las trayectorias; se deben tambin a l tambin el
estudio del caso lineal con los focos, nodos, puntos de silla y centros, y el caso
ms general, el estudio local en los puntos crticos, en los puntos de silla o en
los centros; la definicin de ndice de un punto singular, y las propiedades
globales de los puntos singulares, el estudio de ciclos lmites (rbitas cerradas

que corresponden a trayectorias peridicas) y el teorema de Poincar-
Bendixon. Poincar estudi las soluciones sobre un toro. Tambin estudi las
singularidades de ecuaciones no lineales en el campo complejo, e introdujo y
sistematiz los desarrollos asintticos que hoy se llaman de Poincar, aunque
ya haban sido usados cincuenta aos antes por Stokes.
Estudi las ecuaciones lineales de segundo orden con coeficientes
racionales para las que obtuvo una sorprendente generalizacin de las
funciones elpticas. Comprob que ciertas funciones que se pueden obtener a
partir de cocientes de dos soluciones independientes de la ecuacin lineal de
segundo orden, admiten grupos de transformaciones anlogos a los de las
funciones elpticas, pero que son un subgrupo lineal de las transformaciones de
Mbius, grupos estrechamente relacionados con los grupos cristalogrficos en
el espacio de Lobatchewsky. Estudi tambin condiciones para que las
ecuaciones diferenciales tengan integrales algebraicas. Muchas de estas
tcnicas fueron usadas en el estudio de los problemas de la mecnica clsica y
en particular en el problema de los tres cuerpos. En su obra Les mthodes
nouvelles de la mchanique celeste introdujo la idea de reducir los
hamiltonianos a formas cannicas, y descubri la compleja estructura que
pueden tener las variedades estables e inestables de iteraciones de
aplicaciones en problemas de mecnica clsica, anticipndose en los
desarrollos en lo que hoy se denomina teora del caos, intuyendo muchas de
las dificultades de la teora de perturbaciones. I. Bendixson prosigui estos
trabajos hacia 1 901.
De forma independiente se tienen los trabajos de la escuela rusa. Las
investigaciones de Liapunov, discpulo de Chebichev, surgieron de la

astronoma. Buscaba figuras en equilibrio de un fluido en rotacin diferentes del
elipsoide. Se ocup tambin de la estabilidad del equilibrio y del movimiento de
un sistema mecnico determinado por un nmero finito de parmetros. Estos
estudios se utilizaron en la investigacin de las oscilaciones de sistemas fsicos
y mecnicos. Su tesis doctoral trat sobre el problema general de la estabilidad
de los movimientos. Se deben a l el primer mtodo de Liapunov, que se basa
en escribir la solucin en forma de serie, y el mtodo directo o segundo mtodo
de Liapunov que se utiliza en los sistemas fsicos disipativos. La escuela rusa
se caracteriz por una eficaz organizacin entre matemticos, fsicos e
ingenieros.
Los trabajos de Poincar y Liapunov pasaron inadvertidos durante un
tiempo.
Una teora cualitativa abstracta de los sistemas dinmicos fue
desarrollada por G. D. Birkhoff (1 884 1 944). George Birkhoff fue el mejor
discpulo de Poincar. Para analizar los sistemas dinmicos distingua entre
sistemas constantes, peridicos, casi-peridicos, recurrentes, estables de
Poisson, centrados... La nocin abstracta de sistema dinmico se debe a
Whitney (1 918), que sin necesidad de usar ecuaciones diferenciales, define
as: Un sistema dinmico es un par (X, f) donde X es un espacio topolgico y f
una funcin continua de S X X tal que f(0, x) = x; f(t+s, x) = f(t, f(s, x)),
donde S es un semigrupo, usualmente N, Z o .
Es interesante comentar la demostracin de los teoremas ergdicos de
Von Neumann y Birkhoff, el desarrollo de la teora de sistemas dinmicos y sus
muchas aplicaciones tanto dentro de otras ramas de la Matemtica, como en
otras ciencias y tcnicas, como las dinmicas caticas, que ya fueron

anticipadas por Hadamard. Por poner un ejemplo, se puede comentar que los
estudios sobre el sistema de Lorenz y su atractor, llevan a Feigenbaum a
mostrar la universalidad existente en la cascada de bifurcaciones mediante el
doblamiento de periodos que lleva su nombre.
Los problemas ms importantes de la teora cualitativa de ecuaciones
diferenciales se han centrado en el estudio de la naturaleza de los puntos
crticos, de los ciclos lmites, en el comportamiento global y asinttico de las
trayectorias en un entorno de los puntos crticos y ciclos lmites, en la teora de
bifurcaciones y en los conceptos de estabilidad estructural. La nocin de
estabilidad estructural fue introducida por Andronov y Pontryagin en 1 937. De
forma intuitiva se puede explicar que un sistema dinmico es estructuralmente
estable cuando una variacin pequea de las ecuaciones induce una
transformacin de las trayectorias que apenas se diferencia de las anteriores,
con lo que se tendra la misma estructura de puntos crticos y ciclos lmites.
Andronov y Pontryagin estudiaron las condiciones de estabilidad estructural en
un sistema de dimensin dos. Andronov conect la prctica de sus problemas
con diodos, con las teoras de Poincar, relacionando los resultados del
oscilador de Van der Pol con los ciclos lmites de Poincar. Hacia 1 960 se
sintetizaron las dos grandes escuelas.

CAPTULO 7
Ecuaciones diferenciales en el mundo fsico.
Integracin elemental
Las ecuaciones diferenciales ordinarias constituyen el objetivo natural del
anlisis matemtico y son una disciplina fundamental para analizar, desde la
ptica de las Matemticas, fenmenos fsicos, qumicos, biolgicos,
econmicos o de ingeniera. El estudio de problemas relacionados con las
ecuaciones diferenciales ha motivado la creacin, y posterior desarrollo, de
partes muy significativas del Anlisis Matemtico.
La obtencin de la ecuacin de la recta tangente a una curva
determinada, fue uno de los problemas que se planteaban los matemticos
hasta finales del siglo XVII cuando tuvo lugar el nacimiento del clculo
diferencial. A partir de los descubrimientos de Newton y Leibniz, el problema de
hallar la ecuacin de la recta tangente a cualquier curva pas a ser un
problema resuelto, ya que se contaba con una poderosa herramienta para
calcularla. Sin embargo surgi tambin el problema inverso que result ser
mucho ms difcil de resolver. Se trataba de calcular la curva, conocidas las
ecuaciones de las rectas tangentes en cada uno de sus puntos, es decir, lo que
en la actualidad se conoce como la resolucin o integracin de una ecuacin
diferencial de primer orden. Este problema se generaliz al resolver una
ecuacin diferencial de orden n.

408 Captulo 7: Ecuaciones diferenciales
Los primeros mtodos de resolucin, tales como la separacin de
variables o los factores integrantes, surgieron antes de finales del siglo XVII.
Durante el siglo XVIII se desarrollaron otros mtodos ms sistemticos, pero
pronto fue evidente que eran pocas las ecuaciones que podan resolverse
mediante estas reglas. Los matemticos se dieron cuenta de que era intil
intentar descubrir nuevos procedimientos para resolver todas las ecuaciones
diferenciales y sin embargo s pareca fructfero investigar si una ecuacin
diferencial concreta tena solucin, determinar si era nica y analizar algunas
de sus propiedades.
Este cambio de perspectiva coincidi con la poca del rigor, que comenz
a partir del siglo XIX con los trabajos de Cauchy. Por otra parte se desarrollaron
mtodos numricos que permiten calcular, con la exactitud deseada, la
solucin numrica de una ecuacin diferencial de primer orden, con una
condicin inicial fijada, siempre que verifique unas determinadas condiciones
de regularidad, y estos mtodos se pueden aplicar a problemas concretos, sin
que importe si es o no posible resolver la ecuacin diferencial en trminos de
funciones elementales.
Pasados dos siglos resulta evidente que no se pueden obtener resultados
muy generales, en lo que se refiere a determinar las soluciones de una
ecuacin diferencial, excepto para unos pocos tipos muy concretos entre los
que estn las ecuaciones diferenciales lineales. Esto ha motivado que los
mtodos numricos sigan siendo un elemento indispensable para resolver
problemas tcnicos.
La finalidad bsica de las ecuaciones diferenciales es analizar el proceso
de cambio en el mundo fsico. En el estudio de los fenmenos naturales

Ecuaciones diferenciales en el mundo fsico 409
aparecen las variables relacionadas con los ndices de cambio mediante las
leyes generales de la naturaleza que rigen estos fenmenos. Cuando estas
relaciones se expresan matemticamente el resultado es, casi siempre, una
ecuacin diferencial y por esta razn aparecen de forma constante en
problemas cientficos y tcnicos.
7.1. NATURALEZA DE LAS ECUACIONES
DIFERENCIALES
7.1.1. Primeras definiciones
Definicin 7.1.1:
Una ecuacin diferencial ordinaria es la que establece una relacin
entre una variable independiente x, la funcin buscada f(x) y una o varias
derivadas de esta funcin f, f. f, ..., fn), lo que equivale, con y = f(x), a una
expresin de la forma F(x, y, y, y, ..., yn)) = 0
Definicin 7.1.2:
Cuando la funcin f(x1, x2, ...., xm), depende de varias variables
independientes entonces la ecuacin se denomina ecuacin en derivadas
parciales.
A partir de ahora se denominar simplemente ecuaciones diferenciales a
las ecuaciones diferenciales ordinarias.
Definicin 7.1.2:
Se denomina orden de una ecuacin diferencial al orden de la derivada
superior que interviene en la expresin.

Definicin 7.1.3:
Una ecuacin diferencial de orden n se dice lineal si es de orden uno
respecto a la funcin y, y a todas sus derivadas.
Toda ecuacin diferencial lineal F(x, y, y, y, ..., yn)) = 0 se puede
expresar de la forma p0yn) + p1yn-1)+ ... + pn-1y + pny = g(x), o bien como:
yn) + p1 yn-1) + ... + pn-1 y + pny = g(x),
ya que si es de orden n se sabe que p0 0.
En general p0, p1, ..., pn son funciones definidas en un intervalo de la recta
real. Cuando estas funciones son constantes se dice que la ecuacin
diferencial lineal tiene coeficientes constantes.
Si el trmino g(x) = 0 la ecuacin diferencial lineal se denomina
homognea. En caso contrario, es decir, si g(x) 0, se llama no homognea
o completa.
7.1.2. Soluciones
Definicin 7.1.5:
Una solucin de una ecuacin diferencial es una funcin que sustituida
en la ecuacin la convierte en una identidad.
Si una solucin de una ecuacin diferencial es una funcin explcita, se
dice que es una solucin explcita. Anlogamente si la funcin solucin est
dada en forma implcita se dice que es una solucin implcita.
Definicin 7.1.6:
La solucin general de la ecuacin diferencial de orden n:
F(x, y, y, y, ..., yn)) = 0
es una funcin (x, C1, C2, ..., Cn) que depende de n constantes C1, C2, ..., Cn
de modo que:
a) La funcin satisface la ecuacin diferencial para todos los valores de
las constantes C1, C2, ..., Cn.
b) Suponiendo que existen condiciones iniciales:
y(x0) = y0
y(x0) = y0
... ... ... ... ...
yn)(x0) = yn)0
Se pueden elegir las constantes C1, C2, ..., Cn para que la funcin:
(x, C1, C2, ..., Cn)
satisfaga estas condiciones, suponiendo que x0, y0, y0,....., yn)0 pertenecen al
dominio de existencia de la solucin.
Una relacin (x, y, C1, C2, ..., Cn) = 0 que define la solucin general de
forma implcita se denomina integral general de la ecuacin diferencial.
Definicin 7.1.7:
Una solucin particular de una ecuacin diferencial es la que se obtiene
de la solucin general para valores concretos de las constantes C1, C2, ..., Cn.
Definicin 7.1.8:
Una curva integral es la grfica de una solucin particular de una
Definicin 7.1.9:
Una solucin singular es una funcin que satisface la ecuacin
diferencial y que sin embargo no se obtiene de la solucin general para ningn
valor de las constantes.
La envolvente del haz de curvas integrales determinado por las grficas

de las soluciones particulares es una solucin singular.
Definicin 7.1.10:
Resolver o integrar una ecuacin diferencial de orden n supone calcular
la solucin general, si no se han dado condiciones iniciales y cuando stas
existen hallar la solucin particular que las satisfaga.
La ms sencilla de las ecuaciones diferenciales es la ecuacin diferencial
dy
de primer orden = g(x), siendo y = (x) la funcin que se quiere calcular.
dx
Esta ecuacin se resuelve fcilmente, integrando la funcin g(x), como (x) =
g( x )dx + C, siempre que la integral indefinida tenga solucin, es decir, pueda

expresarse mediante funciones utilizando los mtodos de clculo integral.
7.1.3. Campos de direcciones. Curvas integrales. Isoclinas
Sea F(x, y, y) = 0 una ecuacin diferencial de primer orden que se puede
expresar de la forma y = f(x, y). Esta funcin asocia a cada punto del plano (x,
y) donde est definida la funcin f(x, y) el valor de y, que es la pendiente o
coeficiente angular de la tangente a la curva integral en ese punto. Por lo tanto
la ecuacin diferencial y = f(x, y) determina un campo de direcciones.
El campo de direcciones definido por la terna (x, y, y) se representa como
un conjunto de segmentos; cada uno de ellos pasa por el punto (x, y) y tiene
como pendiente y.
Resolver una ecuacin diferencial se puede interpretar entonces como
calcular una curva cuya tangente en cada punto tenga la misma direccin que
el campo de direcciones en ese punto. Para facilitar este clculo se introducen
las isoclinas.
Definicin 7.1.11:
Se denomina isoclina al lugar geomtrico de los puntos del plano en los
que las tangentes a las curvas integrales tienen la misma direccin.
La familia de isoclinas de la ecuacin diferencial y = f(x, y) est
determinada por la ecuacin f(x, y) = k, siendo k un parmetro.
Dibujando la familia de isoclinas para valores de k prximos entre s, es
posible trazar de forma aproximada las curvas integrales de la ecuacin
diferencial.
La isoclina f(x, y) = 0 informa de donde pueden estar situados los puntos
mximos y mnimos de las curvas integrales.
Tambin se puede calcular el lugar geomtrico de los puntos de inflexin,
f f
calculando y e igualando a 0: y = y' . Por lo tanto, los puntos de
x y
inflexin, si existen, estarn situados en la curva definida por
f f
f ( x, y ) 0 .
x y
Ejemplos resueltos
Ejemplo 7.1.1: La ecuacin diferencial y y 6y = 0 se dice que es de
orden 2 o de segundo orden y la ecuacin y + xy = x2 es una ecuacin
diferencial de primer orden. Ambas son lineales; y y 6y = 0 es una
ecuacin diferencial lineal homognea con coeficientes constantes y la
ecuacin y + xy = x2 es una ecuacin diferencial lineal no homognea con
coeficientes no constantes.
Ejemplo 7.1.2: En la ecuacin diferencial y y 6y = 0 la funcin y = e3x
es una solucin, ya que y = 3e3x, y = 9e3x y al sustituir se verifica que 9e3x

3e3x 6e3x = 0.
La funcin y = e-2x es tambin una solucin ya que y = 2e-2x, y = 4e-2x y
al sustituir se verifica que 4e-2x + 2e-2x 6e-2x = 0. Adems si C y C son
nmeros reales se comprueba que la funcin y = C e3x + C e-2x tambin es
solucin de la ecuacin.
Ejemplo 7.1.3: La funcin xy = log(y) + C es una solucin implcita de la
ecuacin diferencial y(1 xy) = y2, ya que derivando la funcin se obtiene que
xy + y = (y / y) y por tanto y = y/(x 1/y) = y2/(1 xy).
Ejemplo 7.1.4: La funcin y = sen x + C es la solucin general en la
ecuacin diferencial y = cos x. Si adems se aade la condicin inicial y(0) = 1,
la funcin y = sen x + 1 es una solucin particular y su grfica, una curva
integral.
Ejemplo 7.1.5: La ecuacin diferencial y2(1 + y 2) = 4 tiene por solucin
general (x + C)2 + y2 = 4 que grficamente es una familia de circunferencias
con centro en el eje de abscisas y radio 2.
La solucin particular que pasa por el punto (0, 2) es la que resulta de
sustituir C por 0 en la ecuacin general, cuya grfica, o curva integral, es la
circunferencia de radio 2 y centro el origen de coordenadas.
Figura 7.1: Solucin general y solucin singular.
La envolvente de la familia de curvas integrales est formada por las
rectas y = 2 e y = 2. Estas funciones verifican la ecuacin diferencial: y = 0
y2 = 4. Sin embargo no se obtienen de la solucin general por lo que son

soluciones singulares.
Ejemplo 7.1.6: Estudiar las isoclinas de la ecuacin diferencial y = x + 1.
La familia de isoclinas est determinada por la ecuacin x +1 = K que
representa una familia de rectas paralelas al eje de ordenadas; K = 0 se verifica
para x = 1. En esta recta es donde pueden estar situados los mximos y
mnimos de las curvas integrales.
Tambin se conoce que para K = 1 la isoclina es el eje de ordenadas y
para K = 1, la recta x = 2. Por otra parte y = 0 no tiene solucin. Por todo
ello la integral general de la ecuacin parece de manera aproximada que est
formada por parbolas que tienen su vrtice en la recta x = 1, y son paralelas
entre s, es decir, son de la forma:
1
y C = m(x + 1)2, donde m = .
2
Ejemplo 7.1.7: Buscar la integral de la ecuacin diferencial y = x y
trazando las isoclinas.
La familia de isoclinas est definida por la ecuacin: x y = k y = x k,
que es un conjunto de rectas paralelas de pendiente 1. La recta y = x, que se
obtiene para k = 0, divide al plano en dos partes, en cada una de las cuales la
derivada tiene el mismo signo. Si k = 1/2 se tiene la recta y = x + 1/2 y cuando
k = , la recta y = x 1/2, luego las curvas integrales al cortar a la recta y = x
pasan de decreciente a creciente, por lo que en esta recta estn sus puntos
mnimos.
Los puntos de inflexin, si existen, estarn situados en la recta y = x 1,
que es la isoclina que se obtiene para k = 1. Como tambin es una curva
integral, por ser solucin de la ecuacin diferencial, no la cortan las otras
curvas integrales, y por tanto stas no tienen puntos de inflexin. Adems y = x

1 divide al plano en dos partes. Las curvas integrales que estn por encima
de ella son cncavas hacia arriba, ya que y > 0 y tienen un punto mnimo en la
recta y = x. Por otra parte las curvas integrales situadas por debajo de la recta
y = x 1 no tienen punto mnimo y son cncavas hacia abajo.
Ejercicios
7.1. Comprobar que las funciones dadas son soluciones de las
ecuaciones diferenciales indicadas:
a) y = 2 + 1 x 2 de la ecuacin diferencial: (1 x2)y + xy = 2x.
b) y = x 1 x 2 de la ecuacin diferencial yy = x 2x3.
c) y = earcsenx de la ecuacin diferencial xy = ytg(ln y).
7.2. Verificar que las funciones dadas son soluciones generales de las
a) y = ln (C + ex) de la ecuacin diferencial y = ex y.
b) y = x 2 Cx de la ecuacin diferencial (x2 + y2)dx 2xydy = 0.
c) y = x(C ln Ixl) de la ecuacin diferencial (x y)dx + x dy = 0.
7.3. Comprobar si las funciones dadas son soluciones de las
a) e-y Cx = 1 de la ecuacin diferencial xy + 1 = ey.
b) y2 + 2Cx = C2 de la ecuacin diferencial y(y)2 + 2 xy y = 0.

c) x = y sen( t 2 )dt de la ecuacin diferencial y = xy + y2sen x2.
0
7.4. Dibujar de forma aproximada las curvas integrales de las
siguientes ecuaciones diferenciales utilizando el mtodo de las

isoclinas:
a) y = 2x y.
b) y = y x2 + 2x 2.
c) y(x 1) = y + 1.
7.2. LAS ECUACIONES DIFERENCIALES COMO MODELOS
MATEMTICOS
7.2.1. Crecimiento, desintegracin y reacciones qumicas
Una reaccin qumica se denomina reaccin de primer orden si en ella
una molcula se descompone en otras espontneamente, y el nmero de
molculas en que se descompone en una unidad de tiempo es proporcional al
nmero de molculas existentes. Si se considera una sustancia cuya masa se
descompone en funcin del tiempo segn una funcin m = m(t), la velocidad de
descomposicin viene dada por la derivada de m(t) respecto de t.
Si se supone que esta velocidad es directamente proporcional a la masa
dm
se tiene que: k m , (siendo k > 0 el coeficiente de proporcionalidad). Es
dt
una ecuacin diferencial de primer orden y al resolverla se obtiene la funcin
m(t).
La solucin general de esta ecuacin viene dada por: ln m = kt + ln C, o
bien, m(t) = Ce-kt.
Para determinar la constante C se supone que se conoce la masa en el
instante inicial t = 0 y que tiene un valor m0, de lo que resulta que C = m0 y por
lo tanto m(t) = m0e-kt.
La constante k se denomina constante de rapidez ya que su valor indica
una medida de la velocidad a la que se realiza la reaccin.
Existen pocas reacciones qumicas de primer orden. La ms importante
de ellas es la desintegracin radiactiva.
La funcin m(t) = m0e-kt permite determinar el valor de la constante k a
partir de datos recogidos experimentalmente. As, si se sabe que de una
sustancia se ha desintegrado el r % de su masa inicial en un tiempo t0, al
r kt
sustituir estos datos en la ecuacin se tiene que: 1 m0 m0 e 0 , y
100
1 r
despejando k se obtiene que: k ln1 .
t0 100
Es usual expresar la descomposicin de un elemento radiactivo en
funcin de su vida media, es decir, el tiempo necesario para que una cantidad
dada del elemento se reduzca a la mitad. Llamando T a la vida media de un
determinado elemento y sustituyendo r por 50 en la ecuacin anterior se tiene
que Tk = ln2, lo que permite calcular T a partir del valor de k.
El conocimiento de la vida media de los elementos radiactivos que hay en
la naturaleza se utiliza para asignar fechas a acontecimientos que ocurrieron
hace mucho tiempo. Los istopos de uranio y de plomo permitieron determinar
la fecha aproximada de sucesos que haban ocurrido hace varios miles de
millones de aos; paralelamente, el descubrimiento de un istopo radiactivo del
carbono con una vida media de 5 600 aos ha permitido determinar la fecha de
otros eventos ms recientes y ha sido un instrumento indispensable en
Geologa y Arqueologa.
7.2.2. Cuerpos en cada libre y con resistencia
Se supone ahora que desde una cierta altura se deja caer un cuerpo de
masa m, sobre el que acta, adems de la fuerza de gravedad, la resistencia
del aire, que es proporcional a su velocidad, y se quiere calcular la velocidad de
cada.
dv
Sea v = v(t) la velocidad que se quiere determinar, su aceleracin y k
dt
el coeficiente de proporcionalidad tal que la fuerza de resistencia del aire Fr =
kv.
dv
Por la segunda ley de Newton se sabe que m = F, siendo F la fuerza
dt
que acta sobre el cuerpo en la direccin del movimiento. Esta fuerza es la
resultante de dos fuerzas, la de gravedad y la de resistencia del aire. Por lo
dv
tanto se obtiene m = mg kv, que es una ecuacin diferencial lineal de
dt
primer orden no homognea que relaciona una funcin desconocida v y su
derivada. Resolver esta ecuacin significa encontrar una funcin v = v(t) que la
satisfaga.
k
t mg
Se puede comprobar que la funcin v(t) = C e m verifica la
k
ecuacin para todo valor de la constante C.
Para saber cul de estas funciones es la buscada es preciso imponer una
condicin ms como puede ser, por ejemplo, la velocidad del cuerpo en el
momento inicial t = 0, que se denomina v0.
mg
As, sustituyendo t = 0 y v = v0 se obtiene que v0 = C , y por lo tanto
k
mg
C = v0 . As se determina la constante C, siendo la funcin v(t):
k
k
mg m t mg
v(t) = v 0 e .
k k
Se observa que si la resistencia del aire no existe, es decir k = 0, la
dv
ecuacin diferencial es m = mg. La solucin general es ahora v(t) = gt + C,
dt
y si se impone la condicin inicial t = 0 y v = v0, la solucin particular obtenida
es: v(t) = v0 + gt.
Si y = y(t) es la funcin que indica la distancia del cuerpo a partir de una
dy
altura dada, se tiene que v(t) = ; al integrar esta ecuacin:
dt
1 2
y(t) = v0t + gt + C2,
2
donde C2 representa el valor de y(t) en el instante t = 0, al que se puede llamar
y0 o posicin inicial. Por tanto:
1 2
y(t) = v0t + gt + y0
2
Cuando el cuerpo parte del reposo en la posicin inicial y0 = 0 lo que
implica que v0 = 0, entonces:
1 2
y(t) = gt
2
v(t) = gt.
Eliminando t entre estas dos ecuaciones se obtiene la expresin:
v= 2g y ,
que relaciona la velocidad alcanzada con la distancia recorrida en la cada.

7.2.3. Movimiento pendular
Se supone un punto material de masa m suspendido de un punto fijo, que
se mueve por la accin de la gravedad a lo largo de un arco de circunferencia
que est en un plano vertical. Despreciando el rozamiento y la resistencia del
aire se pretende calcular la ecuacin del movimiento en funcin del tiempo.
Se consideran unos ejes de coordenadas cuyo origen est en el punto
inferior de la circunferencia y el eje de abscisas es tangente en este punto. Sea
L la longitud del radio de la circunferencia, t el tiempo y s la longitud del arco a
partir del origen hasta un punto P, de forma que si P est a la derecha del
origen es s > 0 y si est a la izquierda, s < 0.
Figura 7.2: Movimiento pendular
Se pretende determinar la funcin s = s(t).
La fuerza de gravedad F = mg se descompone en dos: la componente
normal, que se elimina por la reaccin de la curva, y la tangencial que produce
el movimiento Ft = mgsen , siendo el ngulo que forma la direccin de la
componente normal con la de la fuerza de gravedad.
As, la funcin del movimiento s = s(t) verifica la siguiente ecuacin:
d 2s
m = mgsen ,
dt 2
siendo igual a s/L:

d 2s s
= gsen ,
dt 2 L
Al integrar esta ecuacin por mtodos que se estudiarn en el captulo 9,
se comprobar en el ejemplo 9.3.3 que se obtiene:
2
ds s
2gL cos C .
dt L
Para determinar la constante C se impone la siguiente condicin: Si s0 es
la longitud mxima que describe el punto P, en ese momento la velocidad es
ds
cero, es decir = 0, sustituyendo en la ecuacin anterior se tiene que C
dt s s
0
s
= 2gL cos 0 , y la ecuacin queda de la forma:
L
2
ds s s0
2g L cos 2g L cos
dt L L .
Utilizando las frmulas trigonomtricas de transformacin de sumas en
productos se obtiene que:
2
ds s s0 s s
4gL( sen( ).sen( 0 )) .
dt 2L 2L
s0
Como esta ecuacin no es posible integrarla se supone que el ngulo
L
s s s0 s s0
es pequeo y por tanto tambin lo es. Los ngulos y no son
L 2L 2L
s0
superiores a por lo que en este caso es posible aproximarlos sustituyendo
L
el seno por el arco. De este modo se obtiene:
2
ds s s0 s0 s
4gL
dt 2L 2L
o bien
ds g
s0 2 s 2 .
dt L
Integrando esta ecuacin se tiene que:
s g
arcsen t k .
s0 L
Si se supone que para t = 0 entonces s = 0, se obtiene que k = 0 y por lo
g
tanto: s s0 sen t es una solucin aproximada de la ecuacin diferencial
L
inicial.
Se observa que el punto P se puede considerar como el extremo de un
pndulo que efecta oscilaciones armnicas. Si el periodo T es el tiempo
necesario para una oscilacin completa, entonces para s = s0, se tiene
g T g T L
sen 1 luego y por lo tanto T = 2 , que no depende de
L 4 L 4 2 g
la amplitud de la oscilacin s0, pero slo es vlida para valores pequeos del
ngulo . El pndulo volver a estudiarse, con un punto de vista diferente, en el
captulo 12, apartado 12.4.2, donde se estudia como un sistema dinmico.
7.2.4. La cicloide. La curva braquistcrona
Se unen dos puntos A y B colocados a distinta altura por un hilo por el
que se deja deslizar una bola esfrica, supuestamente sin rozamiento. El
problema consiste en determinar la forma del hilo para que el tiempo que tarda
la bola en ir de A hasta B, sin otra fuerza que la gravedad, sea el mnimo.
Se conoce que la luz va de un punto a otro siguiendo el camino que
requiere el menor tiempo; esta ley se conoce como Principio del menor tiempo
de Fermat, y por esta razn se estudia lo que ocurre cuando un rayo de luz
atraviesa medios de distinta densidad.
Si se supone que el rayo de luz pasa de un punto A hasta un punto O con
una velocidad v1 y despus pasa a un medio menos denso en el que va de O a
B con una velocidad mayor v2, el tiempo total que invierte en su
a2 x 2 b2 ( c x )2
desplazamiento viene dado por t = . (En la figura
v1 v2
7.3 estn representados los valores de a, b y c).
Figura 7.3: Rayo de luz
Sea w1 = arctg(x/a) y w2 = arctg((c x)/b). Como el rayo de luz
selecciona su desplazamiento de forma que el tiempo t sea el mnimo,
dt
entonces 0 , por lo que:
dx
x cx
,
v1 a2 x 2 v 2 b2 ( c x )2
o bien
senw 1 senw 2
.
v1 v2
Si se supone que el rayo de luz entre A y B pasa por infinitas capas cada
vez ms delgadas y menos densas de forma que la velocidad del rayo aumenta
de forma continua entre A y B, se tiene que la trayectoria para pasar de A a B
senw
en el menor tiempo posible debe verificar que K (constante) .
v
Llamando = /2 w se tiene que:
1 1
sen w = cos = .
1 tg 2 1 ( y' ) 2
En el apartado 7.2.3 se demostr la relacin: v2 = 2gy. Combinando estos
tres resultados se obtiene que la ecuacin de la curva braquistocrona debe
satisfacer la ecuacin diferencial:
y (1 ( y' )2 ) = C.
dy
Sustituyendo y por y considerando a x como funcin de y se obtiene
dx
que:
dx y
= .
dy Cy
y y C
Si se llama tg = tg2 = sec2 = y por tanto:
Cy Cy Cy
y = Csen2 dy = 2Csen cos d,
Al sustituir este resultado en dx = tg dy, se tiene que:
dx = 2Csen2 d = C(1 cos 2)d.
Al integrar esta ecuacin con respecto a se obtiene:
x = (C/2)(2 sen 2) + C.
Para determinar C se impone la condicin de que la curva pase por el
origen de coordenadas, es decir, que x = y = 0 cuando = 0. Se tiene entonces
que C = 0 y por lo tanto:

x = (C/2)(2 sen 2) e y = Csen2 = (C/2)(1 cos 2).
Llamando r = C / 2 y = 2, se obtiene que:
x = r( sen ),
y = r(1 cos )
que son las ecuaciones paramtricas de la cicloide, la curva que describe un
punto de una circunferencia de radio r cuando rueda, sin rozamiento, a lo largo
del eje de abscisas.
Figura 7.4: Cicloide
Esta curva tiene propiedades geomtricas y fsicas muy interesantes: as,
por ejemplo, la longitud de un arco de cicloide es cuatro veces el dimetro de la
circunferencia que lo genera y el rea entre un arco y el eje de abscisas es tres
veces el rea del crculo generador.
Figura 7.5: La cicloide es tautcrona
En cunto a las propiedades fsicas la ms importante es que es una
curva tautcrona, lo que significa que considerando el arco de cicloide simtrico
con respecto al eje de abscisas de la figura anterior, el tiempo que tarda una
bola que se desliza sin rozamiento por la curva desde el centro de coordenadas
O hasta M, punto mnimo de la curva de coordenadas (r, 2r), es el mismo
que necesita para llegar hasta ese punto si la soltamos en cualquier punto
intermedio de la curva entre O y M. La demostracin de esta propiedad se
plantea como un ejercicio (ejercicio 7.7).
7.2.5. Circuitos elctricos simples. Oscilaciones en resortes
Circuitos elctricos simples
Se considera un circuito elctrico formado por una fuerza electromotriz E
que impulsa una carga elctrica y produce una corriente de intensidad I en el
circuito. El circuito tiene adems una resistencia R que se opone a la corriente.
Por la ley de Ohm se sabe que ER = RI. Un inductor de inductancia L, que se
dI
opone a cualquier cambio en la corriente, tal que EL = L . Y un condensador
dt
de capacitancia C, que almacena una carga Q y se opone a la entrada de una
1
carga adicional EC = Q.
C
Aplicando la ley de Kirchhoff, que indica que la suma algebraica de las
fuerzas en un circuito cerrado es igual a cero, se obtiene:
E ER EL EC = 0,
o bien
dI 1
E RI L Q = 0,
dt C
que se puede expresar por:
dI 1
L + RI + Q = E.
dt C
Como la intensidad de la corriente I es la rapidez de flujo de la carga, se

dQ( t )
tiene I(t) = .
dt
Sustituyendo esta expresin y considerando Q como la funcin incgnita
se tiene:
d 2Q( t ) dQ( t ) 1
L + R + Q(t) = E(t),
dt 2 dt C
ecuacin lineal de segundo orden con coeficientes constantes.
Oscilaciones en resortes
Se considera un bloque de masa m sujeto al extremo de un resorte, sobre
el que un dispositivo amortiguador ejerce una fuerza de resistencia, y adems,
existe una fuerza externa que acta sobre la masa del resorte.
Se supone que la fuerza de elasticidad del resorte es proporcional al
desplazamiento y la fuerza de amortiguacin proporcional a la velocidad del
movimiento.
Sea y(t) la funcin que indica el desplazamiento del bloque en funcin del
tiempo, m la masa del resorte, k la constante de rigidez del resorte, b la
constante de amortiguacin del medio y g(t) la fuerza externa. Se tiene que la
fuerza elstica del resorte FE = k y(t), siendo k>0 y la fuerza de amortiguacin
FA = b y(t).
Imponiendo que en el punto de equilibrio el peso del bloque se compense
con las otras fuerzas, se obtiene la ecuacin diferencial que describe el
movimiento de las oscilaciones amortiguadas forzadas:
my(t) + by(t)+ ky(t) = g(t),
que es una ecuacin lineal no homognea de coeficientes constantes.
Se observa la similitud que existe entre esta ecuacin y la obtenida para
los circuitos elctricos. En particular se tienen las siguientes correspondencias:

La masa m se corresponde en el circuito con la inductancia L. La
constante b de amortiguacin se corresponde con la resistencia R, la constante
1
de rigidez del resorte k, con la inversa de la capacitancia , el desplazamiento
C
del resorte y(t) con la carga del condensador Q(t), y la fuerza externa g(t) con la
fuerza electromotriz E(t).
Esta semejanza entre los sistemas mecnicos y los elctricos supone una
identificacin entre las soluciones de ambos sistemas. Cuando la fuerza
electromotriz, en los circuitos elctricos, o la fuerza externa, en el movimiento
oscilatorio, es una funcin peridica pueden aparecer fenmenos de
resonancia que se estudiarn detalladamente despus de resolver estas
ecuaciones.
7.2.6. Dinmica de poblaciones
Ecuaciones de rapaz y presa de Lotka-Volterra
Lotka y Volterra propusieron este sistema que modeliza un ecosistema
formado por conejos y zorros, con sus interacciones, (o por rbalos y peces
rueda, que son comidos por los rbalos, en un lago):
dx
dt ax bxy

dy cy fxy
dt
donde las constantes a, b, c y f son positivas.
Sin presas, (x), las rapaces, (y), por falta de alimento, disminuiran en
nmero. Y sin las rapaces, las que sirven de presa, al no tener enemigos,
aumentaran. Este sistema no se puede resolver en trminos elementales, pero
por procedimientos que se estudian posteriormente en el captulo 9, apartado

9.3.3, se obtiene:
( a b y )dy ( c f x )dx
.
y x
Integrando esta ecuacin se tiene la solucin: yae-by = kx-cefx.
7.2.7. La catenaria
Un ejemplo de gran importancia histrica es el estudio de la forma que
toma un hilo flexible homogneo suspendido entre sus dos extremos y que
cuelga por su propio peso.
Sea M(0, b) el punto ms bajo del hilo y P(x, y) un punto cualquiera. La
seccin MP del hilo est equilibrada por las siguientes fuerzas:
La tensin T, que acta a lo largo de la tangente al punto P y forma un
ngulo con el eje de abscisas.
La tensin H en el punto M que es paralela al eje de abscisas.
El peso del hilo, paralelo al eje de ordenadas, y cuyo mdulo es sp,
siendo s la longitud del arco MP y p el peso especfico del hilo.
Al descomponer T en sus dos componentes se obtienen las ecuaciones
de equilibrio:
Tcos = H
Tsen = sp
sp
Si se dividen estas igualdades se tiene que: tg = , y llamando:
H
H s
a= tg = .
p a
s
Si se supone que la ecuacin de la curva es y = f(x) se tiene que y = .
a
1
Al derivar respecto de x ambos miembros de la igualdad: y = s. Teniendo
a
en cuenta que s = 1 ( y ) 2 se obtiene la ecuacin:
1
y 1 ( y )2 ,
a
que es la ecuacin diferencial de la catenaria.
En el captulo 9, apartado 9.3.1 se estudia con detalle la forma de integrar
esta ecuacin.
Al integrar esta ecuacin y al imponer la condicin de que pase por el
punto M(0, b) se tiene la solucin particular:
a x/a
y= (e + e-x/a) + b a.
2
Si la ordenada del punto M es a, la ecuacin se simplifica:
x
y = acosh( ).
a
7.2.8. Ecuacin diferencial de una familia de curvas
Dada una familia de curvas planas y = (x, C) que dependen de un
parmetro C, se puede buscar la ecuacin diferencial que las define, es decir,
la ecuacin diferencial que tiene como solucin general a la familia de curvas y

= (x, C). En efecto, al derivar con respecto de x se tiene y = ( x, C ) .
x
Eliminando el parmetro entre las ecuaciones:
y ( x , C )

y' ( x , C )
x
se obtiene F(x, y, y) = 0, que es la ecuacin diferencial buscada ya que
expresa una propiedad comn de todas las curvas de la familia.

Si la familia viene expresada por una funcin implcita respecto de y, es
decir, est definida por una ecuacin de la forma (x, y, C) = 0, la ecuacin
diferencial de la familia F(x, y, y) = 0 resulta de eliminar el parmetro C entre
las ecuaciones:
( x , y , C ) 0

y' 0
x y
En el caso de que la familia de curvas dependa de n parmetros, es decir,
est definida por (x, y, C1, C2, ..., Cn) = 0 con Ci parmetros 1 i n, derivando
respecto a x n veces y eliminando los n parmetros entre la ecuacin de la
familia y las obtenidas, se llega a una expresin de la forma:
F(x, y, y, y, ..., yn)) = 0
que es la ecuacin diferencial de la familia nparamtrica dada, de manera que
(x, y, C1, C2, ..., Cn) = 0 es la solucin general de la ecuacin diferencial F(x, y,
y, y, ..., yn)) = 0.
Ejemplos resueltos
Ejemplo 7.2.1: Deducir la ley del movimiento rectilneo de un punto
material que se desplaza con una aceleracin constante a, si en el instante t =
t0 se tiene que el espacio recorrido es y0 y su velocidad es v0.
El problema se reduce a resolver la ecuacin diferencial de segundo
orden y(t) = a, siendo y(t) la funcin que determina el espacio en funcin del
tiempo y a una constante. Es suficiente integrar dos veces dicha ecuacin.
Al integrar una vez se obtiene que: y(t) = at + C, y al imponer la condicin
v(t0) = v0 se calcula el valor de C: C = v0 at0. Por lo tanto:
y(t) = a(t t0) + v0.

Se vuelve a integrar dicha ecuacin:
1
y(t) = a(t t0)2 + v0t + C1.
2
Al sustituir las condiciones iniciales se obtiene que C1= y0 v0t0, y por
tanto:
1
y(t) = a(t t0)2 + v0 (t t0) + y0.
2
Ejemplo 7.2.2: Hallar la ecuacin diferencial de la familia de curvas:
x2 y2 = Cx.
Se deriva esta ecuacin con respecto a x y se obtiene 2x 2yy = C
eliminando C entre estas dos ecuaciones:
x 2 y 2 Cx 0

2 x C 2y y' 0
resulta la ecuacin diferencial x2 + y2 2xyy = 0 que define la familia de
hiprbolas equilteras del enunciado del problema.
Ejercicios
7.5. Est nevando con regularidad. A las 12 de la maana sale una
mquina quitanieves que durante la primera hora recorre 2 km y
durante la segunda 1 km. Si se supone que la cantidad de nieve que
quita la mquina es uniforme, de modo que su velocidad de avance
es inversamente proporcional a la altura de la nieve, a qu hora
comenz a nevar?
7.6. El dimetro de una bola de naftalina que era inicialmente de 2.5
cm, al cabo de un mes se ha reducido a la mitad. Suponiendo que su
evaporacin es proporcional a su superficie, cunto tardar en

desaparecer?
7.7. Sea r el radio de la circunferencia de la figura, y la curva, la
cicloide que se obtiene a partir de dicha circunferencia.
Si una bola se desliza, sin rozamiento, desde el punto O hasta el
punto M.
Figura 7.6: Cicloide . Ejercicio 7.7.
a) Demostrar que el tiempo que tarda en llegar la bola desde O(0, 0) al
r
punto M(r, 2r) es .
g
b) Comprobar que si P es un punto intermedio de la curva entre O y M
r
el tiempo que tarda la bola en llegar de P a M es tambin .
g
7.8. Calcular las ecuaciones diferenciales de las siguientes familias de
curvas.
a) x2 y2 = Cx.
x
b) y = C e C .
c) y = ex(C1 x + C2).
d) (x C1)2 + (y C2)2 = 1.
7.3. INTEGRACIN DE ECUACIONES DIFERENCIALES
DE PRIMER ORDEN
La forma general de una ecuacin diferencial de primer orden es:
F(x, y, y) = 0.
Si en esta expresin es posible despejar y se obtiene:
y = f(x, y).
Otra forma de expresar una ecuacin diferencial de primer orden es:
M(x, y)dx + N(x, y)dy = 0.
La solucin general de una ecuacin diferencial es una funcin:
y = (x, C),
que satisface la ecuacin diferencial para cualquier valor de C.
7.3.1. Ecuaciones diferenciales con variables separadas
Definicin 7.3.1:
Una ecuacin diferencial de la forma g(y)y = f(x) se denomina ecuacin
diferencial de variables separadas ya que se puede expresar como:
g(y)dy = f(x)dx.
Su solucin general se obtiene integrando ambos trminos:
g( y ) dy f ( x ) dx C .
Ecuaciones diferenciales reducibles a este tipo
Las ecuaciones diferenciales de la forma:
f1(x)g2(y)dx = f2(x)g1(y)dy
en las que cada miembro de la igualdad se descompone en factores que

dependen slo de x o slo de y, se reducen fcilmente a ecuaciones de
variables separadas. As se obtiene:
f1( x ) g (y )
dx 1 dy ,
f2 ( x ) g2( y )
que tiene como solucin general
f1( x ) g1( y )
f2 ( x ) dx g 2 ( y ) dy C .
Al pasar dividiendo a f2(x) y a g2(y) se pueden perder soluciones
particulares que anulen a estas funciones.
Ejemplos resueltos
Ejemplo 7.3.1: Resolver la ecuacin 4yy + x = 0.
Esta ecuacin se puede expresar como 4ydy = xdx, que tiene por
4y 2 x2 x2
solucin general C y 2 C' , que para C > 0
2 2 4
representa una familia de elipses centradas en el origen de coordenadas.
Ejemplo 7.3.2: Integrar la ecuacin diferencial (1 + ex)yy = ex y
encontrar la solucin particular que pasa por el punto (0, 0).
ex
Esta ecuacin se puede expresar de la forma: ydy = dx , de
1 ex
donde al integrar se obtiene la solucin general:
y2
= Ln (1 + ex) + C.
2
Para encontrar una solucin particular que pase por el punto (0, 0) se
sustituye x = 0 e y = 0 en la solucin general y se obtiene C = Ln (2).
La solucin particular buscada es:

2
1 e x
y = Ln
2 .
2

Ejercicios
7.9. Calcular la solucin general de la ecuacin:
xdx + ydy = 0.
7.10. Resolver la ecuacin y = eysen(x) y calcular la solucin particular
que pase por el punto (0, 0).
7.11. Calcular la solucin general de la ecuacin diferencial:
ycos x = (sen x + xsec x) cotg y
7.12. Dada la ecuacin diferencial 1 x 2 y' x e y , encontrar la
solucin general.
7.13. Calcular la familia de curvas que verifican que la pendiente de la
recta tangente en cada uno de sus puntos sea igual a la ordenada
del punto de tangencia.
7.3.2. Ecuaciones diferenciales homogneas
Definicin 7.3.2:
Una funcin f(x, y) es una funcin homognea de grado n en las
variables x e y si f(tx, ty) = tnf(x, y).
As, la funcin f(x, y) = x3 + xy2 x2y es una funcin homognea de
xy
grado tres y la funcin g(x, y) = es una funcin homognea de grado
x y2
2
cero.
Definicin 7.3.3:
Una ecuacin diferencial y = f(x, y) se denomina ecuacin diferencial
homognea si la funcin f(x, y) es homognea de grado cero.
y
En este caso se puede expresar de la forma y = g y al hacer el
x
y
cambio de variables z = la ecuacin se reduce a otra ecuacin diferencial
x
que tiene las variables separadas. En efecto, al derivar y = zx se obtiene que:
dy dz dz dz dx
= x + z, por lo tanto: x = g(z) z, de forma que: .
dx dx dx g( z ) z x
Si la ecuacin diferencial est expresada de la forma:
M(x, y)dx + N(x, y)dy = 0
la ecuacin es una ecuacin diferencial homognea si M(x, y) y N(x, y) son
funciones homogneas del mismo grado.
Tambin en este caso haciendo el cambio y = zx la ecuacin se reduce a
otra ecuacin diferencial de variables separadas.
Ecuaciones diferenciales reducibles a homogneas
Una ecuacin diferencial de la forma:
ax by c
y f
a' x b' y c'
en la que las rectas:
r: ax + by + c = 0
s: ax + by + c = 0
no son paralelas y f es una funcin continua, se puede transformar en una
ecuacin diferencial homognea.
Se puede suponer que c o c son distintos de cero, ya que si c = 0 y c = 0

la ecuacin es ya homognea.
El mtodo para trasformar esta ecuacin en una ecuacin diferencial
homognea consiste en trasladar el origen de coordenadas al punto de
interseccin de estas rectas.
Esto se consigue haciendo el cambio de variable:
x = x1 + h
y = y1 + k,
siendo (h, k) las coordenadas del punto de interseccin.
Con este cambio la ecuacin se convierte en una ecuacin diferencial
ax1 by 1
homognea en las variables x1 e y1: y f . Se obtiene la solucin
a' x1 b' y 1
al resolver esta ecuacin y deshacer el cambio de variable.
Si las rectas r y s son paralelas, existe un valor t tal que a = ta y b = tb
de manera que la ecuacin diferencial se puede expresar de la forma:
ax by c
y f .
t ( ax by ) c'
Llamando z = ax + by la ecuacin se reduce a una ecuacin diferencial
de variables separadas.
z a
En efecto z = a + by, de donde y = , que al sustituirlo en la
b b
ecuacin se tiene:
z a zc
= f .
b b t z c'
Ejemplos resueltos
x2 y 2
Ejemplo 7.3.4: Resolver y = .
xy
Esta ecuacin diferencial se transforma en:
y x
y = .
x y
y
Se hace el cambio de variables: z = , por lo se tiene que: y = zx, al
x
1
derivar: y = zx + z, y al sustituir en la ecuacin se tiene: zx + z = z + .
z
Se separan variables:
dx
zdz = .
x
Se integra:
z2 = 2(Ln x + Ln C).
Se deshace el cambio se obtiene la solucin general:
y2 = x2Ln (x2C2).
Ejemplo 7.3.5: Resolver la ecuacin diferencial: (3y x)y = 3x y 4.
Esta ecuacin diferencial es reducible a homognea. El punto de
interseccin de las rectas 3y x = 0 y 3x y 4 = 0 es el punto (3/2, 1/2). Se
trasladan los ejes a ese punto con el cambio de variable:
x = x1 + 3/2
y = y1 + 1/2
Al sustituirlo en la ecuacin se tiene que:
(3y1 x1)y1 = 3x1 y1.
Por tanto:
3 x1 y 1
y 1'
3 y 1 x1
es una ecuacin diferencial homognea.
y1
Al hacer el cambio de variables: z = se obtiene la ecuacin de
x1
variables separadas:
1
z
3 dx
dz 1 .
z2 1 x1
Al integrar se obtiene como solucin general:
x13(z + 1)2(z 1) = C.
Al deshacer los cambios de variable:
(x + y 2)2(y x + 1) = C,
que es la solucin general de la ecuacin inicial.
Ejemplo 7.3.6: Integrar (2x 4y + 5)y = x 2y + 3.
En esta ecuacin diferencial las rectas 2x 4y + 5 = 0, x 2y + 3 = 0 son
paralelas, por lo tanto haciendo el cambio de variable z = x 2y se tiene que z
= 1 2y y al sustituir en la ecuacin se obtiene (2z + 5)(1 z) = 2(z + 3) que
tiene como solucin general z2 + 5z = x + C. Al deshacer el cambio da lugar a:
(x 2y)2 + 6x 10y = C,
que es la solucin general de la ecuacin inicial.
Ejemplo 7.3.7: Resolver la ecuacin (1 x2y2)y = 2xy3 haciendo el
cambio y = ur para un valor de r que la transforme en ecuacin diferencial
homognea.
Algunas veces una ecuacin se puede reducir a homognea haciendo el
cambio y = ur. Consiste en asignar a y grado r, a y grado r 1 y a x grado 1, y

comprobar si para algn valor de r la ecuacin es homognea.
Al hacer el cambio y = ur se tiene: (1 x2u2r)rur-1u = 2xu3r o bien:
(ur-1 x2u3r-1)ru = 2xu3r.
Para que sea homognea se debe verificar que
r 1 = 2 + 3r 1 = 3r + 1
y esto se cumple para r = 1.
Haciendo el cambio y = u-1 se tiene la ecuacin:
(u-2 x2u-4)(1)u = 2xu-3
o bien
(x2 u2)u = 2xu,
que es una ecuacin diferencial homognea que se resuelve entonces
u
haciendo el cambio z = . Al separar variables e integrar se obtiene como
x
solucin:
x ( z 2 1)
C ,
z
1
y al sustituir z por , se tiene la solucin general de la ecuacin diferencial
xy
dada:
1 + x2y2 = Cy
Ejercicios
(x2 y2)y = xy.
7.15. Resolver la ecuacin diferencial:
x(x2 6y2)dy = 4y(x2 + 3y2)dx.

7.16. Dada la ecuacin diferencial x(x + y)dy = (x2 + y2)dx, encontrar
la solucin general.
7.17. Reducir a homogneas las siguientes ecuaciones diferenciales y
encontrar la solucin general:
a) y = (x + y)2
b) x2 y = (2x y + 1)2
c) (x y)2y = (x y + 1)2.
7.18. Resolver la ecuacin (x + y +1)dx + (2x + 2y 1)dy = 0.
7.3.3. Ecuaciones diferenciales exactas
Definicin 7.3.4:
Una ecuacin diferencial M(x, y)dx + N(x, y)dy = 0 se denomina
ecuacin diferencial exacta si el primer miembro de la ecuacin es la
diferencial total de una funcin U(x, y), de forma que:
U U
dU = dx dy = Mdx + Ndy.
x y
Teorema 7.3.1:
La ecuacin M(x, y)dx + N(x, y)dy = 0 es una ecuacin diferencial exacta
si y slo si:
M N
= .
y x
Demostracin:
Si la ecuacin es una ecuacin diferencial exacta, entonces existe una
U ( x , y ) U ( x , y )
funcin U(x, y) tal que = M(x, y) y = N(x, y), por el teorema
x y
de Schwarz se sabe que las segundas derivadas parciales cruzadas de la

funcin U(x, y), cuando existen y son continuas, coinciden, es decir:
2U ( x , y ) 2U ( x , y )
=
xy yx
y por tanto
M ( x , y ) N( x , y )
= ,
y x
lo que prueba que la condicin es necesaria para que la ecuacin sea
diferencial exacta.
Esta condicin tambin es suficiente ya que permite encontrar una funcin
U(x, y) que satisface la definicin. En efecto, al integrar con respecto de x:
U ( x , y )
x
= M(x, y) y se tiene que: U(x, y) = M( x , y )dx g( y ) , siendo g(y) la
constante de integracin que puede ser una funcin de y. Al derivar esta
igualdad con respecto a y e igualar el resultado a la funcin N(x, y) se obtiene:

y
M ( x , y )dx g' ( y ) N( x , y ) ,
y por lo tanto:

g' ( y ) N( x , y )
y
M ( x , y )dx ,

se integra respecto a y: g ( y ) N( x , y )
y
M ( x , y )dx dy . De esta forma

queda determinada la funcin U(x, y) = M( x , y )dx g( y ) .

Del mismo se puede comenzar el proceso, teniendo en cuenta que
U ( x , y )
= N(x, y), integrando respecto a y, para determinar la funcin:
y
U(x, y) = N( x , y )dy f ( x ) .
Este teorema proporciona una condicin para detectar con facilidad las
ecuaciones diferenciales exactas. Adems la demostracin describe un mtodo
para calcular la solucin general de dicha ecuacin.
Corolario 7.3.2:
La solucin general de la ecuacin diferencial exacta M(x, y)dx + N(x, y)dy
= 0 es de la forma U(x, y) = C, siendo U(x, y) la funcin que verifica cualquiera
de las siguientes condiciones equivalentes:
U ( x , y ) U ( x , y )
a) = M(x, y) y = N(x, y),
x y

b) U(x, y) = M( x , y )dx g( y ) con g( y ) N( x , y ) y M( x , y )dx dy ,

c) U(x, y) =
N( x , y )dx f ( x ) con f ( x ) M ( x , y )
x
N( x , y )dy dx .

La equivalencia entre las condiciones a) y b) es consecuencia inmediata
del teorema anterior y, mediante una demostracin similar a la realizada en
este teorema, se podra demostrar que a) y c) tambin son equivalentes.
Ejemplos resueltos
Ejemplo 7.3.8: Resolver e-ydx (2y + xe-y)dy = 0.
Para calcular la solucin general de la ecuacin e-ydx (2y + xe-y)dy = 0,
primero se comprueba que la ecuacin dada es una ecuacin diferencial
M e y ( 2y xe y ) N
exacta, ya que = = = e-y.
y y x x
Para encontrar la solucin se agrupan trminos: e-ydx xe-ydy 2ydy =
0 y se obtiene d(xe-y) d(y2) = 0; por lo tanto la solucin general es:
xe-y y2 = C.
Ejemplo 7.3.9: Calcular la solucin general de la ecuacin diferencial:

(3x2 + 6xy2)dx + (6x2y + 4y3)dy = 0.
Se comprueba que la ecuacin es una ecuacin diferencial exacta pues:
M N
= 12xy; = 12xy.
y x
U
( 3x
2
= 3x2 + 6xy2 U(x, y) = 6 xy 2 )dx = x3 + 3x2y2 + g(y)
x
U
= 6x2y + 4 y3 = 6x2y + g(y),
y
por tanto g(y) = 4y3, e integrando:
g(y) = y4 + C,
de donde:
U(x, y) = x3 + 3x2y2 + y4 + C = 0.
(xy2 1)dx + y(x2 + 3)dy = 0.
Se comprueba que la ecuacin es una ecuacin diferencial exacta pues
M N
= 2xy = .
y x
U y2
y
= y(x2 + 3) U(x, y) = y ( x 2 3 )dy = (x2 + 3)
2
+ f(x)
U
= xy2 1 = xy2 + f(x),
x
por tanto f(x) = 1, e integrando:
f(x) = x + C,
se obtiene la solucin general:
y2
U(x, y) = (x2 + 3) x + C = 0.
2
1 1 x
Ejemplo 7.3.11: Resolver ( 2 x )dx ( )dy 0 .
y y y2
1 1 x
Se comprueba que la ecuacin diferencial ( 2 x )dx ( )dy 0 es
y y y2
1 1 x
( 2 x ) ( )
M y 1 N y y2 1
exacta: = 2 que coincide con = .
y y y x x y2
Se agrupan trminos:
1 x 1
2 xdx ( dx dy ) dy 0
y 2 y
y
de donde se obtiene la solucin:
x
x2 + + Ln y = C.
y
Ejercicios
7.19. Comprobar que la ecuacin diferencial:
(x3 + xy2)dx + (x2y + y3)dy
es una ecuacin diferencial exacta y calcular su solucin general.
7.20. Dada la ecuacin: (3x2 + 2ysen 2x)dx = 2(sen2 x + 3y2)dy,
comprobar que es una ecuacin diferencial exacta y calcular su
solucin general.
7.21. Calcular la solucin general de la ecuacin diferencial
3
xy3dx + ( x2y2 1)dy = 0.
2
7.3.4. Factores integrantes
Definicin 7.3.5:
Un factor integrante de una ecuacin diferencial es una funcin (x, y)
tal que al multiplicar la ecuacin diferencial por (x, y), se trasforma en una
ecuacin diferencial exacta.
Sea M(x, y)dx + N(x, y)dy = 0 una ecuacin diferencial que no es
diferencial exacta y sea (x, y) el posible factor integrante. Se impone que
Mdx + Ndy = 0 sea una ecuacin diferencial exacta, para lo que es
necesario y suficiente que se verifique la igualdad:
( M ) ( N )
= ,
y x
es decir:
M N
M N ,
y y x x
por lo tanto:
N M
M N ,
y x x y
y al dividir por los dos miembros de esta igualdad se tiene:
ln ln N M
M N (7.3.1)
y x x y
Por lo tanto toda funcin (x, y) que verifique esta condicin es un factor
integrante de la ecuacin inicial.
La obtencin de un factor integrante para una ecuacin diferencial puede
ser muy complicado puesto que la condicin anterior es una ecuacin en
derivadas parciales que puede ser difcil de resolver. Sin embargo existen
situaciones especiales en las que se puede calcular un factor integrante sin
demasiada dificultad.
Factores integrantes que dependen exclusivamente de la
variable x o de y
Si se supone que la ecuacin diferencial admite un factor integrante (x)

que depende slo de la variable x, entonces 0 y la condicin (7.3.1)
y
queda de la forma:
M N

ln y x
.
x N
Resolviendo esta ecuacin se obtiene (x).
Para que exista este factor integrante, el segundo miembro de la ecuacin
anterior debe depender slo de x.
M N

y x
, entonces (x) = e
h( x )dx
Sea h(x) = .
N
De forma anloga, para que la ecuacin diferencial admita un factor

integrante (y), es decir, que dependa slo de y, entonces 0 y la
x
condicin (7.3.1) queda de la forma:
N M

ln x y
.
y M
Resolviendo esta ecuacin se obtiene (y).
Para que exista este factor integrante, el segundo miembro de la ecuacin
anterior debe depender slo de y.
N M

x y
, entonces (y) = e
k ( y )dy
Sea k(y) = .
M
Se pueden buscar tambin factores integrantes que dependan de x y de
y, como una combinacin lineal: (ax + by), o como un producto de potencias
de ambas variables: (xrys). En el ejemplo 7.3.13 se muestra como resolver
una ecuacin diferencial buscando un factor integrante de la forma: (ax + by).
Ejemplos resueltos
Ejemplo 7.3.12: Resolver la ecuacin (1 xy)dx + (1 x2)dy = 0.
M N
Esta ecuacin diferencial no es exacta ya que = x, = 2x.
y x
Se calcula:
M N

y x x 2x x
= .
N 1 x2 1 x2
Como esta funcin depende slo de x la ecuacin admite un factor
integrante (x) que depende slo de x, que resulta de resolver la ecuacin:
ln x 1
ln((x)) = (1/2)ln(1 x2) (x) = .
x 1 x 2
1 x 2
Se multiplica la ecuacin inicial por el factor integrante:
1 x.y
dx dx 1 x 2 dy 0
2 2
1 x 1 x
1 ( 2 x )
dx y . dx 1 x 2 dy 0 ,
2 2
1 x 2 1 x
que es una ecuacin diferencial exacta que tiene como solucin general:
arcsen(x) + y 1 x 2 = C.
Ejemplo 7.3.13: Resolver la ecuacin diferencial:
(x2 y2 + 1)dx + (x2 y2 1)dy = 0,

sabiendo que tiene un factor integrante que depende de una combinacin lineal
de x e y.
Sea z = ax + by y sea = (z) el factor integrante buscado.
N M z z d
M N (ln ) .
x y y x dz
Se calculan estas derivadas:
N M z z
2x ; 2y ; a; b
x y x y
y se sustituyen en la ecuacin:
d 2 x 2y 2( x y )
(ln ) .
dz b( x y 1) a( x y 1) x ( b a ) y 2 ( b a ) b a
2 2 2 2 2
d xy 1 1
Para a = 1 y b = 1, se tiene z = x y (ln ) ,
dz y 2 x2 y x z
1 1
se integra ln() = ln(z) y por tanto = = .
z x y
1
Se multiplica la ecuacin inicial por :
x y
dx dy
(x + y)dx + + (x + y)dy = 0,
x y x y
que es una ecuacin diferencial exacta que se puede expresar por
( x y )2
d + d(Ln Ix yI) = 0 y por lo tanto su solucin general es:
2

( x y )2
+ Ln Ix yI = C.
2
Ejercicios
7.22. Integrar la ecuacin diferencial:

y3
(2xy + x2y + )dx + (x2 + y2)dy = 0,
3
sabiendo que existe un factor integrante que depende slo de x.
y
7.23. Resolver la ecuacin diferencial dx + (y3 ln x)dy = 0,
x
sabiendo que tiene un factor integrante que depende slo de y.
7.24. Integrar la ecuacin diferencial (y2 xy)dx + x2dy = 0 sabiendo
que existe un factor integrante que es funcin de xy2.
7.25. Calcular la solucin general de la ecuacin diferencial
xy3dx + (x2y2 1)dy = 0.
x2 y 2
(Solucin: Lny K )
2
7.26. Demostrar que toda ecuacin de la forma:
yf(x, y)dx + xg(x, y)dy = 0,
en la que la f y g son funciones del producto xy admite un factor
1
integrante (x, y) = . Aplicar este resultado a la
xy ( f ( x , y ) g ( x , y ))
resolucin de la ecuacin:
x3y4dx (x2y x4y3)dy = 0.
7.27. La ecuacin diferencial 2xydy + (x2 y2 1)dx = 0 admite como
solucin general la familia de curvas x2 + y2 Cx + 1= 0. Calcular un
factor integrante de la ecuacin
7.3.5. Ecuaciones diferenciales lineales de primer orden
Definicin 7.3.6:
Una ecuacin diferencial de primer orden es una ecuacin diferencial

lineal si es lineal respecto a la variable y y respecto a su derivada y, lo que
significa que es una expresin de la forma:
y + p(x)y = q(x),
siendo p(x) y q(x) funciones cualesquiera, que se suponen continuas en la
regin en la que se pretende integrar la ecuacin.
Si q(x) = 0 la ecuacin diferencial lineal se denomina ecuacin
diferencial lineal homognea. Si q(x) 0 la ecuacin diferencial lineal se
denomina no homognea o completa.
En el captulo 10 se estudian las ecuaciones diferenciales lineales de
orden n, de las que stas son un caso particular cuando n = 1, y entonces se
demostrar que el conjunto de soluciones de una ecuacin diferencial lineal
homognea tiene estructura de espacio vectorial de dimensin n, y que el
conjunto de soluciones de una ecuacin diferencial lineal no homognea tiene
estructura de espacio afn cuyo espacio vectorial asociado es el de las
soluciones de su ecuacin diferencial homognea. Pero por su inters, tanto
histrico como prctico, se estudian ahora algunos mtodos de solucin de
estas ecuaciones.
Mtodos de resolucin
Las ecuaciones lineales, y en particular las de primer orden, que son las
estudiadas en este captulo, representan un tipo especial de ecuaciones
diferenciales para las que, casi siempre, resulta fcil encontrar la solucin
general, y quizs por esta misma razn existen distintos procedimientos para
calcularla. El primer mtodo estudiado consiste en encontrar un factor
integrante del mismo modo que se calculaba en el apartado anterior, en el

segundo se realiza un cambio de variable y el tercero supone un mtodo
general que se volver a utilizar con las ecuaciones diferenciales lineales de
orden n.
Mtodo 1: Factor integrante
La ecuacin y + p(x)y = q(x) se puede expresar:
(p(x)y q(x))dx + dy = 0,
M N

M N y x
como = p(x), = 0, se tiene que = p(x) que depende slo de
y x N
x, y por lo tanto existe siempre un factor integrante: (x) = e

p( x )dx
. Al
multiplicar la ecuacin lineal por (x) resulta ser una ecuacin diferencial exacta
cuya solucin general est determinada.
Mtodo 2: Cambio de variable
Otra forma de resolver una ecuacin lineal no homognea es suponer y(x)
= u(x)v(x), de donde resulta que y = uv + uv.
Se sustituye en la ecuacin:
uv + uv + puv = q uv + u(v+ pv) = q.
Se calcula v de forma que sea una solucin, distinta de cero, de la
p( x )dx
ecuacin v+ pv = 0: v(x) = Ke y se elige la solucin particular para K
= 1.
Se determina u(x) solucin general de la ecuacin uv = q:
q( x )
u(x) = v ( x ) dx
de donde la solucin general de la ecuacin inicial es:
q( x ) q( x )
y(x) = u(x)v(x) = ( v ( x ) dx + C)v(x) = v ( x ) v ( x ) Cv ( x )
Se observa que esta solucin no vara si en lugar de tomar v(x) =
p( x )dx p( x )dx
e se toma v(x) = Ke con K 0.
Mtodo 3: Variacin de las constantes
Un mtodo de resolucin, generalizable a ecuaciones diferenciales
lineales de orden n, consiste en encontrar la solucin general de la ecuacin
homognea yH(x) y una solucin particular de la ecuacin completa yP(x). El
siguiente teorema demuestra que yH(x) + yP(x) es una solucin de la ecuacin
completa.
Teorema 7.3.3
Sea y + p(x)y = q(x) una ecuacin diferencial lineal con p(x) y q(x),
funciones continuas en un intervalo abierto (a, b). Si yH(x) es la solucin general
de la ecuacin diferencial homognea y + p(x)y = 0 e yP(x) es una solucin
particular de la ecuacin no homognea, entonces y(x) = yH(x) + yP(x) es la
solucin general de la ecuacin completa.
Demostracin:
Si yH(x) es solucin de la ecuacin homognea entonces verifica que
yH(x) + p(x)yH(x) = 0.
Si yP(x) es solucin de la ecuacin completa entonces verifica que yP(x) +
p(x)yP(x) = q(x).
Efectivamente y(x) = yH(x) + yP(x) es la solucin general de la ecuacin
completa ya que y(x) + p(x)y(x) = (yH(x) + yP(x)) + p(x)(yH(x) + yP(x)) = yH(x)
+ p(x)yH(x) + yP(x) + p(x)yP(x) = q(x).

Solucin general de la ecuacin diferencial lineal homognea:
dy
La ecuacin p( x ) y es de variables separadas por lo que si se
dx
dy
expresa como
y
p( x )dx , se integra, se obtiene ln(y) = p( x )dx + K. Por
tanto la solucin general de la ecuacin diferencial lineal homognea asociada
viene expresada por:
p( x )dx
y H ( x ) Ke .
Solucin particular de la ecuacin diferencial lineal no homognea:
Uno de los mtodos para obtener una solucin particular de la ecuacin
completa es el denominado mtodo de variacin de las constantes. Consiste
en considerar la constante de integracin de la solucin de la ecuacin lineal
homognea como una funcin, que se calcula imponiendo la condicin de que
sea solucin de la ecuacin completa.
p( x )dx
Si y P ( x ) C( x )e entonces:
p( x )dx p( x )dx
y' P ( x ) C' ( x ) e C( x ) ( p( x )) e
y sustituyendo en la ecuacin y+ p(x)y = q(x) se tiene que:
p( x )dx p( x )dx p( x )dx

C' ( x ) e C( x ) ( p( x )) e + p( x ) C( x )e = q(x)
C(x) = q( x )e
p( x )dx
;
integrando esta expresin:
q( x ) e
p( x )dx
C(x) = dx ,
De esta forma se obtiene:
p( x )dx p( x )dx
y P ( x ) C( x )e q( x ) e
p( x )dx
= e dx ,
que es una solucin particular de la ecuacin completa.
La solucin general es:
p( x )dx p( x )dx
y(x) = yH(x) + yP(x) = Ce q( x ) e
p( x )dx
+ e dx .
Ejemplos resueltos
Ejemplo 7.3.14: Resolver xy + (1 x)y = xex.
Se divide la ecuacin diferencial por x para expresarla de la forma:
1 x
y + y = ex .
x
1 x
Paso 1: Se resuelve la ecuacin homognea asociada y + y = 0,
x
ex
yH(x) = e-(lnx-x)+C = K e-lnx+x = K .
x
Paso 2: Se busca una solucin particular de la ecuacin diferencial no
ex
homognea, de la forma yP(x) = C(x) . Para ello se sustituye en la ecuacin
x
completa:
ex ex x ex 1 x ex
C(x) + C(x) + C(x) = ex.
x 2 x x
x
Como los dos ltimos sumandos del primer miembro de la ecuacin
anterior son iguales y de distinto signo, se simplifica:
ex
C(x) = ex.
x
Integrando se obtiene:
x2
C(x) = .
2
Por tanto, una solucin particular de la ecuacin completa es:

x2 ex x ex
yP(x) = = .
2 x 2
Paso 3: La solucin general de la ecuacin completa es:
ex x ex K x
y(x) = yH(x) + yP(x) = K + = ex .
x 2 x 2
1
Ejemplo 7.3.15: Integrar y = .
ey x
dx
La ecuacin diferencial anterior se puede expresar como x e y , que
dy
es una ecuacin diferencial lineal respecto de x considerada esta variable como
funcin de y. En general, una ecuacin que se pueda expresar de la forma
dx
x r ( y ) s( y ) se resuelve por el mismo mtodo considerando a x como
dy
una funcin de y.
Paso 1: La solucin general de la ecuacin homognea es:
xH(y) = Ke-y.
Paso 2: Una solucin particular de la no homognea xP(y) = C(y)e-y, por
tanto x(y) = C(y)e-y C(y)e-y, al sustituir en la ecuacin completa anulando
e 2y
trminos opuestos se obtiene C(y)e-y = ey C(y) = e2y C(y) = . Por lo
2
tanto una solucin particular de la ecuacin completa:
e 2 y -y e y
xP(y) = e = .
2 2
Paso 3: La solucin general de la ecuacin completa:
ey
x(y) = K e-y + .
2
y
Ejemplo 7.3.16: Resolver la ecuacin diferencial lineal y + = 3cos(2x)
x
buscando un factor integrante.
El factor integrante que transforma esta ecuacin lineal en una ecuacin
1
x dx
diferencial exacta es (x) = e x.
y
Expresndola de la forma dy + 3 cos( 2 x ) dx = 0 y multiplicndola
x
por x se tiene: (y 3xcos(2x))dx + xdy = 0.
M N
Llamando M(x, y) = y 3xcos(2x) y N(x, y) = x se tiene 1 1, por
y x
lo que es una ecuacin diferencial exacta que se puede expresar como:
xdy + ydx 3xcos(2x)dx = 0.
Al integrar se obtiene:

xy 3 x cos( 2 x )dx = K.
Por lo tanto la solucin general es:
3 xsen( 2 x ) 3cos( 2 x )
xy K .
2 4
Ejemplo 7.3.17: Integrar la ecuacin diferencial lineal y = ytg x + cos x
realizando el cambio de variable y = uv.
Si y = uv se tiene que y = uv + uv.
uv + uv uvtg x = cos x uv + u(v vtg x) = cos x.
Se calcula v de forma que sea una solucin, no nula, de la ecuacin:
v vtg x = 0 v(x) = Ke
tgxdx
= Ksec x.
Para K = 1 v(x) = sec x.

Se determina u(x) solucin de la ecuacin:
uv = cos x u sec x = cos x
cos x 1 cos 2 x x sen 2 x

u(x) = sec x
dx = cos 2 xdx = 2
dx =
2 4
C .
La solucin general de la ecuacin es:
x sen 2 x
y(x) = C sec x
2 4
Ejercicios
2
7.28. Resolver la ecuacin y + 2xy = 2x e x .
7.29. Calcular la solucin particular de la ecuacin diferencial:
2 cos( x )
y + y
x x2
que verifique la condicin inicial y() = 0.
7.30. Calcular la solucin general de la ecuacin:
dy 1
.
dx x cos( y )sen( 2 y )
7.31. Resolver la ecuacin diferencial lineal y + y tg x = sec2x.
7.32. Hallar la familia de curvas tales que el rea del trapecio limitado
por los ejes de coordenadas, la recta tangente a la grfica de una
funcin en un punto y la recta paralela al eje de ordenadas que pasa
por el punto de tangencia sea constante e igual a a2.
7.3.6. Algunas ecuaciones diferenciales especiales
Ecuacin de Bernoulli
Definicin 7.3.7:
La ecuacin de Bernoulli es una ecuacin diferencial de la forma:
y + p(x)y = q(x)yn,
con p(x) y q(x) funciones dadas y n 0 y n 1.
Para n = 0 esta ecuacin es una ecuacin diferencial lineal y para n = 1 la
ecuacin es una ecuacin diferencial de variables separadas.
Esta ecuacin se reduce a una ecuacin diferencial lineal dividiendo los
trminos de la ecuacin por yn, y haciendo el cambio z = y-n+1.
Al dividir por yn, se obtiene: yy-n + p(x)y-n+1 = q(x). Al hacer el cambio de
variables z = y-n+1 se tiene que z = (n + 1)y-ny. Al sustituir en la ecuacin:
z'
p( x )z q( x ) z + (n + 1)p(x)z = (n + 1)q(x)
n 1
que es una ecuacin diferencial lineal. Resolvindola y deshaciendo el cambio
de variable se obtiene la solucin general.
Otra forma de resolverla consiste en sustituir y(x) por u(x)v(x), mtodo
que ya se estudi para resolver las ecuaciones diferenciales lineales.
Ecuacin de Ricatti
Definicin 7.3.8:
La ecuacin de Ricatti es una ecuacin diferencial de la forma:
y = r(x)y2 + q(x)y + p(x),
donde p(x), q(x) y r(x) son funciones dadas.
En general, esta ecuacin no puede resolverse por mtodos elementales,
excepto en ciertos casos particulares, por ejemplo:
Si r(x) = 0, entonces la ecuacin es una ecuacin diferencial lineal.
Si p(x) = 0, la ecuacin es una ecuacin diferencial de Bernoulli.

Se puede determinar la solucin general de la ecuacin a partir de
soluciones particulares. Si se conoce una solucin particular y1(x), entonces
haciendo el cambio:
y(x) = y1(x) + u(x),
la ecuacin se transforma en una ecuacin diferencial de Bernoulli:
y = y1 + u = r(x)(y1 + u)2 + q(x)(y1 + u) + p(x) =
(r(x)y12 + q(x)y1 + p(x)) + r(x)u2 + r(x)2uy1 + q(x)u.
Al ser y1 es una solucin particular y verificar la ecuacin, se tiene que:
u = r(x)u2 + r(x)2uy1 + q(x)u = r(x)u2 + (r(x)2y1 + q(x))u.
La ecuacin que resulta u = r(x)u 2 + (2r(x)y1 + q(x))u, es una ecuacin
diferencial de Bernoulli y se resuelve realizando el cambio w = u1-2 = u-1.
Por lo tanto, directamente, cuando en la ecuacin de Ricatti se conoce
una solucin particular y1, el cambio de variable:
1
y(x) = y1(x) + w-1(x) w = ,
y y 1
la transforma en una ecuacin diferencial lineal:
w + (2r(x)y1 + q(x))w = r(x)
Si se conocen dos soluciones particulares y1 e y2 de la ecuacin de
Ricatti, se puede reducir mediante un cambio de variables adecuado a una
ecuacin diferencial lineal homognea.
En efecto, si y1 es una solucin de la ecuacin de Ricatti, entonces el
1
cambio de variables w = la transforma en la ecuacin diferencial lineal:
y y 1
w + (2r(x) y1 + q(x))w = r(x).
1
Si y2 es otra solucin de la ecuacin de Ricatti, entonces w2 = es
y 2 y1
solucin de la ecuacin anterior, y el cambio:
1 1
z = w w2 = ,
y y1 y 2 y1
transforma la ecuacin de Ricatti en la ecuacin diferencial lineal homognea:
z + (2r(x)y1 + q(x))z = 0,
como consecuencia inmediata del teorema 7.3.3.
Por ltimo, si se conocen tres soluciones particulares y1, y2 e y3, entonces:
1 1
w2 = y w3 =
y 2 y1 y 3 y1
son dos soluciones particulares de la ecuacin diferencial lineal:
w + (2r(x)y1 + q(x))w = r(x).
La solucin general se puede obtener directamente a partir de ella, al
verificar que:
w = C(w2 w3) + w2.
Al sustituir:
1 1 1 1
= C + .
y y1 y 2 y1 y 3 y1 y 2 y1
Ecuacin de Lagrange
Definicin 7.3.9:
La ecuacin de Lagrange es una ecuacin diferencial de la forma:
y = xp(y) + q(y),
lineal con respecto a x e y.
Para resolver una ecuacin diferencial de este tipo se realiza el cambio y
= t, por tanto dy = tdx. Al sustituir este cambio en la ecuacin diferencial se
reduce a otra que considerando x en funcin de t es lineal. Al resolverla se

obtiene la solucin general en forma paramtrica:
x r(t,C)
.
y r(t,C)p(t) q(t)
La ecuacin de Lagrange puede tener soluciones singulares de la forma:
y = p(x0)x + q(x0),
siendo x0 una raz de la ecuacin x0 = p(x0)
Ecuacin de Clairaut
Definicin 7.3.10:
La ecuacin de Clairaut es una ecuacin diferencial de la forma:
y = xy + q(y).
Es por tanto un caso especial de la ecuacin de Lagrange y su mtodo de
resolucin es esencialmente el mismo, es decir, mediante el cambio y = t.
La solucin general obtenida es: y = Cx + q(C)
Igual que la ecuacin de Lagrange, tambin puede tener soluciones
singulares que resultan de eliminar el parmetro t entre las ecuaciones:
y = xt + q(t)
x + q(t) = 0.
Ejemplos resueltos
Ejemplo 7.3.18: Resolver la ecuacin 3xy 2y = x3y-2.
Se observa que es una ecuacin de Bernouilli. Al realizar el cambio y(x) =
u(x)v(x) se obtiene:
3x(uv + uv) 2uv = x3u-2v-2 3xuv + u(3xv 2v) = x3u-2v-2.
Al resolver 3xv 2v = 0 se obtiene la solucin v(x) = x2/3.

Sustituyendo en 3xuv3 = x3u-2 se obtiene: 3ux3 = x3u-2 3u2u = 1.
Integrando: u3 = x + C u(x) = (x + C)1/3. Al deshacer el cambio:
y(x) = (x + C)1/3x2/3.
Ejemplo 7.3.19: Integrar y = xy + (y)2.
Se observa que es una ecuacin de Clairaut. Al hacer el cambio y = t se
obtiene y = xt + t2.
Al diferenciar: tdx = tdx + xdt + 2tdt dt(x + 2t) = 0.
Igualando a 0 el primer factor de esta ecuacin se tiene que:
dt = 0 t = C.
y = Cx + C2
que es un haz de rectas dependientes del parmetro C.
Igualando a 0 el segundo factor se tiene que x = 2t. Eliminando t entre
esta ecuacin y la ecuacin y = xt + t2 resulta una solucin singular, la
x2
parbola y = , que es la envolvente del haz de rectas determinado por la
4
solucin general.
Ejemplo 7.3.20: Resolver la ecuacin diferencial:
2x
xy y = (y2 x2),
4
x 1
sabiendo que admite soluciones particulares del la forma y = ax + b.
Es una ecuacin diferencial de Ricatti. Al imponer que y = ax + b sea
solucin se obtiene que y = x es una solucin. Se hace el cambio z = y x, con
lo que la ecuacin se transforma en una ecuacin de Bernoulli:

2x 4x 2
xz = z2 1z .
x4 1 x4 1

Con el cambio w = 1/z se transforma en una ecuacin lineal:
4x 2 2x
-xw = 1w .
x4 1 x 4
1

Al resolverla se obtiene:
x2 1 1
w C .
x( x 2 1) x( x 2 1)
Deshaciendo los cambios se tiene finalmente la solucin buscada:
x( x 2 1)
y x .
C( x 2 1) 1
Ejemplo 7.3.21: Resolver la ecuacin diferencial y = 2xy + sen y.
Se observa que es una ecuacin de Lagrange. Para resolverla se realiza
el cambio y = t y se obtiene la ecuacin y = 2xt + sen t.
Diferenciando: tdx = 2tdx + 2xdt + cos tdt.
Agrupando trminos:
dx 2 cos t
tdx = 2xdt cos tdt = x
dt t t
que es una ecuacin diferencial lineal considerando x como funcin de t.
Resolvindola se obtiene la solucin:
x(t) = Ct-2 t-1sen t t-2cos t,
y sustituyendo este valor en y se tiene que:
y(t) = 2Ct-1 sen t 2t-1cos t .
La solucin general de la ecuacin en forma paramtrica es (x(t), y(t)):
x(t) = Ct-2 t-1sen t t-2cos t

y(t) = 2Ct-1 sen t 2t-1cos t
Ejercicios
7.33. Resolver la ecuacin diferencial: xy + y = y2lnx.
x3
7.34. Dada la ecuacin diferencial 3xy 2y = , calcular la solucin
y2
general.
2 sen xy + ycos x = y3(xcos x sen x).
7.36. Integrar la ecuacin diferencial 2y = xy + ylny.
7.37. Resolver la ecuacin diferencial: y(x3 + x2) + y2 3x2y 4x3 = 0
sabiendo que admite soluciones polinmicas de grados uno y dos. Si
y = (x) es la solucin tal que 1 = (1), calcular (2). (Solucin:
(2) = 2)
7.3.7. Trayectorias ortogonales
Sea una ecuacin de la forma (x, y, C) = 0 donde C es un parmetro que
puede tomar distintos valores. Cada valor de C determina una curva en el plano
de manera que dando a C todos los valores posibles se obtiene un haz de
curvas, que queda definido por la ecuacin anterior.
Definicin 7.3.10:
Dada una familia uniparamtrica de curvas: (x, y, C) = 0, se denominan
trayectorias isogonales de la familia al haz de curvas en el que cada
elemento corta a las curvas de la familia dada bajo un ngulo constante.


Cuando el ngulo que forman vale , las trayectorias se denominan
2
trayectorias ortogonales.
Si se suponen dos cargas elctricas iguales en dos puntos fijos del plano
y una tercera carga que se desplaza en ese plano bajo la accin de las dos
primeras, el movimiento de la carga libre sigue una trayectoria que corta
perpendicularmente a las lneas equipotenciales del campo creado por las dos
primeras cargas.
Este fenmeno es general: en un campo gravitatorio, trmico,
electromagntico, ..., las curvas de nivel y las lneas de flujo se cortan
ortogonalmente; por esta razn es importante tener un procedimiento para
calcular el haz de curvas formado por las trayectorias ortogonales a las curvas
de otra familia dada.
La solucin general de una ecuacin diferencial de primer orden F(x, y, y)
= 0 es una familia uniparamtrica de curvas (x, y, C) = 0.
Recprocamente, en el apartado 7.2.8 de este captulo se ha desarrollado
un mtodo para calcular la ecuacin diferencial de un haz de curvas (x, y, C) =
0, que consiste en eliminar el parmetro C entre la ecuacin que define el haz y
la que resulta de derivar con respecto a x esta ecuacin. Es decir:
( x , y , C ) 0

Eliminando C en se obtiene F(x, y, y) = 0.
y' 0
x y

Dada la familia de curvas (x, y, C) = 0 que tiene por ecuacin diferencial
F(x, y, y) = 0, se tiene que y es el coeficiente angular de las tangentes a las
curvas de la familia, por lo tanto la pendiente de las tangentes de las
1
trayectorias ortogonales es y la ecuacin diferencial que las define
y'
1
F( x , y , ) = 0. Al integrar, la solucin general 1(x, y, K) = 0 determina el haz
y'
de trayectorias ortogonales de la familia dada.
Trayectorias isogonales
Si se pretende calcular el haz de curvas que cortan con un ngulo fijo a
las curvas de una familia dada (x, y, C) = 0, cuya ecuacin diferencial es F(x,
y, y) = 0, existen dos familias de soluciones ya que las pendientes de las
rectas tangentes a las curvas de la familia que se quieren calcular pueden ser
tg( + ) o tg( ) donde tg = y.
tg tg tg tg
Como tg( + ) = y tg( ) = para m = tg() se
1 tg tg 1 tg tg
y' m y' m
tiene tg( + ) = y tg( ) = , por lo tanto las dos familias de
1 my' 1 my'
trayectorias isogonales estn determinadas por las ecuaciones diferenciales
y' m y ' m
F( x, y , ) y F( x, y , ) y se calculan resolviendo estas ecuaciones.
1 my' 1 my'
Ejemplos resueltos
Ejemplo 7.3.22: Hallar las trayectorias ortogonales de la familia de rectas
que pasan por el origen definida por y = Cx.
Se calcula su ecuacin diferencial eliminando k entre las ecuaciones:
y Cx 0
y yx = 0.
C y' 0
1
Sustituyendo y por se obtiene la ecuacin diferencial de las
y'
trayectorias ortogonales:
1
y+ x = 0 yy + x = 0 ydy = x dx,
y'
cuya solucin general es:
x2 + y2 = K, (K>0),
que son circunferencias con centro en el origen de coordenadas, y constituyen
la familia de las trayectorias ortogonales de la familia de rectas y = Cx.
Ejemplo 7.3.23: Hallar las familias de curvas que cortan al haz de rectas y

= Cx bajo un ngulo .
2
Eliminando C, entre las ecuaciones:
y = Cx
y = C,
se obtiene la ecuacin diferencial del haz de rectas y = yx.
y' m
Sea m = tg(), sustituyendo y por se obtiene la ecuacin
1 my'
diferencial de la familia buscada:
y' m
y= x y(1 my) = x(y + m) y(x + my) = y xm,
1my'
ecuacin homognea cuya solucin general es:
1 y
arctg
2 2
x y Ke m x.
y' m
Anlogamente sustituyendo y por se obtiene la ecuacin
1 my'
diferencial:
y(x my) = y + xm,
cuya solucin general es:

1 y
arctg
2 2
x y Ke m x.

Estas dos familias de curvas expresadas en forma polar son: Ke m y,

Ke m es decir, estn formadas por espirales logartmicas.
Ejercicios
7.38. Calcular las trayectorias ortogonales al haz de curvas y2 = 4Cx.
2
7.39. Dada la familia de curvas y = C e x , calcular el haz de las
trayectorias ortogonales.
7.40. Calcular las trayectorias isogonales que cortan con un ngulo de

radianes al haz de circunferencias x2 + y2 = C.
4
7.41. Hallar el haz de las trayectorias ortogonales de la familia de
curvas excos y = C.
7.3.8. Envolvente de un haz de curvas
Definicin 7.3.11:
Se denomina envolvente de un haz de curvas a una curva que verifica
que en cada uno de sus puntos es tangente a una curva del haz.
Ecuacin de la envolvente de un haz de curvas
Sea (x, y, C) = 0 la ecuacin que define un haz de curvas dependientes
del parmetro C, y sea y = (x) la envolvente de dicho haz donde (x) es una
funcin que se supone derivable.
Sea P(x, y) un punto de la envolvente. Como por definicin este punto

pertenece a una curva del haz para un determinado valor de C, viene
determinado por la ecuacin C = C(x, y), que verifica la ecuacin del haz. Es
decir: (x, y, C(x, y)) = 0
Para calcular el coeficiente angular de la tangente a la curva del haz en el
punto P(x, y), se deriva con respecto a x la ecuacin anterior:
C C C C
y' y' = 0 y' y' = 0
x y C x C y x y C x y
El coeficiente angular de la tangente a la curva del haz que pasa por el

punto P(x, y) se deduce de la ecuacin y' 0 ya que en esta curva C
x y
es constante.

Se supone que 0 (en caso contrario 0 y se considerara x como
y x
funcin de y).
El coeficiente angular de la envolvente en el punto P ha de ser el mismo
C C
por lo que tiene que verificar que y' 0 .
C x y
C C
Como la funcin C(x, y) no es constante y' 0 y por lo tanto se
x y

verifica que ( x , y ,C ) 0 .
C
La ecuacin de la envolvente resulta de eliminar el parmetro C entre las
ecuaciones:
( x , y ,C ) 0

(7.3.2)
( x , y ,C ) 0
C
Sin embargo no toda solucin de este sistema es una envolvente del haz
ya que si una cierta funcin y = (x) es la ecuacin del lugar geomtrico de los
puntos singulares del haz de curvas, es decir, de los puntos que verifican

0 y 0 , entonces las coordenadas de estos puntos tambin verifican
x y
las ecuaciones (7.3.2).
En efecto, como las coordenadas de los puntos singulares se pueden
expresar en funcin del parmetro C, si x = p(C) e y = q(C), se verifica que:
(p(C), q(C), C) = 0,
derivando esta expresin con respecto a C se tiene que:
dp dq
0,
x dC y dC C

por lo que 0 y se verifican las ecuaciones (7.3.2).
C
Por lo tanto, al obtener una curva que verifica estas ecuaciones hay que
determinar si es la envolvente o si es el lugar geomtrico de los puntos
singulares o bien si es una combinacin de ambas cosas.
El siguiente teorema proporciona una condicin suficiente para que una
curva solucin del sistema (7.3.2) sea envolvente del haz.
Teorema 7.3.4:
( x , y ,C ) 0

Sea (x, y) una curva solucin del sistema donde la
( x , y ,C ) 0
C

funcin (x, y, C) verifica las siguientes condiciones.

a) Las derivadas parciales y existen y estn acotadas
x y

b) 0 o bien 0.
x y
Entonces (x, y) es la envolvente del haz de curvas definido por la

ecuacin (x, y, C) = 0.
Sin embargo estas condiciones no son necesarias, es decir una funcin
solucin de (7.3.2) puede ser envolvente del haz y no cumplir alguna de las
condiciones anteriores.
En general la ecuacin que resulta de eliminar C en el sistema de
ecuaciones (7.3.2) se denomina C-discriminante y la curva determinada por
esta ecuacin curva C-discriminante o CCD.
El C-discriminante contiene a la envolvente (E), al lugar geomtrico de los
puntos anodales (A) al cuadrado y al lugar geomtrico de los puntos cuspidales
o de retroceso (R) al cubo, es decir C = EA2R3.
Ejemplos resueltos
Ejemplo 7.3.24: Hallar la envolvente del haz de curvas definido por la
ecuacin (x C)2 + y2 4 = 0.
Para calcular la envolvente de este haz de circunferencias de radio 2 con
centro en el eje de abscisas se halla la curva C-discriminante que resulta de
eliminar C en el sistema:
( x C ) 2 y 2 4 0

2( x C ) 0
y se obtienen las rectas y = 2, que son la envolvente del haz, ya que las
circunferencias no tienen puntos singulares.
Ejemplo 7.3.25: Calcular la envolvente del haz de curvas y2 (x + C)3 = 0.
Para calcular la envolvente de esta familia se halla la curva C-
discriminante, que resulta de eliminar C en el sistema:
y 2 ( x C ) 3 0

3( x C ) 2 0
que tiene como solucin la recta y = 0.

Como 3( x C ) 2 0 y 2y 0 , la ecuacin y = 0 representa
x y
el lugar geomtrico de los puntos singulares de la familia. Pero a la vez la recta
y = 0 es la envolvente de la familia, pues en cualquier punto (C, 0) tanto para
la recta y = 0 como para y = (x + C)3/2 sus coeficientes angulares son iguales.
Ejercicios
7.42. Calcular la envolvente del haz de curvas y(C x) = C2.
1
7.43. Hallar la envolvente de la familia de curvas y = Cex + .
C
7.44. Calcular la envolvente del haz de curvas x2 + C(x 3y) + C2 = 0.
7.3.9. Soluciones singulares
Definicin 7.3.12:
Una solucin y = (x) de una ecuacin diferencial F(x, y, y) = 0 se llama
singular si verifica dicha ecuacin, y adems por cada uno de sus puntos (x0,
(x0)) pasa tambin una solucin particular de la ecuacin diferencial que en
ese punto tiene la misma tangente pero que no coincide con ella en un entorno
suficientemente pequeo del punto.
F F
Si la funcin F(x, y, y) y sus derivadas parciales y son continuas
y y'
con respecto a x, y e y cualquier solucin singular verifica tambin que
F
( x , y , y' ) 0 .
y'
La ecuacin que se obtiene al eliminar y entre esta ecuacin y la
ecuacin inicial se denomina p-discriminante y la curva que determina curva p-

discriminante o abreviadamente CPD.
El p-discriminante contiene a la envolvente (E), al lugar geomtrico de los
puntos de contacto al cuadrado (C) y al lugar geomtrico de los puntos
cuspidales o de retroceso (R), es decir P = EC2R.
Entre estos lugares geomtricos slo la envolvente del haz de soluciones
de la ecuacin diferencial es una solucin singular y el hecho de saber que esta
curva es tambin C-discriminante facilita la obtencin de la solucin singular.
Ejemplos resueltos
Ejemplo 7.3.26: Calcular las soluciones singulares de la ecuacin
diferencial y2 yy + ex = 0.
Para hallar las soluciones singulares de esta ecuacin, se calcula primero
la CPD eliminando y en el sistema:
y' 2 y .y' e x 0
.
2 y' y 0
Se obtiene y2 = 4ex.
Se calcula la solucin general de la ecuacin diferencial despejando y en
la ecuacin y haciendo el cambio y = p.
Se obtiene x = lnp + C, por lo que la solucin general en paramtricas
viene dada por:
x ln p C

ex .
yp
p
Al eliminar el parmetro p se tiene que y = exC-1+ C.
Se calcula ahora la CCD de esta familia de curvas, eliminando C en el
sistema:
ex
y C
C
x .
e
1 0
C 2
Se obtiene tambin y2 = 4ex.
Como las curvas y = 2 ex/2 son C-discriminantes y p-discriminantes, son
la envolvente del haz de soluciones generales de la ecuacin y por lo tanto son
soluciones singulares.
Ejemplo 7.3.27: Hallar las soluciones singulares de la ecuacin diferencial
y2(2 3y)2 = 4(1 y).
Para calcular las soluciones singulares de esta ecuacin, se calcula la
CPD eliminando y en el sistema:
y' 2 ( 2 3 y )2 4( 1 y )

2y' ( 2 3 y )2 0
y se obtiene (2 3y)2(1 y) = 0.
Se halla la solucin general de la ecuacin diferencial considerando x
dx 2 3y
como funcin de y as y se obtiene:
dy 1 y
x y 1 y C ,
que se puede expresar de la forma:
(x C)2 = y2(1 y).
Se calcula la CCD de este haz de curvas eliminando C en el sistema:
( x C ) 2 y 2 ( 1 y )

2( x C ) 0
de donde resulta y2(1 y) = 0.
Comparando los resultados de la CPD y la CCD se tiene que el nico

factor comn es (1 y), por lo tanto y = 1 es la ecuacin de la envolvente y una
solucin singular de la ecuacin diferencial.
El factor 2 3y que est elevado a 2 en el p-discriminante, como no figura
en el C-discriminante, representa el lugar geomtrico de los puntos de
contacto, que viene dado por la ecuacin 2 3y = 0
Por otra parte el factor y no figura en el p-discriminante y est elevado a 2
en el C-discriminante, luego la ecuacin y = 0 representa el lugar geomtrico
de los puntos anodales.
Ejercicios
7.45. Hallar las soluciones singulares de la ecuacin diferencial y2 4y
= 0.
7.46. Calcular las soluciones singulares de la ecuacin diferencial y =
xy + y2, que tiene por solucin general y = Cx + C2.
7.47. Hallar las soluciones singulares de la ecuacin diferencial:
y2y2 + y2 = 1,
sabiendo que tiene por solucin general (x C)2 + y2= 1.
7.3.10. Aplicaciones
Circuitos elctricos
En el apartado 7.2.5 de este captulo se estudi que en un circuito
elctrico formado por una fuerza electromotriz E que impulsa una carga
elctrica y produce una corriente de intensidad I, una resistencia R que se
opone a la corriente, un inductor de inductancia L, que se opone a cualquier
cambio en la corriente, y un condensador de capacitancia C, que almacena una

carga Q y se opone a la entrada de una carga adicional, aplicando la ley de
Kirchhoff, se obtena la ecuacin diferencial:
dI 1
L + RI + Q = E.
dt C
Cuando no existe condensador y E tiene un valor constante E0 se tiene
dI
que L + RI = E0, que es una ecuacin diferencial lineal de primer orden con
dt
dI dI dt
variables separadas L = E0 RI, luego , e integrando:
dt E 0 RI L
Rt
ln( E0 RI) = + K.
L
Si se sabe que en el instante t = 0, hay una corriente inicial I0, la constante
K se puede determinar: K = ln( E0 RI0).
Sustituyendo en la ecuacin:
Rt
Rt
ln(E0 RI) = ln( E0 RI0) E 0 RI ( E 0 RI 0 )e L ,
L
despejando I se tiene:
Rt Rt
E E RI 0 L E E
I= 0 0 e = 0 I 0 0 e L .
R R R R
E0
Se observa que I tiene una parte constante y una parte transitoria
R
Rt
E
I 0 0 e L que tiende a 0 para valores grandes de t, en cuyo caso lmite se
R
verifica la ley de Ohm: E0 = R I.
Rt
E
Cuando I0 = 0, se verifica que I = 0 ( 1 e L ) , y si E0 = 0, entonces:
R
Rt
I = I0 e L .
La curva tractriz
Sea T un punto que a partir del origen se desplaza a lo largo de la parte
positiva del eje de ordenadas, y que arrastra a un punto P, que parte del eje de
abscisas, a lo largo del plano con una cuerda de longitud a. La curva que
describe el punto P se denomina tractriz.
Si inicialmente T est en el origen de coordenadas y la longitud de PT = a,
P parte del punto (a, 0).
En un punto P(x, y) cualquiera de la curva y = f(x) se verifica que:
a2 x 2
y = ,
x
ecuacin diferencial de primer orden que define la curva tractriz.
Integrando y aplicando que la curva pasa por el punto (a, 0) se obtiene la
ecuacin:
a a2 x 2
y = a log a2 x 2 .
x

La superficie obtenida al hacer girar esta curva en torno al eje de
ordenadas es un modelo para la geometra no eucldea de Lobachevsky.
Ejemplos resueltos
dm
Ejemplo 7.3.28: Resolver la ecuacin k m , que rige los procesos
dt
de desintegracin en reacciones qumicas de primer orden (siendo k > 0 el
coeficiente de proporcionalidad).
Esta ecuacin de primer orden, que surgi en el apartado 7.2.1, es de
dm
variables separadas y por tanto k dt . Al integrar ambos miembros de la
m
ecuacin se obtiene ln m = kt + ln C y la solucin general de esta ecuacin
viene dada por m(t) = Ce-kt.
dv
Ejemplo 7.3.29: Resolver la ecuacin diferencial m = mg kv.
dt
Esta ecuacin diferencial lineal no homognea de primer orden, que
surgi en el apartado 7.2.2, modeliza el proceso de cada de un cuerpo de
masa m, sobre el que acta, adems de la fuerza de gravedad, la resistencia
del aire, que es proporcional a su velocidad, con coeficiente de
proporcionalidad k.
La solucin de la ecuacin proporciona la velocidad, v, del cuerpo al caer.
Se resuelve primero la ecuacin diferencial lineal homognea asociada:
dv dv k
m + kv = 0. Se separan las variables = dt . Se integra:
dt v m
k
k t
ln v = t + ln C vH(t) = C e m .
m
Se busca una solucin particular de la ecuacin diferencial lineal no
homognea por el mtodo de variacin de constantes:
k
t
vP(t) = C( x ) e m
y se sustituye en la ecuacin:
k k k
t k t t
m( C' ( x ) e m + C( x ) ( )e m ) + k C( x ) e m = mg
m
k k
t t
m C' ( x ) e m = mg C' ( x ) ge m ,
k
mg m t
integrando C( x ) e y la solucin particular buscada es:
k
mg
vP(t) = .
k
Por lo tanto la solucin general de la ecuacin es:
k
t mg
v(t) = C e m .
k
Ejercicios
7.48. En la descomposicin del azcar de caa en una disolucin de
dextrosa y levulosa, la velocidad de transformacin es proporcional a
la cantidad de azcar no descompuesta. Si m0 es la cantidad de
azcar inicial, k el coeficiente de proporcionalidad y m(t) la cantidad
transformada en el tiempo t, expresado en minutos, se pide:
a) Calcular la ecuacin diferencial del proceso.
b) El tiempo necesario para transformar todo el azcar.
7.49. Demostrar que la tractriz es ortogonal a la familia de crculos de
radio a y centros en el eje de ordenadas.
7.6. EJERCICIOS
7.50. Integrar la ecuacin diferencial y = yy, y hacer un esbozo de
la grfica de las curvas integrales.
7.51. Se supone que por el punto (x, y) 2 pasa una curva integral y
una isoclina de la ecuacin y = f(x, y). Obtener la expresin del
ngulo que forman ambas curvas.
7.52. Hallar la curva que pasando por el punto (1, 1) es tal que, para
cada uno de sus puntos, la ordenada del punto de corte de la
tangente con el eje OY y la abscisa del punto de corte de la normal
con el eje OX, tienen el mismo valor.
7.53. Una curva pasa por el punto (1, 1) y el producto de la abscisa de
un punto cualquiera de la curva, por la ordenada del punto de corte
de la tangente a la curva en dicho punto con el eje OY, vale siempre
3. Obtener el punto donde la curva corta a la recta x = 2.
(Solucin: 1/4).
7.54. Determinar la curva que pasa por el punto (5, 5) y es tal que la
ordenada en cada punto P es igual a la distancia del origen a la recta
normal a la curva en el punto P.
(Solucin: x2 + y2 = 10x).
7.55. Integrar las siguientes ecuaciones diferenciales:
x
a) x2y = 2y2 xy (Solucin: y ).
1 Cx 2
b) (x2 + y2)dy = 2xy dx = 0 (Solucin: 1 + x2y2 = Cy).
1
c) y + y + y2(sen x + cos x) = 0 (Solucin: y ).
x
Ce cos x
d) xy 4y x2 y = 0 (Solucin: y = (Cx2 + x2 ln x )2), y > 0).
7.56. Integrar las siguientes ecuaciones diferenciales, sabiendo que
admiten un factor integrante que depende slo de x o slo de y:
a) 2xy3 dx + (5x2y2 + 3) dy = 0 (Sol: = y2; x2y5 + y3 + C = 0).
b) sen y(cos x + sen x)dx + cos x cos y dy = 0
(Sol: = e-x; e-xcos xsen y - C = 0).
c) (9y2 4x) dx + 6xy dy = 0 (Sol: = x2; 3x2y2 x4 + C = 0).

7.57. Integrar la ecuacin diferencial xy 2y = 2x.
(Sol: y = Cx2 + 2x).
7.58. Resolver la ecuacin diferencial y y = -2e-x.
(Sol: y = e-x + Cex).
7.59. Integrar la ecuacin diferencial: xy + y + x2y2 = 0.
(Sol: Cxy - x2y + 1 = 0).
y
2
7.60. Resolver la ecuacin y dx xdy 0 .

x
x
(Solucin: ln x = + C)
y
7.61. Hallar las trayectorias ortogonales de la familia de curvas excos y
= C.
(Solucin: exsen y = C).
7.62. Calcular las trayectorias ortogonales de la familia de curvas y =
Cx3.
7.63. Resolver la ecuacin diferencial (x2 + y2)dx 2xydy = 0.
7.64. Hallar las soluciones singulares de la ecuacin diferencial (xy +
y)2 = y2y, sabiendo que su solucin general es y(C x) = C2.
7.65. Dada la ecuacin diferencial y2 yy + ex = 0, calcular sus
soluciones singulares, sabiendo que la solucin general de la
1
ecuacin es y = Cex + .
C
7.66. Hallar las trayectorias ortogonales del haz de curvas x2 + y2 + Cx
= 0.
CAPTULO 8
Existencia y unicidad de soluciones
En el captulo anterior se han introducido las ecuaciones diferenciales
ordinarias de primer orden y se han mostrado los procedimientos a seguir para
obtener la solucin de distintos tipos de ecuaciones diferenciales, en funcin de
sus caractersticas especficas. En estos casos, la existencia de una solucin
se puede establecer directamente, resolviendo el problema y encontrando la
funcin que verifica las condiciones pedidas. Sin embargo en el caso general
no es siempre posible encontrar la solucin de una ecuacin diferencial y hay
que recurrir a la utilizacin de mtodos numricos que permitan obtener valores
aproximados de la solucin que se busca. Pero para que estos mtodos sean
eficaces es preciso asegurar previamente la existencia y unicidad de la
solucin de lo que se conoce como un problema de valor inicial o problema de
Cauchy.
Los teoremas de existencia y unicidad que se presentan en este captulo
garantizan, bajo determinadas condiciones de regularidad, la existencia y la
unicidad de la solucin sin necesidad de calcularla previamente.
En la seccin 1 se introduce lo que se conoce como problema de valor
inicial, o problema de Cauchy, y se presentan conceptos bsicos y resultados
previos que se utilizarn a lo largo del captulo. En la seccin 2 se presentan el

teorema de Cauchy-Peano, que garantiza bajo sus hiptesis la existencia de
solucin de un problema de Cauchy, y el teorema de Picard-Lindelf, que
asegura la unicidad de la solucin.
En muchos casos interesa obtener la solucin de un problema de valor
inicial de forma local, es decir, en un entorno del punto en el que se da la
condicin inicial. En la seccin 3 se estudian las condiciones para la existencia
y la unicidad de soluciones locales, as como la posibilidad de prolongar dichas
soluciones a intervalos mas amplios. Cada seccin termina con una amplia
coleccin de ejemplos resueltos.
8.1. PROBLEMA DE CAUCHY. TEOREMAS PREVIOS
8.1.1. Problema de Cauchy
Sea f(x, y) una funcin continua, definida en [a, b] n y con valores en
n. Sea x0 un punto del intervalo [a, b]. Se considera la ecuacin diferencial y
= f(x, y) y el valor de la solucin en el punto x0, y(x0) = y0, y0 n.
Definicin 8.1.1:
Un problema de valor inicial o problema de Cauchy consiste en la
bsqueda de una funcin y(x) definida para los valores x del intervalo [a, b],
que sea solucin de la ecuacin diferencial y = f(x, y) en [a, b], y que en un
punto x0 del intervalo [a, b] tome el valor y0.

Existencia y unicidad de soluciones 483
El problema se puede representar de la forma:
y f ( x , y ),
, x [ a, b ]
y ( x 0 ) y 0
El propsito de este captulo es determinar bajo qu condiciones de
regularidad para f(x, y) se puede asegurar que el problema de valor inicial as
planteado tiene solucin y cundo se puede asegurar que dicha solucin es
nica.
Una primera observacin es la siguiente:
Resolver el problema de Cauchy
y f ( x , y ),
, x [ a, b ]
y ( x 0 ) y 0
es equivalente a encontrar una solucin de la ecuacin
x
y( x ) y 0 f ( s, y ( s ))ds.
x0
En efecto, si existe una funcin y(x) que sea solucin del problema de
Cauchy que se acaba de plantear, debe verificar que y(x) = f(x, y(x)). Por tanto
integrando esta expresin e imponiendo la condicin y(x0) = y0 se tiene:
x x x
y' ( s ) f ( s, y ( s ))ds y( x ) y 0 f ( s, y ( s ))ds

x0 x0 x0
x
y( x ) y 0 f ( s, y ( s ))ds.
x0
Recprocamente, si se deriva la expresin anterior se tiene la ecuacin
diferencial y = f(x, y), y el valor de y(x) en el punto x0 es precisamente y0, ya
que al tener los mismos lmites de integracin la integral se anula.
Para asegurar que el problema de Cauchy
y f ( x , y ),
, x [ a, b ]
y ( x 0 ) y 0
tiene solucin es suficiente, entonces, demostrar que existe una funcin y(x)
que verifica la ecuacin integral.
x
y( x ) y 0 f ( s, y ( s ))ds.
x0
Para encontrar una solucin de esta ecuacin se puede definir una
transformacin T sobre el conjunto de todas las funciones continuas en el
intervalo [a, b] en n, de manera que
x
T( x ) y 0 f ( s,( s ))ds .
x0
Si existe una funcin tal que T( ) = , es decir, si la transformacin T
tiene un punto fijo, es precisamente la solucin del problema de Cauchy
propuesto.
8.1.2. Aplicaciones contractivas. Teorema del punto fijo
No toda transformacin tiene un punto fijo. Pero existen transformaciones

para las que se puede garantizar su existencia. Un ejemplo de ellas lo
constituyen las transformaciones contractivas, que sern de utilidad para
garantizar la existencia y unicidad de solucin de un problema de Cauchy.
Definicin 8.1.2.
Sea T una aplicacin definida de un espacio mtrico E en s mismo. T es
una aplicacin contractiva si existe ,0 < <1, tal que para todo x, y E se
verifica que d(T(x), T(y)) d(x, y).
De la propia definicin se deduce que una aplicacin contractiva es
continua. El siguiente teorema asegura la existencia de un punto fijo para las
transformaciones contractivas.
Teorema 8.1.1: Teorema del punto fijo de una aplicacin contractiva
Toda aplicacin contractiva T definida de un espacio mtrico completo E
en s mismo tiene un nico punto fijo. Es decir, existe un punto x E tal que
T(x) = x.
Demostracin.
Sea x0 E un punto de partida. Si se aplica la transformacin T
sucesivamente se tiene: T(x0) = x1, T(x1) = x2, , T(xn) = xn+1
La sucesin resultante es una sucesin de Cauchy, pues en efecto, se
tiene que:
d(xn+1, xn) = d(T(xn), T(xn-1)) d(xn, xn-1) nd(x1, x0).
Utilizando la propiedad triangular de la distancia se obtiene que la

distancia entre dos elementos cualesquiera de la sucesin es
d(xn+k, xn) d(xn+k, xn+k-1) + d(xn+k-1, xn+k-2) + + d(xn+1, xn) (n+k-1 + n+k-2
n
+ + )d(x1, x0) 1 d(x1, x0).
n
Como es menor que 1, para un valor de n suficientemente grande la
distancia d(xn+k, xn) se puede hacer tan pequea como se quiera; por tanto la
sucesin es de Cauchy, y como E es un espacio mtrico completo la sucesin
es convergente.
Sea x el lmite de la sucesin. Como T es continua
T(x) = T( lm xn ) = lm T(xn) = lm xn+1 = x.

n n n
Se tiene entonces que el lmite de la sucesin es un punto fijo de T.
Slo falta demostrar que es el nico punto fijo de la transformacin. Esto
es as porque si existiera otro punto fijo z distinto de x, al ser T contractiva
d(x, z) = d(T(x), T(z)) d(x, z) < d(x, z),
lo cual es una contradiccin. Por tanto el punto fijo es nico.
Una observacin de inters es que la demostracin anterior proporciona
un camino para hallar el punto fijo de una transformacin contractiva: basta
aplicar la transformacin a un punto arbitrario de E, volverla a aplicar de
manera indefinida y calcular su lmite.

8.1.3. Funciones equicontinuas. Teorema de Ascoli-Arzel
El teorema de Ascoli-Arzel, que se presenta a continuacin, tiene una
gran importancia por sus muchas aplicaciones. Entre ellas se utilizar en la
seccin 8.2 para demostrar el teorema de existencia de Cauchy-Peano.
Establece condiciones sobre una familia de funciones definidas en un conjunto
E n bajo las cuales se puede asegurar que existe una subsucesin
uniformemente convergente. Se presenta nicamente el enunciado del
teorema, porque la demostracin excede de los objetivos de este libro.1
El teorema de Ascoli-Arzel es de alguna manera similar, adaptado en
este caso a funciones, al teorema de Bolzano-Weierstrass, que asegura que un
conjunto infinito nmeros reales contenido en un subconjunto de nmeros
reales cerrado y acotado tiene una subsucesin convergente.
En las hiptesis del teorema de Ascoli-Arzel aparecen los conceptos de
acotacin uniforme y equicontinuidad de una familia de funciones, que se
enuncian a continuacin.
Definicin. 8.1.3.
Sea {} una familia de funciones definidas en un conjunto E n con
valores en n. Se dice que {} est uniformemente acotada en E si existe
un nmero real M > 0 tal que para todo x E y todo se verifica |(x)|
M.
1
La demostracin se puede ver en M. Guzmn: Ecuaciones diferenciales ordinarias.
Teora de estabilidad y control. Ed. Alhambra. 1975.
Ejemplos:
La sucesin n(x) = cos nx est uniformemente acotada en porque
existe M = 1 tal que para todo x y todo n N se tiene que | cos nx | 1.
cos nx
En cambio, la sucesin n(x) = est acotada en cada punto del
x
intervalo (0, 1), pero no esta uniformemente acotada en (0, 1).
Por ltimo, la sucesin n(x) = nx no est acotada uniformemente ni
puntualmente en (0, 1).
Definicin. 8.1.4 .
La familia {} de funciones definidas en un conjunto E n es
equicontinua en E si para todo > 0 existe un > 0 tal que para todo par de
puntos x1, x2 E situados entre s a una distancia menor que , |x1 x2| < , y
todo se verifica |(x1) (x2)| < .
De la propia definicin se deduce que la equicontinuidad exige que cada
una de las funciones de la familia sea uniformemente continua en E, y que
adems para cada valor fijado de el valor de preciso sea el mismo para
cada una de las funciones de la familia.
Ejemplos:
La sucesin n(x) = nx no es una familia equicontinua de funciones en el
intervalo [0, 1], y sin embargo cada una de las funciones n(x) = nx es
uniformemente continua en [0, 1].

1
La sucesin n(x) = xn es equicontinua en el intervalo [0, ], pero no lo es
2
en el intervalo [0, 1]. (Se demuestra en el ejemplo 8.1.1).
Se puede demostrar sin demasiada dificultad que si una sucesin
{n(x)}nN de funciones continuas converge uniformemente en un conjunto
compacto E a una funcin , entonces {n(x)}nN es uniformemente
acotada y equicontinua. (Ejercicio 8.1 ).
El teorema de Ascoli-Arzel en cierta manera permite asegurar resultados
en sentido inverso.
Teorema 8.1.2: Teorema de Ascoli-Arzel
Sea A un conjunto de ndices infinito, y sea {} una familia de
funciones definidas en un conjunto acotado E n con valores en n tales que
{} es equicontinua y uniformemente acotada en E. Entonces existe una
subsucesin {n(x)}nN {} , que converge uniformemente en E.
8.1.4. Condicin de Lipschitz
La condicin de Lipschitz se denomina as porque fue introducida por R.
Lipschitz en 1 876. Garantiza a las funciones que la verifican un grado de
regularidad intermedio entre la continuidad y la derivabilidad. Se presenta en
este captulo porque se utilizar como condicin suficiente para asegurar la
unicidad de solucin de un problema de Cauchy.
Definicin 8.1.5.
Sea f(x) una funcin definida en un subconjunto D n, con valores en
n. Se dice que f(x) verifica la condicin de Lipschitz , o que es lipschitziana
en D, si existe una constante L tal que para todo x1, x2 D,
|f(x1) f(x2)| L|x1 x2|.
Las funciones que verifican la condicin de Lipschitz se llaman funciones
globalmente lipschitzianas en D, o simplemente lipschitzianas en D.
La constante L se denomina constante de Lipschitz de la funcin en D.
La condicin de Lipschitz puede ser una condicin demasiado fuerte si lo
que se estudia es un problema local. En estos casos es suficiente que se
verifique una condicin de Lipschitz local, que se define a continuacin.
Definicin 8.1.6.
Sea f(x) una funcin definida en un subconjunto abierto D n, con
valores en n. Se dice que f(x) es localmente lipschitziana en D si para cada
rectngulo R D existe una constante L tal que si x1, x2 R
|f(x1) f(x2)| L|x1 x2|.
De la propia definicin se deduce que si una funcin f(x) es lipschitzina
(local o globalmente) en un dominio D, es continua en D. En sentido inverso,
existen funciones continuas que no son lipschitzianas (ejemplo 8.1.4). La
condicin de Lipschitz es por tanto una condicin mas fuerte que la
continuidad.
En cuanto a su relacin con la derivada, se puede medir sin mas que

tener en cuenta que la condicin de Lipschitz respecto de la segunda variable
indica que el cociente incremental
| f ( x 2 ) f ( x1 ) |
, x1, x2 D.
| x 2 x1 |
est acotado por la constante de Lipschitz L en todo el dominio D de definicin
de la funcin. Esto lleva a pensar que la condicin de Lipschitz est
directamente relacionada con el comportamiento de la derivada o las derivadas
parciales de la funcin, si es que existen.
La condicin de Lipschitz se utilizar en las secciones 2 y 3 de este
captulo para funciones f(x, y) definidas en un subconjunto D de n, que
verifican la condicin de Lipschitz respecto de la segunda variable, y, (local o
globalmente).
La siguiente proposicin proporciona una condicin suficiente para que
una funcin verifique la condicin de Lipschitz.
Proposicin 8.1.3:
Si f(x, y) es continua en D n, existen las derivadas parciales
respecto de la segunda variable y estn acotadas en D, entonces f(x, y) verifica
la condicin de Lipschitz respecto de la segunda variable.
Demostracin:
Por simplificar se hace para n = 1, es decir, para y .
f ( x , y )
Sea M = sup{ : (x, y) D}, y sean (x, y1), (x, y2) D. El teorema
y
del valor medio, considerada f como funcin de y, asegura que:
f ( x , )
|f(x, y1) f(x, y2)| = | y1 y2| , y1 y2.
y
Por tanto |f(x, y1) f(x, y2) | M|y1 y2|, para todo par de puntos (x, y1),
(x, y2) D. Se tiene entonces que f(x, y) verifica la condicin de Lipschitz
respecto de la segunda variable con constante de Lipschitz L = M.
Este resultado permite asegurar que si una funcin tiene derivadas
parciales respecto de la segunda variable y estn acotadas en un dominio D,
es lipschitziana respecto de dicha variable en D. Esto tiene especial inters
porque la condicin de Lipschitz no es en muchos casos una propiedad fcil de
verificar directamente de la definicin.
No obstante, es preciso tener en cuenta que una funcin puede verificar la
condicin de Lipschitz y sin embargo no ser derivable. As, por ejemplo, la
funcin f(x, y) = |y| es lipschitziana respecto de la segunda variable en todo 2 ,
ya que para todo y1, y2 y todo x se tiene que
|f(x, y1) f(x, y2)| | |y1| |y2| | |y1 y2|.
por lo que es lipschitziana respecto de la variable y en todo 2, con constante
de Lipschitz L = 1. Pero no es derivable respecto de y en ningn punto de la
recta y = 0.
Sin embargo se puede asegurar que si una funcin es lipschitziana
respecto de la variable y en D, y existen sus derivadas parciales respecto de y
en D, entonces las derivadas parciales necesariamente tienen que estar

acotadas en D.
Ejemplos resueltos
Ejemplo 8.1.1: Demostrar que la familia n(x) = xn es equicontinua en el
1
intervalo [0, ], pero no lo es en el intervalo [0, 1].
2
1
Es equicontinua en el intervalo [0, ]:
2
Hay que demostrar que para todo > 0 existe un > 0 tal que para todo
1
par de puntos x1, x2 [0, ] que verifiquen |x1 x2| < , y para todo n N, se
2
tiene que |x1n x2n| < .
En efecto,
n
|x1n x2n| = |x1 x2||x2n-1 + x1x2n-2 + + x2x1n-2 + x1n-1| |x1 x2| |x1 x2|
2 n 1
Basta entonces tomar = /2 para que se verifique que |x1n x2n| < .
No es equicontinua en el intervalo [0, 1]:
En efecto, para cada x [0, 1], |n(1) n(x)| = 1 xn.
1
Sea = . Para todo valor de , 0 < < 1, el punto x = 1 /2 es tal que
2
|1 x| < y sin embargo 1 xn = 1 (1 /2)n > , siempre que n sea
suficientemente grande.
Ejemplo 8.1.2: Demostrar que f(x) = x2 es lipschitziana en [0, 1].
Sean x1, x2 [0, 1].
|f(x1) f(x2)| = |x12 x22| = |x1 x2|| x1 + x2| 2|x1x2|.
Por tanto, f(x) = x2 es lipschitziana en [0, 1], con constante de Lipschitz L =
2.
Ejemplo 8.1.3: Demostrar que f(x) = xn, para nN, n > 1 es localmente
lipschitziana en .
La condicin n > 1 es necesaria, pues si n = 1, la funcin f(x) = x es
globalmente lipschitziana en con constante de Lipschitz L = 1.
Sea x0 , y sea I = [x0 r, x0 + r]. Dados x1, x2 I,
|f(x1) f(x2)| = |x1n x2n| = |x1 x2||x2n-1 + x1x2n-2 + + x2x1n-2 + x1n-1| |x1
x2|n(x0 + r)n-1 L|x1 x2|.
Por tanto, para cada punto x0 y cada intervalo I = [x0 r, x0 + r] se
verifica la condicin de Lipschitz con una constante L = n(x0 + r)n-1.
Es importante observar que la constante depende del punto x0 y del
tamao del intervalo. Esto impide asegurar que la funcin sea globalmente
lipschitziana en . Y en efecto no lo es pues, si x1 y x2 son 0, al ser
|f(x1) f(x2)| = |x1n x2n| = |x1 x2||x2n-1 + x1x2n-2 + + x2x1n-2 + x1n-1| |x1
x2|n(min (x1, x2))n-1,
el factor (min (x1, x2))n-1 se puede hacer todo lo grande que se quiera sin mas
que tomar x1 y x2 suficientemente alejados del origen.
Ejemplo 8.1.4: Demostrar que la funcin f(x, y) = y1/3 no es lipschitziana
respecto de la segunda variable en 2.
La funcin f(x, y) = y1/3 es continua en 2 pero no es lipschitziana en
ningn rectngulo que tenga interseccin no vaca con la recta y = 0. En efecto,
1
|f(x, y1) f(x, 0)| = |y11/3 0| = |y1|,
| y 12 / 3 |
1
y el trmino no est acotado por ninguna constante en el rectngulo,
| y 12 / 3 |
pues para valores de y1 prximos a cero el valor tiende a infinito.
Ejemplo 8.1.5: Sea f(x, y) = min(|x|, y) para (x, y) 2. Demostrar que es
lipschitziana respecto de y en todo 2.
La derivada parcial de f respecto de la variable y es 0 si |x| < y, vale 1 si
|x| > y, y en |x| = y no existe. Sin embargo la funcin es lipschitziana. En efecto:
0 si | x | y 1, y 2
| y | x || y 1 | x | y 2
si
|f(x, y1) f(x, y2)| = 1
|| x | y 2 | si y 2 | x | y 1
| y 1 y 2 | si y 1, y 2 | x |
En cada uno de los casos se verifica que:
|f(x, y1) f(x, y2)| |y1 y2|,
y por tanto la funcin es lipschitziana respecto de y en todo 2 con constante
de Lipschitz L = 1.
Ejercicios
8.1. Demostrar que si una sucesin {n(x)}nN de funciones continuas
converge uniformemente en un conjunto compacto E a una
funcin , entonces {n(x)}nN es uniformemente acotada y
equicontinua.
8.2. Estudiar si las siguientes sucesiones de funciones son
equicontinuas o uniformemente acotadas en el intervalo (0, 1).
sennx
a) f(x) = .
x
b) f(x) = sen nx.
8.3. Estudiar si las funciones siguientes verifican la condicin de
Lipschitz (local o global) en .
a) f(x) = cos x.
b) f(x) = xsen x.
8.4. Estudiar si las funciones siguientes verifican la condicin de
Lipschitz (local o global) respecto de la variable y.
a) f(x, y) = 1 + y2.
b) f(x, y) = 1 + x2.
1
c) f(x, y) = .
1 y 2
x
d) f(x, y) = .
1 y 2
8.2. EXISTENCIA Y UNICIDAD DE SOLUCIN.
SOLUCIN GLOBAL
Sea f(x, y) una funcin continua, definida en [a, b] n y con valores en
n. Sea x0 un punto del intervalo [a, b]. Se plantea a continuacin el estudio de
las condiciones de regularidad de la funcin f(x, y) bajo las cuales se puede
asegurar que el problema de Cauchy:
y f ( x , y ),
, x [ x0 ,b ]
y ( x 0 ) y 0
tiene solucin y cundo se puede asegurar que la solucin es nica.
Se ha comprobado en la seccin anterior que el problema es equivalente
a la existencia de solucin de la ecuacin integral:
x
y( x ) y 0 f ( s, y ( s ))ds .
x0
8.2.1. Teorema de existencia global. Teorema de Cauchy-
Peano
El Teorema de Cauchy-Peano asegura la existencia de solucin si la

funcin f(x, y) es continua y acotada en [x0, b] n.
Teorema 8.2.1: Teorema de Cauchy-Peano
Se considera el problema de Cauchy:
y f ( x , y ),
, x [ x0 ,b ]
y ( x 0 ) y 0
donde la funcin f(x, y): [x0, b] n n es continua y acotada en [x0, b]
n. Entonces el problema de valor inicial propuesto tiene al menos una
solucin.
Demostracin:
Existen distintas demostraciones de este teorema. La que se presenta
aqu se debe a Tonelli [1925]2.
Se puede suponer por simplificar que el intervalo [x0, b] = [0, 1].
La demostracin se basa en la construccin de una sucesin de funciones
y necesita el Teorema de Ascoli-Arzel.
La primera funcin de la familia es constante: y1(x) = y0, 0 x 1.
La segunda funcin se define como:
2
Esta demostracin se ha obtenido de la que aparece en el libro: M. Guzmn:
Ecuaciones diferenciales ordinarias. Teora de estabilidad y control. Editorial Alhambra. 1975.
y 0 1
si 0x
x 1 / 2 2.
y2(x) =
y 0

f ( s , y 2 ( s ))ds
si
1
x 1
0 2
Se puede observar que la funcin y2(x) es constante en la primera mitad
del intervalo, y en la segunda mitad se define a partir de los valores de y2(x) en
1
el intervalo [0, ].
2
De manera sucesiva, para definir yk(x) se divide el intervalo [0, 1] en k
subintervalos del mismo tamao, y en cada uno de ellos se define yk(x) a partir
de los valores ya definidos en el subintervalo anterior, de la forma:
y 0 1
si 0x
x 1 / k k
yk(x) =
y 0

f ( s , y k ( s ))ds
si
i
x
i 1
, i 1,2, , k 1
0 k k
Como la funcin f(x, y) est acotada en [0, 1] n, existe M tal que:
|f(x, y)| M en [0, 1] n.
Se tiene entonces que las funciones yk(x) que se acaban de definir estn
uniformemente acotadas en [0, 1], pues para todo k y todo x [0, 1] se verifica
que |yk(x)| |y0| + M.
Adems, para todo par x1, x2 [0, 1] y todo k N, se tiene
|yk(x1) yk(x2)| M| x1 x2 |,
y por tanto la sucesin de funciones {yk(x)} es equicontinua.

El teorema de Ascoli-Arzel asegura que existe una subsucesin {yk*(x)}
que converge uniformemente a una funcin y(x) en [0, 1]. Cada una de las
funciones de la subsucesin se puede escribir de la forma
x x
yk*(x) = y0 + f ( s , y k * ( s ))ds f ( s, y k * ( s ))ds .
0 x 1 / k *
Al hacer tender k* a la parte de la izquierda de la igualdad tiende a y(x).
Teniendo en cuenta que la funcin f es continua y que la convergencia de
yk*(x) a la funcin y(x) es uniforme, se tiene, para todo x [0, 1],
x x
f ( s, y k * ( s ))ds f ( s, y ( s ))ds .
0 0
Como la funcin f est acotada:
x
1
f ( s, y k * ( s ))ds M
k*
0.
x 1 / k *
Se tiene entonces que para todo x [0, 1]:
x
y(x) = y0 + f ( s, y ( s ))ds ,
0
con lo cual la funcin y(x), lmite de la subsucesin yk*(x), es solucin del
problema de Cauchy propuesto.

8.2.2. Teorema de existencia y unicidad global. Teorema de
PicardLindelf
El teorema de Cauchy-Peano asegura la existencia de solucin del
problema de Cauchy propuesto. Pero no asegura la unicidad: pueden existir
distintas funciones que verifiquen el mismo problema de Cauchy.
El teorema de PicardLindelf resuelve el problema de la unicidad de
solucin si la funcin f(x, y) verifica adems una condicin mas fuerte que la
requerida en las hiptesis del teorema de Cauchy-Peano: la condicin de
Lipschitz respecto de la segunda variable.
Teorema 8.2.2: Teorema de PicardLindelf
Se considera el problema de valor inicial
y f ( x , y ),
, x [ x 0 , b]
y ( x 0 ) y 0
donde la funcin f(x, y): [x0, b] n n es continua en [x0, b] n y verifica
la condicin de Lipschitz respecto de la segunda variable en [x0, b] n, es
decir, existe una constante L tal que para todo x [x0, b] y todo y1, y2 n se
verifica que |f(x, y1) f(x, y2)| L|y1 y2|. Entonces el problema de valor inicial
propuesto tiene una nica solucin.
Demostracin:
Se considera el espacio vectorial E = C([x0, b], n) de las funciones
continuas en el intervalo [x0, b]. Dadas dos funciones 1, 2 E, se define la

distancia:
d(1, 2) = sup e K ( x x 0 ) |1(x) 2(x)|: x [x0, b],
siendo K una constante fija tal que K > L. Se puede demostrar fcilmente que
es una distancia y que el espacio vectorial E con esta distancia es completo. Se
tiene entonces que E es un espacio mtrico completo.
Se define ahora sobre E la aplicacin T tal que dada la funcin E,
x
T( x ) y 0 f ( s, ( s ))ds .
x0
T() es tambin una funcin continua definida en el intervalo [x0, b], y por
tanto pertenece a E.
Entonces, si 1, 2 E,
x
e K ( x x 0 ) |T1(x) T2(x)| e K ( x x 0 ) |f(s, 1(s)) f(s, 2(s))|ds =
x0
x x
K ( s x 0 )

K(xs)
e e |f(s, 1(s)) f(s, 2(s))|ds Ld(1, 2) eK(xs)ds
x0 x0
L
d(1, 2).
K
Se tiene entonces que:
L
d(T(1),T(2)) = sup e K ( x x 0 ) |1(x) 2(x)|: x [x0, b] d(1, 2).
K
Como K > L, la aplicacin es contractiva y tiene un nico punto fijo que es

la nica solucin del problema de valor inicial propuesto.
Observacin: Si el problema de Cauchy es de la forma
y f ( x , y ),
x [ a, x 0 ]
y ( x 0 ) y 0
el teorema anterior se verifica tambin y el razonamiento sigue siendo vlido.
nicamente hay que modificar la definicin de distancia
d(1, 2) = sup e K ( x 0 x ) |1(x) 2(x)|: x [x0, b],
para que las acotaciones sigan siendo vlidas.
Como ya se ha comentado en la seccin 1 de este captulo, la condicin
de Lipschitz en muchos casos no es fcil de determinar. La proposicin 8.1.3
asegura que la condicin de Lipschitz se verifica si existe la derivada respecto
de la variable y, y est acotada. Se tiene entonces demostrado el siguiente
teorema de existencia y unicidad:
Corolario 8.2.3:
Se considera el problema de valor inicial
y f ( x , y ),
, x [ x0 ,b ]
y ( x 0 ) y 0
f ( x , y )
donde la funcin f(x, y): [x0, b] n n es continua en [x0, b] n y
y
existe y es continua en [x0, b] n. Entonces el problema de valor inicial
propuesto tiene una nica solucin.

Este teorema tiene utilidad pues aunque es ms restrictivo que el teorema
f ( x , y )
de Picard-Lindelf, suele ser mas fcil demostrar la continuidad de
y
que probar directamente que se verifica la condicin de Lipschitz.
8.2.3. Iterantes de Picard
El teorema de PicardLindelf proporciona tambin un mtodo para
obtener la solucin del problema de valor inicial
y f ( x , y ),
x [ x0 ,b ]
y ( x 0 ) y 0
El procedimiento se conoce como mtodo de las aproximaciones
sucesivas o de las iterantes de Picard. Se comienza tomando una funcin
arbitraria 0(x) del espacio mtrico E = C ([x0, b], n), que verifique la condicin
inicial del problema, por ejemplo 0(x) y0, y se aplica la transformacin:
x
T( x ) y 0 f ( s, ( s ))ds .
x0
Se tiene entonces:
x
1(x) = T 0 ( x ) y 0 f ( s, 0 ( s ))ds .
x0
La funcin 2(x) se obtiene de la misma forma, a partir de 1(x), y en
general:
x
n 1( x ) y 0 f ( s, n ( s ))ds .
x0
Se genera as una sucesin de funciones 0(x), 1(x), , n(x), que
verifican la condicin inicial del problema pero en principio no verifican la
ecuacin diferencial. Si despus de un nmero finito de pasos, por ejemplo p,
se tiene que p(x) = p+1(x), entonces la funcin p(x) es solucin del problema
de Cauchy propuesto. En caso contrario el proceso es infinito y hay que
obtener entonces el punto fijo de la transformacin, es decir, la funcin que
verifica que T = , calculando el lmite de la sucesin.
Observacin:
La condicin de Lipschitz garantiza que la transformacin
x
T( x ) y 0 f ( s, ( s ))ds
x0
es contractiva y por tanto existe un nico punto fijo que es la solucin del
problema de Cauchy propuesto. Pero esta transformacin est perfectamente
definida si la funcin f(x, y) es continua y est acotada, aunque no sea
lipschitziana, es decir, si verifica las hiptesis del teorema de existencia de
Cauchy-Peano. Cabe entonces pensar si partiendo de una funcin continua
definida en el intervalo correspondiente, la sucesin de funciones obtenida
como resultado de aplicar sucesivamente la transformacin T converje a la
solucin del problema. En general esto no es cierto, como se puede ver en el
ejemplo 8.2.4.
Ejemplos resueltos
Ejemplo 8.2.1: Estudiar si es posible aplicar los teoremas de existencia y
unicidad al problema de Cauchy
y y

y ( 0 ) 1
para (x, y) 2.
La funcin f(x, y) = y es continua en 2. Adems para todo par de puntos
(x, y1), (x, y2) de 2 se verifica que | f ( x , y 1 ) f ( x , y 2 ) | = | y 1 y 2 | . Se tiene
entonces que f es lipschitziana con constante L = 1, y por tanto por el teorema
de PicardLindelf se puede asegurar que el problema tiene una nica solucin
definida en toda la recta real.
Ejemplo 8.2.2: Aplicar el mtodo de las iterantes de Picard para encontrar
la nica solucin del problema de Cauchy
y y
.
y ( 0 ) 1
Sea 0(x) = 1. Se construye a partir de 0 la sucesin n de funciones
definidas mediante la transformacin:
x
n 1( x ) y 0 f ( s,n ( s ))ds
x0

1( x ) 1 1ds = 1 + x,
0
x
x2

2 ( x ) 1 ( 1 s )ds = 1+ x +
2
,
0
x
s2 x2 x3

3 ( x ) 1 ( 1 s
2
)ds = 1 + x +
2
+
3!
,
0
s n 1
x
s2 x2 xn

n ( x ) 1 (1 s
2

( n 1)!
)ds = 1 + x +
2
++
n!
.
0
Se tiene entonces que la sucesin de funciones n as construida coincide
con la sucesin de las sumas parciales de la serie que define la funcin y(x) =
ex. Por consiguiente, la sucesin n(x) converge a la funcin y(x) = ex, que es la
solucin del problema de Cauchy propuesto.
Ejemplo 8.2.3: Estudiar si es posible aplicar los teoremas de existencia y
unicidad al problema de Cauchy
y y 2

y ( 0 ) 1
para asegurar la existencia y la unicidad de solucin.
La funcin f(x, y) = y2 es continua en 2. Para ver si es lipschitziana se
toma un par de puntos (x, y1) y (x, y2) arbitrarios de 2. Se tiene que:
| f ( x , y 1 ) f ( x , y 2 ) | = | y 21 y 2 2 | = | y 1 y 2 | | y 1 y 2 |
El valor de |y1 + y2| crece indefinidamente si los valores de y1 e y2 crecen.

Por tanto la funcin f(x, y) = y2 no es lipschitziana en 2 y no se puede aplicar
el teorema de PicardLindelf para asegurar la existencia y unicidad de
solucin. Tampoco se puede aplicar el teorema de Cauchy-Peano, puesto que
la funcin f(x, y) = y2, aunque es continua en 2, no est acotada en 2.
Esto no quiere decir, sin embargo, que el problema no tenga solucin en
ningn intervalo de la recta real que contenga al origen, o que no sea nica. En
el ejemplo 8.3.1. de la siguiente seccin de este captulo se estudia de nuevo
este problema de manera local, y se demuestra que existe una nica solucin
definida en un intervalo I de la recta real centrado en 0.
y f ( x , y )
Ejemplo 8.2.4: Se considera el problema de valor inicial , (x,
y ( 0) 0
2 x , y 0

4y
y) [0, 1] siendo f ( x , y ) 2 x ,0 y x 2
x
2 x , x 2 y

-2x (x, x2)

(x, y)
(x, 0)
x
(1, 0)
2x
Figura 8.1: Grfica de la funcin del ejemplo 8.2.4.
a) Comprobar que verifica las hiptesis del teorema de Cauchy-Peano.
b) Aplicar el mtodo de las iterantes de Picard, con 0(x) = 0, y estudiar si

la sucesin resultante es convergente o contiene alguna subsucesin
que converja a la solucin del problema de Cauchy propuesto.
c) Demostrar que no es lipschitziana.
d) Demostrar que el problema tiene una nica solucin.
a) La funcin f(x, y) es continua y est acotada en [0, 1] . Existe
entonces al menos una solucin.
b) Las iterantes de Picard se construyen a partir de 0(x) = 0.
x x

1( x ) f ( s ,0 )ds = 2sds = x ,
2
0 0
x x
2sds = x ,
2
2 ( x ) f ( s , s )ds = 2
0 0
x x
f ( s,s 2sds = x ,
2
3 ( x ) )ds = 2
0 0
x x
n 1
( 1)
n 2
n ( x ) f ( s ,( 1) s )ds = 2sds = (1)n+1x2.
0 0
La sucesin de la iterantes de Picard as construida, n(x) = (1)n+1x2, no
es convergente. Contiene dos subsucesiones convergentes, 2n(x) = x2, y
2n+1(x) = x2, pero ninguna de las funciones x2 o x2 es solucin de la ecuacin
diferencial.
c) Como la sucesin n no es convergente, la funcin f(x, y) no puede ser
lipschitziana, ya que si lo fuera, la transformacin que genera la sucesin n
sera contractiva y por tanto convergera a un punto fijo.
d) Sin embargo, aunque f(x, y) no sea lipschitziana, como f(x, y) es
decreciente respecto de la segunda variable, el problema as planteado tiene
una nica solucin. En efecto si existieran dos soluciones y1(x), y2(x), del
problema propuesto, se podra definir la funcin
h(x) = (y1(x) y2(x))2 0, h(0) = 0.
Se tiene entonces:
h(x) = 2(y1(x) y2(x))(y1(x) y2(x)) = 2(y1(x) y2(x))(f(x, y1(x)) f(x, y2(x))) 0,
por ser f decreciente respecto de la segunda variable.
Como h(0) = 0 y su derivada es menor o igual que 0, entonces
necesariamente h(x) 0. Por consiguiente, h(x) = 0, y entonces y1(x) = y2(x). Se
puede comprobar fcilmente que la solucin buscada es
x2
y(x) = .
3
Ejercicios
8.5. Sea f(x, y) = min(|x|, y) para (x, y) 2. Demostrar que el
problema de valor inicial
y f ( x , y )

y ( x 0 ) y 0
tiene una nica solucin, para todo (x0, y0).
8.6. Demostrar que existe una funcin f(x) continua en el intervalo
[0, 1], tal que verifica la ecuacin:

f ( x ) s 2 senf ( s )ds .
0
Estudiar si la solucin es nica.
8.7. Deducir condiciones sobre a(x), b(x) y c(x) para que el problema
de valor inicial
y a( x )y 2 b( x )y c( x )

y ( x 0 ) y 0
tenga una nica solucin, para (x0, y0) R = [x0 , x0 + ] [y0
, y0 + ].
8.8. Aplicar el mtodo de las Iterantes de Picard para obtener la
solucin del problema
y y 2

y ( 0 ) 1
en x [0, 2], y comparar las aproximaciones sucesivas con la
solucin exacta obtenida directamente.

8.3. PROBLEMA DE CAUCHY. SOLUCIN LOCAL
8.3.1. Teorema de existencia y unicidad local de
soluciones
Los teoremas anteriores se pueden aplicar a problemas de valor inicial en
los que la funcin f(x, y) est definida en [a, b] n y es suficientemente buena
en todo su dominio de definicin. Sin embargo, en muchas ocasiones la funcin
f(x, y) que aparece en una ecuacin diferencial no est definida en toda la
regin [a, b] n, o no es suficientemente buena en todo el dominio, pero s lo
es en un subconjunto que contenga al punto (x0, y0). En este caso los teoremas
de esta seccin aseguran, bajo las correspondientes condiciones de
regularidad, la existencia y unicidad de solucin en un intervalo centrado en el
punto x0. El razonamiento se presenta para n = 1 por una mayor simplicidad,
pero los resultados son vlidos para todo n.
y f ( x , y ),
Se considera el problema de valor inicial en el que la funcin
y ( x 0 ) y 0
f(x, y) est definida y es continua en el rectngulo R = [x0 a, x0 + a] [y0 b,
y0 + b] 2. Al ser continua en un conjunto compacto, est acotada. Sea M
una cota de la funcin:
M = max{|f(x, y)|: (x, y) R}.
Se supone tambin que el valor M representa una cota superior para las
pendientes de las rectas tangentes a las soluciones y(x) del problema de valor
inicial en cada punto (x, y) de R.

b
Se define el intervalo I = [x0 , x0 + ], siendo tal que = min(a, ).
M
La amplitud del intervalo, , se escoge de esta manera con el fin de poder
asegurar que la grfica de la solucin buscada est contenida entre las rectas
y y0 = M(x x0).
Esto es cierto porque por una parte la pendiente de la solucin que se
busca debe ser menor o igual que M, y por otra las dos rectas anteriores cortan
b
a los lados y0 b precisamente en los puntos x0 .
M
y
(x, (x))
y0
(x, (x))
x
x0 x0 x0 +
Figura 8.2: Regin definida para una solucin local de un problema de valor inicial
El intervalo as definido verifica que si x I, la grfica de la solucin que
pasa por el punto (x0, y0) est contenida en la regin de la figura formada por
los dos tringulos unidos por un vrtice comn en el punto (x0, y0).
Sea ahora E el espacio de todas las funciones continuas definidas en el
intervalo I = [x0 , x0 + ], tales que su grfica est contenida en la regin

formada por los dos tringulos de la figura 8.2, es decir,
E = {(x) C (I): y0 M(x x0) (x) y0 + M (x x0)}.
Se puede comprobar sin dificultad que el conjunto E as definido es un
espacio mtrico completo con la distancia:
d(1, 2) = supxI |1(x) 2(x)|.
El espacio mtrico E as definido se va a utilizar para garantizar, bajo las
hiptesis correspondientes, la existencia y unicidad de solucin de un problema
de valor inicial.
Teorema 8.3.1: Teorema de existencia y unicidad local
Sea D un subconjunto abierto de 2. Se considera el problema de valor
y f ( x , y ),
inicial: (x0, y0) D. Si la funcin f(x, y) est definida en D, es
y ( x 0 ) y 0
continua en D y es localmente Lipschitziana respecto de la segunda variable en
D, con constante de Lipschitz L, existe un intervalo I = [x0 h, x0 + h] y existe
una nica funcin (x) definida en I que es solucin del problema de valor
inicial propuesto.
Demostracin:
Sea R un rectngulo con centro en el punto (x0, y0), R = [x0 a, x0 + a]
[y0 b, y0 + b], R D. Sea E el espacio mtrico completo de las funciones
b
continuas definidas en el intervalo I = [x0 , x0 + ], = min(a, ), tales que:
M
E = {(x) C (I): y0 M(x x0) (x) y0 + M(x x0)},
Se define sobre E la aplicacin T tal que dada la funcin E,
x
T( x ) y 0 f ( s, ( s ))ds .
x0
Se observa que T es tambin una funcin definida y continua en el
intervalo [x0 a, x0 + a ].
Adems se tiene que:
x
T( x ) y 0 Mds y 0M( x x 0 )
x0
x
T( x ) y 0 Mds y 0M( x x 0 ) .
x0
Por tanto, si E, T tambin pertenece a E y T es entonces una
aplicacin que transforma el conjunto E en s mismo. Si se demuestra que T es
contractiva, el teorema 8.1.1 asegura la existencia de un nico punto fijo de la
transformacin:
x
( x ) y 0 f ( s, ( s ))ds ,
x0
que es precisamente la nica solucin del problema de valor inicial propuesto.
Para probar el teorema basta entonces demostrar que la transformacin

T es contractiva.
Sean 1 y 2 E. Se tiene entonces que
x
d(T1,T2) = supxI |T1(x) T2(x)| = supxI | (f(s, 1(s)) f(s, 2(s)))ds|
x0
x x
supxI
x0
L|1(s) 2(s)|ds L supxI [ supsI |1(s) 2(s)|
x0
ds ] =
Ld(1, 2).
La aplicacin es pues contractiva si L < 1. Basta entonces elegir de
1 b
manera que se verifique que < min(a, , ), y el teorema est demostrado
L M
sin mas que tomar h = .
Se puede tambin en el caso local sustituir la condicin de Lipschitz local
a travs de la proposicin 8.1.4, por la existencia y continuidad de la derivada
parcial de f respecto de y, obtenindose un teorema mas restrictivo, pero en
cambio mas fcil de aplicar.
Corolario 8.3.2: Existencia y unicidad local
Sea D un subconjunto abierto de 2. Se considera el problema de valor
y f ( x , y )
inicial: , (x0, y0) D. Si la funcin f(x, y) est definida en D, y las
y ( x 0 ) y 0
f ( x , y )
funciones f y son continuas en D, entonces existe un intervalo I = [x0
y
h, x0 + h] y existe una nica funcin (x) definida en I que es solucin del
problema de valor inicial propuesto.

8.3.2. Teorema de existencia local de soluciones
Si en el teorema 8.3.1 se elimina la condicin de Lipschitz no se puede
garantizar la unicidad, pero si se puede asegurar la existencia de la solucin.
Teorema 8.3.3: Teorema de existencia local
Se considera el problema de valor inicial:
y f ( x , y ),
( x 0 , y 0 ) R [ x 0 a, x 0 a ] [ y 0 b, y 0 b ].
y ( x 0 ) y 0
Si la funcin f(x, y) est definida y es continua en R, existe un intervalo I =
[x0 h, x0 + h] y existe una funcin (x) que es solucin del problema de valor
inicial para todo x I.
La demostracin de este teorema excede el nivel de este libro.3
8.3.3. Prolongacin de soluciones
Para terminar se considera el problema de la prolongacin de una
solucin de un problema de Cauchy. Los teoremas anteriores aseguran la
existencia y unicidad o la existencia de solucin en un intervalo I = [x0 h, x0 +
h]. La pregunta ahora es si la solucin se puede extender a un intervalo mas
amplio que el intervalo I.
3
La demostracin de este teorema puede verse en los libros: 1) M. Guzmn: Ecuaciones
diferenciales ordinarias. Teora de estabilidad y control. Ed. Alhambra. 1975. 2) C. Fernndez y
J. M. Vegas. Ecuaciones diferenciales II. Ed. Pirmide. 1996.
Definicin 8.3.1:
y f ( x , y )
Sea (x) una solucin del problema de valor inicial , definida
y ( x 0 ) y 0
en un intervalo I de la recta real que contiene al punto x0. La funcin (x) es
una prolongacin de (x) si (x) es tambin solucin del problema de valor
inicial en un intervalo I que contiene propiamente a I, (I I, I I) y (x) =
(x) para todo x I.
Definicin 8.3.2:
y f ( x , y )
Sea (x) una solucin del problema de valor inicial en el
y ( x o ) y 0
intervalo I. Se dice que (x) es una solucin maximal si no existe ninguna
prolongacin de (x).
El teorema que se enuncia a continuacin asegura que si se verifican las
y f ( x , y )
condiciones del teorema 8.3.1, el problema de valor inicial tiene
y ( x o ) y 0
una nica solucin maximal.
Teorema 8.3.4.
Sea f(x, y) una funcin definida, continua y localmente lipschitziana
respecto de la segunda variable en un conjunto abierto D contenido en n.
y f ( x , y ),
Si (x0, y0) D, el problema de valor inicial tiene una nica
y ( x 0 ) y 0
solucin maximal, definida en un intervalo abierto I = (x0 h, x0 + h), en el que h
depende de los valores de x0 y de y0.4
Ejemplos resueltos
Ejemplo 8.3.1: Estudiar si existe solucin del problema de valor inicial
y y 2 / 3
y si es nica. Estudiar la situacin para distintos valores iniciales
y ( 0 ) 0
del problema.
La funcin f(x, y) = y2/3 es continua en todo 2 y por tanto es continua en
todo rectngulo centrado en el punto (0, 0). El teorema 8.3.3 garantiza
entonces la existencia de solucin en un intervalo de la forma [h, h].
Una solucin es la funcin nula y(x) = 0, que pasa por el punto (0, 0), est
definida en todo y es solucin en de la ecuacin diferencial y = y2/3.
La ecuacin diferencial y = y2/3 es una ecuacin de variables separables.
La solucin general se puede calcular fcilmente y es de la forma
1
y ( x C )3 .
3
3
Si en esta expresin se impone la condicin y(0) = 0, se tiene que la
x3
constante C tiene que ser 0. Entonces la funcin y verifica la ecuacin y
33
es tambin solucin del problema de Cauchy propuesto.
4
La demostracin de este teorema puede verse en el libro: C. Fernndez y J. M. Vegas.
La solucin no es nica. Existen pues al menos dos soluciones diferentes
del problema.
En realidad se puede decir que existen infinitas soluciones del problema,
que se pueden expresar de la forma siguiente: dadas dos constantes
arbitrarias, C1 0 y C2 0, las funciones definidas de la forma
1 3
3 ( x C1 ) , x C1
3
y(x) = 0, C1 x C 2
1
( x C 2 )3 , x C 2
3
son todas ellas soluciones del problema de Cauchy propuesto.
y0
C1 0 C2 x0
Figura 8.3: Grfica de la solucin del ejemplo 8.3.1.
Se tiene esta misma situacin si se sustituye en la condicin inicial el
punto (0, 0) por un punto de la forma (x0, 0). Para cada uno de estos puntos el
problema de valor inicial correspondiente tiene infinitas soluciones.
Ecuaciones diferenciales II. Ed. Pirmide. 1996.

y y 2 / 3
Sin embargo, si se considera ahora el problema en el que y0
y ( x 0 ) y 0
tiene un valor distinto de 0, este problema tiene una nica solucin que al llegar
al eje x se puede ramificar en distintas soluciones.
La razn por la cual la situacin es distinta si en la condicin inicial (x0, y0)
el valor y0 es cero o es distinto de cero es la siguiente:
Si y0 es distinto de cero se puede escoger un rectngulo centrado en (x0,
y0) de manera que no contenga ningn punto del eje x:
R = [x0 a, x0 + a] [y0 b, y0 + b], con b = |y0|/2.
Se tiene entonces que para todo (x, y) R
f ( x , y ) 2 24 / 3
= = K.
y 3y1/ 3 3 y 01 / 3
Como la derivada parcial de f respecto de y est acotada en R, el
corolario 8.3.2 asegura que existe una nica solucin del problema de Cauchy
definida en un intervalo centrado en el punto x0, [x0 h, x0 + h].
En cambio, si y0 es igual a cero, cualquier rectngulo R centrado en (x0, 0)
contiene puntos del eje x. Si se toman (x, 0) y (x, y) R, se tiene que:
| f ( x ,0 ) f ( x , y ) | | y 2 / 3 | 1
,
|y| |y| | y |1 / 3
que no est acotado por ninguna constante en R, pues para puntos muy
prximos al eje x este cociente crece indefinidamente. La funcin f no es pues

lipschitziana en R.
Ejemplo 8.3.2: Estudiar si existe solucin del problema de valor inicial
y y 2
.
y ( 0 ) 1
En el ejemplo 8.2.3 se ha comprobado que la funcin f(x, y) = y2 es
continua en 2 pero no es lipschitziana en 2. Sin embargo se puede abordar
el problema de manera local, estudiando el comportamiento de la funcin en un
rectngulo centrado en el punto (0, 1).
Sea por ejemplo R = [1, 1] [0, 2], donde a = b = 1. Sean (x, y1) y (x, y2)
dos puntos arbitrarios de R.
| f ( x , y 1 ) f ( x , y 2 ) | = | y 21 y 2 2 | = | y 1 y 2 | | y 1 y 2 | 4 | y 1 y 2 | .
Se tiene entonces que f es lipschitziana en el rectngulo R, con constante
de Lipschitz L = 4. El teorema de existencia y unicidad local asegura que existe
una nica solucin definida en el intervalo I = [, ].
Para determinar el valor de hay que calcular una cota de la funcin en
R. Como f(x, y)= y2 es continua en R, est acotada en R. El mximo valor que
toma en R lo alcanza cuando y es igual a 2. Por tanto:
M = Sup{|f(x, y)|: f(x, y) R} = 4.
1 b 1 1 1
Entonces < min(a, , ) = min(1, , ) = , el problema de Cauchy
L M 4 4 4
y y 2
tiene entonces una nica solucin vlida en el intervalo [, ]
y ( 0 ) 1
1 1
[ , ].
4 4
Ejemplo 8.3.3: Aplicar el mtodo de las iterantes de Picard para encontrar
y y 2
la nica solucin del problema de Cauchy del ejemplo 8.3.2: .
y ( 0 ) 1
Las iterantes de Picard asociadas a este problema son las siguientes:
Se define la primera como la condicin inicial 0(x) = 1, y a partir de ella
se generan las dems:

1( x ) 1 12 ds = 1 + x,
0
x
x2 x3

2
2 ( x ) 1 ( 1 s ) ds = 1 + x + + ,
2 3
0
x
s2 s3 2 2x 4 x5 x6 x7
3 ( x) 1 (1 s ) ds = 1 + x + x + x +
2 3
+ + + ,
0
2 3 3 3 9 63
x
n ( x) 1 ( n 1 ( s )) 2 ds = 1 + x + x2 + x3 + + xn +
0
La sucesin de funciones n as construida se aproxima a la sucesin de
las sumas parciales de la serie geomtrica. Por tanto n converge a la serie
1
geomtrica. Como |x| < 1, 1 + x + x2 + x3 + + xn + = , la sucesin
1 x
1
n(x) converge a la funcin y(x) = , que es la nica solucin del problema
1 x
1 1
de Cauchy propuesto en el intervalo [, ] [ , ].
4 4
Observacin:
Se podra haber empezado por cualquier otra funcin que verifique la
condicin inicial del espacio mtrico E definido al comienzo de la seccin. As,
por ejemplo, se puede tomar 0(x) = 1 + x2, que verifica la condicin inicial,
pues 0(0) = 1, y adems |0(x)| = |2x| 2 < 4.
A partir de ella se generan las dems:
x
2x 3 x5

1 ( x ) 1 ( 1 s 2 )2 ds = 1 + x +
3
+
5
,
0
x
2s 3 s 5 2 x3 x4 x5

2 ( x ) 1 (1 s
3

5
) ds = 1 + x + x2 +
3
+
3
+ 4
15
+
0

n ( x ) 1 ( n 1( s )) 2 ds = 1 + x + x2 + x3 + + xn +
0
La sucesin obtenida tiene tambin como lmite la serie geomtrica, y por
tanto converge a la misma funcin que la sucesin anterior.
1
Si se hubiera tomado 0(x) = , entonces:
1 x
x
1 2 1 1

1( x ) 1 (
1 s
) ds = 1 +
1 x
1=
1 x
,
0
y se obtiene directamente el punto fijo de la transformacin.
1
Ejemplo 8.3.4: Prolongar la solucin y(x) = del problema de Cauchy
1 x
y y 2
obtenida en el ejemplo 8.3.3: .
y ( 0 ) 1
1
La funcin y(x) = es la nica solucin del problema de Cauchy
1 x
y y 2 1 1
en el intervalo [, ] [ , ]. Se trata ahora de extender la
y ( 0 ) 1 4 4
solucin a un intervalo mayor. Para ello se observa que en el punto de abscisa
1 1
x= la funcin y(x) = sigue siendo solucin del problema de valor inicial,
4 1 x
1 4
y alcanza el valor y( ) = .
4 3
y y 2

Se considera el problema de valor inicial 1 4 y se repite el proceso
y ( )
4 3
seguido en el ejemplo 8.3.2.
3 5 1 7
Se puede tomar por ejemplo el rectngulo R* = [ , ] [ , ],
4 4 3 3
1 4
centrado en el punto ( , ) con a = b = 1.
4 3
49
Entonces M = sup {|f(x, y)|: f(x, y) R*} = , y la constante de Lipschitz
9
14
en R* es L = sup {|y1 + y2 |: (x, y1), (x, y2) R* } = .
3
1 3 1 b 9 3 9
Ahora debe ser * < = y * min(a, , ) = min(1, , )=
L 14 L M 49 14 49
3 9
< . Por lo tanto * = , y se puede entonces prolongar la solucin a la
14 49
1 9 1 9 13 85
derecha del intervalo inicial al intervalo I* = [ , + ]=[ , ],
4 49 4 49 196 196
con lo cual se tiene la solucin extendida al intervalo:
85 1 85
I I* = [, ] [ , ].
196 4 196
Si se repite el proceso en cada uno de los extremos del intervalo se
puede seguir prolongando la solucin, tanto a la derecha como a la izquierda
del intervalo.
1
En este caso como la solucin obtenida es la funcin y(x) = , que
1 x
tiene una asntota en x = 1, la solucin se podr prolongar por la derecha hasta
llegar a x = 1. Por la izquierda en cambio se puede prolongar hasta .
El problema de valor inicial propuesto tiene entonces una solucin
maximal definida en el intervalo (, 1)
Ejemplo 8.3.5: Estudiar la existencia y unicidad de la solucin del
y , x 0
y f ( x , y )
problema de valor inicial siendo f ( x , y ) 2y .
y ( 0 ) 1 x , x 0
La funcin f ( x , y ) as definida no es continua en los puntos de 2

situados en el eje y, y en particular en el punto correspondiente a la condicin
inicial, (0, 1). Por tanto, los teoremas de existencia y unicidad no pueden
asegurar la existencia de solucin en ningn intervalo centrado en x0 = 0.
Estudiando directamente el problema se puede comprobar que no existe
solucin.
En efecto, en x 0, la solucin general de y y es y Ce x . La solucin
que pasa por el punto (0, 1) es la que resulta de tomar C = 1, es decir, y(x) = ex.
2y
Si se estudia ahora lo que sucede para valores de x < 0, y es una
x
ecuacin diferencial de variables separables, que tiene como solucin general y
= Cx2. Estas soluciones son tales que al tomar valores prximos a cero tienden
a cero. Se tiene entonces que ninguna de las soluciones obtenidas en la regin
x < 0 pasa por el punto (0, 1). Se recuerda que la solucin de una ecuacin
diferencial debe ser siempre una funcin continua y derivable.
y(x) = ex
y = Cx2
Figura 8.4: Grfica de las soluciones del ejemplo 8.3.5.
y f ( x , y )
Ejemplo 8.3.6: Estudiar la existencia y unicidad del problema
y ( 0 ) 0
siendo la funcin f ( x , y ) la misma que en el ejemplo 8.3.5:

y , x 0

f ( x , y ) 2y .
,
x x 0
El problema propuesto es similar al anterior, pero la condicin inicial es
diferente. Los teoremas de existencia y unicidad por tanto tampoco pueden
asegurar aqu la existencia de solucin en ningn intervalo centrado en x0 = 0.
Estudiando directamente el problema con la condicin inicial (0, 0) se
2y
tiene que para valores de x < 0, la solucin general de la ecuacin y es y
x
= Cx2, y todas estas soluciones pasan por el punto (0, 0).
En x 0, la solucin general de y y es y Ce x . La solucin que pasa
por el punto (0, 0) es la que resulta de tomar C = 0, es decir, y(x) = 0. Existen
entonces en este caso infinitas soluciones del problema propuesto, definidas
como:
0, x 0
y( x ) x
Ce , x 0.
y = Cex y(x) = 0

Este ejemplo demuestra que la continuidad de la funcin f ( x , y ) es una
condicin suficiente, pero no necesaria, para la existencia de solucin.
Ejemplo 8.3.7: Estudiar la existencia y unicidad de las soluciones del
y 2 xy 2
problema de valor inicial para y0 = 0, 1, 1. Calcular en cada caso
y ( 0 ) y 0
las correspondientes soluciones de manera explcita y encontrar los intervalos
mximos en los que estn definidas.
La funcin f(x, y) = 2xy2 es continua en 2 y su derivada parcial respecto
de la variable y es la funcin f(x, y)y = 4xy, que tambin es continua en 2.
Por tanto, ambas estn acotadas en cualquier rectngulo de 2. El teorema
8.3.2 asegura entonces que existe una nica solucin definida en algn
intervalo centrado en el origen.
La ecuacin diferencial y = 2xy2 es una ecuacin de variables
separables. Se puede entonces calcular fcilmente la solucin general:
1
y .
x2 C
Se tiene adems que la funcin y(x) = 0 para todo x es tambin
solucin de la ecuacin diferencial.
La solucin que pasa por el punto (0, 0) es la funcin y(x) = 0 para todo x
, que es por tanto prolongable a toda la recta real.
1
La solucin que pasa por el punto (0, 1) es la funcin y , que es
1 x 2
prolongable al intervalo (1, 1).
Por ltimo, la solucin que pasa por el punto (0, 1) es la funcin
1
y , definida para todo x , y es por tanto prolongable a toda la recta
1 x 2
real.
1
y(x) =
1 x2
(0, 1)
y(x) = 0
(0, 0)
(-1, 0) (1, 0)
1
y(x) =
1 x2
(0, -1)
Ejercicios
8.9. Estudiar la existencia y unicidad de solucin del problema de
valor inicial :
y'1 a11y 1 a12 y 2 ... a1n y n

y' a y a y ... a y
2 21 1 22 2 2n n
donde aij ,
...
y' n an1y 1 an 2 y 2 ... ann y n
y1(0) = a1; y2(0) = a2; ... yn(0) = an.
8.10. Estudiar si existe solucin, y si es nica, del problema de valor
y y 3
inicial en el rectngulo R = [1. 1] [0, 2]. Determinar el
y ( 0 ) 1
intervalo de existencia y unicidad local que asegura el teorema.
8.11. Aplicar el mtodo de las iterantes de Picard para encontrar la
y y 3
nica solucin del problema de valor inicial .
y ( 0 ) 1
8.12. Prolongar la solucin del problema de Cauchy obtenida en el
ejercicio anterior. Tiene una solucin maximal?
y y
valor inicial , as como el mximo intervalo en el que
y ( x 0 ) y 0
estn definidas las soluciones, siendo
a) (x0, y0) = (0, 0)
b) (x0, y0) = (0, 1)
c) (x0, y0) = (1, 0)

y 3 xy 1 / 3
valor inicial . Calcular explcitamente la solucin y
y ( 2 ) 1
obtener el intervalo mximo en el que est definida.
8.4. EJERCICIOS
y y 1 / 3
8.15. Demostrar que el problema de Cauchy tiene
y ( 0 ) 0
solucin, pero no es nica.
8.16. Demostrar que el problema de valor inicial:
y 2( 1 3 x 2 )y 1 / 2

y ( 1) 4.
tiene como nica solucin la funcin y(x) = (x + x3)2 definida en
el intervalo (0, ). Estudiar si se puede prolongar la solucin
para valores x 0.
y 2( 1 3 x 2 )y 1 / 2
valor inicial .
y ( 1) 0.
8.18. Obtener para cada valor de (x0, y0) las soluciones del problema
x
y
de valor inicial y . Esbozar grficamente las
y ( x ) y 0
0 0
soluciones y estudiar para cada una de ellas el intervalo mximo al
que se pueden prolongar.

8.19. Estudiar para los distintos valores de x0, y0, la existencia y
unicidad de solucin de los problemas de valor inicial, as como el
mximo intervalo en el que estn definidas las soluciones.
y 6 x 2 y 1 / 2
a)
y ( x 0 ) y 0 .
y y
b)
y ( x 0 ) y 0 .
y y 2 9
c) , |y0| 3.
y ( x 0 ) y 0 .
0, y 0

8.20. Demostrar que la funcin f ( x , y ) 2 / 3 1 no es
y sen , y 0
y
localmente lipschitziana en ningn rectngulo que contenga al
punto (0, 0). Demostrar que sin embargo, el problema de valor
y f ( x , y )
inicial tiene una nica solucin.
y ( 0 ) 0.
8.21. Estudiar la existencia y unicidad de solucin de los siguientes
problemas de valor inicial. Calcular explcitamente las soluciones y
obtener el intervalo mximo en el que estn definidas.
y 6 xy 2 / 3
a)
y ( 2 ) 27.
y x 1 / 2 y
b)
y ( 1) e 2 / 3 .
1
y log si y ( 0, )
8.22. Sea f ( x , y ) y , x [0, 1]
0 si y 0

a) Demostrar que f es continua pero no es localmente lipschitziana
respecto de la variable y.
y f ( x , y )
b) Demostrar que el problema tiene una nica solucin,
y ( 0 ) c
para cualquier valor de c .

CAPTULO 9.
Ecuaciones diferenciales de orden superior.
Transformada de Laplace
El objetivo de este captulo es introducir las ecuaciones diferenciales de
orden superior y los sistemas, analizando mtodos generales, teoremas,
aplicaciones y la forma de pasar de unas a otros y viceversa. En los dos
captulos siguientes se estudiar todo lo referente a las ecuaciones
diferenciales lineales de orden superior y a los sistemas de ecuaciones
diferenciales lineales de primer orden.
Es habitual emplear la transformada de Laplace para resolver sistemas y
ecuaciones diferenciales lineales no homogneos de coeficientes constantes,
siendo un mtodo muy eficiente para simplificar los problemas.
La transformada de Laplace permite obtener soluciones explcitas en
problemas con valores iniciales, y es especialmente til cuando el trmino no
homogneo bien es discontinuo a trozos o es impulsivo o bien es peridico.
Tambin resuelve ecuaciones integrales y algunas ecuaciones en derivadas
parciales. En concreto, convierte ecuaciones diferenciales ordinarias de
coeficientes constantes en problemas algebraicos donde se incorporan de
forma automtica las condiciones iniciales, y permite transformar algunos
problemas de ecuaciones en derivadas parciales en ecuaciones diferenciales
ordinarias.
Ecuaciones diferenciales de orden superior. Transformada de Laplace 536
La transformada de Laplace es una de las denominadas transformaciones
integrales, es decir, operadores que transforman una funcin en otra por medio
de una integral. La conveniencia de su definicin resulta de la analoga que la
relaciona con las series de potencias. Si se considera que la anloga de una
serie de potencias es una cierta integral impropia, en la que se sustituye la
variable x por una exponencial se tendr la transformada de Laplace, que
puede por tanto interpretarse como anloga continua a una serie de potencias,
y si stas tienen tanta importancia en anlisis cabe esperar que la transformada
tambin lao tenga.
Adems de por sus muchas aplicaciones, la transformada de Laplace
tiene estrechas relaciones con partes importantes de la matemtica pura, y
tiene inters en otras ramas de las matemticas aplicadas. En Probabilidad y
Estadstica la transformada de Laplace de una distribucin de probabilidad se
denomina funcin caracterstica, y es muy til para estudiar funciones de
distribucin de sumas de variables aleatorias independientes, y por ejemplo, es
habitual usar la transformada de Laplace para demostrar el teorema central del
lmite.
En las secciones 1 y 2 de este captulo se definen y se relacionan las
ecuaciones diferenciales de orden superior con los sistemas de ecuaciones
diferenciales, estudiando los teoremas de existencia y unicidad, en la seccin 3
se estudian mtodos para reducir el grado de una ecuacin diferencial en
casos particulares y en la seccin 4 se introduce la transformada de Laplace. Al
final de esta seccin se desarrollan las aplicaciones de la transformada como
procedimiento de resolucin de ecuaciones diferenciales y sistemas de
ecuaciones, y como mtodo para resolver problemas concretos de fsica y de

ingeniera.
9.1. ECUACIONES DIFERENCIALES DE ORDEN
SUPERIOR Y SISTEMAS DE ECUACIONES
DIFERENCIALES
9.1.1. Ejemplos
En esta seccin se consideran ecuaciones diferenciales de orden superior
al primero expresadas en la forma yn) = g(x, y, y, ..., yn-1)) o bien F(x, y, y, ...,
yn-1), yn)) = 0.
Los sistemas de ecuaciones diferenciales ordinarias con n variables
dependientes y una nica variable independiente, pueden expresarse por: y =
f(x, y) donde ahora y e y representan vectores de n.
Ejemplos muy clsicos de estas ecuaciones surgen con frecuencia al
modelar problemas fsicos o tcnicos. Entre ellos estn:
Las ecuaciones que modelizan la cada de los cuerpos:
d 2y
Cada libre m mg
dt 2
2
d 2y dy
Cada con resistencia m mg k
dt
2
dt
Estas ecuaciones fueron comentadas en el captulo 7, apartado 7.2.2.
dy
Para resolverlas se expresaban en funcin de v(t) = y quedaban de la
dt
dv dv
forma m = mg para la cada libre y m = mg kv2 para la cada con
dt dt
resistencia. Ambas son ecuaciones diferenciales de primer orden, y despus de
resolverlas y calcular v(t), por integracin se obtena y(t).
Se ver ms adelante en la seccin 3 que este mtodo se puede
generalizar y cuando se tiene una ecuacin diferencial en la que no aparece la
variable independiente, aunque s sus derivadas, el cambio de variable v(t) =
dy
reduce una unidad el grado de la ecuacin.
dt
1
De esta forma se resuelve la ecuacin de la catenaria y 1 ( y )2
a
que se obtuvo en el captulo 7 y que se resolver en ste.
d 2y
En la ecuacin del movimiento armnico simple 2
k 2 y 0 , k > 0, no
dt
aparece la variable dependiente y suponiendo que la solucin tiene inversa y
es derivable, se puede expresar y en funcin de y, de forma que el cambio de
variable y = u(y) reduce tambin el grado de la ecuacin una unidad y se
obtiene u(y) u(y) = k2y. Integrando se obtiene u(y) y a partir de esta funcin la
solucin.
Se estudiar tambin en la seccin 3 este mtodo de reduccin de orden
aplicable a la ecuacin que permite calcular la velocidad de escape de un
d 2y R2
cohete: 2
g 2 y la ecuacin de Van der Pol: y a(1 y2)y + y = 0
dt y
Utilizando un mtodo similar se resuelven ecuaciones del tipo:
yy = 2
yy + (y)2 = 0.
Existen tambin otras muchas ecuaciones a las que no se les puede
aplicar los mtodos anteriores de reduccin de orden, por lo que tiene especial
importancia la transformada de Laplace como mtodo para resolver ecuaciones

diferenciales. En general permite resolver ecuaciones lineales como la
d 2Q dQ 1
ecuacin de los circuitos elctricos: L 2
(t) + R (t) + Q(t) = E(t) o la
dt dt C
equivalente de las oscilaciones con resortes my(t) + by(t) + ky(t) = g(t).
Estas ecuaciones que se plantearon en el captulo 7 sern resueltas por otros
mtodos en el siguiente captulo suponiendo que las funciones E(t) y g(t) son
funciones continuas. Cuando esto no ocurre, y estas funciones tienen
discontinuidades de salto finito, el procedimiento ms adecuado para
resolverlas es mediante la transformada de Laplace.
En general, cuando una de las funciones que intervienen en la ecuacin
diferencial no es continua, pero s continua a trozos, el primer mtodo que
conviene ensayar es el de la transformada de Laplace.
Aplicaciones de este tipo se presentan, por ejemplo, para resolver el
d 4y
problema de una viga empotrada, que tiene por ecuacin: EI = w(x),
( dx ) 4
siendo E el mdulo de la elasticidad, I el momento de inercia y w(x) una funcin
continua a trozos.
Por otra parte existen ecuaciones cuyas soluciones no se pueden resolver
mediante funciones elementales; algunas de ellas tienen mucha importancia en
aplicaciones fsicas, como son las ecuaciones de Legendre y Bessel.
Ecuacin de Legendre: (1 x2)y 2xy + p(p + 1)y = 0, con p
constante.
Ecuacin de Bessel: x2y + xy + (x2 p2)y = 0, siendo p 0 constante.
Las soluciones de estas ecuaciones estn expresadas en series de
potencias y se estudiarn detenidamente en el captulo 10.
Tambin los sistemas de ecuaciones diferenciales aparecen de forma

constante en las aplicaciones. En algunos de ellos como en el sistema de
ecuaciones de Lotka-Volterra que ya se plante en el captulo 7 y que tiene
por ecuaciones:
dx
dt ax bxy

dy cy dxy
dt
un adecuado cambio de variable permite resolverlo con facilidad ya que en
ninguna de las ecuaciones aparece la variable dependiente.
Un sistema de ecuaciones diferenciales de orden superior puede
transformarse fcilmente en un sistema de primer orden sin ms que aadir
ms variables. Por esta razn, sin prdida de generalidad, se estudian los
sistemas de ecuaciones diferenciales de primer orden.
As, por ejemplo el movimiento de una partcula en el espacio mediante la
segunda ley de Newton: F = m.a, se representa mediante el siguiente sistema
de tres ecuaciones diferenciales de segundo orden:
m.x ( t )F1 ( t ,x ,y ,z ,x ,y ,z )

m.y ( t )F2 ( t ,x ,y ,z ,x ,y ,z )
m.z ( t )F ( t ,x ,y ,z ,x ,y ,z )
3
Este sistema de la segunda ley de Newton se puede escribir como un
sistema de seis ecuaciones y seis incgnitas introduciendo las velocidades v1,
v2, v3 como tres nuevas variables.
Otro caso particular son los sistemas lineales, que se estudiarn ms
detenidamente en el captulo 11. Un ejemplo es el sistema que determina el
movimiento de dos masas m1 y m2, sobre las que actan tres resortes de
constantes k1, k2, k3 y dos fuerzas externas F1(t) y F2(t) que est expresado por
el sistema:
d 2 y1
m1 ( k1 k 2 )y 1 k 2 y 2 F1( t )
dt 2

d 2y2
m
2 k 2 y 1 ( k 2 k 3 )y 2 F2 ( t )
dt 2
Cuando los coeficientes del sistema son constantes, como en el ejemplo
anterior, existe un procedimiento general para calcular las soluciones. Sin
embargo la mayor parte de los sistemas que aparecen en las aplicaciones no
son lineales y ha sido necesario desarrollar mtodos ms sofisticados para
resolverlos.
9.1.2. Conceptos previos
Es sencillo saber si una funcin dada y(x) es solucin, o no, de una
ecuacin diferencial, pues basta calcular las derivadas, sustituir en la ecuacin
diferencial y ver si se obtiene una identidad. Sin embargo resolver una
ecuacin diferencial de orden superior es todo un desafo pues, en general, no
hay mtodos generales para llegar a ella. Este captulo contiene un enfoque
elemental considerando mtodos por reduccin.
Definicin 9.1.1:
Una ecuacin diferencial de orden n es la que establece una relacin
entre una variable independiente x, la funcin buscada y(x) y las derivadas de
esta funcin hasta el orden n, lo que equivale, con y = y(x), a una expresin de
la forma F(x, y, y, y, ..., yn)) = 0.
Cuando es posible despejar yn), se obtiene: yn)(x) = g(x, y, y, y, ..., yn-1) )
Definicin 9.1.2:
Un sistema de k ecuaciones diferenciales de orden n se puede

expresar mediante una funcin vectorial F, de la forma F(x, f(x), f(x), f(x), ...,
fn)(x)) = 0, donde la funcin buscada f(x) = (f1(x), f2(x), ..., fK(x)) y las derivadas
de esta funcin f(x), f(x), f(x), ..., fn)(x), son funciones vectoriales de la
variable independiente.
Definicin 9.1.3:
Un sistema de n ecuaciones diferenciales de primer orden se puede
expresar mediante una funcin vectorial F, de la forma F(x, f(x), f(x)) = 0,
donde la funcin buscada f(x) = (f1(x), f2(x), ..., fn(x)) y su derivada f(x) son
funciones vectoriales de la variable independiente.
Cuando es posible despejar y = f(x) el sistema se puede expresar de la
siguiente forma:
y1(x) = g1(x, y1, y2, ..., yn)
y2(x) = g2(x, y1, y2, ..., yn) (9.1.1)
..............
yn(x) = gn(x, y1, y2, ..., yn)
Definicin 9.1.4:
La solucin general del sistema de n ecuaciones diferenciales (9.1.1),
esta formada por n funciones 1(x, C1, C2, ..., Cn), 2(x, C1, C2, ..., Cn), ..., n(x,
C1, C2, ..., Cn), que dependen de n constantes C1, C2, ..., Cn y satisfacen las
ecuaciones del sistema para todos los valores de las constantes C1, C2, ..., Cn.
Suponiendo que existen condiciones iniciales: y1(x0) = b1, y2(x0) = b2, ...,
yn(x0) = bn, se pueden elegir las constantes C1, C2, ..., Cn para que las
funciones k(x, C1, C2, ..., Cn), 1 k n, satisfagan estas condiciones.
Definicin 9.1.5:
Una solucin particular del sistema de n ecuaciones diferenciales (9.1.1)

est formada por las n funciones de la solucin general para valores concretos
de las constantes C1, C2, ..., Cn.
9.1.3. Reduccin de ecuaciones diferenciales a sistemas de
ecuaciones
El procedimiento para expresar una ecuacin diferencial de orden n como
un sistema de n ecuaciones diferenciales de primer orden consiste en aadir
ms variables que se identifican con las derivadas de la variable dependiente.
Se considera la ecuacin yn)(x) = g(x, y, y, y, ..., yn-1)). (9.1.2)
Se realiza un cambio de notacin llamando:
y1 = y; y2 = y; ...; yn = yn-1), de donde se obtiene yn = yn). (9.1.3)
Por lo tanto la ecuacin se transforma en el sistema:
y 1 ( x ) y 2 ( x )
y 2 ( x ) y 3 ( x )

(9.1.4)
...
y n ( x ) g ( x , y 1 , y 2 ,..., y n )
Si se busca una solucin particular de la ecuacin diferencial que verifica
las condiciones iniciales y(x0) = b1, y(x0) = b2, ..., yn-1)(x0) = bn, entonces en el
sistema se buscan soluciones particulares que verifiquen y1(x0) = b1, y2(x0) = b2,
..., yn(x0) = bn.
Una ecuacin diferencial de orden superior se puede considerar, por
tanto, un caso especial de sistema de n ecuaciones diferenciales de primer
orden.
Recprocamente si y1, y2, ..., yn son soluciones del sistema (9.1.1)
derivando la primera ecuacin con respecto a x:

g1 g1 dy 1 g1 dy 2 g1 dy n
y1 = + + + ... + .
x y 1 dx y 2 dx y n dx
Sustituyendo las derivadas y1, y2, ..., yn por sus expresiones en el
sistema (9.1.1) se obtiene y1(x) = G2(x, y1, y2, ..., yn)
Derivando esta expresin con respecto a x y sustituyendo del mismo
modo, se halla y1(x) = G3(x, y1, y2, ..., yn)
Repitiendo el proceso hasta la derivada de orden n se calcula:
y1n)(x) = Gn(x, y1, y2, ..., yn), de esta forma se obtiene el siguiente sistema:
y1(x) = G1(x, y1, y2, ..., yn)
y1(x) = G2(x, y1, y2, ..., yn) (9.1.5)
..............
y1n)(x) = Gn(x, y1, y2, ..., yn)
De las n 1 primeras ecuaciones se calculan y2, y3, ..., yn en funcin de x,
la funcin y1 y sus derivadas:
y2(x) = h2(x, y1, y1, ..., y1n-1))
y3(x) = h3(x, y1, y1, ..., y1n-1)) (9.1.6)
..............
yn(x) = hn(x, y1, y1, ..., y1n-1))
Introduciendo estas expresiones en la ltima ecuacin de (9.1.5) se
obtiene la ecuacin diferencial de orden n:
y1n)(x) = H(x, y1, y1, y1, ..., y1n-1) ). (9.1.7)
Resolviendo esta ecuacin diferencial se obtiene la solucin general y1(x)
= (x, C1, C2, ..., Cn) y calculando sus derivadas y sustituyendo en (9.1.6) se
determinan y2, y3, ..., yn como funciones de x, C1, C2, ..., Cn :

y1(x) = (x, C1, C2, ..., Cn)
y2(x) = 2(x, C1, C2, ..., Cn) (9.1.8)
......
yn(x) = n(x, C1, C2, ..., Cn)
Cuando se buscan soluciones particulares en el sistema que verifican las
condiciones iniciales y1(x0) = b1, y2(x0) = b2, ..., yn(x0) = bn, se sustituyen estos
valores en (9.1.8) y se calculan los parmetros C1, C2, ..., Cn.
La afirmacin de que el sistema y la ecuacin son equivalentes se
entiende en el sentido siguiente: Si y(x) es una solucin de la ecuacin (9.1.2)
entonces las funciones y1(x), y2(x), ..., yn(x) definidas por (9.1.3) satisfacen el
sistema (9.1.4). Y a la inversa, si y1(x), y2(x), ..., yn(x) satisfacen el sistema
(9.1.1) entonces y(x) = y1(x) es una solucin de la ecuacin (9.1.7).
Ejemplos resueltos
Ejemplo 9.1.1: Expresar mediante un sistema de ecuaciones de primer
orden la ecuacin diferencial: y x2y xy = 0
En esta ecuacin y = x2y + xy.
Llamando y1(x) = y(x) e y2(x) = y(x), se tiene y2(x) = y(x).
Se tiene el sistema:
y1(x) = y2(x)
y2(x) = x2y2(x) + xy1(x).
Ejemplo 9.1.2: Expresar mediante una ecuacin diferencial el siguiente
sistema de ecuaciones:
y1(x) = y2(x) + 1
y2(x) = y1(x) + 1
Derivando la primera ecuacin con respecto a x: y1(x) = y2(x), y al
sustituirlo en la segunda: y1(x) = y1(x) + 1, siendo la ecuacin buscada:
y1(x) y1(x) 1 = 0.
Ejemplo 9.1.3: Expresar mediante una ecuacin diferencial el siguiente
sistema de ecuaciones:
y(x) = y(x) + z(x) + x
z(x) = y(x) 2z(x) + 2x
Se deriva la primera ecuacin respecto a x: y(x) = y(x) + z(x) + 1, se
sustituye y(x) y z(x) por sus expresiones en el sistema:
y(x) = (y(x) + z(x) + x) + (y(x) 2z(x) + 2x) + 1
y(x) = 2y(x) z(x) + 3x + 1.
Se despeja z(x) en la primera ecuacin del sistema: z(x) = y(x) y(x) x,
y se sustituye en la ltima ecuacin: y(x) = 2y(x) (y(x) y(x) x) + 3x + 1,
con lo que se obtiene la ecuacin buscada:
y(x) = 3y(x) y(x) + 4x + 1.
Ejemplo 9.1.4: Dada la ecuacin diferencial y + 4y 4x = 0, su sistema
y 1' ( x ) y 2 ( x )
asociado es: . Comprobar que la solucin general de
y 2 ' ( x ) 4 y 1( x ) 4 x
y ( x ) C1 cos 2 x C 2 sen 2 x x
dicho sistema es 1 y a partir de ella
y 2 ( x ) 2C1sen 2 x 2C 2 cos 2 x 1
obtener la solucin de la ecuacin diferencial.
Se comprueba que la solucin verifica las dos ecuaciones del sistema:
y1(x) = 2C1sen 2x + 2C2cos 2x + 1 y1(x) = y2(x)
y2(x) = 4C1cos 2x 4C2sen 2x = 4(C1cos 2x + C2sen 2x + x) + 4x
y2(x) = 4y1(x) + 4x
Por lo tanto (y1(x), y2(x)) es la solucin general del sistema.
Al reducir la ecuacin diferencial a un sistema de ecuaciones se ha
considerado y1(x) = y(x), por lo que la funcin y(x) = C1cos 2x + C2sen 2x + x es
la solucin de la ecuacin diferencial.
Ejercicios
9.1. Expresar mediante un sistema de ecuaciones de primer orden la ecuacin
diferencial: y = y x2(y)2.
9.2. Expresar mediante una ecuacin diferencial el siguiente sistema de
ecuaciones:
y(x) = y(x) + z(x) + x
z(x) = 4y(x) 3z(x) + 2x
9.2. EXISTENCIA Y UNICIDAD DE LAS SOLUCIONES
La relacin establecida entre los sistemas de primer orden y las
ecuaciones diferenciales de orden superior permiten relacionar los teoremas de
existencia y unicidad de la solucin de las ecuaciones y de los sistemas.
Los teoremas de existencia y unicidad se pueden adaptar tanto a los
sistemas de ecuaciones diferenciales de primer orden, como a las ecuaciones
diferenciales lineales de orden n, obtenindose los siguientes resultados,
fciles de aplicar desde un punto de vista prctico
9.2.1. Teoremas de existencia y unicidad para sistemas
Se considera el sistema:
y 1 f1( x , y 1 , y 2 ,..., y n )
y f ( x , y , y ,..., y )
2 2 1 2 n
(9.2.1)
...
y n f n ( x , y 1 , y 2 ,..., y n )
Si para un valor de la variable independiente x0 se asignan valores
determinados a las funciones incgnitas, se obtienen las condiciones iniciales:
y1(x0) = b1, y2(x0) = b2, ..., yn(x0) = bn. (9.2.2)
Se tiene entonces planteado un problema de valor inicial.
Teorema 9.2.1: Teorema de existencia para sistemas de primer orden
Si las funciones f1, f2, ..., fn son continuas en una regin B del espacio
n, y si (x0, b1, ..., bn) pertenece al interior de B, entonces existe un entorno
de x0 en el que el sistema (9.2.1) tiene una solucin que verifica las
condiciones iniciales (9.2.2).
En el captulo 8 se han estudiado distintos teoremas que garantizan la
unicidad de las soluciones, en los que se imponen condiciones suficientes a las
funciones fk, como ser funciones lipchizianas respecto de las variables yj. El
teorema que se va a enunciar, es un teorema de condiciones suficientes,
aunque no necesarias, mucho ms sencillas de aplicar en la prctica:
Teorema 9.2.2: Teorema de unicidad para sistemas de primer orden
Si las funciones f 1, f2, ..., fn y las derivadas parciales
f1 f f f
, ..., 1 ,..., n ,..., n , son continuas en una regin B del espacio n,
y 1 y n y 1 y n
y si (x0, b1, ..., bn) pertenece al interior de B, entonces existe un entorno de x0
en el que el sistema (9.2.1) tiene una nica solucin que verifica las
condiciones iniciales (9.2.2).
Las demostraciones de los teoremas de existencia y unicidad de

soluciones se han estudiado en el captulo 8. Se recuerda que el teorema 8.2.1
de Cauchy-Peano garantiza la existencia de la solucin en un cierto entorno
imponiendo la continuidad de la funcin f. La continuidad de f no es suficiente
para garantizar la unicidad de las soluciones, por lo que se debe imponer
alguna condicin adicional. El teorema de Picard-Lindelf garantiza la unicidad
de la solucin aadiendo nuevas condiciones como la lipschitzianidad de f
respecto las variables yk. Este teorema prueba no slo la existencia y unicidad
de las soluciones de un problema de valor inicial sino tambin la continuidad de
la solucin respecto de las condiciones iniciales.
Para demostrar el teorema anterior se utiliza el corolario 8.1.4 del captulo
8, que garantiza la existencia y unicidad de las soluciones imponiendo
condiciones suficientes (aunque no necesarias) como la continuidad de la
funcin f y de sus derivadas parciales respecto de las variables yk.
9.2.2. Teoremas de existencia y unicidad para ecuaciones
diferenciales de orden n
Los siguientes teoremas para las ecuaciones diferenciales de orden n son
una consecuencia de los anteriores.
Teorema 9.2.3: Teorema de existencia para ecuaciones diferenciales
de orden n
Si en la ecuacin diferencial yn)(x) = f(x, y, y, y, ..., yn-1)) la funcin f es
continua en una regin B del espacio n, y si (x0, b1, ..., bn) pertenece al
interior de B, entonces existe un entorno de x0 en el que se puede garantizar la
existencia de una solucin y(x) de la ecuacin que verifica las condiciones
iniciales y(x0) = b1, y(x0) = b2, y(x0) = b3, ..., yn-1)(x0) = bn.
Teorema 9.2.4: Teorema de unicidad para ecuaciones diferenciales de
orden n
Si en la ecuacin diferencial yn)(x) = f(x, y, y, y, ..., yn-1)) la funcin f, y las
f f f
derivadas parciales , ,..., son continuas en una regin B del
y y y n 1)
espacio n, y si (x0, b1, ..., bn) pertenece al interior de B, entonces existe un
entorno de x0 en el que se puede garantizar la existencia de una nica solucin
y(x) de la ecuacin que verifica las condiciones iniciales y(x0) = b1, y(x0) = b2,
y(x0) = b3, ..., yn-1)(x0) = bn.
Ejemplos resueltos
Ejemplo 9.2.1: Estudiar los teoremas de existencia y unicidad para un
sistema lineal de coeficientes constantes: y = Ay + b(x), con las condiciones
iniciales: y1(x0) = b1, y2(x0) = b2, ..., yn(x0) = bn.
En este caso las funciones fk son:
f1(x, y1, y2, ...yn ) = a11y1 + a12y2 + ... + a1nyn + b1(x),
f2(x, y1, y2, ... yn) = a21y1 + a22y2 + ... + a2nyn + b2(x),
...,
fn(x, y1, y2, ... yn) = an1y1 + an2y2 + ... + annyn + bn(x).
Cuando b1(x), ..., bn(x) son funciones continuas en (a, b) entonces
fk(x) son funciones continuas en B = (a, b) n.
Las derivadas parciales coinciden con los coeficientes akj, que al ser
funciones constantes son siempre funciones continuas en todo n. Al
imponer n condiciones iniciales en un punto x0 (a, b), el teorema de unicidad
permite garantizar la existencia y unicidad de la solucin en el dominio de

continuidad de las funciones bk(x). Si B coincide con n se puede asegurar
la existencia y unicidad de solucin en todo punto de n.
Ejemplo 9.2.2: Estudiar los teoremas de existencia y unicidad para el
problema de valor inicial: yn) = P1(x)yn-1) + ... + Pn-1(x)y + Pn(x)y + G(x), con
las condiciones iniciales: y(x0) = b1, y(x0) = b2, y(x0) = b3, ..., yn-1)(x0) = bn.
En este caso f(x, y, y, y, ..., yn-1)) = P1(x)yn-1) + ... + Pn-1(x)y + Pn(x)y +
G(x). Si P1(x), P2(x), ..., Pn(x) y G(x) son funciones continuas en un intervalo
abierto (a, b) y x0 pertenece a ese intervalo, entonces se puede garantizar la
existencia de solucin en el intervalo (a, b).
f f f
Adems las derivadas parciales , ,..., coinciden con Pk(x)
y y y ( n 1)
por lo que son continuas en un abierto (a, b) y se puede garantizar la unicidad
de la solucin al imponer n condiciones iniciales en un punto x0 (a, b). Es
decir, si P1(x), P2(x), ..., Pn(x) y G(x) son funciones continuas en un intervalo
abierto (a, b) y x0 pertenece a ese intervalo, entonces se puede garantizar la
existencia de una nica solucin en el intervalo (a, b) del problema de valor
inicial propuesto.
Ejercicios
9.3. Estudiar los teoremas de existencia y unicidad para la ecuacin de
Legendre: (1 x2)y 2xy + p(p + 1) = 0, siendo p constante.
9.4. Estudiar los teoremas de existencia y unicidad para la ecuacin de
Bessel: (x x0)2y (x x0)y + (x2 p2)y = 0, siendo p 0 constante.

9.3. MTODOS DE REDUCCIN DE ORDEN EN
CASOS PARTICULARES
En los captulos 10 y 11 siguientes se estudia la resolucin de las
ecuaciones diferenciales lineales de orden n y los sistemas lineales. La teora
de ecuaciones diferenciales de orden n no lineales es bastante difcil pero
existen algunos casos especiales en los cuales es posible simplificar la
ecuacin general de orden n no lineal, como por ejemplo, cuando la variable
independiente x, o bien la variable dependiente y, no aparece explcitamente en
la ecuacin. En esos casos es siempre posible reducir el orden de la ecuacin
diferencial.
9.3.1. Ecuaciones en las que falta la funcin incgnita
El caso ms sencillo para reducir el orden de una ecuacin diferencial de
orden n es el de las ecuaciones que no dependen de la variable
dependiente y, aunque s de sus derivadas. Para reducirla a ecuaciones de
orden n 1 se define una nueva variable u(x) = y(x).
As, si una ecuacin diferencial es de la forma yn) = F(x, y, ..., yn-1)), el
cambio de variable u(x) = y(x) reduce el orden de la ecuacin en una unidad.
dy d 2 y du d n y d n 1u
Efectivamente si u , entonces y y la ecuacin
dx dx 2 dx dx n dx n 1
que resulta, un-1) = F(x, u, u, ..., un-2)), es de orden n 1.
Anlogamente si en la ecuacin diferencial falta la funcin y y sus
dky
derivadas hasta el orden k, realizando el cambio de variable u(x) = se
dx k
reduce el orden de la ecuacin en k unidades.
Como ejemplo clsico de utilizacin de este mtodo se resuelve la
ecuacin de la catenaria que se estudi en el captulo 7.
La catenaria
Esta curva tiene la forma que adopta un hilo flexible homogneo
suspendido entre sus dos extremos y que cuelga por su propio peso.
Si P(x, y) es un punto cualquiera de la catenaria, p es el peso del hilo, H la
componente horizontal de la tensin del hilo, M(0, b) el punto ms bajo de la
H
curva y a = , entonces la ecuacin de la catenaria es:
p
1
y 1 ( y )2
a
Haciendo el cambio de variable y(x) = u(x) se obtiene u(x) =
1
1 u 2 que se integra por separacin de variables:
a
x
lnu+ 1 u 2 = + C.
a
x
Al aplicar la condicin inicial u(0) = 0 se obtiene: lnu+ 1 u 2 = , y al
a
x x
1
despejar la funcin u(x) resulta: u(x) = ( e a e a ), que al integrar de nuevo
2
x x
a
se obtiene: y(x) = ( e a e a ) + K.
2
Al imponer la condicin de que pase por el punto M(0, b) se tiene la
solucin particular:
x x
a x
y(x) = ( e a e a ) + b a = a cosh( ) + b a.
2 a
Si la ordenada del punto M es a la ecuacin se simplifica:
x
y(x) = acosh( ).
a
9.3.2. Ecuaciones en las que falta la variable independiente
Tambin se puede reducir el orden si la ecuacin de partida no depende
de manera explcita de la variable independiente, pues localmente y en los
puntos en que y sea distinto de cero, donde se puede aplicar el teorema de la
funcin implcita, se puede utilizar como variable independiente la y, y como
nueva variable dependiente y = u, con lo que realizando los cambios, se
observa que la derivada de orden k nicamente depende de u y de sus
derivadas de orden k1, por lo que se logra reducir el orden como se pretenda.
Ejemplos clsicos en los que se aplica este mtodo son la ecuacin del
movimiento armnico simple, el clculo de la velocidad de escape en el
movimiento de un cohete y la ecuacin de Van der Pol.
El movimiento armnico simple
Se considera la ecuacin del movimiento armnico simple y + k2y = 0
con k > 0. Se supone que existe una solucin y = (x) que en un intervalo (a, b)
tiene funcin inversa derivable x = -1(y), por lo tanto y = (x) = (-1(y)) por lo
que y puede expresarse como una funcin de y. Si se escribe (-1(y)) = u(y)
se tiene que y = u(y), entonces y = u(y)y = u(y)u(y). Al sustituirlo en la
ecuacin diferencial se tiene que u(y)u(y) = k2y, que equivale a decir que
1 2
( u ( y ))' k 2 y . Integrando respecto a y se obtiene que u2(y) = k2y2 + C. Ya
2
que la constante C es una suma de cuadrados se puede expresar por C =
k2A2, siendo A una constante. Al sustituir: u2(y) = k2y2 + k2A2
u( y ) k A 2 y 2 .
Sustituyendo y por u(y) se tiene una ecuacin de primer grado con
y
variables separadas. Al integrarla se obtiene como solucin arcsen = Kx + B,
A
y = Asen(kx + B) = Asen(kx)cos B + Acos(kx)sen B, lo que se puede
expresar como:
y = C1sen(kx) + C2cos(kx), con C1 y C2 constantes.
Si se imponen las condiciones iniciales: y0 = (x0) e y1 = (x0), para
encontrar una solucin particular y = (x) tal que en un punto x0 verifique dichas
condiciones, siendo y0, y1 valores cualesquiera, basta con determinar las
constantes C1 y C2 que verifican el siguiente sistema de ecuaciones:
y0 = C1sen(kx0) + C2cos(kx0)
y1 = kC1cos(kx0) kC2sen(kx0)
Como el determinante de la matriz de los coeficientes es k 0, el
sistema tiene solucin nica y por lo tanto existe una nica solucin de la
ecuacin diferencial que verifica las condiciones iniciales.
Movimiento de un cohete. Velocidad de escape
Si se dispara un cohete en direccin vertical desde la superficie de la
Tierra, la ecuacin del movimiento despus de quemar el combustible es:

d 2y R2
g ,
dt 2 y2
siendo y(t) la distancia del cohete al centro de la Tierra.
Como en la ecuacin no aparece la variable t, llamando v(y) = y:
d 2y dv dv dy dv
v ,
dt 2 dt dy dt dy
sustituyendo en la ecuacin se obtiene la ecuacin de primer orden:
dv R2
v g .
dy y2
Separando las variables e integrando:
v2 R2
g C .
2 y
Suponiendo que cuando se acaba el combustible v = v0 e y R, se
v 02
calcula C = gR + , al sustituirlo en la ecuacin se obtiene:
2
R2 v 02
v = 2g
2
2gR + ,
y 2
que indica la velocidad de escape o velocidad mnima necesaria para que un
cohete salga de la atraccin gravitatoria terrestre.
Ecuacin de Van der Pol
La ecuacin de Van der Pol se presenta en el estudio de los circuitos
elctricos. La ecuacin diferencial que la define es:
y a(1 y2)y + y = 0.
En la ecuacin no aparece la variable t. Se hace el cambio v(y) = y:

d 2y dv dv dy dv
v .
dt 2 dt dy dt dy
Sustituyendo en la ecuacin:
dv
v a(1 y2)v + y = 0.
dy
Si se supone que la derivada de v respecto de y es una constante k se
obtiene:
y
v .
a( 1 y 2 ) k
9.3.3. Reduccin de orden en sistemas autnomos
En el captulo 12 se estudiarn con ms detenimiento los sistemas
dinmicos y, entre ellos, los sistemas autnomos.
Definicin 9.3.1:
Se dice que un sistema de ecuaciones diferenciales es autnomo si en
sus ecuaciones no aparece de forma explcita la variable independiente.
La idea subyacente al mtodo que permite resolver estos sistemas es
similar a la expuesta anteriormente para reducir el orden de una ecuacin
diferencial en la que no aparece la variable dependiente.
dx
dt f ( x , y )
El sistema , se puede reducir a la ecuacin diferencial de
dy
g( x , y )
dt
dy g ( x , y )
primer orden: .
dx f ( x , y )
Como ejemplo clsico de utilizacin de este mtodo, se resuelve el
sistema que se plante en el captulo 7 para las ecuaciones de rapaz y presa
de Lotka-Volterra.
Ecuaciones de rapaz y presa de Lotka-Volterra
En el captulo 7, apartado 7.2.6 se estudiaron las ecuaciones que Lotka y
Volterra propusieron para modelizar un ecosistema formado por conejos y
zorros, con sus interacciones:
dx
dt ax bxy

dy cy dxy
dt
donde las constantes a, b, c y d son positivas.
Este sistema no se puede resolver en trminos elementales, pero por el
procedimiento anterior se obtiene:
( a b.y )dy ( c d .x )dx

,
y x
que es una ecuacin lineal de variables separadas. Al resolverla se tiene:
yae-by = kx-cedx.
La barca en el ro
Una barca entra en el ro en el punto (c, 0) y se dirige hacia el origen con
una velocidad b con relacin al agua. Suponiendo que las rectas x = 0 y x = c
son las orillas de un ro cuya corriente tiene una velocidad uniforme a en la
direccin negativa del eje de ordenadas, se pretende determinar la trayectoria
de la barca.
Al escribir las componentes de la velocidad de la barca se tiene:
dx
dt b cos

dy a bsen
dt
Utilizando el procedimiento anterior para resolver este sistema se tiene

2 2
dy a bsen a x y by
que , ecuacin de primer orden que es
dx b cos bx
a a
1
2 2
homognea y cuya solucin es c b ( y x y ) xb .
El destino de la barca depende de la relacin entre a y b.
Ejemplos resueltos
Ejemplo 9.3.1: Resolver la ecuacin diferencial: (y)2 + xy y = 0.
En la ecuacin no aparecen ni la variable y ni su derivada por lo tanto
realizando el cambio de variable u = y se reduce el orden dos unidades:
(u)2 + xu u = 0 que es una ecuacin de primer orden de Clairaut.
Con el cambio u = t se tiene u = t2 + xt. Diferenciando y simplificando:
(2t + x)dt = 0, luego t = C y u = C2 + xC, y por lo tanto:
1
y = C2 x + C x2 + K1.
2
Integrando se tiene la solucin:
C 3 C2 2
y(x) = x + x + K1x + K2.
6 2
Ejemplo 9.3.2: Integrar la ecuacin diferencial: y + (y)2 = 2e-y.
La ecuacin no contiene a la variable x, por lo que se realiza el cambio u
d 2y du
= y: u , sustituyendo en la ecuacin:
2 dy
dx
du
u . + u2 = 2e-y.
dy
Un nuevo cambio z = u2 la transforma en lineal:
dz
+ 2z = 4e-y.
dy
Su solucin general es z = 4e-y + Ce-2y. Deshaciendo los cambios:
(y)2 = 4e-y + Ce-3y y = 4e x Ce 2 x
Separando variables e integrando:
1
x+K= 4e x C
2
C
(x + K)2 = ey + .
4
Ejemplo 9.3.3: Resolver la ecuacin diferencial del movimiento pendular
d 2s s
= gsen ,
dt 2 L
La ecuacin no contiene a la variable independiente t, por lo que se
ds d 2 s du ds du
realiza el cambio u = u , se sustituye:
dt dt 2 ds dt ds
du s
u = gsen
ds L
por lo que al separar variables:
s
udu = gsen ds,
L
que al integrarla se obtiene:
u2 s
= gLcos + C,
2 L
por lo tanto:
2
ds s
2gL cos C .
dt L
Ejercicios
9.5. Resolver la ecuacin diferencial 2y - (y)2 + 4 = 0.
9.6. Integrar la ecuacin diferencial yy - (y)3 = 0.
9.7. Determinar las condiciones sobre a y b para que en la trayectoria de la
a a
1
2 2
barca, que se expresaba por c b ( y x y ) x b , permitan que la
barca llegue a la otra orilla. Dnde llegar?
9.4. TRANSFORMADA DE LAPLACE
El objetivo de esta seccin es estudiar las propiedades y aplicaciones de
una de las transformaciones integrales, la transformada de Laplace, donde una
funcin dada f, que depende de la variable x, se transforma en otra funcin F,
que depende de otra variable, s, por medio de una integral. La idea consiste en
transformar un problema para f en otro ms sencillo para F, seleccionado de
forma apropiada el ncleo y los lmites de integracin. A modo de comparacin
intuitiva se puede poner el ejemplo de cmo los logaritmos transforman unos
nmeros en otros en los que las operaciones se simplifican. En nuestro caso lo
que se transforman son funciones
La transformada de Laplace va a permitir desarrollar un mtodo de
resolucin de ecuaciones diferenciales con valores iniciales donde, sin
previamente determinar la solucin general, directamente se transforma en un
problema algebraico que depende de los valores iniciales, del que una vez
resuelto mediante manipulaciones algebraicas, se obtiene la solucin. Este

mtodo es especialmente adecuado cuando alguna de las funciones que
intervienen en la ecuacin es una funcin continua a trozos.
9.4.1. Definicin, condiciones de existencia y primeras
propiedades
Definicin 9.4.1:
Una transformacin integral es una relacin de la forma:
b
T{f} = K ( s, x ) f ( x ) dx .
a
Cuando esta integral existe es una funcin F(s) de la variable s. Se dice,
entonces que la funcin F(s) es la transformada de f(x), y se denomina ncleo
de la transformacin a la funcin K(s, x).
Un tipo particular de transformacin integral es la transformada de
Laplace de ncleo K(s, x) = e-sx, con a = 0 y b infinito.
Definicin 9.4.2:
Dada una funcin f definida para x 0, se define como su transformada
k sx
k 0
de Laplace, que se denota L{f(x)} a una funcin F(s) = lm e f ( x )dx =

0 e sx f ( x )dx , siempre que la integral sea convergente con s .
La variable s puede ser compleja, pero para nuestro estudio slo se
necesita considerar valores reales de s, aunque algunas integrales o
demostraciones resultan ms simples en el campo complejo. Si la integral
anterior se interpreta en el campo complejo estara definida para todos los
valores complejos tales que Re(s) > c, y utilizando el teorema de Morera es
sencillo deducir bajo que condiciones L{f(x)} es analtica en dicha regin.

A veces lo que se ha definido como transformada de Laplace se
denomina unilateral, especialmente cuando es necesario estudiar la
transformada de Laplace bilateral en cuya definicin cambia el lmite de
integracin inferior de la integral, que en vez de 0 es y por tanto ambas
transformadas coinciden para funciones f(x) definidas en el semieje real
positivo.
Definicin 9.4.3:
Una funcin f(x) es de orden exponencial c si existen constantes reales
c, M > 0 tales que f(x) Mecx.
En la siguiente proposicin se expresan dos resultados sobre la definicin
anterior.
Proposicin 9.4.1:
a) Si una funcin f(x) es de orden exponencial c entonces
lim e sx f ( x ) = 0, s > c.
x
b) Toda funcin acotada es de orden exponencial.
El primer resultado es una consecuencia inmediata de la definicin ya que
e-sxf(x) Me(c-s)x que tiende a cero cuando s > c.
El segundo tambin es evidente ya que una funcin acotada es de orden
exponencial para todo c > 0, pues f(x) M Mecx.
Definicin 9.4.4:
Una funcin f(x) es continua a trozos en un intervalo [a, b] si tiene un
nmero finito de discontinuidades de primera especie, es decir, de salto finito.
Teorema 9.4.2:
Si f(x) es una funcin continua a trozos en el intervalo [0, a], a > 0 y f(x)
es de orden exponencial c, entonces la transformada de Laplace de f(x), F(s),
existe para s > c.
Demostracin:
Si f(x) es de orden exponencial c entonces f(x) Mecx y por tanto
e-sxf(x) Me-(s-c)x.
sx
F(s) = e f ( x )dx 0 e sx f ( x ) dx M 0 e ( s c ) x dx
0
Si s c < 0 entonces, cuando x tiende a +, (s c)x tiende a + y la
integral impropia es divergente. Pero si s c > 0 entonces, cuando x tiende a
+, (s c)x tiende a , e-(s-c)x tiende a uno y la integral impropia es
M
convergente y vale .
s c
sx
Por consiguiente, para todo s > c la integral 0
e f ( x )dx es
absolutamente convergente y por lo tanto convergente, lo que indica que F(s) =
L{f(x)} existe para todo s > c.
Corolario 9.4.3:
Si f(x) es continua a trozos en [0, ) y de orden exponencial c, entonces
su transformada de Laplace, F(s), cuando s tiende a infinito tiende a cero.
M
Es una consecuencia inmediata de que F(s) .
s c
El teorema 9.4.2 demuestra que la continuidad a trozos y ser de orden
exponencial son condiciones suficientes para que exista la transformada de
Laplace de una funcin. Pero estas condiciones no son necesarias; as por
1
ejemplo la funcin f(x) = no es continua a trozos ya que tiene un salto
x
infinito en x = 0 y sin embargo existe su transformada de Laplace:

1
Transformada de Laplace de f(x) = .
x
1
1 sx
Sea L{f(x)} = L{
x
} = F(s) = 0
e x dx
2
Se hace el cambio de variable sx = t:
1 1 1
t t 2 1 t
F(s) = 0
e s dt
s
= s 2
0
e t dt
2 .
Al realizar el cambio t = u2 se tiene:
1

0 e u du .
2
F(s) = 2s 2
u 2
Teniendo en cuenta que 0
e du =
2
se obtiene:
1
L{ }= . (9.4.1)
x s
Para garantizar la existencia de la transformada se supone que, salvo
precisin aparte, todas las funciones consideradas verifican las condiciones del
teorema 9.4.2.
Primeras propiedades:
Proposicin 9.4.4: Linealidad
La transformada de Laplace es un operador lineal:
L{af(x) + bg(x)} = aL{f(x)} + bL{g(x)}
Demostracin:
Es una consecuencia inmediata de la linealidad de la integral, pues:
sx sx
L{af(x) + bg(x)} = 0 e ( af ( x ) bg ( x ))dx = a 0 e f ( x )dx +
sx
b 0 e g ( x )dx = aL{f(x)} + bL{g(x)}.
Proposicin 9.4.5: Cambio de escala
Si F(s) es la transformada de Laplace de una funcin f(x) y k > 0
entonces:
1 s
L{f(kx)} = F .
k k
Demostracin:
sx
L{f(kx)} = 0 e f ( kx )dx ,
al hacer el cambio de variable kx = t, se obtiene:
t s
1 s 1 k t 1 s
L{f(kx)} = 0 k
e k f ( t )dt =
k 0
e f ( t )dt = F .
k k
Transformada de Laplace de algunas funciones
1. Transformada de las funciones constantes
sx k
Si f(x) = k, k , entonces 0 e sx f ( x )dx = e kdx = . Por lo
0 s
tanto:
k
L{k} = , s > 0.
s
2. Transformadas de las funciones trigonomtricas sen x y cos x

e sx ( ssenx cos x ) 1
Si f(x) = senx 0 e sx senxdx = = , s > 0
s 1
2
0 s2 1

sx e sx ( senx scos x ) s
Si f(x) = cosx 0 e cos xdx =
s 1
2
0
=
s2 1
, s > 0
1 s
Por lo tanto L{sen x} = y L{cos x} = s > 0.
2 2
s 1 s 1
Aplicando la proposicin 9.4.5 de cambio de escala se tiene tambin:
k s
L{sen kx} = y L{cos kx} = , s > 0.
s2 k 2 s2 k 2
3. Transformada de la funcin exponencial

sx ax e ( s a ) x 1
Si f(x) = e , s > a
ax
e e dx = =
0 ( s a ) sa
a
Por lo tanto:
1
L{eax} = , s > a.
sa
Para una funcin exponencial de base b > 0, se tiene:
1
L{bax} = L{(elnb)ax} = L{e(lnb)ax} = , s > alnb.
s alnb
Ejemplos resueltos
Ejemplo 9.4.1: Calcular las transformadas de Laplace de las funciones f(x)
= sen(7x) y g(x) = cos(8x).
1
Al ser L{sen x} = , s > 0, al aplicar la proposicin 9.4.5 se tiene:
s 1
2
1 1 7
L{sen(7x)} = = , s > 0.
2
7 s s 72
2
1
7
s
Al ser L{cos x} = , s > 0, al aplicar la proposicin 9.4.5 se tiene:
s 1
2
s
1 8 s
L{cos(8x)} = = , s > 0.
8 s 2 s 2 82
1
8
Ejemplo 9.4.2: Hallar la transformada de Laplace de f(x) = senh x.

e x e x 1 1 1 1 1
L{senh x} = L = (L{ex} L{e-x}) = = 2 , s > 1.
2 2 2 s 1 s 1 s 1
Ejemplo 9.4.3: Calcular la transformada de Laplace de f(x) = senh(kx), k >
0.
1
Por el ejemplo anterior se sabe que L{senhx} = , s > 1, por lo que al
s 1
2
aplicar la proposicin 9.4.5 se tiene:
1 1 k
L{senh(kx)} = = , s > 1.
k s 2 s2 k 2
1
k
n!
Ejemplo 9.4.4: Demostrar que L{xn} = , y aplicar este resultado para
s n 1
calcular la transformada de Laplace de p(x) = x2 2x + 3.
Se demuestra por induccin sobre n:
1
La frmula es cierta para n = 0 ya que L{1} = .
s
( n 1)!
Supuesta cierta para n 1, es decir L{xn-1} = , se utiliza este
sn
sx n
resultado para calcular L{xn} = 0 e x dx .
Se integra por partes y se obtiene:

sx n x n e sx e sx n 1

n
L{x } = e x dx = + n x dx =
s s
0 0
0
n sx n 1 n
s 0
e x dx = L{xn-1}.
s
( n 1)!
Aplicando la hiptesis de induccin, L{xn-1} = se obtiene:
sn
n n ( n 1)! n!
L{xn} = L{xn-1} = = .
s s sn s n 1
Se utiliza este resultado y la linealidad de la transformada:
2! 1! 1 3s 2 2s 2
L{p(x)} = L{x2} 2L{x} + 3L{1} = 2 3 = .
s3 s2 s s3
Ejercicios
s
9.8. Demostrar que L{cosh x} = , s > 1.
s 1
2
s
9.9. Verificar que L{cosh(kx)} = , s > 1.
s k 2
2
9.10. Calcular L{cos2 x}.
1 s
9.11. Hallar la funcin f(x) cuya transformada F(s) sea .
2
s s 4
3 6
9.12. Calcular la funcin f(x) cuya transformada F(s) sea .
s2 s2 9
3s 5
9.13. Hallar la funcin f(x) cuya transformada F(s) sea .
2
s 7
9.4.2. La funcin de Heaviside y la delta de Dirac
Para modelar seales y en general funciones que pueden estar
encendidas o apagadas se usa la funcin de Heaviside o funcin salto, o
funcin escaln unidad, ya que al multiplicar una funcin de Heaviside por otra
funcin, sta queda apagada hasta un valor determinado lo que permite
tambin expresar las funciones definidas a trozos.
Definicin 9.4.5:
Se denomina funcin escaln unidad o funcin de Heaviside a la

0 x a
definida por ua(x) = .
1 x a
En ocasiones se denomina a esta funcin utilizando la letra H en honor al
0 x a
ingeniero Heaviside, Ha(x) = .
1 x a
Sea u(x) = u0(x); esta funcin en el intervalo [0, ) coincide con la funcin
constante 1. A partir de ella, y mediante una traslacin, se puede expresar
ua(x), es decir, ua(x) = u(x a).
Transformada de Laplace de la funcin de Heaviside

sx sx e sx e sa
Si a > 0 0 e u a ( x )dx =
a
e dx = =
s s
, s > 0.
a
sx 1
Si a 0 0 e sx u a ( x )dx = e 1 dx = , s > 0.
0 s
Por lo tanto:
e sa
Si a > 0 entonces L{ua(x)} = ,
s
1
Si a 0 entonces L{ua(x)} = , definidas para todo s > 0.
s
1
En particular si a = 0, entonces L{u(x)} = , definida para todo s > 0.
s
Distribucin delta de Dirac
La delta de Dirac se utiliza para representar fuerzas externas de gran
magnitud aplicadas durante un intervalo de tiempo muy breve, es decir,
aplicadas en un instante.
En trminos matemticos se puede definir como el lmite de una sucesin
de funciones definidas en intervalos que contengan a un determinado punto a
cuya longitud tiende a cero, de manera que la integral de cada una de ellas
vale 1. Este lmite no es una funcin, sino una distribucin, (ver el captulo de
historia de las ecuaciones diferenciales), ya que la sucesin de funciones en
cada punto distinto de a tiende a cero mientras que en a tiende a infinito,
mientras que se impone que la integral valga uno.
De manera formal se puede definir como:
Definicin 9.4.6:
La delta de Dirac es una distribucin a, a definida por:
1. a(x) = 0, x a.
2. a(a) = .
si a b,c
c
1
3. a ( x ).dx = 0 si a b,c
b
Si se define (x) = 0(x), entonces se observa que: a(x) = (x a).
Transformada de Laplace de la delta de Dirac
Para todo a > 0 se considera la funcin ph(x) = ua(x) ua+h(x), h > a. Esta
funcin se anula en todos los puntos excepto en el intervalo [a, a + h) que toma
1
el valor 1. Para que en este intervalo tome el valor , se considera la funcin
h
1
qh(x) =
h
(ua(x) ua+h(x)). De esta forma q h ( x )dx = 1, se tiene que el lmite
0
de las funciones qh(x) cuando h tiende a 0+ es a(x).
Se calculan la transformada de Laplace de la funcin qh(x):
sx 1 a h sx 1 -s(a+h)
L{qh(x)} = 0 e q h ( x )dx =
h a
e dx =
sh
(e e-sa).
Se calcula el lmite cuando h tiende a 0+:
e sa ( 1 e sh ) se sh
lim = e-sa lim = e-sa.
sh s
h 0 h 0
Por lo tanto:
L{a(x)} = e-sa,
para todo s > 0 y
L{(x)} = 1.
Ejemplos resueltos
Ejemplo 9.4.5: Calcular las transformadas de Laplace de las funciones f(x)
x a x a
= y g(x) = para a > 0.
x a x a
a
x a sx x a a sx sx e sx
L
x a
=
0
e xa
dx =
0
e ( 1)dx +
a
e dx =
s
+
0

e sx e sa 1 e sa 2e sa 1
= + = , s > 0.
s s s s
a
x a sx x a sx 1
L =
x a 0
e
xa dx =
0
e dx = , s > 0.
s
Ejemplo 9.4.6: Calcular la transformada de Laplace de la funcin f(x) =
E[x] (parte entera de x) definida en [0, ).
2 sx 3 sx 4 sx
L{E[x]} = 0 e sx E ( x )dx = e dx + 2 e dx +3 e dx + ... +
1 2 3
2 3 4 n 1
n 1 sx e sx e sx e sx e sx
n
n e dx + ... = + 2
s
+ 3
s
+ ... + n
s

s
+ ... =
1 2 3 n
1 -2s
= (e e-s + 2e-3s 2e-2s + 3e-4s 3e-3s + ... + e-(n+1)s e-ns + ... ) =
s

1 e s

1 -s 1 1
= (e + e-2s + e-3s + ... + e-ns + ... ) = e ns = = .
s s n 1 s 1 e s s( e s 1)
Por lo tanto:
1
L{E[x]} = .
s( e s 1)
Ejemplo 9.4.7: Expresar mediante la funcin de Heaviside la funcin
0 si 0 x 3
f(x) =
2 si x 3
y calcular su transformada.
La funcin f(x) se puede expresar por f(x) = 2u3(x) = 2u(x 3), por lo tanto:
e 3s
L{f(x)} = 2L{u(x 3)} = 2 .
s
Ejercicios
9.14. Comprobar que la funcin de Heaviside se puede expresar por:
1 x a 1

ua(x) = 2 x a 2 si x a .
1 si x a
Calcular su transformada utilizando esta expresin.
x 2 x 2
9.15. Calcular la trasformada de Laplace de la funcin f(x) = + .
x 2 x 2
9.16. Calcular la transformada de Laplace de la funcin f(x) = x E[x] definida
en [0, ).
0 x 0
1 0 x 2

9.17. Dada la funcin f(x) = ,
3 2 x 3
0 x 3
Expresar mediante la funcin de Heaviside, u(x), la funcin f(x) y calcular
su transformada de Laplace.
9.4.3. Teoremas de traslacin y transformada de una
funcin peridica
Teoremas de traslacin
Teorema 9.4.6: Primer teorema de traslacin
Si F(s) es la transformada de Laplace de una funcin f(x) entonces F(s
a) es la transformada de la funcin g(x) = eaxf(x), es decir,
L{eaxf(x)} = F(s a).
Demostracin:
sx sx
Si F(s) = 0 e f ( x )dx entonces L{eaxf(x)} = 0 e e ax f ( x )dx =

0 e ( s a ) x f ( x )dx = F(s a).
Teorema 9.4.7: Segundo teorema de traslacin
La transformada de Laplace de la funcin f(x a)ua(x) es igual a e-sa por
la transformada de Laplace de f(x), es decir,
L{f(x a)ua(x)} = e-saL{f(x)}.
Demostracin:
0 si x a
La funcin f(x a)ua(x) = , por lo que:
f ( x a ) si x a
sx
L{f(x a)ua(x)} = a
e f ( x a )dx ,
haciendo el cambio x = t + a:
st
= 0 e s( t a ) f ( t )dt = e-sa e f ( t )dt = e-saL{f(x)}.
0
Otra forma de expresar este teorema es:

L{g(x)ua(x)} = e-saL{g(x + a)},
sx
ya que L{g(x)ua(x)} =
a
e g ( x )dx , haciendo el cambio x = t + a:

L{g(x)ua(x)} = 0
e s ( t a ) g ( t a )dt = e-sa e st g ( t a )dt = e-saL{g(x + a)}.
0
Transformada de una funcin peridica
Proposicin 9.4.8:
Sea f(x) una funcin peridica de periodo T; se supone que f(x) es
continua a trozos en (nT, (n + 1)T) y tiene lmites finitos en los extremos de este
intervalo; entonces:
1 T
L{f(x)} = e sx f ( x )dx .
1 e Ts 0
Demostracin:
( n 1)T
nT e sx f ( x )dx .

sx
L{f(x)} = e f ( x )dx =
0
n 0
Para cada n 0 se hace el cambio de variable u = x nT en la integral
( n 1)T
nT e sx f ( x )dx . Se tiene:
( n 1)T T T
nT e sx f ( x )dx = 0 e
s ( u nT )
f ( u nT )du = e snT 0 e
su
f ( u )du .
Por lo tanto:
T
L{f(x)} =

e snT

0
e su f ( u )du .
n 0

La expresin e snT es una serie geomtrica de razn e-sT. Para s > 0
n 0
se tiene e-Ts < 1, por lo tanto:


e snT
1
= ,
n 0 1 e Ts
de lo que se deduce que:
1 T
L{f(x)} = e sx f ( x )dx .
1 e Ts 0
Ejemplos resueltos
b
Ejemplo 9.4.8: Comprobar que L{eaxsen(bx)} = y que
( s a ) 2 b 2
s a
L{eaxcos(bx)} = , s > 0.
( s a ) 2 b 2
b
L{sen(bx)} = , s > 0, aplicando el teorema 9.4.6 se tiene que
s b
2
b
L{eaxsen(bx)} = , s > 0 .
( s a ) 2 b 2
s
Anlogamente L{cos(bx)} = , s > 0, por el teorema 9.4.6:
s b 2
s
L{eaxcos(bx)} = , s > 0 .
( s a ) 2 b 2
Ejemplo 9.4.9: Calcular la funcin f(x) cuya transformada de Laplace es
s 2
F(s) = .
s 2s 5
2
La funcin F(s) se puede expresar por:
s 1 1 s 1 1 2
+ = + .
( s 1) 2 2 2 ( s 1) 2 2 2 ( s 1) 2 2 2 2 ( s 1) 2 2 2
Por el primer teorema de traslacin:
s 1 2
= L{e-xcos(2x)}, = L{e-xsen(2x)}
2 2 2 2
( s 1) 2 ( s 1) 2
Al aplicar la linealidad de la transformada de Laplace, se tiene que la
1 -x
funcin cuya transformada es F(s) es f(x) = e-xcos(2x) + e sen(2x)}.
2
Ejemplo 9.4.10: Expresar mediante la funcin de Heaviside y calcular la
0 x[ 0,1)
transformada de Laplace de la funcin f(x) = .
2 x 3 x[ 1, )
f(x) = (2x 3)u1(x) = (2x 3)u(x 1).
Se aplica el segundo teorema de traslacin:
L{f(x)} = L{(2x 3)u(x 1)} = L{(2(x 1) 1)u(x 1)} = e-s(2L{x} L{1})
2 1
= e-s .
s2 s
Ejemplo 9.4.11: Calcular la transformada de Laplace de la funcin f(x)
x x[ 0,1)
peridica de periodo T = 2 definida en [0, ) tal que f(x) = .
x 2 x[ 1,2 )
1 2 sx 1 1 sx 2
L{f(x)} = e f ( x )dx =
xe dx ( x 2 )e sx dx

1 e 2s 0 1 e 2s 0 1
Estas dos integrales se calculan por partes:
1 1 ( s 1)e s
0 xe sx dx = ,
s2
2 e 2s ( s 1)e s
1 ( x 2 )e sx dx = ,
s2
y por lo tanto:
1 e 2s ( s 1 s 1)e s 1 1 2se s e 2s
L{f(x)} = = .
2s
1 e s 2
s 2 ( 1 e 2s )
Ejercicios
9.18. Calcular la funcin f(x) cuya transformada de Laplace es F(s) =

2
.
s 2 10s 41
9.19. Hallar la funcin f(x) conociendo que su transformada de Laplace es F(s)
s5
= .
s 2 6s 13
9.20. Hallar la transformada de Laplace de la funcin f(x) = senxu(x 2).
9.21. Expresar mediante la funcin de Heaviside y calcular la transformada de
1 si 0 x 2

Laplace de la funcin f(x) = x 3 si 2 x 3 .
0 x 3
si
senx
9.22. Calcular la transformada de Laplace de la funcin peridica f(x) = .
senx
9.23. Calcular la transformada de Laplace de la funcin peridica de periodo T
x x[ 0,1)
= 2, tal que f(x) = .
1 x[ 1,2 )
9.4.4. Transformadas de derivadas e integrales
La transformada de Laplace tiene una especial importancia para la
resolucin de ecuaciones diferenciales porque, como se ver a continuacin,
transforma una ecuacin diferencial en una ecuacin algebraica, con lo cual se
puede calcular fcilmente la transformada de Laplace de la solucin de la
ecuacin diferencial y, utilizando el proceso inverso, obtener la solucin
buscada.
Para poder usar la transformada para resolver problemas de ecuaciones
diferenciales y sistemas de ecuaciones es necesario, entonces, encontrar la
relacin entre la transformada de una funcin y la de su funcin derivada.

Transformada de una derivada
Proposicin 9.4.9:
Si f(x) es derivable hasta el orden n y f(x) y sus derivadas son de orden
exponencial entonces:
L{fn)(x)} = snL{f(x)} sn-1f(0+) sn-2f(0+) ... fn-1)(0+).
Demostracin:
Se demuestra por induccin sobre n.
Para n = 1:
sx
L{f(x)} = 0 e f ' ( x )dx ,
integrando por partes:
0

e sx f ' ( x )dx = e sx f ( x ) 0 + s

0 e
sx
f ( x )dx ,
por ser f(x) de orden exponencial lim e sx f ( x ) = 0; por lo tanto:

x
L{f(x)} = sL{f(x)} f(0+),
que verifica la hiptesis de induccin.
Se supone cierta para n 1, es decir:
L{fn-1)(x)} = sn-1L{f(x)} sn-2f(0+) sn-3f(0+) ... fn-2)(0+),
y se comprueba que se verifica para n:
sx n )
L{fn)(x)} = 0
e f ( x )dx .
Al integrar por partes:

sx n )
0
e f ( x )dx
= e sx f n 1) ( x ) 0 + s
sx n 1)
0
e f ( x )dx
aplicando que fn-1)(x) es de orden exponencial lim e sx f ( n 1) ( x ) = 0, se tiene:

x
L{fn)(x)} = fn-1)(0+) + s L{fn-1)(x)}
por lo tanto:
L{fn)(x)} = snL{f(x)} sn-1f(0+) sn-2f(0+) ... fn-1)(0+).
Esta propiedad es muy importante ya que permite asegurar que la
transformada de Laplace transforma derivadas en productos, lo que va a hacer
posible transformar una ecuacin diferencial en una ecuacin algebraica, y
resolverla a mediante simples operaciones algebraicas.
Adems cuando f(0+) = f(0+) = ... = fn-1)(0+) = 0 la frmula se simplifica y se
obtiene que L{fn)(x)} = snL{f(x)}
Si la transformada de una derivada proporciona un producto, cabe
esperar que la transformada de una integral, operacin inversa de la derivada,
proporcione una divisin.
Transformada de una integral
Proposicin 9.4.10:
x
Si f(x) es continua a trozos y de orden exponencial entonces f(t).dt es
0
de orden exponencial y verifica:
x 1

L f(t).dt L{f(x)}.
0 s
Demostracin:
f ( t )dt es de orden exponencial ya que al serlo f(t) se cumple que:

0
x x x
f ( t )dt
f ( t ) dt M e ct dt M ecx.
0 0 0
Para calcular su transformada:
x sx
x

L f(t).dt = e f ( t )dt dx ,
0
0 0
se integra por partes:

x x 1
sx 1 sx
e
f ( t )dt dx = e f ( t )dt + f ( x ) e sx dx .

0 s s 0
0 0 0
x
Al aplicar que f ( t )dt es de orden exponencial, por lo que
0
x
sx
lim e
x f ( t )dt = 0, se tiene que:
0
x
1
0

L f(t).dt =
s
L{f(x)}.
Si el lmite inferior de la integral no es 0 sino a > 0, sta se puede
x x a a
expresar como: f ( t )dt = f ( t )dt f ( t )dt . Como f ( t )dt es una constante
a 0 0 0
k
k y L{k} = , s > 0, se tiene que:
s
x a
1 1
a

L f(t).dt = L{f(x)} f ( t )dt .
s s
0
Proposicin 9.4.11:
Si F(s) es la transformada de Laplace de una funcin f(x) y F(s) es
derivable hasta el orden n, entonces:
F n)(s) = (1)nL{xnf(x)}.
Demostracin:
Se demuestra por induccin.
Se comprueba primero que F(s) = (1)L{xf(x)}:
sx
F(s) = 0 e f ( x )dx ,
derivando con respecto a s:

0 ( x ) e sx f ( x )dx = (1) 0 e sx ( xf ( x ))dx = F(s) = (1)L{xf(x)}:

F(s) =
Supuesto cierto que Fn-1)(s) = (1)n-1L{xn-1f(x)}, al derivar con respecto a s
sx n 1
en Fn-1)(s) = (1)n-1 0
e (x f ( x ))dx , se obtiene que:
sx
Fn)(s) = (1)n-1 0 ( x ) e ( x n 1 f ( x ))dx ,
por lo tanto Fn)(s) = (1)nL{xnf(x)}.
Corolario 9.4.12:
La transformada de Laplace de la funcin f(x) = xn, n es la funcin:
n!
F(s) = .
s n 1
n!
L{xn} = .
s n 1
Es una consecuencia inmediata de la proposicin anterior ya que L{xn} =
dn d n 1 n
n ( 1) n! n!
(1)
n
(L{1}) = (1) = (1)
n
= .
ds n
ds n s
s n 1 s n 1
Este resultado ya se haba demostrado de otra forma en el ejemplo 9.4.4.
Proposicin 9.4.13:
Si F(s) es la transformada de Laplace de una funcin f(x) y existe la
f( x)
transformada de entonces:
x
f ( x )
s
F ( t )dt = L
x
.
Demostracin:
f( x)
Sea g(x) = y G(s) = L{g(x)}, entonces f(x) = xg(x), por la proposicin
x
d
9.4.11 se obtiene: (L{g(x)}) = (1)L{xg(x)} = (1)L{f(x)}, es decir, G(s) =
ds
F(s); integrando esta expresin entre s e :

s G' ( t )dt = s F ( t )dt G(s) lim G( s ) =
s s F ( t )dt .
Al ser G(s) la transformada de Laplace de una funcin por el corolario

9.4.3 lim G( s ) = 0, por lo tanto G(s) =
s s F ( t )dt .
Proposicin 9.4.14:
Si F(s) es la transformada de Laplace de una funcin f(x), entonces:
f(x)
0 x
dx =
0
F ( s )ds ,
siempre que estas dos integrales sean convergentes.
Demostracin:
sx
F(s) = 0 e f ( x )dx .
Integrando respecto a s se tiene que:

sx
F ( s )ds = 0 0 e f ( x )dxds .
0
Cambiando el orden de integracin:

sx
F ( s )ds = 0 f ( x ) 0 e ds dx .

0
sx 1
Como 0 e ds =
x
para x, s > 0 se tiene que:

f(x)
F ( s )ds = 0 x
dx .
0
Esta frmula se utiliza para calcular el valor de ciertas integrales que no
se pueden resolver por otros mtodos.
Ejemplos resueltos
1
Ejemplo 9.4.12: Sabiendo que L{exf(x)} = . Calcular:
2
s 2s 2
e 3 x f ( x )
a) L ,
x
b) L{xf(x)}.
1
a) Si F(s) = L{f(x)} entonces L{exf(x)} = F(s 1) = por lo tanto
( s 1)2 1
1 1
F(s) = L{e3xf(x)} = F(s 3) =
2
s 1 ( s 3 )2 1
por la proposicin 9.4.13:
e 3 x f ( x )
dt = arctg ( t 3 )s =
1
L
x
=

s ( t 3 )2 1 2
arctg(s 3).
d 1 2s
b) L{xf(x)} = F(s) por lo tanto: L{xf(x)} = 2 = 2 .
ds s 1 ( s 1) 2
Ejemplo 9.4.13: Utilizar la transformada de Laplace para calcular el valor
senx
de la integral 0
x
dx .
1
Ya que L{senx} = , utilizando el resultado de la proposicin 9.4.14, se
s 1
2
ds
= arctgs 0 = .
senx
tiene que 0 x
dx =
0 s2 1 2
Ejercicios
s 1 f ( 3x )
9.24. Sabiendo que L{exf(x)} = . Calcular a) L , b) L{f(3x)}.
s 2s 1
2
x
1
9.25. Calcular la transformada de Laplace de f(x) = (cos ax cos bx).
x
9.26. Utilizar la transformada de Laplace para demostrar que:
sx 1 cos x s s 2
0
e
x2
dx = ln
2 2 s 2 1
arctg s.
9.4.5. La convolucin
La convolucin aparece en numerosos contextos. Una interpretacin
habitual en la teora de sistemas lineales es la siguiente: Si g(x) mide el efecto
de un sistema lineal independiente del tiempo cuando dicho sistema recibe un
impulso en x = 0, la convolucin mide el efecto de suministrar al sistema un
impulso f(x) distribuido a lo largo del tiempo. Es decir, la convolucin se
presenta en aplicaciones en las que el comportamiento del sistema no slo
depende de su estado en ese instante, sino tambin de su historia pasada.
Definicin 9.4.9:
Si f(x) y g(x) son dos funciones continuas definidas para todo x 0 se
define convolucin de f y g, y se notar f g, a la funcin definida por:
x
(f g)(x) = f ( x t )g( t )dt .
0
La convolucin tiene muchas de las propiedades de la multiplicacin

ordinaria, pero no es cierto que f * 1 sea igual a f.
Propiedades de la convolucin
1. Conmutativa: f g = g f.
Demostracin:
x
En (f g)(x) = f ( x t )g ( t )dt se hace el cambio de variable u = x t:

0
x o x
f ( x t )g( t )dt = f ( u )g( x u )( 1)du = g( x u )f ( u )du = (g f)(x), por

0 x 0
lo tanto (f g)(x) = (g f)(x) para todo x 0.
2. Asociativa: (f g) h = f (g h).
3. Distributiva: f (g + h) = f g + f h.
Definicin 9.4.9:
x
Se dice que es una funcin nula si ( t )dt = 0 para todo x > 0.

0
Es evidente que la funcin idnticamente 0 es una funcin nula, pero
tambin son nulas las funciones que slo tienen un nmero finito de valores
distintos de cero o un nmero infinito pero numerable. De estas funciones slo
la idnticamente cero es continua.
4. Si (x) = 0 x f = f =
Las demostraciones de que se verifican estas tres ltimas propiedades se
proponen como ejercicios.
En el siguiente teorema se observa como la convolucin, que es una
operacin integral, se convierte mediante la transformada de Laplace en un
producto, que es una operacin algebraica.

Teorema 9.4.15: Transformada de Laplace y convolucin
El producto de las transformadas de Laplace de dos funciones f(x) y g(x)
coincide con la transformada de la convolucin de f y g, es decir:
L{f(x)}L{g(x)} = L{(f g)(x)}.
Demostracin:
Si F(s) = L{f(x)} y G(s) = L{g(x)} entonces

F(s)G(s) = ( 0 e st f ( t )dt )( 0 e
su
g ( u )du ) =
s( t u ) s( t u )
0 0
e f ( t )g ( u )dtdu =

0 0
e f ( t )dt g ( u )du .

Se realiza el cambio de variable x = t + u, para un valor fijo de u, se tiene:
sx
F(s)G(s) =
0 u
e f ( x u )dx g ( u )du =

sx
0 u
e f ( x u )dxg ( u )du .
La integracin se realiza en la mitad del primer cuadrante xu que verifica x
u, al invertir el orden de integracin 0 u x, por lo tanto:
x sx
F(s)G(s) = 0 0 e f ( x u )g ( u )du dx =

sx x
0
e
0f ( x u )g ( u )du dx

= L{(f g)(x)},
de donde resulta que:
F(s)G(s) = L{(f g)(x)}.
El teorema 9.4.15 permite obtener una funcin f(x) cuya transformada F(s)
se puede expresar como un producto G(s)H(s) de dos funciones que son
transformadas de funciones conocidas, de forma que si G(s) = L{g(x)} y H(s) =
L{h(x)}, entonces f(x) = (g h)(x).

Para aplicar la transformada de Laplace en la resolucin de ecuaciones
diferenciales, sistemas con coeficientes constantes y ecuaciones integrales, es
necesario un mtodo que permita calcular la transformada inversa.
Ejemplos resueltos
Ejemplo 9.4.14: Calcular la convolucin de la funcin f(x) = cos x con la
1
funcin g(x) cuya transformada es G(s) = .
s 1
1
Si G(s) = g(x) = ex, por lo tanto:
s 1
cos( x t ) e dt ,
t
(f g)(x) = cos x e = x
al integrar se obtiene:
1
(f g)(x) = (sen x cos x + ex).
2
1 a si 0 x a
si 0 x a
Ejemplo 9.4.15: Si f(x) = a y g(x) = .
0 si x a 0 si x a
Calcular L{(f g)(x)}.
a 1 sx 1 e as
L{f(x)} =
0ae dx =
as
a sx a( 1 e as )
L{g(x)} = 0 a e dx =
s
Por el teorema 9.4.15:
( 1e as ) 2
L{(f g)(x)} = L{f(x)}L{g(x)} = .
s2
Ejercicios
9.27. Sean f(x) = 1, g(x) = x, h(x) = x2 y j(x) = cos x. Calcular:
a) (f f)(x), b) (f g)(x), c) (g g)(x), d) (f h)(x), e) (j j)(x).
9.28. Calcular la convolucin de la funcin f(x) cuya transformada es F(s) =
1
con g(x) = e2x.
2
( s 1)
9.29. Demostrar las propiedades asociativa, distributiva y de la funcin
idnticamente cero de la convolucin.
9.4.6. La transformada inversa
Para que la transformada tenga utilidad es necesario que exista algn
procedimiento para hallar la inversa de la misma. La transformada inversa es
tambin un operador lineal y puede no ser nica, aunque no puede diferir sobre
un intervalo de longitud positiva puesto que slo puede ser diferente en puntos
aislados. Ahora bien, la transformada inversa de una funcin continua s es
nica, como se prueba en el teorema siguiente, y ste es el tipo de solucin
que buscamos en muchas aplicaciones.
Teorema 9.4.16:
Si dos funciones continuas y de orden exponencial, f(x) y g(x), definidas
en [0, ), tienen la misma transformada de Laplace entonces f(x) = g(x) para
todo x 0.
Demostracin:

Si L{f(x)} = L{g(x)} entonces 0 e sx f ( x )dx = 0 e
sx
g ( x )dx , por lo
sx
tanto 0 e ( f ( x ) g ( x )) dx = 0, luego e-sx(f(x) g(x)) es una funcin nula,
como es continua es idnticamente cero, por lo que e-sx(f(x) g(x)) = 0 para
todo x 0, entonces f(x) = g(x), x 0.
Este teorema garantiza la unicidad de la transformada para funciones
continuas lo que va a permitir resolver problemas que se simplifican mediante
esta transformacin y obtener la solucin a partir de su transformada.
Notacin
Por convenio se suele utilizar la misma letra, pero en maysculas, para
expresar la transformada inversa de una funcin: As: L{f(x)} = F(s); L{g(x)} =
G(s); L{y(x)} = Y(s)...
Transformadas inversas de funciones racionales
p( s )
Sea F(s) = L{f(x)} y F(s) = , siendo p(s) y q(s) polinomios sin races
q( s )
comunes y grado(q(s)) > grado(p(s), ya que por el corolario 9.4.3 debe
verificarse que lim F ( s ) = 0.

s
p( s )
Para calcular L-1{F(s)} se descompone en suma de fracciones
q( s )
simples. Segn el tipo de races de la ecuacin q(s) = 0 se pueden considerar
los siguientes casos:
Caso 1: Las races de q(s) = 0 son reales y simples.
A
En este caso las fracciones simples son de la forma y como L{eax} =
s a
1 A
, s > 0, se tiene que L-1 = Ae .
ax
sa s a
Caso 2: Las races de q(s) = 0 son reales y mltiples.

Si a es una raz mltiple la fraccin correspondiente en la descomposicin
A
es de la forma , m , m > 1.
( s a ) m
n!
Utilizando la expresin L{xn} = y el primer teorema de la traslacin
s n 1
n!
9.4.6: L{eaxf(x)} = F(s a), se obtiene que L{eaxxn} = , por lo que
( s a )n 1
( n 1)!
L{eaxxn-1} = . Se verifica que:
( s a )n
A A
L-1 = eaxxn-1.
( s a ) ( n 1)!
m
Caso 3: Las races de q(s) = 0 son complejas y simples.
Si a bi son races complejas conjugadas la fraccin correspondiente en
Ms N
la descomposicin es de la forma que se puede expresar:
( s a ) 2 b 2
Ms N M ( s a )MaN ( s a ) Ma N b
= =M +
( s a ) b
2 2
( s a ) b
2 2
( s a ) b
2 2
b ( s a ) 2 b 2
s b
De las igualdades: L{cos bx} = , L{sen bx} = 2 2 , y del primer
s b
2 2
s b
teorema de traslacin, se deduce que:
sa b
L{eaxcos bx} = , L{eaxsen bx} = ,
( s a )2 b2 ( s a )2 b2
se obtiene entonces:
s a
L-1 2
= eaxcos bx
( s a ) 2
b
b
L-1 2
= eaxsen bx
( s a ) b
2
por lo tanto
Ms N MaN ax
L-1 2
= Meaxcos bx + e sen bx.
( s a ) b
2
b
Caso 4: Las races de q(s) = 0 son complejas y mltiples.
Sin considerar el caso general se calcula la inversa de tres tipos de
funciones que aparecen con mucha frecuencia:
s s2 1
F(s) = , G(s) = y H(s) = .
( s 2 a 2 )2 ( s 2 a 2 )2 ( s 2 a 2 )2
F(s) se puede descomponer en un producto de funciones de transformada
conocida:
s 1 a s
F(s) = =
2
(s a ) 2 2 a s a s a2
2 2 2
s a
Al ser L{cos ax} = y L{sen ax} = , y al aplicar el teorema
s 2 a2 s 2 a2
de la convolucin 9.5.15 se obtiene:
1 x
-1 s 1
L = (cos ax sen ax) =
( s 2 a 2 ) 2 a a
cos a( x t )sen( at )dt =
0
x
1
2a
( sen( ax ) sen( ax 2at ))dt .
0
Basta entonces resolver la integral:
s 1
L-1 = xsen ax.
( s 2 a 2 ) 2 2a
s2
Para calcular la transformada inversa de G(s) = se utiliza el
( s 2 a 2 )2
resultado anterior, es decir:
1 s
L{xsen ax.} = ,
2a ( s a 2 )2
2
al tener en cuenta que L{(xsen ax).} = sL{xsen ax.} 0, se tiene:
1 s2
L{(xsen ax).} = ,
2a ( s 2 a 2 )2
por lo tanto:
s2 1
L-1 = (sen ax + axcos ax).
( s 2 a 2 ) 2 2a
1
Para calcular la transformada inversa de H(s) = se vuelve a
( s 2 a 2 )2
utilizar el teorema de la convolucin descomponiendo la funcin en un producto
de funciones de transformada conocida.
1 1 a a
H(s) = = ,
( s 2 a 2 )2 a2 s 2 a2 s 2 a2
a
ya que L{sen ax} = , se tiene que:
s a2
2
x
1 1 1
L-1 =
( s 2 a 2 ) 2 a 2
( sen ax sen ax ) =
a2 0

sena( x t )sen( at )dt =
x
1
2a 2 0
(cos ax cos( ax 2at ))dt ,
resolviendo la integral:
1 1 1
L-1 = ( sen ax xcos ax).
( s 2 a 2 ) 2 2a 2 a
Ejemplos resueltos
Ejemplo 9.4.16: Calcular la transformada inversa de la funcin F(s) =
s
.
s3 s2 s 1
Se factoriza el denominador: s3 s2 + s 1 = (s 1)(s2 + 1); por lo tanto:
s 1 s
= 2 ,
s3 s 2 s 1 s 1 s 1
se utiliza que:
1 s
L{ex} = y L{cos x} = 2 , se tiene que:
s 1 s 1
-1 x
s
= cosx e = cos( x t )e dt ,
x
L t
3 2
s s s 1 0
al integrar se obtiene:
s 1
L-1 = (sen x cos x + ex).
s 3 s 2 s 1 2
s 1
Ejemplo 9.4.17: Calcular L-1 utilizando el producto de
s 4 s 2
convolucin.
s 1 s 1 1
L{(f g)(x)} = L{f(x)}L{g(x)} = = ,
s 4 s2 s2 s2 1
s 1 1 1
L{f(x)} = = f(x) = 1 + x,
s2 s s2
1
L{g(x)} = g(x) = sen x.
2
s 1
x
s 1
L-1
4 2
s s

= (f g)(x) = ( 1 x t ) sent dt .
0
Integrando por partes se obtiene:
s 1
L-1 = 1 + x cos x sen x.
s 4 s 2
1 a si 0 x a
si 0 x a
Ejemplo 9.4.18: Sea f(x) = a y g(x) = .
0 six a 0 si x a
Calcular (f g)(x).
( 1 e as )2
En el ejemplo 9.4.15 se haba calculado L{(f g)(x)} = , por lo
s2
tanto es suficiente calcular la transformada inversa de esta funcin.
( 1 e as ) 2 -1 1
as
-1 e
2as
-1 e
L-1 = L 2 2L 2 + L 2 ,
s2 s s s
1
L-1 = x;
s 2
Por el teorema 9.4.7 se tiene:
e as
L-1 = (x a)u(x a),
s 2
2as
-1 e
2as
-1 e
2as
-1 e
L = 4L = 2(2L ).
s 2 ( 2s ) 2 ( 2s ) 2
Aplicando ahora el teorema de traslacin 9.4.7 y la proposicin 9.4.5 para
1
k= ,
2
e 2as x
L-1 = 2 a u(x 2a) = (x 2a)u(x 2a).
2 2
s
Por lo tanto:
(f g)(x) = x 2(x a)u(x a) + (x 2a)u(x 2a), x > 0
Ejercicios
2s 1 2
9.30. Calcular L-1 ln .
2s 1
1 e sx
9.31. Sabiendo que L{f(x)} = y L{g(x)} = . Calcular (f g)(x) de dos
s2 s2 1
formas distintas:
a) Calculando f(x) y g(x) y aplicando la definicin de convolucin.
b) Descomponiendo en fracciones simples el producto L{f(x)}L{g(x)} y
calculando la transformada inversa de cada sumando de la
descomposicin.
9.4.7. Aplicaciones
1. Resolucin de ecuaciones diferenciales lineales
Las caractersticas esenciales del mtodo para resolver ecuaciones
diferenciales lineales mediante la transformada de Laplace son las siguientes:
Paso 1: Aplicar la transformada de Laplace a los dos miembros de la
Paso 2: Resolver el problema algebraico despejando la transformada de
la funcin solucin de la ecuacin
Paso 3: Calcular la transformada inversa de la funcin obtenida.
Este procedimiento es especialmente til en ecuaciones lineales
completas, no homogneas, cuando la funcin b(x), que determina que la
ecuacin sea no homognea, es una funcin continua a trozos, que se puede
expresar mediante la funcin de Heaviside, o es la distribucin delta de Dirac.
As, si se aplica la transformada de Laplace a una ecuacin lineal con
coeficientes constantes de segundo orden:
y(x) + py(x) + qy(x) = b(x)
se obtiene:
L{y(x) + py(x) + qy(x)} = L{b(x)} L{y(x)} + pL{y(x)} + qL{y(x)} = L{b(x)}

Las transformadas de las derivadas de y(x) se pueden expresar en
funcin de Y(s) = L{y(x)}. Llamando B(s) a L{b(x)} se tiene:
s2Y(s) sy(0) y(0) + p(sY(s) y(0)) + qY(s) = B(s)
Se despeja Y(s):
B( s ) ( p s )y ( 0 ) y' ( 0 )
Y(s) = .
s 2 ps q
Al aplicar la transformada inversa se obtiene:
y(x) = L-1{Y(s)}.
Para poder aplicar este mtodo es necesario que y(x), y(x), y(x) y b(x)
tengan transformada de Laplace, lo que se verifica siempre que exista la
transformada de b(x) y para esto es suficiente que b(x) sea una funcin
continua, o continua a trozos, y de orden exponencial.
Tambin se puede aplicar la transformada de Laplace a ecuaciones que
no tienen coeficientes constantes siempre que exista la transformada de las
funciones que intervienen en la ecuacin.
Con este mtodo se obtiene una representacin integral de las soluciones
de la ecuacin de Airy: y = xy. Para resolver este problema es conveniente
hacer previamente el cambio de variable de x por x para evitar crecimientos
ms rpidos que el exponencial. La transformada de Laplace proporciona una
representacin integral de las funciones de Airy en el eje real negativo que es
vlida en todo el campo complejo mediante prolongacin analtica.
2. Resolucin de sistemas de ecuaciones diferenciales
La transformada de Laplace tambin se utiliza para resolver sistemas de
ecuaciones diferenciales con coeficientes constantes. El procedimiento es
similar al que se ha expuesto para resolver ecuaciones diferenciales.

Paso 1: Aplicar la transformada de Laplace a las ecuaciones del sistema.
Paso 2: Resolver el sistema de ecuaciones algebraico para despejar las
transformadas de las soluciones del sistema.
Paso 3: Calcular las transformadas inversas de las funciones obtenidas.
Tambin en este caso cuando se conocen las condiciones iniciales no es
necesario obtener primero la solucin general y a partir de ella la solucin
particular que verifica dichas condiciones, ya que se incorporan de forma
automtica en las soluciones.
Este mtodo se puede aplicar no slo a los sistemas lineales de primer
orden sino tambin a los de orden superior.
3. Resolucin de ecuaciones integrales
Las buenas propiedades de la transformada de Laplace al actuar sobre la
convolucin permiten tambin resolver ecuaciones integrales.
El mtodo es similar al estudiado para ecuaciones y sistemas lineales.
As, por ejemplo, para resolver la ecuacin integral:
x
a y( x ) 0 g(x t) y(t) dt f(x)
se sigue el siguiente procedimiento:
Paso 1: Aplicar la transformada a la ecuacin:
aL{y(x)} + L{g(x)}L{y(x)} = L{f(x)}.
Paso 2: Despejar la transformada de la funcin incgnita:
L{ f ( x )}
L{ y ( x )} ,
a L{ g ( x )}
Paso 3: Calcular la transformada inversa.
Esta tcnica se utiliza para obtener la expresin la curva tautcrona, que

es un caso particular del problema mecnico de Abel, y consiste en determinar
la ecuacin de la curva que adopta un hilo por el que se desliza sin friccin,
hacia abajo, por la accin de su peso, una bola de masa m, a partir de una
funcin dada que expresa el tiempo de bajada. En nuestro caso para calcular la
ecuacin de la curva tautcrona se supone que esta funcin es constante.
4. La curva tautcrona
Dado un hilo en forma de curva suave y un bola de masa m que parte del
reposo y se desliza sin rozamiento hacia el origen de coordenadas bajo la
accin de su propio peso, se trata de encontrar la ecuacin de la curva para la
que el tiempo de descenso, cualquiera que sea el punto de la curva en el que
se coloca la bola, sea constante.
Sea P(x, y) el punto de partida y Q(z, u) cualquier punto intermedio. Si la
forma del hilo viene dada por la funcin y = y(x), el tiempo total de descenso
t(y) ser una funcin que depende de la altura inicial y que se considera
constante t(y) = t0.
Para pasar de P a Q aplicando el principio de conservacin de la energa
1 ds ds
se tiene que: mv2 = mg(y u). La velocidad es v = , por lo tanto =
2 dt dt
ds
2g ( y u ) dt = . Aplicando que ds = s(u)du e integrando se
2g ( y u )
obtiene:
y s' ( u )du 1 y s' ( u )du

t(y) = 0 2g ( y u )
=
2g 0 y u
.
Aplicando la transformada de Laplace a esta ecuacin:

1 y s' ( u )du
L{t(y)} = L
2g 0 y u
(9.4.2)
y s' ( u )du
La integral 0 y u
es la convolucin de las funciones s(y) y g(y) =
1
, utilizando (9.4.1) y el teorema de la convolucin:
y

L{(s g)(y)} = L{s(y)}L{g(y)} = L{s(x)} .
s
Se sustituye este resultado en (9.4.2) y se obtiene:
2gs
L{s(y)} = L{t(y)} (9.4.3)

t
La funcin t(y) es constante, t(y) = t0, por lo que L{t(y)} = 0 , por lo que:
s
2gs t 0 t t
L{s(y)} = = 2g 0 =k , siendo k = 2g 0 .
s s s
1
Se calcula la transformada inversa: s(y) = k .
y
2 2
dx k2 dx dx k2 y
Como s(y) = 1 = 1 = x=
dy y dy dy y
k2 y
y
dy .
Se hace ahora el cambio de variable y = k2sen2 :
k2

2
x = 2k 2
cos d = (2 + sen 2) + C,
2
k2
se expresa y en funcin de 2: y = (1 cos 2).
2
Se impone la condicin de que la curva pase por el origen (0, 0) por lo

que se obtiene que C = 0.
k2
Llamando r = y = 2 se tiene:
2
x = r( + sen)
y = r(1 cos),
que son las ecuaciones paramtricas de la cicloide, la curva que describe un
punto de una circunferencia de radio r que rueda bajo la recta y = 2r.
k2 t 2
El radio est determinado por la constante t0 ya que r = = g 0 . Por
2 2
tanto, si una cicloide est generada por una circunferencia de radio r entonces
r
el tiempo constante de descenso es: t0 = .
g
Ejemplos resueltos
Ejemplo 9.4.19: Resolver la ecuacin y y 2y = 0, con y(0) = 1; y(0) =
0, utilizando la transformada de Laplace.
Paso 1: Calcular la transformada de Laplace de la ecuacin y y 2y =
0:
[s2L{y} sy(0) y(0)] [sL{y} y(0)] 2L{y} = 0.
Se sustituyen los valores iniciales y(0) = 1; y(0) = 0, se obtiene:
(s2 s s)L{y} s + 1 = 0.
Paso 2: Despejar Y(s) = L{y(x)}:
s 1 1/ 3 2 / 3
Y(s) = L{y(x)} = .
( s 2 )( s 1) s 2 s 1
Paso 3: Aplicar la transformada inversa L-1, para calcular la funcin y(x) a
partir de L{y(x)} :
1
Al observar que L{eax} = se deduce que la solucin buscada es:
sa
1 2
y(x) = e2x + e-x.
3 3
Ejemplo 9.4.20: Resolver la ecuacin diferencial y + 3y + 2y = r(x); y(0) =
0; y(0) = 0, con r(x) = 1 en 0 < x < 1, y cero en el resto.
Se resuelve aplicando la transformada de Laplace:
Paso 1: Calcular la transformada de Laplace de la ecuacin:
1 0 x 1 1 e s
Como r ( x ) = 1 u(x 1) L{r(x)} = , por lo que:
0 x 1 s s
1e s
s2L{y(x)] + 3sL{y(x)} + 2L{y(x)} =
s
1e s
s2Y(s) + 3sY(s) + 2Y(s) = (s2 + 3s + 2)Y(s) = .
s
Paso 2: Despejar Y(s) = L{y(x)}:
1 e s 1 1 1 1 1
Y(s) = L{y(x)} = ( 1 e s ) .
s( s 1)( s 2 ) 2 s s 1 2 s 2
Paso 3: Calcular la funcin y(x) a partir de L{y(x)}:
1 1 1 1 1 1 1
Si L{g(x)} = entonces g(x) = e x e 2 x .
2 s s 1 2 s 2 2 2
Por el teorema 9.4.7, y(x) = g(x) g(x 1)u(x 1), por lo que:
1 1
e x e 2x 0 x 1
y( x ) 2 2 .
2
( e 1)e x e 1 e 2 x x 1
2
Ejemplo 9.4.21: Resolver el sistema de ecuaciones diferenciales
2y 1' ( x ) y 2 ' ( x )y 2 ( x ) x
con y1(0) = 1 e y2(0) = 0.
y 1' ( x ) y 2 ' ( x ) x 2
Paso 1: Aplicar al sistema la transformada de Laplace:

2L{ y 1' ( x )}L{ y 2 ' ( x )}L{ y 2 ( x )} L{ x }

L{ y 1' ( x )}L{ y 2 ' ( x )} L{ x 2 }
Si L{y1(x)} = Y1(s) y L{y2(x)} = Y2(s) se obtiene el sistema:
1
2(sY1(s) 1) + sY2(s) 0 Y2(s) =
s2
2
sY1(s) 1 + sY2(s) 0 =
s3
Paso 2: Despejar Y1(s) e Y2(s):
Se resuelve este sistema:
2
sY1(s) = 1 sY2(s) + .
s3
Al sustituir en la primera ecuacin y despejar Y2(s) se obtiene:
4s
Y2(s) = ,
3
s ( s 1)
que se descompone en fracciones simples:
5 5 5 4
Y2(s) = ,
s 1 s s2 s3
Se despeja Y1:
1 2
Y1(s) = Y2(s) + ,
s s4
Paso 3: Aplicar la transformada inversa L-1, para obtener la solucin
pedida:
x3
y1(x) = 5e-x 4 + 5x 2x2 +
3
y2(x) = 5e-x + 5 5x + 2x2.
Ejemplo 9.4.22: Calcular la solucin particular de la ecuacin diferencial
xy + 2y + xy = sen x, que verifica y(0) = 0.

Paso 1: Aplicar la transformada a la ecuacin diferencial:
L{xy] + L{2y} + L{xy] = L{sen x}.
Si L{y(x)} = Y(s) entonces L{y(x)} = sY(s) y(0) = sY(s),
L{y(x)} = s2Y(s) sy(0) y(0) = s2Y(s) y(0),
d 2
L{xy(x)} = (s Y(s) y(0)) = (2sY(s) + s2Y(s))
ds
1
L{xy(x)} = Y(s) y L{sen x} = ,
s2 1
sustituyendo en la ecuacin:
1
(2sY(s) + s2Y(s)) + 2sY(s) + (Y(s) ) =
s2 1
1
Y(s)(s2 1) = ,
s2 1
por tanto:
1 1
Y(s) = Y(s) = L{xy(x)} = .
2 2
( s 1) ( s 1) 2
2
Paso 3: Aplicar la transformada inversa:
1 1
xy(x) = L-1 2 2
= (sen x xcos x)
( s 1) 2
La solucin particular buscada es:
1
y(x) = (sen x xcos x).
2x
Ejemplo 9.4.23: Calcular la funcin g(x) que verifica la siguiente ecuacin
x
integral: g(x) = 3senx +2 0 cos( x t )g( t )dt .
Paso 1: Calcular la transformada de la ecuacin:
x
L{g(x)} = L{3senx} + 2L{ 0 cos( x t )g( t )dt }.
x
Por la definicin de convolucin 0 cos( x t )g( t )dt = cos x g(x).
Por el teorema 9.4.15, L{ cos( x t )g ( t )dt } = L{cos x}L{g(x)}.

x
Paso 2: Despejar G(s) = L{g(x)}.
Sustituyendo este resultado L{g(x)} = 3L{sen x} + 2(L{cos x}L{g(x)}).
Calculando transformadas:
3 s
G(s) = + 2 2 G( s ) (s2 + 1) G(s) = 3 + 2sG(s)
s 1
2
s 1
3
G(s) = .
( s 1) 2
Paso 3: Aplicar L-1.
3 1
g(x) = L-1 2
= 3L-1 2
.
( s 1) ( s 1)
Aplicando el primer teorema de traslacin se obtiene la solucin buscada:
g(x) = 3xex.
Ejercicios
9.32. Resolver la ecuacin xy + (3x 1) y (4x + 9)y = 0, con y(0) = y(0) = 0.
9.33. Resolver la ecuacin xy 4y xy = 6xex con y(0) = y(0) = 0.
y '' ( x ) y 1 ( x ) y 2 ( x )0
9.34. Resolver el sistema 1 con las condiciones iniciales
y 2 '' ( x ) y 2 ( x ) y 1 ( x )0
y1(0) = y2(0) = 0, y1(0) = 2 e y2(0) = 1.
9.35. Resolver la ecuacin y + y = f(x), con y(0) = 0 utilizando la transformada
de Laplace sabiendo que f(x) = 2x si 0 x 1, f(x) = 0 si x > 1.
9.36. Resolver la ecuacin y + 16y = f(x), con y(0) = 0, y(0) = 1, utilizando la

transformada de Laplace sabiendo que f(x) = cos(4x) si 0 x , f(x) = 0
si x > .
9.37. Calcular la convolucin de la funcin f(x) con g(x) = cos x, sabiendo que
x
f(x) verifica la ecuacin integral f(x) = sen xu(x ) 2 0 cos( x t )f ( t )dt .
9.5. EJERCICIOS
9.38. Integrar la ecuacin diferencial y = (y)3 + y.
(Solucin: y = arcsen(C1ex) + C2)
9.39. Resolver la ecuacin diferencial yy = 2(y)2 - 2y.
1
(Solucin: y = C, y = tg(C2x+C1))
C2
9.40. Calcular la solucin general de la ecuacin diferencial yy + (y)2 = y2.
(Solucin: y2= C1senh( 2 x + C2)
9.41. Integrar la ecuacin diferencial yy + (y)2 = 2.
(Solucin: y2 = 2x2 + C1x + C2)
s 1
9.42. Sabiendo que L{exf(x)} = ln , calcular L{xf(2x)} y f(2x).
s 1
1 1 1 1
(Solucin: L{xf(2x)} = y f(2x) = (1 e-4x))
2 s s 4 2x
sen 2 x 1 s 2 4
9.43. Demostrar que L ln .

x 4 s
2

9.44. Calcular la transformada de Laplace de la funcin f(x) definida por:

f(x) = u(x 1)e-2x+2sen 3(x 3).
3e s
(Solucin: L{f(x)} = )
( s 2 )2 9
1
9.45. Hallar L{e-xf(2x)} sabiendo que L{xf(x)} = .
s( s 2 1)
1 ( s 1) 2 4
(Solucin: ln
4 ( s 1) 2
1
9.46. Si L{f(x)} = arctg( ). Calcular la funcin f(x).
s
senx
(Solucin: f(x) = ).
x
9.47. Calcular la transformada de Laplace de la funcin peridica de periodo 2T
x [ 0, T )
tal que f(x) = .
x [ T , 2T )
9.48. Calcular la transformada de Laplace de la funcin peridica de periodo 2T
2T x [ 0,T )
tal que f(x) = .
2 x 2T x [ T , 2T )
e 2 x senhx senx
9.49. Demostrar que 0 x
dx
8
.
2 1 cos tx
9.50. Hallar la transformada de Laplace de f(x) =
0 1 t2
dt .
s 2 1
(Solucin:L{f(x) = }
s 2 1
2sen 2 x sen 2 x
9.51. Calcular la integral 0 x2
dx .
(Solucin: ln(4))
a

e s
9.52. Calcular la transformada inversa de la funcin F(s) = , sabiendo que

s
1

cos 2 x e s
L .
x s
a
e s cos 2 ax
(Solucin: L-1 = .
s x

9.53. Resolver la ecuacin diferencial xy + (3x 1)y (4x + 9)y = 0, con las
condiciones iniciales y(0) = y(0) = 0.
k x 2
(Solucin: y(x) = e x ).
2!
3 y ' 2y 1 y 2 ' 1
9.54. Resolver el sistema de ecuaciones diferenciales: 1 con
y 1' 4 y 2 ' 3 y 2 0
las condiciones iniciales y1(0) = 0 e y2(0) = 0.
6
x 6
1 e x
3e 11 e x x
(Solucin: y1(x) = , y2(x) = e 11 )
2 5 10 5
9.55. Calcular la funcin f(x) que verifica la siguiente ecuacin integral:
x x t
f(x) = 3x2 e-x 0 e f ( t )dt .
(Solucin: f(x) = 3x2 x3 + 1 2e-x)
9.56. Hallar la funcin f(x) que verifica la siguiente ecuacin integral:
x
e-x = f(x) + 2 0 cos( x t )f ( t )dt .
(Solucin: f(x) = (x 1)2e-x)
9.57. Resolver la ecuacin y(x) + 2y(x) = (x 2) con y(0) = 1, y(0) = 0.
(Solucin: y(x) = cos x + u(x 2)sen(x 2))
9.58. Calcular la solucin de la ecuacin y(x) + 2y(x) = f(x), con y(0) = 0, siendo
f(x) = e-2(x-2) si 0 x 2 y f(x) = 0 si x > 2.
(Solucin: y(x) = xe-2(x-2) u2(x)(x 2)e-2(x-2)).
9.59. Resolver la ecuacin y(x) + a2y(x) = (x), con y(0) = 0 y(0) = 1.
1
(Solucin: y(x) = senax )
a
9.60. La ecuacin diferencial de la corriente i(t) en un circuito LR en serie es:
di ( t )
L Ri E ( t ) . Determinar i(t), cuando i(0) = 0 y E(t) es la funcin
dt
1 x[ 0,1)
peridica de periodo 2 definida por E(t) =
0 x[ 1,2 )
Rt R ( t )

1 1
(Solucin: ( 1 e L ) ( 1) n ( 1 e L u( t n )) )
R R n 1
CAPTULO 10.
Ecuaciones diferenciales lineales de orden
superior
En este captulo se estudian las ecuaciones diferenciales lineales de
orden superior.
Desde que se comenzaron a estudiar las ecuaciones diferenciales ha
resultado evidente que es difcil obtener resultados muy generales que
permitan obtener las soluciones de un tipo determinado de ecuacin. Una
excepcin a esta carencia de una teora general para resolver ecuaciones
diferenciales se presenta en el estudio de las ecuaciones diferenciales lineales
y en particular de las que tienen coeficientes constantes.
En una ecuacin diferencial lineal de orden n homognea, el conjunto de
soluciones tiene estructura de espacio vectorial de dimensin n, por lo que
basta encontrar n soluciones linealmente independientes para obtener la
solucin general. El conjunto de soluciones de cualquier ecuacin diferencial
lineal de orden n completa tiene estructura de espacio afn, que tiene como
espacio vectorial asociado el conjunto de soluciones de la ecuacin
homognea asociada. En consecuencia, si se conoce la solucin general de la
ecuacin homognea asociada, para tener la solucin general de la ecuacin
completa es suficiente encontrar un punto de ese espacio afn, es decir, una
solucin particular de esta ecuacin.

Pero incluso en este caso, a veces, resulta difcil encontrar n soluciones
linealmente independientes de una ecuacin diferencial lineal homognea.
Solamente en el caso ms sencillo, en el que los coeficientes de la ecuacin
son constantes, existe un mtodo general que permite calcular las soluciones
en funcin de los coeficientes de la ecuacin.
Si los coeficientes de la ecuacin diferencial son funciones analticas se
pueden obtener soluciones en forma de series de potencias, y resolver de esta
forma muchas ecuaciones particulares, como las ecuaciones de Legendre y
Bessel, que tienen una importancia especial por sus mltiples aplicaciones en
problemas relativos a vibraciones de membranas, flujos de calor y propagacin
de corrientes elctricas.
Como en el caso general, las ecuaciones diferenciales lineales de orden
superior no siempre pueden ser resueltas explcitamente en trminos de
funciones elementales conocidas, por lo que resulta necesario determinar las
condiciones para poder garantizar la existencia y unicidad de la solucin.
El captulo comienza, en la Seccin 1, con algunas ideas sobre
operadores lineales que permiten simplificar la notacin en el estudio de
ecuaciones diferenciales lineales, y se explicitan los teoremas de existencia y
unicidad de soluciones. En la Seccin 2 se estudia la estructura algebraica de
las soluciones de una ecuacin diferencial lineal. Un estudio algebraico permite
determinar las soluciones de una ecuacin lineal homognea con coeficientes
constantes en la Seccin 3.
En las secciones siguientes se proponen varios mtodos para resolver la
ecuacin no homognea y algunos casos particulares en los que resulta fcil

Ecuaciones diferenciales lineales de orden superior 609
resolver la ecuacin con coeficientes no constantes. En la Seccin 6 se
resuelven algunas ecuaciones especiales mediante desarrollos en series de
potencias y se termina el captulo con la Seccin 7 en la que se presentan
distintas aplicaciones de estas ecuaciones a la mecnica, a la electrnica y, en
general, a la fsica.
10.1. CONCEPTOS PREVIOS
Definicin 10.1.1:
Una ecuacin diferencial de orden n se denomina lineal si es lineal
respecto a la variable dependiente y, y a todas sus derivadas hasta el orden n,
de modo que se puede expresar de la forma:
P0(x)yn) + P1(x)yn-1) + ... + Pn-1(x)y' + Pn(x)y = G(x) (10.1.1)
donde P0, P1, ..., Pn son funciones definidas en un intervalo (a, b) de la recta
real.
Definicin 10.1.2:
Se denomina problema de valor inicial o problema de Cauchy de la
ecuacin diferencial de orden n (10.1.1), al problema que consiste en encontrar
una solucin (x) de la ecuacin diferencial que verifique n condiciones
iniciales (x0) = y0, (x0) = y1, ..., n-1)(x0) = yn-1, siendo x0 (a, b), y0, y1, ..., yn-1
nmeros reales cualesquiera.
Definicin 10.1.3:
Si las condiciones que debe verificar la solucin estn definidas en dos o

ms puntos diferentes el problema se denomina problema de contorno de
una ecuacin diferencial.
10.1.1. El operador diferencial D
El estudio de estas ecuaciones se puede simplificar utilizando una
notacin con operadores.
Definicin 10.1.2:
Sea una familia de funciones reales de variable real infinitamente
derivables en un intervalo (a, b) de la recta real. Se define el operador
df
diferencial D como una aplicacin de en tal que f , D(f) = .
dx
Definicin 10.1.3:
Dado el operador D, se define D2 = DD como la composicin de
aplicaciones, de forma que D2(f) = (DD)(f) = D(D(f)).
d 2f
Con esta definicin se tiene que D2 est determinado por D2(f) = ,y
dx 2
d nf
anlogamente el operador Dn queda determinado por Dn(f) = .
dx n
Sea P(x) una funcin definida en el intervalo (a, b). El producto PDn es un
d nf
operador determinado en de forma natural por PD (f) = P
n
tal que,
dx n
d nf d nf ( x )
x(a, b), P (x) = P(x) .
dx n dx n
En particular si P(x) es una funcin constante P(x) = k, k , el operador

kDn, queda determinado por (kDn)(f) = k(Dn(f)) tal que, x(a, b), (kDn)(f(x)) =
d nf ( x )
k , es decir, el segundo miembro de esta igualdad es el producto de un
dx n
nmero k por la derivada n-sima de una funcin.
Propiedades del operador D
Dn Dm = Dn+m:
El operador D es lineal, es decir:
f, g se verifica que D(f + g) = D(f) + D(g).
f , k se verifica que D(kf) = kD(f).
10.1.2. El operador lineal L
Definicin 10.1.4:
Sea una familia de funciones reales de variable real infinitamente
derivables en un intervalo (a, b) de la recta real y P0(x), P1(x), ..., Pn(x)
funciones definidas en dicho intervalo. Se denomina operador lineal:
L = P0Dn + P1Dn-1 + ... + Pn
a un operador definido en , tal que f , L(f) = P0f n) + P1f n-1) + ... + Pnf.
Propiedades del operador L
El operador L es lineal, es decir:
f, g se verifica que L(f + g) = L(f) + L(g)
f , k se verifica que L(kf) = kL(f).
La linealidad de L se extiende por induccin a una combinacin lineal de n

n n
funciones de modo que L k i fi k i L( fi )

i 1 i 1
Utilizando el operador L = P0Dn + P1Dn-1 + ... + Pn la ecuacin diferencial
lineal de orden n, P0(x)yn) + P1(x)yn-1) + ... + Pn-1(x)y' + Pn(x)y = G(x), se puede
expresar de la forma L(y) = G(x).
Si G es la funcin nula la ecuacin diferencial lineal de orden n anterior se
denomina homognea; en caso contrario se denomina no homognea o
completa.
La ecuacin completa L(y) = G(x) tiene asociada la ecuacin homognea
definida mediante el mismo operador, as L(y) = 0 es la ecuacin homognea
asociada a la ecuacin completa.
El orden de la ecuacin anterior L(y) = G(x), que es tambin el del
operador, est determinado por el valor de n. Los puntos en los que la funcin
P0(x) se anula se denominan puntos singulares de la ecuacin. Estos puntos
introducen dificultades en su resolucin y requieren un tratamiento especial por
lo que a partir de ahora se supone que P0(x) 0 en el intervalo (a, b). En este
caso se puede dividir toda la ecuacin por P0(x) y expresarla de la forma:
yn) + P1(x)yn-1) + ... + Pn-1(x)y' + Pn(x)y = G(x).
El operador lineal asociado L est definido por:
L = Dn + P1Dn-1 + ... + Pn.
Cuando los operadores tienen coeficientes constantes las propiedades del
operador D permiten realizar operaciones entre ellos utilizando las mismas
reglas que en el caso de operaciones con polinomios. A continuacin se

estudian las caractersticas especiales de estos operadores.
10.1.3. Operadores con coeficientes constantes
Sean A y B dos operadores con coeficientes constantes definidos por:
A = a0Dn + a1Dn-1 + ... + an con a0, a1, ..., an constantes y
B = b0Dn + b1Dn-1 + ... + bn con b0, b1, ..., bn constantes
Si a0 0 y b0 0 se dice que los operadores A y B son de orden n.
La suma A + B, el producto AB y el producto por escalares kB son
tambin operadores con coeficientes constantes; adems se verifican todas las
propiedades que tienen las operaciones con polinomios. Para probar esta
afirmacin se demuestra que existe una correspondencia biunvoca entre los
operadores con coeficientes constantes de orden n y los polinomios de grado n,
que conservan estas operaciones.
Al operador con coeficientes constantes A se le asocia un polinomio pA
definido por pA(x) = a0xn + a1xn-1 + ... + an que se denomina su polinomio
caracterstico.
Teorema 10.1.1:
Sean A y B operadores con coeficientes constantes de orden n y pA y pB
sus polinomios caractersticos, entonces A = B pA = pB.
Demostracin:
Si pA = pB los dos polinomios tienen el mismo grado y los mismos
coeficientes por lo que los operadores A y B tambin tienen el mismo orden y
los mismos coeficientes y por lo tanto A(f) = B(f), f .

Por otra parte si A = B entonces A(f) = B(f), f . Tomando f(x) = ex,
con , se tiene A(ex) = pA()ex y B(ex) = pB()ex por lo que pA() =
pB(), y por lo tanto pA(x) = pB(x).
De forma similar se pueden demostrar las siguientes propiedades que
muestran que la correspondencia entre operadores y polinomios conserva las
operaciones:
Propiedades:
1. pA+B = pA + pB.
2. pA.B = pA pB.
3. pA = pA, .
Como consecuencia de todo lo dicho hasta ahora se tiene que el
problema de resolver una ecuacin diferencial homognea con coeficientes
constantes A(y) = 0 se puede reducir a un problema algebraico, que consiste
simplemente en factorizar el polinomio caracterstico, pA(x).
10.1.4. Teorema de existencia y unicidad
Teorema 10.1.2: Teorema de existencia y unicidad
Sea un problema de valor inicial o problema de Cauchy: L(y) = yn) +
P1(x)yn-1) + ... + Pn-1(x)y' + Pn(x)y = G(x), con las condiciones iniciales, (x0) =
y0, (x0) = y1, ..., n-1)(x0) = yn-1 con x0 (a, b), y sean P1, P2, ..., Pn, G,
funciones continuas en el intervalo abierto (a, b). Entonces existe una nica
funcin (x) que es solucin de la ecuacin diferencial L(y) = G(x) y verifica las
condiciones iniciales: (x0) = y0, (x0) = y1, ..., n-1)(x0) = yn-1.

Este teorema se obtiene como corolario del teorema de existencia ms
general, y se demuestra como consecuencia del teorema 9.2.1 y 9.2.2 del
captulo 9.
La condicin de continuidad de las derivadas parciales se verifica por el
hecho de ser P1, P2, ..., Pn funciones continuas.
Si no es un problema de Cauchy, sino que es un problema de contorno
con las condiciones definidas en a y b, la situacin es muy diferente ya que
aunque P1, P2, ..., Pn y G, sean funciones continuas en el intervalo abierto (a, b)
un problema de contorno puede tener solucin o no tenerla, y en el caso en
que exista solucin sta puede ser nica o ser mltiple.
Ejemplos resueltos
Ejemplo 10.1.1: Expresar la ecuacin diferencial y + 3xy 2y = 0
utilizando el operador D.
Utilizando el operador D la ecuacin diferencial se expresa de la forma:
(D2 + 3xD 2)(y) = 0.
Ejemplo 10.1.2: Demostrar que la ecuacin diferencial y + 2xy + y =
2ex(1 + x) + 2xcos x, tiene una solucin nica que verifica las condiciones
iniciales y(0) = 1 e y(0) = 2.
La ecuacin diferencial es lineal, adems P1(x) = 2x, P2(x) = 1 y G(x) =
2ex(1 + x) + 2xcos x, son funciones continuas en (, ) por lo tanto aplicando
el teorema 10.1.2 de existencia y unicidad, existe una nica solucin que
verifica que y(0) = 1 e y(0) = 2. Se puede comprobar, derivando y sustituyendo
en la ecuacin, que esta solucin es y(x) = ex + sen x

Ejemplo 10.1.3: Comprobar que y1(x) = xsen x e y2(x) = 0, son soluciones
de la ecuacin diferencial x2y 2xy + (x2 + 2)y = 0, con las condiciones
iniciales y(0) = 0 e y(0) = 0.
y1(x) = sen x + xcos x y1(x) = 2cos x xsen x.
Al sustituir en la ecuacin:
x2(2cos x xsen x) 2x(sen x + xcos x) + (x2 + 2)xsen x = (2x2
2x2)cos x + (x3 2x + (x2 + 2)x)sen x = 0. Adems se verifica que y1(0)
= 0 e y1(0) = 0.
Tambin y2(x) = 0 y2(x) = 0 y2(x) = 0 x2y2 2xy2 + (x2 + 2)y2 =
0, con y2(0) = 0 e y2(0) = 0. La solucin de este problema de valor inicial no es
nica.
2 x 2 2
En la ecuacin diferencial expresada de la forma: y y + y = 0,
x x2
2 x2 2
se tiene que las funciones P1(x) = y P2(x) = no son continuas en x =
x 2
x
0, por lo tanto el teorema 10.1.2 slo garantiza la existencia de una nica
solucin en intervalos que no contengan el punto 0.
Ejercicios
10.1. Expresar mediante el operador D las siguientes ecuaciones
diferenciales:
a) x2y xy + 2y = xln x
b) b) x2y 2xy + (x2 + 2)y = 0.
10.2. Demostrar que si A y B son dos operadores con coeficientes

constantes de orden n y pA y pB sus polinomios caractersticos,
entonces se verifican las siguientes propiedades.
a) pA+B = pA + pB. b) pA.B = pApB. c) pA = pA, .
10.3. Sean A y B dos operadores con coeficientes constantes cuyos
polinomios caractersticos no tienen races comunes y C = AB.
Demostrar que toda solucin f de la ecuacin diferencial C(f) = 0 se
puede expresar por f = f1 + f2 siendo f1 y f2 funciones que verifican las
ecuaciones A(f1) = 0 y B(f2) = 0.
10.4. Comprobar que las funciones y(x) = Cx2 + x + 3, C son
soluciones de la ecuacin diferencial x2y 2xy + 2y = 6, con las
condiciones iniciales y(0) = 3 e y'(0) = 1. Indicar porqu la solucin no
es nica.
10.2. ESTRUCTURA DE LAS SOLUCIONES DE LAS
ECUACIONES DIFERENCIALES LINEALES DE
ORDEN SUPERIOR
10.2.1. Dependencia e independencia lineal. Wronskiano
Definicin 10.2.1:
Dado un conjunto de funciones y1, y2, ..., yn definidas en un intervalo (a,
b) se dice que son linealmente dependientes en el intervalo (a, b), si existen n
constantes 1, 2, ..., n no todas nulas, tales que: 1y1 + 2y2 + ... + nyn = 0,
x (a, b).
Si por el contrario se verifica que esta identidad solamente se cumple
cuando 1 = 2 = ... = n = 0, entonces se dice que las funciones y1, y2, ..., yn
son linealmente independientes en el intervalo (a, b).
Definicin 10.2.2:
Dado un conjunto de funciones y1, y2, ..., yn derivables hasta el orden n
1, se denomina wronskiano de estas funciones y se denota por W[y1, y2, ..., yn]
a la funcin definida por el siguiente determinante:
y 1( x ) y 2( x ) ... yn( x )
y'1 ( x ) y' 2 ( x ) ... y' n ( x )
W[y 1 , y 2 , ... , y n ](x) = .
... ... ... ...
n 1) n 1)
y 1( x ) y 2( x ) ... y n 1) n ( x )
Teorema 10.2.1:
Si las funciones y1, y2, ..., yn son linealmente dependientes en el intervalo
(a, b), entonces su wronskiano en ese intervalo es la funcin nula.
Demostracin:
Este teorema se prueba a partir de los conocimientos de lgebra lineal ya
que si las funciones son linealmente dependientes una de ellas yi se puede
expresar como combinacin lineal de las otras y por la linealidad de las
derivadas, la columna i-sima del determinante se puede expresar como una
combinacin lineal de las otras columnas, lo que supone que el determinante
es cero.
Esta condicin no es suficiente ya que pueden existir funciones
linealmente independientes cuyo wronskiano sea la funcin nula, como se

observa en el ejemplo 10.2.4. Sin embargo si las funciones linealmente
independientes son soluciones de una misma ecuacin diferencial lineal L(y) =
0, entonces se puede asegurar que su wronskiano no se anula en ningn punto
del intervalo (a, b). Este resultado, que se demuestra en los siguientes
teoremas, es una de las conclusiones del corolario 10.2.6.
10.2.2. Estructura de las soluciones de la ecuacin homognea
En los siguientes teoremas se supone que P1(x), P2(x), ..., Pn(x) son
funciones continuas en un intervalo abierto (a, b) y L(y) = yn) + P1(x)yn-1) + ... +
Pn-1(x)y' + Pn(x)y.
Teorema 10.2.2:
Si y1, y2, ..., yn son soluciones linealmente independientes de la ecuacin
diferencial L(y) = 0 en el intervalo (a, b); entonces, dadas n constantes c1, c2,
n
..., cn, la funcin c k y k es tambin solucin de L(y) = 0 en el intervalo (a, b).
k 1
Demostracin:
Las funciones yk, 1 k n, son soluciones de la ecuacin diferencial y por
tanto verifican L(yk) = 0. Como el operador L es lineal se tiene que:
n n

L c k y k
c k L( y k ) 0 .
k 1 k 1
Teorema 10.2.3:
Si las funciones y1, y2, ..., yn son soluciones de la ecuacin diferencial L(y)
= 0 y son linealmente independientes en el intervalo (a, b), entonces su

wronskiano en ese intervalo no es la funcin nula.
Demostracin:
Se demuestra el teorema por reduccin al absurdo, por lo que se supone
que W[y1, y2, ..., yn](x) = 0, x (a, b).
Para un punto determinado x0 (a, b) se considera el siguiente sistema
homogneo de ecuaciones lineales en las variables c1, c2, ..., cn:
n
c k y k ( x0 ) 0
k 1
n
c k y 'k ( x0 ) 0
k 1
...................
n
c k y kn 1) ( x0 ) 0 .
k 1
Como el determinante de los coeficientes de las incgnitas, que es el
wronskiano, es igual a cero, el sistema tiene infinitas soluciones, en particular
existen c1, c2, ..., cn, no todos nulos, que son solucin del sistema. Con estos
valores se determina una funcin (x), definida por:
n
(x) = c k y k ( x ) , x (a, b).
k 1
Esta funcin es solucin de la ecuacin diferencial lineal L(y) = 0 por ser
una combinacin lineal de soluciones de esta ecuacin y adems (x0) = 0,
(x0) = 0, ..., n-1)(x0) = 0, por lo que en el punto x0 la funcin y sus derivadas
hasta la de orden n 1 coinciden con la funcin nula, que tambin es solucin

de L(y) = 0, y por el teorema de unicidad de soluciones (x) = 0, x (a, b),
n
luego c k y k ( x ) 0 , x (a, b), lo que contradice que las funciones y , y , 1 2
k 1
..., yn sean linealmente independientes en (a, b).
En las hiptesis de este teorema no slo existe un punto x (a, b), tal que
W[y1, y2, ..., yn](x) 0 sino que x (a, b), W[y1, y2, ..., yn](x) 0. Este
resultado se demostrar en el siguiente teorema, cuya prueba necesita el
siguiente lema:
Lema 10.2.4:
Sean y1, y2, ..., yn funciones derivables hasta el orden n, entonces la
derivada de su wronskiano es:
y 1( x ) y2( x ) .... yn( x )

y'1 ( x ) y' 2 ( x ) .... y' n ( x )
W [y1, y2, ..., yn](x) = .... .... .... .... .
y 1n 2 ) ( x ) y2 n 2)
( x ) .... y n n 2)
(x)
y 1n ) ( x ) n) n)
y 2 ( x ) .... y n ( x )
Lo que equivale a decir que las primeras n 1 filas coinciden con las de
W[y1, y2, ..., yn] y en la ltima fila se han sustituido las derivadas de orden n 1
por las de orden n.
Demostracin:
Sea (x) la funcin definida por el determinante de la igualdad anterior. La
demostracin de que W[y1, y2, ..., yn](x) = (x) se hace por induccin sobre n.
Para n = 2 es evidente, ya que W[y1, y2] = y1y2 y1y2 y por lo tanto

y1 y2
W[y1, y2] = y1y2 + y1y2 y1y2 y1y'2 = y1y2 y1y2 = .
y ' '1 y ' ' 2
Supuesto cierto para n 1 se demostrar para n.
Sea ij el adjunto del elemento de la fila i y la columna j en el wronskiano.
Desarrollando por los elementos de la fila n se tiene que:
W[y1, y2, ..., yn] = y1n-1)n,1 + y2n-1)n,2 + ... + yn-1n-1)n,n-1 + ynn-1)n,n.
Derivando: W[y1, y2, ..., yn] = y1n)n,1 + y2n)n,2 + ... + yn-1n)n,n-1 +
ynn)n,n + y1n-1)n,1 + y2n-1)n,2 + ... + yn-1n-1)n,n-1 + ynn-1)n,n.
Aplicando la hiptesis de induccin:
y2 y3 .... yn
y' 2 y' 3 .... y' n
n,1 = .... .... .... ,
n 3 ) n 3 )
.... n 3 )
y2 y3 yn
n 1) n 1)
y2 y3 .... y n n 1)
y en general n,j es un determinante similar en el que figura la columna
correspondiente a y1 y falta la de yj, luego y1n-1) n,1 + y2n-1) n,2 + ... + yn-1n-1)
n,n-1 + ynn-1) n,n = 0 por ser el desarrollo de un determinante en el que la fila
n y la n 1 son iguales, por lo tanto:
W[y1, y2, ..., yn] = y1n)n,1 + y2n)n,2 + ... + yn-1n)n,n-1 + ynn)n,n.
Se observa que los adjuntos de los elementos de la fila n del wronskiano
coinciden con los adjuntos de los elementos de la fila n en el determinante
luego W[y1, y2, ..., yn] = .

Teorema 10.2.5:
= 0 en un intervalo (a, b), entonces su wronskiano en ese intervalo o es la
funcin nula o no se anula en ningn punto de dicho intervalo.
Demostracin:
Si y1, y2, ..., yn son soluciones de L(y) = 0 se verifica que:
yin) + P1(x)yin-1) + ... + Pn-1(x)yi' + Pn(x)yi = 0, i {1, 2, ... , n}.
Multiplicando cada una de estas expresiones por n,i, adjunto del
elemento de la fila n y la columna i del wronskiano, y sumndolas, se obtiene:
n n n n
yi n,i + P1(x)yi n, i + ... + Pn-1(x)yi'n,i + Pn(x)yi n,i = 0
n) n-1)
i 1 i 1 i 1 i 1
n n n n
yi n,i + P1(x) yi n,i + ... + Pn-1(x) yi'n,i+ Pn(x) yin,i = 0
n) n-1)
i 1 i 1 i 1 i 1
Por el lema anterior se conoce que:
n

n
yi n,i = W[y1, y2, ..., yn] y yin-1)n,i = W[y1, y2, ..., yn],
n)
i 1
i 1
n
adems si 0 k n 2, yik)n,i = 0 ya que se puede expresar como un
i 1
determinante en el que la fila k y la fila n son iguales. Sustituyendo estos
resultados se tiene que:
W [y1, y2, ..., yn](x) + P1(x)W[y1, y2, ..., yn](x) = 0, o bien: W(x) + P1(x)W(x) = 0,
una ecuacin diferencial lineal de primer orden que tiene por solucin:
p ( t )dt
W(x) = C e 1 .
Como la exponencial no se anula, se tiene que W(x) = 0 slo cuando C es
igual a 0, luego W(x) o es la funcin nula o no se anula en ningn punto del
intervalo (a, b).
Como conclusin de los teoremas anteriores se tiene el siguiente
corolario:
Corolario 10.2.6:
= 0 en el intervalo (a, b), las tres condiciones siguientes son equivalentes:
a) Las funciones y1, ..., yn son linealmente independientes en (a, b).
b) Existe un x (a, b) tal que W[y1, y2, ..., yn](x) es distinto de cero.
c) Para todo x (a, b) se verifica que W[y1, y2, ..., yn](x) es distinto de cero.
Es evidente que a) b) por el teorema 10.2.3, y b) a) por el teorema
10.2.1, adems b) c) por el teorema 10.2.5 y la implicacin c) b) es trivial.
La hiptesis de que las funciones yi sean soluciones de L(y) = 0 no es
soslayable. Por ejemplo y1(x) = x2 e y2(x) = xIxI son funciones linealmente
independientes en el intervalo (a, a) y sin embargo existen puntos en los que
W[y1, y2] = 0 y otros donde W[y1, y2] 0
Definicin 10.2.3:
Se denomina conjunto fundamental de soluciones de la ecuacin
diferencial homognea de orden n, L(y) = 0, en un intervalo (a, b), a cualquier
conjunto de n soluciones linealmente independientes en (a, b).

Teorema 10.2.7:
Siempre existe un conjunto fundamental de soluciones de la ecuacin
diferencial homognea de orden n, L(y) = 0, en el intervalo (a, b).
Demostracin:
Sea x0 (a, b). Por el teorema de existencia de soluciones se sabe que
para todo k desde 0 hasta n 1, existen funciones yk(x) que son solucin de la
ecuacin diferencial y son tales que cada una de ellas verifica la condicin
inicial siguiente: ykk)(x0) = 1 y ykj)(x0) = 0 si j k.
Las funciones y0, y1, ..., yn-1 son linealmente independientes. En efecto
sean c0, c1, ..., cn-1 n constantes tales que c0y0 + c1y1 + ... + cn-1yn-1 = 0, x
(a, b). Al derivar esta expresin n 1 veces y sustituir en cada una de estas n
expresiones x por x0 se verifica que:
n 1
ck y k ( x0 ) 0 c 0 = 0.
k 0
n 1
c k y' k ( x 0 ) 0 c 1 =0
k 0
...........
n 1
c k y n 1)k ( x0 ) 0 c n-1 = 0.
k 0
En consecuencia, las n funciones son linealmente independientes y por lo
tanto forman un conjunto fundamental de soluciones.
Teorema 10.2.8:
Si {y1, y2, ..., yn} es un conjunto fundamental de soluciones de la ecuacin
diferencial lineal homognea de orden n L(y) = 0, en el intervalo (a, b),
entonces toda solucin de esta ecuacin se puede expresar de la forma =
n
c k y k , donde c , c , ..., c
1 2 n son constantes.
k 1
Demostracin:
Sea {y1, y2, ..., yn} un conjunto fundamental de soluciones, una solucin
de la ecuacin L(y) = 0 y x0 un punto del intervalo (a, b), entonces por el
corolario 10.2.6, W[y1, y2, ..., yn](x0) 0.
Se determina (x0), (x0), ..., n-1)(x0), y se considera el siguiente sistema
de n ecuaciones en las incgnitas c1, c2, ..., cn:
n
c k y k ( x0 ) ( x0 )
k 1
n
c k y' k ( x 0 ) ' ( x 0 )
k 1
........................
n
c k y kn 1) ( x0 ) n 1) ( x0 ) .
k 1
Como el determinante de la matriz de los coeficientes W[y1, y2, ..., yn](x0)
es distinto de cero, el sistema tiene solucin nica, es decir existen c1, c2, ..., cn
constantes que verifican las n ecuaciones y por el teorema 10.1.2 de unicidad
n
de la solucin: = ck y k .
k 1
Teorema 10.2.9:
Sea el conjunto de soluciones de la ecuacin diferencial lineal
homognea de orden n, L(y) = 0; entonces tiene estructura de espacio
vectorial de dimensin n.
Demostracin:
El teorema 10.2.2 garantiza la linealidad de las soluciones de la ecuacin
homognea L(y) = 0, y adems se verifican los axiomas de espacio vectorial.
En este espacio funcional un conjunto fundamental de soluciones de la
ecuacin diferencial, que existe como resultado del teorema 10.2.7, es una
base de este espacio vectorial ya que por el teorema 10.2.8 cualquier solucin
se puede expresar como combinacin lineal de los elementos del conjunto
fundamental de soluciones que por definicin son funciones linealmente
independientes. Adems cada solucin no puede depender de ms de n
constantes, ya que en este caso sera solucin de una ecuacin diferencial de
grado mayor que n.
Corolario 10.2.10:
Sea {y1, y2, ..., yn} un conjunto fundamental de soluciones de la ecuacin
diferencial lineal homognea de orden n, L(y) = 0, en el intervalo (a, b). La
solucin general de esta ecuacin, (x), se puede expresar de la forma:
n
(x) = ck y k ( x ) .
k 1
10.2.3. Estructura de las soluciones de la ecuacin completa
En este apartado se demuestra que la solucin general de una ecuacin
diferencial lineal completa se puede obtener a partir de una solucin particular

de sta y la solucin general de la ecuacin homognea, resultado que ya se
estudi para las ecuaciones lineales de primer orden y que tiene gran
importancia como mtodo para resolver ecuaciones no homogneas. Para ello
se estudia que el conjunto de soluciones de una ecuacin diferencial lineal de
orden superior completa tiene estructura de espacio afn, siendo su espacio
vectorial asociado el conjunto de soluciones de la ecuacin diferencial lineal
homognea asociada.
Teorema 10.2.11:
Sean P1(x), P2(x), ..., Pn(x), G(x), funciones continuas en un intervalo
abierto (a, b) y sea L(y) = yn) + P1(x)yn-1) + ... + Pn-1(x)y' + Pn(x)y. Si y1, y2, ...,
yn son n soluciones linealmente independientes de la ecuacin diferencial L(y)
= 0 en el intervalo (a, b) y P es una solucin cualquiera de la ecuacin no
homognea L(y) = G(x), entonces para toda solucin de esta ecuacin,
existen n constantes c1, c2, ..., cn, tales que puede expresarse por:
n
= P + ck y k
k 1
Demostracin:
Sea una solucin arbitraria de la ecuacin L(y) = G(x). Como P tambin
es solucin se tiene que ambas funciones verifican la ecuacin, por lo que
L(P) = G y L() = G. Por la linealidad de L se verifica que L( P) = G(x)
G(x) = 0, y por lo tanto P es una solucin de la ecuacin homognea
asociada. Por el teorema 10.2.8 existen n constantes c1, c2, ..., cn, tales que
n n
P = ck y k = P + c k y k , de donde se deduce que la solucin de
k 1 k 1
la ecuacin no homognea se puede expresar como la suma de una solucin
particular de sta ms la solucin general de la homognea.
Teorema 10.2.12:
Sean P1(x), P2(x), ..., Pn(x), G(x), funciones continuas en un intervalo
abierto (a, b) y sea L(y) = yn) + P1(x)yn-1) + ... + Pn-1(x)y + Pn(x)y. El conjunto
de soluciones de la ecuacin diferencial lineal completa L(y) = G(x) tiene
estructura de espacio afn de dimensin n construido sobre el espacio vectorial
de soluciones de la ecuacin homognea L(y) = 0.
Sea el conjunto de soluciones de la ecuacin homognea que por el
teorema 10.2.9 tiene estructura de espacio vectorial de dimensin n y el
conjunto de soluciones de la ecuacin completa.
La aplicacin h: x , definida por h(1, 2) = 2 1 estructura a
como espacio afn ya que:
Si 1, 2 L(2 1) = L(2) L(1) = G G = 0 2 1 .
Adems se verifican los axiomas de espacio afn:
1 1 y , 2 , tal que h(1, 2) = 2 1 = .
Basta tomar 2 = 1 + . Es claro que 2 ya que L(2) = L(1 + ) =
L(1) L() = G.
2 Si 1, 2, 3 entonces h(1, 2) + h(2, 3) = h(1, 3) lo que se
verifica ya que 2 1 + 3 2 = 3 1.
Ejemplos resueltos
Ejemplo 10.2.1: Estudiar la dependencia o independencia lineal del

conjunto de funciones 1, x, x2, ..., xn.
Estas funciones son linealmente independientes en el intervalo (, ), ya
que si la igualdad 1 + 2x + ... + n+1xn = 0, se verifica para todos los valores
de x, entonces 1 = 2 = ... = n+1 = 0.
Ejemplo 10.2.2: Demostrar que el conjunto de funciones { e k 1 x , e k 2 x , e k 3 x }
donde k1, k2, k3, son nmeros reales todos ellos distintos entre s, es linealmente
independiente en (, ).
e k1x e k2 x e k3 x
W[ e k 1x ,e k 2 x ,e k 3 x ] = k1e k1x k 2 e k1x k 3 e k1x =
k12 e k1x k 22 e k1x k 32 e k1x
1 1 1
k3 x
= e k1x
.e k2 x
.e k1 k2 k3 = e k1x .e k 2 x .e k3 x (k2 - k1)(k3 - k1)(k3 - k2).
k12 k 22 k32
Como k1, k2, k3, son nmeros todos ellos distintos, entonces
W[ e k 1 x , e k 2 x , e k 3 x ] 0 para todo x (, ); por lo tanto las funciones son
linealmente independientes.
Ejemplo 10.2.3: Demostrar que el conjunto de funciones
{ e x sen x , e x cos x } es linealmente independiente en (, ).
Se supone que existen dos nmeros reales 1, 2 tales que
1e x sen x 2 e x cos x 0 ; dividiendo la igualdad por ex, se obtiene
1sen x 2 cos x 0 . Si se toma el valor x = 0 se tiene que 2 = 0 y por lo
tanto 1sen x 0 . Como la funcin sen x no es la funcin cero, resulta que
1 = 0 y por lo tanto las funciones consideradas son linealmente

independientes.
Ejemplo 10.2.4: Estudiar la dependencia o independencia lineal de las
funciones y1 e y2 definidas por:
x 2 x ( 1, 0 ) 0 x ( 1, 0 )
y 1 (x) = e y 2 (x) = 2
0 x [ 0, 1) x x [ 0, 1)
Las funciones y1 e y2 son linealmente independientes en el intervalo (1,
1) y sin embargo su wronskiano es la funcin cero, por lo tanto {y1, y2} no
pueden ser soluciones de una misma ecuacin diferencial lineal de orden dos.
Ejemplo 10.2.5: Pueden ser f(x) = x y g(x) = ex soluciones de la ecuacin
y + p(x)y + q(x) = 0, p(x) y q(x) funciones continuas, en el intervalo (0, 2)? Y
en el intervalo (6, 1)?
Las funciones f y g son linealmente independientes. Por otra parte su
wroskiano W[f, g](x) = ex(x 1) se anula en x = 1, por lo que no pueden ser
soluciones de una ecuacin diferencial lineal en el intervalo (0, 2) que contiene
a x = 1, y s podran serlo en (6, 1) que no lo contiene.
Ejercicios
10.5. Demostrar que {eax, xeax, ..., xn-1eax} es un conjunto de funciones
linealmente independientes en .
10.6. Verificar si el conjunto de funciones {lnx, xlnx, x2lnx} es linealmente
independiente en +.
10.7. Comprobar si las siguientes funciones (x) son solucin general de
las ecuaciones diferenciales siguientes:

a) y + y = 0; (x) = C1cos x + C2sen x.
b) y y = 0; (x) = C1ex + C2e-x.
c) y + y = 1; (x) = C1cos x + C2sen x + 1.
e 2x
d) y y = e ; (x) = C1e + C2e +
2x x -x
.
3
10.3. ECUACIONES DIFERENCIALES LINEALES
HOMOGNEAS CON COEFICIENTES
CONSTANTES
10.3.1. Ecuacin caracterstica. Autovalores
Una ecuacin diferencial lineal homognea con coeficientes constantes se
puede expresar de la forma L(y) = 0 siendo L(y) = yn) + p1yn-1) + ... + pn-1y' +
pny, con p1, p2, ..., pn constantes
Para resolver la ecuacin diferencial lineal homognea L(y) = 0, se
buscan soluciones de la forma y = ex, de donde y = ex, y en general yn) =
nex. Al sustituir estas funciones en la ecuacin se obtiene que:
(n + p1n-1+ ... + pn-1 + pn)ex = 0
y como ex 0 se debe verificar que:
n + p1n-1+ ... + pn-1 + pn = 0.
Definicin10.3.1:
Se denomina ecuacin caracterstica de L(y) = 0 a la ecuacin:
n + p1n-1+ ... + pn-1 + pn = 0
y polinomio caracterstico al polinomio que la define.
Por lo tanto y = ex es solucin de la ecuacin L(y) = 0 si y slo si es raz
de su ecuacin caracterstica.
Definicin 10.3.2:
Se denominan autovalores o valores propios de la ecuacin diferencial
L(y)= 0 a las races de su ecuacin caracterstica.
Los autovalores se denominan simples o mltiples con el mismo criterio
que las correspondientes races de la ecuacin caracterstica, siendo el orden
de multiplicidad de un autovalor mltiple el orden de la raz correspondiente.
El teorema fundamental del lgebra asegura que esta ecuacin tiene n
autovalores que pueden ser reales o complejos y simples o mltiples y es
precisamente esta clasificacin de los autovalores la que determina los
distintos tipos de solucin de la ecuacin diferencial. La diferenciacin entre
autovalores reales y complejos slo es necesario realizarla cuando se buscan
soluciones reales de la ecuacin diferencial.
10.3.2. Discusin de las soluciones
Caso 1: Los autovalores son reales y simples.
Se supone que la ecuacin caracterstica tiene n races reales y simples,
que son los autovalores de la ecuacin 1, 2, ..., n. Entonces el operador L
puede expresarse como un producto de n operadores de la siguiente forma:

L = (D 1)(D 2)(D n).
Un conjunto fundamental de soluciones de la ecuacin L(y) = 0 viene
dado por y1(x) = e 1x , y2(x) = e 2 x , ..., yn(x) = e n x , y por tanto la solucin
general es una combinacin lineal de estas funciones:
n
( x ) Ck e kx .
k 1
Caso 2: Los autovalores son reales y alguno de ellos es mltiple
Si se supone que slo existe un autovalor mltiple , con orden de
multiplicidad s, el operador L puede expresarse como un producto de
operadores de la siguiente forma L = (D )sLs(D).
Las soluciones de la ecuacin Ls(D) = 0 estn determinadas como en el
caso anterior. Para buscar soluciones de la ecuacin (D )s(y) = 0, se prueba
con funciones de la forma y(x) = g(x)ex, siendo g(x) una funcin por
determinar.
Para demostrar lo que sigue se necesita un lema previo:
Lema 10.3.1:
Sea y(x) una funcin compleja con derivadas continuas hasta el orden m,
entonces se verifica que (D )m(exy(x)) = exDm(y(x)), siendo constante.
Demostracin:
Se probar por induccin sobre m.
Para m = 0 es evidente. Supuesto cierto para m 1, se tiene que:
(D )m(exy(x)) = (D )(D )m-1(exy(x)) = (D )(exDm-1(y(x)) =

exDm(y(x)).
Se debe verificar que (D )s(g(x)ex) = 0 por lo que exDs(g(x)) = 0, y
como ex 0 resulta que Ds(g(x)) = 0, por lo tanto una solucin para g(x) es un
polinomio de grado s 1.
Las s soluciones linealmente independientes buscadas de la ecuacin
(D)s(y) = 0 pueden ser:
y1(x) = ex, y2(x) = xex, y3(x) = x2ex, ..., ys(x) = xs-1ex,
y la solucin general es de la forma:
s(x) = (C1 + C2x + C3x2 + ... + Csxs-1)ex.
Por otra parte si 1, 2, ..., n-s son los autovalores simples, un conjunto
fundamental de soluciones de la ecuacin L(y) = 0 estar formado por
y1(x) = ex, y2(x) = xex, y3(x) = x2ex, ..., ys(x) = xs-1ex, ys+1(x) = e 1 x ,
ys+2(x) = e 2 x , ..., yn(x) = e n s x , ya que son n soluciones linealmente
independientes de una ecuacin diferencial de orden n.
Por lo tanto la solucin general es una combinacin lineal de estas
funciones:
S n s
( x ) ( Ck x k 1 )e x Cs k e kx .
k 1 k 1
Cuando las funciones que son solucin de la ecuacin diferencial pueden
ser funciones con valores complejos la discusin general estara terminada, los
siguientes casos slo son necesarios cuando se buscan soluciones reales.
Teniendo en cuenta que una ecuacin polinmica que tiene una raz
compleja + i tambin tiene su conjugada i y con objeto de simplificar
la notacin, los siguientes casos que se discuten se van a reducir a considerar
dos autovalores complejos que pueden ser simples o mltiples.
Caso 3: Dos autovalores complejos simples
Sean + i y i los autovalores complejos. Un conjunto fundamental
de soluciones en el plano complejo es z1(x) = e(+i)x y z2(x) = e(-i)x, pero si z1 y
z2 son soluciones linealmente independientes tambin lo son sus
z z z z2
combinaciones lineales y1 1 2 e y2 1 , y por lo tanto
2 2i
y 1( x ) e x cos x e y 2 ( x ) e x senx , que son funciones reales, forman
un conjunto fundamental de soluciones reales y la solucin general de la
ecuacin diferencial es:
( x ) C1e x cos x C2 e x senx .
Caso 4: Dos autovalores complejos mltiples de orden s
Sean + i y i los autovalores complejos de orden de multiplicidad
s. Utilizando los resultados de los dos casos anteriores se tiene que un
conjunto fundamental de soluciones est formado por:
y1(x) = excos x, y2(x) = xexcos x, ..., ys(x) = xs-1excos x,
ys+1(x) = ex.sen x, ys+2(x) = xexsen x, ...., y2s(x) = xs-1exsen x
y la solucin general de la ecuacin diferencial es:
S S
( x ) ( Ck x k 1
)e x
cos x ( Cs k x k 1)e x senx .
k 1 k 1
Ejemplos resueltos
Ejemplo 10.3.1. Calcular la solucin general de la ecuacin diferencial:
y 3y + 2y = 0.
Primero se calculan sus autovalores, es decir, las races de su ecuacin
caracterstica 2 3 + 2 = 0, que son 1 = 1 y 2 = 2.
Un conjunto fundamental de soluciones est formado por {ex, e2x} y por lo
tanto la solucin general de la ecuacin es:
(x) = C1ex + C2e2x.
Ejemplo 10.3.2. Resolver la ecuacin diferencial y + 2y + y = 0 y
encontrar la solucin particular que verifique que y(0) = y(0) = 1.
Su ecuacin caracterstica 2 + 2 + 1 = 0, slo tiene un autovalor = 1
de orden dos.
Un conjunto fundamental de soluciones est formado por {e-x, xe-x} y por
lo tanto la solucin general de la ecuacin es (x) = C1e-x + C2xe-x.
La solucin particular que verifica las condiciones iniciales es:
(x) = e-x + 2xe-x,
ya que (0) = C1 y (0) = C1 + C2 , luego C1= 1 y C2 = 2.
Ejemplo 10.3.3: Integrar la ecuacin diferencial y + 6y + 20y = 0.
Se escribe su ecuacin caracterstica, 3 + 6 + 20 = 0, y sus autovalores
1 = 2, 2 = 1 + 3i y 3 = 1 3i. Un conjunto fundamental de soluciones est
formado por {e-2x, excos 3x, exsen 3x} y por lo tanto la solucin general de la
ecuacin viene expresada por:
(x) = C1e-2x + C2excos 3x + C2exsen 3x.
Ejemplo 10.3.4: Resolver yvi + yiv y y = 0.
Esta ecuacin tiene como ecuacin caracterstica es 6 + 4 2 1 = 0,
que tiene dos autovalores reales simples 1 = 1, 2 = 1 y dos complejos 3 = i,
4 = i de orden dos.
Un conjunto fundamental de soluciones esta formado por {ex, e-x, cos x,
senx, xcosx, xsenx} y por lo tanto la solucin general de la ecuacin viene
dada por:
(x) = C1ex + C2e-x + C3cos x + C4sen x + C5xcos x + C6xsen x.
Ejemplo 10.3.5: Buscar una ecuacin diferencial lineal homognea de
segundo orden con coeficientes constantes que tenga como soluciones:
y1(x) = e3x, y2(x) = e-2x.
El polinomio caracterstico debe tener las races 3 y 2 y ser de segundo
grado. Por tanto p() = ( 3)( + 2) = 2 6 y la ecuacin buscada es:
y y 6y = 0.
Ejemplo 10.3.6: Escribir la solucin general de una ecuacin diferencial
lineal homognea de coeficientes constantes cuyo polinomio caracterstico es
p() = ( 1)( + 3)( + 5)( 2)( 4).
La solucin general es:
(x) = C1ex + C2e-3x + C3e-5x + C4e2x + C5e4x.

Ejercicios
10.8. Calcular la solucin general de las siguientes ecuaciones lineales:
a) y + 2 y + 5 y = 0.
b) y iv y = 0.
c) y 2y 3 y = 0.
10.9. Integrar las ecuaciones:
a) y 2 y 5 y + 6 y = 0.
b) y iv y = 0.
c) y iv + y = 0.
d) (D 2 2D + 5) 2 ( y ) = 0.
10.10. Probar que si xex es una solucin de la ecuacin diferencial lineal
de segundo orden con coeficientes constantes L(y) = 0, entonces su
ecuacin caracterstica tiene a como raz doble.
10.4. MTODOS DE RESOLUCIN DE ECUACIONES
DIFERENCIALES LINEALES
10.4.1. Reduccin de orden de una ecuacin diferencial lineal
homognea. Mtodo de DAlembert
El mtodo de DAlembert consiste en reducir el orden de una ecuacin
lineal homognea, sin que deje de ser lineal, cuando previamente se conoce
una solucin particular que no sea trivial.

Sean P 1 ( x ), P 2 ( x ), ..., Pn(x) funciones continuas en un intervalo abierto
(a, b) y L(y) = yn) + P1(x)yn-1) + ... + Pn-1(x)y + Pn(x)y.
Se considera la ecuacin homognea L(y) = 0. Sea y1(x) una solucin
particular, no trivial, de la ecuacin anterior. Si se supone que y(x) = z(x)y1(x),
donde z(x) es una nueva funcin incgnita, se tiene una ecuacin de la forma
an(x)zn) + an-1(x)zn-1) + ... + a1(x)z' = 0; llamando z(x) = u(x) se obtiene una
ecuacin diferencial en u(x) en la que el orden queda reducido en una unidad.
Por tanto un mtodo general de bsqueda de soluciones puede ser
tantear con soluciones sencillas: polinmicas, exponenciales o trigonomtricas
y si se consigue hallar una, entonces es posible reducir el orden. De esta forma
resulta fcil resolver ecuaciones de segundo orden que quedan reducidas a
ecuaciones lineales de primer orden; adems en este caso las funciones y1(x) e
y2(x) = z(x)y1(x) son linealmente independientes y por tanto forman un conjunto
fundamental de soluciones.
10.4.2. Mtodo de variacin de las constantes
El mtodo de variacin de las constantes o mtodo de variacin de
parmetros se emplea para resolver una ecuacin lineal no homognea de
orden n. Consiste en obtener primero la solucin general de la ecuacin
homognea y buscar a continuacin una solucin de la ecuacin completa que
tenga la forma de la solucin general de la ecuacin homognea pero
considerando las constantes como funciones a determinar.
Sea L(y) = G(x), con L(y) = yn) + P1(x)yn-1) + ... + Pn-1(x)y' + Pn(x)y, la
n
ecuacin no homognea que se quiere resolver y sea H(x) = c k y k (x) la
k 1
solucin general de la ecuacin homognea asociada en el intervalo (a, b). Se
supone que una solucin particular de la ecuacin completa es de la forma (x)
n
= v k ( x )y k ( x ) , siendo v (x) funciones que hay que determinar. Para ello es
k
k 1
necesario imponer n condiciones.
Al derivar la expresin anterior se obtiene:
n n
(x) = v ' k ( x )y k ( x ) v k ( x )y ' k ( x ) ,
k 1 k 1
n
si se impone la condicin v' k ( x )y k ( x ) 0 resulta:
k 1
n
(x) = v k ( x )y' k ( x ) .
k 1
Derivando de nuevo esta expresin:
n n
(x) = v' k ( x )y' k ( x ) v k ( x )y' ' k ( x )
k 1 k 1
n
y si se impone de nuevo la condicin v' k ( x )y' k ( x ) 0 se obtiene:
k 1
n
(x) = v k ( x )y ' ' k ( x ) .
k 1
Se repite este proceso hasta la derivada de orden n con lo que se tiene
que:
n n
n)(x) = v' k ( x )y kn 1) ( x ) c k ( x )y kn ) ( x ) ,
k 1 k 1
Sustituyendo en la ecuacin diferencial:
L() = n + P1n-1 + ... + Pn-1 + Pn = G(x)
n n n n n
v' k ( x )y kn 1) ( x ) v k y kn ) +P1 v k y kn 1) +...+Pn-1 v k y' k +Pn vk yk =
k 1 k 1 k 1 k 1 k 1
n n
v' k ( x )y kn 1) ( x ) v k ( y kn ) P1 y kn 1) ... Pn 1 y k ' Pn y k ) = G(x).
k 1 k 1
y por tanto:
n
v' k ( x )y kn 1) ( x ) G( x )
k 1
Si se pueden encontrar n funciones v1(x), v2(x), ..., vn(x) que verifiquen las
n condiciones impuestas, entonces es una solucin particular de la ecuacin
completa.
Las funciones v1(x), v2(x), ..., vn(x) se obtienen, por tanto, como solucin
del sistema:
n
v' k ( x )y k ( x ) 0
k 1
n
v' k ( x )y' k ( x ) 0
k 1
.......................
n
v' k ( x )y kn 1) ( x ) G( x ) .
k 1
En este sistema el determinante de los coeficientes de las incgnitas es el
wronskiano W[y1, y2, ..., yn](x), que por el corolario 10.2.6 no se anula en ningn
punto del intervalo (a, b). Por lo tanto tiene solucin nica y aplicando la regla
Wk
de Cramer se obtiene que vk = , 1 k n, donde Wk es el determinante
W
que se obtiene del wronskiano sustituyendo la columna k por (0, 0, ..., 0, G).
x
Wk ( t )
Al integrar se tiene que vk(x) = W (t )
dt , siendo x0 un punto del
x0
intervalo (a, b). Sustituyendo se obtiene una solucin particular de la ecuacin
n x
Wk ( t )
lineal no homognea p(x) =
W ( t ) dt y k ( x ) . Por el teorema 10.2.11 la
k 1 x 0

solucin general de la ecuacin completa g se puede expresar por g = H +
p es decir, la solucin general de la ecuacin homognea asociada ms una
solucin particular de la completa.
Ejemplos resueltos
Ejemplo 10.4.1: Resolver la ecuacin diferencial xy + 2y + xy = 0, x > 0,
senx
sabiendo que y1 = es una solucin particular.
x
Para calcular una solucin linealmente independiente de y1 se busca una
senx
segunda solucin de la forma y2(x) = z(x). Entonces y2 = y1z + y1z e
x
y2 = y1z + 2y1z + y1z.
x(y1z + 2y1z + y1z) + 2(y1z + y1z) + xy1z = 0
y se ordenan trminos:
zxy1 + z(2xy1 + 2y1) + z(xy1 + 2y1 + xy1) = 0.
Al ser la funcin y1 una solucin particular de xy1 + 2y1 + xy1 = 0, se
verifica que el trmino que multiplica a z es igual a cero y se tiene: zxy1 +
z(2xy1 + 2y1) = 0.
senx
Como y1 = xy1 = sen x
x
cos x senx senx

2xy1 + 2y1= 2x ( 2 )2 = 2cos x.
x x x
La ecuacin queda de la forma sen xz + 2cos xz = 0 que se puede
z'' 2cos x
expresar por 0 , e integrando lnz + 2lnsenx= K, luego zsen2x
z' senx
= C1 y por lo tanto z = C1cotg x + C2.
cos x
Se tiene entonces que y2 = y la solucin general de la ecuacin
x
diferencial viene expresada por:
cos x senx
y = C1 + C2 , x > 0.
x x
Ejemplo 10.4.2: Resolver la ecuacin diferencial y + y = cosec x
sabiendo que la solucin general de la ecuacin homognea es:
H(x) = Acos x + Bsen x.
Se comprueba primero la solucin general de la ecuacin homognea
(x) = Acos x + Bsen x y se busca una solucin particular de la ecuacin

completa de la forma p(x) = A(x)cos x + B(x)sen x. Para determinar las
funciones A(x) y B(x) se resuelve el sistema:
A(x)cos x + B(x)sen x = 0
A(x)sen x + B(x)cos x = cosec x
Se obtiene que A(x) = 1 y B(x) = cotg x; integrando, A(x) = x + C1 y
B(x) = ln Isen xI + C2. Una solucin particular es:
p(x) = xcos x + sen xln Isen xI.
La solucin general de la ecuacin no homognea es:
(x) = (x + C1)cos x + (ln Isen xI + C2)sen x.
x2y 6x2y + 9x2y = e3x, x > 0.
Se calcula primero la solucin general de la ecuacin homognea H(x) =
Ae3x + Bxe3x, y se busca una solucin particular de la ecuacin completa de la
forma p(x) = A(x)e3x + B(x)xe3x. Para determinar las funciones A(x) y B(x) se
resuelve el sistema:
A(x)e3x + B(x)xe3x = 0
A(x)3e3x + B(x)[e3x + x3e3x] = e3xx-2.
Se observa que el coeficiente de y debe ser 1, por lo que G(x) = e3xx-2
El sistema tiene como solucin A(x) = x-1 y B(x) = x-2, e integrando, A(x)
= lnIxI + C1 y B(x) = x-1 + C2, por tanto la solucin general de la ecuacin no
homognea es: (x) = (lnIxI + C1)e3x + (x-1 + C2)xe3x, x > 0.

Ejercicios
10.11. Resolver la ecuacin xy (x + 1)y + y = 0, x > 0, buscando
previamente una solucin particular de tipo exponencial.
10.12. Resolver la ecuacin x2y + 2xy 6y = 0, x > 0, buscando
previamente una solucin particular de tipo y = xr.
10.13. Calcular, utilizando el mtodo de variacin de las constantes, la
solucin general de las siguientes ecuaciones:
a) y'' + y = sec x.
b) y''' + y' = cosec x.
c) y'' + 4y = tg 2x.
d) y'' + 2y' + y = e-xln x.
10.14. Encontrar la solucin general para cada una de las siguientes
ecuaciones:
1
a. (D 2 4D + 3)( y ) =
1 e x
1
b. (D 2 1)( y ) = .
( 1 e x )2
10.4.3. Ecuaciones diferenciales lineales no homogneas con
coeficientes constantes
Los mtodos que se estudian a continuacin estn indicados,
especialmente, para resolver ecuaciones diferenciales lineales con coeficientes
constantes, pues con ellos generalmente resulta ms fcil obtener una solucin
particular de la ecuacin no homognea que con el mtodo general de

variacin de las constantes.
Mtodo del anulador
Se considera la ecuacin diferencial L(y) = G(x), donde el operador L tiene
coeficientes constantes. El mtodo consiste en encontrar un operador A con
coeficientes constantes que anule la funcin G, es decir, A(G) = 0. De este
modo, aplicando el operador A a la ecuacin dada, se obtiene AL(y) = A(G) = 0
de forma que las soluciones de L(y) = G(x) tambin son soluciones de la
ecuacin homognea AL(y) = 0. Se resuelve esta ecuacin y entre sus
soluciones se elige una que satisfaga L(y) = G(x). Conocida una solucin
particular de la ecuacin completa, p, por el teorema 10.2.11, la solucin
general, g, de esta ecuacin se expresa por g = p + H, siendo H la solucin
general de la ecuacin homognea asociada.
Se puede aplicar el mtodo del anulador cuando se encuentre un
operador con coeficientes constantes que anule el trmino G(x), lo que slo es
posible cuando ste es de la forma: xmex, xmexcos x; xmexsen x.
A continuacin se incluye una lista de posibles funciones y de su
correspondiente anulador:
Funcin G(x) Operador anulador
G(x) = xm-1 Dm
G(x) = ex D
G(x) = xm-1ex (D )m
G1(x) = cos x; G2(x) = sen x D2 + 2
G1(x) = xm-1cos x; G2(x) = xm-1sen x (D2 + 2)m
G1(x) = excos x; G2(x) = exsen x (D )2 + 2
G1(x) = xm-1excos x; G2(x) = xm-1exsen x ((D )2 + 2)m
Mtodo de los coeficientes indeterminados
Se considera la ecuacin diferencial yn) + p1yn-1) + ... + pn-1y' + pny = G(x)
donde p1, p2, ..., pn son constantes y G(x) una funcin continua en un intervalo
de la recta real. Como en el mtodo anterior, por aplicacin del teorema 4.2.11,
obtener la solucin general de esta ecuacin se reduce a encontrar una
solucin particular de la ecuacin y la solucin general de la ecuacin
homognea asociada y slo se puede aplicar este mtodo cuando la funcin
G(x) sea de la forma:
G(x) = ex(Qm(x)cos x + Rr(x)sen x),
siendo Qm(x) y Rr(x) polinomios de grado m y r respectivamente, o bien cuando
la funcin G sea una combinacin lineal de este tipo de funciones.
Si G(x) = ex(Qm(x)cos x + Rr(x)sen x), una solucin particular p de la
ecuacin diferencial completa es:
p = xsex(Sk(x)cos x + Tk(x)sen x),
siendo k = max(m, r); Sk(x) y Tk(x) polinomios de grado k de coeficientes
indeterminados que hay que calcular y s el orden de multiplicidad de la raz de
la ecuacin caracterstica = i de la ecuacin homognea. En particular

cuando las races no son de la forma i, entonces s toma el valor 0.
Se observa que, en la prctica, este mtodo coincide con el mtodo del
anulador.
Para facilitar el clculo de la solucin particular segn las distintas formas
de G se resume su expresin en la siguiente tabla.
Funcin G(x) Races de la ecuacin Solucin particular
caracterstica k = max(m, r)
Qm(x) = 0 no es raz de la Sm(x)
ecuacin caracterstica
= 0 es raz de orden s xsSm(x)
= no es raz Sm(x)ex
Qm(x)ex = es raz de orden s xsSm(x)ex
real
= i no es raz Sk(x)cosx + Tk(x)senx
Qm(x)cosx + = i es raz de orden s xs (Sk(x)cosx + Tk(x)senx)
Rr(x)senx
= i no es raz (Sk(x)cosx +Tk(x)senx)ex
ex(Qm(x)cosx = i es raz de orden s xs(Sk(x)cosx +
+ Rr(x)senx) Tk(x)senx)ex
En ocasiones cuando en la ecuacin diferencial L(y) = G(x), la funcin
G(x) contiene las funciones trigonomtricas sen x, cos x se puede expresar
fcilmente como una funcin exponencial compleja. Considerar y resolver la
ecuacin en el plano complejo muchas veces simplifica los clculos como se

observa en el ejemplo 10.4.9.
Ejemplos resueltos
Ejemplo 10.4.4: Calcular una solucin particular de la ecuacin diferencial
lineal (D4 16)(y) = x2 + x + 1, buscando un polinomio anulador.
El operador D3 anula la ecuacin de forma que D3(D4 16)(y) = 0. Las
soluciones de la ecuacin caracterstica son 1 = 2 = 3 = 0, 4 = 2, 5 = 2, 6
= 2i, 7 = 2i y la solucin general es de la forma:
(x) = C1 + C2x + C3x2+ C4e2x + C5e-2x + C7cos 2x + C8sen 2x,
como los cuatro ltimos trminos son anulados por D4 16 por ser soluciones
de la ecuacin homognea, nuestro objetivo es encontrar C1, C2, C3, tal que (D4
16)(C1 + C2x + C3x2) = x2 + x + 1, por lo que 16C1 16C2x 16C3x2 = x2 +
1 1 1 1 2 1 1
x + 1, as C3 = , C2= , C1= y p(x) = x x .
16 16 16 16 16 16
Ejemplo 10.4.5: Calcular la solucin de la ecuacin diferencial lineal:
(D4 16)(y) = x2 + x + 1
mediante el mtodo de coeficientes indeterminados.
Las races de la ecuacin caracterstica son: 1 = 2, 2 = 2, 3 = 2i, 4 =
2i y la solucin general de la ecuacin homognea asociada es de la forma
H(x) = C1e2x + C2e-2x + C3cos 2x + C4sen 2x. Se busca una solucin
particular parecida a G(x) = x2 + x + 1, P(x) = Ax2 + Bx + C, e imponiendo que
1 2 1 1
sea solucin de la ecuacin completa se obtiene que p(x) = x x ,
16 16 16
por lo que solucin general pedida es:

1 2 1 1
(x) = C1e2x + C2e-2x + C3cos 2x + C4sen 2x + x x .
16 16 16
Ejemplo 10.4.6: Calcular la solucin general de la ecuacin diferencial
lineal (D2 3D + 2)(y) = ex, buscando un polinomio anulador.
El operador (D 1) anula a ex de modo que (D 1)(D2 3D +2)(y) = 0,
los autovalores son 1 = 2, 2 = 3 = 1, y la solucin general de esta ecuacin
es de la forma (x) = C1e2x + C2ex + C3xex. Como los dos primeros trminos
son anulados por (D2 3D + 2), es suficiente determinar C3 talque (D2 3D + 2)
(C3xex) = ex. Derivando se obtiene C3 = 1 y la solucin general de la ecuacin
es: g(x) = C1e2x + C2ex xex.
Si se utilizara el mtodo de los coeficientes indeterminados, al ser = 1
raz de la ecuacin caracterstica no se podra probar una solucin particular
(x) = Aex, sino que se probara con (x) = Axex, obtenindose que A = 1.
Ejemplo 10.4.7: Calcular la solucin general de la ecuacin diferencial
lneal y y + y y = x2 + x, y encontrar la solucin particular que verifica las
condiciones iniciales y(0) = 0; y(0) = y(0) = 1.
Se calcula primero una solucin de la ecuacin diferencial lineal
homognea asociada H(x) = C1ex + C2cos x + C3sen x; como = 0 no es un
autovalor, la solucin particular p es un polinomio de grado dos:
p(x) = Ax2 + Bx + C, cuyos coeficientes A, B, C hay que determinar. Se
sustituye este polinomio y sus derivadas en la ecuacin diferencial:
(2A) + (2Ax + B) (Ax2 + Bx + C) = x2 + x.
Se identifican coeficientes:
A = 1
2A B = 1
2A + B C = 0
Se resuelve el sistema y se tiene que A = 1; B = 3; C = 1 por lo que:
p(x) = x2 3x 1
y por tanto la solucin general es:
g(x) = C1ex + C2cos x + C3sen x x2 3x 1.
Para obtener la solucin particular que verifica que y(0) = 0; y(0) = y(0) =
1, se calcula g(0) = C1 + C2 1, g(0) = C1 + C3 3, g(0) = C1 C2 2 y
resolviendo el sistema:
C1 C 2 1 0

C1 C 3 3 1
C C 2 1
1 2
se obtiene C1= 2, C2 = 1 y C3 = 2 y por tanto la solucin particular que verifica
las condiciones iniciales es:
(x) = 2ex cos x + 2sen x x2 3x 1.
Ejemplo 10.4.8: Resolver la ecuacin y y = 12x2 + 6x.
Se calcula la solucin general de la ecuacin homognea asociada: H(x)
= C1 + C2x + C3ex, como = 0 es autovalor doble, la solucin particular p es un
polinomio de grado cuatro de la forma: p(x) = x2(Ax2 + Bx + C) = Ax4 + Bx3 +
Cx2, cuyos coeficientes A, B, C hay que determinar. Sustituyendo este
polinomio y sus derivadas en la ecuacin diferencial:

24Ax + 6B (12Ax2 + 6Bx +2C) = 12x2 + 6x.
Identificando coeficientes se obtiene el siguiente sistema:
12A = 12
24A 6B = 6
6B 2C = 0
de donde resulta: A = 1; B = 5 y C = 15. Por lo tanto la solucin particular
es:
p(x) = x4 5x3 15x2,
y la solucin general:
g(x) = C1 + C2 x + C3 ex x4 5x3 15x2.
Ejemplo 10.4.9: Resolver la ecuacin diferencial y'' + y = xsen x.
Los autovalores son 1 = i y 2 = i, y la solucin general de la ecuacin
homognea asociada tiene la forma H(x) = C1cos x + C2sen x; como i son
autovalores simples, una solucin particular de la ecuacin completa p es de
la forma p(x) = x[(Ax + B)cos x + (Cx + D)sen x], en la que hay cuatro
coeficientes por determinar.
Para simplificar se considera la ecuacin de variable compleja con
coeficientes reales z + z = xeix. Al ser xsen x la parte imaginaria de xeix,
entonces la parte imaginaria de una solucin de la ecuacin de variable
compleja es una solucin para la ecuacin de variable real.
Sea zp = (Ax + B)xeix = (Ax2 + Bx)eix una solucin particular de la

ecuacin de variable compleja; sustituyendo para calcular A y B se tiene que:
i 1
(2A + 4Axi + 2Bi)eix = xeix y por tanto A = y B = , por lo que:
4 4
i .x 2 x xcos x x 2 senx xsenx x 2 cos x

zp = (cos x isenx ) i
4 4 4
de donde resulta que una solucin particular p de la ecuacin inicial es:
xsenx x 2 cosx
p(x) =
4
xsenx x 2 cos x
g(x) = C1cos x + C2sen x +
4
Ejercicios
10.15. Encontrar la solucin general para cada una de las siguientes
ecuaciones:
a) (D 1)(D 2) 2 ( y ) = e 2x .
b) (D 2 1)( y ) = 4 x e x .
c) (D 3 4 D)( y ) = 4.
10.16. Resolver las siguientes ecuaciones diferenciales:
a) y 6y + 9y = e2x.
b) y y = sen2x. (Ayuda: Expresar sen2x en funcin del ngulo 2x).
c) y y + y y = x2 + x.
d) y 6y + 9y = 25exsen x.
10.17. Resolver las siguientes ecuaciones, planteando la correspondiente

ecuacin de variable compleja
a) y + y = xcos x
b) y + 4y = sen 2x
10.4.4. Ecuaciones diferenciales lineales con coeficientes no
constantes
No existen mtodos generales para resolver una ecuacin diferencial
lineal con coeficientes variables, pero hay diversos procedimientos, utilizando
distintos cambios de variable, que permiten rebajar el orden de la ecuacin.
Algunos de estos procedimientos coinciden con los que se estudiaban en el
captulo 9 para reducir el orden de una ecuacin diferencial de orden n. Otra
forma de reducir el orden de una ecuacin de este tipo es utilizar el principio de
DAlembert que se estudi en el apartado 10.4.1, pero esto supone que se
conoce una solucin particular. Por otra parte existen algunas ecuaciones
especiales, como la ecuacin de Cauchy-Euler, a las que se puede aplicar un
mtodo general de resolucin.
Para utilizar el mtodo de variacin de las constantes, aplicable a una
ecuacin lineal con coeficientes variables, es necesario conocer un conjunto
fundamental de soluciones de la ecuacin homognea asociada, lo que no
siempre es fcil cuando se trata de resolver una ecuacin diferencial lineal con
coeficientes variables.
Ecuacin de Cauchy-Euler
Definicin 10.4.1:
Se denomina ecuacin de Cauchy-Euler, o ecuacin equidimensional, a
una ecuacin diferencial lineal de la forma:
p0xnyn) + p1xn-1yn-1) + ... + pn-1xy' + pny = g(x),
con p0, p1, ..., pn y x 0.
Constituye una clase de ecuaciones con coeficientes variables cuya
solucin siempre puede escribirse en trminos de funciones elementales.
Se caracteriza porque el grado del exponente de x coincide con el orden
de la derivada. Se resuelve en primer lugar la ecuacin homognea asociada y
luego se obtiene una solucin particular de la completa.
Ecuacin homognea:
La ecuacin: p0xnyn) + p1xn-1yn-1) + ... + pn-1xy' + pny = 0, x 0, con p0,
p1, p2, ..., pn constantes, se denomina ecuacin homognea de Cauchy-Euler.
Se observa que el coeficiente de yn) es pnxn, que se anula en x = 0. Al
dividir por l la ecuacin diferencial para despejar yn) las funciones coeficientes
resultantes no son continuas en x = 0, por lo que se calcula una solucin en el
intervalo (0, +), o en el intervalo (, 0).
En la resolucin se pueden utilizar dos mtodos que resultan
coincidentes: hacer el cambio de variable x = et o buscar una solucin de la
forma y = xr, para algn valor de r.
Mtodo 1:
Realizando el cambio de variable x = et estas ecuaciones se reducen a
ecuaciones lineales homogneas de coeficientes constantes. La ecuacin, con
este cambio de variable, queda de la forma:

d ny d n 1y dy
q0 q1 ... q n 1 q n y 0 con q1, q2, ..., qn constantes.
n n dt
dt dt
Mtodo 2:
Este mtodo consiste en buscar una solucin de la ecuacin del tipo y =
xr, siendo r un nmero por determinar.
En este caso y = rxr-1; y = r(r 1)xr-2; ..., yn) = r(r 1) ... (r n + 1)xr-n.
Al sustituir esta funcin y sus derivadas en la ecuacin se tiene xr(q(r)) = 0
siendo q(r) un polinomio en r. Ya que xr 0 se tiene que q(r) debe ser 0. Las
soluciones de esta ecuacin permiten obtener un conjunto fundamental de
soluciones.
Ecuaciones completas
Sean p0, p1, p2, ..., pn constantes. Las ecuaciones de Cauchy-Euler
completas del tipo:
p0xnyn) + p1xn-1yn-1) + ... + pn-1xy' + pny = xQm(lnx), x 0, siendo Qm(x)
un polinomio de grado m, se pueden resolver por el mtodo de los coeficientes
indeterminados de forma similar a como se resolvan las ecuaciones no
homogneas de coeficientes constantes de la forma exQm(x). En este caso,
una solucin particular es del tipo p(x) = xRm(lnx), siendo Rm(x) un polinomio
de grado m.
Ecuacin de Cauchy-Euler con cambio de variable
Un cambio de variable similar al que ha resuelto la ecuacin de Cauchy-
Euler se puede utilizar para resolver la siguiente ecuacin homognea:
p0(ax + b)nyn) + p1(ax + b)n-1yn-1) + ... + pn-1(ax + b)y' + pny = 0, ax + b 0.

Buscando soluciones de la forma (x) = (ax + b)r, o haciendo el cambio ax
+ b = et, una ecuacin de este tipo se transforma en una ecuacin diferencial
lineal homognea de coeficientes constantes.
Es evidente que la ecuacin de Cauchy-Euler es un caso particular de
esta ecuacin cuando a = 1 y b = 0
Cambios de variable
Ecuaciones en las que falta la funcin incgnita
Si la ecuacin es de la forma yn)(x) + P1(x)yn-1)(x) + ... + Pn-1(x)y'(x) =
G(x), el cambio de variable y(x) = u(x), reduce el orden de la ecuacin en una
unidad.
dy d 2 y du dny d n 1u
Efectivamente si u , entonces y y la
dx dx 2 dx dx n dx n 1
ecuacin que resulta un-1)(x) + P1(x)un-2)(x) + ... + Pn-1(x)u(x) = G(x) es de
orden n 1.
Anlogamente si en la ecuacin diferencial falta la funcin y y sus
derivadas hasta el orden k, es decir, se puede expresar de la forma:
yn)(x) + P1 (x)yn-1)(x) + ... + Pn-k(x)yk)(x) = G(x),
dky
realizando el cambio de variable u se reduce el orden de la ecuacin en
dx k
k unidades.
Ejemplos resueltos
Ejemplo 10.4.10: Resolver la ecuacin de Cauchy-Euler:

x2y'' + xy' y = 0, x 0.
Haciendo el cambio x = et se tiene que:
dy t d 2 y dy 2t
y' e ; y' ' e .
dt dt 2 dt

d 2y
Sustituyendo, la ecuacin queda de la forma: y 0.
dt 2
La solucin general de esta ecuacin es: (t) = C1et + C2e-t. Deshaciendo
el cambio se obtiene la solucin general de la ecuacin inicial:
(x) = C1x + C2x-1.
Para resolver por el otro mtodo la ecuacin anterior x2y + xy y = 0,
se sustituye en la ecuacin diferencial la solucin y = xr. Se tiene que x2r(r
1)xr-2 + xrxr-1 xr = 0 y por lo tanto xr(r2 1) = 0, como xr 0 se tiene que r2
1 = 0, y la solucin es r = 1 y r = 1. Las funciones y1 = x; y2 = x-1 forman un
conjunto fundamental de soluciones, de las que se obtiene la solucin general:
(x) = C1x + C2x-1.
Ejemplo 10.4.11: Integrar la ecuacin x2y xy 3y = 16x-1ln x, x > 0.
Se resuelve primero la ecuacin diferencial homognea asociada
buscando una solucin del tipo y = xr. Sustituyendo y = rxr-1; y = r(r 1)xr-2
se tiene que xr(r2 2r 3) = 0, de races r = 3 y r = 1. Por tanto la solucin
general de la ecuacin diferencial homognea es (x) = C1x3 + C2x-1.
A continuacin se busca una solucin particular de la ecuacin completa.
Como = 1 es un autovalor simple, se tiene que:

p(x) = x-1lnx(Aln x + B) = x-1(Aln2x + Bln x),
p(x) = x-2(Aln2x + (2A B)ln x + B),
p(x) = x-3(2Aln2 x + (2B 6A)ln x 3B + 2A),
y al sustituirlos en la ecuacin:
x-1(8Aln x 4B + 2A) = 16x-1ln x
resulta que A = 2 y B = 1 y la solucin particular buscada es:
p(x) = x-1(2ln2 x + ln x).
Por lo tanto la solucin general es:
g(x) = x-1(C1x4 + C2 + 2ln2x + ln x).
Ejemplo 10.4.12: Resolver la ecuacin diferencial xy 2y = x.
Al realizar el cambio de variable u = y se tiene que u = y, que se
sustituye en la ecuacin y se obtiene xu 2u = x, ecuacin lineal de primer
orden. La solucin general es u(x) = x + C1x2. Se deshace el cambio: y(x) =
x + C1x2. Se integra de nuevo para obtener la solucin general:
x2 x3
g(x) = C1 C2 .
2 3
Ejemplo 10.4.13: Resolver la ecuacin diferencial xy 2y = 0.
Realizando el cambio de variable y = u, la ecuacin que resulta es lineal
de primer orden xu 2u = 0, que tiene como solucin general u(x) = k1x2.
x3 x4
Deshaciendo el cambio y(x) = k1 k 2 e y(x) = k1 k 2 x k 3 , es decir:
3 12
g(x) = C1x4 + C2x + C3.

Ejercicios
10.18. Resolver las siguientes ecuaciones.
a) x2y xy + 2y = xln x
b) x2y xy + y = 2x
c) x2y 2xy + 2y = x2 2x + 2.
10.19. Hallar la solucin general de las siguientes ecuaciones diferenciales
lineales:
a) (1 + x2)y + 2xy = 2x-3
b) xy y = 2x-1 ln x
c) (1 + 2x)y + 4xy + (2x 1)y = e-x.
d) x2y xy 3y = 5x4.
10.20. Calcular la solucin general de las siguientes ecuaciones conocida
una solucin particular.
a) x2(ln x 1)y xy + y = 0, siendo y1(x) = x, una solucin particular.
b) (2x + 1)y + (4x 2)y 8y = 0 siendo y1(x) = emx, una solucin
particular.
10.5. DESARROLLOS EN SERIES DE POTENCIAS
En el apartado anterior se han estudiado algunos mtodos para resolver
una ecuacin lineal de orden n con coeficientes variables que se pueden

aplicar cuando las ecuaciones diferenciales son de una forma especfica. Pero
existen muchas ecuaciones diferenciales que aparecen en las aplicaciones que
no se ajustan a los modelos anteriores y es preciso para resolverlos aplicar un
mtodo general que consiste en buscar soluciones linealmente independientes
expresadas mediante una serie de potencias. El procedimiento que se utiliza
para resolverlas es similar al de los coeficientes indeterminados aplicado a una
serie infinita. El estudio que se realiza a continuacin, centrado en las
ecuaciones diferenciales lineales de segundo orden, trata, esencialmente, de
su desarrollo y de las condiciones necesarias para poder aplicarlo.
10.5.1. Soluciones en torno a puntos ordinarios
Definicin 10.5.1:
Se dice que x0 es un punto ordinario de la ecuacin diferencial lineal:
y + P(x)y + Q(x)y = 0
si P(x) y Q(x) son funciones analticas en un entorno del punto x0, es decir,
cada una de ellas se puede expresar como un desarrollo en serie de potencias
que converge en un entorno de dicho punto.
Si un punto no es ordinario se denomina punto singular.
En un punto ordinario las soluciones de la ecuacin diferencial son
tambin analticas.
Ecuacin de Legendre
Definicin 10.5.2:
Se denomina ecuacin de Legendre la que se puede expresar de la
forma:
(1 x2)y 2xy + p(p + 1)y = 0, (10.5.1)
siendo p constante.
2x p( p 1)
Las funciones P(x) = y Q(x) = son analticas en el origen,
1 x 2 1 x 2
que por tanto es un punto ordinario. Se trata de encontrar una serie de

potencias de la forma: y = an x n convergente en un intervalo abierto de la
n 0
recta real (r, r), con 0 < r < 1.
Derivando esta serie de potencias se obtiene:

y' = nan x n 1 y
n 1

y'' = n( n 1)an x n 2 ,
n 2
por lo tanto:

2xy = 2na n x n
= 2nan x n ,
n 1 n 0

(1 x2)y = n( n 1)an x n 2 n( n 1)an x n =
n 2 n 2

= ( n 2 )( n 1)an 2x n
n( n 1)an x n =
n 0 n 0

= ( n 2 )( n 1)an 2 n( n 1)a n x n .
n 0
Sustituyendo en la ecuacin diferencial se tiene:

( n 2 )( n 1)an 2 n( n 1)a n x n
2nan x n
+ p(p + 1) an x n =0
n 0 n 0 n 0
que se satisface si y slo si los coeficientes verifican la siguiente ecuacin:
( n 2 )( n 1)an 2 n( n 1)a n 2na n + p(p + 1)an = 0,
que se puede expresar:
( n 2 )( n 1)an 2 (n p)(n +1 + p)an = 0, o bien,
( p n ) ( p n 1)
an+2 = an .
( n 1)( n 2 )
Esta expresin permite calcular los trminos pares de la serie en funcin
p( p 1)
de a0, en particular se tiene que: a2 = a0 ,
1 2
( p 2) ( p 3) p( p 1)( p 2 ) ( p 3 )
a4 = a2 = (1)2 a0 ,
34 1 2 3 4
y en general
p( p 2 ) ( p 2n 2 ) ( p 1)( p 3 ) ( p 2n 1)
a2n = (1)n a0 .
( 2n )!
Anlogamente se pueden calcular los trminos impares en funcin de a1
con lo que se obtiene:
( p 1)( p 3 ) ( p 2n 1) ( p 2 )( p 4 ) ( p 2n )
a2n+1 = (1)n a1.
( 2n 1)!
Se consideran las siguientes funciones:
( p1)( p3 ) ( p2n 1)( p2 )( p 4 ) ( p2n ) 2n

(-1)
n
y1(x) = 1 + n
x ,
n 1 ( 2n 1)!
( p1)( p3 ) ( p2n 1)( p2 )( p4 ) ( p2n ) 2n+1

n
y2(x) = x + x .
n 1 ( 2n 1)!
Se puede demostrar por el criterio del cociente que estas series son
convergentes para IxI < 1. Adems y1(x) e y2(x) son soluciones de la ecuacin
diferencial (10.5.1) y son linealmente independientes ya que satisfacen las
condiciones iniciales:
y1(0) = 1, y1(0) = 0, y2(0) = 0, y2(0) = 1.
Por lo tanto la solucin general de la ecuacin diferencial de Legendre
(10.5.1) en el intervalo (1, 1) est expresada por:
(x) = C1y1(x) + C2y2(x).
Si p es 0 o un entero par positivo, p = 2k, la serie y1(x) se convierte en un
polinomio de grado 2k que slo contiene potencias pares de x, mientras que en
y2(x) no hay coeficientes nulos. Cuando p es un entero impar positivo es la
serie y2(x) la que se reduce a un polinomio frente a la serie y1(x) que sigue
teniendo infinitos trminos no nulos.
Los polinomios obtenidos de esta forma se denominan polinomios de
Legendre y tienen importantes aplicaciones prcticas.
Teorema 10.5.1:
Si P(x), Q(x) son dos funciones desarrollables en serie de potencias en un
entorno de un punto x0, E(x0), entonces la solucin general de la ecuacin

diferencial: y + P(x)y + Q(x)y = 0 es y = an ( x x0 )n = k0y1 + k1y2, donde
n 0
y1, y2 son soluciones de la ecuacin diferencial desarrollables en serie de

potencias en E(x0). Adems si k0 y k1 son nmeros reales existe una nica
solucin de la ecuacin en serie de potencias que verifica que a0 = k0, a1 = k1 y
el resto de los coeficientes se determinan en funcin de a0 y a1.
El radio de convergencia de los desarrollos en serie de y1 e y2 es mayor o
igual que el mnimo de los radios de convergencia de las funciones P(x) y Q(x).
La demostracin de este teorema sigue los mismos pasos que se han
utilizado para encontrar la solucin de la ecuacin de Legendre. Se sustituyen
los desarrollos en serie de P(x) y Q(x) en la ecuacin diferencial obteniendo los
coeficientes an de la solucin para que se verifique la ecuacin. Se obtiene una
frmula recurrente que determina los coeficientes pares a partir de a0 y los
impares, de a1. Se parte de que a0 = k0 y a1 = k1 y se consiguen todos los
dems. De esta forma la serie de potencias as definida verifica la ecuacin
diferencial. Para probar que esta serie es convergente en E(x0) se mayora
mediante otra serie de potencias convergente en dicho entorno.
10.5.2. Soluciones en torno a puntos singulares
El teorema anterior garantiza la existencia de una solucin expresada en
serie de potencias de una ecuacin diferencial de segundo orden en un entorno
de un punto ordinario. Se trata ahora de analizar las soluciones en serie de
potencias que se pueden obtener de dicha ecuacin en puntos singulares.
Definicin 10.5.3:
Se dice que x0 es un punto singular regular de una ecuacin diferencial
lineal de segundo orden si dicha ecuacin se puede expresar de la forma:
(x x0)2y + (x x0)P(x)y + Q(x)y = 0,

siendo P(x)y Q(x) funciones analticas en un entorno del punto x0.
Si un punto singular no verifica esta condicin se dice que es un punto
singular irregular.
Resulta evidente que en la ecuacin (x x0)2y + (x x0)P(x)y + Q(x)y =
P( x ) Q( x )
0 no es aplicable el teorema 10.5.1 ya que las funciones y
( x x0 ) ( x x0 )2
no son analticas en x0; sin embargo existen mtodos para resolver estas
ecuaciones. A continuacin se utilizar la teora de Frobenius para resolver la
ecuacin de Bessel en x0 = 0, cuando ste es un punto singular regular de esta
ecuacin.
Teora de Frobenius
Definicin 10.5.4:
Se denomina serie de Frobenius o serie de potencias generalizada en
un punto x0 a una serie de la forma:

Ix x0It an ( x x 0 ) n , t y a
0 0. (10.5.2)
n 0

siendo la serie de potencias an ( x x0 )n convergente en un entorno de
n 0
x0.
Definicin 10.5.5:
La ecuacin de ndices en un punto singular regular x0 de la ecuacin
diferencial (x x0)2y + (x x0)P(x)y + Q(x)y = 0 es la ecuacin, en la
variable t, que se obtiene al sustituir en la ecuacin diferencial la funcin

incgnita por una serie de Frobenius genrica de la forma (10.5.2) e igualar a 0
el trmino independiente de la expresin que se obtiene dividida por xt.
Las races de la ecuacin de ndices son los nicos valores de t que
permiten encontrar soluciones, expresadas mediante series de Frobenius, en
un punto singular regular de una ecuacin diferencial.
Ecuacin de Bessel
Definicin 10.5.6:
Se denomina ecuacin de Bessel la que se puede expresar de la forma:
x2y xy + (x2 p2)y = 0,
siendo p 0 constante.
Se busca una ecuacin de la forma:

y(x) = IxIt an x n , (10.5.3)
n 0
siendo a0 0, en un entorno pinchado de 0, Br(0), con lo que x 0.
Se supone, primero que x > 0, as IxIt = xt. Derivando (10.5.3) se obtiene:

y = tx t-1
an x n
+ x t
nan x n 1
=x
t-1
an ( n t ) x n ,
n 0 n 0 n 0
y'' = (t 1)xt-2 an ( n t )x n + xt-1 n( n t )an x n 1 = xt-2 ( t 1n )( n t )an x n ,

n 0 n 0 n 0
y sustituyendo en la ecuacin diferencial se obtiene:
xt ( t 1n )( n t )an x n + xt an ( n t )x n + xt+2 an x n xt p 2 an x n = 0
n 0 n 0 n 0 n 0

xt an ( n t ) 2 p 2 x n + xt+2
n 0
an x n = 0
n 0
dividiendo por xt:

an ( n t ) 2 p 2 x n + x2 an x n = 0.
n 0 n 0
Los coeficientes an se determinan imponiendo que se anulen en esta
ecuacin los coeficientes de cada una de las potencias de x.
Al igualar a cero el trmino independiente se tiene que (t2 p2)a0 = 0, y
como a0 0 es necesario que t2 p2 = 0. Esta es la ecuacin de ndices y sus
races p y p son los nicos valores de t que permiten obtener una ecuacin de
la forma (10.5.3).
Para t = p las ecuaciones que se obtienen para determinar los valores an
son:
[(1 + p)2 p2]a1 = 0 y [(n + p)2 p2]an + an-2 = 0, n 2.
Ya que p 0, de la primera ecuacin se deduce que a1 = 0, de la
segunda se obtiene la siguiente frmula de recurrencia que expresa an en
funcin de an-2:
an 2 an 2
an = = .
( n p )2 p 2 n( n 2 p )
De este modo se obtiene que a3 = a5 = a7 = ... = 0, y por tanto a2n+1 = 0
n 0, es decir los coeficientes de potencias de exponente impar son nulos.
Para los de potencias pares se tiene:

a0 a0
a2 = = ,
2( 2 2 p ) 22 (1 p )
a2 ( 1) 2 a0
a4 = = ,
4( 4 2 p ) 2 4 2! ( 1 p )( 2 p )
a4 ( 1)3 a0
a6 = = ,
6( 6 2 p ) 2 6 3! ( 1 p )( 2 p )( 3 p )
y en general
( 1) n a0
a2n = .
2 2n n! ( 1 p )( 2 p )( 3 p )...( n p )
Por lo tanto para el valor t = p se obtiene la siguiente solucin:

( 1) n x 2n
y(x) = a0xp 1

2n
.

n 1 2 n! ( 1 p )( 2 p )( 3 p )...( n p )
Aplicando el criterio del cociente se comprueba que esta serie es
convergente.
Si se considera ahora que x < 0, mediante un razonamiento anlogo, se
obtiene una solucin similar que slo difiere de la anterior en que xp queda
sustituido por (x)p. Por lo tanto una solucin de la ecuacin de Bessel para x
0 est expresada por la funcin:

( 1) n x 2n
y1(x) = a0IxIp 1
2n
, x 0

n 1 2 n! ( 1 p )( 2 p )( 3 p )...( n p )
Si se estudia la raz de la ecuacin de ndices t = p se obtienen las
siguientes ecuaciones:
[(1 p)2 p2]a1 = 0,
[(n p)2 p2]an + an-2 = 0, n 2
(1 2p)a1 = 0,
n(n 2p)an + an-2 = 0.
De estas ecuaciones, si 2p no es entero, se tiene:
a1 = 0,
an 2
an = , n 2
n( n 2 p )
Ya que la frmula de recurrencia es la misma sustituyendo p por p ,
mediante un desarrollo similar al anterior se obtiene la solucin:

( 1) n x 2n

y2(x) = a0IxI 1
p
2n
, x 0

n 1 2 n! ( 1 p )( 2 p )( 3 p )...( n p )
Esta solucin se ha obtenido suponiendo que 2p no es un entero positivo
pero la serie que la define tiene igual sentido si 2p es entero positivo, siempre
que p no lo sea.
Para todo p 0 se ha obtenido la solucin y1(x) y si p no es un nmero
entero positivo se ha calculado otra solucin y2(x). Se puede demostrar que
y1(x) e y2(x) son linealmente independientes y por lo tanto cuando p no es un
nmero entero positivo la solucin general de la ecuacin de Bessel es de la
forma:
(x) = C1y1(x) + C2y2(x).
Teorema 10.5.2:
Si x = 0 es un punto singular regular de la ecuacin diferencial x2y +
xP(x)y + Q(x)y = 0 y las funciones P(x), Q(x) tienen un desarrollo en serie de
potencias en un intervalo (r, r), con r > 0, y si la ecuacin de ndices tiene dos
races reales t1 y t2 (t2 < t1), entonces la ecuacin diferencial tiene al menos una

solucin de la forma y1(x) = x 1
t
an x n , siendo a n 0, para todo x 0, en
n 0
el intervalo (r, r). Adems si t1 t2 no es cero ni un nmero entero positivo,
entonces la ecuacin tiene otra solucin linealmente independiente de la

anterior de la forma y2(x) = x
t2
bn x n , siendo b
n 0, para todo x 0, en el
n 0
intervalo (r, r).
La demostracin de este teorema sigue los mismos pasos que se han
utilizado para encontrar la solucin de la ecuacin de Bessel.
La ecuacin de ndices que resulta es: t2 + t(p0 1) + q0 = 0, siendo p0 y
q0 los coeficientes de x0 en los desarrollos en series de potencias de xP(x) y
x2Q(x) respectivamente.
Si las races de esta ecuacin son nmeros complejos conjugados
entonces los coeficientes de la serie de Frobenius son tambin complejos.
Ejemplos resueltos

Ejemplo 10.5.1: Encontrar la solucin general, y(x) = an x n , de la
n 0
ecuacin diferencial y + xy + y = 0 de la forma y(x) = C1y1(x) + C2y2(x),
siendo y1(x) e y2(x), series de potencias.


Derivando y(x) = an x n , se obtiene
n 0

y'(x) = nan x n 1 = nan x n 1 ,
n 1 n 0

y''(x) = n( n 1)an x n 2
= n( n 1)an x n 2 .
n 2 n 0
y sustituyendo en la ecuacin:

n( n 1)an x n 2
+ x nan x n 1
+ an x n =0
n 0 n 0 n 0

n( n 1)an x n 2 = ( n 1)an x n
n 0 n 0

( n 2 )( n 1)an 2 x n = ( n 1)an x n .
n 2 n 0
Igualando coeficientes (n + 2)(n + 1)an+2 = (n + 1)an de donde se
an
obtiene la frmula de recurrencia an+2 = vlida para n 0. Por lo tanto:
n2
a0 a2 ( 1) 2 a0 a4 ( 1)3 a0 ( 1) n a0
a2 = , a4 = = , a6 = = , ..., a2n =
2 4 24 6 246 2 n n!
a1 a3 ( 1) 2 a1 a5 ( 1)3 a1 ( 1) n a1
a3 = , a5 = = , a7 = = , ..., a2n+1 =
3 5 35 7 357 ( 2n 1)! !
La solucin general de la ecuacin diferencial es:

( 1) n x 2n ( 1)n x 2n 1
y(x) = a0 2 n n!
+ a1 ( 2n 1)! !
.
n 0 n 0
Ejemplo 10.5.2: Hallar una solucin expresada en series de potencias de
la ecuacin diferencial (1 x2)y + 2y = 0.

Derivando y(x) = an x n , como en el ejemplo anterior se obtiene:
n 0

y(x) = n( n 1)an x n 2 .
n 0
y sustituyendo en la ecuacin:

(1 x2) n( n 1)an x n 2 = 2 an x n
n 0 n 0

n( n 1)an x n 2 = n( n 1)an x n 2 an x n
n 0 n 0 n 0

( n 2 )( n 1)an 2 x n
= ( n( n 1) 2 )an x n .
n 2 n 0
Igualando coeficientes:
(n + 2)(n + 1)an+2 = (n2 n 2)an
de donde se obtiene la frmula de recurrencia:
an ( n 2 )
an+2 = vlida para n 0.
n2
Por lo tanto:
a2 = a0, a4 = 0, a6 = 0, ..., a2n = 0, n 2
a1 a a1 3a5 a1 a1
a3 = , a5 = 3 = , a7 = = , ..., a2n+1 = .
3 5 35 7 57 ( 2n 1)( 2n 1)
Por consiguiente una solucin de la ecuacin diferencial es:


( a1 )x 2n 1 x 2n 1
y(x) = a0 + a2x2 + ( 2n 1)( 2n 1)
= a0(1 x2) a1
( 2n
1 )( 2n 1)
.
n 0 n 0
Ejemplo 10.5.3: Comprobar que el origen es un punto singular regular de
la ecuacin de Cauchy-Euler de segundo orden: x2y + bxy + cy = 0 (b, c
constantes no nulas) y que su ecuacin de ndices coincide con la ecuacin
caracterstica de la ecuacin diferencial lineal de coeficientes constantes que
se obtiene al realizar el cambio de variable x = et.
Las funciones P(x) = b y Q(x) = c son constantes y por lo tanto x = 0 es
un punto singular regular de la ecuacin de Cauchy-Euler.
Haciendo el cambio x = et se tiene que:
dy t d 2 y dy 2t
y' e ; y' ' e .
dt dt 2 dt

d 2y dy
Sustituyendo: ( b 1) cy 0 , ecuacin diferencial con
dt 2 dt
coeficientes constantes cuya ecuacin caracterstica es: 2 + (b 1) + c = 0
Para calcular la ecuacin de ndices se supone x > 0 (si x < 0 se obtiene

la misma ecuacin) y se considera la serie de Frobenius y(x) = xt an x n ,
n 0
siendo an 0. Derivando esta serie:
y = xt-1 an ( n t )x n , y'' = xt-2 ( t 1n )( n t )an x n ,

n 0 n 0
y sustituyendo en la ecuacin diferencial:
xt ( t 1n )( n t )an x n + bxt an ( n t )x n + cxt an x n = 0

n 0 n 0 n 0
xt an ( n t ) 2 ( n t ) b( n t ) c x n = 0
n 0
xt an ( n t ) 2 ( b 1)( n t ) c x n = 0.
n 0
Dividiendo por xt, se tiene que el coeficiente de x0 es: a0(t2 + (b 1)t + c)
y por lo tanto la ecuacin de ndices: t2 + (b 1)t + c = 0 tiene las mismas
races que la ecuacin caracterstica obtenida anteriormente.
Ejercicios

10.21. Encontrar la solucin general y(x) = an x n , de la ecuacin de
n 0
Hermite, y 2xy + 2py = 0, (con p constante) de la forma y(x) =
C1y1(x) + C2y2(x), siendo y1(x) e y2(x), series de potencias.
10.22. Hallar dos soluciones en serie de potencias linealmente
independientes, vlidas en un intervalo (r, r), con r < 1, de la
ecuacin de Chebyshev, (1 x2)y xy + p2y = 0, siendo p una
constante.
10.23. Demostrar que si p es un nmero entero no negativo, entonces la
solucin de la ecuacin de Chebyshev es un polinomio de grado p.
10.24. Encontrar la ecuacin de ndices y sus races para cada una de las
siguientes ecuaciones diferenciales en el punto x = 0.
a) x2y + (cos 2x 1)y + 2xy = 0.
b) 4x2y + (2x4 5x)y + (3x2 + 2x)y = 0.
10.25. Comprobar que el origen es un punto singular regular de la ecuacin:

2x2y'' + x(2x + 1)y' y = 0 y resolverla en un entorno de x = 0.
10.6. APLICACIONES
10.6.1. Movimiento oscilatorio armnico
Vibraciones armnicas simples no amortiguadas
Se considera un bloque de masa m sujeto al extremo de un resorte y se
denota por y(t) el desplazamiento del bloque en funcin del tiempo. Se
considera el desplazamiento hacia abajo como positivo y hacia arriba negativo.
En el punto de equilibrio el peso del bloque se compensa con la fuerza de
elasticidad del resorte. Se supone que esta fuerza elstica es proporcional al
desplazamiento, es decir, igual a ky(t), siendo k > 0 una constante, que
cuantifica la rigidez del resorte. El movimiento de este sistema, siempre que no
se rebasen los lmites de elasticidad del resorte, viene dado por la ecuacin:
ky(t) = my(t).
Si se supone que no hay ms fuerzas actuando en el sistema, la ecuacin
anterior describe un movimiento libre no amortiguado que se denomina
movimiento armnico simple; esta ecuacin se puede expresar de la forma
y + w02y = 0 con w02 = k/m, que es una ecuacin lineal homognea de
segundo orden cuya ecuacin caracterstica es 2 + w02 = 0, sus autovalores
w0i, y por lo tanto la solucin general tiene la forma: y(t) = C1cos(w0t) +
C2sen(w0t) = Asen(w0t + ) donde t es el tiempo.

Se puede calcular e interpretar fsicamente el periodo, la frecuencia, la
amplitud y el ngulo de fase. Y dadas unas condiciones iniciales se determina
la ecuacin del movimiento.
Vibraciones amortiguadas
El modelo libre no amortiguado no es realista pues no se conoce ningn
resorte que no pare nunca. Existe siempre la resistencia del medio. Se puede
suponer que existe resistencia debido a que el medio es viscoso, o bien que
existe un dispositivo amortiguador. Esta fuerza se considera proporcional a la
velocidad del movimiento y, y si b es la constante de amortiguacin se tiene
que la ecuacin del movimiento amortiguado viene dada por:
y + (b/m)y + (k/m)y = 0.
Se denota de nuevo w02 = k/m, y 2u = b/m con lo que la ecuacin queda
de la forma:
y + 2uy' + w02y = 0
que es tambin una ecuacin homognea de coeficientes constantes, cuya
ecuacin caracterstica es:
2 + u + w02 = 0.
Las races de esta ecuacin son: u u 2 w 02 . Sean y . Se pueden
distinguir tres casos:
a) Si u2 w02 > 0 la ecuacin tiene dos races reales y simples,
teniendo ambas signo negativo:
La solucin general de la ecuacin viene expresada por: y(t) =

C1et + C2et. De esta frmula se deduce, al ser y negativas, que
cualesquiera que sean las condiciones iniciales, el desplazamiento y(t)
tiende a cero cuando t tiende a , y por lo tanto no hay oscilaciones. El
movimiento es suave y no oscilatorio y se dice que el sistema est
sobreamortiguado.
b) Si u2 w02 < 0 la ecuacin tiene dos races complejas: = + i
y = i, con = u < 0. La solucin general de la ecuacin viene
expresada por:
y(t) = C1etcos t + C2etsen t = Aetsen (t + ).
De esta frmula se deduce que las amplitudes Aet de las
oscilaciones tienden a cero cuando aumenta el tiempo, y el sistema est
subamortiguado.
c) En el caso en que u2 w02 = 0 la ecuacin tiene una nica raz
real = = u < 0 y la solucin general de la ecuacin y(t) = (C1 +
C2t)et . En este caso, como en el sistema sobreamortiguado, al ser
negativo, el desplazamiento tambin tiende a cero cuando t tiende a ,
pero con menor velocidad debido al factor C1 + C2t. Se dice que el
sistema est crticamente amortiguado en el sentido de que cualquier
variacin lo hara pasar a uno de los dos estados anteriores.
Vibraciones forzadas
En este caso actan fuerzas exteriores al sistema. As, por ejemplo, se
puede suponer que el punto inferior del resorte efecta movimientos verticales
segn una funcin de t. Esto puede ocurrir cuando, por ejemplo, el resorte y el
bloque se desplazan por un camino de relieve irregular. En este caso, ms
general, la ecuacin diferencial que describe el movimiento es una ecuacin
lineal no homognea de coeficientes constantes:
d 2 y( t ) dy ( t )
b c y ( t ) g( t ) ,
dx 2 dx
donde g(t) es una fuerza externa que acta sobre la masa del resorte. Para
calcular sus soluciones, en primer lugar, hay que resolver la ecuacin
homognea y luego hallar una solucin particular de la completa.
Cuando la funcin g que representa la fuerza exterior es peridica se
puede originar una situacin especial que se analiza a continuacin, si se
supone que la fuerza externa g es una funcin seno o coseno con la misma
frecuencia que las soluciones de la ecuacin homognea asociada.
Se deben considerar de nuevo los casos ya estudiados para la ecuacin
homognea. Si en la ecuacin general y(t) + by(t) + cy(t) = g(t), se tiene que
b es igual a 0, el movimiento corresponde a las oscilaciones libres forzadas
pudiendo aparecer problemas de resonancia, o de modulacin de amplitud.
Mientras que si b es distinto de cero, las vibraciones son forzadas
amortiguadas, el movimiento siempre est acotado y no hay resonancia.
Vibraciones libres forzadas. Resonancia
Se trata de estudiar y(t) + cy(t) = F0cos wt, donde la ecuacin
homognea corresponde a la de las oscilaciones libres y la fuerza externa es
una funcin coseno.
Llamando w0 = c resulta que la solucin general de la ecuacin

homognea es: y = C1cos(w0t) + C2sen(w0t)
Si w es distinto de w0, es decir la frecuencia de la fuerza externa no es
igual a la de las propias oscilaciones, entonces se puede probar por el mtodo
de los coeficientes indeterminados, al buscar una solucin de la forma yP (t) =
Acos wt + Bsen wt, que esta solucin particular es:
F0
yP (t ) cos wt .
( w 02 w 2 )
Si se considera y(0) = y(0) = 0 y se calcula la solucin del problema de
valor inicial se obtiene:
F0 2F0 ( w 0 w )t ( w w )t
y( t ) (cos wt cos w 0 t ) sen sen 0 .
( w 02 w 2 ) ( w 02 w 2 ) 2 2
Si w es prximo a w0 la solucin particular que se obtiene es una
oscilacin rpida con frecuencia (w0 + w)/2 pero con una amplitud senoidal que
vara lentamente. Este tipo de movimiento, que posee una variacin peridica
de amplitud, se denomina una pulsacin. Este fenmeno se presenta en
acstica, cuando los diapasones de una frecuencia casi igual se hacen sonar
simultneamente; entonces la variacin peridica de la amplitud puede
percibirse por el odo. En electrnica la variacin de amplitud con el tiempo se
llama modulacin de amplitud.
Si w = w0 la solucin particular que se obtiene es:
F
y P ( t ) 0 tsenwt .
2w
y debido a la existencia del trmino en t cuando el tiempo t aumenta el
movimiento no est acotado. El fenmeno se conoce como resonancia. En la

prctica el sistema se rompera.
Una ancdota interesante es la discusin sobre si este fenmeno de
resonancia fue el que provoc el derrumbe del puente colgante de Tacoma
Narrows. Es costumbre tambin que cuando un ejrcito atraviese un puente no
marque el paso para no provocar resonancia.
En el ejemplo 10.6.4 se presentan fenmenos de resonancia, y resulta
interesante estudiar el comportamiento asinttico de las soluciones
10.6.2. Circuitos elctricos
En el captulo 7 se ha obtenido la siguiente ecuacin diferencial lineal
para un circuito elctrico:
dI 1
L (t) + RI(t) + Q(t) = E(t),
dt C
siendo L la inductancia, R la resistencia, C la capacitancia, Q la carga elctrica,
I la intensidad de la corriente y E la fuerza electromotriz.
dQ
Sustituyendo en esta ecuacin I(t) = (t) se obtena la ecuacin lineal
dt
de segundo orden con coeficientes constantes:
d 2Q dQ 1
L 2
(t) + R (t) + Q(t) = E(t).
dt dt C
Tambin en ese captulo se observaba la semejanza de esta ecuacin
con la obtenida para las vibraciones amortiguadas forzadas:
my(t) + by(t)+ ky(t) = g(t),
estableciendo las correspondencias entre las constantes y las funciones de
ambas ecuaciones.
Resulta evidente que la similitud entre las ecuaciones de los sistemas
mecnicos y los elctricos conlleva que las expresiones de las soluciones sean
idnticas desde el punto de vista matemtico.
Por ejemplo la ecuacin homognea que se obtiene cuando la fuerza
electromotriz es nula, E(t) = 0, al dividirla por L queda de la forma:
d 2Q R dQ 1
(t) + (t) + Q(t) = 0.
dt 2 L dt LC
En el estudio matemtico de esta ecuacin hay que analizar los distintos
R2 4
valores de , que es el discriminante de la ecuacin caracterstica:
2
L L C
R 1
2 + + = 0.
L LC
Sean y , las races de esta ecuacin. Se pueden distinguir tres casos:
L
a) Si R > 2 la ecuacin tiene dos races reales y simples:
C
La solucin general de la ecuacin viene expresada por: Q(t) =
C1et + C2et. En el caso particular en el que L es despreciable el
circuito es no inductivo.
L
b) Si R < 2 la ecuacin tiene dos races complejas, = + i y
C
= i. La solucin general de la ecuacin viene expresada por:
Q(t) = C1etcos t + C2etsen t = Aetsen (t + ).
En el caso particular en el que R es despreciable se trata de un

circuito inductivo de dbil resistencia.
L
c) Si R = 2 la ecuacin tiene una nica raz real y la solucin
C
general de la ecuacin Q(t) = (C1 + C2t)et. En este caso, como en el
sistema mecnico, la solucin tiene un comportamiento crtico en el
sentido de que cualquier variacin lo hara pasar a uno de los dos
estados anteriores.
Adems al estudiar la ecuacin completa existe una resistencia
crtica por debajo de la cual el comportamiento libre del circuito es
vibratorio, y cuando la fuerza electromotriz es una funcin peridica
pueden aparecer fenmenos de resonancia de forma anloga a los que
se han estudiado en el sistema mecnico cuando la fuerza externa era
una funcin peridica.
10.6.3. Las leyes de Kepler
En este apartado se deducen las leyes de Kepler de los movimientos de
los planetas a partir de la ley de la gravitacin de Newton. Se trata pues de
describir el movimiento de una partcula de masa m, que puede representa un
planeta, bajo la atraccin de otra fija de masa M, que representara el Sol.
Para facilitar los clculos se considera un sistema de coordenadas
polares, colocando a la partcula fija en el origen.
Sea P el punto del plano donde est colocada la masa m, de coordenadas
polares (r, ). El vector OP se puede representa como OP = rup, siendo up el
vector unitario de coordenadas (cos , sen ). Al girarlo /2, se obtiene el
vector np de coordenadas (sen , cos ). Ambos vectores estn relacionados

du p dn p
ya que nP y u P . Se calcula la velocidad y la aceleracin en
d d
funcin de estos vectores:
dOP du p dr du p d dr d dr
v= r up = r up = r nP u p y
dt dt dt d dt dt dt dt
dv d d dr d
2
dr d d 2r d
2
a= r nP u p = r 2 nP r up .
dt dt dt dt dt 2 dt dt dt 2
dt

Si la fuerza que acta sobre m se descompone en una componente en la
direccin de uP y otra en la de np se tiene que F = FruP + Fnnp y aplicando la
segunda ley del movimiento de Newton F = ma se tiene que:
d 2r d
2 d 2 dr d
Fr = m r y Fn = m r 2 .
dt 2 dt dt 2 dt dt

Segunda ley de Kepler
Se supone que la fuerza de atraccin del Sol sobre los planetas es
central, lo que indica que slo tiene una componente en la direccin del vector
OP y por lo tanto la componente de la fuerza en la direccin perpendicular a
d dr d
2
OP es 0, es decir Fn = 0. Por lo tanto r 2 = 0 y al multiplicar por r

dt dt dt
2
2 d 2 dr d d 2 d d
se tiene r 2r =0 r 0 r2 k . Se puede
2 dt dt dt dt dt
dt
suponer k > 0 lo que indica que la masa m se desplaza en sentido positivo.
Si A = A(t) es la funcin que determina el rea a partir de una posicin fija
1 2 dA 1 2 d 1
dA = r d y a partir de la ecuacin anterior se tiene que r k.
2 dt 2 dt 2
1
Calculando la integral entre t1 y t2 se obtiene que A(t2) A(t1) = k(t2 t1),
2
que es la segunda ley de Kepler, es decir: el rea que recorre el vector OP es
proporcional al tiempo en que la recorre.
Primera ley de Kepler
Se supone ahora que la fuerza central, que se ha llamado Fr, segn la ley
de gravitacin es directamente proporcional al producto de las masas e
Mm
inversamente proporcional al cuadrado de la distancia, por lo que Fr = G
r2
d 2 r d 2
y se sustituye el valor de Fr obtenido anteriormente: m =
dt 2 dt

Mm 1
G . Se hace el cambio de variable z = y se calculan las derivadas
r2 r
respecto a :
dr d 1 1 dz 1 dz d 1 dz k dz
k ,
dt dt z z 2 dt z 2 d dt z 2 d r 2 d
d 2r d dz d dz d d 2z k 2
2 2 d z
k k k k z ,
dt 2 dt d d d dt d 2 r 2 d 2
Se sustituyen estos valores en la ecuacin anterior:
d 2z 1 2 4 d 2z GM
k 2z 2 k z = GMz2 +z= ,
d 2 z d 2 k2
que es una ecuacin lineal con coeficientes constantes que tiene por solucin
general:
GM
z = C1cos + C2sen + ,
k2
GM
y llamando H = se tiene que:
k2
1
r= .
C1 cos C 2 sen H
Para simplificar esta expresin se cambian los ejes de coordenadas de
modo que r sea mnimo cuando = 0, lo que equivale a decir que z es mximo:
dz d 2z
=0y < 0, de donde C2 = 0 y C1 > 0 y
d d 2
1
1 H
r= = ;
C1 cos H C1
cos 1
H
C1 1
llamando e = yp= se tiene:
H C1
pe
r= ,
e cos 1
C1k 2
que es la ecuacin en coordenadas polares de una cnica, donde e = es
MG
la excentricidad. Como los planetas permanecen en el sistema solar su rbita
ha de ser cerrada y por tanto una elipse.
Tercera ley de Kepler
Se supone que m se desplaza con una rbita elptica centrada en el
x2 y2
origen que tiene por coordenadas cartesianas 1 , su excentricidad es
a2 b2
c a2 b2
e= , siendo c2 = a2 b2, de forma que e2 = y por tanto:
a a2
b2 = a2 (1 e2).
La distancia media, a, de m al foco F es la media entre el mayor valor de r
pe
y el menor. Teniendo en cuanta que r = se tiene:
ecos 1
1 pe pe pe
a= ,
2 1 e 1 e 1 e 2
k2 b2
sustituyendo pe = y 1 e2 = se tiene:
MG a2
k2 k 2a 2k 2a 2
a= = yb = .
MG( 1 e 2 ) MGb 2 MG
Si T es el tiempo que necesita la masa m para dar una vuelta completa a
su rbita, como el rea de la elipse es ab, aplicando la frmula obtenida para
1 4 2 a 2 b 2
el rea al demostrar la segunda ley se tiene que ab = kT y T2 =
2 k2
4. 2 a 3
sustituyendo la ltima expresin para b2 se obtiene T2 = .
MG
De donde se obtiene la tercera ley de Kepler segn la cual los cuadrados
de los periodos de revolucin de los planetas con proporcionales a los cubos
de sus distancias.
4 2
Es evidente que la constante de proporcionalidad no depende de la
MG
masa m del planeta y por lo tanto es vlida para todos.
Ejemplos resueltos
Ejemplo 10.6.1: Interpretar como el movimiento de un resorte la ecuacin

d 2 y dy
5 4 y 0 , con las condiciones iniciales y(0) = 1, y(0) = 1.
dt 2 dt
Se puede ver que la solucin viene dada por: y(t) = (5/3)e-t (2/3)e-4t
El problema puede ser interpretado como una representacin del
movimiento sobreamortiguado de una masa sujeta a un resorte. La masa
parte desde una posicin que se encuentra una unidad por debajo de la
posicin de equilibrio, con una velocidad dirigida hacia abajo de 1 cm/s. Puede
comprobarse que la masa alcanza un desplazamiento mximo a 1 069 cm por
debajo de la posicin de equilibrio y no cruza el eje t, lo que quiere decir que la
masa no pasa por la posicin de equilibrio.
d 2 y dy
dt 2 dt
La solucin es y(t) = e-t(2cos 3t (2/3)sen 3t).
El problema corresponde a un peso que se empuja hacia arriba y se
suelta, a partir del reposo, desde un punto que est a 2 cm sobre la posicin de
equilibrio. El medio ofrece una resistencia numricamente igual a la velocidad
instantnea. Se dice que el movimiento est subamortiguado.
d 2 y dy
dt 2 dt
El problema corresponde a un peso que se suelta desde la posicin de
equilibrio anterior con una velocidad dirigida hacia arriba de 3 cm/seg.
En este caso se trata de un sistema crticamente amortiguado. El

desplazamiento mximo es 0,276 cm sobre la posicin de equilibrio, es decir,
el peso llega a una altura mxima de 0,276 cm sobre la posicin de equilibrio.
La solucin es: y(t) = 3te-4t.
Ejemplo 10.6.4: Interpretar como el movimiento de un resorte la ecuacin:
y + a2y = sen t, y(0) = y0; y(0) = y1.
La solucin para a distinto de uno y de menos uno es:
1 1 1
y( t ) sent senat y 0 cos at y 1senat .
2 2
a 1 a( a 1) a
Esta solucin es oscilatoria, aunque no es peridica. En general existen
dos frecuencias independientes, por lo que es cuasiperidica. Al tomar a el
valor uno esta solucin converge a una solucin no acotada:
1 1
y ( t ) t cos t sent y 0 cos t y 1sent .
2 2
con lo que se dice que hay resonancia. Si a se acerca a uno se observa que
tambin la amplitud crece, y aunque no hay resonancia propiamente dicha,
puede superar los lmites del sistema.
Ejercicios
10.26. Una masa de 2 kg estira un muelle de 40 cm. En t = 0 se suelta en
un punto que est 60 cm por debajo de la posicin de equilibrio con
una velocidad dirigida hacia debajo de 8 m/sg. Determinar la funcin
y(t) que describe el movimiento armnico simple, estando y(t) medido
desde la posicin de equilibrio. Tomar g = 10 m/sg2.
10.27. Se considera una masa situada en un muelle con amortiguacin. Sea

y = y(t) la funcin que describe el movimiento que verifica la ecuacin

diferencial y + 2y + y = 0, donde = y=
8 6
a) Determinar si el movimiento armnico resultante es sobre,
sub o crticamente amortiguado.
b) Hallar la solucin para los valores iniciales y(0) = 0, y(0) = 0.
10.28. Estudiar una solucin particular de la ecuacin y + w02y = F0sen wt,
que verifique las condiciones iniciales y(0) = y(0) = 0
10.29. Calcular la solucin general de la ecuacin de las oscilaciones
amortiguadas forzadas y + 2uy' + w02y = sen wt, cuando u2 w02 <
0.
10.7. EJERCICIOS
10.30. Integrar las siguientes ecuaciones:
a) y 3y + 2y = 0.
b) y iv + 3y + 3y + y = 0.
c) y v = 0.
d) y 4y + 4y = 0.
e) y y = 0.
10.31. Hallar la solucin general de la siguiente ecuacin diferencial lineal
para todo valor de m, yvi + m2yiv m4y m6y = 0.
10.32. Calcular una solucin particular de la ecuacin y y = 0, que
verifique las condiciones iniciales y(1) = y(1) = y(1) = 0.

10.33. Integrar las siguientes ecuaciones diferenciales:
a) y + 4y = 5.
b) y + 4y = x2.
c) y + 4y = cos x.
d) y + 4y = xcos x.
10.34. Verificar si las siguientes funciones son soluciones de alguna de las
ecuaciones diferenciales anteriores.
5
a) y = + C1cos 2x + C2sen 2x.
4
x2 1
b) y = + C1cos 2x + C2sen 2x.
4 8
1
c) y = cos x + C1cos 2x + C2sen 2x.
3
1 2
d) y = xcos x + sen x + C1cos 2x + C2sen 2x.
3 9
10.35. Calcular por el mtodo de los coeficientes indeterminados una
solucin particular de la ecuacin: y 6y + 9y = 12x2e3x + 9.
10.36. Calcular por el mtodo del anulador la solucin general de la
ecuacin: y 2y + y = 2x.
(Solucin: y = C1x + C2xex + 2x + 4)
x2
10.37. Resolver la ecuacin diferencial: xy (x + 1)y + y = .
x 1
(Solucin: y = C1ex 1 + (C2 lnI1 + xI)(1 + x), x > 0)
10.38. Utilizar el mtodo de variacin de las constantes para resolver las

siguientes ecuaciones:
a) y 4y + 8y = tg x.
b) y 4y + 8y = 8 + 3e 2x .
c) x y (x + 1) y + y = x 2 .
2 1 cos x 1
d) y + y + y = , x 0, y() = 0, y() = 0. (Sol: y = )
x x x
10.39. Calcular una solucin particular de la ecuacin diferencial:
xy (1 + x)y + y = x2e2x con y(1) = y'(1) = 0.
e2 e 2x
(Solucin: y = (x + 1) ex+1 + (x 1))
2 2
1
10.40. Integrar la ecuacin de Bessel: x2y + xy + (x2 )y = 0, en el
4
senx
intervalo (0, ) sabiendo que admite la solucin y1(x) = .
x
senx cos x
(Solucin: y = C1 + C2 )
x x
10.41. Calcular la solucin general de la ecuacin x2y 3xy + 4y = 0, en
(0, ) sabiendo que tiene una solucin polinmica de grado 2.
(Solucin: y1 = x2; y = C1x2 + C2x2lnx)
10.42. Resolver x2y 6y = 0 en (0, ) sabiendo que admite una solucin
polinmica de grado 3.
(Solucin: y1 = x3; y = C1x3 + C2x-2)
10.43. Integrar la ecuacin (1 + 2x)y + 4xy 4y = 0, sabiendo que admite

una solucin de la forma y = e x .
10.44. Resolver la ecuacin diferencial x2y 7xy + 16y = 0, en x > 0,
sabiendo que admite una solucin de la forma y = xn.
10.45. Resolver la ecuacin diferencial: y xy 2y = 0, expresando la
solucin mediante series de potencias.
10.46. Comprobar que x = 0 es un punto singular regular de la ecuacin:
2x2y + (3x 2x2)y (x +1)y = 0 y resolver la ecuacin.
1
( 2x )n 1 xn
(Solucin: y = C1 x 2 1 + C2 )
n 0 579...( 2n 3 ) x n 0 n!
CAPTULO 11
Sistemas de ecuaciones diferenciales lineales
de primer orden
Cuando se estudia matemticamente una situacin de la realidad, el
modelo que se obtiene suele tener un carcter no lineal, siendo esto lo que le
confiere, en la mayora de los casos, una gran dificultad. Uno de los
procedimientos ms utilizados dentro de la Matemtica, y de la Ciencia en
general, cuando se aborda un problema difcil, es considerar un problema ms
sencillo que sea, en algn sentido, una buena aproximacin del anterior. Al
estudiar este segundo problema se intenta obtener, de las conclusiones, algn
tipo de resultado para el problema primitivo. Una de las formas ms usuales de
simplificar el problema es linealizarlo. Si se quiere estudiar un problema no
lineal, el primer paso obligado es estudiar el problema lineal asociado de la
manera ms completa posible para poder analizar as que ocurrir en el caso
no lineal. El estudio de los sistemas lineales no es difcil y en numerosas
ocasiones se pueden obtener resultados concluyentes pues la estructura
algebraica de las soluciones es sencilla y a veces se puede dar una descripcin
de la misma en trminos de funciones elementales.
Un sistema de ecuaciones diferenciales de orden superior se transforma
en un sistema de primer orden aadiendo ms variables. Por esta razn el

Sistemas de ecuaciones diferenciales lineales de primer orden 696
captulo se centra en el estudio de los sistemas de ecuaciones diferenciales
lineales de primer orden. La seccin 1 comienza realizando una primera
aproximacin entre los sistemas lineales y las ecuaciones diferenciales de
orden superior y estableciendo los teoremas de existencia y unicidad. En la
seccin 2 se desarrolla la teora general de la estructura de las soluciones de
los sistemas lineales de primer orden que es similar a la de las ecuaciones
lineales de orden superior. As el conjunto de soluciones de un sistema lineal
de primer orden homogneo tiene estructura de espacio vectorial y el no
homogneo de espacio afn. La seccin 3 est centrada en los mtodos de
resolucin de los sistemas lineales homogneos con coeficientes constantes.
Utilizando la teora algebraica para calcular los autovalores y autovectores de
una matriz se establece un procedimiento que permite resolver el sistema. Otro
forma de resolver sistemas lineales es utilizando la exponencial de una matriz,
que es el contenido de la seccin 4. El captulo termina con la seccin 5 en la
que se desarrollan los mtodos de resolucin de sistemas lineales no
homogneos, en los que de nuevo se observa un paralelismo con los
estudiados en el captulo anterior para resolver las ecuaciones lineales
completas de orden superior.
DIFERENCIALES
Un sistema de ecuaciones diferenciales de orden superior puede
transformarse fcilmente en un sistema de primer orden sin ms que aadir

ms variables: si el sistema de orden superior es lineal tambin lo es el de
primer orden. Por esta razn, sin prdida de generalidad, es posible estudiar
nicamente los sistemas de ecuaciones diferenciales de primer orden.
11.1.1. Conceptos previos
Definicin 11.1.1:
Un sistema de k ecuaciones diferenciales de orden superior n
expresado de la forma f(x, y(x), y(x), y(x), ..., yn)(x)) = 0 se denomina lineal
cuando la funcin vectorial f es una funcin lineal con respecto a la funcin y(x)
y a todas sus derivadas.
En particular un sistema de n ecuaciones diferenciales de primer
orden expresado de la forma f(x, y(x), y(x)) = 0 se denomina lineal cuando la
funcin vectorial f es una funcin lineal respecto a y(x) y y(x)
Cuando es posible despejar y el sistema se escribe de la siguiente forma:
y 1 ( x ) f1( x , y 1,..., y n )
'
y 2 ( x ) f2 ( x , y 1..., y n )
... f1,..., fn : S n 1
y ( x ) f ( x , y ,..., y )
n n 1 n

siendo f1, f2, ..., fn funciones lineales respecto a las variables y1, y2, ..., yn, es
decir, tambin se puede expresar:

y1 ( x ) a11( x )y1( x ) a12 ( x )y 2 ( x ) ... a1n ( x )y n ( x ) b1( x )

y ( x ) a ( x )y ( x ) a ( x )y ( x ) ... a ( x )y ( x ) b ( x )
2 21 1 22 2 2n n 2
... (11.1.1)
y ( x ) a ( x )y ( x ) a ( x )y ( x ) ... a ( x )y ( x ) b ( x )
n n1 1 n2 2 nn n n

siendo aij(x) y bi(x) funciones definidas en un intervalo (a, b), i, j {1, 2, ..., n}.
El sistema anterior se puede expresar en forma vectorial: y(x) = A(x)y(x)
+ b(x), siendo A(x) una matriz cuadrada de orden n, formada por las funciones
aij(x) y b(x), y(x), y(x) funciones vectoriales de dimensin n definidas en un
intervalo (a, b) de .
En el captulo 9 se desarroll una manera natural de asociar a cada
ecuacin diferencial ordinaria de orden n un sistema equivalente de ecuaciones
diferenciales de primer orden; as mismo, dado un sistema se puede determinar
una ecuacin diferencial de orden superior asociada, aunque no hay
equivalencia ya que la ecuacin puede tener soluciones que no lo son del
sistema como se muestra en el ejemplo 11.1.3. En esta transformacin entre
sistemas de primer orden y ecuaciones de orden n, la propiedad de linealidad
se conserva como se demuestra en la siguiente proposicin.
Proposicin 11.1.1:
Si una ecuacin diferencial de orden n es lineal tambin es lineal el
sistema asociado de n ecuaciones diferenciales de primer orden y
recprocamente si el sistema es lineal tambin lo es su ecuacin diferencial
asociada.
Demostracin:
Dada la ecuacin diferencial lineal:
yn) + P1(x)yn-1) + ... + Pn-1(x)y + Pn(x)y = G(x),
realizando el cambio de variable:
y1 = y; y2 = y; ...; yn = yn-1),
se obtiene yn = yn), y por lo tanto la ecuacin se transforma en el sistema:
y 1 ( x ) y 2 ( x )
y 2 ( x ) y 3 ( x )

...
y n ( x ) P1( x )y n ( x ) P2 ( x )y n 1( x ) ... Pn ( x )y 1( x ) G( x )
que es un sistema de ecuaciones diferenciales lineales de primer orden.
Recprocamente si y1, y2, ..., yn son soluciones del sistema (11.1.1) al
derivar la primera ecuacin con respecto a x:
y1 = a11y1 + a11y1 + a12y2 + a12y2 + ... + a1nyn + a1nyn + b1
y sustituir las derivadas y1, y2, ..., yn por sus expresiones en el sistema
(11.1.1) se obtiene y1 = d21y1 + d22y2 + ... + d2nyn + h2. Se deriva esta
expresin con respecto a x, se sustituye del modo anterior y se obtiene y1(x) =
d31y1 + d32y2 + ... + d3nyn + h2.
Se repite el proceso hasta la derivada de orden n y se calcula:
y1n)(x) = dn1y1 + dn2y2 + ... + dnnyn + hn.
De esta forma se obtiene el siguiente sistema:

y 1 ( x ) a11( x )y 1( x ) a12 ( x )y 2 ( x ) ... a1n ( x )y n ( x ) b1( x )

y ' ( x ) d ( x )y ( x ) d ( x )y ( x ) ... d ( x )y ( x ) h ( x )
1 21 1 22 2 2n n 2
... (11.1.2)
y n ) ( x ) d ( x )y ( x ) d ( x )y ( x ) ... d ( x )y ( x ) h ( x )
1 n1 1 n2 2 nn n n
De las n 1 primeras ecuaciones se calculan y2, y3, ..., yn en funcin de x,
la funcin y1 y sus derivadas hasta el orden n 1, y al introducir estas
expresiones en la ltima ecuacin de (11.1.2) se obtiene la ecuacin diferencial
lineal de orden n:
y1n)(x) = Q1(x)y1n-1) + ... + Qn-1(x)y1 + Qn(x)y1 + H(x).
Definicin 11.1.2:
Un sistema de n ecuaciones diferenciales lineales de primer orden con
coeficientes constantes se expresa de la siguiente forma:
y 1 ( x ) a11y 1( x ) a12 y 2 ( x ) ... a1n y n ( x ) b1( x )

y' ( x ) a y ( x ) a y ( x ) ... a y ( x ) b ( x )
2 21 1 22 2 2n n 2
...
y ( x ) a y ( x ) a y ( x ) ... a y ( x ) b ( x )
n n1 1 n2 2 nn n n

donde aij , y bi(x) son funciones reales de variable real.
Si para todo i, 1 i n, bi(x) = 0, x , el sistema se denomina
homogneo.
Las equivalentes ecuaciones matriciales son: y(x) = Ay(x) + b(x) para un
sistema no homogneo y y(x) = Ay(x) para un sistema homogneo, donde A
es una matriz de nmeros reales, cuadrada de orden n, A = (aij).

11.1.2. Teoremas de existencia y unicidad
Los teoremas fundamentales de existencia y unicidad de las
soluciones de un problema de valor inicial para sistemas lineales de
ecuaciones diferenciales de primer orden se pueden enunciar de forma similar
a los obtenidos para sistemas de ecuaciones diferenciales de primer orden y se
demostrarn a partir de ellos.
Teorema 11.1.2: Teorema de existencia y unicidad
Sea A(x) una funcin matricial cuadrada de orden n, b(x) una funcin
vectorial, continuas en un intervalo (a, b) de , y sea y(x) = A(x)y(x) + b(x) un
sistema lineal de ecuaciones diferenciales de primer orden. Sea x0 (a, b), si
se impone la condicin inicial y(x0) = (y1(x0), y2(x0), ..., yn(x0)) = (y01, y02, ..., y0n),
entonces existe una nica funcin vectorial (x) = (1(x), 2(x), ..., n(x)) que es
solucin del sistema y verifica las condiciones iniciales.
Demostracin:
En el teorema 9.2.1 de existencia del captulo 9 para sistemas de
ecuaciones diferenciales de primer orden para garantizar la existencia se exiga
la continuidad de las funciones fk(x, y), para todos los valores de k entre 1 y n.
n
En nuestro caso particular fk(x, y) = akj ( x ) y j ( x ) + bk(x). Como por
j 1
hiptesis las funciones akj(x) y bk(x) son funciones continuas en el intervalo (a,
b) se tiene garantizada la existencia de solucin de cualquier problema de valor
inicial en ese intervalo.

Adems las derivadas parciales de las funciones fk(x, y), respecto de las
variables yj(x) son precisamente las funciones akj(x) que por hiptesis son
continuas por lo tanto, por el teorema 9.2.2, se asegura la existencia y unicidad
local de la solucin para un problema de valor inicial, y dicha solucin puede
extenderse a todo intervalo en el que sean continuas las funciones akj(x) y
bk(x).
Es interesante observar que para sistemas lineales el intervalo maximal
de existencia de cualquier solucin es el mismo intervalo para cualquier
condicin inicial, y coincide con el intervalo dominio de definicin de las
funciones A(x) y b(x), mientras que si el sistema es no lineal el intervalo
maximal de existencia depende de la condicin inicial.
Ejemplos resueltos
Ejemplo 11.1.1: Clasificar los siguientes sistemas en lineales o no
lineales, homogneos o no homogneos, de primer orden o de orden superior.
y 1' 0 1 y 1 y 22
1 y
1 y'
( D 2 )y 1 3 y 2 e
2 2x
a) b) y 2 ' 1 0 1 y 2 c) 1
.
( D 2 )y 1 y 2 0 y 12
2
y ' 1 0 y 3 y 2 '
3 1 y2
El sistema del apartado a) es lineal, no homogneo de orden dos.
El sistema del apartado b) es lineal, homogneo y de primer orden.
El sistema del apartado c) es no lineal, homogneo y de primer orden.
Los tres ejemplos tienen los coeficientes constantes.

Ejemplo 11.1.2: Expresar en forma matricial el sistema lineal asociado a la
ecuacin diferencial lineal homognea y + a2y + a1y +a0y = 0.
Realizando el cambio de variable y1 = y; y2 = y, y3 = y, se obtiene y3 =
y, y por lo tanto la ecuacin se transforma en el sistema:
y 1' ( x ) y 2 ( x )

y 2' ( x ) y 3 ( x )
y ' ( x ) a y ( x ) a y ( x ) a y ( x )
3 0 1 1 2 2 3
que expresado en forma matricial:
y 1' ( x ) 0 1 0 y 1( x )

y 2' ( x ) = 0 0 1 y 2 ( x ) .
y ' ( x ) a a1 a2 y ( x )
3 0 3
Ejemplo 11.1.3: Calcular una ecuacin diferencial de orden dos asociada
y ' 1 0 y1
al sistema 1 y comprobar que tiene soluciones que no son
2
y ' 0 1 y2
soluciones del sistema.
La solucin de general de este sistema es:
y1 1 0
= K1 ex + K2 ex y1 = K1ex; y2 = K2ex ,
y2 0 1
y no existe una ecuacin diferencial lineal de segundo orden que tenga estas
soluciones, as por ejemplo derivando la primera ecuacin y1 = y1 se tiene y1 =
y1. Una solucin de esta ecuacin son las funciones constantes que sin
embargo no son solucin del sistema de partida.
Ejemplo 11.1.4: Obtener una ecuacin diferencial de segundo orden

y ' y 2y 2
asociada al sistema 1 1 , y a partir de sus soluciones resolver el
y 2 ' 3 y 1 2y 2
sistema.
Derivando la primera ecuacin se tiene y1 = y1 + 2y2. Sustituyendo los
valores de y1 e y2 del sistema se tiene: y1 = 7y1 + 6y2.
y ' y 2y 2
Se considera el sistema en las variables y1 e y2: 1 1 . Se
y 1'' 7 y 1 6 y 2
1
despeja y2 en la primera ecuacin: y2 = (y1 y1), y se sustituye en la
2
segunda, con lo que se obtiene la ecuacin y1 3y1 4y1 = 0.
La solucin general de esta ecuacin diferencial es y1 = K1e4x + K2e-x.
3
Sustituyendo en y2 tanto y1 como su derivada se obtiene: y2 = K1e4x
2
K2e-x.
Por lo tanto la solucin general del sistema es:
y1 2 1
k 1e 4 x k 2 e x .
y2 3 1
Ejercicios
11.1. Calcular la ecuacin diferencial asociada a cada uno de los siguientes
sistemas y a partir de sus soluciones obtener la solucin general del
sistema.
y 1' 0 1 0 y 1
y ' 0 1 y1
a) y 2 ' = 0 0 1 y 2 . b) 1 .
y ' 1 3 2 y y 2' 2 3 y 2
3 3
11.2. Expresar en forma matricial el sistema lineal asociado a la ecuacin
diferencial lineal homognea y + 2y +y = 0.
y ' y 1 y 2
11.3. Resolver el sistema 1 a partir de las soluciones de la
y 2' y 2
ecuacin diferencial de orden dos asociada a este sistema.
DIFERENCIALES DE PRIMER ORDEN
11.2.1. Dependencia e independencia lineal
Definicin 11.2.1:
Dado un conjunto de funciones vectoriales y1, y2, ..., yn definidas en un
intervalo (a, b) se dice que son linealmente dependientes en el intervalo (a,
b), si existen n constantes 1, 2, ..., n no todas nulas, tales que: 1y1(x) +
2y2(x) + ... + nyn(x) = 0, x (a, b).
Si por el contrario se verifica que esta identidad solamente se cumple
cuando 1 = 2 = ... = n = 0, entonces se dice que las funciones y1, y2, ..., yn
son linealmente independientes en el intervalo (a, b).

Definicin 11.2.2:
Dado un conjunto de funciones vectoriales y1, y2, ..., yn, con yk(x) =
(yk1(x), yk2(x), ..., ykn(x)), 1 k n, se denomina wronskiano de estas funciones
y se denota por W[y1, y2, ..., yn] a la funcin definida por el siguiente
determinante:
y11( x )
y 21( x ) ... y n1( x )
y ( x ) y 22 ( x ) ... y n 2 ( x )
W[y1, y2, ... yn](x) = 12
... ... ... ...
y1n ( x ) y 2n ( x ) ... y nn ( x )
es decir W[y1, y2, ... yn](x) = det [y1, y2, ... yn](x).
Proposicin 11.2.1:
Si las funciones y1, y2, ..., yn son linealmente dependientes en el intervalo
(a, b), entonces su wronskiano en ese intervalo es la funcin nula.
Demostracin:
Si las funciones son linealmente dependientes una de ellas yk se puede
expresar como combinacin lineal de las otras y por lo tanto, la columna k-
sima del determinante se puede expresar como una combinacin lineal de las
otras columnas, lo que supone que el determinante es cero.
Esta proposicin prueba que si un conjunto de funciones vectoriales es
linealmente dependiente entonces son linealmente dependientes los vectores
numricos que se obtienen al hallar las imgenes de estas funciones en cada
punto.
El recproco no es cierto, para algn valor de x pueden ser dichos
vectores linealmente dependientes y no serlo las funciones. Si los vectores son
linealmente independientes para algn valor, x, entonces se puede asegurar
que son linealmente independientes las funciones. Pero incluso puede ocurrir
que para cada valor x los vectores sean linealmente dependientes y ser
linealmente independientes las funciones.
Esta anomala de que unas funciones linealmente independientes puedan
tener valores en un punto que no lo sean, desaparece si las funciones son
solucin de un mismo sistema lineal homogneo.
11.2.2. Estructura de las soluciones del sistema
homogneo
En los siguientes teoremas se supone un sistema de n ecuaciones
diferenciales lineales de primer orden expresado en forma vectorial y(x) =
A(x)y(x) siendo A(x) una funcin matricial cuadrada de orden n, continua en un
intervalo (a, b) de , e y(x), y(x) funciones vectoriales de n en .
Teorema 11.2.3.
Sean y1, y2, ..., yn soluciones linealmente independientes del sistema y(x)
= A(x)y(x) en el intervalo (a, b). Entonces, dadas n constantes c1, c2, ..., cn, la
n
funcin ck y k es tambin solucin del sistema en el intervalo (a, b).
k 1
Demostracin:
Las funciones yk(x), 1 k n, son soluciones del sistema, y por tanto

verifican yk(x) = A(x)yk(x). Por ser la derivada lineal se tiene que:
d
n n n n

dy k
ck y k ck c k A( x ) y k ( x ) A( x ) ck y k ( x ) .
dx k 1 dx
k 1 k 1 k 1
Teorema 11.2.4:
Si las funciones y1, y2, ..., yn son soluciones linealmente independientes
en el intervalo (a, b) del sistema y(x) = A(x)y(x) entonces su wronskiano no se
anula en ningn punto de ese intervalo.
Demostracin:
Se demuestra el teorema por reduccin al absurdo, por lo que se supone
que existe algn x0 (a, b) tal que W[y1, y2, ..., yn](x0) = 0.
Por lo tanto una columna del wronskiano es una combinacin lineal de las
otras. Se supone que es la primera, entonces:
y1(x0) = c2y2(x0) + c3y3(x0) + ... + cnyn(x0)
Sea z(x) = y1(x) + c2y2(x) + c3y3(x) + ... + cnyn(x), x (a, b)
Esta funcin es solucin del sistema por ser una combinacin lineal de
soluciones; adems z(x0) = 0, luego en el punto x0 la funcin z(x) coincide con
la funcin nula, que tambin es solucin del sistema. Por el teorema de
unicidad de soluciones z(x) = 0, x (a, b), lo que contradice que las funciones
y1, y2, ..., yn sean linealmente independientes en (a, b).
Teorema 11.2.5:
Si las funciones y1, y2, ..., yn son soluciones del sistema lineal de
ecuaciones diferenciales y(x) = A(x)y(x) en un intervalo (a, b), entonces su
wronskiano en ese intervalo o es la funcin nula o no se anula en ningn punto
de dicho intervalo.
Demostracin:
Se puede comprobar la siguiente expresin para la derivada del
wronskiano:
W[y1, y2, ..., yn] = W[y1, y2, ..., yn] + W[y1, y2, ..., yn] + ... + W[y1, y2, ..., yn].
Como y1, y2, ..., yn son soluciones del sistema para todo k, tal que 1 k
n, se verifica que yk(x) = A(x)yk(x). Sustituyendo en la expresin anterior se
tiene que W[y1, y2, ..., yn](x) = (a11(x) + a22(x) + ... + ann(x))W[y1, y2, ..., yn](x)
que es una ecuacin diferencial lineal de primer orden que tiene por solucin
W[y1, y2, ..., yn](x) = C e

Traza( A( x ))dx
. Como la funcin exponencial no se
anula, se tiene que W[y1, y2, ..., yn](x) = 0 slo cuando C es igual a 0, por lo
que W[y1, y2, ..., yn](x) es la funcin nula o no se anula en ningn punto del
intervalo (a, b).
De la demostracin de este teorema se deduce que:
W [y1, y2, ..., yn](x) = traza(A)W[y1, y2, ..., yn](x).
Como conclusin de los teoremas anteriores se tiene el siguiente
corolario:
Corolario 11.2.6:
Si las funciones y1, y2, ..., yn son soluciones del sistema lineal homogneo
de ecuaciones diferenciales y(x) = A(x)y(x) en el intervalo (a, b), las tres
condiciones siguientes son equivalentes:
a) Las funciones y1, y2, ..., yn son linealmente independientes en (a, b).
b) Existe un x (a, b) tal que W[y1, y2, ..., yn](x) es distinto de cero.
c) Para todo x (a, b) se verifica que W[y1, y2, ..., yn](x) es distinto de cero.
Es evidente que:
a) b) por el teorema 11.2.4,
b) a) por el teorema 11.2.1,
b) c) por el teorema 11.2.5,
c) b) trivial.
Definicin 11.2.3:
Se llama sistema fundamental de soluciones del sistema lineal
homogneo y(x) = A(x)y(x) en un intervalo (a, b), a cualquier conjunto de n
soluciones linealmente independientes en (a, b).
Teorema 11.2.7:
Siempre existe un sistema fundamental de soluciones del sistema lineal
homogneo de primer orden y(x) = A(x)y(x), en el intervalo (a, b).
Demostracin:
Sea x0 (a, b). Por el teorema de existencia de soluciones se sabe que
existen funciones yk(x), para k desde 1 hasta n, que son solucin del sistema y
cada una verifica la condicin inicial siguiente: y1(x0) = (1, 0, ..., 0), y2(x0) = (0,
1, ..., 0), ..., yn(x0) = (0, 0, ..., 1),
Las funciones y1(x), y2(x), ..., yn(x) son linealmente independientes, ya que
si existen n constantes c1, c1, ..., cn tales que c1y1(x) + c2y2(x) + ... + cnyn(x) = 0
x (a, b), se tiene que:
n
ck y k 1
( x 0 ) 0 c1 = 0.
k 1
n
ck y k 2
( x 0 ) 0 c2 = 0
k 1
...........
n
ck y k n
( x 0 ) 0 cn = 0
k 1
En consecuencia las n funciones son linealmente independientes y por lo
tanto forman un sistema fundamental de soluciones.
Teorema 11.2.8:
Si y1, y2, ..., yn es un sistema fundamental de soluciones del sistema
lineal homogneo de primer orden y(x) = A(x)y(x), en el intervalo (a, b),
entonces toda solucin (x) = (1(x), 2(x), ..., n(x)) del sistema se puede
n
expresar de la forma (x) = c k y k ( x ) , donde c , c , ..., c
1 2 n son constantes.
k 1
Demostracin:
Sea y1, y2, ..., yn un sistema fundamental de soluciones, una
solucin del sistema y(x) = A(x)y(x), y x0 un punto del intervalo (a, b),
entonces por el corolario 11.2.6, W[y1, y2, ..., yn](x0) 0.
Se determina 1(x0), 2(x0), ..., n(x0) y se considera el siguiente sistema
de n ecuaciones en las incgnitas c1, c2, ..., cn:
n
ck y k 1
( x 0 ) 1( x 0 )
k 1
n
ck y k 2
( x 0 ) 2 ( x 0 )
k 1
........................
n
ck y k n
( x 0 ) n ( x 0 )
k 1
Como W[y1, y2, ..., yn](x0) es el determinante de la matriz de los
coeficientes y es distinto de cero, el sistema tiene solucin nica, es decir
existen c1, c2, ..., cn constantes que verifican las n ecuaciones y por el teorema
n
de unicidad = ck y k .
k 1
Teorema 11.2.9:
Sea el conjunto de soluciones del sistema lineal homogneo de primer
orden y(x) = A(x)y(x) en el intervalo (a, b). Entonces tiene estructura de
espacio vectorial de dimensin n.
Demostracin:
Como el teorema 11.2.3 garantiza la linealidad de las soluciones del
sistema y(x) = A(x)y(x), y adems se verifican los axiomas de espacio
vectorial, se tiene que el conjunto de soluciones del sistema lineal
homogneo tiene estructura de espacio vectorial. Un sistema fundamental de
soluciones del sistema, que existe como resultado del teorema 11.2.7, es una
base del espacio vectorial ya que:
a) Es un sistema de generadores, pues por el teorema 11.2.8 cualquier
solucin se puede expresar como combinacin lineal de los elementos del
sistema fundamental de soluciones.
b) Por definicin son funciones linealmente independientes.
Se puede observar que cada solucin no puede depender de ms de n
soluciones independientes, ya que suponiendo que hubiera n + 1 y
particularizando en un punto x0 se encontraran n + 1 vectores de n
linealmente independientes, que es imposible.
Corolario 11.2.10:
Sea y1, y2, ..., yn un sistema fundamental de soluciones del sistema
lineal homogneo y(x) = A(x)y(x) en el intervalo (a, b). La solucin general
de este sistema se puede expresar de la forma:
y 11( x ) y n1( x )
n
(x) = c k y k ( x ) = c1 ... + ... + cn ... .
k 1 y ( x ) y ( x )
1n nn
11.2.3. Matriz fundamental
Definicin 11.2.4:
Se denomina matriz fundamental del sistema lineal homogneo y(x) =
A(x)y(x) a una matriz (x) cuyas columnas son n soluciones linealmente
independientes del sistema, es decir, son un sistema fundamental de
soluciones en un intervalo (a, b),
y 11( x ) ... y n1( x )

(x) = (y1(x), y2(x), ...,yn(x)) = ... ... ... .
y ( x ) ... y ( x )
1n nn
Definicin 11.2.5:
Se denomina matriz solucin del sistema lineal homogneo y(x) =
A(x)y(x) a una matriz (x) cuyas columnas son soluciones del sistema, sean
linealmente independientes o no.
Definicin 11.2.6:
Se denomina matriz fundamental principal del sistema lineal
homogneo y(x) = A(x)y(x) a una matriz fundamental (x) tal que para un
valor x0 verifique que (x0) = I, siendo I la matriz identidad.
En algunos textos se dice que una matriz de soluciones linealmente
independientes es fundamental cuando adems es principal.
La solucin general de un sistema homogneo se puede expresar en
trminos de la matriz fundamental del sistema: y = (x)C, donde C es un

vector de constantes indeterminadas. Una matriz fundamental queda
caracterizada por verificar:
a) (x) = A(x)(x), pues es una matriz solucin, y
b) Su determinante es distinto de cero.
Propiedades de la matriz fundamental:
1. Frmula de Jacobi: Si (x) es una matriz solucin entonces:
(det)(x) = traza(A(x))det (x)
x
x0 traza( A( s )).ds
det( ( x ) det ( x 0 ) e
Resultados que ya han sido comentados en la demostracin del teorema
11.2.5.
2. Sea (x) una matriz solucin. (x) es una matriz fundamental si y
slo si existe algn x0 (a, b) tal que det((x0)) es distinto de cero.
Es una consecuencia del corolario 11.2.6.
3. Si es una matriz fundamental entonces cualquier otra matriz
fundamental es de la forma P donde P es una matriz regular de orden n. Sin
embargo, como el producto de matrices no es necesariamente conmutativo,
P puede no ser una matriz fundamental.
4. Si es una matriz fundamental se comprueba que:

y ( x ) y G ( x ) y P ( x ) ( x ) C ( x ) 1( s ) b( s ) ds

Esta frmula se estudia posteriormente en 11.5.1, y se conoce con el
nombre de frmula de variacin de las constantes.
5. Si es una matriz fundamental, y si se considera el problema de
y' ( x ) A( x ) y ( x ) b( x )
valor inicial: donde (x0, y0) (a, b)xn entonces la
y ( x0 ) y 0
nica solucin es:
x
1 1
y ( x ) ( x ) ( x 0 ).x 0 ( x ) ( s ) b( s ) ds .
x0
Se observa que conocida la matriz fundamental se puede obtener el
conjunto de soluciones del sistema homogneo, y que si se pudiera calcular la
integral que aparece en la propiedad 4 se tendra de manera explcita todas las
soluciones. Desgraciadamente, existen pocos tipos de sistemas en los que se
puede encontrar de manera explcita la matriz fundamental.
11.2.4. Estructura de las soluciones del sistema no
homogneo
El conjunto de soluciones de un sistema lineal de primer orden no
homogneo tiene estructura de espacio afn, siendo su espacio vectorial
asociado el conjunto de soluciones del sistema lineal homogneo. El desarrollo
para obtener este resultado es muy similar al que se realizaba para determinar
la estructura de las soluciones de las ecuaciones diferenciales de orden

superior. Previamente se demuestra que una solucin general del sistema no
homogneo se puede obtener a partir de una solucin particular de ste y la
solucin general del sistema homogneo. Este resultado, que ya se estudi
para las ecuaciones lineales de primer orden y de orden superior, es esencial
para resolver sistemas no homogneos.
Teorema 11.2.11:
Sea A(x) una funcin matricial y b(x) una funcin vectorial, continuas en
un intervalo abierto (a, b). Si y1, y2, ..., yn son n soluciones linealmente
independientes del sistema lineal homogneo de primer orden y(x) = A(x)y(x)
en el intervalo (a, b) y P es una solucin cualquiera del sistema no homogneo
y(x) = A(x)y(x) + b(x), entonces para toda solucin de este sistema, existen
n
n constantes c1, c2, ..., cn, tales que puede expresarse por = P + ck y k
k 1
Demostracin:
Sea una solucin arbitraria del sistema y(x) = A(x)y(x) + b(x). Como P
tambin es solucin se tiene que ambas funciones verifican el sistema, por lo
que (x) = A(x)(x) + b(x) y P(x) = A(x)P(x) + b(x).
Por lo tanto restando ambas igualdades: (x) P(x) = A(x)((x)
P(x)), es decir, P es una solucin del sistema homogneo.
Por el teorema 11.2.8 existen n constantes c1, c2, ..., cn, tales que P =
n n
c k y k = P + c k y k , de donde se deduce que la solucin general
k 1 k 1
del sistema no homogneo se puede expresar como la suma de una solucin
particular de ste, P, ms la solucin general del sistema homogneo
n
asociado ck y k .
k 1
Teorema 11.2.12:
Sea A(x) una funcin matricial y b(x) una funcin vectorial, continuas en
un intervalo abierto (a, b). El conjunto de soluciones del sistema no homogneo
y(x) = A(x)y(x) + b(x) tiene estructura de espacio afn de dimensin n
construido sobre el espacio vectorial de soluciones del sistema homogneo
y(x) = A(x)y(x).
Sea el conjunto de soluciones del sistema homogneo, que por el
teorema 11.2.9 tiene estructura de espacio vectorial de dimensin n, y sea el
conjunto de soluciones del sistema no homogneo.
La aplicacin h: x , definida por h(1, 2) = 2 1 estructura a
como espacio afn ya que:
Si 1, 2 (2 1) = (2) (1) = (A(x)2(x) + b(x)) (A(x)1(x) +
b(x)) = A(x)(2 1)(x) 2 1 .
Adems se verifican los axiomas de espacio afn:
1 1 y entonces 2 , tal que h(1, 2) = 2 1 = .
Basta tomar 2 = 1 + . Es evidente que 2 ya que 2(x) = (1 +
)(x) = 1(x) + (x) = A(x)1(x) + b(x) + A(x)(x) = A(x)(1 + )(x) + b(x) =

A(x)2 (x) + b(x).
2 Si 1, 2, 3 entonces h(1, 2) + h(2, 3) = h(1, 3), lo que se
verifica ya que 2 1 + 3 2 = 3 1.
Ejemplos resueltos
e 2x xe 2 x
Ejemplo 11.2.1: Comprobar que 1(x) = y 2(x) =
e 2x xe 2 x e 2 x

e 2 x xe 2 x xe 2 x
son matrices fundamentales del sistema:
xe 2 x e 2 x xe 2 x
y 1' 3 1 y 1
= .
y 2 ' 1 1 y 2
3 1
La matriz de los coeficientes es A = . Para comprobar que 1(x)
1 1
es solucin del sistema y = Ay, se debe verificar que 1(x) = A1(x).
2e 2 x e 2 x 2 xe 2 x
1(x) = y coincide con A1(x) ya que
2e 2 x e 2 x 2 xe 2 x

3 1 e 2 x xe 2 x 2e 2 x e 2 x 2 xe 2 x
A1(x) = = .
1 1 e 2 x e 2 x xe 2 x 2e 2 x
e 2 x 2 xe 2 x
Por lo tanto es una matriz solucin y como adems es regular (pues su
determinante vale 4e4x por lo que es distinto de cero), entonces es una matriz
fundamental.
3e 2 x 2 xe 2 x e 2 x 2 xe 2 x
Anlogamente 2(x) = y A2(x) =
e 2 x 2 xe 2 x e 2 x 2 xe 2 x

3 1 e 2 x xe 2 x xe 2 x 3e 2 x 2 xe 2 x e 2 x 2 xe 2 x
= , por lo
1 1 xe 2 x e 2 x xe 2 x e 2 x 2 xe 2 x e 2 x 2 xe 2 x
que 2(x) es una matriz solucin del sistema. Adems es regular (pues su
determinante vale e4x por lo que es distinto de cero). Por lo tanto es tambin
una matriz fundamental.
2e 2 x 3e x
Ejemplo 11.2.2: Dada la matriz (x) = 2 x encontrar un sistema
e 2e x

de ecuaciones diferenciales para el que (x) sea una matriz fundamental.
2e 2 x 3e x
y1 = e y2 = x son soluciones linealmente independientes del
e 2x 2e

sistema buscado. Adems y1 = 2y1 e y2 = y2. Por lo tanto (x) es una matriz
y ' 2 0 y1
fundamental del sistema 1 = .
y 2' 0 1 y 2
Ejemplo 11.2.3: Demostrar que si z1 = (a + ib)e(+i)x y z2 = (a ib)e(-i)x
son soluciones complejas linealmente independientes de un sistema lineal de
dos ecuaciones diferenciales entonces:
y1 = Real((a + bi)e(+i)x)
y2 = Im((a + bi)e(+i)x)
son soluciones reales del sistema linealmente independientes.
Las funciones y1 y y2 son combinaciones lineales de las funciones z1 e z2

ya que:
1
y1 = (z1 + z2) = ex (acos x bsen x),
2
1
y2 = (z1 z2) = ex (bcos x + asen x)
2i
por lo tanto son tambin soluciones del sistema. Adems son linealmente
independientes ya que:
a1 cos x b1senx b1 cos x a1senx

W[y1, y2] = ex = ex(a1b2 - a2b1).
a2 cos x b2 senx b2 cos x a 2 senx
Para demostrar que a1b2 a2b1 0, se calcula el wronskiano de las
soluciones z1 e z2, que por hiptesis son linealmente independientes, y por lo
tanto es distinto de cero:
( a1 ib1 )e x ( a1 ib1 )e x
W[z1, z2] = ex = 2iex(b1a2 b2a1).
( a 2 ib2 )e x ( a 2 ib2 )e x
Comparando ambos determinantes se observa que las soluciones z1 y z2
son linealmente independientes si y slo si y1 e y2 son linealmente
independientes.
Ejercicios
4e 2 x e 3 x
11.4. Comprobar que (x) = 2 x es una matriz fundamental del
e e 3 x

y ' 1 4 y1
sistema 1 = .
y 2 ' 1 2 y 2
e3x ( 1 2 x )e 3 x
11.5. Dada la matriz (x) = 3 x encontrar un sistema de
e 2 xe 3 x

ecuaciones diferenciales para el que (x) es una matriz fundamental.
0 2e x 0

11.6. Comprobar que (x) = 0 ex 2e 3 x es una matriz fundamental
x
e xe x e3x

y 1' 1 0 0 y 1

del sistema y 2 ' = 1 3 0 . y 2 .
y ' 0 1 1 y
3 3
11.3. SISTEMAS LINEALES HOMOGNEOS CON
COEFICIENTES CONSTANTES
En los sistemas lineales homogneos con coeficientes constantes es
posible dar una descripcin completa del conjunto de soluciones y de muchas
de sus propiedades cualitativas. Por razones de claridad los ejemplos se limitan
a sistemas de dos o tres ecuaciones. En esta seccin se estudian los sistemas
homogneos, haciendo uso del clculo de autovectores y autovalores. Slo se
contempla el caso en que los coeficientes son reales, pero el caso de
coeficientes complejos se podra estudiar de forma similar con ligeras
modificaciones, como reemplazar la transpuesta de una matriz por la hermtica
conjugada.
Un sistema lineal y homogneo de coeficientes constantes y = Ay es un

sistema autnomo pues A, al ser constante no depende de x, por lo que basta
con estudiarlo en x = 0 para tenerlo estudiado para cualquier problema de valor
inicial. Los sistemas autnomos se estudiarn con mayor profundidad en el
captulo 12: Teora cualitativa de ecuaciones diferenciales.
Ante un sistema lineal, lo primero que se debe intentar es transformarlo
en otro ms sencillo o en una ecuacin de orden n. Las estrategias para
conseguirlo pueden ser muy diversas, como son las distintas tcnicas
algebraicas que permiten resolver un sistema lineal o utilizar determinados
cambios de variable. Una forma sistemtica de realizar combinaciones lineales
entre las ecuaciones del sistema de manera que se reduzca a una ecuacin de
orden superior consiste en utilizar operadores diferenciales, procedimiento que
se desarrolla a continuacin.
11.3.1. Resolucin por eliminacin mediante el operador
diferencial D
En el captulo anterior se defina el operador diferencial D como una
df
aplicacin de en tal que f , D(f) = , siendo la familia de funciones
dx
reales de variable real infinitamente derivables en un intervalo (a, b).
Dado el sistema:
b11y1 ( x ) b12y2' ( x ) ... b1nyn' ( x ) a11y1( x ) a12y2( x ) ... a1nyn( x )

''
b21y1' ( x ) b22y ' ( x ) ... b2nyn' a21y1( x ) a22y2( x ) ... a2nyn( x )
... (11.3.1)
b y ' ( x ) b y ' ( x ) .. b y ( x ) a y ( x ) a y ( x ) ... a y ( x )
n1 1 n2 2 nn n n1 1 n2 2 nn n
Aplicando que D(y) = y se puede expresar:
( a11 b11D )y 1( x ) ( a12 b21D )y 2 ( x ) ... ( a1n b1n D )y n ( x ) 0

( a b D )y ( x ) ( a b D )y ( x ) ... ( a b D )y ( x ) 0
21 21 1 22 22 2 2n 2n n
...
( a b D )y ( x ) ( a b D )y ( x ) ... ( a D )y ( x ) 0
n1 n1 1 n2 n2 2 nn n

o bien en forma matricial:
a11 b11D a12 b12 D ... a1n b1n D y ( x )

1 0
a21 b21D a22 b22 D ... a2n b2n D y 2 ( x ) 0

.... ... ... ... ... = ... .

a b D a b D ... ann bnn D y n ( x ) 0
n1 n1 n2 n2
a11 b11D a12 b12 D ... a1n b1n D

a b D a b D ... a2n b2n D
Sea el operador (D) = 21 21 22 22
.... ... ... ...

an1 bn1D an 2 bn 2 D ... ann bnn D
que se supone que no es la funcin nula. (D) es un operador polinmico de
grado n.
Si (D) = r0 + r1D + ... + rnDn entonces
(D)(yk(x)) = r0yk(x) + r1yk(x) + ... + rnykn)(x).
Para todo k, 1 k n se resuelve la ecuacin diferencial homognea de
grado n: r0yk(x) + r1yk(x) + ... + rnykn)(x) = 0
Una vez obtenidas cada una de las funciones yk(x) en funcin de n
constantes, se tienen en total n2 constantes que se eliminan hasta dejar slo n
sustituyndolas en el sistema.
Ejemplos resueltos
Ejemplo 11.3.1: Utilizar el mtodo por eliminacin mediante el operador D
para resolver el sistema de dos ecuaciones con dos incgnitas.
dy
dx y 2z
dz
y 3z
dx
Para resolver el sistema se integra la ecuacin diferencial de segundo
orden homognea: (D)(z(x)) = 0.
1 D 2
(D) = = D2 4D + 5 = (D (2 + i))(D (2 i))
1 3D
La ecuacin (D2 4D + 5)z(x) = 0 tiene como solucin general:
z(x) = e2x(C1sen x + C2cos x).
Sustituyendo esta solucin en la segunda ecuacin del sistema:
y(x) = 2e2x(C1sen x + C2cos x) + e2x(C1cos x C2sen x) 3e2x(C1sen x
+ C2cos x) = e2x((C1 C2)sen x + (C1 C2)cos x)
Por lo tanto la solucin del sistema es:
y(x) = e2x((C1 C2)sen x + (C1 C2)cos x)
z(x) = e2x(C1sen x + C2cos x).
Ejemplo 11.3.2: Resolver el sistema:

y' ' 4z 0
,
z' ' 4 y 0
utilizando el operador D.
Se expresa el operador D en forma matricial:
D2 4 y 0
=
4 D 2 z 0

y por lo tanto (D) = D4 + 16.
Se resuelve la ecuacin homognea de orden 4: (D4 + 16)(y(x)) = 0.
Las races de la ecuacin caracterstica de esta ecuacin diferencial son:
1 = 2 (1 + i); 2 = 2 (1 + i); 3 = 2 (1 i); 4 = 2 (1 i),
y(x) = e 2 x (C1cos 2 x + C2sen 2 x) + e 2 x (C3cos 2 x + C4sen 2 x).
Al calcular y(x) y sustituir en la primera ecuacin se obtiene z(x).
y(x) = 2 e 2 x ((C1 + C2)cos 2 x + (C1 + C2)sen 2 x)) +
2 e 2 x ((C4 C3)cos 2 x + (C3 C4)sen 2 x)).
y(x) = 4 e 2 x (C2cos 2 x C1sen 2 x) + 4 e 2 x (C4cos 2x +
C3sen 2 x).
z(x) = e 2 x (C2cos 2 x C1sen 2 x) + e 2 x (C4cos 2 x + C3sen 2 x).

La solucin del sistema es:
y(x) = e 2 x (C1cos 2 x + C2sen 2 x) + e 2 x (C3cos 2 x + C4sen 2 x).
z(x) = e 2 x (C2cos 2 x C1sen 2 x) + e 2 x (C4cos 2 x + C3sen 2 x).
11.3.2. Resolucin buscando soluciones exponenciales.
Mtodo de Euler
La funcin exponencial, y = eax, verifica que sus derivadas son mltiplos
de s misma. Por lo tanto parece natural que sean de ese tipo las soluciones de
un sistema lineal homogneo con coeficientes constantes.
Se considera el sistema y = Ay. Se busca una solucin de la forma y(x) =
B1
x
... e . Se sustituye en el sistema:
B
n
B1e x a11B1e x a12 B2 e x ... a1n Bn e x

B2 e x a21B1e x a22 B2 e x ... a2n Bn e x

...
B e x a B e x a B e x ... a B e x
n n1 1 n2 2 nn n

y se divide entre ex:
( a11 )B1 a12 B2 ... a1n Bn 0

a B ( a )B ... a B 0
21 1 22 2 2n n
... (11.3.2)
a B a B ... ( a )B 0
n1 1 n2 2 nn n

El resultado es un sistema algebraico lineal homogneo en las variables
B1, B2, ..., Bn que slo tiene solucin distinta de la trivial cuando el determinante
de los coeficientes es igual a cero, es decir:
a11 a12 ... a1n

a a22 ... a2n
21 = 0.
.... ... ... ...

an1 an 2 ... ann
Esta ecuacin se denomina ecuacin caracterstica. Al desarrollar el
determinante se obtiene una ecuacin polinmica en de grado n, en la que el
tipo de races de la ecuacin determina la expresin de las soluciones.
Caso 1: La ecuacin caracterstica tiene todas las races reales y
distintas.
Sean 1, 2, ..., n las races de la ecuacin caracterstica, entonces para
todo k, 1 k n, al sustituir por cada valor k en el sistema (11.3.2) se
obtiene una solucin, no trivial, del sistema algebraico (B1k, B2k, ..., Bnk) que
determina una solucin del sistema de ecuaciones diferenciales:
B1k

yk(x) = (ykj(x)) = ... e k x .
B
nk
De esta forma se obtienen n soluciones que, en este caso, son
linealmente independientes, y por lo tanto determinan la solucin general del
sistema que es de la forma y(x) = C1y1(x) + C2y2(x) + ... + Cnyn(x), y por tanto:
B11 B12 B1n

x x
y(x) = C1 ... e 1 + C2 ... e 2 + ... + Cn ... e n x .
B B B
n1 n2 nn
Caso 2: La ecuacin caracterstica tiene races complejas distintas.
En este caso se puede obtener la solucin general en funcin de
exponenciales complejas y las soluciones de (11.3.2) pueden ser tambin
nmeros complejos. Para analizar el caso en el que se quieren obtener
soluciones reales se supone un sistema de dos ecuaciones diferenciales cuya
ecuacin caracterstica tiene dos races complejas conjugadas + i, i, y
dos soluciones linealmente independientes complejas:
y1(x) = B1e(+i)x = (a + ib)e(+i)x y
y2(x) = B2e(-i)x = (a ib)e(-i)x.
La parte real y la parte imaginaria de estas soluciones se obtienen como
combinacin lineal de ellas, por lo que son soluciones, son linealmente
independientes y son funciones reales, como se comprob en el ejemplo
11.2.3. La solucin general del sistema es:
a b1 b a1
y(x) = ex(C1( 1 cos x sen x) + C2( 1 cos x + sen x)).
a2 b2 b2 a2
Caso 3: La ecuacin caracterstica tiene races mltiples.
Se supone un sistema de dos ecuaciones diferenciales cuya ecuacin
caracterstica tiene una raz doble. El caso general se estudia en el siguiente

B11 1x
apartado. Sea 1 la raz, entonces y1(x) = B1 e 1 x = e es una
B12
solucin.
La analoga con las ecuaciones de orden n llevara a pensar que la otra
solucin linealmente independiente con ella es y2(x) = B2 xe 1 x . Sin embargo
puede no ser as, la otra solucin del sistema tiene la forma y2(x) = (B1x +
B2) e 1x . Sustituyendo esta solucin en el sistema se determinan los vectores
B1 y B2.
La solucin general del sistema es:
B B B
y(x) = C1 11 e1x + C2( 21 + 11 x )e1x .
B21 B 22 B12
Ejemplos resueltos
Ejemplo 11.3.3: Resolver el sistema de tres ecuaciones con tres
incgnitas:
dx
dt y z
dy
3x z
dt
dz 3 x y
dt
1 1
Se calculan las races de la ecuacin caracterstica: 3 1 = 0
3 1
3 + 7 + 6 = 0 (1)( 3)( + 2)( +1) = 0 Las races de la ecuacin

caracterstica = 3, = 2 y = 1 son reales y distintas.
Para = 3 se buscan soluciones de la forma x(t) = A1e3t, y(t) = B1e3t, z(t) =
C1e3t siendo A1, B1, C1 soluciones del sistema algebraico homogneo:
3 1 1 A1 0

3 3 1 B1 = 0 ,
3 3 C1 0
1
3
cuya solucin es A1 = K, B1 = C1 = K1, por lo que la solucin buscada es x(t)
2
= 2e3t, y(t) = 3e3t, z(t) = 3e3t.
Para = 2, se buscan soluciones de la forma x(t) = A2e-2t, y(t) = B2e-2t,
z(t) = C2e-2t siendo A2, B2, C2 soluciones del sistema algebraico homogneo:
2 1 1 A2 0

3 2 1 B2 = 0 ,
3 2 C 2 0
1
cuya solucin es A2 = K2, B2 = C2 = K2, por lo que la solucin buscada es x(t) =
e-2t, y(t) = e-2t, z(t) = e-2t .
Para = 1, se buscan soluciones de la forma x(t) = A3e-t, y(t) = B3e-t, z(t)
= C3e-t siendo A3, B3, C3 soluciones del sistema algebraico homogneo:
1 1 1 A3 0

3 1 1 B3 = 0 ,
3 1 1 C 0
3
cuya solucin es A3 = 0, B3 = C3 = K3, por lo que la solucin buscada es x(t) =
0, y(t) = e-t, z(t) = e-t .

La solucin general del sistema de ecuaciones diferenciales es:
x(t) = 2K1e3t + K2e-2t
y(t) = 3K1e3t K2e-2t + K3e-t
z(t) = 3K1e3t K2e-2t K3e-t
x( t ) 2 1 0
3t -2t
y ( t ) = K1 3 e + K2 1 e + K3 1 e-t.
z( t ) 3 1 1

dy
dx 2y 9z
dz .
y 8z
dx
2 9
Se resuelve la ecuacin caracterstica: = 0 2 10 + 25 =
1 8
0 ( 5)2 = 0, por lo tanto la ecuacin caracterstica tiene una raz doble y
una solucin del sistema es de la forma:
y( x ) A A
= ( 1 + 2 x)e5x.
z( x ) B1 B2
Al sustituir en la primera ecuacin del sistema se obtiene:
(5(A1 + A2x) + A2)e5x = 2(A1 + A2x)e5x 9(B1 + B2x)e5x
3A1 + 9B1 + A2 + (3A2 + 9B2)x = 0
Si B2 = K2, A2 = 3K2 y si B1 = K1, A1 = 3K1 + K2,

y por lo tanto la solucin general del sistema es:
y(x) = (3K1 + K2 3K2x)e5x,
z(x) = (K1 + K2x)e5x.
11.3.3. Ecuacin caracterstica. Autovalores y autovectores
Se considera el sistema y = Ay con y(x) = (yk(x)), 1 k n. Se supone
que el sistema tiene una solucin de la forma y(x) = vex, donde v es un vector
de n no nulo. Para que y(x) sea solucin se debe verificar que:
y(x) = vex = Avex v = Av,
es decir, Av es un mltiplo de v, lo que indica que v es un autovector de la
matriz A y un autovalor.
Por este procedimiento, en el caso en que se pudieran encontrar n
soluciones de este tipo linealmente independientes, se tendra resuelto el
sistema. Antes de demostrar que existe al menos una solucin de esta forma y
de buscar un sistema fundamental de soluciones se definen los conceptos
algebraicos necesarios para desarrollar la teora.
Definicin 11.3.1:
Dada una matriz cuadrada A de orden n, se denomina vector propio,
vector caracterstico, autovector o eigenvector de A, a un vector v real o
complejo, distinto de cero, para el que existe un valor , tal que Av = v o lo
que es lo mismo (A I)v = 0 donde I es la matriz identidad.

Definicin 11.3.2:
Dada una matriz cuadrada A de orden n, y v un vector caracterstico de A,
se denomina valor propio, autovalor o eigenvalor de A, a un nmero real o
complejo que verifica que (A I)v = 0.
Si para un valor y un vector v se verifica que (A I)v = 0, se dice que
es un autovalor de la matriz A y v es un autovector de A asociado al autovalor
Definicin 11.3.3:
Dada una matriz cuadrada A de orden n, se denomina ecuacin
caracterstica de A a la ecuacin A I= 0.
Proposicin 11.3.1:
Dada una matriz cuadrada A de orden n, es un autovalor de A si y slo
si es una raz de su ecuacin caracterstica.
Demostracin:
Sea A = (aij) y v = (v1, ..., vn) un autovector de A asociado al autovalor .
La ecuacin matricial (A I)v = 0 se expresa:
( a11 )v1 a12v 2 ... a1nv n 0

a v ( a )v ... a v 0
21 1 22 2 2n n
... .
a v a v ... ( a )v 0
n1 1 n 2 2 nn n

Este sistema admite una solucin no trivial para los valores de para los
que el determinante de los coeficientes A I se anula, por lo que si es un
autovalor de A es equivalente a decir que es una raz de su ecuacin
caracterstica.
Ya que A I= 0 es una ecuacin polinmica de grado n, no puede
tener mas de n autovalores. Si es una raz mltiple de orden m se dice que el
autovalor tiene multiplicidad m. Por el teorema fundamental del lgebra se
sabe que A tiene exactamente n autovalores contando cada uno tantas veces
como indica su multiplicidad.
Proposicin 11.3.2:
Si v1, v2, ..., vm son m autovectores de A asociados, respectivamente, a m
autovalores distintos 1, 2, ..., m, entonces los vectores v1, v2, ..., vm son
Demostracin:
Se demuestra por induccin sobre m. Para m = 1 es inmediato ya que un
autovector no puede ser el vector cero.
Supuesto cierto para k 1 vectores, se consideran k autovectores v1, v2,
..., vk asociados a los autovalores 1, 2, ..., k.
k
Si existen ci no todos nulos tales que ci v i = 0, al multiplicar por la
i 1
k
matriz A se tiene que ci i v i = 0.
i 1
Se puede suponer que al menos una de las constantes c1, c2, ..., ck-1 es
k k
distinta de cero, multiplicando c i v i por k y restando c i i v i , se anula el
i 1 i 1
k 1
sumando k-simo y se obtiene c i ( k i )v i = 0, lo que contradice la
i 1
hiptesis de induccin ya que los autovalores son distintos. Por lo tanto las
constantes ci son nulas para todo i lo que implica que los autovectores son
Proposicin 11.3.3:
Sea y(x) una solucin del sistema y = Ay. Si existe un valor x0 tal que el
vector y(x0) es un autovector de A asociado al autovalor , es decir Ay(x0) =
y(x0), entonces para todo valor de x se verifica que Ay(x) = y(x).
Demostracin:
Se considera la funcin z(x) = y(x) y(x). Por ser y(x) una solucin del
sistema se tiene que z(x) = Ay(x) y(x), como por hiptesis Ay(x0) = y(x0),
se verifica que z(x0) = 0. Aplicando el teorema de unicidad z(x) es la funcin
idnticamente cero y por lo tanto para todo valor de x se tiene que Ay(x) =
y(x).
Definicin 11.3.4:
Se dice que una solucin y(x) del sistema y = Ay es una solucin
caracterstica si para algn valor se verifica que Ay(x) = y(x).
Proposicin 11.3.4:
Sea el sistema y = Ay. Para cada autovalor de la matriz A, existe al
menos una solucin caracterstica del sistema, y(x), que se puede expresar de
la forma y(x) = (v1ex, v2ex, ..., vnex), siendo v = (v1, v2, ..., vn) un autovector
asociado al autovalor .
Demostracin:
Sea un autovalor de la matriz A y v = (v1, v2, ..., vn) un autovector
asociado a , sea y(x) = (y1(x), y2(x), ..., yn(x)) una solucin caracterstica del
sistema tal que y(0) = v, que existe por la proposicin 11.3.3 y verifica que y(x)
= Ay(x) = y(x). Por lo tanto para todo k, 1 k n se tiene que yk(x) = yk(x).
Integrando se tiene yk(x) = ckex, y puesto que yk(0) = ck = vk se obtiene:
y(x) = (v1ex, v2ex, ..., vnex).
El siguiente teorema permite determinar un sistema fundamental de
soluciones y por lo tanto la solucin general del sistema cuando los autovalores
de la ecuacin caracterstica son distintos.
Teorema 11.3.5:
Un conjunto de soluciones caractersticas del sistema y = Ay asociadas
a autovalores diferentes de la matriz A es linealmente independiente. En
particular si A tiene n autovalores distintos el conjunto de soluciones
caractersticas es un sistema fundamental de soluciones.
Demostracin:
Sean y1, y2, ..., ym soluciones caractersticas del sistema asociadas,

respectivamente, a los m autovalores distintos 1, 2, ..., m. Por la proposicin
11.3.2 para un valor fijo x0, los vectores y1(x0), y2(x0), ..., ym(x0) son linealmente
independientes y por el corolario 11.2.6 tambin son linealmente
independientes las funciones y1, y2, ..., ym.
En particular, si la matriz A tiene n autovalores distintos, las soluciones
caractersticas y1, y2, ..., yn forman un sistema fundamental de soluciones.
Para todo k, 1 k n por la proposicin 11.3.4 se tiene que yk(x) =
( v k1e k , v k 2e k ,..., v kne k ) y por tanto la solucin general y(x) se puede
expresar de la forma:
v 11 v 21 v n1
x x
y(x) = C1 ... e 1 + C2 ... e 2 + ... + Cn ... e n x =
v v v
1n 2n nn
= C1v1 e 1x + C2v2 e 2 x + ... + Cnvn e n x
siendo vk = (vk1, vk2, ..., vkn) un autovector asociado al autovalor k.
El sistema fundamental que se obtiene, en general, puede estar formado
por soluciones complejas pero a partir de l se pueden obtener n soluciones
reales linealmente independientes y por lo tanto constituyen un sistema
fundamental de soluciones; es el resultado de la siguiente proposicin.
Proposicin 11.3.6:
Sean las funciones z1, z2, ..., zn soluciones caractersticas reales o
complejas linealmente independientes del sistema y = Ay, siendo A una matriz
real de orden n, entonces se pueden obtener a partir de ellas n soluciones

reales linealmente independientes.
Demostracin:
Para toda solucin compleja zk = (a + bi)e(+i)x, se tiene la solucin z2k =
(a bi)e(-i)x. Para cada par de soluciones complejas zk, z2k se obtienen dos
soluciones reales linealmente independientes, que son:
yk = Real((a + bi)e(+i)x) e y2k = Im((a + bi)e(+i)x).
Las funciones yk e y2k son combinaciones lineales de las funciones zk y z2k
ya que:
1
yk = (zk + z2k) = ex(acos x bsen x);
2
1
y2k = (zk z2k) = ex(bcos x + asen x)
2i
por lo tanto son tambin soluciones del sistema y por construccin son
Antes del estudio del caso general se recuerdan algunos resultados de
lgebra lineal.
Definicin 11.3.5:
Sea un autovalor de la matriz A, se dice que un vector y0 n, y0 0,
esta asociado a con multiplicidad m si para el nmero entero m, y no para
otro menor, se verifica que (A I)my0 = 0, es decir:
y0 Ker(A I)m Ker(A I)m-1.

Proposicin 11.3.7:
Sean 1, 2, ..., r, los autovalores de la matriz A, con multiplicidades m1,
r
m2, ..., mr, siendo mk = n. Entonces para cada autovalor k existe un
k 1
conjunto de mk vectores ykj, j 1, 2, ..., mk tales que ykj est asociado a k
con multiplicidad menor o igual a mk y el conjunto de vectores ykj; j 1, 2, ...,
mk, k 1, 2, ..., r, es linealmente independiente.
Esta proposicin es consecuencia de las siguientes proposiciones.
Proposicin 11.3.8:
Sea y(x) una solucin del sistema y = Ay. Si se verifica que para un valor
x0, (A I)my(x0) = 0, entonces para todo x se verifica que (A I)my(x) = 0.
Demostracin:
Sea z(x) = (D )m(y(x)) = (A I)my(x); z(x) es solucin del sistema y =
Ay por ser combinacin lineal de y(x) y de sus derivadas, adems z(x0) = (A
I)my(x0) = 0 y por el teorema de unicidad se tiene que z(x) = 0.
Proposicin 11.3.9:
Si y(x) es una solucin del sistema y = Ay asociada a un autovalor con
multiplicidad m, es decir, (A I)my(x) = 0 entonces y(x) es de la forma:

p1 ( x )

p2 ( x ) x
y(x) = e . (11.3.2)
...

p ( x )
n
siendo pk(x), 1 k n, polinomios de grado menor o igual a m 1.
Demostracin:
Sea y(x) = (y1(x), y2(x), ..., yn(x)) una solucin del sistema tal que (A
I)my(x) = 0, por lo tanto se verifica entonces que (D )m(yk(x)) = 0, 1 k n.
Por otra parte (D )m(yk(x)) = (D )m(exe-xyk(x)) y aplicando el lema
10.3.1: (D )m(yk(x)) = exDm(e-xyk(x)).
Por lo tanto exDm(e-xyk(x)) = 0; simplificando se obtiene Dm(e-xyk(x)) =
0, e integrando yk(x) = pk(x)ex, 1 k n y grado(pk(x)) m 1.
Teorema 11.3.10:
Siempre existe un sistema fundamental de soluciones del sistema y =
Ay, formado por funciones de la forma (11.3.2). Adems si se conocen los
autovalores de la matriz A, este sistema fundamental se puede obtener
mediante un nmero finito de operaciones elementales.
Demostracin:
Por la proposicin 11.3.7 existe un conjunto de n vectores linealmente
independientes yk0 asociados a los autovalores k de A. Si se determinan las
soluciones del sistema y = Ay de modo que verifiquen las condiciones iniciales
yk(x0) = yk0, estas funciones sern linealmente independientes y de la forma

(11.3.2).
Adems si es un autovalor cualquiera con multiplicidad m se pueden
obtener m soluciones linealmente independientes del sistema de la forma y(x)
p i 1( x )

pi 2 ( x ) x
= e , con pij(x) polinomio de grado i con coeficientes indeterminados,
...

p ( x )
in
siendo i m 1.
Para i = 0, sustituyendo y(x) en el sistema se obtiene un sistema de
ecuaciones algebraicas lineales en los coeficientes indeterminados de los
polinomios. Este sistema puede que no tenga solucin, que tenga una o que
tenga varias soluciones no triviales linealmente independientes. Se repite el
proceso para i = 1 y se obtienen 2n ecuaciones lineales en los 2n coeficientes
indeterminados. Se contina el proceso hasta i = m 1, hasta obtener m
soluciones linealmente independientes.
Haciendo lo mismo con los otros autovalores se obtiene un sistema
fundamental de soluciones.
Se puede precisar ms el proceso seguido para calcular los autovectores
correspondientes a autovalores mltiples utilizando conceptos algebraicos.
Dado el sistema y = Ay, puede ocurrir que la matriz A sea diagonalizable
o que no lo sea. En el caso en que la matriz A sea diagonalizable, entonces
existe una matriz diagonal D y una matriz P regular tal que P-1DP = A,
entonces existen n autovectores vi linealmente independientes, que son las
columnas de la matriz P de cambio de base. Estos autovectores son las bases

de los subespacios Ker(A i), siendo i los autovalores de la matriz A. Las
soluciones linealmente independientes del sistema son de la forma i(x) =
vi e i x .
Cuando la matriz A no es diagonalizable el nmero de autovectores que
se obtienen de las bases de los subespacios Ker(A i) es un valor k menor
que n y por lo tanto el nmero de soluciones linealmente independientes de la
forma i(x) = vi e i es tambin k. Las n k soluciones restantes son del tipo
pi 1( x )

pi 2 ( x ) i x
i(x) = e , pij(x) es un polinomio tal que grado(pij(x)) m 1 siendo
...

p ( x )
in
m la multiplicidad de i.
En la siguiente proposicin se desarrolla un mtodo para simplificar el
clculo de estos polinomios.
Proposicin 11.3.11:
Sea un autovalor de A de multiplicidad s tal que en el subespacio Ker(A
I) slo se encuentra un autovector v1 linealmente independiente; entonces
se pueden encontrar s soluciones linealmente independientes del sistema y =
Ay, de la forma: 1(x) = v1ex tal que (A I)v1 = 0 y para todo j, 2 j s, j(x)
x s 1 x s 2
= (v1 + v2 + ... + vj)ex tal que (A I)vj-1 = vj.
( j 1)! ( j 2 )!
Demostracin:
Si es un autovalor de A de multiplicidad s tal que en el subespacio Ker(A

I) slo se encuentra un autovector v1 linealmente independiente se tiene una
solucin del sistema: 1(x) = v1ex.
Una segunda solucin se busca de la forma 2(x) = (v1x + v2)ex. Para
determinar v2 se aplica que 2(x) es solucin, es decir 2(x) = A2(x), por lo
tanto v1ex + (v1x + v2)ex = A(v1x + v2)ex.
Simplificando se tiene v1 + v1x + v2 = Av1x + Av2. Aplicando que v1
= Av1 se obtiene: v1 + v2 = Av2 y por lo tanto v1 = (A I)v2.
x2
La tercera solucin se busca de la forma 3(x) = (v1 + v2x + v3)ex.
2
Se sustituye en el sistema:
x2 x2
(v1x + v2)ex + (v1 + v2x + v3)ex = A(v1 + v2x + v3)ex.
2 2
Se simplifica:
x2 x2
v1x + v2 + v1 + v2x + v3= Av1 + Av2x + Av3.
2 2
Se aplica que v1 = Av1 y que v1 + v2 = Av por lo que se obtiene v2 +
v3 = Av3, es decir (A I)v3 = v2.
Anlogamente se calculan las distintas soluciones hasta s(x) que es de la
x s 1 x s 2
forma: s(x) = (v1 + v2 + ... + vs)ex.
( s 1)! ( s 2 )!
Se sustituye en el sistema y se simplifican trminos teniendo en cuenta

que (A I)v1 = 0 y que (A I)vj = vj-1 para todo j, 2 j s 1:
(A I)vs-1 = vs.
Otros resultados algebraicos que conviene recordar son:
Proposicin 11.3.12:
La suma de los autovalores de una matriz A es igual a la traza de A y su
producto al determinante de A.
Proposicin 11.3.13:
Si A es una matriz simtrica entonces A tiene todos sus autovectores
reales y adems tiene n autovectores ortonormales.
Otro mtodo para resolver sistemas de ecuaciones diferenciales es
calcular directamente la matriz fundamental, lo que conlleva calcular la
exponencial de una matriz, que se desarrolla en el siguiente apartado.
Ejemplos resueltos
dx
dt y z
dy
Ejemplo 11.3.5: Calcular la solucin general del sistema x z
dt
dz x y
dt
1 1
Se resuelve la ecuacin caracterstica: 1 1 =0
1 1
3 +3 +2 = 0. Los autovalores son 1 = 2 = 1 y 3 = 2.

1 1 1 x 0

Se determina el subespacio Ker(A + I): 1 1 1 y = 0 , que tiene
1 1 z 0
1
1 1

dimensin 2 y por lo tanto una base est formada por v1 = 1 y v2 = 0 .
0 1

Existen por tanto dos autovectores linealmente independientes asociados
1

al autovalor 1, y dos soluciones linealmente independientes 1(t) = 1 e-t y
0

1

2(t) = 0 e-t
1

2 1 1 x 0

Se determina el subespacio Ker(A 2I): 1 2 1 y = 0 . Un
1 2 z 0
1
1 1
2t
autovector de este subespacio es v3 = 1 y la solucin 3(t) = 1 e .
1 1

Por lo tanto la solucin general del sistema es
1 1 1
-t -t
(t) = K1 1 e + K2 0 e + K3 1 e2t.
0 1 1

1D 2 y 0
Ejemplo 11.3.5: Resolver el sistema = .
2 5D z 0
1 2
Se calculan las races de la ecuacin caracterstica =0
2 5
2 6 + 9 = 0 y se obtiene un autovalor doble = 3.
2 2 y 0
Se determina el subespacio Ker(A 3I): y se obtiene
2 2 z 0
2
un nico autovector v1 = linealmente independiente. Una solucin es 1(x)
2
2
= e3x.
2
2 2 y 2
Se busca un vector v2 tal que v1= (A 3I)v2 y se
2 2 z 2
1 2 1 3x
obtiene v2 = . Otra solucin es 2(x) = ( x + )e .
2 2 2
2 2 1 3x
(x) = K1 e3x + K2( x + )e ).
2 2 2
Ejercicios
11.7. Resolver el sistema de tres ecuaciones con tres incgnitas:
dx
dt 3 x y z
dy
x 5y z .
dt
dz x y 3z
dt
dy
dx 2y z
11.8. Calcular la solucin general del sistema: .
dz
y 4z
dx
11.9. Encontrar dos soluciones linealmente independientes del sistema:
dy
dx y 5z
dz .
2y z
dx
dx
y
dt
dy
11.10. Resolver el sistema 2y z con las condiciones iniciales x(0) = 2,
dt
dz x y z
dt
y(0) = 3, z(0) = 4.
x' 1 1 1 x

11.11. Calcular la solucin general del sistema: y' = 2 1 1 y .
z' 0 1 1 z

y' 0 1 y
11.12. Resolver el sistema: = .
z' 1 0 z
11.4. EXPONENCIAL DE UNA MATRIZ
El conjunto de las funciones matriciales tiene estructura de espacio
mtrico, por lo que se puede hablar de lmites, series, derivadas ... de
2
funciones matriciales, y es isomorfo al espacio eucldeo n . Definiendo como
producto interno el producto de matrices se tiene una estructura de lgebra.

Si se compara un sistema con la ecuacin y = ay, de solucin y = eaxC,
se puede pensar que la solucin del sistema y = Ay es de la forma y = eAxC.
Para ello se debe definir la exponencial de una matriz.
Definicin 11.4.1:
Sea A una matriz constante. Se define la exponencial de la matriz A
mediante la expresin:

A2 An An
A
e =I+A+
2!
+ ... +
n!
+ ... =
n!

.
n 0

A2 x 2 An x n An x n
Por lo tanto eAx = I + Ax +
2!
+ ... +
n!
+ ... = n !
.
n 0
En cada trmino de la matriz se tiene una serie numrica y como la serie
de Taylor asociada a la funcin exponencial converge en todo el plano
complejo, puede probarse que tal matriz siempre existe.
Cuando la matriz A es diagonal o es nilpotente, la expresin de eA se
simplifica considerablemente con respecto a su forma general, como se
demuestra en las siguientes proposiciones.
Proposicin 11.4.1:
1 0 ... 0

0 2 ... 0
Si A es una matriz diagonal de orden m, A = , entonces
... ... ... ...

0 ... m
0
e 1 0 ... 0

0 e2 ... 0
eA = .
... ... ... ...
0 ... e m
0
Demostracin:
k 0 ... 0
1
0 k2 ... 0
Si A es una matriz diagonal se tiene que Ak = .
... ... ... ...
0 ... km
0
Por lo tanto:
2
1 0 ... 0
1 0 ... 0 1 0 ... 0 2!

0 0 0 2 0 22
+ 0 ... 0 + ... +
A 1 ... ...
e = + ... ...
... ... ... ... ... ... 2!
... ... ...
0 1 0 m
...
0 ... 0 ... 2m
0 0 ...
2!
n
1 0 ... 0
n! e 1 0 ... 0

0 n2 0 e2
... 0 + ... =
... 0
n! .
... ... ... ... ... ... ... ...
0 ... e m
0 nm 0
0 ...
n!
Definicin 11.4.2:
Una matriz A es nilpotente si existe k tal que Ak es la matriz nula.
Proposicin 11.4.2:
Si A es nilpotente entonces eA tiene un nmero finito de sumandos.
Esta proposicin es una consecuencia inmediata de la definicin de matriz
nilpotente.
11.4.1. Propiedades de la exponencial de una matriz
1. Si 0 es la matriz nula entonces e0 = I
2. Si I es la matriz identidad y r entonces erI = erI
3. Si A y B son matrices de orden n y AB = BA, entonces eA+B = eAeB.
4. Si r, s y A es una matriz de orden n entonces eA(r+s) = eAreAs .
5. La exponencial de la matriz A, eA, es regular ya que det(eA) = etrazaA.
6. La inversa de la exponencial de una matriz (eA)-1 = e-A, ya que eAe-A =
eA-A = I.
Proposicin 11.4.3:
La matriz eAx es una matriz fundamental principal del sistema y = Ay,
Demostracin:

xn
Al derivar e Ax
= n
A
n!
, se tiene que:
n 0

nx n 1 x n 1

d Ax
(e ) = An = An = AeAx.
dx n 0
n! n 1
( n 1)!
Por lo tanto eAx es una matriz fundamental del sistema y = Ay.
Adems cuando x = 0 entonces eAx = I por lo que adems es una matriz
fundamental principal del sistema.
11.4.2. Clculo de la funcin matricial e Ax
y' Ay
La solucin nica del problema de valor inicial es y = eAxy0. Si
y ( 0 ) y 0
y' Ay
se considera el problema ms general , la solucin es y =
y ( x 0 ) y 0
e A( x x 0 ) y0.
En ambos casos hay que calcular la matriz eAx, por lo que se va a
desarrollar un procedimiento til y efectivo para calcular dicha funcin matricial,
Proposicin 11.4.4:
Si A es una matriz diagonalizable, tal que A = PDP-1, siendo D una matriz
diagonal, entonces eAx = PeDxP-1. Adems det(eAx) = e(trazaD)x.
Demostracin:
1 0 ... 0

0 2 ... 0
Sea A = PDP-1, siendo D = , 1, 2, ..., n los
... ... ... ...

0 0 ... n

autovalores de A y las columnas de la matriz P los autovectores asociados a
dichos autovalores. Entonces:
A2 = (PDP-1)(PDP-1) = PD2P-1; A3 = PD3P-1
y en general n se tiene que:
An = PDnP-1,
por lo tanto:

xn xn
Ax
e = n
A
n!
= ( P D n P 1 )
n!
= PeDxP-1.
n 0 n 0
e 1x 0 ... 0

0 e 2 x ... 0 -1
Por la proposicin 11.4.1 eAx = P P .
... ... ... ...
0 ... e n x
0
Adems ya que det(A) = det(D) se tiene:
det(eAx) = det(eDx) = e 1x e 2 x ...e n x = e(trazaD)x.
Proposicin 11.4.5:
Si A es una matriz no diagonalizable, y A = PJP-1, siendo J una matriz de
Jordan entonces eAx = P(eDxeNx)P-1, D matriz diagonal y N matriz nilpotente.
Demostracin:
Si A no es diagonalizable se tiene que A = PJP-1, siendo J una matriz de
Jordan y la matriz P tiene por columnas los autovectores asociados a los
autovalores de la matriz A. J no es diagonal, pero J = D + N, siendo D una
matriz diagonal y N una matriz nilpotente por lo tanto:
eAx = PeJxP-1 = Pe(D + N)xP-1 = P(eDxeNx)P-1.
11.4.3. Estudio del caso general
A continuacin se analiza el caso en el que la matriz A no es constante.
En el caso de una ecuacin de primer orden, y = b(x)y, la solucin se puede
expresar de la forma y = C e
b( x )dx
. Si ahora se analiza el sistema y = A(x)y
se puede pensar que la solucin sea de la forma y = e

A( x )dx
C. Esto es as
cuando se cumplen las condiciones de la proposicin que se presenta a

continuacin:
Proposicin 11.4.6:
Sea el sistema y = A(x)y; B(x) = A( x )dx . Si A(x)B(x) = B(x)A(x)
entonces eB(x) es una matriz fundamental del sistema.
Demostracin:

( B( x )) n ( B( x )) 2 ( B( x )) n
Al derivar e Bx
= n!
= I + B(x) +
2!
+ ... +
n!
+ ... , se
n 0
d Bx 1 d 1 d
tiene que (e ) = 0 + B(x) + (B(x))2 + ... + (B(x))n + ...
dx 2! dx n! dx
d d
(B(x))2 = (B(x)B(x)) = B(x)B(x) + B(x)B(x) = A(x)B(x) + B(x)A(x)
dx dx
d
Si A(x)B(x) = B(x)A(x) entonces (B(x))2 = 2B(x)B(x). Anlogamente
dx
d
si A(x)B(x) = B(x)A(x) entonces (B(x))n = nB(x)(B(x))n-1.
dx
Por lo tanto eB(x) es una matriz fundamental del sistema y = A(x)y.
Ejemplos resueltos
2 0
Ejemplo 11.4.1: Dada la matriz diagonal D = y la matriz
0 1
1 1
nilpotente N = . Calcular eD y eN.
1 1
2 0 2n 0
D = es una matriz diagonal por tanto Dn = , n ,
0 1 0 n
( 1)

1 0 2 0 2n 0
por consiguiente eD = + + ... + + ... =
0 1 0 1 0 ( 1)n

2n
n!
0
e2 0
n 0 = .
( 1) n 0 e 1

0 n!
n 0
1 1
N = es una matriz nilpotente pues N2 = 0 y por tanto Nn = 0,
1 1
n , n 2, por consiguiente:
1 0 1 1 2 1
eN = I + N = + = .
0 1 1 1 1 0
Ejemplo 11.4.2: Calcular una matriz fundamental del sistema y = Ay,
5 6
siendo A = .
2 2
La matriz A es diagonalizable. Se calcula la matriz diagonal asociada D =
2 0 2 3
, la matriz de cambio de base es P = y su inversa es P-1=
0 1 1 2
2 3
, por lo tanto:
1 2
e 2x 0 -1 4e 2 x 3e x 6e 2 x 6e x
eAx = P P = .
0 e x 2e 2 x 2e x 3e 2 x 4e x

Este clculo se puede simplificar sin necesidad de hallar P-1. Aplicando

que cuando (x) es una matriz fundamental y P una matriz regular entonces
(x)P es tambin una matriz fundamental. Y ya que eDxP = PeDxP-1P = PeDx,
se tiene que:
2 3 e 2x 0 2e 2 x 3e x
PeDx = = es una matriz fundamental.
1 2 0 e x e 2x
2e x
Ejemplo 11.4.3: Calcular una matriz fundamental del sistema y = Ay,
3 1
siendo A = .
1 1
2 1
La matriz A no es diagonalizable pero es semejante a J = con la
0 2
1 0
matriz de autovectores P = .
1 1
2 0 0 1
J = D + N = + , D es diagonal y N nilpotente, N2 = 0.
0 2 0 0
J2 = (D + N)2 = D2 + DN + ND + N2 = D2 + 2DN.
Y en general:
2n 0 0 n 2n 1
Jn = Dn + 2Dn-1N = + .
0 2n 0 0

n 2 n 1 x n
Por lo tanto: e Jx
e 2x
=
0
0
+
0 n!
e 2x
=
0
+
e 2 x n 0 0 e 2 x
0 0
0 xe 2x e 2 x xe 2 x
= .
0 0 e 2 x
0
1 0 e 2x xe 2 x -1
Por consiguiente eAx = P .
1 1 0 e 2 x
Una matriz fundamental del sistema es:
1 0 e 2x xe 2 x e 2x xe 2 x
= .
1 1 0 e 2 x e 2x
xe 2 x e 2 x
Otro mtodo para obtener eJx es expresarla de la forma:
0 1 x
0 0 2x 0 x e 2 x xe 2 x
e(2I+J-2I)x = e2xIe(J-2I)x = e2x e = e I 0 = .
0 0 e 2 x

Anlogamente se puede obtener eAx.
1 1 x
1 1 2x x x
eAx = e(2I+A-2I)x = e2xIe(A-2I)x = e2x e = e I x =
x

e 2 x xe 2 x xe 2 x
.
xe 2 x e 2 x xe 2 x
Ejemplo 11.4.4: Calcular una matriz fundamental del sistema y = A(x)y,
1 2x
siendo A(x) = .
2x 1
x x 2
B(x) = A( x )dx 2
x
x
.
Las matrices A(x) y B(x) conmutan ya que A(x)B(x) = B(x)A(x) =

x 2x 3 3 x 2
; por lo tanto eB(x) es una matriz fundamental del sistema. y
3x 2 3
x 2x
1 1 e x x ex x 2 exx
2 2
(x) = 0 = tambin.
1 1 0 xx2 xx2 exx
2
e e
Ejercicios
11.13. Calcular una matriz fundamental del sistema y = Ay, siendo A =
1 4
.
1 2
4e 2 x e 3 x
(Solucin: (x) = 2 x ).
e e 3 x

1 2
11.14. Calcular una matriz fundamental del sistema y = y.
2 5
e3x ( 1 2 x )e 3 x
(Solucin: (x) = 3 x ).
e 2 xe 3 x

0 1 1

11.15. Calcular una matriz fundamental del sistema y = 1 0 1 y.
1 0
1
11.16. Comprobar si eB(x) es una matriz fundamental del sistema y = A(x)y,
1 2x
siendo A(x) = 2
3x
y B(x) =
4 x 3 A( x )dx .
11.5. SISTEMAS LINEALES NO HOMOGNEOS
En esta seccin se estudian distintos mtodos de resolver los sistemas
lineales no homogneos, el mtodo de variacin de constantes, que es vlido
para cualquier sistema lineal completo, el mtodo de coeficientes
indeterminados y utilizando el operador diferencial D, que nicamente pueden
utilizarse cuando el sistema lineal homogneo asociado tiene los coeficientes
constantes, y la funcin b(x) adopta determinadas formas.
11.5.1. Mtodo de variacin de las constantes
El mtodo de variacin de las constantes o mtodo de variacin de
parmetros, como procedimiento para resolver un sistema lineal no
homogneo, es muy similar al que se utiliz para resolver ecuaciones lineales
de primer orden y de orden superior no homogneas.
Sea y(x) = A(x)y(x) + b(x) el sistema lineal no homogneo que se quiere
n
resolver y sea (x) = c k y k (x) la solucin general del sistema homogneo
k 1
asociado que se expresa de la forma (x) = (x)C, siendo (x) una matriz
fundamental del sistema. Se busca una solucin particular del sistema no
homogneo que sea de la forma p(x) = (x)v(x), siendo v(x) = (v1(x), v2(x), ...,
vn(x)) una funcin vectorial que hay que determinar.
Al derivar la expresin anterior se obtiene:
(x) = (x)v(x) + (x)v(x),

que al sustituir en el sistema:
(x)v(x) + (x)v(x) = A(x)(x)v(x) + b(x).
Al ser (x)una matriz fundamental del sistema homogneo verifica que
(x) = A(x)(x), por lo que al sustituir este resultado en la expresin anterior
se obtiene:
(x)v(x) = b(x).
Como (x) tiene inversa por ser una matriz regular, se puede multiplicar
por su inversa:
v(x) = -1(x)b(x)
y al integrar se obtiene:
v(x) = (s)b(s)ds.
-1
Si se puede encontrar una funcin v(x) que verifique esta condicin,
entonces p = (x)v(x) es una solucin particular del sistema:
p(x) = (x) -1(s)b(s)ds.
Por el teorema 11.2.11 la solucin general g se puede expresar sumando
la solucin general del sistema de ecuaciones diferenciales lineal homogneo
asociado a una solucin particular del sistema de ecuaciones diferenciales
lineal completo: g = + p es decir:
g(x) = (x) + p(x) = (x)C + (x) -1(s)b(s)ds.

11.5.2. Sistemas lineales no homogneos con coeficientes
constantes
El mtodo que se estudia a continuacin es similar al que se ha
desarrollado para los sistemas homogneos. Permite reducir de una forma
sistemtica un sistema lineal a una ecuacin diferencial de orden superior y a
partir de la solucin de sta resolver el sistema.
Reduccin a una ecuacin diferencial mediante el operador
diferencial D
Se considera el sistema lineal de primer orden con coeficientes
constantes Ey(x) + Ay(x) = b(x) , siendo A y E matrices cuadradas de orden n
y b(x) una funcin vectorial que se puede expresar por:
e11y1 ( x ) e12y2' ( x ) ... e1n yn' ( x ) a11y1( x ) a12y2( x ) ... a1n yn ( x ) b1( x )
'
e21y1' ( x ) e22y 2( x ) ... e2n yn' ( x ) a21y1( x ) a22y2( x ) ... a2n yn ( x ) b2( x )
...
e y ' ( x ) e y ' ( x ) ... e y ( x ) a y ( x ) a y ( x ) ... a y ( x ) b ( x )
n1 1 n2 2 nn n n1 1 n2 2 nn n n

Aplicando que D(y) = y el sistema anterior se puede expresar de la forma:
( e11D a11 )y1( x ) ( e12D a12 )y 2 ( x ) ... ( e1nD a1n )y n ( x ) b1( x )

( e D a )y ( x ) ( e D a )y ( x ) ... ( e D a )y ( x ) b ( x )
21 21 1 22 22 2 2n 2n n 2
...
( e D a )y ( x ) ( e D a )y ( x ) ... ( e D a )y ( x ) b ( x )
n1 n1 1 n2 n2 2 nn nn n n

e11D a11 e12 D a12 ... e1n D a1n

e D a ... e 2n D a 2n
21 e 22 D a 22
Sea el operador (D) = 21 que
.... ... ... ...

en1D a n1 en 2 D a n 2 ... e nn D a nn
se supone que no es el operador nulo.
k)
e11D a11 e12 D a12 ... b1( x ) ... e1n D a1n
.... e2n D a2n .
Se define k(D) = e21D a21 e22 D a22 ... b2 ( x )

.... ... ... ......... ... ...

en1D an1 en 2 D an 2 ... bn ( x ) ... enn D ann
Esta expresin, que matemticamente no tiene sentido ya que es un
determinante en el que en la columna k aparecen funciones y en el resto
operadores, es una forma de recordar la siguiente definicin:
k(D) = 1k(D)(b1(x)) + 2k(D)(b2(x)) + ... + nk(D)(bn(x)),
siendo jk(D) el operador de grado n 1 que se obtiene de (D) al eliminar la
fila j y la columna k.
Si (D) = r0 + r1D + ... + rnDn y jk(D) = sjk0 + sjk1D + sjk2D2 + ... + sjkn-1Dn-1
(D)(yk(x)) = r0yk(x) + r1yk(x) + ... + rnykn)(x)
n 1 n 1 n 1
k(D) = s1i k D i ( b1( x )) + s 2i k D i ( b2 ( x )) + ... + s nki D i ( bn ( x ))
i 0 i 0 i 0
n 1 i i
n
Por lo tanto r0yk(x) + r1yk(x) + ... + rnykn)(x) =

s jk D ( b j ( x )) , 1 k

j 1 i 0
n.
As se obtiene una ecuacin diferencial de orden n. Una vez obtenidas
cada una de las funciones yk(x) en funcin de n constantes, hay en total n2
constantes que se eliminan hasta dejar slo n sustituyndolas en el sistema.

Mtodo de coeficientes indeterminados
Este mtodo es similar al que se ha desarrollado para las ecuaciones
diferenciales lineales de orden n. Consiste en buscar una solucin particular
parecida al trmino independiente b(x).
Tiene el inconveniente de que slo se puede utilizar si el sistema
homogneo asociado es de coeficientes constantes y si b(x) es una funcin
vectorial polinmica, exponencial o formada por senos y cosenos, y por sumas
y productos de estas funciones. Tiene la ventaja de su sencilla resolucin. En el
caso en que la solucin particular que se debera probar, ya est contenida en
la solucin de la homognea, entonces se multiplica por xs, siendo s el menor
nmero natural que elimine esta dificultad.
En los ejemplos resueltos a continuacin se comentar este mtodo.
Ejemplos resueltos
Ejemplo 11.5.1: Utilizar el mtodo de variacin de las constantes para
resolver el sistema:
y' y 2z cos x senx

z' 2y z senx cos x
y ' y 2z 0
Se resuelve primero el sistema homogneo que tiene
z' 2y z 0
1 2
como ecuacin caracterstica = 0 2 + 2 3 = 0, cuyas
2 1
races son = 1 y = 3.
y( x ) A
Para = 1 se buscan soluciones de la forma: = 1 ex siendo
z( x ) B1
A1, B1 constantes a determinar: 2A1 2B1 = 0 A1 = B1 = K1. Un autovector
1 1
es: y una solucin es: 1(x) = ex.
1 1
y ( x ) A2 -3x
Para = 3, se buscan soluciones de la forma: = e siendo
z( x ) B2
A2, B2 constantes a determinar: 2A2 2B2 = 0 A2 = B2 = K2. Un autovector
1 1
es: y una solucin es: 2(x) = e-3x.
1 1
La solucin general del sistema homogneo es:
y( x ) 1 1
H(x) = = K1 ex + K2 e-3x
z( x ) 1 1
Se busca una solucin del sistema no homogneo de la forma:
y( x ) 1 1
(x) = = C1(x) ex + C2(x) e-3x
z( x ) 1 1
siendo C1(x) y C2(x) funciones que se obtienen integrando las soluciones del
sistema:
C1' ( x )e x C 2 ' ( x )e 3 x cos x senx

C1' ( x )e x C 2 ' ( x )e 3 x senx cos x
C1(x) = e-xcos x
C2(x) = e3xsen x.
Integrando:
e x
C1(x) = (sen x cos x)
2
e 3x
C2(x) = (3sen x cos x)
10
Una solucin particular del sistema no homogneo es:
1 1 8 6
y p ( x ) 2 ( senx cos x ) 10 ( 3senx cos x ) 10 senx 10 cos x
1 1 2 2
z p ( x ) ( senx cos x ) ( 3senx cos x ) senx cos x
2 10 10 5
x 3x 1 1 8 6
y ( x ) K1e K 2 e ( senx cos x ) ( 3senx cos x )
2 10 10
senx cos x
10
1 1 2 2
z( x ) K1e x K 2 e 3 x ( senx cos x ) ( 3senx cos x ) senx cos x
2 10 10 5
Para resolver este sistema por el mtodo de los coeficientes
indeterminados, se busca una solucin parecida a b(x) que est formado por
sumas de senos y cosenos, por lo que se prueba con:
a c
P(x) = sen x + cos x.
b d
Al imponer que sea solucin del sistema se obtiene: a = 8/10, b = 2/10, c
= 6/10, d = 2/5.

y' z' 2y z x
2
z' 5 y 3z x
El sistema expresado en forma matricial mediante el operador D:
D2 D1 y x
= 2 .
5 D3 z x
D 2 D 1
El operador = = D2 + 1.
5 D3
x D 1
y(x) = 2 = (D + 3)(x) (D +1)(x2) = 1 + 3x 2x x2.
x D3
(D2 + 1)(y(x)) = 1 + x x2,
ecuacin diferencial de segundo orden que tiene como solucin general y(x) =
C1cos x + C2sen x + yp(x), siendo yp(x) una solucin particular de la ecuacin
no homognea: yp(x) = ax2 + bx + d.
(D2 + 1)(yp(x)) = 1 + x x2 2a + ax2 + bx + d = 1 + x x2 a = 1, b = 1
y d = 3 yp(x) = x2 + x + 3 y(x) = C1cos x + C2sen x x2 + x + 3.
D2 x
z(x) = 2 = (D + 2) (x ) 5x = 2x + 2x 5x.
2 2
5 x
(D2 + 1)(z(x)) = 3x + 2x2,
ecuacin diferencial de segundo orden que tiene como solucin general z(x) =
C3cos x + C4sen x + zp(x), siendo zp(x) una solucin particular de la ecuacin
no homognea zp(x) = ex2 + fx + g.

(D2 + 1)(zp(x)) = 3x + 2x2 2e + ex2 + fx + g = 3 x + 2x2 e = 2, f = 3
y g = 4 zp(x) = 2x2 3x 4 z(x) = C3cos x + C4sen x + 2x2 3x 4.
Sustituyendo en la segunda ecuacin:
5C1 + C4 + 3C3 = 0 y C3 + 5C2 + 3C4 = 0
1 1
C1 = (3C3 C4) y C2 = (C3 3C4)
5 5
La solucin general del sistema:
1 1
y(x) = (3C3 C4)cos x + (C3 3C4)sen x x2 + x + 3
5 5
z(x) = C3cos x + C4sen x + 2x2 3x 4.
Se observa que tambin se poda haber resuelto el sistema de una forma
ms rpida calculando z(x) y sustituyendo su valor en la segunda ecuacin
para calcular y(x).
indeterminados, se busca una solucin parecida a b(x) que est formado por
polinomios de segundo grado, por lo que se prueba con:
a b d
P(x) = x2 + x + .
e f g
Al imponer que sea solucin del sistema se obtiene: a = 1, b = 1, d = 3, e
= 2, f = 3 y g = 4.

y' z' z e x

z' y z e 2 x
Al derivar la segunda ecuacin se obtiene: z + y z = 2e2x.
Se despeja y en la primera ecuacin y se sustituye en la anterior:
z + (z + z + ex) z = 2e2x z + z = 2e2x + ex,
ecuacin diferencial lineal de segundo orden que tiene como solucin general:
z(x) = C1cos x + C2sen x + zp(x), siendo zp(x) = Ae2x + Bex.
(D2 + 1)(Ae2x + Bex) = 2e2x + ex,
1 2
de donde se obtiene B = y A = , por lo tanto:
2 5
2 1 x
z(x) = C1cos x + C2sen x + e2x + e
5 2
Al sustituir en la segunda ecuacin:
3 2x
y(x) = (C1 C2)cos x + (C1 + C2)sen x + e .
5
indeterminados, se busca una solucin parecida a b(x) que est formada por
exponenciales, por lo que se prueba con:
a b x
P(x) = e2x + e .
e f
Al imponer que sea solucin del sistema se obtiene: a = 3/5, b = 0, e =

2/5 y f = 1/2.
Ejercicios
11.17. Utilizar el mtodo de variacin de las constantes para resolver el sistema
y' 2y 4z 1 4 x
z' y z 3 x 2 .
2
y' y z 3 x
11.18. Resolver el sistema .
z' 2y z x
y' 2z' y 7z e x 2
11.19. Calcular la solucin general del sistema .
z' 2y 3z e x 1
y' y z sec 2 x
11.20. Integrar el sistema .
z' 5 y z 0
11.6. EJERCICIOS
2 1 1

11.21. Hallar eAx, siendo A = 1 2 1 y utilizar este resultado para
2 2 1

resolver el sistema y = Ay.
1 x x x

Ax
(Solucin: e = x 1 x x ex)
2x 2x 1 2x

1 x
11.22. Sea A(x) = 2 3 , x . Probar que A (x) = (1 + x )A(x) y calcular
2 3
x x
eA(x).
x' 2 1 6 x

11.23. Calcular la solucin general del sistema y' = 0 2 5 y .
z' 0 0 2 z

1 1 0 1 2 0 0
2t 2t t 1 2t
(Solucin: (t) = K1 0 e + K2 0 t 1 e + K3 0

1 t 6 e )

0 0 0 1
2 0 1 5

x' 1 0 0 x

11.24. Resolver el sistema homogneo y' = 2 2 1 y .
z' 0 0 z
1
0 0 0 0 2 0 1
t t t 1

(Solucin: (x) = K1 1 e + K2 1 t 1 e + K3 1 1 t 0 e t )

1 1 0 1
2 2
0 0
y' z' y 2 x 1
11.25. Calcular la solucin general (y(x), z(x)) del sistema .
2y' 2z' y x
2 1 4
(Solucin: y(x) = x , z(x) = x2 + x + C).
3 2 3
y' ' 3z' 4 y e x

11.26. Calcular la solucin general (y(x), z(x)) del sistema
z' ' 3 y' 4z e x
1
(Solucin: y(x) = K1cos x + K2sen x + K3sen 4x + K4cos 4x + (5ex 3e-x)
34
1
z(x) = K1sen x K2cos x + K3cos 4x K4sen 4x + (3ex + 5e-x))
34
11.27. Utilizar la transformada de Laplace para resolver el sistema
y' z' 2y 3
con las condiciones iniciales y(0) = 1, z(0) = 2.
3 y' z' 2z 0
1 1
(Solucin: y(x) = (3ex 7e-x + 12), z(x) = (9ex + 7e-x)
8 8
11.28. Utilizando la transformada de Laplace encontrar la solucin particular del
y' 3 y z
sistema , que verifica que y(0) = 1, z(0) = 2.
z' y z
(Solucin: y(x) = (1 x)e2x, z(x) = (2 x)e2x).
11.29. Resolver el siguiente sistema de tres ecuaciones con tres incgnitas:
x' ' 2 x' 2y' 3z' x 1

y' z' x 0
x' z 0

3 3 3
t 1 13 t 1 3 t
(Solucin: x(t) = K1 e 2 + . y(t) = K1 e 2 + t + K2, z(t) = K1 e 2 )
3 6 3 2
x' y' y 1

11.30. Calcular la solucin general del sistema: x' z' 2 x z 1 .
y' z' y 2z 0

4 4 4
t 3 t 2 t 1
-t
(Solucin: x(t) = K1 e 5 + , y(t) = 4K1 e 5 + K2e + 1, z(t) = K1 e 5 ).
4 3 2
( D 2 )x 3 y 2e2t
11.31. Calcular la solucin del sistema que verifica las
x ( D 4 )y 3e2t
2 1
condiciones iniciales x(0) = , y(0) = .
3 3
5 2t 2
(Solucin: x(t) = e5t e , y(t) = e5t e2t)
3 3
( D 1)x Dy 2t 1
( 2D 1)x 2Dy t
1 2
(Solucin: x(t) = t + K, y(t) = t + 2t + Kt)
2
2 x' y' 4 x y e t
x' 3 x y 0
1 t
(Sol: x(t) = K1cost + K2sent e , y(t) = (K1 3K2)sent (3K1 + K2)cost + 2et).
2
y' z' y 3z e x 1
y' z' 2y z e 2 x x
7
1 3 5 2x x
(Solucin: y(x) = + x + e + K1 e 5 ,
49 7 17
7
1 2 52 9 x
z(x) = ( e2x + e-x + x 3K1 e 5 ).
2 17 49 7
x' x 5 y sec 3t
2 x y' y 0
y 1' 6 1 1 1 y1

y 2' 1 6 1 1 y2
11.36. Hallar la solucin del sistema que
y 3' 1 1 6 1 y3

y ' 1 1 6 y 4
4 1
y 1( 0 ) 4

y 2 ( 0 ) 0
verifica que .
y 3 ( 0 ) 0

y ( 0 ) 0
4
11.37. Calcular la solucin general, para x > 0, del sistema:
y' 03 1 y 0
3 + 1 ln x

z' x 2
x z x2
3
y' x 1 y
11.38. Hallar la solucin del sistema que verifica las
z' 0 3 z

x
condiciones iniciales y(1) = 1, z(1) = 1.
y' 7 12 y senx
11.39. Hallar la solucin del sistema + que
z' 2 3 z cos x
verifica las condiciones iniciales y(0) = 0, z(0) = 0.
y' 4 2 y e 5x
11.40. Hallar la solucin del sistema + 5 x que verifica
z' 1 7 z e

las condiciones iniciales y(0) = 0, z(0) = 0.
x' ( t ) 3 x z

11.41. Resolver el siguiente sistema: y' ( t ) 3 y z .
z' ( t ) 2y z

e 2t
x' ( t ) 2 x 2y
11.42. Integrar el siguiente sistema t .
2t
y' ( t ) 8 x 6 y 3e
t
x' ( t ) 6 x 3 y 14z e 2t

11.43. Calcular la solucin general del sistema y' ( t ) 4 x 3 y 8z .
z' ( t ) 2 x y 5z

CAPTULO 12
Teora cualitativa de ecuaciones diferenciales
En este captulo se inicia el estudio de lo que se denomina teora cualitativa
de las ecuaciones diferenciales ordinarias. El objetivo es adquirir familiaridad con
los diagramas de fases de los sistemas autnomos bidimensionales, describir
algunas tcnicas generales para el anlisis de la estabilidad y realizar un estudio
cualitativo de algunos sistemas caticos.
En algunas aplicaciones de las ecuaciones diferenciales puede interesar,
incluso ms que conocer las ecuaciones explcitas de las soluciones, poder
analizar sus propiedades cualitativas, tales como la periodicidad, el
comportamiento cuando crece la variable independiente, a la que en este captulo
se supone que es el tiempo, si es constante, o si se aproxima a una solucin
conocida...
Tiene inters considerar qu ocurre cuando las ecuaciones no son lineales.
Entonces aparecen fenmenos nuevos sumamente interesantes. Los sistemas
dinmicos pueden modelarse en general mediante sistemas no lineales. Uno de
los procesos que permiten su estudio es el de linealizar el sistema, es decir,
buscar un sistema lineal que se le aproxime en el entorno de un punto y que
permita predecir el comportamiento de las soluciones del sistema no lineal cerca

de dicho punto. Por este motivo se analiza la dinmica de los sistemas lineales
con el estudio de los atractores o repulsores como ejemplos de puntos fijos y de
los espacios de fases, para a continuacin estudiar los sistemas no lineales. La
idea de caos es moderna y altamente motivadora y las tcnicas cualitativas
ayudan a analizar el comportamiento de las soluciones en los sistemas
autnomos.
Se puede considerar a Poincar como el padre de esta teora. La clave de su
estudio radica en el diagrama de fase de un sistema dinmico, que consiste en un
modelo geomtrico del conjunto de todos los posibles estados del sistema. Ya se
sabe que en general es difcil encontrar soluciones, aunque es posible analizar la
forma de estas soluciones al fijarse en su comportamiento local cerca de los
puntos crticos o en su comportamiento asinttico.
El mtodo directo de Liapunov permite en ocasiones deducir informacin til
sobre las propiedades de tipo cualitativo satisfechas por algunas soluciones, o en
ocasiones obtener resultados de naturaleza global que proporcionan informacin
sobre el comportamiento de todas las soluciones del sistema de ecuaciones
diferenciales ordinarias considerado. La interpretacin fsica del sistema en los
que se conserva la energa total, es decir sistemas conservativos o hamiltonianos
puede proporcionar ejemplos en los que se puede aplicar este mtodo. Esto
permite el estudio de la estabilidad de las soluciones.
En 1989 el matemtico americano R. Devaney formul la siguiente definicin:
Definicin 12.1.1:
La funcin f: X X es catica en el espacio mtrico X, no finito, si se
verifican las siguientes condiciones:
1. El conjunto de puntos peridicos de la funcin f es denso en X.
2. La funcin es topolgicamente transitivo.
3. La funcin depende sensiblemente de las condiciones iniciales.
Definicin 12.1.2:
La funcin f: X X depende sensiblemente de las condiciones iniciales
si existe un > 0 (constante de sensibilidad) tal que para cualquier abierto no
vaco U contenido en X, existe un nmero natural n, tal que el dimetro de fn(U) es
mayor o igual que .
Definicin 12.1.3:
La funcin f: X X es transitiva si y slo si para algn x de X, el conjunto (x,
f(x), f2(x), ..., fn(x), ...) es denso en X.
Definicin 12.1.4:
La funcin f: X X es topolgicamente transitiva si para todo par de
intervalos abiertos no vacos de X, U y V, existe un nmero natural n, tal que fn(U)
V sea distinto del vaco.
Estas ideas, que se refieren a sistemas discretos, se van a estudiar a
continuacin con sistemas de ecuaciones diferenciales continuos.

12.1. CONCEPTOS PREVIOS: GENERALIDADES
12.1.1. Soluciones y trayectorias en un sistema de
ecuaciones diferenciales
Se considera un sistema de n ecuaciones diferenciales que se puede escribir
en la forma:
dy
= f(y, t), y n, t (12.1.1)
dt
donde la variable t se interpreta en general como el tiempo, donde y e y son
vectores de dimensin n y la funcin f es una funcin de n n a la que se
supone la regularidad suficiente para asegurar la existencia y unicidad de las
soluciones.
Se comienza estudiando los sistemas autnomos.
Definicin 12.1.5:
Se dice que un sistema de ecuaciones diferenciales 12.1.1 es un sistema
autnomo si la funcin f no depende explcitamente de la variable independiente,
t.
Se observa que si el sistema no es autnomo se puede convertir en uno

autnomo sin ms que aadir una variable ms. As el sistema 12.1.1. se
convierte en el sistema autnomo:
y' f ( y , t ), y n

t' 1
En general, se considera entonces el sistema autnomo n-dimensional:
dy
f ( y ), y n , (12.1.2)
dt
donde la funcin f es suficientemente regular para garantizar la existencia y
unicidad de las soluciones en, al menos, un subconjunto de n.
Definicin 12.1.6:
Una solucin del sistema es una funcin diferenciable y: (a, b) n, y
= y(t), que satisface el sistema 12.1.2, (o bien 12.1.1).
Se tiene un problema de valor inicial si en un sistema como el 12.1.2 se
conoce una condicin inicial y0 = y(t0). Usualmente se toma como t0 el valor 0. La
solucin particular y = y(t), que se denota por y = y(t) = y(t, t0, y0) = (t, t0, y0), que
verifica dicha condicin, y0 = y(t0), puede representarse mediante una grfica que
es una curva en el espacio n +1 dimensional de x n dada por los puntos (t, y(t))
o (t, y1(t), y2(t), ..., yn(t)) donde t vara en el intervalo de la recta real en que exista
la solucin del sistema.
Definicin 12.1.7:
Se denomina espacio de estados del sistema 12.1.2 al subconjunto de n,
, en el que existen soluciones del sistema. Es decir: = {y0; y(t, t0, y0) es
solucin de y = f(y)}
Definicin 12.1.8:
La curva proyeccin en n (eliminando el tiempo) de una solucin particular,
y = y(t), de un sistema de ecuaciones diferenciales, y = f(y), se denomina rbita o
trayectoria.
Por tanto la trayectoria u rbita es el subconjunto de n dado por los puntos
(y1(t), y2(t), ..., yn(t)) con t , siendo y(t) = (y1(t), y2(t), ..., yn(t)) una solucin de
(12.1.2).
Trayectoria Solucin
Figura 12.1: rbita o trayectoria y solucin de un sistema de ecuaciones diferenciales
Si el sistema es de dimensin dos, la solucin es una curva en 3, mientras
que la rbita o trayectoria es una curva en 2.
Se denomina semitrayectoria positiva a {y(t); t [t0, +)} y se denota por
C+(y(t)).
Se denomina semitrayectoria negativa a {y(t); t (, t0]} y se denota por

C(y(t)).
Se sabe por el teorema de unicidad de las soluciones que las soluciones de
un sistema de ecuaciones diferenciales no se pueden cortar. Sin embargo distintas
soluciones pueden proyectarse sobre una misma trayectoria. Por lo tanto dos
soluciones, o bien dan lugar a una misma trayectoria, o bien no se cortan en
ningn punto, y en consecuencia, por cada punto de n pasa una nica
trayectoria.
Por ejemplo, en el sistema:
dx
dt y
dy
x
dt
las grficas de las soluciones (t, x(t), y(t)) son hlices circulares sobre el cilindro x2
+ y2 = r2, y sus trayectorias son las circunferencias x2 + y2 = r2.
Definicin 12.1.9:
Sea n el espacio de estados del sistema y = f(y), y sea :
una aplicacin de clase uno, que a cada punto de una solucin le hace
corresponder el de la trayectoria asociada. Esta aplicacin recibe el nombre de
flujo.
12.1.2. Diagrama de fases
La clave de la teora geomtrica de los sistemas dinmicos creada por
Poincar es el diagrama de fase de un sistema dinmico. El primer paso para
dibujar el diagrama es la creacin de un modelo geomtrico del conjunto de todos
los posibles estados del sistema en el llamado espacio de estado. En este
modelo geomtrico la dinmica determina una estructura celular de cuencas
limitadas por separatrices. En cada cuenca hay un ncleo llamado atractor. Se
podra afirmar que el objetivo de la teora cualitativa de ecuaciones diferenciales
es la descripcin lo ms completa posible del diagrama de fases, analizando el
comportamiento asinttico de las trayectorias, determinando las trayectorias
especiales, mostrando cuencas y atractores, con lo que se podra conocer el
comportamiento del sistema. La teora cualitativa tiene un gran inters en las
aplicaciones.
Las soluciones y(t) representan las coordenadas de un objeto, es decir, su
posicin, o quizs la velocidad y aceleracin del objeto en un tiempo t.
Si el sistema es de dimensin dos, en el plano (y1, y2) se pueden dibujar un
nmero de trayectorias suficientes como para tener una idea de conjunto del
comportamiento de todas las del sistema. Sobre dichas trayectorias se dibuja una
flecha que indica el sentido de la variacin de y1 y de y2 al crecer el tiempo, lo que
proporciona una imagen dinmica de su recorrido, y con ello se obtiene una
descripcin cualitativa del comportamiento de las soluciones.
Definicin 12.1.10:
Se denomina diagrama de fase del sistema de ecuaciones diferenciales y =
f(y) al conjunto de todas las trayectorias de las soluciones del sistema.
Figura 12.2: Ejemplo de diagrama de fase
Dos soluciones distintas no pueden cortarse nunca, debido a los teoremas de
unicidad de las soluciones. Pero y las trayectorias? Las trayectorias de dos
soluciones distintas: y(t) e y*(t) o bien no tienen ningn punto en comn o bien
coinciden. Tampoco puede ocurrir que una trayectoria se corte a s misma.
Definicin 12.1.11:
Un atractor de un sistema de ecuaciones diferenciales es un conjunto
cerrado y acotado hacia el cual se aproxima, cuando el tiempo t tiende a infinito, la
rbita de las soluciones.
Por ejemplo, en la figura 12.2, el origen es un punto crtico asintticamente
estable, hacia el que se aproximan las soluciones, por lo que es un atractor.

Proposicin 12.1.1:
Sea y(t) una solucin de y = f(y). Si existen dos valores distintos de t, t1 y t2,
t1 t2, tales que y(t1) = y(t2) se verifica que, o bien la solucin es una funcin
constante, y(t) = y0 , siendo entonces y0 un punto de equilibrio, o bien la
solucin y(t) es una funcin peridica y su trayectoria es una curva cerrada simple.
Como consecuencia de esta proposicin, el diagrama de fases de y = f(y)
consta de trayectorias que no se cortan que pueden ser de tres tipos:
curvas abiertas y simples
curvas cerradas y simples (que se corresponden con las soluciones
peridicas)
puntos de equilibrio (que se corresponden con las soluciones
constantes).
En los apartados siguientes se estudia esto con ms detalle.
12.1.3. Puntos crticos
Se estudian los puntos crticos o estacionarios del sistema autnomo que
son las soluciones de f(y) = K, constante. Cada punto crtico es una rbita del
sistema formada por nicamente dicho punto. Si ese punto es el valor inicial,
entonces, a lo largo del tiempo el sistema permanece invariante.
Definicin 12.1.12:
Una solucin estacionaria de un sistema de ecuaciones diferenciales es
una solucin constante, es decir, una solucin y tal que y(t) = y(t0) para todo t.
Definicin 12.1.13:
La trayectoria de una solucin estacionaria es un punto de n que se
denomina punto fijo, punto crtico, punto de equilibrio o punto estacionario
del sistema de ecuaciones diferenciales.
Figura 12.3: Solucin estacionaria y punto fijo
Si y(t) = y(t0) es una solucin estacionaria, su trayectoria es un punto crtico
que se puede identificar con el vector y(t0).
Por ejemplo, en el sistema:
dx
dt 3 x 2y
dy
x y
dt
la solucin x(t) = 0, y(t) = 0 es una solucin estacionaria, cuya trayectoria es un
punto fijo, el punto (0, 0).
Un punto y0 n es un punto crtico para el sistema autnomo y = f(y) si

f(y0) = 0. En caso contrario se dice que y0 es un punto regular.
Teorema 12.1.1:
Sea un sistema lineal y homogneo de ecuaciones diferenciales. La solucin
cero es el nico punto crtico si y slo si cero no es un autovalor de la matriz
asociada.
Demostracin:
Sea = 0 un autovalor de la matriz asociada, y sea v1 el autovector
correspondiente, entonces la solucin general del sistema tiene la forma:
y(t) = C1v1 + C2v22(t) + ... + Cnvnn(t),
es decir, hay una solucin particular 1(t) = v1, cuyas derivadas valen cero, y es,
por tanto, un punto crtico distinto de cero.
Recprocamente, si v1 es un punto crtico no nulo, entonces 0 = Av1, lo que
significa que la matriz A no tiene matriz inversa, luego cero es un autovalor de
dicha matriz.
Los puntos fijos se corresponden con las soluciones de equilibrio del sistema
de ecuaciones diferenciales. La condicin del punto fijo de atraer o repeler
proporciona informacin sobre la estabilidad del sistema.
De forma intuitiva un punto crtico es estable si para cualquier trayectoria y
suficientemente prxima al punto en el momento inicial, por ejemplo a una

distancia menor que , permanece prxima al punto para todo tiempo t0 > 0, es
decir, la trayectoria permanece siempre dentro de un crculo de centro el punto y
radio , mientras que para que sea asintticamente estable adems de ser estable
las trayectorias deben aproximarse al punto cuando el tiempo tiende a infinito, es
decir, el punto es un atractor. El punto es un repulsor si es inestable y las
trayectorias se alejan de l.
Definicin 12.1.14:
Se considera un sistema de ecuaciones diferenciales autnomo como el
12.1.2, con un punto crtico v.
v es un punto fijo estable o nodo estable si para cada > 0 existe un >
0 tal que si y es una solucin tal que y(t0) v < , entonces y(t) v < ,
para todo t > t0.
v es un punto fijo asintticamente estable o nodo asintticamente
estable si v es estable, y si existe un > 0 tal que para cada solucin y, si
y(t0) v < , entonces lm y(t) = v.

t
v es un punto fijo inestable o nodo inestable si no es estable.
12.1.4. rbitas cclicas
Se considera el caso en que el origen sea un punto de equilibrio. Los
resultados son locales si es un punto de equilibrio aislado, y son globales si es el

nico punto de equilibrio. Se define conceptos como punto peridico, rbita, alfa-
lmite y omega-lmite.
Es interesante mencionar los conjuntos invariantes por un sistema
dinmico dado su importancia para el estudio de la estabilidad. Entre ellos tienen
especial inters el estudio de las trayectorias cerradas en el espacio de fases que
corresponden con soluciones peridicas.
Si una solucin y = y(t) verifica que y(t1) = y(t2) con t1 distinto de t2, entonces
esa solucin es una funcin peridica, de periodo un mltiplo de t2 t1. Su
trayectoria es una curva cerrada simple, y se dice que es una rbita cclica.
En el caso particular de una solucin estacionaria, se puede considerar que
y(t) = y(t0) para todo t, como un caso trivial de periodicidad, siendo la trayectoria
un punto de equilibrio del sistema.
Continuando con la teora cualitativa de los sistemas se debe hacer
referencia al comportamiento cuando el tiempo tiende a infinito. Se estudia el
concepto de conjunto lmite. Si el tiempo tiende a ms infinito (o a menos infinito)
se puede analizar hacia donde tienden las trayectorias y definir los conjuntos alfa-
lmite y omega-lmite.
Definicin 12.1.15:
Dado un sistema autnomo y = f(y) de orden n y una semitrayectoria C+ del
mismo de ecuacin y(t) con t t0, se dice que y0* n es un omega-lmite (-

lmite) si existe una sucesin real creciente (tn) con lm t n , tal que la
n
sucesin (y(tn)) tiene como lmite y0*.
Se observa que en esta definicin se presupone que y(t) est definida en el
intervalo [t0, +).
El omega-lmite no tiene necesariamente que ser nico. Se denomina L(C+)
al conjunto de todos los puntos -lmites para un sistema autnomo dado. A este
conjunto pertenecen los puntos fijos estables (atractores).
Del mismo modo se pueden considerar las semitrayectorias C definidas
desde hasta t0 y definir los alfa-lmites.
Definicin 12.1.16:
Dado un sistema autnomo y = f(y) de orden n y una semitrayectoria C- del
mismo de ecuacin y(t) con t t0, se dice que y0* n es un alfa-lmite (-lmite)
si existe una sucesin real decreciente (tn) con lm t n , tal que la sucesin
n
(y(tn)) tiene como lmite y0*.
Se representa por L(C) al conjunto de todos los puntos -lmites para un
sistema autnomo dado. A este conjunto pertenecen los puntos fijos inestables
que son repulsores.
La idea intuitiva es que cada trayectoria puede partir de un -lmite y llegar a
un -lmite.
En muchas ocasiones se tienen sistemas de ecuaciones diferenciales que
dependen de un parmetro:
dy
f ( y , ), y n , (12.1.3)
dt
Los parmetros no dependen de la variable independiente, pero se modifica
el comportamiento de las soluciones segn los valores que tome el parmetro. En
general una modificacin pequea del valor del parmetro supone una variacin
tambin pequea en las soluciones. Pero en ocasiones para un determinado valor
del parmetro se modifica drsticamente la dinmica del sistema, como por
ejemplo si un atractor pasa a ser un repulsor. En esas ocasiones se dice que la
ecuacin diferencial tiene una bifurcacin.
Definicin 12.1.17:
Una ecuacin diferencial que depende de un parmetro tiene una
bifurcacin cuando hay una variacin cualitativa en el comportamiento de las
soluciones para un determinado valor del parmetro.
En el ejemplo 12.1.1 se observa que la ecuacin diferencial y = ay tiene una
bifurcacin para a = 0, pues el origen es un atractor si a < 0 y es un repulsor si a >
0.
12.1.5. Estabilidad de Liapunov y estabilidad orbital
Se estudia el concepto de estabilidad de las soluciones y de las trayectorias.
Existen dos conceptos de estabilidad y sus correspondientes versiones

asintticas: la estabilidad de Liapunov y la estabilidad orbital.
La estabilidad de Liapunov mide la distancia entre las soluciones. Una
solucin es estable segn Liapunov si para valores iniciales suficientemente
prximos entonces la distancia entre las soluciones es tan pequea como se
quiera.
Definicin 12.1.18:
Sea y = f(y, t) un sistema de ecuaciones diferenciales y sea (t) la solucin
que para t = t0 toma el valor y0, entonces se dice que la solucin (t) = (t, t0, y0)
es estable segn Liapunov si para todo > 0 existe un = (t0, ) > 0, tal que si
toda solucin *(t) = (t, t0, y*0) que verifique que dist((t0), *(t0)) < entonces
dist((t, t0, y0), (t, t0, y*0)) < , para todo t t0.
Definicin 12.1.19:
Un punto crtico y0 es estable segn Liapunov si para todo > 0 existe un
> 0, tal que si dist(y0, y*0) < entonces dist(y0, (t, t0, y*0)) < .
Definicin 12.1.20:
Una solucin (t, t0, y0) es asintticamente estable si es estable y tambin
verifica que lm ( t , t 0 , y 0 ) ( t , t 0 , y 0* ) 0 .
t
Definicin 12.1.21:
Un punto crtico y0 es asintticamente estable si para valores iniciales

suficientemente prximos, el lmite de (t, t0, y*0), cuando t tiende a infinito, es y0.
Definicin 12.1.22:
Un punto crtico es inestable si no es estable.

y0
y0
y0
Estabilidad Estabilidad Inestabilidad
Figura 12.4: Solucin estable, solucin asintticamente estable y solucin inestable
Si el sistema es lineal, y(t) = A(t)y(t) + b(t), entonces una solucin (t, t0, y0)
es estable (o asintticamente estable) si y slo si el origen es un punto crtico
estable (o asintticamente estable) del sistema homogneo asociado. Este hecho
conduce a estudiar los puntos crticos de los sistemas lineales homogneos.
La estabilidad orbital mide la separacin entre las trayectorias en el espacio
de fases, no la separacin de las soluciones.
Definicin 12.1.23:
Una rbita cclica y(t) (o trayectoria que sea una curva cerrada simple) es
orbitalmente estable si para todo > 0 existe un > 0 de modo que cualquier
otra trayectoria y*(t) que en t = t0 diste de y(t) menos que entonces distar
menos que para todo t mayor que t0. Es decir: Si nfimo(dist(y*(t0), y(t))) <
entonces dist(y*(t), y(t)) < , para todo t > t0.
Si lm (dist ( y * (t ), y (t )) 0 se dice que la estabilidad es orbitalmente

t
asinttica.
En este caso se dice que la rbita y(t) es un ciclo lmite.
Definicin 12.1.24:
Un ciclo lmite es una curva cerrada C que es cclica y atrae a las rbitas de
cualquier solucin que en el instante inicial est prxima a C.
La estabilidad segn Liapunov implica la estabilidad orbital, aunque no al
contrario.
Un ejemplo con estabilidad orbital, pero sin estabilidad segn Liapunov es el
oscilador curtico definido por la ecuacin: y + 4y3 = 0. Las trayectorias en el
espacio de fases (y, y) son los valos:
1/2(y)2 + y4 = A
donde A representa la amplitud de las oscilaciones.
Se observa que estos valos se deforman continuamente al variar A, por lo
que se tiene estabilidad orbital, pero el periodo tambin vara con A: T = T(A), por
lo que la solucin no es estable segn Liapunov.

12.1.6. Dinmica en un sistema lineal homogneo de
dimensin n = 1
Dado el sistema lineal y homogneo de dimensin uno y = ay, su solucin
general es y(t) = Ceat. Segn los valores del parmetro a se tienen los siguientes
casos:
Caso 1: a < 0. Cuando t crece, la funcin exponencial tiene a cero. El origen
es un punto de equilibrio asintticamente estable, que es un atractor. Se tienen
slo tres trayectorias segn el valor inicial.
Caso 2: a = 0. Todos los puntos de la recta real son puntos de equilibrio.
Caso 3: a > 0. Cuando t crece, la funcin exponencial tiene a infinito. El
origen es un punto de equilibrio inestable que es un repulsor. Se tienen de nuevo
slo tres trayectorias segn el valor inicial.
Se dice que a = 0 es un punto de bifurcacin, pues cambia en l la dinmica
del sistema.
a<0 a=0 a>0
0 0 0
Figura 12.5: Diagrama de fase en un sistema lineal homogneo de dimensin uno

a<0 a>0
t t
Figura 12.6: Diagrama de fase y trayectorias en un sistema lineal de dimensin uno.
12.1.7. Dinmica en un sistema lineal homogneo de
dimensin n = 2
En un sistema lineal homogneo de orden dos y = Ay el origen es un punto
crtico.
Si el sistema tiene dos autovalores reales y distintos y , y v1, v2 son los
autovectores asociados, entonces la solucin general es:
y(t) = C1v1et + C2v2et.
Si ambos autovalores son negativos, < < 0, se observa que, al
crecer el tiempo, et y et disminuyen, luego y(t) se acerca al origen,
por lo que ste es un punto crtico estable, y adems, es
asintticamente estable pues lm y(t) = 0. Se dice entonces que el

t
origen es un nodo asintticamente estable, y es un atractor.
x
Figura 12.7: Diagrama de fase en un sistema lineal de dimensin dos de autovalores reales, distintos y
negativos. Atractor.
Si ambos autovalores son positivos, > > 0, entonces para toda
solucin se verifica que lm y(t) = . Todas las trayectorias se

t
alejan del origen. En este caso el origen es un nodo inestable o
repulsor.
Si un autovalor es positivo y el otro es negativo, > 0 > , entonces
las trayectorias que tengan su valor inicial sobre la recta de vector de
direccin v2 tienden a aproximarse al origen, pero el resto, al aumentar
el tiempo, crecen, por lo que tienden a infinito. En situaciones como
estas se dice que el origen es un punto de silla, y es inestable.
v2
y
v1
x
Figura 12.8: Diagrama de fase en un sistema lineal de dimensin dos de autovalores reales y distintos. Punto
de silla.
Si el autovalor es doble, el punto crtico se dice que es un nodo
degenerado. Pueden darse distintos casos, como que todo vector sea
autovector, y entonces todas las trayectorias son rectas. Si el
autovector es negativo al crecer el tiempo, se aproximan al origen,
(atractor) y si es positivo, se alejan, (repulsor). Se dice entonces que el
origen es una solucin estrella. Pero pueden darse otros diagramas
de fase distintos, donde el nodo puede ser un nodo degenerado y
asintticamente estable, o un nodo degenerado inestable, segn sea
el signo del autovalor.
Figura 12.9: Diagramas de fase en sistemas lineales de dimensin dos con los autovalores iguales
Si el autovalor es un nmero complejo = i, entonces la solucin
general es de la forma:
y(t) = et(C1v1cos t + C2v2sen t).
Si > 0, et aumenta al crecer el tiempo, luego las trayectorias se
alejan del origen. Ahora son espirales. Se dice que el origen es un
nodo inestable o repulsor o punto espiral inestable o foco inestable.
Si < 0 se invierte la situacin, las trayectorias se acercan al origen
en espiral, siendo ste un nodo asintticamente estable o atractor o
punto espiral estable o foco estable.

Figura 12.10: Diagrama de fase en un sistema lineal de dimensin dos con autovalores complejos. Espirales.
Si = 0 entonces la solucin general es de la forma:
y(t) = C1v1cos t + C2v2sen t.
Es una solucin peridica de periodo 2/. Ahora las trayectorias son
elpticas. Se dice que el origen es un centro.
Se observa que un centro es un ejemplo de punto crtico estable pero
que no es asintticamente estable.
Figura 12.11: Diagrama de fase en un sistema lineal de dimensin dos de autovalores complejos con = 0.
Centro.
Se ha comprobado que el diagrama de fase de un sistema lineal homogneo
de dimensin dos: y = Ay depende de los autovalores de la matriz A, que se

obtienen de la ecuacin caracterstica:
2 (Traza de A) + (Determinante de A) = 0,
de discriminante:
D = (Traza de A)2 4(Determinante de A).
Dependiendo de los signos de D, (Determinante de A) y (Traza de A) se
tienen las distintas posibilidades:
Diagrama de fase Autovalores
Figura 12.12: Distintos diagramas de fase en un sistema lineal de dimensin dos. Puntos crticos hiperblicos.
Figura 12.13: Distintos diagramas de fase en un sistema lineal de dimensin dos. Puntos crticos no
hiperblicos.
Ejemplos resueltos
Ejemplo 12.1.1: Identificar los puntos de equilibrio del sistema de dimensin
uno:
y = (y + 2)(y 1)
y determinar si son atractores, repulsores o puntos de silla.
En una ecuacin del tipo y = f(y) se puede dibujar el diagrama de fase
siguiendo los siguientes pasos:
1) Dibujar la recta y. y=0

2) Encontrar los puntos de equilibrio resolviendo la ecuacin f(y) = 0 y
marcarlos sobre la recta y.
(y + 2)(y 1) = 0 y = 2; y = 1. Los puntos de equilibrio son 1 y 2.
y=0
2 0 1
3) Dibujar flechas hacia arriba (o hacia la derecha) en los intervalos donde
f(y) > 0. Dibujar flechas hacia abajo (o hacia la izquierda) en los intervalos
donde f(y) < 0.
y=0
2 0 1
El punto crtico y = 2 es un atractor, mientras que el punto crtico y = 1 es un
repulsor.
Ejemplo 12.1.2: Determinar la solucin general y clasificar el origen como
punto fijo en el sistema lineal homogneo de dimensin dos siguiente:
dx
dt 4 x y
dy .
3 x 2y
dt
Se determinan los autovalores resolviendo la ecuacin caracterstica:
4 1
A I = 2 + 6 + 5 = 1; = 5.
3 2
Ambos autovalores son negativos. El origen va a ser un atractor. Se calculan
los autovectores:
x 3 1 x 0 1
Para = 1 (A I) 3x + y = 0 v 1 .
y 3 1 y 0 3
x 1 1 x 0 1
Para = 5 (A I) x + y = 0 v 2 .
y 3 3 y 0 1
1 1
La solucin general es: y(t) = C1 e-t + C2 e-5t.
3 1
Cuando t tiende a infinito, la solucin tiende al origen, que es el nico punto
1
crtico. Si el instante inicial fuese un punto de la recta de direccin del vector ,
3
entonces su trayectoria se aproxima al origen siguiendo esa recta. Si el instante
1
inicial fuese un punto de la recta de direccin del vector , entonces su
1
trayectoria se aproxima al origen siguiendo esa recta. En el resto de los casos se
1
aproxima al origen acercndose a la recta de vector de direccin el , que
1
corresponde al autovalor de mayor valor absoluto. El origen es un atractor, es un
punto estable y asintticamente estable.
Ejercicios
12.1. Hacer un esbozo del diagrama de fase de las siguientes ecuaciones
diferenciales:
a) y = (1 y)y
b) y = ycos y
c) y = (2 y)(y + 3)
d) y = (y + 2)2
12.2. Identificar los puntos de equilibrio de las ecuaciones siguientes como
atractores, repulsores o puntos de silla:
a) y = (1 y)
b) y = 2y(1 y)
c) y = 2y3(1 y)2
d) y = 2y(1 y)(y + 2)
12.3. De la ecuacin diferencial y = f(y) se sabe que f(2) = f(3) = 0 y que f(y) >
0 para 2 < f(y) < 3. Describir todos los posibles comportamientos de la
solucin que verifica f(0) = 1.
12.4. En los sistemas lineales siguientes comprobar el valor de los autovalores,
determinar la solucin general y comprobar la clasificacin del origen
como punto fijo. Dibujar el diagrama de fase:
dx
dt x y
a) dy , autovalores: 2 y 2; punto de silla, inestable.
3x y
dt
dx
dt 4 x
b) dy , autovalores: 4 doble; nodo degenerado, punto estrella
4 y
dt
asintticamente estable.
dx
dt 3 x 4 y
c) dy , autovalores: 1 doble; nodo degenerado inestable.
xy
dt
dx
dt x 5 y
d) dy , autovalores: 1 + i, 1 i, nodo espiral
x 3y
dt
asintticamente estable.
12.5. Determinar un valor de a para que el sistema:
dx
dt ax 2y
dy ,
x 3y
dt
tenga un centro. Existen valores de a que hagan al origen un punto espiral? Si la
respuesta es afirmativa, determinarlos.
12.6. En los sistemas lineales siguientes determinar la solucin general,
clasificar el origen como punto fijo y dibujar el diagrama de fase:
dx
dt x y
a) dy .
9 x 3 y
dt
dx
dt x y
b) dy .
x 2y
dt
dx
dt 2 x y
c) dy .
x 4y
dt
dx
dt 2 x y
d) dy .
2y
dt
12.2. COMPORTAMIENTO DINMICO DE UN
SISTEMA LINEAL HOMOGNEO
El estudio de la estabilidad en los sistemas lineales y = A(t)y + b(t) se
reducen al estudio de la estabilidad de los sistemas lineales homogneos de
dimensin n, y = A(t)y. En los ejemplos anteriores de dimensin uno y dimensin
dos se ha analizado ya el comportamiento dinmico de los sistemas y = Ay, con la
matriz A de coeficientes constantes. En esta seccin se van a enunciar algunos
teoremas que lo generalizan para dimensin n.
Teorema 12.2.1:
El sistema y = A(t)y, t t0, es estable si y slo si todas sus soluciones estn

acotadas en [t0, +).
Corolario 12.2.2:
Para que todas las soluciones de y = Ay, t t0, estn acotadas es necesario
y suficiente que:
a) Todos los autovalores de la matriz A tengan su parte real negativa o nula.
b) Si tiene su parte real nula, entonces la dimensin del ncleo de A - I,
Dim N(A I), coincida con el orden de multiplicidad de .
Para que todas las soluciones de y = Ay estn acotadas es necesario que
todos los autovalores de la matriz A tengan su parte real negativa o nula. Pero
esta condicin no es suficiente, pues pueden no estar acotadas si el autovalor
tiene su parte real nula y es doble y aparecen polinomios. Para que esto no
ocurra, la matriz de Jordan asociada debe ser diagonal.
Si la parte real es nula se pretende que no aparezcan soluciones del tipo:
y(t) = C1v1 + C2v2t + ... +
o bien, si son complejas:
y(t) = C1v1cos t + C2v2sen t + C1v1tcos t + C2v2tsen t +... +
Corolario 12.2.3:
Toda solucin y(t) del sistema y = Ay tiende a cero cuando el tiempo tiende
a infinito, si y slo si, todos los ustificaci de la matriz A tienen su parte real
negativa, o si tienen su parte real nula, entonces Dim N(A I) coincide con el
orden de ustificacin de .
En este caso el origen es un atractor del sistema.
La ustificacin es clara teniendo en cuenta la forma general de dichas
soluciones:
y(t) = C1v1 e 1t + + Cnvn e n t .
Si la parte real de 1, ..., n es negativa, al calcular el lmite cuanto t tiende a
infinito, y(t) tiende a cero. Recprocamente si alguno tiene su parte real positiva
entonces la solucin no converge a cero.
Teorema 12.2.4:
Sea el sistema y = Ay. Toda solucin y(t) del sistema, distinta de y(t) = 0
para todo t, tiende a infinito cuando el tiempo tiende a infinito, si y slo si todos los
autovalores de la matriz A tienen su parte real positiva.
La justificacin es similar al teorema anterior.
En este caso el origen es una fuente o repulsor del sistema.
Teorema 12.2.4:
Si el sistema y = Ay tiene autovalores complejos imaginarios puros de la
forma = bi con b distinto de cero, y m = Dim N(A I) como subespacio de Cn,

entonces el conjunto de soluciones peridicas de y = Ay de periodo 2/b es un
subespacio vectorial de dimensin 2m.
Definicin 12.2.1:
Un sistema lineal homogneo de dimensin n, y = Ay se dice que es
hiperblico si todos los autovalores de la matriz A tienen su parte real distinta de
cero.
En un sistema hiperblico se tiene que el origen o bien es un atractor o bien
es un repulsor o bien, si hay autovalores de parte real positiva y de parte real
negativa, entonces es un punto de silla. En este caso el sistema se puede dividir
en dos subsistemas, separando los autovalores por el signo de su parte real.
Definicin 12.2.2:
Se denomina subespacio estable del sistema hiperblico de dimensin n, y
= Ay, al subespacio, E, en el que todos los autovalores tienen su parte real
negativa.
Definicin 12.2.3:
Se denomina subespacio inestable del sistema hiperblico de dimensin n,
y = Ay, al subespacio, N, en el que todos los autovalores tienen su parte real
positiva.
Ambos subespacios, estable e inestable, son invariantes para el sistema. En
un sistema hiperblico n es suma directa de ellos: n = E N y E N = {0}.

Sea y = Ay un sistema lineal y homogneo y sea J la matriz de Jordan de A,
ordenada de forma que primero se tengan los bloques que correspondan a
autovalores con parte real negativa, Je, luego con parte real nula, Jp, y por ltimo,
con parte real positiva, Ji. de dimensiones, respectivamente: e, p y i, con e + p + i
= n. El sistema cannico se subdivide en tres subsistemas: y(e) = Jey(e), y(p) =
Jpy(p), y(i) = Jiy(i), donde los espacios correspondientes a Je, E, y a Ji, N, son
subespacios invariantes, y el subespacio P, correspondiente a Jp, tambin es un
subespacio invariante con soluciones posiblemente peridicas. Se tiene que n =
E P N y E P N = {0}.
12.2.1. Comportamiento dinmico de una ecuacin diferencial
lineal homognea de coeficientes constantes de
orden superior
Una ecuacin diferencial lineal homognea de coeficientes constantes de
orden n se puede transformar en el sistema lineal equivalente, por lo que:
Sus soluciones son asintticamente estables si las races de su
ecuacin caracterstica tienen su parte real estrictamente negativa.
Sus soluciones son inestables si alguna raz tiene su parte real
positiva.
Si la ecuacin caracterstica tiene races de parte real nula, el estudio
debe hacerse de forma detallada ya que el origen puede ser un centro

(si las races son imaginarias puras), o puede ser un nodo
degenerado.
Ejemplos resueltos
Ejemplo 12.2.1:
dx
y
Estudiar la dinmica del sistema: dt y estudiar la dinmica de y = 0.
dy
0
dt
En este sistema los autovalores son = 0 doble, por lo que la solucin
general del sistema lineal homogneo es:
y 1( t ) 1 t
C1 C2 ,
y 2 ( t ) 0 1
que es una solucin no acotada si C2 es distinto de cero. Se observa que las
soluciones acotadas son un subespacio vectorial de dimensin uno:
y 1( t ) 1
C1 , C1 .
y 2 ( t ) 0
La matriz de Jordan asociada no es diagonalizable, y por ello, aunque la
parte real de los autovalores sea nula, todas las soluciones no son acotadas.
La ecuacin diferencial y = 0 tiene la ecuacin caracterstica r2 = 0, de raz
doble r = 0. Su solucin general es: y(t) = C1 + C2t, que si C2 es distinto de cero, no
es acotada. Su sistema asociado es el anterior, por lo que se conoce tambin y(t)

= C2.
Ejemplo 12.2.2:
dx
2y
Estudiar la dinmica del sistema: dt .
dy
2 x
dt
En este sistema los autovalores son = 2i y = 2i. La solucin general del
sistema lineal homogneo es:
y 1( t ) sen 2t 0 y ( t ) C1sen 2t
C1 C 2 1
y 2 ( t ) 0 cos 2t y 2 ( t ) C 2 cos 2t
y 12 y 22
Las trayectorias son las elipses: 1 . El origen es un centro. Es un
C12 C2 2
punto crtico estable, pero no asintticamente estable. Las soluciones son
peridicas de periodo , acotadas. En este caso 2 = P y E = N = {0}.
Ejemplo 12.2.3:
0 4 1 2

2 1 2 1
Estudiar la dinmica del sistema y = Ay siendo A .
0 2 0 2

2 1 4 1

Se tienen los autovalores = 2i dobles, y la dimensin del ncleo es: Dim
N(A 2iI) = 1.
La solucin general del sistema es:

y1( t ) cos2t sen2t cos2t cos2t sen2t sen2t

y 2( t ) sen2t cos2t sen2t 0 cos2t 0
y ( t ) C1 0 C2 0 C3 t 0 cos2t C4 t 0 sen2t
3
y ( t ) sen2t cos2t sen2t sen2t cos2t cos2t
4
Si C3 y C4 son distintos de cero se tienen soluciones no acotadas. Sin
embargo si C3 = C4 = 0 se tiene un subespacio de dimensin dos de soluciones
peridicas, de periodo , acotadas.
Ejercicios
12.7. Estudiar la dinmica de los sistemas lineales siguientes, determinar la
solucin general, dibujar el diagrama de fase y analizar los subespacios E,
P y N:
dx
dt y
a) dy , autovalores: 0 y 2; E = {(1, 2)}, P = {(1, 0)} y N = {(0,
2 y
dt
0)}.
dx
dt x y
dy
b) 3 x y autovalores: 2, 0 y 2; E = {(1, 1, 0)}, P = {(0, 0, 1)} y
dt
dz 0
dt
N = {(1, 3, 0)}.
dx
dt y
dy
c) x autovalores: 1, i y -i; E = {(0, 0, 1)}, P = {(1, 0, 0), (0, 1, 0)}
dt
dz z
dt
y N = {(0, 0, 0)}.
12.8. En los sistemas lineales siguientes, comprobar si los autovalores y los
autovectores son los indicados, dibujar las rectas que determinan dichos
autovectores, determinar la solucin general y dibujar el diagrama de fase.
dx
dt 2 x
a) dy , autovalores: 1 y 2; autovectores: (0, 1) y (1, 1).
xy
dt
dx
dt x y
b) dy , autovalor: 2 doble; autovector: (1, -1).
x 3y
dt
dx
dt 2 x 3 y
c) dy , autovalores: -4 y 2; autovectores: (1, 0) y (-1, 2).
4 y
dt
dx
dt 4 x 3 y
d) dy , autovalores: 3 y 1; autovectores: (6, -2) y (-1, 1).
x
dt
12.3. SISTEMAS CASI-LINEALES
Los casos ms sencillos de sistemas autnomos son los sistemas casi
lineales, aquellos que se pueden escribir como: y = f(y) = Ay + h(y), donde se
tiene un sistema lineal de coeficientes constantes asociado y el origen es un punto
crtico, siendo la funcin h(y) continua y con derivadas parciales continuas en un
entorno del origen, y anulndose la funcin y dichas derivadas en el origen. Estos
sistemas se comportan localmente de forma similar al sistema lineal asociado,
manteniendo nodos, puntos de silla, espirales, aunque los centros o los nodos
degenerados no se puede asegurar que se mantengan. En estas condiciones se
observa que la matriz A es la matriz jacobiana de f(y) en el origen.
Si el problema se puede escribir de la forma: y = Ay + h(y), donde A es una
matriz cuadrada n x n constante, y se supone que todos los autovalores de A
satisfacen que su parte real es negativa y que la matriz h(y) satisface que h(y) =
o(y) cuando y tiende a cero, entonces la solucin y = 0 es asintticamente
estable.
En general, dado un sistema no lineal: y = g(t, y) se pretende linealizarlo
mediante el sistema y = A(t)y + h(t, y) donde A(t) es la matriz jacobiana de la
funcin g, por lo que h(t, 0) = 0, y se podra conjeturar que g(t, y) se puede
aproximar en un entorno del origen por A(t). Sin embargo esta conjetura no
siempre es vlida, pues por ejemplo el sistema y = y2 tiene su matriz jacobiana
nula y su sistema lineal asociado es y = 0 que no explica al sistema no lineal de

partida: y = y2, de solucin y = 1/x.
Definicin 12.3.1:
Sea V un subconjunto de n que contiene en su interior al origen. Sean f1, ...,
fn funciones reales en V que se anulan en el origen y cuyas derivadas parciales
son continuas y tambin se anulan en el origen. Entonces el sistema:
dy 1
dt a11y 1 ... a1n y n f1( y 1,..., y n )

... (12.3.1)
dy n a y ... a y f ( y ,..., y )
dt 1n 1 nn n n 1 n

es casi lineal en el origen.
Para saber si un sistema es casi lineal en un punto P, entonces se traslada P
al origen y se comprueba si el nuevo sistema es casi lineal en el origen.
Al ser las funciones f1, ..., fn continuas respecto a las variables y1, ..., yn pero
ser independientes del tiempo, el sistema anterior (12.3.1) es autnomo.
Al sistema lineal:
dy 1
dt a11y 1 ... a1n y n

... (12.3.2)
dy n a y ... a y
dt 1n 1 nn n

se le denomina su sistema auxiliar, y a la matriz:

a11 ... a1n

A ... ... ...
a
n1 ... ann
su matriz asociada.
Al imponer que se anulen las derivadas parciales primeras en el origen el
sistema lineal auxiliar resulta ser una primera aproximacin del sistema de partida
y la matriz asociada A es la matriz jacobiana en el origen del sistema de partida.
Se pueden estudiar en el sistema lineal auxiliar las nociones de estabilidad,
estabilidad asinttica, no estabilidad para el origen. Se tiene el siguiente teorema
debido a Lyapunov y probado por Boyce y por Di Prima en 1986:
Teorema 12.3.1:
Sea un sistema casi lineal en el origen (como el 12.3.1). Si el origen es
asintticamente estable (respectivamente inestable) para el sistema lineal auxiliar
(12.3.2), entonces el origen es asintticamente estable (respectivamente
inestable) para el sistema casi lineal 12.3.1.
Como consecuencia, si el punto crtico es un nodo, un punto de silla o un
punto espiral en el sistema lineal auxiliar, entonces el punto crtico del sistema casi
lineal es del mismo tipo.
Sin embargo los nodos degenerados y los centros del sistema lineal auxiliar
no son heredados por el sistema casi lineal. Es ms, si el sistema auxiliar tiene un
centro, entonces el punto crtico del sistema casi lineal puede ser asintticamente
estable o ser inestable. La razn se debe a que los centros surgen cuando la parte
real del autovalor complejo vale exactamente cero, = 0, y pequeos cambios en
este valor pueden alterar la naturaleza del punto crtico al hacer < 0 o > 0.
Algo parecido sucede con los nodos degenerados que surgen cuando
exactamente = , y pequeos cambios pueden hacer < o > .
Sin embargo si la parte real de los autovalores verifica que 0 < 1 < ... < n, (o
1 < ... < n < 0), por la continuidad de las funciones, en algn entorno sigue
siendo cierto que 0 < 1 < ... < n, (o 1 < ... < n < 0) por lo que se heredan las
nociones de estabilidad asinttica y de inestabilidad.
Si la parte real de los autovalores verifica que 1 < ... < n < 0 se tiene que las
soluciones que empiezan cerca del origen se acercan a l, siendo ste un atractor.
Si los autovalores son complejos es un nodo en espiral. Si por el contrario todos
tienen la parte real positiva entonces el origen es un repulsor o fuente, y si son
complejos es una fuente en espiral. Si hay autovalores con la parte real positiva y
otros con la parte real negativa entonces es un punto de silla, y hay curvas de
soluciones que se acercan al origen y otras que se alejan.
En los sistemas casi lineales no se verifica el teorema de 12.1.1 de los
sistemas lineales homogneos que deca que el origen es el nico punto crtico si
y slo si cero no es un autovalor. Aunque los autovalores del sistema auxiliar sean
todos distintos de cero, el sistema casi lineal puede tener otros puntos crticos
distintos de cero que deben estudiarse independientemente.

Tampoco esta clasificacin de los puntos de equilibrio asegura nada respecto
del comportamiento de las soluciones cuyas posiciones iniciales estn lejos del
punto de equilibrio estudiado.
Ejemplos resueltos
Ejemplo 12.3.1:
Estudiar la dinmica de las soluciones del sistema casi lineal siguiente en un
entorno del origen:
dx
dt 2 x y 2 xy
.
dy
xy
dt
El sistema dado es casi lineal, pues f1(x, y) = 2xy, que es una funcin
continua que se anula en el origen, y sus derivadas parciales respecto a x y
respecto a y son: 2y y 2x, respectivamente, que tambin se anulan en el origen.
El sistema auxiliar es:
dx
dt 2 x y 2 1
dy , y su matriz asociada: , cuyos autovalores son:
xy 1 1
dt
1 13 1 13
= <0<= .
2 2
Son autovalores reales, uno positivo y otro negativo, por lo que el origen es
un punto de silla en el sistema auxiliar, que es un punto inestable, luego el sistema
de partida, por el teorema 12.2.1 tiene en el origen un punto inestable.
Este sistema tiene otro punto crtico, el punto (3/2, 3/2).
Ejemplo 12.3.2:
Estudiar la dinmica de las soluciones del sistema casi lineal siguiente:
dx
dt 2 x y 2 xy
dy .
x y 1
dt
El sistema propuesto tiene puntos crticos distintos del origen, lo que no
poda suceder con los sistemas lineales homogneos por el teorema 12.1.1. Para
determinar los puntos crticos se resuelve el sistema:
2 x y 2 xy 0
,
x y 1 0
y se obtiene que (1, 2) es un punto crtico. Se trasladan los ejes a dicho punto: x
= 1 + u; y = 2 + v, con lo que el sistema obtenido es:
du
dt 2u v 2uv
,
dv
u v
dt
cuya dinmica se conoce por el ejemplo 12.3.1. Es un sistema casi lineal en el
origen siendo ste un punto no estable, un punto de silla, y en consecuencia el

punto (1, 2) es un punto crtico inestable.
Ejemplo 12.3.3:
Estudiar la dinmica de las soluciones del sistema casi lineal siguiente:
dx 3 2
dt x y x xy
dy .
2 3
xy x y y
dt
El sistema es casi lineal y tiene un punto crtico en el origen siendo:
f1(x, y) = x3 xy2; f2(x, y) = x2y y3,
funciones que se anulan en el origen y cuyas derivadas parciales primeras
tambin se anulan en el origen. Para estudiar el comportamiento del sistema
cuando el tiempo tiende a infinito, se hace un cambio a coordenadas polares,
utilizando la regla de la cadena, y se obtiene:
dr 3
dt r r
d .
1
dt
Para r = 0, se tiene el punto fijo del origen.
Por los teoremas de existencia y unicidad de las soluciones se sabe que por
todo punto de 2 pasa una nica rbita.
Caso 1: Si en el instante inicial y(0) = 1, entonces para todo t > 0 se tiene

que:
dr
r=1 0 y(0) = 1 y y(t) = 1, t,
dt
Se obtiene una rbita que es cerrada y acotada, la circunferencia de centro el
origen y radio uno, y al ser constante la derivada respecto el ngulo, dicha rbita
se recorre con velocidad constante.
Caso 2: Si en el instante inicial 0 < y(0) < 1 0 < r < 1 para todo t,
dr
entonces = r(1 r2) > 0 para todo t > 0, por lo que r(t) es una funcin creciente,
dt
y su lmite tiende a 1, y por tanto y(t) crece siendo lm y(t) = 1.

t
dr
Caso 3: Si en el instante inicial y(0) > 1, entonces = r(1 r2) < 0 para
dt
todo t > 0, por lo que r(t) es una funcin decreciente, y su lmite tiende a 1 y y(t)
decrece siendo lm y(t) = 1.

t
En ese caso se tiene que cualquier trayectoria o es la circunferencia de
centro el origen y radio uno, o se aproxima a ella. Como la circunferencia de
centro el origen y radio uno es cerrada y acotada es un ciclo lmite.
Ejercicios
12.9. En los sistemas siguientes determinar cules son casi lineales, y en los
que lo sean, determina, cuando sea posible, su dinmica:

dx
x
a) dt .
dy
2
2x 3y x y
dt
dx xy
dt x 2y 1 e
b) dy .
x y xseny
dt
dx 3
dt y x
c) dy .
x y xy
dt
12.10. Los sistemas siguientes modelizan poblaciones de especies, unas
cooperativas y otras en competencia. Indicar qu modelos son de cada
tipo. Determinar los puntos de equilibrio. Estudiar su dinmica:
dx
dt 4 x 2 xy
a) dy .
3 y 3 xy
dt
dx 2
dt 4 x x 2 xy
b) dy .
2
3 y 2 xy y
dt
dx
dt 5 x 3 xy
c) dy .
3 y 4 xy
dt
dx 2
dt 8 x 2 x 3 xy
d) dy .
2
4 y 3 xy 2y
dt
12.4. SISTEMAS BIDIMENSIONALES AUTNOMOS
En sistemas de dimensin n se ha estudiado la estructura que tienen las
soluciones en un entorno del punto de equilibrio, y se ha visto que stos pueden
ser puntos espirales, nodos, centros, puntos de silla... Naturalmente todo esto es
vlido en los sistemas casilineales autnomos de dimensin dos. En esta seccin
se analizan dichos sistemas con mayor detenimiento, estudiando el teorema de
Poincar - Bendinxon, que slo es vlido para sistemas autnomos de dimensin
dos, y se completa con el estudio de distintos ejemplos y aplicaciones de stos
sistemas.
12.4.1. Teorema de Poincar - Bendixson
En los sistemas de dimensin dos es de gran belleza y utilidad el teorema de
Poincar-Bendixson que describe los conjuntos lmite de las rbitas afirmando
que, bajo determinadas condiciones, existen soluciones peridicas, cuyas
trayectorias o son puntos crticos o ciclo-lmites o unin de estos conjuntos.
Se ha visto que un sistema lineal homogneo puede tener un atractor si el
origen es un punto asintticamente estable. En 2 se han visto ejemplos de

rbitas acotadas o de elipses concntricas que no son atractores. Si el sistema es
casi lineal puede tener un atractor que sea un punto lmite asintticamente estable,
o puede tener un ciclo limite o la unin de puntos crticos y ciclos lmites que sean
atractores.
El siguiente teorema, el teorema de Poincar Bendixson dice como deben
ser los atractores para sistemas autnomos en 2.
Teorema 12.4.2:
Sea el sistema:
dx
dt f ( x , y )
dy
g( x , y )
dt
donde f y g son funciones continuas. Si una trayectoria permanece acotada
cuando t tiende a infinito, entonces la trayectoria es un punto crtico o un ciclo
lmite, o se aproxima a un punto crtico o a un ciclo lmite.
Este interesante teorema dice que si un sistema autnomo de dimensin dos
tiene un atractor, necesariamente ste es unin de puntos lmites o ciclos lmites, y
en consecuencia, no puede ser un atractor extrao. Esto no es cierto si el sistema
es de dimensin tres, como se estudiar en la seccin sexta (12.6.3), al analizar el
sistema de Lorenz. Con sistemas de dimensin superior a dos pueden aparecer
atractores extraos y una dinmica de tipo catico.

12.4.2. Dinmica del pndulo
En esta seccin se utiliza la teora de los sistemas casi lineales para estudiar
la dinmica de un pndulo que ya se estudi en el captulo 7, apartado 7.2.3.
Se supone un pndulo de longitud L, de masa m y que g es la aceleracin
debida a la gravedad. Sea (t) el ngulo del pndulo con la vertical en el tiempo t.
12.4.2.1. Dinmica del pndulo ideal, sin rozamiento ni
fuerzas externas
De momento se supone que no existe rozamiento, ni fuerzas externas, es
decir, el pndulo est en el vaco nicamente bajo la influencia de la gravedad. En
estas condiciones el movimiento del pndulo est determinado por la ecuacin
diferencial:
d 2
m L m g sen 0.
dt 2
Transformando la ecuacin diferencial de orden dos en un sistema,
denominando x = e y = , se tiene:
dx
y
dt (12.4.1)
dy g
senx
dt L
que se denomina sistema del pndulo. Se observa que este sistema no es lineal
debido al trmino en sen x, y no es sencillo encontrar las soluciones de (12.4.1).

Sin embargo es un sistema casi lineal en el origen.
FcosA
F=mg
FsenA
Figura 12.14: Diagrama de fase del pndulo sin rozamiento ni fuerza externa.
Teorema 12.4.1:
El sistema del pndulo (12.4.1) es un sistema casi lineal en el origen.
Demostracin:
La primera ecuacin del sistema es lineal. La segunda ecuacin se puede
escribir como: y = (g/L)x + f(x, y) siendo f(x, y) = (g/L) x (g/L)sen x.
La funcin f(x, y) es continua y con derivadas parciales continuas. Se anula
en el origen: f(0, 0) = 0, y sus derivadas parciales fx(x, y) = (g/L) (g/L)cos x, fy(x,
y) = 0, se anulan en el origen: fx(0, 0) = (g/L) (g/L) = 0, fy(0, 0) = 0, por lo que el
sistema del pndulo es casi lineal en el origen.
Se estudia el sistema lineal auxiliar para analizar la dinmica en el origen:
dx
dt y
dy ,
g
x
dt L
de matriz asociada:
0 1
g
0
L
g
de autovalores: i , que son imaginarios puros, por lo que el origen es un
L
centro en el sistema lineal auxiliar, y por tanto es un punto crtico estable, aunque
no asintticamente estable. El diagrama de fase est formado por las rbitas de
las soluciones que son elipses.
La velocidad angular es positiva cuando el pndulo se mueve hacia la
derecha y negativa si se mueve hacia la izquierda.
12.4.2.2. Dinmica del pndulo con rozamiento
Se supone que existe rozamiento debido a la friccin con el aire o por otro
medio. La ecuacin diferencial es entonces:
d 2 d
m L2 c L m g L sen 0.
2 dt
dt
Transformando la ecuacin de orden dos en un sistema:
dx
y
dt (12.4.2.)
dy g c
senx y
dt L mL
Este nuevo sistema del pndulo tampoco es lineal, pero es casi lineal en el
origen, siendo f(x, y) = (g/L)x (g/L)sen x y su sistema lineal asociado:
dx
y
dt ,
dy g c
x y
dt L mL
de matriz asociada:
0 1
g c

L mL
c c 2 4gm 2 L c c 2 4gm 2 L
de autovalores: y .
2mL 2mL
La naturaleza del punto crtico depende de los valores de y , que a su vez
depende de los valores de c, m y L. Si c > 0, (con m y L positivos) se observa que
ambos autovalores son negativos, y por tanto el origen es un punto crtico
asintticamente estable. Esta consecuencia es realista, pues al haber resistencia
del aire, todas las soluciones tienden hacia la posicin vertical.
El sistema 12.4.2 tiene puntos crticos distintos del (0, 0), son los puntos vn =
(n, 0) para n entero. Se trasladan los ejes a dichos puntos: x = n + u; y = v y el
sistema se transforma en:
du
v
dt (12.4.3)
dv g c
sen( n u ) v
dt L mL
Teorema 12.4.2:
El sistema del pndulo (12.4.3) es un sistema casi lineal en los puntos vn =
(n, 0) para n entero.
Demostracin:
La primera ecuacin del sistema es lineal. La segunda ecuacin se puede
escribir como:
v = (g/L)u (c/mL)v + f(u, v)
siendo f(u, v) = (g/L)u (g/L)sen(n + u).
La funcin f(u, v) es continua y con derivadas parciales continuas. Se anula
en el origen: f(0, 0) = 0, y sus derivadas parciales fx(x, y) = (g/L) (g/L)cos(n +
u), fy(x, y) = 0, se anulan en el origen: fx(0, 0) = 0, fy(0, 0) = 0, por lo que el sistema
del pndulo es casi lineal en el nuevo origen.
Para n par el sistema es idntico al caso del origen, y para n impar se tiene
f(u, v) = (g/L)u + (g/L)sen u. Se analiza el comportamiento del pndulo en el
punto v1 = (, 0). El sistema lineal auxiliar es:
du
v
dt ,
dv g c
u v
dt L mL
de matriz asociada:
0 1
g c

L mL
c c 2 4gm 2 L c c 2 4gm 2 L
de autovalores: y .
2mL 2mL
Ahora, en todos los casos, los autovalores son reales, pues el trmino de
dentro de la raz es positivo, pero se observa que es negativo, mientras que es
positivo: < 0 < . En consecuencia el punto es un punto de silla, punto crtico
inestable.
Figura 12.15: Diagrama de fase del pndulo con rozamiento
Si ahora se quiere estudiar lo que ocurre cuando se tiene una fuerza externa,
el sistema obtenido ya no es autnomo. Su resolucin se complica. Se pueden
obtener soluciones con el ordenador usando programas especiales.

12.4.3. Dinmica de poblaciones: sistemas de Lotka-Volterra
Vito Volterra (1 860 1 940), importante matemtico italiano, utiliz como
modelo para explicar la dinmica de una poblacin en la que coexisten unas
presas y unos depredadores, un sistema de ecuaciones diferenciales. Se haban
recogido datos estadsticos que mostraban que en el mar Adritico durante la
primera guerra mundial haban aumentado porcentualmente ms la cantidad de
unos peces no comestibles (depredadores) que los que haban dejado de
capturarse, comestibles (presas), al disminuir la actividad pesquera. Este modelo
se ha utilizado con xito, por ejemplo, para explicar el comportamiento de las
poblaciones de conejos y zorros o para explicar el incremento de la poblacin de
tiburones en el Mediterrneo durante la primera guerra mundial al haber
disminuido la pesca, y por tanto aumentado las presas. Explica tambin como el
uso de insecticidas puede hacer crecer el nmero de insectos dainos al matar
tambin a sus depredadores naturales.
Este modelo se basa en las siguientes hiptesis:
Si no hay depredadores, las presas, x, no tienen limitaciones en su
crecimiento: x = ax, a > 0.
La presencia de los depredadores, y, hace disminuir el nmero de
presas de forma proporcional al nmero de depredadores:
x = ax bxy, a, b > 0.
Los depredadores se alimentan exclusivamente de las presas, por lo

que en ausencia de ellas, se extinguiran: y = cy, c > 0.
Cuantas ms presas hay, ms aumenta el nmero de depredadores:
y = cy + dxy, c, d > 0.
El sistema de ecuaciones diferenciales:
dx
dt ax bxy
dy , a, b, c, d > 0
cy dxy
dt
se conoce con el nombre de Lotka-Volterra debido a que ya haba sido propuesto
por Alfred J. Lotka como modelo de ciertas reacciones qumicas.
Es un sistema bidimensional autnomo. El origen es un punto crtico, que se
explica porque si no hay ni presas ni depredadores, nunca los habr. El sistema
slo tiene sentido fsico para valores positivos de las variables x e y, pues no
puede haber un nmero negativo de presas ni de depredadores. Adems, si en el
instante inicial una de las variables es nula, la otra si es presa, aumenta
exponencialmente, y disminuye exponencialmente si es depredador, por lo que
sus trayectorias recorren los semiejes positivos.
Para obtener los puntos de equilibrio se resuelve el sistema:
ax bxy 0

cy dxy 0
c a
y se obtienen dos puntos de equilibrio, el origen (0, 0), y el punto , . El origen
d b
es un punto de equilibrio inestable que indica que si no existen ni presas ni
depredadores, nunca los habr. El otro punto es de ms inters, pues indica que si
se llegara a esa posicin, las presas sera devoradas y los depredadores tendran
alimento, pero ambas poblaciones se mantendran estables. Se trasladan los ejes
c a
a este punto, , y se busca el sistema lineal asociado cuya matriz asociada
d b
es:
bc
0
A= d
ad 0

b
de autovalores imaginarios puros: i ac por lo que las rbitas son cerradas y el
punto es un centro, punto de equilibrio estable, pero no asintticamente estable,
que corresponde con soluciones peridicas. Este tipo de equilibrio no es posible
garantizar que se mantiene para el sistema no lineal de partida.
Figura 12.16: Sistema presa depredador de Lotka-Volterra.
Analizando el diagrama de fase, es posible hacerse una idea del

comportamiento del sistema. Por ejemplo observando la regin inferior derecha,
es decir si x es grande e y es pequeo, se comprueba que ambas poblaciones,
de presas y de depredadores aumentan por la abundancia de presas y la escasez
de enemigos. El diagrama sugiere un movimiento oscilatorio alrededor del punto
de equilibrio.
La solucin de este sistema ya se coment en el captulo 7, apartado 7.2.6 y
se resolvi en el captulo 9, apartado 9.3.3 integrando la ecuacin:
dy cy dxy
.
dx ax bxy
Se comprueba que las poblaciones de depredadores y presas oscilan
peridicamente con amplitud y periodo que dependen de las condiciones iniciales.
Al interpretar el sistema casi lineal de partida, al ser el punto de equilibrio del
sistema lineal asociado un centro, que no se conserva, puede ocurrir que sea un
punto en espiral estable, un punto en espiral inestable o que exista un ciclo lmite
(en el caso de introducir la posibilidad de que el punto de equilibrio sea repulsor,
pero las rbitas sean atradas por el ciclo lmite como se observa en la figura
12.17).
Figura 12.17: Sistema presa depredador de Lotka-Volterra.

El modelo se puede hacer ms realista aadiendo nuevas hiptesis, como
que las presas compitan entre s por el alimento siguiendo una ecuacin logstica:
x = x(a x) bxy.
Se puede suponer tambin que los depredadores siguen una ecuacin
logstica. Al estudiar este nuevo sistema aparece un nuevo punto crtico en el eje
a
de abscisas: ,0 y depende de los valores del los parmetros su determinacin.

Al estudiar el sistema lineal asociado, al trasladar los ejes a este punto, se tiene
que si a/ < c/d entonces es un punto asintticamente estable y si a/ > c/d
entonces es un punto inestable.
Ejemplos resueltos
Ejemplo 12.4.1:
Estudiar la dinmica del sistema de Van der Pol siguiente:
dx
y
dt .
dy
2
x y x y
dt
El sistema es casi lineal y tiene un nico punto crtico en el origen con f2(x, y)
= x2y, que se anula en el origen as como sus derivadas parciales primeras,
siendo el sistema lineal asociado:

dx
dt y
dy ,
x y
dt
cuyos autovalores son: = (1 3 i)/2. Son autovalores complejos, con parte real
positiva, luego las soluciones del sistema lineal se mueven en espiral alejndose
del origen, que es un punto inestable. Por tanto, cerca del origen, las soluciones
del sistema de Van der Pol tambin se alejarn en espiral.
Ejemplo 12.4.2:
Estudiar la dinmica del sistema que modela la competencia entre dos
especies siguiente:
dx 2
dt 2 x x xy
dy .
2
3 y y 2 xy
dt
Este sistema modela la dinmica de dos poblaciones que compiten por los
recursos. Se comprueba que un aumento de una de las especies hace disminuir a
la otra.
Si se hace x = 0, entonces x = 0, e y = 3y(1 y/3), un modelo logstico de
poblacin siendo su diagrama de fase el eje de ordenadas con puntos de equilibrio
en (0, 0) y (0, 3). Igualmente si y = 0, entonces y = 0, e x = 2x(1 x/2), un modelo
logstico de poblacin siendo su diagrama de fase el eje de abscisas con puntos
de equilibrio en (0, 0) y (2, 0). Al modelizar poblaciones y no tener sentido los

valores negativos y al coincidir los ejes con curvas solucin las soluciones que
interesan son nicamente las del primer cuadrante.
Se resuelve el sistema para hallar los puntos de equilibrio y se obtiene que
son (0, 0), (2, 0), (0, 3) y (1, 1).
El punto (1, 1) tiene su inters. Se traslada a l el origen mediante: u = x 1,
v = y 1, y se obtiene:
du 2
dt u v u uv
dv .
2
2u v v 2uv
dt
El sistema es casi lineal con f1(u, v) = u2 uv y f2(u, v) = v2 2uv, que se
anulan en el origen as como sus derivadas parciales primeras, siendo el sistema
lineal asociado:
du
dt u v
dv ,
2u v
dt
cuyos autovalores son: = 1 2 , uno positivo y el otro negativo por lo que (u, v)
= (0, 0) es un punto de silla de este sistema lineal asociado. Por tanto, cerca del
punto (1, 1), las soluciones del sistema no lineal se comportarn como un punto de
silla.
Ejercicios
12.11. Estudiar la dinmica del sistema que modela la competencia entre dos
especies siguiente:
dx 2
dt 10 x x xy
dy .
2
30 y y 2 xy
dt
12.12. En general un sistema de Lotka Volterra que modela el comportamiento
de dos especies en competencia es:
dx 2
dt Ax Bx Cxy
dy
Dy Ey 2 Fxy
dt
donde x, y son positivas y los parmetros A, B, C, D, E y F son positivos.
Para que valores de los parmetros existe al menos un punto de equilibrio
para x > 0 y y > 0.

12.5. ESTABILIDAD EN SISTEMAS HAMILTONIANOS
O CONSERVATIVOS, EN SISTEMAS
DISIPATIVOS Y EN SISTEMAS GRADIENTE
En esta seccin se estudian unos sistemas que deben su nombre al
matemtico irlands William Rowan Hamilton (1805 1865), en los que se
conserva la energa, otros se que deben al matemtico ruso Aleksandr
Mikhaillovich Lyapunov (1857 1918) en los que la energa se disipa, y otros
denominados sistemas gradiente.
12.5.1. Sistemas conservativos y funciones de Hamilton
Definicin 12.5.1:
Un sistemas de ecuaciones diferenciales se denomina sistema
hamiltoniano o sistema conservativo si existe una funcin real H(x, y) que
verifica, para todo x e y, que:
dx H ( x , y )

dt y
.
dy H ( x, y )

dt x
A la funcin H(x, y) se la denomina funcin de Hamilton para el sistema.
Proposicin 12.5.1:
La funcin H(x, y) se conserva en cualquier solucin del sistema.
Demostracin:
Sea (x(t), y(t)) cualquier solucin del sistema, entonces, por la regla de la
cadena y la definicin, se sigue que:
d H ( x( t ), y ( t )) H dx H dy H H H H
0.
dt x dt y dt x y y x
Por tanto las curvas solucin del sistema se encuentran a lo largo de las
curvas de nivel de la funcin H(x, y), con lo que para esbozar el diagrama de fase
de estos sistemas, basta con dibujar las curvas de nivel de la funcin
hamiltoniana. Por desgracia es difcil encontrar sistemas que sean hamiltonianos.
A continuacin se estudia cmo determinar si un sistema lo es.
Proposicin 12.5.2:
f g
Si , entonces el sistema:
x y
dx
dt f ( x , y )
dy
g( x , y )
dt
es hamiltoniano.
Demostracin:
Si se tiene el sistema:
dx
dt f ( x , y )
dy
g( x , y )
dt
y se quiere saber si existe una funcin H(x, y) tal que
H ( x , y )
f ( x , y ) y

g ( x , y ) ( x , y )
H
x
Si dicha funcin tiene derivadas segundas continuas verifica la igualdad de
sus derivadas cruzadas:
f 2H 2H g
.
x xy yx y
Una vez que se ha comprobado que un sistema es hamiltoniano, se puede
construir la funcin H sin ms que aplicar la definicin e integrar:
H ( x , y )
Como f ( x , y )
y
, entonces H ( x , y ) f ( x , y )dy C( x ) , donde C(x)
es una funcin que no depende de la variable y.
Como g ( x , y )
H ( x , y )
x

x
f ( x , y )dy C( x ) x f ( x , y )dy C' ( x ) ,
despejando C e integrando se obtiene C(x) y por tanto H(x, y).
Proposicin 12.5.3:
dx
f ( x, y )
Si el sistema dt es hamiltoniano, entonces sus puntos de
dy
g( x , y )
dt
equilibrio no pueden ser ni atractores ni repulsores.
Demostracin:
Sea (x0, y0) un punto de equilibrio del sistema, entonces su matriz jacobiana
es:
f H 2H
2
f

x y xy y 2 .
A =

g g 2H
2H
x
y 2
yx
x
Por la igualdad de las derivadas cruzadas, la matriz A tiene la forma:
a b
A ,
c a
siendo su ecuacin caracterstica: 2 a2 bc = 0, y sus autovalores
a 2 bc . Caben tres posibilidades:
Caso 1: a2 + bc > 0. Los dos autovalores son reales y tienen distinto signo. El
punto de equilibrio es inestable y es un punto de silla.
Caso 2: a2 + bc < 0. Los dos autovalores son imaginarios puros, su parte real
es nula. El punto de equilibrio es estable, pero no es asintticamente estable, es
un centro.
Caso 3: a2 + bc = 0. El 0 es un autovalor doble.
12.5.2. Sistemas disipativos y funciones de Lyapunov
Los sistemas hamiltonianos o conservativos resultan ser una idealizacin de
la realidad. Un pndulo no permanece indefinidamente oscilando. Sin embargo, el
pndulo ideal sin rozamiento (estudiado en la seccin 12.4.2 y en el ejemplo
12.5.2), se comprueba que es un sistema de Hamilton y permanece oscilando
indefinidamente, y lo mismo ocurre con el oscilador armnico sin rozamiento que
se estudia en el ejemplo 12.5.1. La idea de la funcin de Hamilton puede
generalizarse utilizando las funciones de Lyapunov.
Definicin 12.5.2:
Una funcin L(x, y) es una funcin de Lyapunov para un sistema de
ecuaciones diferenciales si, para cada solucin (x(t), y(t)) que no sea una solucin
de equilibrio del sistema, se verifica que:
d
L( x( t ), y ( t )) 0 ,
dt
siendo la desigualdad estricta pata todo t, salvo para un conjunto finito de valores
de t. Se dice entonces que el sistema es disipativo.
En el caso de sistemas hamiltonianos, la derivada de la funcin de Hamilton
es cero a lo largo de cualquier solucin, ahora se impone que la funcin de
Lyapunov nunca crezca, y que disminuya a lo largo de cualquier solucin.

Estas funciones son de gran ayuda al dibujar el diagrama de fase, pues las
soluciones deben cortar los conjuntos de nivel de las funciones de Lyapunov,
pasando de valores mayores a menores.
No todos los sistemas tienen funciones de Lyapunov, o es sencillo
encontrarlas. En los ejemplos que se vern al final de este apartado del oscilador
armnico amortiguado, la funcin de Hamilton se transforma en la funcin de
Lyapunov. En ese caso la energa no se conserva sino que se disipa.
12.5.3 Sistemas gradiente
Definicin 12.5.3:
Un sistema de ecuaciones diferenciales se llama un sistema gradiente si
existe una funcin G(x, y) tal que:
dx G( x , y )
dt y
para todo (x, y).
dy G( x, y )

dt x
Proposicin 12.5.4:
La funcin G(x, y) es creciente a lo largo de cualquier solucin del sistema
que no sea un punto crtico.
Demostracin:
Sea (x(t), y(t)) cualquier solucin del sistema que no sea un punto crtico,
entonces, por la regla de la cadena y la definicin, se sigue que:
2 2
d G( x( t ), y ( t )) G dx G dy G G
0 .
dt x dt y dt x y
Por tanto el valor de G(x, y) aumenta a lo largo de las curvas solucin del
sistema que no sean puntos crticos. En consecuencia la funcin G(x, y)
disminuye a lo largo de las soluciones y por tanto es una funcin de Lyapunov
para ese sistema. Sin embargo no todos los sistemas que poseen funcin de
Lyapunov provienen de funciones opuestas de sistemas gradientes. En el ejemplo
12.5.3 puede verse un sistema con funcin de Lyapunov en el que el origen es un
atractor espiral, por lo que no puede deducirse de un sistema gradiente, como
consecuencia de la siguientes proposicin:
Proposicin 12.5.5:
dx
f ( x, y )
Si el sistema dt es un sistema gradiente, entonces sus puntos de
dy
g( x , y )
dt
equilibrio no pueden ser ni centros ni nodos espirales.
Demostracin:
Sea (x0, y0) un punto de equilibrio del sistema, entonces su matriz jacobiana
asociada es:
f G 2G
2
f

x y xy y 2 .
A =

g g 2G 2G

x
y 2 yx
x
Por la igualdad de las derivadas cruzadas, la matriz A tiene la forma:
a b
A ,
b c
siendo su ecuacin caracterstica: 2 (a + c) + ac b2 = 0, y sus autovalores
a c ( a c ) 2 4ac 4b 2 a c ( a c )2 4b 2
.
2 2
El discriminante es siempre positivo por lo que los autovalores son siempre
reales. En consecuencia los sistemas gradiente no pueden tener ni centros ni
espirales.
Ejemplos resueltos
Ejemplo 12.5.1:
Estudiar si el sistema siguiente del oscilador armnico es hamiltoniano, y si lo
es, determinar su funcin de Hamilton:
dx
dt y
dy .
kx
dt
f g
Al ser f(x, y) = y y g(x, y) = kx = 0, y en consecuencia el
x y
sistema es hamiltoniano, siendo:

H ( x , y ) f ( x , y )dy C( x ) = y2/2 + C(x) = y2/2 + kx2/2.
Los conjuntos de nivel de la funcin H(x, y) son elipses de centro el origen.
La variable x representa el desplazamiento y la variable y la velocidad.
Ejemplo 12.5.2:
Estudiar si el sistema siguiente del pndulo simple, sin rozamiento, es
hamiltoniano, y si lo es, determinar su funcin hamiltoniana:
dx
y
dt .
dy
gsenx
dt
f g
Al ser f(x, y) = y y g(x, y) = gsen x = 0, y en consecuencia el
x y
sistema es hamiltoniano, siendo:

H ( x , y ) f ( x , y )dy C( x ) = y2/2 + C(x) = y2/2 gcos x.
La variable x representa el ngulo que se desplaza el pndulo y la variable y
su velocidad.
Los puntos de equilibrio 0, 2, 4, ... son centros. Cerca y alrededor de
ellos las soluciones son peridicas, son soluciones oscilantes. Los puntos de
equilibrio , 3, ... son puntos de silla. Las soluciones que pasan por ellos son
separatrices. Estas soluciones separan a otras soluciones rotatorias que se
tendran para velocidades iniciales altas.
Ejemplo 12.5.3:
Comprobar si en el sistema siguiente la funcin L(x, y) = x2 + y2 es una
funcin de Lyapunov del sistema, y determinar la dinmica del mismo:
dx
dt x y
dy .
x y
dt
Para comprobar si L(x, y) = x2 + y2 es una funcin de Lyapunov del sistema
se calcula su derivada a lo largo de cualquier solucin (x(t), y(t)) del sistema:
d L( x( t ), y ( t )) dx dy
2x 2y 2 x( x y ) 2y ( x y ) 2( x 2 y 2 ) 0
dt dt dt
anulndose nicamente en el origen, por lo que la funcin L(x, y) es decreciente a
lo largo de cualquier solucin que no sea un punto de equilibrio, por lo que es una
funcin de Lyapunov.
Para estudiar la dinmica del sistema se calculan los autovalores = 1 i,
por lo que el origen es un atractor en espiral, por tanto no puede ser L = G de un
sistema gradiente.
Ejercicios
12.13. Estudiar si son hamiltonianos los sistemas siguientes y si lo son,
determinar su funcin de Hamilton.
dx 2
dt x y
a) dy . Solucin: NO es hamiltoniano
2x 3y
dt
dx
dt y
b) dy Solucin: H(x, y) = y2/2 x2/2 + x3/3
x x2
dt
x2 y 2
12.14. Comprobar que la funcin L(x, y) = es una funcin de Liapunov
2 2
para el sistema:
dx 3
dt x
dy .
3
y
dt
12.6. DINMICAS CATICAS
En esta seccin se estudian nuevos ejemplos, ahora de dimensin mayor
que dos, en los que ya no se verifica el teorema de Poincar Bendixon, y en los
que aparecen nuevos fenmenos de gran inters, como las dinmicas caticas.
12.6.1. El sistema de Lorenz
En la atmsfera ocurren fenmenos de convencin, en los que el aire se
mueve debido a las diferencias de temperatura entre unos lugares y otros. Cuando
Lorenz escribi su artculo dijo la clebre frase de: Puede el vuelo de una
mariposa en Brasil formar un tornado en Tejas, y desde entonces se habla del
Efecto Mariposa. En este apartado se estudia el comportamiento del sistema de
Lorenz.
En 1 916 Lord Rayleigh descubri el nmero que lleva su nombre dado por:
( 1 a 2 )3
R = gH3 (T)-1k-1. Rc = 4
a2
que depende, entre otros parmetros, de la gravedad, g, y de las diferencias de
temperaturas, T.
Cuarenta aos ms tarde, en 1 962, Barry Saltzman obtuvo un sistema de
ecuaciones diferenciales para describir la convencin. Un ao despus Edward
Lorenz estudi su famosa versin.
Definicin 12.6.1:
Se denomina sistema de Lorenz al sistema:

dx
dt y x
dy
rx y xz (12.6.1)
dt
dz xy bz
dt
donde t es el tiempo y las variables x, y y z no son coordenadas espaciales sino
que x es proporcional a la intensidad del movimiento de convencin, y es
proporcional a la diferencia de temperaturas entre la corriente ascendente y la
descendente y z es proporcional a la distorsin.
Las constantes son:
es el nmero de Prandtl y vale /k, = /k, siendo:
o = Coeficiente de viscosidad.
o k = Coeficiente de conductividad trmica.
r = R/Rc siendo R y Rc los nmeros de Lord Rayleigh.
b = 4/(1 + a2).
Se observa que los tres coeficientes , r y b son positivos, r es funcin de T
y adems es mayor que 1, r > 1. Lorenz realiz un estudio detallado del sistema
(12.6.1) con la ayuda del ordenador.
Teorema 12.6.1:
El sistema de Lorenz es casi lineal en el origen.

Demostracin:
El sistema lineal asociado es:
dx
dt y x
dy
rx y ,
dt
dz bz
dt
de matriz asociada:
0

r 1 0 ,
0 0 b

por lo que f2(x, y, z) = xz, y f3(x, y, z) = xy, funciones continuas que se anulan en
(0, 0, 0), y cuyas derivadas parciales primeras tambin se anulan en (0, 0, 0).
Se estudia el sistema lineal asociado, y se calculan sus autovalores, que son:
( 1) ( 1) 2 4r
1 ,
2
( 1) ( 1) 2 4r
2 ,
2
3 = b.
Se observa que siempre 3 = b, por lo que es un autovalor real y negativo.
Se analizan los siguientes tres casos:

Caso 1: 0 < r < 1 ( 1)2 + 4r = 2 2 + 1 + 4r = 2 + 2 + 1
4 + 4r = ( + 1)2 + 4(r 1) < ( + 1)2 pues (r 1) < 0. Por tanto
1 y 2 son autovalores reales y negativos. El origen es un nodo
asintticamente estable. La interpretacin fsica es que la convencin
se anula al aumentar el tiempo.
Caso 2: r > 1 ( 1)2 + 4r = ( + 1)2 + 4(r 1) > ( + 1)2. Por
tanto 1 es ahora un autovalor positivo, mientras 2 y 3 son
autovalores reales y negativos. El origen es un punto de silla, un nodo
inestable.
Caso 3: r = 1 1 = 0, mientras 2 y 3 son autovalores reales y
negativos, por lo que el origen es una solucin estable.
Para r = 1 hay un cambio en la dinmica del sistema, por lo que r = 1 es una
bifurcacin para la familia de los sistemas de Lorenz considerando a r como
parmetro, pues para valores de r menores de uno el origen es un punto crtico
asintticamente estable y para valores de r mayores de uno, inestable.
Para r > 1 hay ms puntos crticos.
Teorema 12.6.2:
Si r > 1, adems del origen, existen dos nuevos puntos crticos P y Q para el
sistema de Lorenz dados por: P = ( b( r 1) , b( r 1) , r 1) y Q = ( b( r 1) ,
b( r 1) , r 1).
Demostracin:
Se resuelve el sistema:
y x 0

rx y xz 0 .
xy bz 0

Si x = 0, entonces y = 0 y z = 0, siendo el origen (0, 0, 0) la solucin obtenida.
Pero si x es distinto de cero entonces: y = x z = r 1 x2 = y2 = b(r 1),
por lo que se obtienen dos puntos crticos:
P = ( b( r 1) , b( r 1) , r 1) y Q = ( b( r 1) , b( r 1) , r 1).
Para estudiar la dinmica del sistema en las proximidades de ellos, se
trasladan los ejes al punto P:
x= b( r 1) + u x = u = x + y = u + v
y= b( r 1) + v y = v = rx y xz = u v b( r 1) w
z = r 1 + w z = w = xy bz = b( r 1) u + b( r 1) v bz.
La matriz asociada es:
0

AP 1 1 b( r 1) .
b( r 1) b( r 1) b

La ecuacin caracterstica es:
3 + ( + b + 1)2 + b( + r) + 2b(r 1) = 0.
Por simetra, la ecuacin caracterstica de Q es la misma que la de P, por lo
que ambos puntos, P y Q son ambos asintticamente estables o son ambos
inestables o ninguna de las dos cosas. Se analiza la dinmica de P.
( b 3 )
Si > b + 1 entonces b 1 > 0. Denominando r* = entonces
b 1
r* > 1 cuando > b + 1 y > 1.
Si r* > r > 1 entonces las tres races tienen negativa su parte real por lo que
en este caso P es un punto crtico asintticamente estable.
Si r > r* y r > 1 dos de las races tienen su parte real positiva, en
consecuencia P es un punto crtico inestable. En este caso el sistema tiene tres
puntos crticos, el origen, P y Q, y los tres son inestables. Para r = r* se tiene, de
nuevo, una bifurcacin, pues los puntos crticos P y Q pasan de ser
asintticamente estables a ser inestables, cuando r pasa de ser menor que r* a ser
mayor.
El estudio de las rbitas de las soluciones es complicado. Se denomina
familia de Lorenz a los sistemas con = 10, b = 8/3 y r > 1. Por ejemplo, para =
10, b = 8/3, entonces > b + 1, r* = 470/19 24,74, r = 28 entonces r > r*, en
consecuencia los tres puntos crticos son inestables. La superficie en la que la
rbita reside es el atractor de Lorenz cuya dimensin de Hausdorff es 2,07. Es un

atractor extrao. Pequeas diferencias en las condiciones iniciales pueden, al
cabo de un cierto tiempo, tener comportamientos muy diferentes, por lo que el
atractor es catico, al haber una dependencia sensitiva de las condiciones
iniciales.
Figura 12.18: Atractor de Lorenz, con valores r = 28, = 10, b = 8/3
El sistema de Lorenz ha sido estudiado durante dcadas y se han localizado
varias bifurcaciones para r > 28. Las rbitas se clasifican en distintos tipos. Se dice
que una rbita es del tipo ab2 si gira una vez alrededor de uno de los puntos
crticos y dos veces alrededor del otro. Francheschini en 1980 identific una rbita
estable del tipo ab2 para r 100,75.
En la actualidad sigue habiendo cuestiones abiertas relativas al sistema de
Lorenz y su dinmica.
Ejercicios
12.15. En el sistema de Lorenz (12.6.1) trasladar los ejes al punto Q y estudiar la
dinmica en un entorno de dicho punto.

12.7. EJERCICIOS
12.16. Hacer un esbozo del diagrama de fase de las siguientes ecuaciones
diferenciales. Identificar los puntos de equilibrio como atractores,
repulsores o puntos de silla:
a) y = (3 + y)
b) y = 3y2(2 + y)
c) y = 3y3(2 + y)2
d) y = y(3 y)(2 + y).
12.17. En los sistemas lineales siguientes determinar la solucin general,
clasificar el origen como punto fijo y dibujar el diagrama de fase:
dx
dt 2 x 9 y
a) dy .
x 8y
dt
(Solucin: y(t) = (K1 + K2t)e5t. Repulsor)
dy
dx y 2z
b) dz .
y 3z
dx
(Solucin: y(x) = e2x((C1 C1)sen x + (C1 C2)cos x); z(x) = e2x(C1sen x +
C2cos x). Nodo repulsor en espiral).

dx
dt y z
dy
c) 3x z .
dt
dz 3 x y
dt
3 3
(Solucin: x(t) = K1 e3t + K2 e-2t; y(t) = K1 e3t - K2 e-2t + K3 e-t ; z(t) = K1 e3t -
2 2
K2 e-2t - K3 e-t ; Punto de silla).
12.18. Estudiar la dinmica de los sistemas lineales siguientes determinando la
solucin general, clasificando el punto crtico y dibujando el diagrama de
fase:
dx
dt 3 x y z
dy
a) x 5y z .
dt
dz x y 3z
dt
dy
dt 2y z
b) dz
y 4z
dt
dx
dt x 5 y
c) dy
2x y
dt
12.19. Estudiar la dinmica de los sistemas lineales siguientes, determinar la
solucin general, dibujar el diagrama de fase y analizar los subespacios E,

P y N:
dx
dt x
a) dy .
2 x
dt
dx
dt 2 x y
dy
b) x 2y .
dt
dz 0
dt
dx
dt z
dy
c) x .
dt
dz y
dt
12.20. En los sistemas lineales siguientes, calcular los autovalores y los
autovectores, dibujar las rectas que determinan dichos autovectores,
determinar la solucin general y dibujar el diagrama de fase.
dx
dt 2y
a) dy .
3x y
dt
dx
dt x y
b) dy .
x 2y
dt
dx
dt x y
c) dy .
x
dt
dx
dt 2 x 3 y
d) dy .
y
dt
12.21. Los sistemas siguientes modelizan poblaciones de especies, unas
cooperativas y otras en competencia. Indicar qu modelos son de cada
tipo. Determinar los puntos de equilibrio. Estudiar su dinmica:
dx
dt 2 x xy
a) dy .
y 2 xy
dt
dx 2
dt 2 x x xy
b) dy .
2
4 y xy y
dt
dx
dt 3 x xy
c) dy .
y 2 xy
dt
dx 2
dt 5 x x xy
d) dy .
2y xy y 2
dt
12.22. Estudiar la dinmica de la ecuacin diferencial del generador de vlvulas:

d 2y dy 1 1
L R y f ( M , y' )
dt 2 dt C C
donde L, C, R y M son constantes positivas, analizando el sistema auxiliar:
dx
y
dt
dy
w 2 x hy g ( y )
dt
en el origen.
12.23. Estudiar la dinmica de la ecuacin logstica y = ay by2, donde a y b son
constantes positivas.
12.24. Estudiar la dinmica del sistema de Lotka-Volterra en un entorno de su
punto de equilibrio:
dx
dt ax bxy
dy
cx d
dt
donde a, b, c y d son constantes positivas y comprobar que tiene un punto
de equilibrio en (d/c, a/b). Trasladar los ejes a dicho punto y comprobar
que los valores propios son imaginarios puros. Comprobar que:
L(x, y) = cx + by dlog x alog y
es una funcin de Liapunov para dicho sistema en el cuadrante x > 0, y >
0.
12.25. Se considera el movimiento oscilatorio de un edificio alto, un rascacielos
flexible que oscila cuando hay fuertes rfagas de viento. Sea y(t) el
desplazamiento en metros del edificio, siendo y = 0 la posicin vertical. Se
modela mediante la ecuacin del oscilador armnico:
d 2y dy
P Qy 0
dt 2 dt
donde P = 0,2 y Q = 0,25. Estudiar el sistema lineal asociado. Dibujar el
diagrama de fase. Comprobar que el sistema es estable y el origen es un
punto de equilibrio estable en espiral.
12.26. Se considera el movimiento oscilatorio de un edificio alto, un rascacielos
flexible que oscila cuando hay fuertes rfagas de viento. Sea y(t) el
desplazamiento en metros del edificio, siendo y = 0 la posicin vertical. Se
modela mediante la ecuacin del oscilador armnico, pero en esta ocasin
se tiene en cuenta la fuerza de la gravedad actuando sobre el voladizo,
con lo que se aade el trmino independiente y3:
d 2y dy
P Qy y3
2 dt
dt
donde P = 0,2 y Q = 0,25. Estudiar el sistema lineal asociado. Dibujar el
diagrama de fase. Comprobar que si la condicin inicial es suficientemente
prxima al origen entonces se comporta como en el ejercicio anterior, pero
si no lo es, el comportamiento de las soluciones es inquietante. Encontrar
nuevos puntos crticos y comprobar que son puntos de silla. Interpretar

fsicamente el resultado.
12.27. Estudiar la dinmica del sistema que modela la competencia entre dos
especies siguiente:
dx 2
dt 150 x x 3 xy
a) dy .
2
100 y y 2 xy
dt
12.28. Estudiar si es hamiltoniano el sistema siguiente y si lo es, determinar su
funcin de Hamilton.
dx
dt xseny 2y
dy
cos y
dt
(Solucin: H(x, y) = y2 + xcos x)
12.29. Estudiar los valores de las constantes a y b para los que el origen es un
punto crtico estable en el siguiente sistema:
dx
dt 2 x ay
dy
bx 2y
dt
12.30. Estudiar los valores de la constante a para los que el origen es un punto
crtico estable en el siguiente sistema:

dx
dt ax 2y
dy
ay 2z
dt
dz az 2 x
dt
12.31. Comprobar si el siguiente sistema es casi lineal y estudiar la dinmica en el
origen:
dx 2
dt 2 x 2y 3 x
dy
3 x 2y 2 x 2 y 4
dt
origen:
dx 3
dt 3 y x
dy
2x y 4
dt
origen:
dx 2
dt x 2y
dy
x y2
dt
origen:
dx 4
dt 2 x xy
dy
2y x 2 y 4
dt
origen:
dx 4
dt 2y 3 x
dy
3 x 7 y 3
dt
origen:
dx 3
dt 4 x y
dy
x 5 2y 2
dt
12.37. El sistema siguiente se refiere a un sistema depredador presa. Describir el
comportamiento de la poblacin de presas si se han extinguido los depredadores:
dx
dt x 3 xy
dy
2y xy
dt
12.38. El sistema anterior referido a un sistema depredador presa, describir el
comportamiento de la poblacin de depredadores si se han extinguido las presas.
12.39. El sistema siguiente se refiere a un sistema depredador presa. Buscar los
puntos de equilibrio y clasificarlos:

dx
dt 3 x xy
dy
y 10 xy
dt
12.40. Dibujar el diagrama de fase del sistema:
dx
dt x
dy
2
dt
dx
dt y
dy
x
dt
dx
dt x 1
dy
2
dt
dx
dt 2 x
dy
2 y
dt
12.44. Convertir la ecuacin diferencial siguiente: y y = 0 en un sistema y dibujar el
diagrama de fase asociado.

12.45. Obtener el sistema lineal asociado a la ecuacin diferencial siguiente: y +3y = 0
y dibujar el diagrama de fase.
12.46. Calcular los puntos de equilibrio de los siguientes sistemas:
dx
y
a) dt
dy
x 2 x 2 2y
dt
dx
dt 4 x 7 y 1
b)
dy
6 x 3 y 12
dt
dx
x
c) dt
dy
y 3
dt
dx 2
dt x 4
d)
dy
3y
dt
RESOLUCIN NUMRICA DE ECUACIONES
DIFERENCIALES
En la seccin anterior se han estudiando diferentes tcnicas para la
resolucin de ecuaciones diferenciales ordinarias y sistemas de ecuaciones
diferenciales que se ajustaban a un patrn concreto. Sin embargo muchos de
los problemas que realmente se presentan en la ingeniera no se pueden
resolver mediante estas tcnicas, puesto que slo algunos tipos de ecuaciones
diferenciales admiten soluciones en trminos de funciones elementales. Las
ecuaciones diferenciales aparecen en el diseo de modelos matemticos de los
fenmenos fsicos, tcnicos, qumicos, biolgicos, etc. Sin embargo, hasta la
segunda mitad del siglo XX eran escasas las ecuaciones diferenciales que se
podan resolver de manera explcita.
Es posible modelar la distribucin de temperaturas de un slido, la
velocidad de partculas en un fluido, las tensiones de un cuerpo que se
deforma, el flujo alrededor del ala de un avin, el impacto de un automvil
contra un obstculo, el crecimiento de especies animales con presas y
depredadores o la evolucin del precio de un artculo en el mercado financiero.
La simulacin numrica de estos fenmenos tan diferentes permite
rentabilizar esfuerzos y mejorar los costes que la experimentacin real
originara. En consecuencia, siempre que no sea posible obtener una solucin

870 Resolucin Numrica de Ecuaciones Diferenciales Ordinarias
exacta, (por ejemplo: y = x2 + y2) o cuando sta tenga escaso inters, o sea
demasiado complicada de conseguir, o aparezcan integrales que no sean
elementales (por ejemplo: y + sen y = 0), o cuando su clculo resulte
engorroso (por ejemplo: y = y4 + 1), est indicado recurrir a los mtodos
numricos, que proporcionen valores numricos de la solucin con una
aproximacin adecuada, en un determinado conjunto de puntos. Incluso
cuando sea posible encontrar la solucin en trminos de funciones elementales
o en desarrollo en serie puede ser que la evaluacin numrica de la funcin o
el truncamiento de la serie conduzcan a una peor calidad que un mtodo
aproximado.
La forma de proceder es buscar una solucin aproximada a la ecuacin
diferencial mediante el uso de un ordenador, utilizando para ello alguno de los
mtodos numricos que se conocen, que tienen en nuestros das un desarrollo
extraordinario tanto por su nmero como por sus posibilidades de clculo,
debido al progreso de los ordenadores. Estos mtodos se utilizan en la
actualidad para resolver las ecuaciones diferenciales en la teora de los
proyectiles balsticos y satlites artificiales, en redes elctricas, elasticidad de
vigas, estabilidad de aviones y teora de vibraciones, entre otras.
Por ejemplo, en el caso de sistemas de ecuaciones diferenciales lineales
con coeficientes constantes, se sabe que existe una solucin nica para cada
problema de valor inicial que se puede calcular. Pero si el nmero de
ecuaciones es muy elevado las manipulaciones algebraicas para obtenerla
pueden ser excesivamente laboriosas. En esta seccin se analizar la forma de
adaptar los mtodos numricos a sistemas de ecuaciones diferenciales de
primer orden.
Historia de los mtodos numricos de ecuaciones diferenciales 871
Otra ventaja de estos mtodos es que permiten experimentar con una
ecuacin diferencial modificando valores o coeficientes, con el fin de obtener
una informacin ms completa sobre el problema tecnolgico o fsico que
representa.
Los mtodos numricos que se utilizan en la actualidad para la solucin
de ecuaciones diferenciales tienen su origen en la segunda mitad del siglo XIX.
A finales del siglo pasado Carl David Tolm Runge (1 856 1 927) present
unos mtodos especficos para obtener mejores aproximaciones que las que
ofreca el mtodo de Euler. Pocos aos despus fueron perfeccionados por
Wilhelm Martin Kutta y por Heun, por lo que se conocen como mtodos de
Runge-Kutta, y pueden considerarse como los ms populares de entre los
mtodos denominados de un paso. Tambin en este perodo hacen aparicin
los mtodos multipaso que constituyen el otro gran grupo de mtodos
utilizados.
Pero hasta la dcada de 1 940 a 1 950, en la que la aparicin de los
ordenadores hace posible la realizacin de grandes clculos a un coste
econmico y de tiempo razonables, no se generaliza su uso. Supone un
cambio radical, pues es a partir de ese momento cuando el Anlisis Numrico
nace como disciplina autnoma, desarrollndose enormemente en la segunda
mitad del siglo XX, en estrecha conexin con la evolucin tecnolgica de los
ordenadores.
En el campo de la solucin numrica de ecuaciones diferenciales
ordinarias la investigacin de sistemas no stiff produjo una serie de mtodos y
algoritmos que llevan ya algunos aos incluidos en paquetes estndar sin
apenas modificacin. Se siguen buscando mtodos Runge-Kutta con mejores

constantes de error y mayor orden, se investiga tambin en comprender la
dinmica de los diversos algoritmos. El campo de los sistemas stiff es todava
hoy objeto de investigacin, pues problemas como los sistemas hamiltonianos
estn recibiendo atencin en la actualidad, a pesar que desde 1 980 se dispone
de mtodos y algoritmos para otros muchos problemas.
Se podra decir que el anlisis numrico trata sobre procedimientos para
hacer clculos. De forma simplificada es posible decir que tiene dos partes
diferenciadas que se complementan. Una parte es un anlisis similar al de
otras partes de la Matemtica, que permite investigar sobre cuando los
procedimientos de clculo proporcionan una respuesta precisa, su grado de
precisin y su costo computacional. De este modo se analiza la convergencia
del mtodo, descartando los no convergentes y prefiriendo los de mayor orden
de convergencia. Pero hay otros aspectos, no suficientemente investigados,
como por ejemplo, el uso de pasos variables en la estimacin de un problema
de valor inicial, que parece razonable, pero en el que la mejora de la eficiencia
computacional vara segn los casos, y slo permite guiar en su uso la
experiencia, por lo que tiene una importante componente experimental.
El carcter aplicado se recoge, una vez cubiertos los rudimentos de
anlisis, dando una descripcin de los algoritmos, o presentando numerosos
ejemplos con los resultados, tablas, grficos y diagramas que se obtienen al
aplicar los mtodos numricos estudiados a problemas concretos, para poder
analizarlos y reflexionar sobre las consecuencias prcticas de utilizar un
mtodo u otro. En los ejemplos elegidos se pretende que las conclusiones
obtenidas no sean exclusivas de ellos, sino que se den frecuentemente en la
prctica.
El problema puede plantearse de la siguiente forma:
Encontrar una solucin aproximada al problema de valor inicial o de
Cauchy:
y f ( x, y ), x (a, b )

y ( x0 ) y 0
donde, con la misma notacin, se puede interpretar como una ecuacin
diferencial o un sistema de ecuaciones diferenciales.
El primer aspecto que hay que tener en cuenta es si la funcin f es lo
suficientemente regular como para que se verifiquen los teoremas de existencia
y unicidad de las soluciones, pues si no se tuviera esa precaucin, el mtodo
numrico podra proporcionar una solucin que en absoluto resolvera el
problema. Y tambin que el intervalo donde exista esa nica solucin contenga
a la abscisa del punto final xN.
En algunos casos f(x, y) es tan simple que se puede integrar directamente
el problema de valor inicial. Sin embargo en los problemas que usualmente se
presentan en la ciencia y en la ingeniera esto no es as, por lo que resulta
lgico considerar procedimientos numricos para obtener una solucin
aproximada al problema. En ocasiones aunque se pueda integrar directamente
puede ser ms difcil evaluar la solucin, por ejemplo si viene dada en forma
implcita complicada, que aplicar un mtodo numrico.
Un primer paso para resolver un problema de valor inicial consiste en
sustituir el problema continuo, cuya incgnita es una funcin definida en un
intervalo real, por un problema discreto, cuya incgnita es una funcin definida
en un conjunto finito de puntos. Para ello se consideran los puntos del eje de
abscisas x0, x1, ..., xN, definidos mediante xn = x0 + nh, donde n vara desde 0
hasta N, siendo xN = x, igual al valor de la abscisa donde se quiere estimar la
ecuacin diferencial, y siendo el tamao del paso h = (xN x0)/N. En toda esta
seccin se denomina por yn o por y(xn) al valor exacto de la solucin del
problema de valor inicial en cada punto xn, mientras que se denomina por zn al
valor que el mtodo que se est aplicando obtiene para cada xn. Se pretende
llegar a conocer los valores zn con una aproximacin tan grande como se
quiera de la solucin y(xn) del problema de valor inicial.
Se ha dividido la seccin en dos partes: El primer captulo est dedicado a
uno de los grandes grupos, los mtodos de un paso, mientras que el segundo
est dedicado al otro gran grupo, el de los mtodos multipaso.
Un primer objetivo que se pretende es que se obtenga una comprensin
intuitiva de determinados mtodos numricos y se sepan aplicar para resolver
problemas. Un segundo objetivo es que se tenga una comprensin del
concepto de error pudiendo analizarlo y predecirlo, para poder tener un control
del error que se comete. Se pretende que quede claro el concepto de
convergencia, as como los conceptos de consistencia y estabilidad, por lo que
debe insistirse en la equivalencia entre convergencia y consistencia ms
estabilidad. Se proporcionan ejemplos del clculo del orden de consistencia de
un mtodo, sobre cmo decidir sobre la estabilidad y la convergencia de un
mtodo, y analizar los diversos tipos de errores cometidos.

HISTORIA DE LA RESOLUCIN NUMRICA DE
LAS ECUACIONES DIFERENCIALES
ORDINARIAS
Parece adecuado presentar los conceptos dentro de su contexto histrico,
para poder ligar la historia de las Matemticas con su aprendizaje. Dice
Simmons:1 Hay un antiguo refrn armenio que dice: Quien carezca de
sentimientos hacia el pasado estar condenado a vivir en la oscuridad estrecha
de su propia generacin. Las matemticas sin historia estaran desprovistas de
su grandeza, puesto que, como las artes -y las matemticas son uno de los
logros supremos de nuestra civilizacin-, obtienen su grandeza por el hecho de
ser una creacin humana.
En esta introduccin histrica de los mtodos numricos de las
ecuaciones diferenciales se consideran dos etapas, la primera desde sus
orgenes hasta la aparicin de los ordenadores hacia el ao 1 955, y la
segunda desde esta fecha de 1 955 hasta aproximadamente el 1 975, fecha
desde la cual se pierde, por su proximidad, la perspectiva histrica.
Antes de los ordenadores eran necesarios meses y meses de trabajo para
resolver una nica ecuacin diferencial con su valor inicial, con un trabajo
tedioso, por lo que slo se resolvan aquellas que se precisaban para su
aplicacin. As, por ejemplo, el ejrcito necesitaba conocer las soluciones de
1 SIMMONS, F.: Ecuaciones diferenciales con aplicaciones y notas histricas. McGraw-Hill. 1992.
las ecuaciones que regan las trayectorias balsticas, que deban ser tabuladas
para cada can. Uno de los primeros prototipos de ordenador se construy
para resolver las ecuaciones diferenciales necesarias para la bomba de
hidrgeno.
Solucin numrica antes de los ordenadores
La bsqueda de soluciones aproximadas a problemas matemticos en
general, es un proceso antiguo. Se puede citar como ejemplo los polinomios de
Taylor que aproximan a una funcin, o los polinomios interpoladores obtenidos
por Newton y Lagrange para ajustar una funcin polinmica a una tabla de n
valores, o el mtodo de Newton para hallar una solucin aproximada de una
ecuacin, o por ltimo, el mtodo de Euler para el clculo de una solucin
aproximada de una ecuacin diferencial.
El mtodo de Euler, que data de 1 768,2 est an vivo, no slo porque
juega un papel excepcional en la enseanza como base metodolgica para
explicar mtodos ms complicados, sino que incluso se sigue utilizando en la
actualidad para obtener una primera aproximacin en la resolucin de
ecuaciones.
Es un mtodo de variable discreta en el que se genera una sucesin de
valores para la variable independiente (xn) y una sucesin de valores
calculados (zn) que se pueden considerar tanto escalares como vectoriales. Se
define zn por recursin: Si y = f(x, y) e y(a) = y0, entonces x0 = a, z0 = y0; xn+1 =

2 L. Euler (1768): Institutiones Calculi Integralis. Volumen 1, Seccin Segunda, Captulo VII,
Opera 11.
xn + h, siendo h la longitud de paso, zn+1 = zn + hfn siendo fn = f(xn, zn). De la
propia definicin est claro que el error cometido en el primer paso es un
infinitsimo de segundo orden: z1 = y(x1) + O(h2). Se puede demostrar, y ya lo
prob Cauchy, que el error total obtenido es un infinitsimo de primer orden: zn
= y(xn) + O(h).
El mismo Euler en los ejercicios propone mtodos de orden superior que
son los que hoy se conocen como mtodos de Taylor, donde la idea
geomtrica la proporciona el calcular la derivada segunda, en lugar de utilizar
para aproximar la solucin por la tangente se hace mediante la parbola que
ms se aproxima, o en general por el polinomio de grado n que ms se
aproxima.
Los siguientes mtodos se deben a John C. Adams (1 819 1 892).
Analizando anomalas en la rbita de Saturno Adams conjetur en 1 846 la
existencia de otro planeta, siendo observado Neptuno en 1 846.
Figura 1: John C. Adams y Neptuno
Fue catedrtico en Escocia en St. Andrews, en 1 858, y en Cambridge en
1 859, siendo nombrado director del Observatorio de Cambridge en 1 861. Los
mtodos que llevan su nombre, Adams no los public (quizs no los

considerara suficientemente serios). Aparecen publicados por primera vez por
Bashford, en 1 883, en un trabajo sobre problemas de capilaridad, tensin
superficial, la forma de una gota..., aunque dijo que ya los conoca de Adams
desde 1 855.
La idea es considerar la ecuacin y = f(x, y) como una integral:
x n 1
y(xn+1) y(xn) = x n
f ( x , y ( x )) dx
pero como y(x) no se conoce, se reemplaza f(x, y(x)) por un polinomio
interpolador basado en valores ya calculados: p(x) f(x, y(x)).
Con el polinomio interpolador ms sencillo, una constante, se recupera el
mtodo de Euler. Si se usa una recta se obtiene un mtodo de segundo orden,
y con esta forma de razonar, aumentando el grado del polinomio y el nmero
de puntos de partida, es posible obtener mtodos del orden que se quiera. De
esta forma se obtienen los mtodos explcitos que se conocen con el nombre
de mtodos de Adams-Bashford. La cantidad de trabajo en cada paso es la
misma que en el mtodo de Euler, pues aunque cada valor se usa varias
veces, en cada paso slo se evala una vez la funcin.
Adams construy otros mtodos, los implcitos, que en la bibliografa se
conocen como mtodos de Adams-Moulton. Existen otros mtodos: en 1 925
los de Nystrm, en 1 926 los de Milne. Todos ellos son combinaciones lineales
de zn+1, zn,... fn+1, fn,...

Figura 2: Carl David Tolm Runge
Carl David Tolm Runge naci en 1 856 en Brena. Vivi en La Habana.
Estudi hacia 1 876 en Munich y Berln con Kronecker y Weierstrass, donde se
ocup del estudio de la variable compleja. En 1 886 se traslad a Hannover a
Escuela Tcnica Superior donde conoci a Plank, que investigaba en
espectroscopia, centrndose en trabajos de matemtica aplicada. En 1 905 fue
llamado a Gttingen por Flix Klein, donde fue nombrado como el primer
catedrtico de Matemtica Aplicada. En 1 895 apareci publicado su trabajo en
la revista Mathematische Annalenn.
La idea en la que bas sus mtodos numricos consiste en fijarse en los
mtodos numricos de integracin. Si f(x, y) no dependiera de y, para integrarla
se podra usar la regla del rectngulo, o la regla del punto medio, o la regla de
Simpson. En particular si se utilizara la regla del rectngulo se recuperara de
nuevo el mtodo de Euler. Si se interpola la funcin por un rectngulo en el
punto medio se obtiene lo que denomin tangenten trapez. Si se evala por la
regla del trapecio se obtiene otra aproximacin, que recupera la regla de
Simpson en el caso en que la funcin slo dependiera de x. Si se hace la
media aritmtica de las dos, no resulta en el caso general de cuarto orden, sino
nicamente de segundo orden, lo que lleva a buscar una media ponderada con
la que Runge consigui en 1 895 un mtodo de orden tres.
En 1 900 Heun escribi los mtodos de Runge mediante una expresin
general:
z1 = z0 + h(b1k1 + ... + bsks) siendo
k1 = f(x0, y0),
k2 = f(x0 + c2h, y0 + b21hk1),
k3 = f(x0 + c3h, y0 + b31hk1 + b32hk2),
....,
ks = f(x0 + csh, y0 + bs,1hk1+ + bs,s-1hks-1).
Todos los mtodos de Runge responden a este formato. Pero no avanz
mucho ms. Consigui un mtodo de orden tres con tres etapas y un mtodo
de orden cuatro con ocho etapas.
Wilhelm Martin Kutta en 1 901 utiliz este formato general y describi
varios mtodos de orden cuatro con cuatro etapas. Uno de ellos es el que ha
pasado a los libros como el mtodo de Runge-Kutta, lo cual es inexacto, pues
no lo descubri Runge, sino Kutta, y es uno entre varios, y no precisamente del
que se muestra ms orgulloso. Aunque bien es cierto que Runge lo mencion
en un libro sobre Matemtica Aplicada.

Figura 3: Wilhelm Martin Kutta
Aparecieron otros mtodos numricos, como el mtodo de Milne, que
posteriormente al utilizar ordenadores han quedado totalmente en desuso
debido a la propagacin de los errores.
Solucin numrica despus de los ordenadores
El primer estudio riguroso de la teora matemtica encerrada en la
resolucin numrica de ecuaciones diferenciales se debe a Dahlquist que
escribi su tesis, ya mayor, en el ao 1 956, siendo publicada en 1 959. Es el
primero en escribir una teora que explique conceptos como estabilidad o el
orden alcanzable. Slo escribi seis o siete artculos, pero que son de una
importancia excepcional.
Dahlquist plante una ecuacin general:
kzn+1 + k-1zn + ... + 0zn-k+1 = h(kfn+1 + ... + 0fn-k+1)
mediante la cual estudi la estabilidad, el orden alcanzable y cmo deban ser
los coeficientes. Al encontrar los mejores coeficientes estos resultaron ser los
coeficientes de los mtodos de Adams.

Para obtener el orden del mtodo en los mtodos de Runge-Kutta es
preciso realizar desarrollos de Taylor. El neozelands Butcher mediante
problemas combinatorios y la utilizacin de la teora de grafos obtuvo unas
frmulas con las que calcularlo sin necesidad de realizar los desarrollos.
En la prctica los mtodos que actualmente se utilizan son los cdigos o
libreras de programas, en los que estn programados, los mtodos de Adams
para cada paso y cada orden, o los mtodos de Runge-Kutta de pares
encajados. El propio cdigo estima el error y elige el orden que ms se adecue,
e incluso toma los valores del paso mayores o menores segn sea ms
conveniente. Son por tanto bateras de mtodos que se combinan. Gear en 1
971 escribi un libro con los listados de uno de estos cdigos, que ha sido tan
utilizado que puede considerarse como la referencia cientfica ms citada.
Por ltimo muy brevemente el estado actual de la cuestin: Hoy se trabaja
en mtodos especficos para resolver distintas clases de ecuaciones
diferenciales, como por ejemplo, los sistemas hamiltonianos, para acercar la
teora numrica a la teora analtica, los sistemas dinmicos y la teora
cualitativa de las ecuaciones diferenciales, con un mayor contenido geomtrico,
utilizando los grupos de Lie. Otro problema que ocupa mucha literatura desde 1
965 a 1 985 es el tratamiento de los problemas rgidos o stiff. Y un camino
perdido ha sido el utilizar mtodos analgicos en lugar de digitales, como el uso
del analizador diferencial.

CAPTULO 13
Mtodos numricos de un paso
El objetivo de este captulo es introducir los mtodos numricos de resolucin
de una ecuacin diferencial o de un sistema de ecuaciones diferenciales de un
solo paso, mientras que en el siguiente captulo se estudiarn los mtodos
multipaso.
Un sistema de ecuaciones diferenciales o una ecuacin diferencial de orden
superior siempre pueden ser expresados como un sistema de primer orden, y de
esta forma resolver numricamente el problema de valor inicial:
y = f(x, y)
y(x0) = y0
donde y, y, y0 n son vectores n-dimensionales, f: n+1 n, mientras que x y
x0 son escalares. Una solucin est definida en un intervalo [x0, b] donde x0 y b
son finitos. Se supone que se verifican las hiptesis del teorema de existencia y
unicidad de Picard-Lindelf por lo que se puede garantizar que existe una nica
solucin y = y(x) del problema de valor inicial.
Todo mtodo numrico lleva consigo la idea de discretizacin, esto es, el

884 Mtodos numricos de un paso
intervalo continuo [x0, b] de x es reemplazado por un conjunto discreto de puntos
{xn} definidos por xn = x0 + nh, n = 0, 1, 2, ..., N = (b x0)/h. El parmetro h se
denomina longitud de paso, que en un principio se considera que es constante,
aunque la potencia de los modernos algoritmos deriva de su habilidad para
cambiar h automticamente en el proceso de computacin.
En este captulo (y en el siguiente) se denota por y(x) a la solucin exacta de
la ecuacin diferencial y por zn al valor aproximado de la solucin en xn.
El objetivo es encontrar un conjunto de valores {zn} que se aproximen a la
solucin en el conjunto discreto de puntos {xn}, zn y(xn). Esta sucesin se
denomina solucin numrica del problema de valor inicial. Un mtodo
numrico es por tanto una ecuacin en diferencias que permita computar los zn.
Existen algoritmos que implementan estos mtodos permitiendo estimar el
error, seleccionar el tamao de paso ms conveniente y decidir qu mtodo
emplear en cada etapa de la bsqueda de la solucin. Pero resultan como cajas
negras poco aprovechables para comprender el proceso. El propsito de este
captulo y del siguiente es, precisamente, entender su comportamiento y conocer
sus propiedades.
Existen una gran diversidad de mtodos numricos para la resolucin de un
problema de valor inicial, con distintas caractersticas. Estos mtodos se agrupan
en dos familias: los mtodos de un paso y los mtodos lineales multipaso.
Los mtodos de un paso, que se presentan en este captulo, se caracterizan

Captulo 13: Mtodos numricos 885
porque el valor aproximado zn de la solucin en el punto xn se obtiene a partir del
valor zn-1 obtenido en la etapa anterior.
Los mtodos lineales multipaso, que se estudian en el captulo siguiente,
utilizan para el clculo del valor aproximado zn no slo el valor zn-1 obtenido en la
etapa anterior, sino tambin los valores zn-2, ..., zn-j obtenidos en etapas previas. La
utilizacin de estos valores previos hace que el comportamiento de los dos grupos
de mtodos numricos sea muy diferente, con caractersticas especficas para
cada grupo, lo que hace preciso un estudio diferenciado de cada una de las
familias.
El contenido de este captulo es el siguiente: En primer lugar y con el fin de
entender como funcionan los mtodos numricos se comienza estudiando el ms
sencillo, el mtodo de Euler, que sirve como modelo comn de comportamiento de
los mtodos numricos, tanto para los mtodos de un paso como para los
mtodos lineales multipaso. A continuacin se introducen los mtodos de un paso,
entre los que se destacan especialmente los mtodos de Taylor y los mtodos de
Runge-Kutta, y se estudian sus propiedades. Al analizar de forma general los
mtodos de un paso se estudia la manera de evaluar el error cometido, o de
conocer si es de esperar que el resultado obtenido se ajusta bien a la solucin
exacta de la ecuacin diferencial, es decir, si el mtodo es convergente.

13.1. EL MTODO DE EULER
En el estudio de las soluciones aproximadas de ecuaciones diferenciales se
comienza estudiando un mtodo clsico, el mtodo de Euler, (o de las
poligonales de Euler), desarrollado por Leonard Euler por lo que lleva su nombre.
Tiene un inters especial desde el punto de vista didctico porque sirve como
punto de partida para introducir los conceptos y analizar los problemas que van a
aparecer en el resto de los mtodos numricos. Su estudio sirve, pues, como
modelo para investigar las dificultades que se presentan en cualquier mtodo
numrico y para analizar los distintos tipos de error que se generan. Suministra
tambin una sencilla interpretacin geomtrica pues se aproxima la solucin del
problema de valor inicial mediante la tangente a dicha solucin.
Se considera el problema de valor inicial y = f(x, y), y(x0) = y0, del que se
supone que es un problema bien propuesto, es decir, se sabe que tiene una nica
solucin en un intervalo (x0 h, x0 + h). Para encontrar una solucin aproximada
de y = f(x, y), y(x0) = y0, se toma como valor inicial z0; entonces f(x0, z0) es la
pendiente de la recta tangente en el punto de partida (x0, z0), por lo que se puede
obtener como valor z1 el que toma la recta que pasa por (x0, z0) y tiene como
pendiente f(x0, z0) en el punto de abscisa x1:
z1 = z0 + hf(x0, z0)
A continuacin se repite el proceso desde el punto (x1, z1) aproximando la

solucin por la recta tangente que pasa por dicho punto. Por tanto la expresin
general del mtodo de Euler resulta:
zn+1 = zn + hf(xn, zn).
La solucin numrica resultante aparece como una poligonal formada por
trazos de rectas tangentes.
(xn, yn)
(x1, y1)
(x0, y0)
Figura 13.1: Poligonal de Euler
Definicin 13.1.1:
Se denomina mtodo de Euler al mtodo numrico de expresin:
zn+1 = zn + hf(xn, zn).
Se pueden utilizar cuatro puntos de vista distintos para explicar el mtodo de
Euler:
Un punto de vista geomtrico, utilizando la idea de recta tangente de
pendiente y(x) = f(x, y(x)).
Utilizar el desarrollo de Taylor, lo que permite adems valorar el orden del

error cometido:
y(x + h) = y(x) + hy(x) + (h2/2)y(x) + ... + (hp/p!)yp)(x) +...
pudindose considerar el mtodo de Euler como el mtodo de Taylor de
orden uno, cuando se corta en:
y(x + h) = y(x) + hy(x).
El error cometido al calcular el valor aproximado de y(x + h), en un solo
paso, entre x y x + h, es del orden del trmino complementario:
h2
y(c)
2
donde c es un punto comprendido entre x y x + h, por lo que si se puede
acotar y(c) entonces se dice que este error es del orden de O(h2). Otros
mtodos, los mtodos de Taylor, se obtendrn cortando el desarrollo de
Taylor en distintos trminos.
Aplicar la definicin de derivada o el teorema del valor medio:
y( x h ) y( x )
y(x) y(x + h) y(x) hy(x),
h
teniendo en cuenta que y(x) = f(x, y) se obtiene que
y(xn+1) y(xn) + hf(xn, y(xn)),
por lo tanto zn+1 = zn + hf(xn, zn).

Otros mtodos se obtendrn buscando mejores estimaciones para la
derivada y(x).
Integrar la ecuacin diferencial entre dos puntos consecutivos de la red,
por ejemplo entre xn y xn+1:
x n 1
y(xn+1) = y(xn) + x n
f(x , y ( x )) dx
Si la funcin f(x, y(x)) se toma como la constante f(xn, zn), se obtiene:
x n 1
y(xn+1) = y(xn) + f(xn, zn) x n
dx = y(xn) + f(xn, zn)h
Por lo tanto: zn+1 = zn + hf(xn, zn).
Otros mtodos, los mtodos multipaso, se obtienen dando mejores
estimaciones para la funcin f(x, y(x)).
Estos cuatro diferentes puntos de vista volvern a ser utilizados para obtener
el resto de los mtodos. Por ejemplo se obtendrn los mtodos de Runge-Kutta
por el 2, los mtodos multipaso y especialmente los predictor-corrector mediante
el 4, las ecuaciones diferenciales stiff y el mtodo del punto medio utilizar el 3, y
en todos ellos se buscar una interpretacin geomtrica con promedios de la
tangente.
Para terminar, es importante sealar que el mtodo de Euler rara vez se
utiliza en la prctica debido a que, a pesar de su sencillez a la hora de

implementarlo, su convergencia es lenta, como se comprobar enseguida, de
manera que se pueden necesitar muchos pasos en su ejecucin para obtener una
buena aproximacin del valor buscado. Su inters fundamental es por tanto
didctico. Debido a su sencillez, se utiliza tambin para obtener valores iniciadores
que permitan aplicar mtodos lineales multipaso como los que se estudiarn en el
captulo siguiente.
Ejemplos resueltos
Ejemplo 13.1.1: Aplicar el mtodo de Euler para estimar un valor aproximado
de la solucin en x = 1,5 de y = x + y2, y(1) = 0, siendo z0 = 0 y el tamao de paso
0,1; 0,05 y 0,025.
Para h = 0,1, bien a mano o con una hoja de clculo, se construye una tabla
para evaluar zn+1 = zn + hf(xn, zn), siendo xn = x0 + nh. As, 1,5 = 1 + 0,1n, por lo
que n = 5.
n xn zn f(xn, zn)
0 1 0 1
1 1,1 0,1 1,11
2 1,2 0,211 1,244521
3 1,3 0,3354521 1,41252811
4 1,4 0,47670491 1,62724757
5 1,5 0,63942967
Ya que, por ejemplo, z1 = z0 + hf(x0, z0) = z0 + h(x0 + z02) = 0 + 0,1(1) = 0,1;

z2 = z1 + hf(x1, z1) = z1 + h(x1 + z12) = 0,1 + 0,1(1,1 + 0,12) = 0,1 + 0,1(1,11) =
0,211 y as sucesivamente, hasta z5 = 0,63942967 y(1,5).
Para h = 0,05, a mano o con una hoja de clculo, se construye una tabla para
evaluar zn+1 = zn + hf(xn, zn), siendo xn = x0 + nh. As, 1,5 = 1 + 0,05n, por lo que n
= 10.
n xn zn f(xn, zn)
0 1 0 1
1 1,05 0,05 1,0525
2 1,1 0,102625 1,11053189
3 1,15 0,15815159 1,17501193
4 1,2 0,21690219 1,24704656
5 1,25 0,27925452 1,32798309
6 1,3 0,34565367 1,41947646
7 1,35 0,4166275 1,52357847
8 1,4 0,49280642 1,64285817
9 1,45 0,57494933 1,78056673
10 1,5 0,66397766
Ahora z10 = 0,66397766 y(1,5).
Para h = 0,025 se tiene que n = 20 y:

n xn zn f(xn, zn)
0 1 0 1
1 1,025 0,025 1,025625
2 1,05 0,05064063 1,05256447
3 1,075 0,07695474 1,08092203
4 1,1 0,10397779 1,11081138
5 1,125 0,13174807 1,14235755
6 1,15 0,16030701 1,17569834
7 1,175 0,18969947 1,21098589
8 1,2 0,21997412 1,24838861
9 1,225 0,25118383 1,28809332
10 1,25 0,28338616 1,33030772
11 1,275 0,31664386 1,37526333
12 1,3 0,35102544 1,42321886
13 1,325 0,38660591 1,47446413
14 1,35 0,42346752 1,52932474
15 1,375 0,46170063 1,58816748
16 1,4 0,50140482 1,65140679
17 1,425 0,54268999 1,71951243
18 1,45 0,5856778 1,79301849
19 1,475 0,63050326 1,87253437
20 1,5 0,67731662
Ahora z20 = 0,67731662 y(1,5).
Ejemplo 13.1.2: Aplicar el mtodo de Euler para estimar la solucin en x = 1
de y = 1 x + 4y, y(0) = 1, siendo z0 = 1 y los tamaos de paso siguientes: 0,1;
0,05, 0,025, 0,0125. Resolver la ecuacin diferencial. Valorar el error cometido y
compararlo con el tamao de paso utilizado
Resultados de aplicar el mtodo de Euler con distintos tamaos de paso a:
y = 1 x + 4y, y(0) = 1, para aproximar la solucin en x = 1
x h = 0,1 h = 0,05 h = 0,025 h = 0,0125 Exacto
1 34,411490 45,588399 53,807866 60,037126 64,897803
Error global 30,48... 19,309... 11,09... 4,86...
Se observa que al disminuir los tamaos del paso a la mitad los errores
cometidos se reducen cada vez aproximadamente a la mitad. En este sentido se
dice que el orden del error es similar a h, el tamao de paso. Pero los errores
cometidos son excesivamente grandes lo que explica que se deban estudiar
mejores mtodos.
Ejemplo 13.1.3: Aplicar el mtodo de Euler para estimar la solucin de y = 2y
1, y(0) = 1, siendo z0 = 1 y el tamao de paso h resolviendo la ecuacin en
diferencias. Comprobar si el lmite de la estimacin obtenida cuando el tamao de
paso tiende a cero coincide con la solucin exacta.
El estudio de las ecuaciones en diferencias aparece como un apndice, 13.7.
Apndice: Ecuaciones en diferencias, al final de este captulo.

Para un tamao de paso h y para zn+1 = zn + hf(xn, zn), siendo x0 = 0, xn = x0
+ nh, f(xn, zn) = 2zn 1 se tiene zn+1 = zn + h(2zn 1) = (1 + 2h)zn h, por lo que
la ecuacin caracterstica asociada es: r = 1 + 2h, y la solucin de la ecuacin
homognea es: znH = C(1 + 2h)n. Se busca una solucin particular parecida al
trmino independiente que es una constante, h, por lo que se prueba con znP = a,
que al sustituir en la ecuacin en diferencias:
1 1
a = (1 + 2h)a h h = 2ha a = znP =
2 2
1
zn = znH + znP = C(1 + 2h)n + .
2
Para calcular C se impone que z0 = 1.
1 1 1 1 1
z0 = 1 = C(1 + 2h)0 + =C+ C= zn = (1 + 2h)n + .
2 2 2 2 2
1
La solucin exacta de y = 2y 1, y(0) = 1, es y(x) = (1 + e2x). Se calcula el
2
lmite:
1 1 1 2x n 1
lm zn = lm (1 + 2h)n + = lm (1 + (1 + ) ) = (1 + e2x)
h 0 h 0 2 2 n 2 n 2
x x0 nh x x0 nh x x0 nh
que coincide con la solucin exacta.

Ejercicios
13.1. Calcular el valor aproximado en x = 0,5 de la solucin del problema de
valor inicial y = x + y, y(0) = 0 usando el mtodo de Euler con h = 0,1 y z0
= 0.
(Solucin: z5 = 0,11051)
13.2. Calcular el valor aproximado en x = 0,2 de la solucin del problema de
valor inicial y = x + y, y(0) = 0 usando el mtodo de Euler con h = 0,05 y
z0 = 0.
(Solucin: z4 = 0,01550625)
13.3. Aplicar el mtodo de Euler para calcular el valor aproximado en x = 2
1
de la solucin del problema de valor inicial y = 2y 2 , y(0) = 0
2
1 x
usando como z0 = 0 y tamaos de paso h = 0,2, h = 0,1 h = 0,05.
Comparar los errores globales.
x
(Solucin: La solucin exacta es: y ( x ) ; y(2) = 0,4; z10 = 0,40681903;
1 x 2
e(0,2) = 0,00681903; z20 = 0,40419; e(0,1) = 0,00419; z40 = 0,40227;
e(0,05) = 0,00227)
13.2. ESTUDIO GENERAL DE LOS MTODOS DE UN
PASO
El mtodo de Euler es un caso particular de los mtodos de un paso, que se
definen de forma general a continuacin.
Definicin 13.2.1:
Los mtodos de un paso tienen como expresin general:
zn+1 = zn+ h(xn, zn, zn+1, h).
Se denomina funcin incremento a (xn, zn, zn+1, h), donde se supone que
verifica todas las condiciones que sean precisas: continuidad, diferenciabilidad...
Si la variable zn+1 no aparece en el segundo miembro se trata de un mtodo
explcito y es un mtodo implcito en caso contrario.
El mtodo de Euler es un mtodo explcito de un paso con (xn, zn, h) = f(xn,
zn).
13.2.1. Control del error: error de redondeo, error de
truncamiento, error local y error global
En todo mtodo numrico es imprescindible controlar el error cometido. Hay
dos fuentes fundamentales de error al resolver un problema de valor inicial: una

inherente al mtodo, debida a la frmula utilizada, y otra, que se denomina error
de redondeo, debida al nmero de dgitos que utilice el ordenador, a la secuencia
con la que se realicen los clculos.... El error global est acotado por la suma de
los valores absolutos de los errores de frmula y de redondeo.
El error de redondeo se debe a las cifras decimales que desprecia el
ordenador utilizado. Tiene un gran inters, como se analizar al estudiar la
estabilidad, pero en esta primera aproximacin a los mtodos numricos no se va
a estudiar con profundidad. Sin embargo, aunque no se estudie aqu, es
fundamental sealar que el error de redondeo tiene inters porque muchas veces
no es suficiente disminuir el tamao del paso para reducir el error global, pues se
puede llegar a un lmite en el que aumentan los errores debidos al redondeo,
siendo importante en estos casos deducir el tamao de paso ptimo y crtico.
Otra reflexin a destacar es que, en ocasiones, mtodos que son peores pero
mejor programados, pueden aproximar mejor la solucin, al disminuir este error.
Se estudian a continuacin los siguientes tipos de error:
Error global.
Error de truncamiento.
Error local.
Definicin 13.2.2:
Dado un mtodo, zn+1 = zn+ h(xn, zn, zn+1, h), que se aplica a un problema
de valor inicial bien definido, y = f(x, y), y(x0) = y0, se denomina error global a la
diferencia entre el valor exacto de la solucin y el valor que suministra el mtodo:
e(h) = y(x) z(xN),
con x = xN = x0 + Nh.
En general, si no se conoce la solucin, es decir, si no se sabe resolver la
ecuacin diferencial, no es posible calcular ese error.
Una forma de medir la eficacia de un mtodo numrico es aplicarlo a
ecuaciones diferenciales de solucin conocida, evaluar dicho error y analizar de
este modo el comportamiento del mtodo.
Debido a que generalmente no es posible conocer el error global, lo que
usualmente se utiliza es el error de truncamiento o, con ms precisin, el orden del
error de truncamiento. El error de truncamiento es el que se produce en un paso
al aplicar el mtodo, suponiendo que en los pasos precedentes no ha existido
ningn error. Es decir, es la diferencia en el paso n + 1 entre el valor que asigna la
solucin exacta y el valor calculado por el mtodo numrico suponiendo que zn se
conoce de forma exacta y es posible sustituirlo por y(xn).
Definicin 13.2.2:
Si se tiene un mtodo, zn+1 = zn+ h(xn, zn, zn+1, h), que se aplica a un
problema de valor inicial bien definido, y = f(x, y), y(x0) = y0, se denomina error de
truncamiento a:
Tn+1 = y(xn+1) [y(xn) + h(xn, y(xn), y(xn+1), h)]
donde y(x) es la solucin exacta.
Para evaluar el error de truncamiento en la abscisa xn+1 se usa el desarrollo
de Taylor, por lo que se sabe que:
hk k) h k 1
y(x + h) = y(x) + hy(x) + ... + ( )y (x) + ( )yk+1)(c) (13.2.1)
k! ( k 1)!
donde c es algn punto entre x y x + h.
Se observa que, segn la definicin anterior, para calcular el error de
truncamiento para un problema de valor inicial dado es preciso, tambin, conocer
la solucin exacta de la ecuacin diferencial. Sin embargo, es posible evaluar el
orden del error de truncamiento cometido.
Definicin 13.2.3:
Dado el mtodo, zn+1 = zn+ h(xn, zn, zn+1, h), se dice que tiene error de
truncamiento de orden p si:
Tn+1 = y(xn+1) [y(xn)+ h(xn, y(xn), y(xn+1), h)] = O(hp).
donde y(xn) es una solucin genrica de cualquier problema de valor inicial bien
propuesto al que se aplique el mtodo.
Clculo del orden del error de truncamiento para el mtodo

de Euler:
En la expresin 13.2.1 si k es igual a uno, x es igual a xn y x + h = xn + h =
xn+1 se tiene:
h2
y(xn+1) = y(xn) + hy(xn) + y(c).
2
Si se supone que zn es exacto y por tanto igual a y(xn), como y(xn) = f(xn,
y(xn)) = f(xn, zn) se obtiene:
zn+1 = y(xn) + hf(xn, zn),
por tanto la diferencia entre el valor exacto en xn+1 y el que suministra el mtodo si
en la abscisa anterior en lugar de tener zn se conociera como valor la solucin
terica es:
h2
Tn+1 = y(xn+1) zn+1 = y(c).
2
h2
donde una cota superior del valor absoluto de ese error es M = O(h2) siendo
2
M mx y' ' ( x ) . Por tanto se dice que el error de truncamiento del mtodo
x n x x n 1
de Euler es de orden 2.
Definicin 13.2.4:
Dado el mtodo, zn+1 = zn+ h(xn, zn, zn+1, h), que se aplica a un problema de
valor inicial bien definido, y = f(x, y), y(x0) = y0. Si u(x) es la solucin del problema
de valor inicial que verifica u = f(x, u), u(xn) = zn, se define como error local en
xn+1 a la diferencia entre el valor que toma dicha solucin en xn+1, u(xn+1), y el valor,
zn+1,obtenido con el mtodo:
eln+1 = u(xn+1) zn+1.
En el caso del mtodo de Euler el error local resulta igual al trmino
complementario de la frmula de Taylor aplicada a u(x).
Para obtener el error local se busca la solucin de la ecuacin diferencial que
pasa por el punto (xn, zn), y se calcula el error que se comete al pasar a xn+1
mediante el mtodo.
Si un mtodo tiene un error de truncamiento de orden O(hp+1) la intuicin
sugiere que el orden del error local es tambin O(hp+1). Usualmente el error local y
el error de truncamiento toman valores parecidos pues la solucin u(x) debe estar
prxima a y(x) salvo casos especiales.
Para calcular el error global se tienen que tener en cuenta tres factores:
Los errores de partida, errores de medida en el valor inicial...
El error que se comete en cada paso,
La forma en que esos errores se propagan,
Desgraciadamente el error local est afectado por los errores de partida.

En el caso del mtodo de Euler el error de truncamiento es proporcional al
cuadrado del tamao de paso y a la segunda derivada de la solucin en un punto
intermedio, por lo que para estimar este error conviene encontrar una cota del
valor absoluto de esta derivada. Se observa que este error es el cometido entre el
paso n y el n + 1, por lo que tambin interesa estimar el error acumulado, an ms
difcil de calcular, pero que se puede estimar de forma intuitiva, en la que no se
est teniendo en cuenta el efecto que el error en un paso tendr en los pasos que
le siguen, sin ms que multiplicar por el nmero de pasos n la estimacin anterior,
con lo que se obtiene que este error es proporcional al tamao de paso. Se puede
probar que sobre cualquier intervalo finito este error es, en el mtodo de Euler,
menor que una constante por el tamao de paso. Y en general es cierto que si el
error de truncamiento es proporcional a hp+1 entonces para un intervalo finito, el
error acumulado est acotado por una constante multiplicado por h p.
De forma simplista se podra pensar que para reducir el error global basta
con disminuir el tamao de paso, pero desafortunadamente entonces puede
ocurrir que aumenten los errores acumulados de redondeo, por lo que, se puede
probar, existe una eleccin ptima del tamao de paso.
13.2.2. Convergencia y consistencia en los mtodos de un
paso
En esta seccin se definen los conceptos de convergencia, consistencia y
estabilidad de un mtodo.
Se dice que un mtodo es convergente si, al aplicarlo a cualquier problema
de valor inicial bien propuesto, la solucin aproximada obtenida con el mtodo
converge, cuando h tiende a cero, siendo nh = xn x0, a la solucin exacta del
problema, en todos los puntos xn de la particin del intervalo [a, b], siempre que el
error en el paso inicial tienda a cero con el tamao del paso, h.
Definicin 13.2.5:
Un mtodo numrico de un paso es convergente en [a, b] si para todo
problema de valor inicial bien definido, y = f(x, y), y(x0) = y0, y para todo x* [a, b],
se verifica que:
lm y ( x*) zn 0 cuando lm z0 y 0 .
h 0 h 0
nh x* x0
Al no ser posible evaluar el mtodo en todo problema de valor inicial resulta
difcil probar de forma directa la convergencia de un mtodo, por lo que se debe
utilizar otro camino.
Definicin 13.2.6:
Un mtodo numrico de un paso es consistente de orden p si para toda
funcin continua y suficientemente regular (derivable hasta el orden que
requiera el mtodo) se verifica que:
(xn+1) [(xn)+ h(xn, (xn), (xn+1), h)] = O(hp+1).
Se observa que entonces el error de truncamiento es de orden p + 1.

Definicin 13.2.7:
Se dice que un mtodo es consistente si su orden de consistencia es p, p
1.
Definicin 13.2.8:
Un mtodo es estable si hay dependencia continua de los valores iniciales.
Los mtodos de un paso que son consistentes, son estables.
Teorema 13.2.1:
Dado el mtodo numrico de un paso, zn+1 = zn+ h(xn, zn, h), tal que (xn,
zn, h) es lipschiziana respecto de la segunda variable, se tiene que, el mtodo es
convergente si y slo si es consistente.
En los mtodos de un paso la consistencia es una condicin necesaria y
suficiente para la convergencia, pues estos mtodos son siempre estables. Los
mtodos de un paso, y por tanto los mtodos Runge-Kutta, son estables como
consecuencia de la estabilidad del problema continuo. Basta que la funcin f(x, y)
verifique la condicin de Lipschitz con constante de Lipschitz L para que la funcin
(x, y, h) verifique tambin la condicin de Lipschitz con constante (L).
Ejemplos resueltos
Ejemplo 13.2.1: Calcular el valor aproximado en x = 1 de la solucin del

problema de valor inicial y = y + x + 1, y(0) = 1 con n = 10 y con z0 = 1 utilizando
el mtodo de Euler. Calcular el error global, el error local y el error de
truncamiento.
Como n = 10, x = 1, x0 = 0 xn = x0 + nh 1 = 0 + 10h h = 0,1 xn =
0,1n.
El mtodo de Euler: zn+1 = zn + hf(xn, zn) = zn + h(zn + xn + 1) = zn + 0,1(zn
+ 0,1n + 1) = 0,9zn + 0,01n + 0,1. Se resuelve la ecuacin en diferencias: zn = 0,9n
+ 0,1n z10 = 1,348678 y(1) z11 = 1,4138102 y(1,1).
Clculo del error global:
Para obtener la solucin exacta de la ecuacin diferencial se calcula la
solucin general: y(x) = x + Ce-x. Como y(0) = 1 se tiene que C = 1 y la solucin
del problema de valor inicial es y(x) = x + e-x y(1) = 1,367879 y(1,1) =
1,4328711.
El error global es: e(0,1) = y(1) z10 = 0,019201.
Clculo del error local:
Para calcular el error local en el paso n + 1, se obtiene la solucin que pasa
por el punto (xn, zn).
Se impone que la solucin pase por (xn, zn) zn = xn + C e x n

z xn z x n x n 1 1,348678 1 1,1
C n u(xn+1) = xn+1 + n e = 1,1 + e = 1,1 +
e xn e xn e 1
0,348678 e 0,1 = 1,4154969.
El error local es:
eln+1 = u(xn+1) zn+1 = 1,4154969 1,4138102 = 0,0016867.
Clculo del error de truncamiento:
Para calcular el error de truncamiento en el paso n + 1, se aplica la
definicin:
Tn+1 = y(xn+1) [y(xn)+ h(xn, y(xn), y(xn+1), h)] = y(1,1) (y(1) + hf(xn, y(1)) =
y(1,1) (y(1) + h(y(1) + xn + 1)) = 1,4328711 (1,367879 + 0,1(1,367879 + 1 +
1) = 1,4328711 1,4310911 = 0,0017799.
El error de truncamiento es: Tn+1 = 0,0017799.
Ejemplo 13.2.2: Estudiar la convergencia del mtodo: zn+1 = zn + h(f(xn+1, zn)
f(xn, zn)). Aplicar el mtodo para calcular el valor aproximado de la solucin del
problema: y = xy; y(2) = e2, en los puntos x = 1 y x = 2, con un tamao de paso
h = 0,1. Son buenas las aproximaciones obtenidas?
Estudio del orden de consistencia del mtodo:
(xn+1) [(xn)+ h(xn, (xn), (xn+1), h)] = (xn + h) [(xn)+ h(f(xn + h,

h2
(xn)) f(xn, (xn))] = ((xn) + h(xn) + (xn) + ...) [(xn)+ h(((xn) + (hfx)
2
+ ...) (xn)] = (xn)(1 1) + h(xn)(1 1 1) + = h(xn) + = O(h).
El orden de consistencia p = 0 < 1, por lo que el mtodo no es consistente y
por tanto no es convergente.
La solucin exacta es:
x2
y( x ) e 2 y(1) = 1,6487212... y(2) = 7,3890561...
Se aplica el mtodo: Como f(x, y) = xy entonces zn+1 = zn + h(f(xn+1, zn)
f(xn, zn)) = zn + h(xn+1zn xnzn) = zn + h(znh) = zn(1 + h2) zn = C(1 + h2)n. Al
ser z0 = e2 = C zn = e2(1 + h2)n.
xn = x0 + nh 1 = 2 + 0,1n n = 30 z30 = 9,959... e = y(1) z30 = 8,30.
2 = 2 + 0,1n n = 40 z40 = 11,001297... e = y(2) z40 = 3,62.
Son malas aproximaciones de la solucin exacta.
Ejemplo 13.2.3: Calcular 1, 2, y para que el mtodo:
zn+1 = zn + h(1f(xn + h, zn) + 2f(xn, zn + h)) + h22fy(xn, zn){f(xn, zn) 1}
tenga orden de consistencia mximo, donde fy representa la derivada parcial de f
respecto de la segunda variable.

Para calcular el orden de consistencia se supone una funcin cualquiera
suficientemente regular, a la que se aplica el mtodo, con lo que se tiene que:
(xn+1) [(xn)+ h(xn, (xn), (xn+1), h)] = (xn+1) [(xn)+ h(1f(xn + h,
(xn)) + 2f(xn, (xn+ h))) + h22fy(xn, (xn)){f(xn, (xn)) 1}] (13.2.2)
utilizando el desarrollo de Taylor:
h2
(xn+1) = (xn) + h(xn) + (xn) + ...
2
Se aplica a un problema de valor inicial y = f(x, y), y(x0) = y0, denominando fn
f f f f 2f 2f
= f(xn, (xn)), fx = = (xn, (xn)), fy = = (xn, (xn)), fxx = = (xn,
x x y y x 2 x 2
2f 2f 2f 2f
(xn)), fxy = = (xn, (xn)), fyy = = (xn, (xn)), ...
xy xy y 2 y 2
h2 h3
(xn+1) = (xn) + hfn + (fx + fyfn) + (fxx + 2fxyfn + fyyfn2 + fyfx + (fy)2fn) +
2 6
...
Utilizando el desarrollo de Taylor para funciones de dos variables:
1
h1f(xn + h, (xn)) = h1(fn + hfx + (h)2fxx + ... )
2
1
h2f(xn, (xn+ h)) = h2(fn + hfy + (h)2fyy + ... )
2
h22fy(xn, (xn)){f(xn, (xn)) 1} = h22fy{fn 1}
Se sustituyen estas expresiones en la expresin 13.2.2, y se hacen
operaciones sacando factor comn las potencias del tamao de paso, con lo que
se obtiene que:
1 1
hfn(1 1 2) + h2[fx( 1) + fyfn( 2) + fy(2 + 2)] +
2 2
1 1 1 1 1 1 1
h3[fxx( 12) + fxyfn + fyyfn2 + fyfx + (fy)2fn fyy22] + ...
6 2 3 6 6 6 2
Por tanto si 1 1 2 = 0 se tiene que el orden de consistencia p es mayor
1 1
o igual que 1. Si 1 = 0 y 2 = 0, entonces el orden de consistencia p
2 2
es mayor o igual que 2. Sin embargo el coeficiente de h3 es imposible de anular
1
siendo una funcin cualquiera, pues por ejemplo, el coeficiente de fyfx es
6
distinto de cero.
En consecuencia, el orden de consistencia mximo que es posible conseguir
1 1
es p = 2, haciendo 1 + 2 = 1, = , = . Se tiene una familia
21 2 2
1
uniparamtrica de soluciones. Una solucin posible es: 1 = 2 = , = = 1.
2
Ejercicios
13.4. Estudiar la convergencia del mtodo: zn+1 = zn + hf(xn+1, zn). Aplicar el

mtodo para calcular el valor aproximado de la solucin del problema: y =
xy; y(2) = e2, en el punto x = 1, con un tamao de paso h = 0,01. Son
buenas las aproximaciones obtenidas?
(Solucin: Convergente, z300 = 1,6486381; y(1) = 1,6487212; Buena aproximacin)
13.5. Aplicar el mtodo
1 1
zn+1 = zn + h( f(xn + h, zn) + f(xn, zn))
2 2
al problema y = y, y(1) = e-1, para obtener la solucin aproximada en x =
1, tomando como tamao de paso h = 0,02. Calcular el orden de
consistencia del mtodo.
(Solucin: zn = e-1(1 + h)n; z100 = 2,665...; y(1) = e = 2,7182...; p = 1).
13.6. Aplicar el mtodo
1 1 1
zn+1 = zn + h( f(xn + h, zn) + f(xn, zn+ h)) + h2 fy(xn, zn){f(xn, zn) 1}
2 2 2
al problema y = 2x + 1, y(0) = 1, para obtener la solucin aproximada en x
= 3, tomando como tamao de paso h = 0,1. Calcular el error de
truncamiento.
(Solucin: zn = 1 + nh + (nh)2; z30 = 13 = y(3). Tn+1 = 0. La solucin exacta es
un polinomio de segundo grado: y = x2 + x +1).

13.7. Calcular el orden de consistencia del mtodo:
zn+1 = zn + h(1f(xn + h, zn) + 2f(xn, zn+ h) + h22fy(xn, zn){f(xn, zn) 1} si
1
a) 1 = 2 = , = = 1. (Solucin: p = 2)
2
b) 1 =1, 2 = 1, = 1, = 0. (Solucin: p = 0)
1 3
c) 1 = , 2 = , = 1, = 0. (Solucin: p = 1)
4 4
13.3. MTODOS DE TAYLOR
Al intentar mejorar la solucin obtenida con la aplicacin del mtodo de Euler
aparecen de manera natural los mtodos de Taylor. Desde un punto de vista
terico los mtodos de Taylor son sencillos y permiten obtener una mayor
precisin sin ms que aumentar convenientemente el grado del desarrollo. Para
obtener los mtodos de Taylor se debe aplicar a la solucin de la ecuacin
diferencial un desarrollo de Taylor de orden k en cada punto xn = x0 + nh, con lo
que se obtiene la frmula:
h2 h k (k
yn+1 yn + hyn + yn + ... + y n.
2! k!
Por tanto, para poder aplicar un mtodo de Taylor de orden k se tiene el

inconveniente de tener que evaluar, en cada paso, las primeras k derivadas de la
funcin f(x, y) que define la ecuacin diferencial, lo que actualmente se realiza sin
dificultad mediante programas de clculo simblico, aunque se debe tener en
cuenta que dicha funcin debe tener derivadas parciales sucesivas en la regin del
plano en la que se evale la curva solucin.
Como y(x) = f(x, y(x)), derivando se obtiene que yn = f(xn, y(xn)):
d 2y f f dy
= (x, y(x)) + (x, y(x)) = fx + fyf
dx 2 x y dx
d 3y 2f 2f 2f f
= (x, y(x)) + 2 (x, y(x))f(x, y(x)) + (x, y(x))f(x, y(x))2 + (x,
dx 3
x 2 xy y 2 y
f f
y(x)) (x, y(x)) + ( (x, y(x)))2f(x, y(x)) = fxx + 2fxyf + fyyf 2 + fyfx + fy 2f,
x y
y as sucesivamente, por lo tanto al aumentar el orden se complica la expresin de
dky
la derivada .
dx k
De esta forma se obtiene que:
h2 h3
zn+1 = zn + hfn + ( fx + f y fn ) + (fxx +2fxyfn + fyy(fn)2 + fyfx + (fy)2fn) + ... =
2! 3!
h2 h3
zn + hf(xn,zn) + (fx(xn,zn) + fy(xn,zn)f(xn,zn)) + (fxx(xn,zn) +
2! 3!
2fxy(xn,zn)f(xn,zn) + fyy(xn,zn)(f(xn,zn))2 + fy(xn,zn)fx(xn,zn) + (fy(xn,zn))2f(xn,zn)) + ...

siendo el trmino complementario:
h p 1 p 1)
Tn+1 = y (c )
( p 1)!
que se interpreta como la diferencia entre el valor calculado por el mtodo y el
valor de la solucin exacta en xn+1 suponiendo que fuera conocida as como sus
derivadas hasta el orden p en xn.
Como se puede esperar por la construccin, el mtodo de Taylor de orden p
tiene un error de truncamiento O(hp+1) y el orden del error de consistencia es p,
siendo, por tanto el orden del error inherente al mtodo O(hp).
Ejemplos resueltos
Ejemplo 13.3.1: Aplicar el mtodo de Euler y los mtodos de Taylor de orden
dos y cuatro a y = 1 + x y, y(0) = 1, con tamao de paso 0,1, para aproximar la
solucin en x = 1, tomando como valor inicial 1. Obtener la solucin exacta de la
ecuacin y calcular en cada caso el error global cometido. Analizar el orden del
error.
x0 = 0; h = 0,1; xn = 1 = x0 + nh = nh = n0,1 n = 10.
Mtodo de Euler:
zn+1 = zn + hf(xn, zn)
Como fn = f(xn, zn) = 1 + xn zn resulta que:

zn+1 = zn + h(1 + xn zn) = (1 h)zn + h(1 + nh).
h2
Mtodo de Taylor dos: yn+1 yn + hyn + (yn)
2!
h2
zn+1 = zn + hfn + (fx + fyfn)
2!
Como y = f(x, y) = 1 + x y y = 1 y = y x:
h2 h2
zn+1 = zn + h(1 + xn zn) + (zn xn)) = (1 h )zn + h(1 + nh) +
2! 2!
h3
n .
2!
Mtodo de Taylor cuatro:
h2 h3 h 4 iV)
yn+1 yn + hyn + (yn) + (yn) + ( y n)
2! 3! 4!
Como y= y 1 = x y; yiV) = 1 y = y x
h2 h3 h4
zn+1 = zn + h(1 + xn zn) + (zn xn)) + (xn zn) + (zn xn) = (1
2! 3! 4!
h2 h3 h4 h2 h3 h 4
h+ + )zn + h(1 + n(h + )).
2! 3! 4! 2! 3! 4!
Resultados de aplicar el mtodo de Euler y mtodos de Taylor de orden dos y
cuatro con tamao de paso 0,1 a: y = 1 + x y, y(0) = 1, para aproximar la
solucin en x = 1
Exacto Euler Error Taylor de Error Taylor de Error
orden dos orden cuatro
1,36787944 1,348678 0,0192 1,368541 0,0006616 1,36787977 3,332x10-7
Al comparar los distintos errores globales cometidos se observa que
disminuyen al aumentar el orden de consistencia del mtodo siendo el error en el
mtodo de Euler igual a 0,0192, el error en el mtodo de Taylor dos igual a
0,0006616 y el error en el mtodo de Taylor cuatro igual a 0,0000003332.
Ejemplo 13.3.2: Resolver por el mtodo de Euler y por el mtodo de Taylor
dos la ecuacin diferencial de orden superior del pndulo:
d 2
= sen
dt 2
Se obtiene el sistema asociado, introduciendo las nuevas variables: x = , y =
x; que dependen de la variable independiente t, con lo que se tiene el sistema:
dx
= x = y;
dt
dy
= y = sen x
dt
Si se conoce un valor inicial en el punto t0, x(t0) = x0, y(t0) = y0 y h > 0 es el

tamao del paso se tiene aplicando el mtodo de Euler a ambas ecuaciones:
tn+1 = tn + h
xn+1 = xn + hyn;
yn+1 = yn hsen(xn);
h2
Para aplicar el mtodo de Taylor dos: zn+1 = zn + hzn + zn, se obtienen
2!
las derivadas:
x = y x = y = sen x
y = sen x y = (cos x)x = (cos x)y
Por tanto:
h2 h2
xn+1 = xn + hxn + xn = xn + hyn sen(xn);
2! 2
h2 h2
yn+1 = yn + hyn + yn = yn hsen(xn) cos(xn)yn;
2! 2
Ejemplo 13.3.3: Aplicar el mtodo de Taylor dos a:
y'1 0 1 y1 0 1
= + , y(0) =
y' 2 1 2 x y 2 2 0
con tamao de paso h = 0,2, para aproximar la solucin en x = 0,2, tomando como
1
valor inicial z0 = .
0
h2 h2
Mtodo de Taylor dos: zn+1 = zn + hzn + zn = zn + hfn + (fx + fyfn)
2! 2!
donde:
0 1 zn1 0
f(xn, zn) = + ,
1 2 x n zn 2 2
0 0 zn1
fx(xn, zn) = ,
0 2 zn 2
0 1
fy(xn, zn) = ,
1 2x n
h2
z1 = z0 + h f(x0, z0) + (fx(x0, z0) + fy(x0, z0)f(x0, z0))
2!
0 1 1 0 0
f(x0, z0) = + = ,
1 0 0 2 1
0 0 1 0
fx(x0, z0) = = ,
0 2 0 0
0 1
fy(x0, z0) = ,
1 0
1 0 h 2 0 0 1 0 1 0 h 2 1
z1 = + h + ( + ) = + h + ( ) =
0 1 2! 0 1 0 1 0 1 2! 0
1 0 0,02 1,02
+ + = y(0,2).
0 0,2 0 0,2
Ejercicios
13.1. Aplicar el mtodo de Taylor de orden dos a y = 2 + 2y, y(4) = 1, con
tamao de paso 0,1 y 0,05 para aproximar la solucin en x = 1, tomando
como valor inicial z0 = 1. Obtener la solucin exacta de la ecuacin y
calcular en cada caso el error global cometido. Comparar el error
cometido en ambos casos.
(Solucin: zn = 1 + 2(1 + 2h + 2h2)n; z50 = 41592,12291..., z100 =
43375,82874..., y(1) = 44051,93159..., e(0,1) = 2460,..., e(0,05) = 676,...).
13.2. Aplicar el mtodo de Taylor de orden tres a y = 2 + 2y, y(4) = 1, con
tamao de paso 0,1 y 0,05 para aproximar la solucin en x = 1, tomando
calcular en cada caso el error global cometido. Comparar el error
cometido en ambos casos.
4 3n
(Solucin: zn = 1 + 2(1 + 2h + 2h2 + h ) ; z50 = 43926,90681..., z100 =
3
4034,98836..., y(1) = 44051,93159..., e(0,1) = 125,..., e(0,05) = 17,...).

13.3. Resolver por el mtodo de Euler y por el mtodo de Taylor dos la
ecuacin diferencial de orden superior del pndulo linealizada: = ,
que tiene como sistema lineal asociado:
x' 0 1 x
.
y' 1 0 y
13.4. MTODOS DE RUNGE-KUTTA
Los mtodos de Taylor de orden superior proporcionan una convergencia
rpida, pero su implementacin es complicada, ya que es preciso calcular los
valores aproximados de las derivadas sucesivas de la solucin. El mtodo de
Euler en cambio es muy sencillo de aplicar, pero sin embargo su convergencia es
lenta. Es interesante entonces obtener mtodos numricos mas sencillos que los
de Taylor, pero cuya convergencia sea rpida.
Si la funcin f depende slo de la variable x, f(x, y) = f(x), existen frmulas
numricas, anteriores incluso a la frmula de Euler, que tienen una convergencia
mas rpida que la que se obtiene con el mtodo de Euler. As, si el problema que
y f ( x ),
se quiere aproximar es la solucin que se busca se puede expresar
y ( x 0 ) y 0
x
de la forma y ( x ) y 0 f ( s )ds . Para obtener un valor aproximado en un punto
x0
x*, se puede aplicar, por ejemplo, la regla del punto medio del clculo integral:
h
z n 1 z n hf ( x n ).
2
En este caso el error global que se comete es de orden 2, con lo cual aunque
la frmula es tan sencilla como la de Euler, la convergencia es mejor.
h
El problema en esta frmula es obtener el valor de y ( x n ) . Runge pens
2
que se podra sustituir este valor por el valor aproximado obtenido al aplicar la
frmula de Euler con un tamao del paso que fuera la mitad del valor de h, de
h h
manera que y ( x n ) se sustituyera por: z n f ( x n , z n ) , con lo cual la frmula
2 2
resultante obtenida es:
h h
z n 1 z n hf ( x n , z n f ( x n , z n )).
2 2
Otra frmula del mismo tipo es:
h
z n 1 z n [ f ( x n , z n ) f ( x n h, z n hf ( x n , z n ))].
2
En este caso se ha sustituido en la frmula de Euler el valor de la funcin f en
el punto (xn, zn) por la media aritmtica de los valores de f en los puntos (xn, zn) y
(xn+1, zn+1).
Las dos frmulas anteriores tienen una convergencia mas rpida que la del
mtodo de Euler, ya que en ambos casos la convergencia es de orden 2.
La generalizacin de estas frmulas con vistas a la obtencin de algoritmos
con orden de convergencia mayor evitando el clculo de las derivadas dio lugar al
desarrollo, desde finales del siglo XIX, de los mtodos de Runge-Kutta, en los
que el clculo de las derivadas se sustituye por distintas evaluaciones de la
funcin f(x, y), ms fciles de programar.
Definicin 13.4.1:
Se denomina mtodo de Runge-Kutta de s etapas a un mtodo de
expresin:
s s
z n 1 zn h bjk j ; siendo k j f ( x n c j h, zn h a ji k i ), j 1, ...,s
j 1 i 1
Se impone a estos coeficientes las condiciones necesarias para que el error
de truncamiento sea del orden que se quiere conseguir.
Los coeficientes bj, cj, y aij se representan abreviadamente mediante lo que
se denomina tablero de Butcher del mtodo correspondiente:
cT A
b
donde c = (c1, ..., cs), b = (b1, ..., bs) y A = (aij), i, j = 1, ..., s.
Si A es triangular inferior el mtodo es explcito y en caso contrario, implcito.
Se estudian con detenimiento a continuacin los mtodos de Runge-Kutta

explcitos. La expresin general de un mtodo explcito de s etapas es:
zn+1 = zn + h[b1k1 + b2k2 + + bsks]
con
k1 = f(xn, zn)
k2 = f(xn + c2h, zn + ha21k1)
ks = f(xn + csh, zn + h(as1k1+ as2k2 + + as s-1ks-1))
Las frmulas de Runge-Kutta son pues frmulas de un paso en las que la
funcin (xn, zn, h) es una media ponderada de los valores que toma la funcin f(x,
y) en s puntos de 2.
Si s = 1, la forma general es:
zn+1 = zn + hb1f(xn, zn).
suficientemente regular tal que:
h2
(xn+1) ((xn) + hb1f(xn, (xn))) = ((xn) + (xn)h + (xn) +)
2
h2
((xn) + h(xn)b) = (1 b) (xn)h + (xn) +
2
Se tiene entonces que el mtodo es consistente si y slo si b = 1, es decir, el
nico mtodo de Runge-Kutta de una nica etapa resulta ser el mtodo de Euler.
13.4.1. Mtodos de Runge-Kutta de dos etapas o mtodos de
Euler modificados
La expresin general de los mtodos de Runge-Kutta de dos etapas es:
zn+1 = zn + h(b1f(xn, zn) + b2f(xn+ c2h, zn+ a21hf(xn, zn))),
donde k1 = f(xn, zn) y k2 = f(xn + c2h, zn + a21hf(xn, zn)). Se pretende obtener las
relaciones entre los coeficientes b1, b2, c2 y a21 para obtener el mximo orden de
consistencia posible, 2.
suficientemente regular tal que:
OC = (xn+1) [(xn) + h(xn, (xn), (xn+1), h)] =
(xn+1) [(xn) + h(b1f(xn, (xn)) + b2f(xn+ c2h, (xn) + a21hf(xn, (xn)))]
Utilizando el desarrollo de Taylor:
h2 h2
(xn+1) = (xn) + h(xn) + (xn) + ... = (xn) + hfn + (fx + fyfn) +
2 2
h3
(fxx + 2fxyfn + fyyfn2 + fyfx + (fy)2fn) + ...
6
siendo fn = f(xn, (xn)), fx = fx(xn, (xn)), ... ya que se supone que se aplica a un
problema de valor inicial y = f(x, y), y(x0) = y0.
hb1f(xn, (xn)) = hb1fn
1
hb2f(xn + c2h, (xn) + a21hf(xn, (xn))) = hb2[fn + (fxc2h + fya21hfn) +
1!
1
(fxx(c2h)2 + 2fxy(c2h)(a21hfn)+ fyy(a21hfn)2) + ...
2!
Se hacen operaciones sacando factor comn las potencias del tamao de
paso:
1 1 1 1
OC = hfn(1 b1 b2) + h2(fx( b2c2) + fyfn( b2a21) + h3[fxx( b2c22)
2 2 6 2
1 1 1 1
+ fxyfn( b2c2a21) + fyyfn2( b2a21) + (fyfx + (fy)2fn)] + ...
3 6 2 6
Por tanto si 1 b1 b2 = 0 se tiene que el orden de consistencia p es mayor
1 1
o igual que 1. Si adems b2c2 = 0 y b2a21 = 0, entonces el orden de
2 2
consistencia p es mayor o igual que 2. Sin embargo el coeficiente de h3 es
imposible de anular siendo una funcin cualquiera, pues por ejemplo, el
1
coeficiente de fyfx es que es distinto de cero.
6
En consecuencia, el orden de consistencia mximo que es posible conseguir
1 1
es p = 2, haciendo b1 + b2 = 1; b2c2 = ; b2a21 = . Se tiene una familia
2 2
uniparamtrica de soluciones.
Las frmulas de Runge-Kutta generales de dos etapas se obtienen
imponiendo que el orden de consistencia sea p = 2, para lo que hay que resolver
un sistema de tres ecuaciones y cuatro incgnitas:
1 1
b1 + b2 = 1; b2c2 = ; b2a21 = .
2 2
por lo que hay infinitas soluciones. Se tiene entonces una familia uniparamtrica
de frmulas de Runge-Kutta. La primera ecuacin
b1 + b2 = 1
asegura la consistencia de la frmula, y las dos restantes garantizan que la
consistencia sea de orden 2.
Tal y como se han encontrado, se observa que estos mtodos permiten
obtener un grado de aproximacin equivalente a los mtodos de Taylor sin
necesidad de calcular la derivada de la funcin. En estas frmulas el orden del
error de truncamiento es proporcional al cubo del tamao de paso, O(h3), y el error
inherente al mtodo en un intervalo finito es proporcional al cuadrado del tamao
de paso O(h2), pues son equivalentes al mtodo de Taylor de orden dos.
Segn los textos que se utilicen los nombres de estos mtodos varan de
unos a otros: como mtodo del punto medio, de Euler modificado, de Euler
mejorado...
Algunas de las frmulas obtenidas son:
1 h
b2 = ; zn+1 = zn + (f(xn, zn) + f(xn+1, zn + hf(xn, zn))),
2 2
h h
b2 = 1; zn+1 = zn + h(f(xn + , zn + f(xn, zn))),
2 2
3 h 2h 2h
b2 = ; zn+1 = zn + (f(xn, zn) + 3f(xn + , zn + f(xn, zn))).
4 4 3 3
Las dos primeras coinciden con las introducidas al comienzo de esta
seccin.
1
El mtodo obtenido para b2 = se conoce en algunos textos como mtodo
2
h
de Euler mejorado: zn+1 = zn + (f(xn, zn) + f(xn+1, zn + hf(xn, zn))) que, como
2
antes se ha indicado, consiste en reemplazar en el mtodo de Euler la funcin f(xn,
zn) por el promedio de sus valores en los puntos extremos, y tomar en xn+1 como
zn+1 el valor que proporciona el mtodo de Euler.
El segundo mtodo obtenido como resultado de tomar b2 = 1 se conoce en
h
ocasiones como el mtodo de Euler modificado: zn+1 = zn + h(f(xn + , zn
2
h
+ f(xn, zn))), en el que se utiliza el valor de la funcin f(x, y) evaluado en el punto
2
h
medio entre xn y xn + h tomando en ese punto, xn + , el valor obtenido mediante
2
el mtodo de Euler.
Por ejemplo, si se aplica el mtodo de Euler mejorado y el mtodo de
Euler a un problema y se analizan los errores, se obtiene:
Resultados de aplicar el mtodo de Euler y el mtodo de Euler mejorado, con

distintos tamaos de paso a: y = 1 x + 4y, y(0) = 1, para aproximar la solucin en
x = 1.
Mtodo de Euler
Mtodo de Euler mejorado Exacto
x h = 0,1 h = 0,05 h = 0,1 h = 0,05
1 34,411490 45,588400 59,938223 63,424698 64,897803
Error global 30,486313 19,309403 4,95958 1,473105
Se observa que los resultados obtenidos son mucho mejores con el mtodo
de Euler mejorado, incluso comparando Euler con un tamao de paso de 0,05 con
Euler mejorado con 0,1, pero al comparar con el valor exacto los errores son
todava demasiado grandes. Se observa tambin como al reducir a la mitad el
tamao de paso, el error se reduce en el mtodo de Euler en algo aproximado a la
mitad, mientras que en el mtodo de Euler mejorado se reduce hacia la cuarta
parte: 4,959/4 1,25 1,4.
13.4.2. Mtodos de Runge-Kutta de tres etapas
La expresin general de los mtodos de Runge-Kutta de tres etapas es:
zn+1 = zn + h(b1k1 + b2k2 + b3k3),
donde:
k1 = f(xn, zn),
k2 = f(xn + c2h, zn + a21hk1) y
k3 = f(xn + c3h, zn + a31hk1+ a32hk2).
Se pretende obtener las relaciones entre los coeficientes b1, b2, b3, c2, c3, a21,
a31 y a32 para obtener el mximo orden de consistencia posible, 3. Se obtienen as
6 ecuaciones, con las que se deben calcular ocho coeficientes; se obtiene as una
familia biparamtrica de frmulas de Runge-Kutta de tres etapas, con un orden de
convergencia 3. De forma anloga a las frmulas de orden dos ya estudiadas, la
ecuacin:
b1 + b2 + b3 = 1
garantiza la consistencia de la frmula, mientras que las ecuaciones de la forma:
i 1
ci aij i = 2, 3
j 1
aseguran la consistencia de orden 2.
Los mtodos de Runge-Kutta de orden tres no se suelen usar en la prctica.
Los que alguna vez se utilizan son:
h 2h
zn+1 = zn + (k1 + k3) + k2, donde
6 3
h h
k1 = f(xn, zn), k2 = f(xn + , zn + k1), k3 = f(xn + h, zn + h(2k2 k1)),
2 2
y el mtodo conocido como el mtodo de Runge-Kutta Heun:

h
zn+1 = zn + (k1 + 3k3), donde
4
h h 2h 2h
k1 = f(xn, zn), k2 = f(xn + , zn + k1), k3 = f(xn + , zn + k2).
3 3 3 3
Su tablero de Butcher es:
1/3 1/3
2/3 0 2/3
1/4 0 3/4
13.4.3. Mtodos de Runge-Kutta cuatro
Los mtodos de Runge-Kutta de orden cuatro son muy utilizados porque son
sencillos de programar y porque poseen una relacin exactitud-coste ptima. El
desarrollo de estas frmulas se inici con el trabajo de Carl Runge en 1 895 y lo
continu M. Kutta en 1 901.
La expresin general de los mtodos de Runge-Kutta de cuatro etapas es:
zn+1 = zn + h(b1k1 + b2k2 + b3k3+ b4k4),
donde:
k1 = f(xn, zn),
k2 = f(xn + c2h, zn + a21hk1),
k3 = f(xn + c3h, zn + a31hk1 + a32hk2),
k4 = f(xn + c4h, zn + a41hk1 + a42hk2 + a43hk3).
Al plantear en general un mtodo de Runge-Kutta de orden cuatro se tienen
13 incgnitas: b1, b2, b3, b4, c2, c3, c4, a21, a31, a32, a41, a42 y a43. y al imponer que el
orden de consistencia sea p = 4 se tienen 11 ecuaciones. Se tiene entonces una
familia biparamtrica de mtodos de Runge-Kutta de cuatro etapas, con un orden
de consistencia 4.
La frmula se calcula tomando valores de la funcin en cuatro puntos
diferentes y calculando un valor intermedio. La frmula que ms se utiliza, a la que
se denomina Runge-Kutta clsico, o simplemente mtodo de Runge-Kutta, que
es uno de los mtodos ms utilizados y el de ms xito entre los mtodos de un
paso, viene definida por el siguiente tablero de Butcher:
1/2 1/2
1/2 0 1/2
1 0 0 1
1/6 1/3 1/3 1/6
y se expresa:
h
zn+1 = zn + (k1 + 2k2 + 2k3 + k4), donde
6
k1 = f(xn, zn),
h h
k2 = f(xn + , zn + k1),
2 2
h h
k3 = f(xn + , zn + k2),
2 2
k4 = f(xn + h, zn + hk3).
Su significado geomtrico es obtener la pendiente en cuatro ocasiones y
estimar un promedio. La primera vez se estima k1 = f(xn, zn), luego se estima la
pendiente en el punto medio entre xn y xn+1 calculando el valor mediante Euler en
ese punto medio. La tercera estimacin se hace tambin en el punto medio pero
utilizando el valor k2, recin obtenido, y la cuarta se estima en el punto xn+1.
Se observa que si f(x, y) slo depende de x, el mtodo coincide con la regla
de Simpson para integrar f(x) en el intervalo [xn, xn+1].
Es sencillo, con una simple hoja de clculo, utilizar este mtodo. El error de
truncamiento que se comete es proporcional a h5 en cada paso; por tanto, el error
inherente al mtodo es del orden O(h4).
Se compara este mtodo con los anteriores:
Resultados de aplicar el mtodo de Euler, el mtodo de Euler mejorado, Taylor

de orden dos y Runge-Kutta 4 con distintos tamaos de paso a: y = 1 x + 4y,
y(0) = 1 para aproximar la solucin en x = 1.
h Euler Euler Taylor 2 Runge- Exacto

mejorado Kutta 4
0,1 34,411490 59,938223 59,938223 64,858107 64,897803
0,05 45,588400 63,424698 63,424698 64,894875 64,897803
0,025 53,807866 64,497931 64,497931 64,897604 64,897803
0,01 60,037126 64,830722 64,830722 64,897798 64,897803
Aunque ya a principios de siglo XX se haban establecido las condiciones de
orden para mtodos de orden cuatro, no fue hasta 1 957 cuando Butcher
estableci las condiciones de orden para mtodos de un nmero arbitrario de
etapas. La demostracin rigurosa supera el nivel de este curso. J. C. Butcher
estableci la relacin entre el nmero de evaluaciones por paso y el orden del
error de truncamiento, y como consecuencia observ que es preferible utilizar
mtodos de orden menor que cinco con un tamao de paso ms pequeo, a
mtodos de orden mayor y tamao de paso mayor. Butcher prob que no existe
ningn mtodo de cinco etapas con un orden de convergencia cinco. Si p*(R)
representa el mayor orden de convergencia que se puede obtener para un mtodo
de Runge-Kutta de R etapas, entonces: p*(R) = R, R = 1, 2, 3, 4; p*(5) = 4, p*(6) =
5, p*(7) = 6, p*(8) = 6, p*(9) = 7, y en general p*(R) R 2 para R = 10, 11... luego
por esta razn los mtodos de Runge-Kutta de orden 4 son los ms populares.
En el ejemplo siguiente se compara el mtodo de Runge-Kutta 4 con un
tamao de paso h = 0,1 con un mtodo de Euler mejorado con un tamao de paso
de la mitad h = 0,05 y con el mtodo de Euler con un tamao de paso de la mitad
del anterior y la cuarta parte del primero, h = 0,025, segn el estudio que se ha
realizado del error de truncamiento en los tres casos el error debera ser parecido,
y sin embargo se observa que el mtodo de Runge-Kutta 4 es claramente
superior.
Resultados de aplicar el mtodo de Euler, el mtodo de Euler mejorado y el

mtodo de Runge-Kutta 4 con distintos tamaos de paso a: y = 1 y, y(0) = 0,
para aproximar la solucin en x = 0,5.
Euler Euler mejorado Runge-Kutta 4 Valor real
h = 0,025 h = 0,05 h = 0,1
0,397312 0,393337 0,39346906 0,393469340
Hoy en da se construyen mtodos de Runge-Kutta con ms etapas de las
estrictamente necesarias, pues al disponer de ms parmetros se pueden mejorar
otras propiedades del mtodo como coeficientes de error, regiones de estabilidad
absoluta, etc.
En los mtodos de Runge-Kutta implcitos el nmero de etapas s y de orden
n no coinciden necesariamente. Los mtodos explcitos aunque tienen regiones de
estabilidad lineal que aumentan con la precisin del mtodo, no son adecuados
para sistemas stiff ya que cubren porciones pequeas del semieje real negativo.
Los ms importantes son:
Mtodos de Gauss, donde el orden es doble al nmero de etapas. Uno de los
ms interesantes es el de orden 2, conocido como la regla del punto medio
implcita:
zn+1 = zn + hf(xn + h/2, (zn + zn+1) / 2)
Todos ellos son A-estables (ver definicin 13.6.3) en rgimen lineal,

algebraicamente estables en el no lineal.
Mtodos de Randau, donde el orden n = 2s 1. Uno de estos mtodos de
orden uno coincide con el mtodo de Euler implcito.
Mtodos de Lobatto, de orden n = 2s 2. Uno de estos mtodos de orden dos
coincide con la regla trapezoidal. Unos son A-estables en el rgimen lineal y
algebraicamente estables en el no lineal, y otros son A-estables en el rgimen
lineal y no algebraicamente estables en el no lineal.
Ejemplos resueltos
Ejemplo 13.4.1: Aplicar el mtodo de Euler, el mtodo de Euler mejorado y
Runge-Kutta 4 con tamaos de paso de 0,1 y 0,05 a: y = 2xy, y(1) = 1, para
aproximar la solucin en x = 1,5. Analizar el error cometido al disminuir el tamao
de paso a la mitad.
Resultados de aplicar el mtodo de Euler, el mtodo de Euler mejorado, y

Runge-Kutta 4 con distintos tamaos de paso a: y = 2xy, y(1) = 1, para aproximar
la solucin en x = 1,5.
h Euler Error Euler Error Runge- Error Exacto
global mejorado global Kutta 4 global
0,1 2,9278 0,5626 3,4509 0,0395 3,4902 0,00013 3,4904
0,05 3,1733 0,3171 3,4795 0,0109 3,4903 0,000009 3,4904
Es sencillo analizar como disminuye el error al disminuir el tamao de paso,
calculando los errores y comparando con las potencias de hp. El nombre de orden
cuatro viene de ser el error inherente al mtodo de O(h4), (con las condiciones de
regularidad requeridas, como que la solucin tenga cinco derivadas continuas),

siendo en el ejemplo anterior el error respectivamente para el mtodo de Runge-
Kutta 4 de 0,000132210889 para h igual a 0,1 y de 0,0000091377 para un tamao
de paso de 0,05 siendo 0,0000091377 0,00013221/16 = 0,00000826.
Ejemplo 13.4.2: Utilizar una hoja de clculo para aproximar la solucin en x =
1, por el mtodo de Euler y Runge-Kutta 4 con tamaos de paso de 0,25 de y =
x2 + y2, y(0) = 1. Analizar el resultado obtenido.
Ecuacin: y = x^2 + y^2

Dato inicial: y(0) = 1
Paso h = 0,25
x Euler Runge- k1 k2 k3 k4
Kutta 4
0 1 1 1 1,28125 1,3615875 1,8591638
0,25 1,25 1,33936829 1,8564074 2,6099833 2,9149023 4,5270122
0,5 1,65625 2,06575124 4,5173282 7,3097200 9,2678441 19,770666
0,75 2,40454102 4,45921471 20,447095 49,977276 115,39207 1110,3718
1 3,99062039 65,3574486 4272,5960 359319,94 20232318 2,558E+17
La diferencia entre ambos mtodos es sorprendente. Si se estudia con
detenimiento se observa que y = x2 + y2, con y(0)=1 no se puede resolver por
mtodos elementales y tiene una solucin no acotada en un valor prximo a x =
0,97, si se utiliza la desigualdad entre 0 < x < 1, y2 < x2 + y2 < 1 + y2. Esto indica el
tipo de precauciones que se deben tomar al utilizar los mtodo numricos y la
importancia ya indicada de los teoremas de existencia y unicidad de las
soluciones, as como de la dependencia continua de los datos.
Ejercicios
13.1. Calcular b1, b2, b2, c2, c3, a21, a31 y a32 para que el mtodo: zn+1 = zn +
h(b1k1 + b2k2 + b3k3) siendo k1 = f(xn, zn), k2 = f(xn + c2h, zn + a21hk1);

k2 = f(xn+ c3h, zn+ a31hk1 + a32hk2) tenga orden de consistencia
mximo.
13.2. Escribir el tablero de Butcher para el mtodo de Euler mejorado: zn+1 =
h
zn + (f(xn, zn) + f(xn+1, zn + hf(xn, zn))).
2
13.3. Escribir el tablero de Butcher para el mtodo de Euler modificado: zn+1
h h
= zn + h(f(xn + , zn + f(xn, zn))).
2 2
13.4. Escribir el tablero de Butcher para el mtodo de Runge-Kutta de tres
h 2h h
etapas: zn+1 = zn + (k1 + k3) + k2, donde k1 = f(xn, zn), k2 = f(xn + ,
6 3 2
h
zn + k1), k3 = f(xn + h, zn + h(2k2 k1)).
2
h
13.5. Aplicar el mtodo: zn+1 = zn + (f(xn, zn) + f(xn + h, zn + hf(xn, zn))) al
2
problema y = y, y(0) = 1, para un tamao de paso h.
n
h 2

(Solucin: zn 1 h ).
2

13.6. Aplicar el mtodo: zn+1 = zn + hf(xn+1, zn+1) al problema y = y, y(0) = 1,
para un tamao de paso h.
n
1
(Solucin: zn ).
1 h
13.5. ESTIMACIN DEL ERROR EN CADA PASO
En los mtodos que se han presentado hasta ahora se ha supuesto que el
tamao del paso h es fijo durante todo el proceso. En la prctica, en ocasiones,
esto no es as. Lo que se hace es modificar convenientemente el tamao de h en
los distintos pasos, de manera que se obtenga una aproximacin adecuada, por lo
que resulta fundamental controlar el error que se va cometiendo en cada paso.
Por tanto, una cuestin de inters prctico es el control del error cuando se
quiere obtener una exactitud prefijada. Existen frmulas asintticas del error global
para los mtodos de Runge-Kutta. En particular para los mtodos de orden cuatro
de convergencia, la expresin es:
y(xn) zn = D(x)h4 + O(h5),
donde D(x) satisface un cierto problema de valor inicial.
La estimacin directa del error de truncamiento en los mtodos de Runge-
Kutta es laboriosa, pues se precisa para ello calcular las derivadas parciales de
rdenes superiores de la funcin f(x, y), que es lo que precisamente se intenta
evitar con los mtodos de Runge-Kutta. Por ello, para controlar el error que se va
cometiendo en cada etapa se utilizan otros procedimientos alternativos. Una de las
tcnicas que primero se utilizaron es la que se conoce como mtodo de la

extrapolacin de Richardson, o del paso doblante.
Extrapolacin de Richardson
El mtodo de la extrapolacin de Richardson fue usado por primera vez por
L. F. Richardson en 1 927. Es una tcnica antigua que puede ser utilizada con
cualquier mtodo numrico. Una manera habitual de proceder es calcular dos
aproximaciones distintas de y(xn+1) utilizando tamaos de paso h y 2h
respectivamente, y a partir de ellas estimar el error. Si ste excede una tolerancia
prefijada se disminuye el paso; en caso contrario se aumenta. Es importante hacer
notar el elevado coste computacional de esta operacin ya que se requieren en el
caso del mtodo de Runge-Kutta un nmero elevado de evaluaciones de la
funcin f(x, y) por paso.
Si se aplica la tcnica de extrapolacin de Richardson se tiene el resultado
asinttico:
y(xn) zh(xn) = hpD(xn) + O(hp+1)
con D(x) satisfaciendo una cierta ecuacin diferencial lineal, lo que justifica el uso
de esta frmula para estimar el error y acelerar la convergencia.
Por ejemplo, para p = 1, la frmula y(x) zh(x) = hD(x) proporciona una
estimacin del error asinttico, y reemplazando h por 2h, y sustituyendo hD(x), se
obtiene:
y(x) z2h(x) = 2hD(x) = 2(y(x) zh(x))
de donde, despejando y(x) se obtiene tanto una frmula de extrapolacin de
Richardson:
y(x) = 2zh(x) z2h(x),
como el error estimado de Richardson:
y(x) zh(x) = zh(x) z2h(x).
Este tipo de razonamiento puede volver a utilizarse en los otros mtodos,
pues las tcnicas de extrapolacin, cuya idea se debe a W. B. Gragg, se pueden
usar en los problemas de valor inicial.
Si, por ejemplo, se aplica a un mtodo de Runge-Kutta de orden p y es zn+1 el
valor obtenido al aplicar el mtodo al valor exacto en xn, entonces el error de
truncamiento es:
Tn+1 = yn+1 zn+1 = (y(xn))hp+1 + O(hp+2).
Si ahora se emplea un tamao de paso 2h y para calcular el error de
truncamiento se aplica el mtodo suponiendo que hasta xn-1 se tiene el valor
exacto, y se obtiene zn+1*, entonces:
Tn+1 = yn+1 zn+1* = (y(xn))(2h)p+1 + O(hp+2).
En consecuencia, restando ambas expresiones, se tiene:

zn+1 zn+1* = (y(xn))[2p+1 1]hp+1
(y(xn))hp+1 (zn+1 zn+1*)/[2p+1 1]
La parte principal del error de truncamiento es:
Tn+1 = (zn+1 zn+1*)/[2p+1 1].
Esta estimacin es buena, pero requiere un trabajo adicional importante. Si el
mtodo de Runge-Kutta es de s etapas se necesitan s 1 evaluaciones
adicionales de la funcin (pues k1 ya ha sido calculado).
As, si se utiliza el mtodo de Runge-Kutta 4, de orden de convergencia, p =
4, entonces [2p+1 1] = 31, por lo que se aplica el mtodo con un tamao de paso
h y con un tamao de paso 2h, se resta el resultado y se divide por 31. El
resultado obtenido sirve de evaluacin del error.
Pares encajados de Runge-Kutta
Un problema de inters es la determinacin del tamao del paso para
obtener un error inferior a una tolerancia dada, pues si el tamao es demasiado
pequeo, adems de aumentar los errores de redondeo, el coste computacional
es mayor. Se ha visto como el tamao del paso est relacionado con el error de
truncamiento y con el error local y stos con el error global, de forma que es
posible resolver el problema.
Existen otros procedimientos ms modernos para controlar el error. A mitad

del siglo XX, Merson, hacia 1957, ide una forma para estimar el error a partir de
valores ya calculados de ki, que consiste en lo siguiente:
En esencia la idea de Merson consiste en tomar dos mtodos numricos con
rdenes de consistencia p y p + 1, obtenindose la siguiente aproximacin:
Orden p: Tn+1 = yn+1 zn+1 = C(x)hp+1 + O(hp+2).
Orden p + 1: Tn+1 = yn+1 zn+1* = C*(x)hp+2 + O(hp+3).
Restando, se obtiene:
zn+1 zn+1* = C(x)hp+1 + O*(hp+2), que es una estimacin del error de
truncamiento, que se obtiene
Tn+1 zn+1 zn+1*.
Esta es la filosofa que se sigui al definir los pares encajados de Runge-
Kutta, que consiste en controlar el error global a partir del control del error de
truncamiento, utilizando para ello dos mtodos de Runge-Kutta de distinto orden,
sin apenas coste computacional aadido.
Definicin 13.5.1:
Se conoce como pares encajados de Runge-Kutta, a dos mtodos de
Runge-Kutta con las caractersticas siguientes:
1) Sus rdenes de convergencia son p y p + 1.

2) Los coeficientes de las ki coinciden en los mtodos.
Es decir, expresados estos coeficientes en el tablero de Butcher, se tiene:
C A C A
B B*
Primer mtodo Segundo mtodo
y por lo tanto nicamente cambian los coeficientes bj que multiplican a los ki:
Se les pone la etiqueta (p, p + 1), que indica que se toma como zn+1 el valor
suministrado por el mtodo de orden de convergencia p, con lo cual el orden de
convergencia de los pares encajados es p.
s
Orden p: zn+1 = zn + h bi k i .
i 1
s
Orden p + 1: zn+1* = zn + h bi* k i .
i 1
Restando se obtiene la aproximacin del error:
s
zn+1 zn+1* = h E i k i , siendo E = b b *.
i i i
i 1
Los pares encajados ms conocidos son:
a) El par de Runge-Kutta-Fehlberg, desarrollado por E. Fehlberg entre
1968 y 1969, y presentado en 1970, en el que se combinan los mtodos de
orden de convergencia cuatro y cinco, (RKF45), ambos de 6 etapas, lo cual

conlleva seis evaluaciones de la frmula f(x, y) por paso, en lugar de las once
que tendran lugar en el caso de aplicarlas independientemente1.
1 1
4 4
3 3 9
8 32 32
12 1932 7200 7200

13 2197 2197 2197
1 439 -8 3680 845

216 513 4104
1 8 2 3544 1859 11

2 27 2565 4104 40
25 0 1408 2197 1 0

216 32 4104 5
16 0 6656 28561 9 2

135 12825 56430 50 55
1 0 128 2197 1 2

360 4275 75240 50 55
En ocasiones se computa el mtodo RKF45 como un mtodo (5, 4) utilizando
1 Lambert, J. D. (1973): Computational Methods in Ordinary Differential Equations. Editorial John
Wiley & Sons. Pgina 182.

como valor el obtenido con el mtodo de orden de convergencia 5.
b) El par de Domand-Prince, desarrollado por Dormand y Prince en 1980,
DOPRI (5, 4), en el que se combinan los mtodos de orden de convergencia
cuatro y cinco, ambos de 7 etapas.
0
1 1
5 5
3 3 9
10 40 40
4 44 56 32

5 45 15 9
8 19372 25360 64448 212

9 6561 2187 6561 729
1 9017 355 46732 49 5103

3168 33 5247 176 18656
1 35 0 500 125 2187 11

384 1113 192 6784 84
5179 0 7571 393 92097 187 1

57600 16695 640 339200 2100 40
35 0 500 125 2187 11 0

384 1113 192 6784 84
71 0 71 71 22 22 1

57600 16695 339200 525 525 40
A pesar de tener ms etapas, 7 etapas, en los pares de Domand-Prince se
tiene que los bi* coinciden con los coeficientes de la ltima fila de la matriz A, a7j:
6
k 7n f ( x n h, zn h a7 j k nj )
j 1
6
k1n 1 f ( x n h, z n h b * j k nj ) k 7n .
j 1
Los mtodos con esta propiedad se denominan: Primero igual al ltimo
(FSAL: First Same As Last).
Estas frmulas se computan simultneamente y su diferencia se toma como
una estimacin del error de truncamiento para la frmula de orden cuatro, el cual,
a su vez, se utiliza bien para variar el tamao de paso adecuadamente, bien para
controlar el error.
Se observa que para tener un par (4, 5) es necesario utilizar, como mnimo,
mtodos de Runge-Kutta de 6 etapas.
Tanto en el mtodo de la extrapolacin de Richardson como en el mtodo de
los pares encajados una vez que se tiene una estimacin del error cometido, e(h*),
para un tamao del tamao del paso h* se estudia si se verifica que: e(h*)/h* < ,
siendo el error mximo tolerado. Si no fuese as se busca un nuevo valor del
tamao del paso, h, hasta que se verifique lo anterior, e(h)/h < .
Si el orden de convergencia es p, se tiene que:
e(h*) c(x) h*p+1,

y que
e( h*)
e(h) c(x) hp+1 = ( )hp+1 < h.
p 1
h*
Si se supone que h = ah*, entonces
e( h*) h * h * 1/p
e(h) ( )(ah*)p+1 < ah* ap < a<( )
p 1 e( h*) e( h*)
h*
h * 1/p
h=( ) h*.
e( h*)
Ejemplos resueltos
Ejemplo 13.5.1: Utilizar la tcnica de la extrapolacin de Richardson para
estimar el valor de la solucin y la frmula del error estimado de Richardson para
calcular el error en el caso, (ver ejemplo 13.4.1) en que z0,1(1,5) = 3,4902 y
z0,05(1,5) = 3,4903.
En el ejemplo 13.4.1 se ha utilizado el mtodo de Runge-Kutta 4 y se ha
calculado z0,1(1,5) = 3,4902 y z0,05(1,5) = 3,4903. El valor estimado por la frmula
de extrapolacin de Richardson es:
y(x) = 2zh(x) z2h(x) = 2z0,05(1,5) z0,1(1,5) = 2(3,4903) (3,4902) = 3,4904.
El error estimado de Richardson es:
y(x) zh(x) = zh(x) z2h(x) = z0,05(1,5) z0,1(1,5) = (3,4903) (3,4902) =

0,0001.
Ejercicios
13.1. Utilizar la tcnica de la extrapolacin de Richardson para estimar el
valor de la solucin y la frmula del error estimado de Richardson para
calcular el error en el mtodo de Euler, (ver ejemplo 13.1.1) en que
z0,1(1,5) = 0,63942967 y z0,05(1,5) = 0,66397766.
z0,05(1,5) = 0,66397766 y z0,0251(1,5) = 0,67731662.
z0,0125(1) = 60,037126 y z0,025(1) = 53,807866.
(Solucin: zn = 4 + 4(2)n 3n).
13.4. Resolver la ecuacin en diferencias finitas: zn+2 zn = 5; con z0 = 0, z1 =
2.
1 1 5
(Solucin: zn = + (1)n + n).
4 4 2
13.5. Resolver la ecuacin en diferencias finitas: zn+3 3zn+2 + 3zn+1 zn =
12; con z0 = 1, z1 = 0, z2 = 10.
5 1
(Solucin: zn = 1 n n2 + 2n3).
2 2
13.6. Resolver la ecuacin en diferencias finitas: zn+2 2zn+1 + 3zn = 0.

(Solucin: zn = A ( 2 ) n cos n + B ( 2 )n sen n ).
4 4
13.7. Resolver la ecuacin en diferencias finitas: zn+2 + zn+1 + zn = 5; con z0 =
1, z1 = 0, z2 = 10.
5
(Solucin: zn = Acos n + Bsen n + ).
3 3 3
13.8. Resolver la ecuacin en diferencias finitas: zn+4 7zn+3 + 18zn+2 20zn+1
+ 8zn = 0; con z0 = 0, z1 = 0, z2 = 1, z3 = 1.
1 2 n
(Solucin: zn = 5 5(2)n + 3n(2)n n (2) ).
2
13.6. ESTABILIDAD ABSOLUTA EN LOS MTODOS
DE UN PASO
Otro concepto interesante es el de estabilidad absoluta, ya que aunque el
mtodo sea estable y sea convergente es posible que, para determinados valores
del paso, el error cometido sea demasiado grande para que el mtodo resulte
aceptable, y se necesite tomar un tamao de paso muy pequeo, por lo que el
nmero de pasos puede ser excesivo.
Al aplicar un mtodo numrico se debe escoger, naturalmente, un mtodo
convergente. Pero esto quiere decir nicamente que se puede aproximar la
solucin obtenida tanto como se quiera a la solucin exacta tomando el tamao de
paso suficientemente pequeo. Sin embargo, este lmite no es lo que se utiliza en
la prctica, sino que se aplica para un tamao de paso fijo, con lo que puede
ocurrir que el error cometido sea demasiado grande. Al aplicar el mtodo no se
toman lmites cuando el tamao de paso tiende a cero, sino que para un tamao
de paso fijado de antemano se calcula una cantidad finita de valores, por lo que es
importante escoger un tamao adecuado para el paso, de manera que el error que
se cometa sea menor que una tolerancia dada.
Para hacer este estudio se aplica en primer lugar el mtodo que se quiera
probar al problema de valor inicial y = y, y(0) = 1, que se denomina ecuacin de
prueba, que se toma como referencia de problema de valor inicial, y puede servir
de modelo de lo que ocurre en el caso general, y cuya solucin es sobradamente
conocida, y(x) = ex, lo que permite calcular el error global cometido al aplicar el
mtodo. Aunque el estudio se realice en este caso particular, resulta que si el
mtodo no es adecuado para tratar este problema tampoco lo es para un
problema general pues en el caso de un problema de valor inicial y = f(x, y), y(x0)
= y0, se puede considerar que toda ecuacin diferencial se puede aproximar por su
primer trmino en su desarrollo de Taylor:
y = f(x0, y0) + fx(x0, y0)(x x0) + fy(x0, y0)(y y0)
que es una ecuacin diferencial lineal con coeficientes constantes, por lo que
mediante un cambio de variables se puede transformar en la ecuacin diferencial:
y = y
donde vale fy(x0, y0).
Definicin 13.6.1:
Se denomina ecuacin de prueba al problema de valor inicial y = y, y(0) =
1.
Si es negativo la solucin es decreciente y su lmite, cuando x tiende a
infinito, es cero, por lo que el mtodo empleado debe reproducir ese
comportamiento, es decir, para todo valor de h mayor que cero, el lmite de la
solucin aproximada obtenida debe tender a cero cuando n tiende a infinito. En
general esta condicin no se verifica para cualquier h, sino para determinados

valores de h.
Para comprender mejor este comportamiento se analiza mediante un
ejemplo:
Se estudia el caso del mtodo de Runge-Kutta de dos etapas:
zn+1 = zn + h(f(xn + h/2, zn + (h/2)f(xn, zn))).
Al aplicarlo al problema de valor inicial: y = y, y(0) = 1 se tiene:
2 h 2
zn+1 = zn + h(zn + (h/2)zn) = zn(1 + h + )
2
Se denomina h = h , y se tiene:
h2
zn+1 = zn(1 + h + ) = znr( h ).
2
Al calcular el error cometido:
en = y(xn) zn.
Por otra parte, el error de truncamiento es:
Tn = y(xn) (y(xn-1)r( h )) y(xn) = Tn + y(xn-1)r( h ).
Si se supone que el error de truncamiento no depende de n y se denomina Tn
= T, entonces:
y(xn) = T + y(xn-1)r( h )
en = y(xn) zn = T + y(xn-1)r( h ) zn-1r( h ) = T + r( h )(y(xn-1) zn-1) = T + r( h )(en-
1)
Se resuelve la ecuacin en diferencias:
en = r( h )(en-1) + T.
La solucin general de la ecuacin homognea: eH = Cr( h )n y la solucin
r ( h )n 1
particular: eP = T , siendo C = e0. Por tanto:
r(h ) 1
r ( h )n 1 T 1
en = eH + eP = e0r( h )n + T = r( h )n(e0 + )+T .
r(h ) 1 r(h ) 1 1 r ( h )
En consecuencia, el error global decrece al aumentar n, si r( h ) < 1, y crece
si r( h ) 1. Por este motivo surge un nuevo concepto, el de regin de
estabilidad absoluta asociada a un mtodo, que es un cierto dominio del plano
complejo para los que h verifica dicha condicin:
Definicin 13.6.2:
Se denomina regin de estabilidad absoluta asociada a un mtodo al
conjunto de valores de h tales que: r( h ) < 1.
R.E.A. = { h C: r( h ) < 1}.

Se denomina intervalo de estabilidad absoluta asociada a un mtodo a la
interseccin de la regin de estabilidad absoluta con eje real, es decir:
I.E.A. = { h : r( h ) < 1}.
Definicin 13.6.3:
El mtodo es A-estable si la regin de estabilidad absoluta es todo el
semiplano negativo del plano complejo.
Esta propiedad que es especialmente interesante cuando se trabaja con los
problemas stiff.
c

- -a
-c
A-estabilidad -estabilidad estabilidad stiff
Figura 13.2: Regiones de estabilidad.
h2
En el ejemplo anterior, r( h ) = (1 + h + ), y la parbola y = x2/2 + x + 1
2
tiene de vrtice el punto (1, 1/2), corta al eje vertical en (0, 1), por lo tanto:
Si h (2, 0) entonces r( h ) < 1, por lo que se dice que (2, 0) es el

intervalo de estabilidad absoluta del mtodo de Runge-Kutta de dos etapas
estudiado.
Ejemplos resueltos
Ejemplo 13.6.1: Estudiar la estabilidad absoluta para: a) el mtodo de Runge-
h h
Kutta de dos etapas: zn+1 = zn + h(xn + , zn + f(xn, zn)); b) el mtodo de Runge-
2 2
Kutta de tres etapas de Heun, c) el mtodo de Runge-Kutta de cuatro etapas, y d)
el mtodo de Euler.
a) El mtodo de Runge-Kutta dos etapas pedido es:
h h
zn+1 = zn + h(xn + , zn + f(xn, zn))
2 2
que al sustituir la ecuacin de prueba y = y se obtiene que:
zn+1 = zn + h(zn +
h
zn) = zn(1 + h +
h 2 ) = z (1 + h + h )
n
2
2 2 2
por lo que r( h ) = (1 + h +
h 2 ) y al imponer que r( h ) < 1
2
(1 + h +
h 2 ) < 1 1 < 1 + h +
h 2 < 1 2 < h +
h 2 < 0,
2 2 2
por lo que el intervalo de estabilidad absoluta es: (2, 0).

En todos los mtodos de Runge-Kutta de dos etapas el intervalo de
estabilidad absoluta es: (2, 0).
b) En todos los mtodos de Runge-Kutta de tres etapas al aplicarlos a la
ecuacin de prueba se tiene que:
h2 h3
zn+1 = zn(1 + h + + ) = znr( h ).
2 6
h2 h3
Al representar r( h ) = 1 + h + + se tiene una cbica, creciente, que
2 6
corta al eje de abscisas en (1, 0) y al eje de ordenadas en (0, 1).
Si r( h ) = 1 entonces h = 2,5127458..., por lo que el intervalo de
estabilidad absoluta es: (2,5127458..., 0).
c) En todos los mtodos de Runge-Kutta de cuatro etapas al aplicarlos a la
ecuacin de prueba se tiene que:
h2 h3 h4
zn+1 = zn(1 + h + + + ) = znr( h ).
2 6 24
h2 h3 h4
Al representar r( h ) = 1 + h + + + se tiene una curtica, que
2 6 24
corta al eje de ordenadas en (0, 1).
Si r( h ) = 1 entonces h = 2,78..., por lo que el intervalo de estabilidad
absoluta es: (2,78..., 0).

d) Al aplicar el mtodo de Euler a la ecuacin de prueba se tiene que:
zn+1 = zn(1 + h ) = znr( h ).
Al representar r( h ) = 1 + h se tiene una recta, que corta al eje de ordenadas
en (0, 1) y al eje de abscisas en (1, 0).
Si r( h ) = 1 entonces h = 2, por lo que el intervalo de estabilidad absoluta
es: (2, 0).
Se observa que todos los mtodos de Runge-Kutta del mismo nmero de
etapas tienen el mismo intervalo de estabilidad absoluta.
S=1 S=2
2i 2i
-2 -2
3i 3i
S=3 S=4
Figura 13.3: Regiones de estabilidad absoluta en los mtodos de Runge-Kutta (Lambert 1991).
Ejemplo 13.6.2: Analizar la estabilidad absoluta para el mtodo de Runge-
Kutta de dos etapas al aplicarlo para distintos valores de tamao de paso: h = 1, h
= 0,1, h = 0,01 y h = 0,001 a los problemas de valor inicial a) y = y, y(0) = 1, b) y

= 30y, y(0) = 1, c) y = y, y(0) = 1.
Se ha visto que el intervalo de estabilidad absoluta es: (2, 0).
En a) = 1, en b) = 30 y en c) = 1.
a) Para h = 1 h = h = 1 (2, 0).
Para h = 0,1 h = h = 0,1 (2, 0).
Para h = 0,01 h = h = 0,01 (2, 0).
Para h = 0,001 h = h = 0,001 (2, 0).
Para todos los valores se verifica que r( h ) < 1. Se puede observar mediante
una hoja de clculo que fijado el tamao de paso, los errores crecen en valor
absoluto hasta x = 1, y a partir de ese valor decrecen. Los errores son menores
cuanto menor es el tamao de paso, h.
1 1
Se haba probado que el error global: en xex h 2
= xe-x h 2, curva
6 6
que se comporta segn lo descrito arriba.
Se observa que, como corresponde a un mtodo convergente, si se fija el
valor de x y se hace tender h a cero, entonces el error tiene a cero.
b) Para h = 1 h = h = 30 (2, 0).
Para h = 0,1 h = h = 3 (2, 0).

Para h = 0,01 h = h = 0,3 (2, 0).
Para h = 0,001 h = h = 0,03 (2, 0).
2 1
Para que h = 30h (2, 0) h (0, )0<h< .
30 15
c) Para h = 1 h = h = 1 (2, 0).
Para h = 0,1 h = h = 0,1 (2, 0).
Para h = 0,01 h = h = 0,01 (2, 0).
Para h = 0,001 h = h = 0,001 (2, 0).
Para todo tamao de paso positivo los valores de h estn fuera del intervalo
de estabilidad absoluta, por lo que los errores son crecientes. Sin embargo la
solucin exacta es y = ex, que es tambin creciente por lo que las soluciones
pueden aceptables. En este caso tiene inters un nuevo concepto, el de error
en
relativo que es: ern = , y como
yn
1 1
en = xex h 2 + O( h 2) = xex h 2 + O( h 2),
6 6
entonces
1
ern x h 2,
6
que indica que el error crece slo como x.
Ejercicios
13.9. Estudiar la estabilidad absoluta para el mtodo de Taylor dos y el
mtodo de Taylor tres.
13.10. Analizar la estabilidad absoluta para el mtodo de Taylor dos al
aplicarlo para distintos valores de tamao de paso: h = 1, h = 0,1, h = 0,01
y h = 0,001 a los problemas de valor inicial a) y = y, y(0) = 1, b) y =
30y, y(0) = 1, c) y = y, y(0) = 1.
13.7. APNDICE: ECUACIONES EN DIFERENCIAS
Los mtodos numricos para resolver ecuaciones diferenciales son
ecuaciones en diferencias. As, por ejemplo, al aplicar el mtodo de Euler al
problema y = y, y(0) = 1 se tiene la ecuacin en diferencias:
zn+1 = zn + hzn
por lo que:
z1 = z0(1 + h) z2 = z1(1 + h) = z0(1 + h)2 z3 = z2(1 + h) = z0(1 + h)3,
y en general:
zn = z0(1 + h)n.
No siempre es tan sencillo encontrar una expresin por recursividad. Sin
embargo las ecuaciones en diferencias con coeficientes constantes se resuelven
de forma similar a como se han resuelto las ecuaciones diferenciales lineales de
orden n con coeficientes constantes. En esta seccin se estudia la forma de
resolver algunas de estas ecuaciones en diferencias.
El ejemplo anterior es una ecuacin en diferencias finitas de primer orden. La
definicin general es
Definicin 13.7.1:
Se llama ecuacin en diferencias finitas de primer orden a una ecuacin
de la forma:
zn+1 = F(zn, n), n N,
siendo F una funcin de dos variables reales o complejas.
Definicin 13.7.2:
Se llama ecuacin en diferencias finitas de orden k a una ecuacin de la
forma:
zn+k = F(zn+k-1, ..., zn+1, zn ,n), n N,
Definicin 13.7.3:
Se llama solucin de la ecuacin en diferencias:
zn+k = F(zn+k-1, ..., zn+1, zn, n)
a una sucesin {zn}nN de nmeros reales o complejos que verifique la ecuacin
para todo n N.
As, por ejemplo la ecuacin zn+1 = (1 + n)zn tiene como solucin cualquier
sucesin de la forma {zn} = C{n!}, donde C es una constante arbitraria. La
ecuacin en diferencias tiene entonces una familia uniparamtrica de soluciones.
Si se impone una condicin inicial, por ejemplo z0 = 1, entonces existe una nica
solucin de la ecuacin que es precisamente zn = n!, n N.
El problema siguiente:
zn+k = F(zn+k-1, ..., zn+1, zn, n), n N, z0 = a0, z1 = a1, ..., zk-1 = ak-1,
es un problema de valor inicial, anlogo a los problemas de valor inicial para
ecuaciones diferenciales.
Es sencillo encontrar una solucin para la clase de las ecuaciones en
diferencias con coeficientes constantes, que se definen a continuacin, ya que se
resuelven de forma similar a como se han resuelto las ecuaciones diferenciales
lineales de orden k con coeficientes constantes. El conjunto de soluciones de la
ecuacin en diferencias homognea tiene estructura de espacio vectorial de
dimensin k, y el conjunto de soluciones de la ecuacin en diferencias no
homognea tiene estructura de espacio afn cuyo espacio vectorial asociado es el

conjunto de soluciones de la ecuacin en diferencias homognea.
Definicin 13.7.4:
Se denomina ecuacin en diferencias finitas lineal con coeficientes
constantes a una expresin de la forma:
zn+k + k-1zn+k-1 + + 0zn = bn,
donde i son nmeros reales y donde {bn} es una sucesin de nmeros reales. Es
una ecuacin en diferencias finitas de orden k si 0 es distinto de cero.
Se dice que es homognea si bn = 0 para todo n, y no homognea si bn 0
para algn n.
Para encontrar la solucin general de una ecuacin en diferencias lineal,
primero se resuelve la ecuacin homognea asociada buscando soluciones de la
forma zn = rn, para lo que se sustituye en la ecuacin:
rn+k + k-1rn+k-1 + + 0rn = 0,
se divide por rn,
rk + k-1rk-1 + + 0 = 0,
y se obtiene la ecuacin caracterstica de la ecuacin en diferencias.
Esta ecuacin caracterstica puede tener todas sus races reales y simples, puede
tener races complejas simples, o bien tener races mltiples.

Si todas las races son reales y simples: r1, ..., rk , se tienen k soluciones
linealmente independientes de la ecuacin homognea: r1n , ..., rk n , que son base
del espacio vectorial de las soluciones, por lo que la solucin general es de la
forma:
zn H = A1 r1n + ... + Ak rk n .
En el caso en que se tenga una raz compleja, necesariamente se tiene, al
ser los coeficientes reales, la raz compleja conjugada. Sea r1 = a + bi = rei, por lo
que r1n = (rei)n = rneni = rn(cos + isen ); las dos soluciones reales y
linealmente independientes buscadas son: rncos y rnsen .
Si existe una raz mltiple ri , de orden m de multiplicidad, se precisan m
soluciones linealmente independientes, que son:
ri n , n ri n , n2 ri n , ..., nm-1 ri n .
Una vez obtenida la solucin general de la ecuacin homognea asociada,
se busca una solucin particular de la ecuacin no homognea. Para ello se
prueba con una expresin parecida a la de bn. Slo en el caso en que la
expresin que se deba probar ya est incluida en la solucin de la ecuacin
homognea, se aumenta el orden, multiplicando por n elevado al exponente
necesario.
La solucin general es entonces:

zn = zn H + zn P = A1 r1n + ... + Ak rk n + zn P.
Para calcular los coeficientes A1, ..., Ak, se precisa conocer k condiciones
iniciales: z0, ..., zk-1. Al sustituir se tiene un sistema tipo Cramer de k ecuaciones y
k incgnitas, que siempre tiene una nica solucin.
Ejemplos resueltos
Ejemplo 13.7.1: Resolver zn+2 zn = 7, con z0 = 0 y z1 = 0.
Paso 1: Se resuelve la ecuacin homognea asociada
Ecuacin caracterstica: r2 1 = 0 r = 1 zn H = A1(1)n + A2( 1)n = A1 +
A2( 1)n.
Paso 2: Solucin particular de la no homognea
Se prueba con una solucin particular que sea una constante c, pero sta ya
est incluida en la solucin general de la homognea, por lo que se aumenta el
grado multiplicando por n:
7 7
zn P = cn c(n+2) cn = 7 c = zn P = n zn = A1 + A2( 1)n +
2 2
7
n.
2
Paso 3: Se imponen los valores iniciales:

7
z0 = 0 z0 = A1 + A2( 1)0 + 0 = A1 + A2 = 0.
2
7 7 7
z1 = 0 z1 = A1 + A2( 1)1 + 1 = A1 A2 + = 0 A1 = A2 = .
2 2 4
7 7 7
zn = + ( 1)n + n.
4 4 2
Ejemplo 13.7.2: Resolver zn+1 = (1 + h2)zn, con z0 = e2.
Paso 1: Se resuelve la ecuacin que ya es homognea
Ecuacin caracterstica: r = (1 + h2) zn H = A1(1 + h2)n.
z0 = e2 z0 = A1 = e2 zn = e2(1 + h2)n.
h2
Ejemplo 13.7.3: Resolver zn+1 = zn + nh2 + + h; con z0 = 0.
2
Paso 1: Se resuelve la ecuacin homognea asociada
Ecuacin caracterstica: r = 1 zn H = A1.
Paso 2: Solucin particular de la no homognea
Se prueba con una solucin particular que sea un polinomio en n de grado
uno, an + b, pero ya est incluida la constante, b, en la solucin general de la
homognea, por lo que se aumenta el grado multiplicando por n:

h2
zn P = n(an + b) a(n +1)2 + b(n +1) = an2 + bn + nh2 + + h 2an + a
2
h2 h2 h2 2 h2 2
+ b = nh2 + +ha= , b = h; zn P = n + hn zn = A1 + n + hn.
2 2 2 2
h2 2
z0 = 0 z0 = A1 = 0 zn = n + hn.
2
Ejemplo 13.7.4: El matemtico Leonardo de Pisa conocido como Fibonacci,
que introdujo en Europa el sistema de numeracin indo arbigo que hoy se usa y
que sustituy al romano, escribi el libro Liber abaci (1 202) donde utiliz la
sucesin que lleva su nombre, la sucesin de Fibonacci, que modela el
crecimiento de las parejas de conejos: En un corral se deja una pareja de conejos
recin nacidos. Al cabo de un mes estn en situacin de procrear y se aparean; al
mes siguiente nace una nueva pareja de conejos, macho y hembra y acto seguido
tiene lugar un nuevo apareamiento. El proceso se reitera de manera que cada
pareja se aparea por primera vez al mes de nacer, y luego lo hace cada mes
originando una pareja de descendientes. Se trata de saber el nmero de parejas al
cabo de n meses.
Si zn es el nmero de parejas que existen en el mes n, y zn+1 lo es en el mes
n + 1. Entonces: zn+2 = zn+1 + zn. En el mes cero se tiene la primera pareja: z0 = 1,
y en el mes n = 1, se tiene z1 = 1.
Paso 1: Se resuelve la ecuacin homognea
1 1 4 1 5
Ecuacin caracterstica: r2 r 1 = 0 r = = que es el
2 2
1 5 1 5
nmero de oro: = 1,618...; 0,618...
2 2
1 5 n 1 5 n
zn = A1( ) + A2( ).
2 2
z0 = 1 z0 = A1 + A2 = 1.
1 5 1 5 5 5 5 5
z1 = 1 z1 = A1( ) + A2( ) = 1 A1 = , A2 = .
2 2 10 10
5 5 1 5 n 5 5 1 5 n
zn = ( ) + ( ).
10 2 10 2
Como el primer sumando crece al crecer n, y el segundo tiende a cero, si n
es grande las parejas de conejos crecen en una proporcin aproximada de 61,8
%.
Ejercicios
13.11. Resolver la ecuacin en diferencias finitas: zn+1 = zn(1 + h + h ); con z0

2
= 0.
(Solucin: zn = (1 + h + h2)n).
13.12. Resolver la ecuacin en diferencias finitas: zn+2 + zn+1 + zn = n; con z0
= 0.
1 2n 2 2n 1
(Solucin: zn = cos + sen + (n 1)).
3 3 6 3 3 3
3 1
13.13. Resolver la ecuacin en diferencias finitas: zn+2 + ( h)zn+1 + (
2 2
h h
)zn = ; con z0 = z0; z1 = z1.
2 2
13.14. Resolver la ecuacin en diferencias finitas: zn+2 3zn+1 + 2zn = 3; con
z0 = 0, z1 = 1.
(Solucin: zn = 4 + 4(2)n 3n).
13.15. Resolver la ecuacin en diferencias finitas: zn+2 zn = 5; con z0 = 0, z1
= 2.
1 1 5
(Solucin: zn = + (1)n + n).
4 4 2
13.16. Resolver la ecuacin en diferencias finitas: zn+3 3zn+2 + 3zn+1 zn =
12; con z0 = 1, z1 = 0, z2 = 10.
5 1
(Solucin: zn = 1 n n2 + 2n3).
2 2
13.17. Resolver la ecuacin en diferencias finitas: zn+2 2zn+1 + 3zn = 0.

(Solucin: zn = A ( 2 ) n cos n + B ( 2 )n sen n ).
4 4
13.18. Resolver la ecuacin en diferencias finitas: zn+2 + zn+1 + zn = 5; con z0
= 1, z1 = 0, z2 = 10.
5
(Solucin: zn = Acos n + Bsen n + ).
3 3 3
13.19. Resolver la ecuacin en diferencias finitas: zn+4 7zn+3 + 18zn+2
20zn+1 + 8zn = 0; con z0 = 0, z1 = 0, z2 = 1, z3 = 1.
1 2 n
(Solucin: zn = 5 5(2)n + 3n(2)n n (2) ).
2
13.8. EJERCICIOS
13.20. Aplicar el mtodo de Euler para calcular el valor aproximado en x = 0,2
1
y en x = 0,5 de la solucin del problema de valor inicial y = x + 2y,
2
y(0) = 1 usando como z0 = 1 y tamaos de paso h = 0,05, h = 0,1
respectivamente. Comparar los errores globales.
x
(Solucin: La solucin exacta es: y ( x ) e 2 x y(0,5) = 2,968...; y(0,2) =
2
1,5918...; zn = (1 + 2h)n + hn/2; z(0,5) = z5 = 2,73832, e(0,1) = 0,22996183;
z(0,2) = z4 = 1,5641, e(0,05) = 0,0277)
y en x = 0,5 de la solucin del problema de valor inicial y = 1 + 2y, y(0) =
1 usando como z0 = 1 y tamaos de paso h = 0,05, h = 0,1
respectivamente. Comparar los errores globales.
1 e 2x
(Solucin: La solucin exacta es: y ( x ) y(0,5) = 1,85913091...;
2
1 1
y(0,2) = 1,24591235...; zn = (1 + 2h)n + ; z(0,5) = z5 = 1,74416; e(0,1) =
2 2
0,11498091; z(0,2) = z4 = 1,23205, e(0,05) = 0,01386235)
13.22. Aplicar el mtodo de Euler para calcular el valor aproximado en x de la
solucin del problema de valor inicial y = 1 x + y, y(x0) = y0 usando
como z0 = y0 y tamaos de paso h para aproximar la solucin exacta y(x).
Calcular el lmite cuando el tamao de paso tiende a cero del valor
obtenido.
(Solucin: La solucin exacta es y(x) = x + (y0 x0) e x x 0 y la solucin
aproximada es zn = x0 + nh + (y0 x0)(1 + h)n que en el lmite coincide con la
exacta.)
13.23. Aplicar el mtodo de Euler para calcular el valor aproximado en x = 2
de la solucin del problema de valor inicial y = y, y(0) = 1 usando como z0

= 1 y tamaos de paso h = 0,05, h = 0,1, h = 0,2 respectivamente.
Comparar los errores globales.
(Solucin: La solucin exacta es y(x) = ex y(2) = 7,38906.
z(2) y(2) z(2)
h = 0,2 6,19174 1,19732
h = 0,1 6,72750 0,66156
h = 0,05 7,03999 0,34907
13.1. Aplicar el mtodo de Euler para calcular el valor aproximado en x de la
solucin de los problemas de valor inicial i) y = x, y(0) = 0, ii) y = x2, y(0)
= 0 usando como z0 = 0 y tamaos de paso h para aproximar la solucin
exacta y(x). Calcular el lmite cuando el tamao de paso tiende a cero del
valor obtenido.
n 2 h 2 nh 2
(Solucin: i) La solucin exacta es y(x) = x2/2 zn = que en el
2 2
lmite coincide con la exacta. ii) La solucin exacta es y(x) = x3/3 zn =
n 3 h 3 n 2 h3 nh 3
que en el lmite coincide con la exacta.).
3 2 6
1
de la solucin del problema de valor inicial y = x + 2y, y(0) = 1
2
usando como z0 = 1 y tamao de paso h = 0,1. Lo mismo con x = 0,2, h =
0,05. Comparar los errores globales.

x x
(Solucin: La solucin exacta es y(x) = e2x + y zn = (1 + 2h)n +
2 2
zn y(x) y(x) zn
x = 0,5, h = 0,1 2,73832 2,968281828 0,229961
x = 0,2, h = 0,05 1,5641 1,591824698 0,027724
13.1. Calcular en funcin de h los errores local, global y de truncamiento en
el punto xn al aplicar el mtodo zn+1 zn = (h/3)(f(xn+1, zn+1) + 2f(xn, zn)) al
problema y = y, y(0) = 1, tomando como valor inicial z0 = 1. Calcular el
lmite del error global cuando h tiende a cero, pero siendo nh constante.
n n 1 n
3 2h 3 2h 3 2h
(Solucin: e(h) = enh , el(h) = eh , Tn =
2h 2h 2h
h nh 2h (n-1)h
1 e 1 e , el lmite es cero).
3 3
13.2. Calcular los errores local, global y de truncamiento en el punto x = 2 y x
= 2, al aplicar el mtodo zn+1 zn = (h/3)(f(xn+1, zn+1) + 2f(xn, zn)) al
problema y = y, y(0) = 1, tomando como valor inicial z0 = 1 y tamao de
paso h = 0,1 y h = 0,1 respectivamente.
(Solucin: x = 2, h = 0,1, n = 20, e(0,1) = 0,27696..., el(0,1) = 0,011179..., Tn
= 0,011129.... x = 2, h = 0,1, n = 20, e(0,1) = 0,004702..., el(0,1) =
0,00023302..., Tn = 0,00024908...).
13.3. Aplicar el mtodo zn+1 zn = h(f(xn+ h/2, zn + (h/2)f(xn, zn)) al problema

y = x + 1, y(0) = 0, tomando como valor inicial z0 = 0 y tamao de paso h.
b) Lo mismo tomando como valor iniciador z0 = 4h. c) Lo mismo con z0 =
0,01. Es el mtodo convergente?
1 1
(Solucin: zn = z0 + (nh)2 + nh; y(x) = x2 + x; En a) y b) zn converge a la
2 2
solucin exacta. En c) no, pero esto no contradice la definicin de
convergencia).
13.4. Obtener la ecuacin en diferencias finitas que resulte de aplicar el
3 1
mtodo: zn+1 zn = h( f(xn, zn) + f(xn + 2h, zn + 2hf(xn, zn))) al problema
4 4
y = y + 3, y(0) = y0, tomando como valor inicial z0 = y0.
n
h 2
(Solucin: zn = (y0 3) 1 h 3. ).
2

13.5. Aplicar el mtodo de Taylor de orden dos a y = 2x + 3y, y(0) = 0, con
tamao de paso h para aproximar la solucin en x = nh, tomando como
valor inicial z0 = 0. Obtener la solucin exacta de la ecuacin y calcular el
lmite cuando h tiende a cero, siendo nh constante, del error global
cometido.
2 9 2hn 2 2
(Solucin: zn = (1 + 3h + h2)n . y(x) = (e3x 6x 1), el lmite
9 2 3 9 9
del error global es cero.).

13.6. Aplicar el mtodo de Taylor de orden dos y de orden tres a y = y, y(0) =
1, con tamao de paso h para aproximar la solucin en x = 1, tomando
valorar el error global cometido cuando n = 1, 2, 4, 5, 10, 100 y 1000.
Comparar los resultados obtenidos entre s y con los del mtodo de Euler.
(Solucin:
Resultados de aplicar el mtodo de Euler y mtodos de Taylor de orden dos y
cuatro a: y = y, y(0)=1, para aproximar la solucin en x = 1. y(x) = e =
2,7182818...
n 1 2 4 5 10 100 1000
Euler 2 2,25 2,44... 2,488... 2,5937... 2,7048... 2,7169...
Error 0,718 0,468 0,278 0,230 0,124 0.013481 0,00138
Taylor 2 2,5 2,64062 2,69485 2,702708 2,714080 2,718236 2,718281
1 8 8 3
Error 0,218 0,077 0,023 0,01557 0,000420 0,000045 0,000000528
Taylor 3 2,66667 2,70877 2,71683 2,71751 2,718177 2,718281
Error 0,0516 0,00951 0,001451 0,000771 0,000104 1,28 * E7
8 8 8
Se observa que en Euler varan como h, en Taylor 2 como h2, y en Taylor 3
como h3.
2 2
13.1. Aplicar el mtodo de Taylor de orden dos y de orden tres a y = x + y ,
y(0) = 0, con tamao de paso h = 0,1 y h = 0,2, para aproximar la solucin
en x = 0,4, tomando como valor inicial z0 = 0. Obtener la solucin exacta
de la ecuacin y valorar el error global cometido cuando n = 1, 2, 4, 5, 10,
100, 1000. Comparar los resultados con los del mtodo de Euler.
(Solucin: z2 = 0,016; z4 = 0,020072. La solucin exacta es desconocida)
h
13.2. Escribir el tablero de Butcher para el mtodo: zn+1 = zn + (f(xn, zn) +
4
2h 2h
3f(xn + , zn + f(xn, zn))).
3 3
n
13.3. Resolver la ecuacin en diferencias finitas: zn+4 + 2zn+2 + zn = cos
2
1
siendo z0 = 1, z1 = 2, z2 = , z3 = 4.
2
n n
(Solucin: zn = (1 n + n2/8)cos + (5 3n) sen ).
2 2
13.4. Resolver la ecuacin en diferencias finitas: zn+3 4zn+2 + 8zn+1 8zn =
3 siendo z0 = 1, z1 = z2 = 0.
1 1 n 5 n
(Solucin: zn = 2n( cos sen ) + 1).
4 4 3 4 3 3
N
13.5. Obtener una frmula que calcule n4 siendo N un nmero natural.
n 1
n5 n 4 n3 n
(Solucin: sn+1 sn = 0 sn = + + ).
5 2 3 30
13.6. Para qu valores de a, b y c el mtodo zn+1 zn = h(af(xn, zn) + (1
a)f(xn + bh, zn + chf(xn, zn))) es convergente? Para qu valores de a, b y
c dicho mtodo obtiene el mximo orden de consistencia? Es el mtodo
convergente? Si se aplica el primer mtodo y el segundo al problema y =
x + 1, y(x0) = 1, tomando como valor inicial z0 = 1 y tamao de paso h,
se puede asegurar que zn coincide con el valor exacto de la solucin en
xn?
(Solucin: Es convergente para todo a, b y c. Orden de consistencia mximo
1
p=2b=c= ).
2( 1 a )
13.7. Para qu valores de a y b el mtodo zn+1 zn = h(af(xn, zn) + bf(xn +
1 1
h, zn + hf(xn, zn))) tiene de orden de consistencia dos? Aplicar el
2 2
mtodo al problema y = y + 2, y(1) = 2, tomando como valor inicial z0 = 2
y tamao de paso h = 0,1 para obtener el valor aproximado de la solucin
en x = 3.
(Solucin: a = 0, b = 1; z20 = z(3) = 27,464939...).
h 2
13.8. Dado el mtodo numrico: zn+1 zn = (f(xn, zn) + 3f(xn + h, zn +
4 3
ahf(xn, zn))) obtener el valor de a para que el orden de consistencia sea

mximo. Cul es ese orden? Aplicar el mtodo al problema y = y x2,
y(0) = 2, tomando como valor inicial z0 = 2 y tamao de paso h, para
obtener el valor aproximado de la solucin en xn = nh. Se puede
asegurar que la solucin es exacta?
(Solucin: a = 2/3; p = 2; zn = n2h2 + 2nh + 2 = x2 + 2x +2, solucin exacta).
h
13.9. Dado el mtodo numrico: zn+1 zn = (f(xn, zn) + f(xn+1, zn+1))
2
h2
(g(xn, zn) g(xn+1, zn+1)) donde f y g significan: y = f(x, y), g(x, y) = fx(x,
12
y) + fy(x, y), aplicarlo al problema: y = y + x, y(0) = 0, tomando como valor
inicial z0 = 0 y tamao de paso h = 0,1, para obtener el valor aproximado
de la solucin en x = 2. Calcular lm zn . Obtener el orden de

n
nh cte
consistencia del mtodo.
n
12 6h h 2
(Solucin: z20 = z(2) = 4,3890561; zn = nh 1 ex x 1; p = 3).
12 6h h 2

3 1
13.10. Dado el mtodo numrico: zn+1 zn = h( f(xn, zn) + f(xn + 2h, zn +
4 4
2hf(xn, zn))), aplicarlo al problema: y = y + 2, y(0) = 3, tomando como
valor inicial z0 = 3 y tamao de paso h, para obtener el valor aproximado
de la solucin en xn = nh. Calcular lm zn . Coincide este lmite con el

n
nh cte x
valor exacto de la solucin del problema en x? Calcular el valor

aproximado de la solucin en x = 3 utilizando un tamao de paso h = 0,1.
n
h 2
(Solucin: zn = 5 1 h 2 5ex 2, valor exacto; z30 = z(3) =
2

98,4227... y(3) = 98,4276...).
13.11. Aplicar el mtodo de Taylor de orden dos al problema:
y 1' ( x ) 2 8 y 1( x ) 2 y 1( 0 ) 2
,
y 2 ' ( x ) 0 4 y 2 ( x ) 16 x y 2 ( 0 ) 2
z0 ( 0 ) 2
tomando como valor inicial 1 y tamao de paso h = 0,1 para

z 0 2 ( 0 ) 2
obtener el valor aproximado de la solucin en x = 0,1.
0,14
(Solucin: z1 = z(0,1) = ).
3,04
13.12. Aplicar el mtodo de Runge-Kutta cuatro al problema:
y 1' ( x ) 1 0 y 1( x ) x y 1( 0 ) 0
,
y 2 ' ( x ) 1 2 y 2 ( x ) 1 y 2 ( 0 ) 0
z0 ( 0 ) 0
tomando como valor inicial 1 y tamao de paso h para obtener el

z
02 ( 0 ) 0
valor aproximado de la solucin en x = h.

h 4 h3 h2

(Solucin: z1 = z(h) = 24 6 2 ).
11h 4 5h 2
h 1
24 6
13.13. Aplicar el mtodo de Taylor de orden dos al problema: y + 2xy + y =
2, y(0) = 1, y(0) = 0, determinando previamente el sistema asociado a la
ecuacin diferencial, tomando como valor inicial z0 = 0 y tamao de paso
h = 0,2, para obtener el valor aproximado de la solucin en x = 0,2.
calcular el error en el mtodo de Euler, (del ejemplo 13.1.2) en que z0,1(1)
= 34,411490 y z0,05(1) = 45,588399.
h
13.15. Aplicar el mtodo zn+1 = zn + (k1 + k2) siendo k1 = f(xn, zn), k2 = f(xn +
2
y 1' ( x ) 2 1 y 1( x ) 2
h, zn + hk1), al sistema: , con
y 2 ' ( x ) 0 1 y 2 ( x ) x
y 1( 0 ) 0 z0 ( 0 ) 0
para calcular z1 tomando como valor inicial 1

2
y ( 0 ) 0 z
2 0 ( 0 ) 0
y tamao de paso h.
CAPTULO 14
Mtodos numricos lineales multipaso
Los mtodos numricos de resolucin de ecuaciones diferenciales que
se han considerado en el captulo anterior proporcionan el valor aproximado
zn+1 de la solucin de un problema de valor inicial en el punto xn+1 a partir de
otro valor aproximado zn de la solucin en el punto xn. Para obtener zn+1 se
han tenido que calcular previamente los valores aproximados de la solucin
en los puntos de la malla x1, x2, ..., xn. Parece entonces razonable desarrollar
frmulas numricas que aprovechen la informacin obtenida en etapas
anteriores para obtener el valor aproximado zn+1. Se obtienen de esta forma
los mtodos lineales multipaso, que constituyen el segundo gran grupo de
mtodos numricos para resolver un problema de valor inicial y que son el
objetivo de estudio de este captulo. Por una mayor simplicidad se supone
que los mtodos que se presentan son de paso fijo, es decir, la diferencia
entre xn+1 y xn es siempre constante, xn+1 xn = h, aunque existen otros
mtodos de paso variable, como se comentar en la seccin 5.

Mtodos numricos lineales multipaso 984
14.1. DEFINICIN
y f ( x , y )
Se considera el problema de valor inicial:
y ( x 0 ) y 0
Definicin 14.1.1:
Un mtodo lineal de k pasos viene determinado por una expresin de
la forma:
k k
j zn j h j f ( x n j , zn j ) , n 0,
j 0 j 0
donde j y j son nmeros reales.
Se suele representar a f(xn+j, zn+j) como fn+j, por lo que se obtiene la
expresin:
0zn + 1zn+1 + ... + kzn+k = h[0fn + + kfn+k] (14.1.1)
Para que el mtodo sea de k pasos se debe imponer que 0+0
sea distinto de cero y que el coeficiente k tambin sea distinto de cero. Sin
prdida de generalidad es posible, por tanto, normalizar el mtodo
imponiendo que k = 1. Se trata entonces de obtener a travs de esta
frmula el valor de zn+k suponiendo conocidos los valores de zn, zn+1, ... y de
zn+k-1.
Se observa que tanto los mtodos de un paso como los mtodos

985 Captulo 14: Mtodos Numricos
multipaso vienen definidos por una ecuacin en diferencias.
El objetivo de este captulo es obtener frmulas de estas caractersticas
que proporcionen una aproximacin razonable a la solucin del problema de
valor inicial al que se aplican.
Si el coeficiente k es igual a cero se dice que el mtodo es explcito o
de tipo abierto. En este caso se obtiene el valor de zn+k directamente
despejando en la ecuacin:
zn+k = (0zn + 1zn+1 + ... + k-1zn+k-1 ) + h[0fn + + k-1fn+k-1]
Si k es distinto de cero se dice que el mtodo es implcito o de tipo
cerrado. En un mtodo implcito para despejar zn+k es preciso despejarlo
tambin en fn+k para lo que en general es necesario aplicar a la ecuacin en
diferencias un procedimiento de iteracin adecuado a las caractersticas de
la frmula.
Una primera observacin es que para poder aplicar un mtodo lineal
multipaso se necesita conocer previamente los valores de arranque. Si la
frmula es de k pasos se necesita conocer como valores de partida el valor
de z0, z1, ..., y de zk, es decir, los valores de arranque de la frmula. Como el
problema de valor inicial slo proporciona el primero de ellos, z0 = y0, los
restantes valores se pueden obtener aplicando en primer lugar una frmula
de un paso, como puede ser alguno de los mtodos de Taylor, de Runge-
Kutta o el mtodo de Euler.

Una segunda observacin es que los mtodos actuales combinan
frmulas de diferente nmero de pasos, y tambin aumentan o disminuyen el
tamao del paso, h, en la medida en que lo permite el control del error que se
va cometiendo al aplicar las frmulas.
Ejemplos resueltos
Ejemplo 14.1.1: Utilizando el teorema del valor medio se obtiene que:
(xn+2) (xn) = 2h(c) donde c es un punto intermedio entre xn y xn+2. Si se
toma como c = xn+1 se tiene: (xn+2) (xn) = 2h(xn+1).
Si se supone que (x) es la solucin del problema de valor inicial
y f ( x , y )
se tiene que (xn+1) = f(xn+1, (xn+1)), y por tanto (xn+2) (xn)
y ( x 0 ) y 0
= 2hf(xn+1, (xn+1)), lo que da origen al mtodo:
zn+2 zn = 2hfn+1,
que es uno de los mtodos de Nystrm.
Ejemplo 14.1.2: Comparar la frmula anterior con la expresin general
de un mtodo multipaso y determinar el nmero de pasos y sus coeficientes.
Al comparar zn+2 zn = 2hfn+1 con: 0zn + 1zn+1 + ... + kzn+k = h[0fn
+ + kfn+k] se obtiene que 2 = 1, 1 = 0, 0 = 1, 2 = 0, 1 = 2, 0 = 0, por
lo que es un mtodo explcito de dos pasos.

Ejercicios
14.1. Comparar el mtodo de Nystrm:
h
zn+3 zn+1 = (7fn+2 2fn+1 + fn)
3
con la expresin general de un mtodo multipaso y determinar
sus coeficientes y el nmero de pasos.
14.2. En los mtodos de Milne-Simpson:
a) zn+2 = zn + 2hfn+2
h
b) zn+2 = zn + (fn+2 + 4fn+1 + fn)
3
comparar con la expresin general de un mtodo multipaso
determinando sus coeficientes y el nmero de pasos. Determinar
si son mtodos implcitos o explcitos.
14.2. MTODOS DE ADAMS
Los mtodos de Adams son los mtodos lineales multipaso ms
antiguos, ya que datan del siglo XIX. John C. Adams (1 819 1 892), al
analizar, en 1 846, irregularidades en la rbita de Saturno hizo la conjetura de
la existencia de otro planeta, por lo que cuando fue observado Urano, que
hasta entonces no se conoca, sus mtodos adquirieron fama, incluso fuera
de la comunidad cientfica. Los mtodos que se conocen como mtodos de
Adams, ste no los public. Fueron publicados en 1 885 los mtodos que hoy
se conocen como mtodos de Adams-Bashforth o mtodos explcitos, por
Bashford, en un trabajo relacionado con el tratamiento numrico de
problemas de capilaridad, tensin superficial y sobre la forma de una gota,
aunque en dicho trabajo coment que ya eran conocidos desde 1 855 por
Adams. Los mtodos implcitos, o mtodos de Adams-Moulton, aparecen en
1926, en un trabajo relacionado con problemas de balstica.
A pesar de su antigedad los mtodos de Adams son los mtodos
lineales multipaso mas utilizados y, debido a sus buenas propiedades,
continan en la actualidad siendo empleados mediante modernos algoritmos
y, salvo problemas particulares, son los nicos mtodos lineales multipaso de
inters de propsito general. Aunque durante los aos 1960-1970 se
utilizaron muchos otros mtodos, como los mtodos de Nystrm o los
mtodos de Milne-Simpson de los ejemplos y ejercicios del apartado anterior,
todos ellos han perdido inters con la experiencia obtenida en el uso de los
ordenadores y con el conocimiento adquirido sobre la convergencia de un
mtodo.
Los mtodos de Adams son pues los ms populares dentro de los
mtodos multipaso. Tienen la forma
zn+k zn+k-1 = h[0fn + + kfn+k].

Las formulas de Adams son entonces frmulas multipaso en las que los
coeficientes n+j son todos cero salvo n+k y n+k-1, que valen 1 y 1
respectivamente. Los coeficientes n+j deben adems tomar unos valores
especficos que permitan obtener buenas aproximaciones a la hora de aplicar
las frmulas.
Si el coeficiente k es igual a cero se tienen los mtodos de Adams
explcitos, que se conocen como mtodos de Adams-Bashforth.
Si k es distinto de cero, los mtodos son implcitos y se conocen como
mtodos de Adams-Moulton.
Los mtodos de Adams suelen aparecer representados de la forma:
zn+1 zn = h[0fn-k+1 + + kfn+1].
Se construyen partiendo de la idea de aproximar la ecuacin diferencial
mediante la frmula que se obtiene integrando la ecuacin diferencial: y =
f(x, y) en el intervalo [xn, xn+1]:
xn h xn h
x n
y' dx = x n
f ( x , y ( x )) dx
xn h
y( xn h ) y( xn ) x n
f ( x , y ( x )) dx
El valor y(xn + h) de la solucin y(x) en el punto xn + h se puede
expresar entonces como:

xn h
f ( x , y ( x )) dx
La dificultad en la frmula anterior estriba en el hecho de que no es
posible integrar f(x, y(x)) sin conocer la solucin y(x). Sin embargo, al
conocer los k puntos (xn, zn), ..., (xn-k+1, zn-k+1), se puede sustituir la funcin
f(x, y) por el nico polinomio Pk(x) de grado k 1 que verifica que:
Pk(xi) = f(xi, zi), con i = n k + 1, , n,
y a continuacin integrar el polinomio en vez de la funcin:
xn 1
zn 1 zn Pk ( x ) dx
xn
Los mtodos de Adams-Moulton resultan ms precisos pero tienen la
dificultad de ser implcitos, por lo que conllevan el tener que resolver una
ecuacin.
En las secciones siguientes se construyen de manera detallada los
diferentes mtodos de Adams utilizando polinomios interpoladores por el
mtodo de Lagrange, o mejor, por el mtodo de Newton, pero antes se vern
algunas de las expresiones de estos mtodos que permitan familiarizarse
con ellos.
Por ejemplo, la expresin que se obtiene de un mtodo multipaso de
Adams-Bashforth de cuatro pasos con un error de truncamiento de orden
O(h5) y que, si no se advierte el orden, es el que se suele denominar

simplemente como mtodo de Adams-Bashforth es:
h
zn 4 zn 3 ( 55f n 3 59f n 2 37f n 1 9f n )
24
donde fk representa el valor f(xk, zk). Se observa que para poder comenzar a
aplicar este mtodo se deben conocer cuatro valores iniciadores z0, z1, z2 y
z3, con los que se puede calcular z4; a partir de ese punto, para calcular el
siguiente valor se utilizan valores de z ya calculados ms uno nuevo en cada
paso.
El mtodo de Adams-Moulton ms usado es el de tres pasos, que tiene
la frmula:
h
zn 3 zn 2 ( 9f n 3 19f n 2 5f n 1 f n )
24
con un error de truncamiento de orden O(h5). Se observa que para calcular
fn+3 se debe conocer ya zn+3, por lo que se tiene una ecuacin implcita que
se debe resolver. Es pues una frmula cerrada.
14.2.1. Mtodos de Adams-Bashforth
Las frmulas de Adams-Bashforth de k pasos se obtienen al sustituir la
funcin f(x, y(x)) que aparece en la expresin
xn h
f ( x , y ( x )) dx
por el polinomio interpolador de la funcin en los puntos xn, xn-1, ..., xn-k+1, en
los que se supone que ya es conocido el valor de la solucin en zn, zn-1, ...,
zn-k+1. Se sustituye entonces en la frmula anterior la funcin f(x, y(x)) por el
nico polinomio Pk-1(x) que verifica que:
Pk-1(xi) = f(xi, zi), para n k + 1 i n
y se integra el polinomio en vez de la funcin. Se tiene entonces:
x n 1
z n 1 zn x n
Pk 1( x ) dx .
Se busca el polinomio interpolador que pasa por un nico punto (xn, f(xn,
zn)), siendo f(xn, zn) = fn. Dicho polinomio es de grado cero, es decir, es una
constante que coincide con el valor de fn: P0(x) = fn
x n 1 x n 1 x n 1
z n 1 zn x n
P0 ( x ) dx = z n x n
fn dx = z n fn x n
dx =
zn + fn(xn+1 xn) = zn + fnh zn+1 = zn + fnh,
Se obtiene el mtodo de Euler. Por tanto el mtodo de Euler coincide
con el mtodo de Adams-Bashforth de un paso.
Para obtener el mtodo de Adams-Bashforth de dos pasos se busca el
polinomio interpolador que pase por los puntos:
(xn, f(xn, zn)) = (xn, fn) y (xn-1, f(xn-1, zn-1) = (xn-1, fn-1).
Es una recta, un polinomio de grado uno, P1(x) = a0 + a1(x xn). Para x
= xn se obtiene P1(xn) = fn = a0 = P0(x). Para x = xn-1 se obtiene P1(xn-1) = fn-1 =

f n f n 1
a0 + a1(xn-1 xn) a1 = . Se denota a fn fn-1 = fn, que se
x n x n 1
denomina diferencia regresiva de fn. Al ser xn xn-1 = h, se tiene
f n
P1(x) = P0(x) + (x xn).
h
Sustituyendo en la frmula:
x n 1 x n 1 f n
z n 1 zn x n
P1( x ) dx = zn
xn
( P0 ( x ) +
h
( x - x n )) dx =
x n 1 f n x n 1 f n h 2
zn x n
P0 ( x ) dx
h x n
( x x n ) dx = zn + fnh +
h

2
=
h
zn + fnh + fn,
2
por lo que se obtiene:
1
zn+1 = zn + h(fn + fn)
2
h
zn+1 = zn + (3fn fn-1),
2
que es el mtodo de Adams-Bashforth de 2 pasos.
Tambin se puede escribir segn la expresin general de los mtodos
de k pasos:
h
zn+2 = zn+1 + (3fn+1 fn).
2
En general, usando la ewton n de los polinomios interpoladores de
ewton, se tiene que el polinomio que pasa por los k puntos:
(xn, fn), (xn-1, fn-1), ..., (xn-k+1, fn-k+1),
es Pk-1(x) = a0 + a1(x xn) + a2(x xn)(x xn-1) + ... + ak(x xn)...(x xn-k+1)
1
siendo an n fn , donde:
n
n! h
0f n = f n;
1fn = fn = fn fn-1;
2fn = (fn) = (fn fn-1) = fn fn-1 = fn 2fn-1 + fn-2;
y en general, se puede demostrar por induccin, que la expresin del
operador de diferencias regresivas es:
p p p
pfn = fn fn-1 + ... + (-1)p fn-p. (14.2.1)
0 1 p
x n 1
Al calcular z n 1 zn x n
Pk 1( x ) dx , los coeficientes coinciden con
los de los mtodos anteriores y slo es preciso obtener un nico coeficiente,
el ltimo, pues:
Pk-1(x) = Pk-2(x) + ak(x xn)...(x xn-k+1)

x n 1 x n 1 1 x n 1
x n
Pk 1( x ) dx = x n
Pk 2 ( x ) dx +
k! hk
k fn x n
(x - x n )...(x - x n - k 1 ) dx
Se denomina:
1 x n 1
i
i ! h i 1 x n
( x x n )...( x x n i 1 ) dx
se tiene que:
zn+1 = zn + h[00 + 11 + + k-1k-1]fn.
Definicin 14.2.1:
La expresin general de un mtodo de Adams-Bashforth de k pasos
es:
zn+1 = zn + h[00 + 11 + + k-1k-1]fn
donde:
1 x n 1
i
i ! h i 1 x n
( x x n )...( x x n i 1 ) dx .
1
Se ha utilizado esta expresin para obtener que: 0 = 1; 1 = . De la
2
5 3
misma forma pueden obtenerse los siguientes coeficientes: 2 = ; 3 = ;
12 8
251 95 19087
4 = ; 5 = ; 6 = ... . Los mtodos de Adams-Bashforth se
720 288 60480
pueden expresar como:

1 1 5 2 3 3
zn+1 = zn + h[0 + + + + ]fn
2 12 8
El clculo de las integrales correspondientes resulta cada vez ms
engorroso por lo que conviene encontrar otros caminos. Se puede demostrar
por induccin que:

i i 1 ... 0 1 .
2 i 1
Al sustituir las diferencias regresivas mediante la expresin 14.2.1 y
aumentar el valor de n para tener escritos los mtodos en su expresin
general se obtienen otras expresiones de los mtodos de Adams-Bashforth
de 2, 3, 4 y 5 pasos:
h
z n 2 zn 1 ( 3fn 1 fn )
2
h
zn 3 zn 2 ( 23fn 2 16fn 1 5fn )
12
h
zn 4 zn 3 ( 55fn 3 59fn 2 37fn 1 9fn )
24
h
zn 5 zn 4 ( 1901fn 4 2774fn 3 2616fn 2 1274fn 1 251fn )
720
14.2.2. Mtodos de Adams-Moulton
La diferencia esencial entre los mtodos de Adams-Bashforth y los
mtodos de Adams-Moulton es que mientras los primeros son explcitos, los
segundos son implcitos. La construccin de estos ltimos es similar a la de
los mtodos de Adams-Bashforth, pero en este caso se sustituye la funcin

por el polinomio interpolador que pasa por los puntos:
(xn+1, fn+1), (xn, fn), (xn-1, fn-1), ..., (xn-k+1, fn-k+1).
Si se busca el polinomio interpolador que pasa por un nico punto (xn+1,
fn+1), dicho polinomio es de grado cero, por lo que el polinomio es una
constante: P0(x) = fn+1.
x n 1 x n 1
z n 1 zn x n
P0 ( x ) dx = zn x n
fn 1 dx = zn + fn+1h
que es el mtodo de Euler regresivo o implcito.
Para obtener el siguiente mtodo de Adams-Moulton se busca el
polinomio interpolador que pase por los puntos (xn+1, fn+1) y (xn, fn). Es un
polinomio de grado uno, P1(x) = a0 + a1(x xn+1).
Para x = xn+1 se obtiene P1(xn+1) = fn+1 = a0 = P0(x).
f n 1 f n
Para x = xn se obtiene P1(xn) = fn = a0 + a1(xn xn+1) a1 = .
x n 1 x n
Al ser xn+1 xn = h y al denotar a fn+1 fn como fn+1 mediante la diferencia
f n 1
regresiva de fn+1 se obtiene P1(x) = P0(x) + (x xn+1). Sustituyendo en
h
la frmula:
x n 1
z n 1 zn x n
P1( x ) dx =
x n 1 f n 1 x n 1
zn x n
P0 ( x ) dx
h x n
( x x n 1 ) dx =
f n 1 h2
zn + fn+1h + ,
h 2

por lo que se obtiene:
1 1 h
zn+1 = zn + h(fn+1 fn+1) = zn + h(0 1)fn+1 = zn + (fn+1 + fn).
2 2 2
que es un mtodo implcito de un paso, la regla del trapecio.
Para k = 2 se busca el polinomio interpolador que pase por los puntos
(xn+1, fn+1), (xn, fn) y (xn-1, fn-1). Es un polinomio de segundo grado, P2(x) = a0 +
a1(x xn+1) + a2(x xn+1)(x xn).
Para x = xn+1 se obtiene P2(xn+1) = fn+1 = a0 = P0(x).
f n 1 f n
Para x = xn se obtiene P2(xn) = fn = a0 + a1(xn xn+1) a1 =
x n 1 x n
f n 1
= .
h
Para x = xn-1 se obtiene P2(xn-1) = fn-1 = a0 + a1(xn-1 xn+1) + a2(xn-1
xn+1)(xn-1 xn) a2 = (fn-1 a0 a1(xn-1 xn+1))/((xn-1 xn+1)(xn-1 xn)) =
2fn 1
.
2h 2
2fn 1
Se verifica que P2(x) = P1(x) + (x xn+1)(x xn), por lo que
2h 2
integrando:
xn 1
zn 1 zn P2 ( x ) dx =
xn
x n 1 2fn 1
x
xn 1
zn
n
P1( x ) dx
2h 2 xn
( x xn 1 ) ( x xn ) dx =
h 2fn 1 3 1
zn + fn+1h fn+1 + 2
h ( )
2 2h 6
1 1 1 2 h
zn+1 = zn + h(0 )fn+1 = zn + (5fn+1 + 8fn fn-1).
2 12 12
que es el mtodo de Adams-Moulton de 2 pasos.
Definicin 14.2.2:
La expresin general de un mtodo de Adams-Moulton de k pasos
es:
zn+1 = zn + h[*00 + *11 + + *kk]fn+1
siendo:
1 x n 1
0 * = 1 y * i
i ! h i 1 xn
( x x n 1 )...( x x n i 2 ) dx
1 1
Se ha obtenido ya que: *0 = 1 y *1 = ; *2 = . Al utilizar la
2 12
1 19 3
frmula anterior se obtiene que *3 = , *4 = , *5 = , *6 =
24 720 160
863
... por lo que:
60480
1 1 1 3
zn+1 = zn + h[0 1 2 ]fn+1
2 12 24
Al sustituir las diferencias regresivas mediante la expresin 14.2.1 y
aumentar el valor de n para tener escritos los mtodos en su expresin
general se obtienen otras expresiones de los mtodos de Adams-Moulton de
1, 2, 3 y 4 pasos:
h
z n 1 zn ( f n 1 f n ) Regla del trapecio
2
h
z n 2 z n 1 ( 5f n 2 8f n 1 f n )
12
h
zn 3 zn 2 ( 9f n 3 19f n 2 5f n 1 f n )
24
h
zn 4 zn 3 ( 251f n 4 646f n 3 264f n 2 106f n 1 19f n )
720
Se puede demostrar por induccin que los coeficientes i* de las
frmulas de Adams-Moulton verifican la relacin:
* i 1 *
*i ... 0 0 con *0 = 1.
2 i 1
Los coeficientes *i y i de las frmulas de Adams implcitas y explcitas
estn adems relacionados entre s. Se puede comprobar fcilmente que:
*0 = 0 y que *i = i i-1.
Esta relacin entre los coeficientes de las dos familias de mtodos
permite expresar de otra manera las frmulas de Adams-Moulton, con lo que
se tiene otra expresin general de los mtodos de Adams-Moulton de k
pasos:
zn+1 = zn + h[00 + 11 + + k-1k-1]fn + khkfn+1.
Esta manera de representar las frmulas de Adams implcitas tiene
inters en la prctica porque permite relacionarlas con las correspondientes
frmulas explcitas. As, si z[0]n+1 representa el valor obtenido al aplicar al
problema y = f(x, y), y(x0) = y0, en la etapa n la frmula de Adams-Bashforth
de k pasos, la frmula anterior permite asegurar que el valor zn+1 que se
obtiene con la frmula de Adams-Moulton correspondiente de k pasos es
zn+1 = z[0]n+1 + khkfn+1.
La expresin anterior permite hacer uso de las frmulas de Adams
implcita y explcita de forma simultnea, sin apenas coste adicional,
siguiendo los pasos correspondientes. Son los mtodos de prediccin-
correccin que evitan tener que despejar zn+1 en fn+1, de manera que
permiten predecir su valor mediante Adams-Bashforth y corregirlo
mediante Adams-Moulton. As, en la etapa n se tienen los siguientes pasos:
Se calcula el valor de z[0]n+1 con la frmula de Adams-Bashforth de k
pasos.
Se evala la funcin f(x, y) en el punto (xn+1, z[0]n+1), es decir, se

calcula f[0]n+1= f(xn+1, z[0]n+1).
Se calcula el valor de z[1]n+1 con la frmula de Adams-Moulton de k
pasos.
Se evala de nuevo la funcin f(x, y) en el punto (xn+1, z[1]n+1), es
decir, se calcula f[1]n+1.
Se calcula, a partir de z[1]n+1, el valor de z[0]n+2 con la frmula de
Adams-Bashforth de k pasos y se repite el proceso.
Es interesante comparar los resultados obtenidos utilizando un mtodo
explcito de Adams-Bashforth de k pasos con los obtenidos usando un
mtodo implcito de Adams-Moulton de k 1 pasos, pues ambos requieren k
evaluaciones de la funcin f por paso y, como se ver ms adelante, su error
de truncamiento es del orden de O(hk). Se puede apreciar que en general los
mtodos de Adams-Moulton dan mejores resultados, tienen un error global
menor y son ms estables, pero tienen el inconveniente de tener que
resolver una ecuacin implcita, como se aprecia en el siguiente ejemplo:
Resultados de aplicar el mtodo de Adams-Bashforth de cuatro pasos y el
mtodo de Adams-Moulton de tres pasos con tamao de paso h = 0,1 y
iniciadores los valores exactos a: y = 1 y + x, y(0) = 1, para aproximar la
solucin en x = 1.
Exacto Adams- Error Adams- Error
Bashforth Moulton
1,36787944 1,36788995 1,052 x 10-5 1,36787859 8,418 x 10-7
En general, la eficiencia de los distintos mtodos est muchas veces
relacionada con el tipo de problema al que se van a aplicar, por lo que es
conveniente reflexionar sobre las ventajas e inconvenientes de cada
mtodo. Para arrancar un mtodo de k pasos se necesitan k puntos iniciales
de la solucin que se deben obtener mediante un mtodo de un paso. Esta
es una de las desventajas de los mtodos lineales multipaso. Estos valores
iniciadores zj, j = 0, ..., k 1, si se supone que son aproximaciones de y(xj),
es natural que converjan a y0 cuando h tiende a cero. Por tanto es importante
asegurar que el mtodo de un paso con el que se generan los valores
iniciadores sea tambin consistente del mismo orden.
Otra desventaja es que aunque el error de truncamiento, tanto en el
mtodo de Adams-Bashforth de cuatro pasos como en el mtodo de Adams-
Moulton de tres pasos, es de igual orden al de Runge-Kutta 4, ste es ms
preciso.
Una ventaja de los mtodos de Adams respecto de los mtodos de
Runge-Kutta 4, es el nmero de veces que se debe evaluar a la funcin. Un
mtodo de Runge-Kutta de orden cuatro necesita en n pasos 4n
evaluaciones, mientras que uno de Adams-Bashforth de cuatro pasos

necesita n 4 ms los iniciadores. Luego si la funcin es complicada, el
mtodo de Adams es ms eficiente.
Los mtodos de Runge-Kutta tienen la ventaja de ser autoiniciadores,
estables, dar una buena precisin y ser fciles de computar, y el
inconveniente, adems del ya comentado, de no proporcionar una estimacin
de la precisin para saber si el tamao de paso es adecuado.
Ejemplos resueltos
Ejemplo 14.2.1: Comprobar los valores que se obtienen de los
coeficientes en los mtodos de Adams utilizando las expresiones:

a) i i 1 ... 0 1 .
2 i 1
* i 1 *
b) * i ... 0 0 .
2 i 1
c) *i = i i-1.
0
a) Para i = 0 1 0 = 1.
0 1
0 1 1
Para i = 1 1 1 1 = 1 = .
1 1 2 2
1 1 5
Para i = 2 2 1 0 1 2 = 1 = .
2 2 1 4 3 12
* i 1 * *
b) * i ... 0 0 con *0 = 1, para i = 1 *1 0 0
2 i 1 1 1
1 * * 1 1 1
* 1 = , para i = 2 * 2 1 0 0 *2 = + = .
2 2 2 1 4 3 12
1 1 5 1 1
c) *i = i i-1; *1 = 1 0 = 1= . *2 = 2 1 = = .
2 2 12 2 12
Ejemplo 14.2.2: Aplicar los mtodos de Adams-Bashforth de dos y tres
pasos al problema de valor inicial y = y, y(0) = 1, con h = 0,1 para aproximar
y(0,5), utilizando como z0 = 1, y a) los valores iniciadores obtenidos mediante
el mtodo de Euler; b) los valores iniciadores obtenidos mediante el mtodo
de Runge-Kutta.
xn = 0,5 = x0 + nh = nh = 0,1n n = 5.
Los mtodos de Adams-Bashforth de dos y tres pasos son:
h
z n 2 z n 1 ( 3fn 1 fn )
2 ,
h
zn 3 zn 2 ( 23fn 2 16fn 1 5fn )
12
y al aplicarlos con f(x, y) = y se obtiene:
h
z n 2 z n 1 ( 3zn 1 z n )
2
.
h
zn 3 zn 2 ( 23zn 2 16zn 1 5zn )
12
Para calcular z2 con la frmula de Adams-Bashforth de dos pasos se
precisa conocer z0 = 1 y z1 que se calcula mediante el mtodo de Euler:

z1 = z0 + hz0 = 1,1.
h 3 3
Se calcula z2 z1 ( 3z1 z0 ) = 1,1 + 0,1(( )1,1 ) = 1,215.
2 2 2
h
z3 z 2 ( 3z2 z1 ) = 1,34225; z4 = 1,4828375, z5 = z(0,5) = 1,638150625.
2
Si se toma como mtodo de arranque la frmula de Runge-Kutta 4 se
h
obtiene que z0 = 1, z1 = 1,105170833. Se calcula z2 z1 ( 3z1 z0 ) =
2
1,220946458; z3 = 1,348829885, z4 = 1,490107045 y z5 = z(0,5) =
1,646181607.
Para calcular z3 con la frmula de Adams-Bashforth de tres pasos se
precisa conocer previamente z0, z1 y z2. Si se obtienen con el mtodo de
Euler se tiene: z0 = 1, z1 = 1,1 y z2 = 1,21. Se calcula
h
z3 z 2 ( 23z2 16z1 5z0 ) = 1,336916667, y del mismo modo z4 =
12
1,477659028 y z5 = z(0,5) = 1,633038119. Y si se utiliza como mtodo de
arranque Runge-Kutta 4 se tiene: z0 = 1, z1 = 1,105170833 y z2 =
h
1,22140257. Se calcula z3 z2 ( 23z2 16z1 5z0 ) = 1,349815285, y
12
del mismo modo z4 = 1,49172499 y z5 = z(0,5) = 1,648555349.
Puesto que el valor exacto es y(0,5) = e0,5 1,648721271 se observa
que el mejor resultado se obtiene usando la frmula de Adams-Bashforth de
tres pasos arrancando con Runge-Kutta 4; la segunda mejor aproximacin se
obtiene usando la frmula de Adams-Bashforth de dos pasos arrancando con

Runge-Kutta 4. Sin embargo se obtiene peor resultado con la frmula de
Adams-Bashforth de tres pasos arrancando con el mtodo de Euler que con
la frmula de Adams-Bashforth de dos pasos arrancando con el mtodo de
Euler. La razn es que la mejor calidad de la frmula de Adams-Bashforth de
tres pasos queda arruinada al utilizar un mal mtodo de arranque (Euler). Se
estudiar, como en los mtodos de un paso, el concepto de orden de
consistencia y de orden de convergencia y se comprobar que se debe usar
un mtodo de arranque cuyo orden de consistencia sea al menos igual al del
mtodo multipaso usado.
Ejemplo 14.2.3: Aplicar los mtodos de Adams-Moulton de tres y dos
pasos al problema de valor inicial y = y, y(0) = 1, con h = 0,1 para aproximar
y(0,5), utilizando como z0 = 1, y a) los valores iniciadores obtenidos mediante
el mtodo de Euler; b) los valores iniciadores obtenidos mediante el mtodo
de Runge-Kutta 4.
xn = 0,5 = x0 + nh = nh = 0,1n n = 5.
El mtodo de Adams-Moulton de tres pasos es:
h
zn 3 zn 2 ( 9fn 3 19fn 2 5fn 1 fn )
24
y al aplicarlo con f(x, y) = y se obtiene:
h
zn 3 zn 2 ( 9zn 3 19zn 2 5zn 1 zn )
24
Para calcular z3 se precisa conocer z0 = 1, z1 = 1,1 y z2 = 1,21 para lo

que se utiliza el mtodo de Euler. Se obtiene que z3 = 1,337186147, z4 =
1,477840745, z5 = z(0,5) = 1,633267629.
Si se toma como mtodo de arranque Runge-Kutta 4 se obtiene que z0
= 1, z1 = 1,105170833 y z2 = 1,22140257 y utilizando el mtodo: z3 =
1,349858924, z4 = 1,491825192 y z5 = z(0,5) = 1,648722219.
Los mtodos de Adams-Moulton exigen, al ser implcitos, resolver en
cada paso una ecuacin, que en este ejemplo es sencilla, pero puede
complicarse en otros.
El mtodo de Adams-Moulton de dos pasos es:
h
z n 2 z n 1 ( 5fn 2 8fn 1 fn ) ,
12
y al aplicarlo con f(x, y) = y se obtiene:
h
z n 2 z n 1 ( 5 z n 2 8z n 1 z n ) .
12
Para calcular z2 se precisa conocer z0 = 1 y z1, para lo que se utiliza el
mtodo de Euler: z1 = 1,1. Se obtiene que:
h 0,1
z2 z1 ( 5z2 8z1 z0 ) = 1,1 ( 5z2 8( 1,1) 1) , de donde se
12 12
despeja z2. Se obtiene de igual modo que:
z3 = 1,343508507, z4 = 1,484812493, z5 = z(0,5) = 1,640978179.
Si se toma como mtodo de arranque Runge-Kutta 4 se obtiene que z5
= z(0,5) = 1,648747592.
Puesto que el valor exacto es y(0,5) = e0,5 1,648721271 se observa
que el mejor resultado se obtiene usando la frmula de Adams-Moulton de
tres pasos arrancando con la frmula de Runge-Kutta 4 (z5 = 1,648722219),
luego usando la frmula de Adams-Moulton de dos pasos arrancando con la
frmula de Runge-Kutta 4 (z5 = 1,648747592) y que se arruina el mtodo de
Adams-Moulton de tres pasos al utilizar el mtodo de Euler (Adams-Moulton
de dos pasos: z5 = 1,640978179; Adams-Moulton de tres pasos: z5 =
1,633267629).
Si se comparan entre s los mtodos de Adams-Bashforth y de Adams-
Moulton del ejemplo anterior, usando como mtodo de arranque el de
Runge-Kutta 4, se obtiene:
Adams-Moulton de tres pasos: z5 = 1,648722219;
Adams-Moulton de dos pasos: z5 = 1,648747592;
Adams-Bashforth de tres pasos: z5 = 1,648555349;
Adams-Bashforth de dos pasos: z5 = 1,646181607;
Valor exacto: y(0,5) = e0,5 1,648721271.
Se observa en este ejemplo la mayor precisin de los mtodos de
Adams-Moulton.
Ejemplo 14.2.4: Utilizar el mtodo de Adams-Bashforth de dos pasos,
un tamao de paso h = 0,2 y como valor iniciador el proporcionado por
Runge-Kutta 4, para aproximar y(0,8) de la solucin de y = x + y 1, y(0) =
1. Utilizar la frmula dada mediante las tablas de diferencias regresivas:

1 1
zn+1 = zn + h(0 + )fn.
2
La forma usual de organizar estos clculos es utilizando una hoja de
clculo, con lo que es posible simplificar el proceso
En la primera columna se escribe n, que vara desde 0 hasta el ltimo
valor que se quiera calcular, en este caso, n = 4.
En la segunda columna se calcula xn = x0 + nh = 0 + 0,2n = 0,2n.
Se calcula el valor iniciador usando el mtodo de Runge-Kutta:
x0 = 0; z0 = y0 = 1; f(x, z) = x + z 1 f(x0, z0) = f(0, 1) = 0,
h h
z1 = z0 + (k1 + 2k2 + 2k3 + k4) siendo k1 = f(x0, z0) = 0; k2 = f(x0 + , z0
6 2
h
+ k1) = 0,1; k3 = 0,11; k4 = 0,222 z1 = 1,0214.
2
Se llevan las siguientes expresiones a la hoja de clculo:
0fn = f(xn, zn) = xn + zn 1.
1fn = 0fn 0fn-1.
1 1
zn+1 = zn + h(0 + )fn.
2
y se obtiene:
0fn = f(xn, zn) = 1f n =

n xn zn
xn + zn 1 fn 0fn-1
0
0 0 1 0
1 0,2 1,0214 0,2214 0,2214
2 0,4 1,08782 0,48782 0,26642
3 0,6 1,212026 0,812026 0,324206
4 0,8 1,4068518 1,2068518 0,3948258
Por lo que z(0,8) = z4 = 1,4068518.
Ejercicios
14.3. En la tabla adjunta: a) Completar los valores que faltan:
x 3 4 5 6 7 8 9 10 11
f(x) 15 24 35 63 80 99 143
b) Calcular las diferencias regresivas y utilizarlas para obtener el
polinomio interpolador de Newton de segundo grado que pasa
por los puntos: (3, 15), (4, 24) y (5, 35).
(Solucin: a) 48 y 120; b) P2(x) = 15 + 9(x 3) + (x 3)(x 4))
14.4. Escribir las expresiones de los mtodos de Adams-Bashforth
de 2, 3, 4 y 5 pasos utilizando diferencias regresivas. Utilizar la
expresin 14.2.1 para obtener:

h
z n 2 zn 1 ( 3fn 1 fn )
2
h
zn 3 zn 2 ( 23fn 2 16fn 1 5fn )
12
h
zn 4 zn 3 ( 55fn 3 59fn 2 37fn 1 9fn )
24
h
zn 5 zn 4 ( 1901fn 4 2774fn 3 2616fn 2 1274fn 1 251fn )
720
14.5. Escribir las expresiones de los mtodos de Adams-Moulton
de 2, 3 y 4 pasos utilizando los coeficientes *i y diferencias
regresivas. Escribir las expresiones de esos mismos mtodos
utilizando los coeficientes i. Utilizar la expresin 14.2.1 para
obtener:
h
z n 2 zn 1 ( 5fn 2 8fn 1 fn )
12
h
zn 3 zn 2 ( 9fn 3 19fn 2 5fn 1 fn )
24
h
zn 4 zn 3 ( 251fn 4 646fn 3 264fn 2 106fn 1 19fn )
720
14.6. Calcular los valores de 4, 5, 6, *3, *4 y *5 utilizando las
expresiones:

a) i i 1 ... 0 1 ,
2 i 1
* i 1 *
b) * i ... 0 0 ,
2 i 1
c) *i = i i-1.
251 95 19087 19 3
(Solucin: 4 = , 5 = , 6 = , *3 = , * 4 = , *5 =
720 288 60480 720 160
863
).
60480
14.7. Calcular los valores de 2, 3 y *3 utilizando las expresiones:
1 x n 1
a) i
i ! h i 1 x n
( x x n )...( x x n i 1 ) dx .
1 x n 1
b) * i
i ! h i 1 xn
( x x n 1 )...( x x n i 2 ) dx .
14.8. Escribir el polinomio interpolador de Newton de grado cuatro
2x 2 1
de f(x) = para x igual a 2, 1, 0, 1 y 2.
x2 5
1 1 1 1
(Sol: P4(x) = 1+ (x2)+ (x2)(x1) (x2)(x1)x (x2)(x1)x(x +1)).
2 10 15 30
14.9. Utilizando la frmula de Adams-Bashforth de dos pasos con
1 1
diferencias regresivas: zn+1 = zn + h(0 + )fn. aproximar la
2
solucin en x = 1,2 del problema de valor inicial y = 1 y + x,
y(1) = 1, con tamao de paso h = 0,1 utilizando como valores
iniciadores z0 = 1 y z1 el obtenido mediante:
1 1
zn+1 = zn + h( fn + f(xn + h, zn + hf(xn , zn))).
2 2
(Solucin: z1 = 1,11 ; z2 = 1,2415 ).
14.10. Aplicar los mtodos de Adams-Bashforth de tres y cuatro
pasos al problema de valor inicial y = 1 y + x, y(0) = 1, para
aproximar la solucin en x = 1 con tamao de paso h = 0,1
utilizando como valores iniciadores z0 = 1, y a) los valores
iniciadores obtenidos mediante el mtodo de Euler; b) los valores
iniciadores obtenidos mediante el mtodo de Runge-Kutta 4.
Calcular el error global cometido.
14.11. Aplicar los mtodos de Adams-Moulton de tres y cuatro
pasos al problema de valor inicial y = 1 y + x, y(0) = 1, para
aproximar la solucin en x = 1 con tamao de paso h = 0,1
utilizando como valores iniciadores z0 = 1, y a) los valores
iniciadores obtenidos mediante el mtodo de Euler; b) los valores
iniciadores obtenidos mediante el mtodo de Runge-Kutta 4.
Calcular el error global cometido. Discutir el resultado obtenido
comparndolo con el del ejercicio anterior.

14.3. CONVERGENCIA, CONSISTENCIA Y
ESTABILIDAD DE LOS MTODOS LINEALES
MULTIPASO
14.3.1. Definicin de convergencia
La definicin de convergencia coincide con la dada en los mtodos de
un paso, pero es necesario asegurar que los valores iniciadores estn bien
elegidos.
Definicin 14.3.1:
Un mtodo lineal de k pasos:
k k
j zn j h j f ( x n j , zn j ) , n 0, (14.3.1)
j 0 j 0
es convergente en [a, b] si para todo x [a, b], para cualquier problema de
Cauchy bien planteado (con las condiciones de regularidad mencionadas): y
= f(x, y), y(x0) = y0, con una nica solucin : (a, b) y para cualesquiera
condiciones iniciales z0(h), ..., zk-1(h), que satisfagan que tienden a y(x0)
cuando h tiende a cero, se verifica que:
lm zn ( x ) 0, (14.3.2)
h 0
x 0 nh x
siendo zn la solucin de la ecuacin de diferencias 14.3.1.
La expresin 14.3.2 es equivalente a decir que: lm zn ( x ), o a decir

h 0
x 0 nh x
que el error global e(h) = (x) zn tiende a cero cuando h tiende a cero.
Definicin 14.3.2:
Se dice que el mtodo es convergente de orden p si
z n y ( x ) O( h p ) .
Una cuestin esencial a la hora de seleccionar un mtodo multipaso es
la eleccin adecuada de los coeficientes j y j, as como los valores
iniciadores z0, , zk-1, de manera que la solucin aproximada que se obtenga
al aplicarlo a la resolucin de un problema de valor inicial converja en el
sentido de la definicin anterior a la solucin del problema buscado.
Es importante, por lo tanto, establecer procedimientos sencillos que
permitan garantizar la convergencia de un mtodo.
La definicin de convergencia que se acaba de introducir plantea la
misma dificultad que tena en el caso de los mtodos de un paso. Sirve para
saber si un mtodo no es convergente, pero no se puede utilizar para saber
si es convergente ya que sera preciso aplicar el mtodo a todo problema de
valor inicial bien propuesto. Por ello se requieren nuevos conceptos.
La convergencia de un mtodo lineal multipaso est directamente

relacionada con los conceptos de consistencia y estabilidad, como en el caso
de los mtodos de un paso, pero a diferencia de estos, un mtodo lineal
multipaso puede ser consistente pero no estable, y por consiguiente no
convergente. En las siguientes secciones se estudian detenidamente ambos
conceptos.
Ejemplos resueltos
Ejemplo 14.3.1: Estudiar la convergencia del mtodo:
zn+2 2zn+1 + zn = h(2fn+1 2fn).
El mtodo zn+2 2zn+1 + zn = h(2fn+1 2fn) no es convergente pues al
aplicarlo a y = y, y(0) = 1 se obtiene la ecuacin en diferencias lineal y
homognea zn+2 2(1 + h)zn +1 + (1 + 2h)zn = 0 cuya solucin general es zn =
C1 + C2(1 + 2h)n. Si se toman como valores iniciadores z0 = 1 y z1 = 1 + 2h,
que tienden a y0 = 1 cuando h tiende a cero, entonces C1 = 0 y C2 = 1, por lo
n
x 2x
que zn = (1 + 2h)n. Como xn = x = x0 + nh = nh h = zn = 1 .
n n
Al calcular su lmite, cuando n tiende a infinito se obtiene e2x, distinto de
la solucin exacta (x) = ex.
Ejemplo 14.3.2: Analizar la convergencia del mtodo: zn+2 zn = 2hfn+1.
Si se aplica el mtodo zn+2 zn = 2hfn+1 al mismo problema de valor
inicial con z0 = 1 y z1 = 2 se obtienen tambin valores muy dispares a (x) =

ex. Sin embargo, en este caso, aplicando la definicin, no se puede asegurar
nada sobre la convergencia del mtodo puesto que z1 = 2 es muy distinto de
y0 = 1 y no tiende a este valor cuando h tiende a cero. Se observa, por tanto,
que para poder analizar la convergencia se debe conocer que los valores
iniciadores se aproximan al valor inicial y0 cuando el tamao del paso tiende
a cero.
14.3.2. Orden de consistencia y error de truncamiento
Con el fin de simplificar la notacin, se introduce a continuacin la
siguiente definicin, que se utilizar en las restantes secciones del captulo.
Definicin 14.3.3:
Se denomina operador asociado al mtodo lineal de k pasos:
k k
j zn j h j f ( x n j , zn j ) , n 0,
j 0 j 0
k k
al operador L[, x, h] = j ( x jh ) h j ' ( x jh ) siendo una
j 0 j 0
funcin real suficientemente regular.
Definicin 14.3.4:
Se denomina error de truncamiento del mtodo lineal de k pasos:

k k
j zn j h j f ( x n j , zn j ) , n 0,
j 0 j 0
al aplicarlo al problema de valor inicial y = f(x, y), y(x0) = y0, con solucin :
(a, b) a la expresin:
k k
Tn+k = L[, x, h] = j ( x jh ) h j ' ( x jh ) .
j 0 j 0
Esta definicin de error de truncamiento coincide con la del captulo 13
para los mtodos explcitos de un paso, pues sigue siendo la diferencia entre
la solucin exacta en un punto y el valor obtenido al aplicar el mtodo
suponiendo que los valores anteriores coincidieran con la solucin exacta, ya
que si k = 1 entonces:
k 1 k k 1 k
zn+k = j ( x n j ) h j f ( x n j , ( x n j ) ) = j ( x n j ) h j ' ( x n j ) ,
j 0 j 0 j 0 j 0
por lo que:
k 1 k
Tn+k = (xn+k) zn+k = (xn+k) + j ( x n j ) h j ' ( x n j ) = L[, x, h].
j 0 j 0
Definicin 14.3.5:
Se denomina orden de consistencia del mtodo lineal de k pasos:

k k
j zn j h j f ( x n j , zn j ) , n 0,
j 0 j 0
al mayor nmero natural p tal que para cualquier funcin real
suficientemente regular se tenga L[, x, h] = O(hp+1).
Se observa que si el orden de consistencia de un mtodo es p entonces
el error de truncamiento, al aplicarlo a cualquier problema de valor inicial, es
un infinitsimo de orden mayor o igual a p + 1, ya que la diferencia estriba en
que para el error de truncamiento la funcin debe ser una solucin del
problema de valor inicial, mientras que en el orden de consistencia es una
funcin cualquiera suficientemente regular.
Definicin 14.3.6:
Se dice que un mtodo es consistente si su orden de consistencia, p,
es mayor o igual que uno.
14.3.3. Constante de error
La linealidad del operador L facilita el clculo del orden de consistencia
de un mtodo pues:
k k
L[, x, h] = j ( x jh ) h j ' ( x jh )
j 0 j 0
y utilizando el desarrollo de Taylor:

1
(x + jh) = (x) + jh(x) + + ( jh ) n n ) ( x ) +
n!
h
h(x + jh) = h(x) + h(jh)(x) + + ( jh ) n n 1) ( x ) +
n!
Por tanto L[, x, h] = C0(x) + C1h(x) + + Cq h q q ) ( x ) +
donde:
C0 = 0 + ... + k;
C1 = 1 + 22 + ... + kk (0 + ... + k);
...
k k
1 1
Cq (
q ! j 0j q . j ) (
( q 1)! j 0
j q 1. j )
El orden de consistencia del mtodo es p si y slo si:
C0 = C1 = ... = Cp = 0 Cp+1.
En consecuencia, para que un mtodo sea consistente basta que C0 =
C1 = 0, es decir, que se verifiquen las dos primeras condiciones:
C0 = 0 + ... + k = 0,
C1 = 1 + 22 + ... + kk (0 + ... + k) = 0.
La definicin de estos coeficientes sugiere dos procedimientos

diferentes para obtener frmulas de mtodos multipaso: la integracin
numrica de los polinomios de interpolacin, que es ms popular, y el
mtodo de los coeficientes indeterminados, que suministra relaciones entre
los coeficientes para obtener un orden de consistencia preestablecido.
Teorema 14.3.1:
Todo mtodo lineal de k pasos convergente es consistente.
Demostracin:
k k
Sea el mtodo lineal de k pasos: j zn j h j f ( x n j , zn j )
j 0 j 0
que se supone, por hiptesis, convergente: Si se toman lmites cuando el
tamao de paso tiende a cero, debe verificarse que:
lm zn j ( x )
h 0
siendo (x) la solucin de un problema de valor inicial cualquiera al que se
aplique el mtodo. Por tanto al aplicar lmites cuando el tamao de paso
tiende a cero en la expresin del mtodo se tiene:
k k k k
lm (
h 0
j zn j h j f ( x n j , zn j ) ) = 0 = j ( x ) j =0
j 0 j 0 j 0 j 0
por lo que C0 = 0 + ... + k = 0.

k
Entonces 0 = 1 ... k y sustituyendo en j zn j se tiene
j 0
k k
que: j zn j = j ( zn j zn ) .
j 0 j 1
Al ser, por hiptesis, el mtodo convergente:
zn j zn zn j zn
lm lm j j(x).
h 0 h h 0 jh
Por tanto, dividiendo por h y aplicando limites, cuando h tiende a cero:
k k
1
0 = lm
h 0 h
( j zn j h j f ( x n j , zn j ) ) =
j 0 j 0
k k
1
lm
h 0 h
( j ( zn j zn ) ) lm (
h 0

j f ( x n j , zn j ) =
j 1 j 0
k k k k
j j (x) j (x) j j j = 0,
j 1 j 0 j 1 j 0
por lo que C1 = 1 + 22 + ... + kk (0 + ... + k) = 0.
Por tanto el mtodo es consistente.
Sin embargo, la consistencia por s sola no garantiza la convergencia.
Por ejemplo, el mtodo zn+2 2zn+1 + zn = h(2fn+1 2fn) es consistente y sin
embargo no es convergente pues si se aplica al problema y = 0, y(0) = 0, la

solucin exacta es (x) = 0, mientras zn = nh, por lo que tiende a x, distinto
de (x).
Definicin 14.3.7:
Se denomina constante de error o coeficiente de error del mtodo al
primer coeficiente distinto de cero Cp+1 de L[, x, h].
En consecuencia, el orden de consistencia del mtodo es igual a p si:
L[, x, h] = Cp+1 h p 1 p 1) ( x ) + = O(hp+1),
siendo Cp+1 la constante de error del mtodo.
El error de truncamiento del mtodo es igual a:
L[, x, h] = Cp+1 h p 1 p 1) ( x ) +
donde es la solucin exacta.
Un mtodo lineal multipaso tiene un orden p de consistencia si se
anulan p + 1 coeficientes C0, C1, ..., Cp, con lo que se tienen p + 1
ecuaciones lineales entre los coeficientes j y j.
Si un mtodo es explcito de k pasos se deben calcular 2k coeficientes y
si es implcito 2k + 1, luego el orden mximo de consistencia de un mtodo
explcito de k pasos es 2k 1, y el de un mtodo implcito es 2k.

Ejemplos resueltos
Ejemplo 14.3.3: Calcular el orden de consistencia del mtodo:
zn+2 zn = 2hfn+1.
En este mtodo 0 = 1, 1 = 0, 2 = 1, 0 = 0, 1 = 2, 2 = 0, por lo que:
C0 = 0 + 1 + 2 = 1 + 1 = 0,
C1 = 1 + 22 (0 + 1 + 2) = 2 2 = 0,
1
C2 = (1 + 222) (1 + 22) = 4/2 2 = 0,
2
1 1 1 1 1
C3 = (1 + 232) (1 + 222) = (8) (2) = 0,
3! 2 6 2 3
1 3
L[, x, h] = C3 h 3 ' ' ' ( c ) + = h ' ' ' ( c ) + .
3
El orden de consistencia del mtodo es 2.
Ejemplo 14.3.4: Calcular el error de truncamiento al aplicar el mtodo
zn+2 zn = 2hfn+1 al problema de valor inicial: y = 3x2, y(0) = 0.
El error de truncamiento es, por definicin:
Tn+2 = L[, x, h] = (xn+2) (xn) 2h(xn+1), donde es solucin del
problema de valor inicial:

(x) = 3x2, (x) = x3, x0 = 0, xn = x0 + nh = nh, por tanto:
(xn+2) = (n + 2)3h3, (xn) = n3h3, (xn+1) = 3(n + 1)2h2,
Tn+2 = (n + 2)3h3 n3h3 2h 3(n + 1)2h2 = 2h3.
El orden del error de truncamiento es 3.
Coincide este resultado con el obtenido en el ejemplo anterior donde
L[, x, h] = C3 h 3 ' ' ' ( c ) + ..., por lo que Tn+2 = L[, x, h] = C3h3(c) + ...,
donde es solucin del problema de valor inicial, y por tanto: (x) = 3x2,
(x) = 6x, (x) = 6, y iv)(x) = ... = 0, x, por lo que:
1 3
Tn+2 = L[, x, h] = C3h3(x) = h 6 = 2h3.
3
Ejemplo 14.3.5: Calcular el orden de consistencia del mtodo de
h
Adams-Bashforth de dos pasos zn+2 zn+1 = (3fn+1 fn) y la constante de
2
error.
1 3
En este mtodo 0 = 0, 1 = 1, 2 = 1, 0 = , 1 = , 2 = 0, por lo
2 2
que:
C0 = 0 + 1 + 2 = 0 1 + 1 = 0,
1 3
C1 = 1 + 22 (0 + 1 + 2) = 1 + 2 ( + + 0) = 0,
2 2
1 1 3
C2 = (1 + 222) (1 + 22) = (1 + 4) ( ) = 0,
2 2 2
1 1 1 1 3 5
C3 = (1 + 232) (1 + 222) = (1 + 8) ( ) = 0.
3! 2 6 2 2 12
5 3
L[, x, h] = C3 h 3 ' ' ' ( c ) + = h ' ' ' ( c ) + .
12
El mtodo tiene orden de consistencia 2 y la constante de error es C3 =
5
= 2.
12
En todos los mtodos de Adams-Bashforth el orden de consistencia p
del mtodo coincide con el nmero k de pasos: p = k, y la constante de error
coincide con k: Ck+1 = k.
14.3.4. Polinomios de estabilidad
Se ha calculado el error de truncamiento mediante un desarrollo en
serie de Taylor y se expresa como una serie de potencias de h. Se deben
tener en cuenta algunas dificultades pues a la solucin se le ha impuesto que
sea continua y con primera derivada continua, por lo que las derivadas de
orden ms alto que aparecen en el desarrollo de Taylor pueden no existir.
Esta dificultad queda subsanada ya que se sustituye (x) por una funcin
arbitraria suficientemente regular (x) que no sea necesariamente la
solucin.
Al imponer que el error de truncamiento tienda a cero cuando el tamao
del paso tiende a cero (asumiendo que la funcin incremento no tienda a
infinito cuando h tiende a cero como ciertamente ocurre en este caso) se
tiene que el error de truncamiento tiende a:
k
jr j
j 0
y nicamente depende de los coeficientes j del mtodo. La expresin
anterior es un polinomio en r de grado k directamente relacionado con el
mtodo, que tiene un inters especial.
Definicin 14.3.8:
k k
Dado un mtodo lineal multipaso j zn j h j f ( x n j , zn j ) ,
j 0 j 0
n 0, se denomina primer polinomio de estabilidad (o tambin primer
polinomio caracterstico) asociado al mtodo al polinomio (r) de grado k
definido como:
k
(r) = jr j
j 0
donde r puede tomar valores complejos.
Definicin 14.3.9:
k k
Dado un mtodo lineal multipaso j zn j h j f ( x n j , zn j ) ,
j 0 j 0
n 0, se denomina segundo polinomio de estabilidad (o tambin segundo
polinomio caracterstico asociado al mtodo al polinomio (r) definido
como:
k
(r) = j r j .
j 0
Si el mtodo es implcito el segundo polinomio caracterstico es de
grado k y si es explcito su grado es menor que k.
Siempre se tiene que (1) = C0 y (1) (1) = C1. Por tanto si un
mtodo es consistente se verifican las dos condiciones siguientes:
(1) = 0,
(1) = (1).
14.3.5. Estabilidad. Condicin de raz
Existen muchas formas de estabilidad que distintos autores denominan
de diversas maneras. Unas se refieren al problema de valor inicial y otras al
mtodo numrico.
Se supone que en un problema de valor inicial se perturban la funcin f
y el valor inicial y0; se pretende conocer la sensibilidad de la solucin a tal

perturbacin. La perturbacin ((x), ) y la solucin perturbada z(x) son
definidas por: z = f(x, z) + (x); z(x0) = y0 + ; x [x0, b]
Una definicin dice:1
Definicin 14.3.10:
Sean ((x), ) y (*(x), *) dos perturbaciones cualesquiera de un
problema de valor inicial y sean z(x) y z*(x) las soluciones perturbadas
resultantes. Entonces si existe una constante positiva s tal que para todo x
[x0, b], z(x) z*(x) s siendo (x) *(x) y * , entonces el
problema de valor inicial dado se dice que es totalmente estable.
Afirmar que un problema de valor inicial sea totalmente estable (o bien
propuesto) no es afirmar demasiado, pues s puede ser una constante (finita)
muy grande. Gear2 prueba que las hiptesis de los teoremas de existencia y
unicidad son suficientes para que el problema de valor inicial sea totalmente
estable.
Cualquier mtodo numrico aplicado a un problema de valor inicial
introduce errores debidos a la discretizacin y al redondeo, lo que puede ser
interpretado de forma equivalente a perturbar un problema. Si las
condiciones de la definicin de estabilidad no se satisfacen entonces no se
1
Hahn, G. (1967): Stability of Motion. Springer-Verlag. Stetter, H. J. (1971): Stability
of discretization on infinite intervals: in Conf. of Applications of Numerical
Analysis, Dundee, 1971, edir. J. Morris: Lecture Notes in Mathematics n 228,
Springer-Verlag. Pgina 207-222.
2
Gear, C. W. (1971): Numerical Initial Value Problems in Ordinary Differential
Equations, Prentice-Hall.
puede esperar que un mtodo numrico proporcione una solucin aceptable.
Pero esto tambin puede ser cierto si el mtodo es sensible a las
perturbaciones. Se pueden estudiar los efectos que producen las
perturbaciones de la funcin incremento y los valores iniciadores.
Definicin 14.3.11:
Sean {n} y {*n} dos perturbaciones cualesquiera de un mtodo
numrico, y sean {zn} y {z*n} las soluciones resultantes perturbadas. Si
existen unas constantes s y h0 tales que para todo h (0, h0] si n *n
entonces zn z*n s, 0 n N, se dice que el mtodo numrico es cero-
estable.
La cero-estabilidad debe su nombre a que controla la forma en la que
se acumulan los errores en el lmite cuando el tamao de paso tiende a cero.
La cero-estabilidad es una propiedad del mtodo, no del problema de
valor inicial si ste est bien propuesto.
La estabilidad de los mtodos lineales multipaso se analiza teniendo
en cuenta que las ecuaciones en diferencias asociadas generan en su
mayora soluciones parsitas, denominadas as porque no tienen nada que
ver con la solucin exacta del problema de valor inicial. Es pues interesante
saber si un mtodo introduce soluciones parsitas y si stas tienden a cero
cuando n tiende a infinito.
Definicin 14.3.12:
Se dice que un mtodo numrico lineal multipaso es estable (Lambert3)
si las races del primer polinomio caracterstico del mtodo son de mdulo
menor o igual a la unidad, siendo estrictamente menores que uno si son
races mltiples.
Es decir, un mtodo numrico lineal multipaso es estable si los valores
ri tales que (ri) = 0 verifican que ri 1, y si ri = 1 entonces (ri) es distinto
de cero.
Esta condicin se denomina condicin de raz.
La primera propiedad indica que las races del primer polinomio
caracterstico deben estar en el crculo unidad {z: z 1} del plano
complejo, y la segunda indica que todas las races de la frontera del crculo
deben ser races simples.
Se puede observar adems que si un mtodo numrico consistente es
tal que (1) = 0 y (1) = 0, entonces (1) = (1) = 0 con lo que r = 1 es una
raz doble del primer polinomio caracterstico; el mtodo entonces no verifica
la condicin de raz y no es un mtodo estable. Por eso todo mtodo
consistente y estable debe verificar que (1) 0.
Si no se cumple la condicin de raz el error crece exponencialmente, lo
que puede comprobarse aplicando un mtodo a y = 0 con y(0) = y0, ya que
se obtiene: zn = C1r1n + ... + Ckrkn, y si alguna de las races rj del primer
3
Lambert, J. D.: Numerical Methods for Ordinary Differential Systems. The Initial
polinomio caracterstico tiene su mdulo mayor que 1, entonces rjn crece al
crecer n, con lo que zn tambin crece.
Se estudi que el mtodo zn+2 2zn+1 + zn = h(2fn+1 2fn) es
consistente pero no es convergente. Su primer polinomio de estabilidad (r) =
r2 2r + 1 = (r 1)2 tiene a r = 1 como raz doble, por lo que no verifica la
condicin de raz, luego el mtodo no es estable. Si se aplica al problema y
= 0, y(0) = 0, de solucin exacta (x) = 0, x, se obtiene que zn = nh = x,
cuyo lmite cuando h tiende a cero es distinto de (x).
Definicin 14.3.13:
Se llaman inestables aquellos mtodos numricos que no son
estables.
Se observa que si el mtodo es convergente, r = 1 es siempre una raz
del primer polinomio caracterstico, y se denomina a esta raz, r1 o raz
principal, y al resto de las races, races parsitas.
14.3.6. Condicin de raz fuerte
Definicin 14.3.14:
Se dice que un mtodo numrico lineal multipaso verifica la condicin
de raz fuerte si todas las races parsitas del primer polinomio caracterstico
del mtodo tienen su mdulo estrictamente menor que uno.
Value Problem. John Wiley & Sons. 1991.

En algunos textos se denomina a esta propiedad, condicin de raz y a
la anterior condicin dbil de raz y se denominan mtodos dbilmente
estables aquellos que tienen todas las races con mdulo menor o igual que
uno y alguna raz parsita con mdulo uno.
El mtodo de Adams-Bashforth de cuarto orden tiene como primer
polinomio caracterstico: (r) = r3(r 1) por lo que tiene las races 1, 0, 0 y 0,
y en consecuencia es un mtodo numrico fuertemente estable.
En general, un mtodo de Adams de k pasos tiene como primer
polinomio caracterstico: (r) = rk rk-1, por lo que, salvo la raz principal que
vale uno, todas las races parsitas valen cero, y en consecuencia todos los
mtodos de Adams son estables y fuertemente estables.
Sin embargo en los mtodos de Nystrm explcitos (como la regla del
punto medio: zn+2 = zn + 2hfn+1), o los mtodos generalizados de Milne-
Simpson implcitos, como por ejemplo: zn+2 = zn + (h/3)(fn+2 + 4fn+1 + fn), el
primer polinomio caracterstico es: (r) = rk rk-2. Tiene las races 0, 1 y 1.
Estos mtodos son estables pero no son fuertemente estables.
Si se buscan mtodos de mxima estabilidad es razonable pensar que
las races de su primer polinomio de estabilidad debern ser, la raz 1, simple
y las races 0, con orden de multiplicidad k 1, con lo que ya se conocen los
valores de j. Si adems se imponen rdenes de consistencia establecidos
se encuentran de nuevo las expresiones de los mtodos de Adams, por un

camino menos laborioso que el de buscar el polinomio interpolador.
Ejemplos resueltos
Ejemplo 14.3.6: Determinar y para que el mtodo
zn+3 + zn+2 zn+1 zn = h(fn+2 + fn+1)
tenga el mayor orden de consistencia posible. Estudiar la convergencia del
mtodo. Aplicarlo al problema y = y + 4x3 x4, y(0) = 0 con una longitud de
paso h y valores iniciadores z0 = 0 y z1 = h4, z2 = 16h4 para obtener z3 y z4.
Calcular el error global.
Orden de consistencia del mtodo:
C0 = 0 = 1 + 1 = 0,
C1 = 0 = 3 + 2 ( + ) = 2 3; (1)
1
C2 = 0 = (9 + 4 ) (2 + ) = 2 3;
2
1 1
C3 = 0 = (27 + 8 ) (4 + ) 27 + 7 = 15; (2)
6 2
De (1) y (2) se obtiene que = 9 y = 6.
1 1 1
C4 = (81 + 16 ) (8 + ) = (81 + 15 36) Si = 9 y
24 6 24
= 6 entonces C4 = 0. Sin embargo C5 0. Por tanto el mayor orden de

consistencia posible del mtodo se obtiene para = 9 y = 6, y ste es p =
4.
Estudio de la estabilidad:
El polinomio caracterstico o polinomio de estabilidad es (r) = r3 + r2
r 1 = r3 + 9r2 9r 1 de races: r1 = 1, ri = 5 24 . Como 5 24 > 1
el mtodo es inestable. Aunque el mtodo es consistente, como no es
estable, no es convergente.
Al aplicarlo al problema y = y + 4x3 x4, y(0) = 0 con una longitud de
paso h se tiene que x0 = 0 xn = nh.
zn+3 + 9zn+2 9zn+1 zn = 6h(fn+2 + fn+1) = 6h[(zn+2 + 4x3n+2 x4n+2) +
(zn+1 + 4x3n+1 x4n+1)] zn+3 + (9 6h)zn+2 (9 + 6h)zn+1 zn = 6h[4(h(n +
2))3 (h(n + 2))4+ 4(h(n + 1))3 (h(n + 1))4].
z3 = (9 6h)z2 + (9 + 6h)z1 + z0 + 6h[4(2h)3 (2h)4+ 4h3 h4] = (9
6h)16h4 + (9 + 6h)h4 + 6h[32h3 16h4 + 4h3 h4] = 144h4 + 96h5 + 9h4 +
6h5 + 216h4 102h5 = 81h4 = (3h)4.
z4 = (9 6h)z3 + (9 + 6h)z2 + z1 + 6h[4h333 h434+ 4h323 h424] =
256h4 = (4h)4.
En general zn = (nh)4.
Para calcular el error global se resuelve la ecuacin diferencial y = y +

4x3 x4, y(0) = 0 y se obtiene que (x) = x4. Por tanto el error global en x = x4
= 4h es: e(h) = (x4) z4 = (4h)4 (4h)4 = 0 a pesar de que el mtodo no sea
convergente.
Ejemplo 14.3.7: Determinar y para que el mtodo:
5
zn+2 + zn+1 + zn = h(2fn+1 fn)
2
sea convergente. Aplicarlo al problema y = 4, y(0) = 0, con una longitud
de paso de 0,5, tomando como valores iniciadores z0 = 0 y z1 = 5, para
obtener un valor aproximado en x = 1.
Para que el mtodo sea convergente debe ser consistente y estable.
Estudio de la consistencia:
C0 = 0 = 1 + + = 1 :
5 7 1
C1 = 0 = 2 + (2 ) = 2 + + 2 1 = 4; 2 =
2 2 2
Estudio de la estabilidad:
El primer polinomio caracterstico o primer polinomio de estabilidad es:
(r) = r2 + r + (1 ) de races: r1 = 1 y r2 = 1 . Para 1 = 4 el
mtodo no es estable pues r2 = 1 = 5 de mdulo mayor que 1. Para 2
1 1
= el mtodo es estable pues r2 = 1 = de mdulo menor que 1.
2 2
Si se impone que:
1 < 1 1 < 1 < 1 0 < < 2 2 < < 0,
se obtiene de nuevo que el valor de 1 = 4 no hace estable al mtodo
1
mientras que 2 = si lo hace.
2
1 1
Para = = y se tiene el mtodo:
2 2
1 1 h
zn+2 zn+1 zn = (fn+1 + 5fn)
2 2 4
que se quiere aplicar al problema y = 4, y(0) = 0 con una longitud de paso de
0,5, tomando como valores iniciadores z0 = 0 y z1 = 5 para obtener un valor
aproximado en x = 1, x0 = 0, por lo que x = 1 = x0 + nh = 0,5n n = 2; fn =
fn+1 = 4
1 1 h 5 h 5 6 11
z2 z1 z0 = (fn+1 + 5fn) z2 = + 0 + (24) = + = .
2 2 4 2 4 2 2 2
14.3.7. Relaciones entre convergencia, consistencia y
estabilidad
La relacin entre convergencia, consistencia y estabilidad en los
mtodos lineales multipaso es diferente de la que existe en los mtodos de
un paso. La consistencia es una condicin necesaria para la convergencia,
pero ahora no es una condicin suficiente. Para que un mtodo sea

convergente debe cumplirse, segn prob Dahlquist, que sea consistente y
estable. Es ms, estabilidad y consistencia de orden p implican convergencia
del mismo orden.
Se observa que al aplicar la expresin del error de truncamiento a los
mtodos de Runge-Kutta estudiados en el captulo anterior, sta depende de
derivadas parciales de f, mientras que en los mtodos lineales de k pasos
slo depende de la derivada de la solucin. Esto tiene importancia en los
casos donde la solucin sea muy regular y sin embrago las derivadas
parciales de f tomen valores muy grandes.
En Atkinson4 se encuentran las demostraciones de los siguientes
teoremas y para un tratamiento ms completo se puede consultar a
Isaacson&Keller:5
Teorema 14.3.2:
Si un mtodo lineal multipaso es consistente, entonces dicho mtodo
es cero-estable si y slo si satisface la condicin de raz.
Corolario 14.3.3:
Un mtodo lineal multipaso consistente es convergente si y slo si es
estable.
Teorema 14.3.4:
La condicin necesaria y suficiente para que un mtodo lineal
multipaso sea convergente es que sea consistente y estable (verifique la
condicin de raz).
Este ltimo teorema se puede considerar el fundamental en esta
materia. Fue probado en 1 956 para mtodos lineales multipaso por Gelmund
Dahlquist,6 primer artculo donde se trabaj de una forma matemtica el
problema de la convergencia. Y una demostracin ms general se encuentra
en la obra ya mencionada de Isaacson&Keller.
14.3.8. Orden mximo de convergencia: Primera
barrera de Dahlquist
Una cuestin interesante es buscar el mayor orden de convergencia de
un mtodo lineal de k pasos. Para ello se puede pensar en escoger frmulas
que tengan un orden de consistencia mximo. Sin embargo, en general, las
frmulas que tienen rdenes altos de consistencia son inestables.
En un mtodo lineal multipaso de k pasos se dispone, como ya se ha
comentado, de 2k + 1 parmetros y para que sea consistente de orden p
debe verificar p + 1 condiciones, por tanto, si el mtodo es implcito se puede
obtener el orden mximo de consistencia p = 2k; y si es explcito p = 2k 1.
Sin embargo estos mtodos pueden no satisfacer la condicin de raz y no
4
Atkinson, K. (1989): An introduction to Numerical Analysis. John Wiley & Sons.
Nueva York. (2 edicin).
5
Isaacson, E; Keller, H. (1966): Analysis of Numerical Methods. Wiley.
6
Dahlquist, G. (1956): Convergence and stability in the numerical integrations of
ser estables.
El teorema de la primera barrera de Dahlquist impone una limitacin
entre el orden mximo de consistencia de un mtodo de k pasos y su
estabilidad. Este resultado fue obtenido por Dahlquist en 1956. Es
interesante observar la fecha tan reciente de este resultado.
Teorema 14.3.5: Teorema de la primera barrera de Dahlquist
Dado un mtodo lineal de k pasos, estable y consistente de orden p.
a) Si k es par, entonces p k + 2.
b) Si k es impar, entonces p k + 1.
k
c) Si 0, entonces p k (en particular, si k = 0, es decir, si el
k
mtodo es explcito).
En consecuencia el mximo orden de consistencia posible para un
mtodo lineal de k pasos estable es k + 1, si k es impar, y k + 2, si k es par.
Un mtodo lineal estable de k pasos de orden de consistencia k + 2 se
llama un mtodo ptimo.
Los mtodos de estas caractersticas en general no son buenos desde
el punto de vista prctico. Se puede comprobar fcilmente que son simtricos
en el sentido de que los coeficientes verifican que: j = k-j y j = k-j.
ordinary differential equations Math. Sacnd. 4. 33-53.

Estas consideraciones encajan con el hecho de que los mtodos de
Adams hayan sido tan utilizados, aunque no sean mtodos ptimos. Se
puede decir que los mtodos de Adams proporcionan el orden mximo de
convergencia que se puede esperar dentro de las frmulas de k pasos.
Ejemplos resueltos
Ejemplo 14.3.8: Analizar el orden de convergencia de los mtodos de
Adams utilizando el teorema de la primera barrera de Dahlquist.
En el mtodo de Euler, que es el mtodo de Adams-Bashforth de un
paso se tiene que k = 1, p = 1 y el mximo orden de consistencia permitido
segn el teorema (a) para que sea estable, siendo k impar, es p = 2. Pero al
ser un mtodo explcito, entonces (c) p k, por lo que alcanza el mximo
orden de consistencia para un mtodo explcito de un nmero de pasos
impar k = 1.
En el mtodo de Adams-Bashforth de dos pasos se tiene que k = 2, p =
2 y el mximo orden de consistencia permitido segn el teorema (b) para que
sea estable, siendo k par, es p k + 2 = 4. Pero al ser un mtodo explcito,
entonces (c) p k, por lo que alcanza el mximo orden de consistencia para
un mtodo explcito de un nmero de pasos k = 2 par.
En el mtodo de Adams-Bashforth de tres pasos se tiene que k = 3, p =
3 y el mximo orden de consistencia permitido segn el teorema (a) para que
sea estable, siendo k impar, es p k + 1 = 4. Pero al ser un mtodo explcito,

entonces (c) p k, por lo que alcanza el mximo orden de consistencia para
un mtodo explcito de un nmero de pasos k = 3 impar.
En general los mtodos de Adams-Bashforth alcanzan el mximo orden
de consistencia permitido para un mtodo explcito, k = p.
En el mtodo de Adams-Moulton de un paso se tiene que k = 1, p = 2 y
el mximo orden de consistencia permitido segn el teorema (a) para que
sea estable, siendo k impar, es p k + 1 = 2, por lo que alcanza el mximo
orden de consistencia para un mtodo implcito de un nmero de pasos k = 1
impar.
En el mtodo de Adams-Moulton de dos pasos se tiene que k = 2, p = 3
y el mximo orden de consistencia permitido segn el teorema (b) para que
sea estable, siendo k par, es p k + 2 = 4.
En el mtodo de Adams-Moulton de tres pasos se tiene que k = 3, p = 4
y el mximo orden de consistencia permitido segn el teorema (a) para que
sea estable, siendo k impar, es p k + 1 = 4, por lo que alcanza el mximo
orden de consistencia que permite la barrera de Dahlquist.
Ejemplo 14.3.9: Determinar el valor que debe tomar b para que el
mtodo lineal de dos pasos:
zn+2 + 4bzn+1 (4b + 1)zn = h((3b + 1)fn + (b + 1)fn+2)
sea de orden de convergencia mximo. Utilizar el mtodo con el valor de b

calculado para hallar el valor aproximado de x = 2 de la solucin y(x) del
y' 2y

y ( 0 ) 1
tomando la longitud de paso h = 0,1 y valores iniciadores z0 = z1 = 1.
Demostrar la convergencia o no convergencia del mtodo para el valor de b
hallado.
Orden de consistencia:
C0 = 0 + 1 + 2 = 4b 1 + 4b + 1 = 0, para todo b.
C1 = 1 + 22 (0 + 1 + 2) = 4b + 2 (3b + 1) (b + 1) = 0, b.
C2 = 1/2(1 + 42) (1 + 22) = 1/2(4b + 4) 2(b + 1) = 0, para todo b.
C3 = 1/6(1 + 82) 1/2(1 + 42) = 1/6(4b + 4) 1/2(4(b + 1) = (4/3)b
2/3 = 0 b = 1/2.
C4 = 1/24(1 + 162) 1/6(1 + 82) = 1/24(4b + 4) 1/6(8(b + 1) 0 si
b = 1/2.
Para b = 1/2 se tiene el mximo orden de consistencia, p = 3.
Valor aproximado de x = 2
x0 = 0, xn = 2 = x0 + nh = 0,1n n = 20.
El mtodo para b = 1/2 es: zn+2 2zn+1 + zn = h(1/2fn + 1/2fn+2).
Aplicndolo a y = 2y, se tiene: zn+2 2zn+1 + zn = h(zn + zn+2)
(1 h)zn+2 2zn+1 + (1 + h)zn = 0. Se resuelve la ecuacin en
1 h 1 h n
diferencias, de races: r1 = 1 y r2 = , por lo que zn = A( ) + B(1)n.
1 h 1 h
1 h
Como z0 = 1 1 = A + B. Como z1 = 1 1 = A( )+B
1 h
A = 0 y B = 1 zn = 1 para todo n, por lo z20 = 1.
Estudio de la convergencia
Un mtodo es convergente si y slo si es consistente y estable.
El mtodo es consistente, pues su orden de consistencia es p = 3 > 1.
Polinomio de estabilidad: r2 2r + 1 = 0 = (r 1)2. 1 es raz doble, luego
el mtodo no es estable, por lo que no es convergente.
14.3.9. Mtodos multipaso vectoriales
Los mtodos descritos para el caso escalar pueden generalizarse
rpidamente para resolver sistemas de ecuaciones diferenciales de primer
orden (o ecuaciones diferenciales de orden superior), siendo vlidas las
expresiones interpretndolas ahora de forma vectorial. En concreto x sigue
siendo escalar, y es un vector de n, la funcin f(x, y) es por tanto una

funcin de n+1 en n, y cada solucin zn es un vector de n.
El mtodo definido por:
k
j zn j h f ( z n k , z n k 1 , ..., z n , x n , h ) , z = (h), = 0, 1, ..., k 1
j 0
es convergente si, para todo problema de valor inicial que satisface el
teorema de existencia y unicidad de Picard-Lindelf, se tiene que
lm z n y ( x ) para todo x [a, b] y para todas las soluciones {zn} de la

h 0
x a nh
ecuacin en diferencias que satisfacen los valores iniciadores para los cuales
lm (h ) = y0, = 0, 1, ..., k 1.
h 0
Un mtodo que no es convergente se dice que es divergente.
Otra forma equivalente es comprobar que: mx y ( x n ) z n 0

0n N
cuando h tiende a cero, siendo constante nh = x x0.
Ejemplos resueltos
Ejemplo 14.3.10: Aplicar el mtodo de Adams-Bashforth de dos pasos
al problema de valor inicial:
y'1 1 0 y 1 x y 1( 0 ) 1
, con
y' 2 1 2 y 2 0 y 2 ( 0 ) 0
y ( 0,2 )
con h = 0,1 para aproximar 1 , utilizando como valores iniciadores: z0
y 2 ( 0,2 )
1
= z1 =
0
El mtodo de Adams-Bashforth de dos pasos es:
h
z n 2 z n 1 ( 3fn 1 fn )
2
donde los zn y fn son vectores de 2, mientras xn pertenece a , siendo fn =
1 0 x
zn n .
1 2 0
1 1 0 1 0 1
Como x0 = 0 y z0 = se tiene que f0 = .
0 1 2 0 0 1
1 1 0 1 0,1 1,1
Como x1 = 0,1 y z1 = se tiene que f1 = .
0 1 2 0 0 1
Para calcular z2 se usa la frmula de Adams-Bashforth:
h
z n 2 z n 1 ( 3fn 1 fn )
2
h 1 1,1 1 1,015
z2 z1 ( 3f1 f0 ) = + 0,05(3 ) = .
2 0 1 1 1,15
Ejercicios
14.12. Calcular el orden de consistencia del mtodo zn+2 zn =
h(fn+1 + fn) y el error de truncamiento cometido al aplicarlo al

problema de valor inicial y = y + x, y(0) = 1.
1
14.13. Calcular el orden de consistencia del mtodo zn+2 zn+1
2
1 9 11
zn = h( fn+2 + 4fn+1 + fn) y el error de truncamiento
2 8 8
cometido al aplicarlo al problema de valor inicial y = y + 3, y(0) =
1.
14.14. Comprobar que en el mtodo de Adams-Bashford de k
pasos, el orden de consistencia del mtodo es p = k y que la
constante de error Cp+1 coincide con k.
14.15. Comprobar que en el mtodo de Adams-Moulton de k
pasos, el orden de consistencia del mtodo es p = k + 1. Con
qu coincide la constante de error Cp+1?
14.16. Comprobar que el mtodo zn+2 2zn+1 + zn = h(2fn+1
2fn) no es convergente pues al aplicarlo a y = y, y(0) = 1 no se
obtiene un valor que se aproxime a la solucin exacta. Estudiar si
es consistente y calcular su orden de consistencia. Estudiar si es
estable.
14.17. Determinar 1, 0 y para que el mtodo
zn+2 + 1zn+1 + 0zn = h(2fn+1 + fn)
tenga el mayor orden de consistencia posible. Estudiar la

convergencia del mtodo. Si el mtodo no fuera convergente,
determinar 1, 0 y para que lo sea. Aplicarlo al problema y = 5y +
x, y(1) = 0 con una longitud de paso h y valores iniciadores z0 = 0 y z1
= h, para obtener la solucin aproximada en x = 1 + 2h.
(Solucin: p = 2, con 1= 0, 0 = 1 y = 0. z2 = 12h2)
14.18. Aplicar el mtodo de Adams-Bashforth de tres pasos al
y'1 3 2 y 1 x 1 y 1( 0 ) 1
, con
y' 2 1 0 y 2 1 y 2 ( 0 ) 0
y ( 0,2 )
con h = 0,1 para aproximar 1 , utilizando como valores
y 2 ( 0,2 )
1
iniciadores: z0 = y los obtenidos mediante el mtodo de
0
Euler. Calcular el error global cometido.
14.19. Analizar el orden de convergencia de los mtodos
siguientes utilizando el teorema de la primera barrera de
Dahlquist.
h
a) El mtodo: zn+2 zn+1 = (fn+1 + fn).
2
b) El mtodo: zn+2 4zn+1 + 3zn = 2hfn.
c) El mtodo: zn+2 zn = 2hfn+1.

h
d) El mtodo: zn+2 zn = (fn+2 + 4fn+1 + fn).
3
14.4. ESTABILIDAD ABSOLUTA Y ESTABILIDAD
RELATIVA
La condicin de raz no es la nica forma de estabilidad pertinente en la
solucin numrica de un problema de valor inicial. Se ha visto que la
estabilidad est relacionada con la convergencia del mtodo, por lo que, el
valor obtenido mediante ste debe tender a la solucin exacta cuando el
tamao de paso tiende a cero (h 0, nh = x x0 = constante). Pero al
aplicar un mtodo el tamao de paso est fijado, no tiende a cero, y es
conveniente saber a priori si dicho tamao va a proporcionar un valor
adecuado, por lo que es preciso considerar otras definiciones de estabilidad.
En la valoracin del comportamiento de un mtodo numrico al aplicarlo a un
problema de valor inicial, aunque el mtodo sea convergente, y por tanto
consistente y estable, es importante tener en cuenta que a pesar de que el
valor aproximado que se obtiene debe tender a la solucin exacta cuando el
tamao de paso tiende a cero, puede ocurrir que para que esto suceda el
tamao del paso tenga que ser muy pequeo, con lo que se necesitara
aplicar el mtodo un nmero demasiado grande de veces, aumentaran los
errores de redondeo y el coste podra ser excesivo.

Es por ello interesante estudiar la eficiencia de un mtodo desde un
punto de vista diferente: Estudiar su comportamiento para un valor fijado de h
cuando n se hace cada vez mas grande, es decir, cuando los valores que
aproxima el mtodo estn muy alejados de la condicin inicial. De esta forma
se pueden conocer los valores h del tamao de paso para los que el mtodo
se va a comportar adecuadamente, independientemente de su proximidad o
lejana a la condicin inicial de partida.
En esta seccin se estudian los conceptos de estabilidad absoluta y
estabilidad relativa, utilizando el polinomio de estabilidad absoluta y sus
races, que proporcionan los valores de tamao de paso que garantizan el
comportamiento adecuado del mtodo para un problema de valor inicial
dado.
El conjunto de valores h del tamao de paso para los que un mtodo
proporciona buenas aproximaciones independientemente de su proximidad al
punto de partida se puede obtener estudiando el comportamiento del mtodo
al aplicarlo al problema de valor inicial y = y, y(0) = 1, cuya solucin es bien
conocida.
Definicin 14.4.1:
Se denomina ecuacin de prueba al problema de valor inicial: y = y,
y(0) = 1.
La ecuacin de prueba tiene la ventaja de que al ser un problema de

valor inicial muy sencillo de manejar, se estudia fcilmente el comportamiento
de una frmula numrica al aplicarla a ese problema. Pero adems tiene un
inters especial porque el comportamiento de un mtodo frente a la ecuacin
de prueba se puede tomar como muestra del comportamiento que tendr
dicho mtodo frente a un problema de valor inicial general y = f(x, y), y(x0) =
y0, ya que el valor de la ecuacin de prueba se puede considerar
aproximadamente igual a la derivada parcial de f respecto a y en el punto (x0,
y0), como ocurra en el caso de los mtodos de un paso.
14.4.1. Estabilidad absoluta
Se considera el mtodo lineal multipaso convergente definido por la
frmula:
k k
jzn+j = h jfn+j.
j 0 j 0
Se aplica al problema de valor inicial y = y, con y(0) = y0, con un
tamao h del paso que se supondr previamente fijado.
k k
Se tiene entonces jzn+j = h jzn+j, es decir:
j 0 j 0
k
(j hj)zn+j = 0 (14.4.1)
j 0
El error de truncamiento se obtiene:

k 1 k
Tn+k = yn+k zn+k = yn+k + jyn+j h jyn+j =
j 0 j 0
k k
jyn+j h jyn+j
j 0 j 0
Teniendo en cuenta la expresin 14.4.1 vale 0, sustituyendo se tiene:
k k k
Tn+k = jyn+j h jyn+j + (j hj)zn+j =
j 0 j 0 j 0
k k
j(yn+j zn+j ) h j(yn+j zn+j)
j 0 j 0
k
Tn+k = (j hj)(yn+j zn+j).
j 0
Por simplificar, se supone ahora que el error de truncamiento es
esencialmente constante en cada etapa, es decir Tn+k = T. Llamando en+j =
yn+j zn+j y h = h, se tiene la ecuacin en diferencias en {en+j }
k
(j h j)en+j = T.
j 0
La solucin general de la ecuacin en diferencias se puede expresar de
la forma
k
en = A r i n + solucin particular,
i 0
k
siendo ri = ri ( h ) tales que (j h j) r i j = 0, para i = 1, , k.
j 0
Las races ri verifican que ri 1, ya que si alguna de ellas fuera igual a
k
uno, entonces (j h j) = 0. Al ser el mtodo convergente, se tiene
j 0
k k k
que j = 0, con lo que necesariamente j = 0. Pero j =
j 0 j 0 j 0
k
jj = 0. Por tanto el primer polinomio caracterstico del mtodo tendra a
j 0
1 como raz doble, y el mtodo, al no ser estable, no sera convergente.
k
Como ri 1, la solucin particular de la ecuacin en diferencias (j
j 0
k
h j)en+j = T es una constante C que verifica (j h j)C = T, y como
j 0
k
j = 0, entonces:
j 0
k

T
h jC = T C = .
k
j 0
h j
j 0
La solucin general se puede expresar por tanto de la forma:
k
T
en = A r i n
k
.
j
i 0
h
j 0
Esta expresin permite conocer el comportamiento del error cuando el
nmero de pasos crece. El crecimiento del error depende esencialmente del
primer sumando, de manera que si una de las races ri tiene mdulo mayor
que uno, el error crece cuando n crece, mientras que si | ri | < 1 para i = 1, ,
k, el error no crece por muy grande que sea n.
Definicin 14.4.2:
Se denomina polinomio de estabilidad absoluta del mtodo lineal
multipaso al polinomio:
k k
(r, h ) = (r, h) = (j hj)rj = (j h j)rj
j 0 j 0
Para h = 0 el polinomio de estabilidad se reduce al primer polinomio de
estabilidad o primer polinomio caracterstico, (r, 0) = (r). Las races del
polinomio de estabilidad absoluta son funciones continuas de los
coeficientes, y por tanto cada una de sus races tiende a una raz del
polinomio caracterstico cuando h tiende a cero. Se tiene que:
lm r i ( h ) r i .
h 0
Ya se comprob que si el mtodo lineal es consistente, (r) siempre
tiene una raz igual a uno a la que se denomina raz principal. Si el mtodo
es estable esta raz debe ser simple. Ahora bien,
Se llama raz principal del polinomio de estabilidad absoluta a la
raz ri tal que lm r i ( h ) 1. A esta raz se la denominar en adelante r1.

h 0
Definicin 14.4.3:
Un mtodo es absolutamente estable para un valor h = h, si para
ese valor h las races del polinomio de estabilidad verifican que | ri ( h )| < 1
para i = 1, , k.
Definicin 14.4.4:
Se denomina intervalo de estabilidad absoluta del mtodo al conjunto
de valores reales de h = h para los que el mtodo es absolutamente
estable:
I = { h = h ; rj(h) < 1, ( rj(h), h) = 0}.
Aunque usualmente se utiliza esta denominacin, se observa que no es
totalmente correcta, en el sentido de que dicho conjunto de valores reales
pueden no constituir un intervalo, sino que puede ser, por ejemplo, una unin
de intervalos.
Se observa tambin que si el problema de valor inicial estudiado: y =

f(x, y) se supone definido en n, es posible que tenga inters considerar
que pueda tomar valores complejos, por lo que h podra pertenecer al
campo complejo. Este caso se estudia con detalle en la seccin 14.4.2 en la
que analiza la estabilidad absoluta cuando el problema de valor inicial es un
sistema lineal.
Por ello se define:
Definicin 14.4.5:
Al conjunto de valores de h = h, reales o complejos, que hacen que
los mdulos de las races del polinomio de estabilidad absoluta del mtodo
lineal multipaso sean menores que uno se le denomina regin de
estabilidad absoluta, A, del mtodo:
A = { h = h C; rj( h ) < 1, ( rj( h ), h ) = 0}
Por lo tanto la interseccin de la regin de estabilidad absoluta con el
eje real es lo que antes se ha denominado intervalo de estabilidad
absoluta.
En el ejemplo siguiente se observa que el error es inaceptable en todos
los casos. Esto se debe a que = 30 y h = 0,1 por lo que h = 3 que no
pertenece al intervalo de estabilidad absoluta de ninguno de los tres
mtodos, como se comprobar en el ejemplo 14.4.1.

Resultados de aplicar el mtodo de Euler, Runge-Kutta, y el mtodo de
Adams-Bashforth con tamao de paso h = 0,1 a: y = 30y, y(0) = 1/3, para
aproximar la solucin en x = 1,5.
Exacto Euler Runge-Kutta Adams
9,54173 x 10-21 1,09225 x 104 3,95730 x 105 8,03840 x 105
Las ecuaciones con negativo, pero grande en magnitud, forman parte
de un grupo especial de ecuaciones que se llaman ecuaciones diferenciales
stiff. Su error de truncamiento puede ser satisfactoriamente pequeo para
tamaos de paso muy pequeos, porque el valor absoluto de puede forzar
a hacer muy pequeo el tamao de paso para que h est en la regin de
estabilidad absoluta. Para estas ecuaciones diferenciales se deben elegir
mtodos implcitos con una amplia regin de estabilidad (o un tamao de
paso muy pequeo).
Resultados de aplicar el mtodo de Euler, y el mtodo de Adams-
Moulton con tamao de paso h = 0,5 a: y = y + (1 )sen x, y(0) = 1,
para aproximar la solucin en x = 2.
h = h Error con Euler Error con Adams-Moulton
1 0,5 0,255 0,0113
10 5 6,9 0,00278
50 25 1880 0,000791
Se observa que el error al aplicar el mtodo de Adams-Moulton es
siempre pequeo, mientras que al aplicar el mtodo de Euler, es aceptable

cuando h = 0,5, pero inaceptable en el resto de los casos. Esto se debe, de
nuevo, a que, como se comprobar en el ejemplo 14.4.1 el intervalo de
estabilidad absoluta del mtodo de Adams-Moulton es (, 0), mientras que
el del mtodo de Euler es (2, 0).
14.4.2. Estabilidad relativa
Otro concepto de inters en el estudio de la estabilidad de los mtodos
multipaso es el de estabilidad relativa. En ocasiones, aunque el error
cometido sea grande, puede ocurrir que la solucin aproximada obtenida sea
admisible, por ejemplo si la solucin crece en valor absoluto y el error relativo
es aceptable, con lo cual el mtodo podra ser vlido.
Definicin 14.4.6:
Un mtodo es relativamente estable para un valor h = h, si para ese
valor h las races del polinomio de estabilidad verifican que | ri | < | r1|, para i
= 2, , k, siendo r1 la raz principal del polinomio de estabilidad absoluta del
mtodo.
Definicin 14.4.7:
Se denomina regin de estabilidad relativa, R, del mtodo al conjunto
de valores de h = h que hacen que el mtodo sea relativamente estable:
R = { h = h C; rj( h ) < r1( h ), j = 2, , k, (rj( h ), h ) = (r1( h ), h ) = 0}

Definicin 14.4.8:
Se denomina intervalo de estabilidad relativa del mtodo al conjunto
de valores reales de h = h para los que el mtodo es relativamente
estable:
I = { h = h ; rj( h ) < r1( h ), j : 2 ... k, (rj( h ), h ) = (r1( h ), h ) = 0}.
Es por tanto la interseccin de la regin de estabilidad relativa con el eje
real. Se observa que, como en el caso del intervalo de estabilidad relativa,
puede no ser un intervalo, sino estar formado por una unin de intervalos.
14.4.3. Estabilidad absoluta de los mtodos lineales
multipaso en sistemas de ecuaciones
diferenciales ordinarias
Ya se vio en el captulo 12 que para estudiar un sistema dinmico de
ecuaciones diferenciales, ste se poda linealizar, y estudiar el sistema lineal
asociado: y = A(x)y + b(x), que a su vez se puede aproximar, de manera
similar al caso escalar, por un sistema de la forma y = Ay.
Se considera ahora un sistema lineal de ecuaciones diferenciales
ordinarias y = Ay, donde A es una matriz m m de coeficientes constantes,
con m autovalores s distintos entre s, para s = 1, , m.
Al aplicarle la frmula numrica:

k k
jzn+j = h jfn+j
j 0 j 0
se tiene:
k
(jI hjA)zn+j = 0, (14.4.1)
j 0
donde I representa la matriz identidad y zn+j son vectores.
Sea A = PDP-1, con |P| 0 y D una matriz diagonal cuyos elementos
son los autovalores s . Al sustituir en la ecuacin se tiene:
k k
P (jI hjD)P-1zn+j = 0 P (jI hjD)z*n+j = 0
j 0 j 0
donde z*n+j = P-1zn+j. Al ser D una matriz diagonal, la expresin anterior da
lugar a las m ecuaciones escalares:
k
(j hjs)zn+j* = 0, s = 1, , m.
j 0
Llamando hs = h cada una de las ecuaciones anteriores se convierte
en una ecuacin similar a la del caso escalar. El problema es, como en el
caso escalar, buscar los valores de h para los que las races ri del polinomio
de estabilidad del mtodo tengan mdulo menor que 1.
Ahora los valores de los s pueden ser complejos, con lo cual h puede
tambin tomar valores complejos; tiene entonces sentido hablar de regin de
estabilidad absoluta asociada al mtodo numrico, contenida en el plano
complejo, cuya interseccin con el eje real debe coincidir con el intervalo de
estabilidad absoluta del mtodo.
En el ejemplo 14.4.3 se muestra una frmula que permite calcular en la
prctica la frontera de la regin de estabilidad absoluta de un mtodo
numrico. Una vez conocida la frontera, se toma como regin de estabilidad
absoluta del mtodo la que contiene al intervalo de estabilidad absoluta.
Ejemplos resueltos
Ejemplo 14.4.1: Estudiar el intervalo de estabilidad absoluta de:
a) El mtodo de Euler
b) El mtodo de Adams-Bashforth de dos pasos
c) El mtodo de Adams-Moulton de dos pasos
a) El mtodo de Euler es:
zn+1 = zn + hfn
que al sustituir la ecuacin de prueba y = y se obtiene que: r( h ) = 1 + h y
al imponer que r( h ) < 1 1 + h < 1 1 < 1 + h < 1 2 < h < 0, por
lo que el intervalo de estabilidad absoluta es: (2, 0).
b) El mtodo de Adams-Bashforth de dos pasos es:

h
zn+2 zn+1 = (3fn+1 fn)
2
por lo que su polinomio de estabilidad absoluta es:
3 9 2
1 h h h 1
3 1 2 4
(r, h ) = r2 (1 + h )r + h de races rj( h ) =
2 2 2
siendo la raz principal r1 la raz que corresponde al signo positivo y la raz
parsita r2 la correspondiente al signo negativo. Se verifica que r1( h ) < 1 si
h < 0 y r2( h ) < 1 si 1 < h , por lo que el intervalo de estabilidad absoluta
es la interseccin de ambos: (, 0) (1, +) = (1, 0).
c) El mtodo de Adams-Moulton de dos pasos es:
h
zn+2 zn+1 = (5fn+2 + 8fn+1 fn)
12
por lo que su polinomio de estabilidad absoluta es:
5 8 1
(r, h ) = (1 h )r2 (1 + h )r + h
12 12 12
cuyas races verifican que su mdulo es menor que 1 si h < 0; el intervalo de
estabilidad absoluta es pues: (, 0).
En este ejemplo se comprueba que para el mtodo de Euler el intervalo
de estabilidad absoluta es (2, 0). En general, a igual orden de consistencia,
es preferible un mtodo con una regin de estabilidad absoluta mayor. Por

esta razn los mtodos de Adams-Moulton son preferibles a los de Adams-
Bashforth pues los primeros tienen una regin de estabilidad absoluta mayor.
Por ejemplo, el mtodo de Adams-Bashforth de orden 2 tiene como intervalo
de estabilidad absoluta a (1, 0) mientras que el mtodo de Adams-Moulton
del mismo orden lo tiene de (, 0).
Ejemplo 14.4.2: Estudiar el intervalo de estabilidad absoluta y relativa
de los siguientes mtodos:
h
a) El mtodo: zn+1 zn = (fn+1 + fn)
2
b) El mtodo: zn+2 4zn+1 + 3zn = 2hfn
c) El mtodo: zn+2 zn = 2hfn+1
h
d) El mtodo: zn+2 zn = (fn+2 + 4fn+1 + fn)
3
h
a) Al aplicar el mtodo zn+1 zn = (fn+1 + fn) a la ecuacin de
2
prueba se obtiene:
1 1
(1 h )zn+1 (1 + h )zn
2 2
y el polinomio de estabilidad absoluta:

h
1
1 1 2.
(r, h ) = (1 h )r (1 + h ) (r, h ) = 0 si r =
2 2 h
1
2
El mtodo es absolutamente estable si h (, 0). Como
slo existe la raz principal la estabilidad relativa coincide con la
estabilidad absoluta.
En los mtodos de un paso coinciden la regin de
estabilidad absoluta con la regin de estabilidad relativa.
b) Al aplicar el mtodo zn+2 4zn+1 + 3zn = 2hfn de dos pasos a
la ecuacin de prueba da como resultado el polinomio de
estabilidad absoluta: (r, h ) = r2 4r + (3 + 2 h ) de races: rj( h )
= 2 1 2h siendo la raz principal r1 la raz que corresponde
al signo negativo y la raz parsita r2 la correspondiente al signo
positivo. Para todo valor de h la raz parsita tiene su mdulo
mayor que 1, luego los intervalos de estabilidad absoluta y de
estabilidad relativa son el conjunto vaco. El mtodo no es
estable pues las races del polinomio de estabilidad son 1 y 3, y
esta ltima tiene su mdulo mayor que 1.
c) Al aplicar el mtodo zn+2 zn = 2hfn+1 a la ecuacin de prueba
se obtiene el polinomio de estabilidad absoluta:
(r, h ) = r2 2 h r 1 de races: rj( h ) = h h 2 1 siendo la

raz principal r1 la raz que corresponde al signo positivo y la
raz parsita r2 la correspondiente al signo negativo. Si h > 0
entonces r1( h ) > 1 y si h < 0 entonces r2( h ) > 1, por lo que
el intervalo de estabilidad absoluta es el conjunto vaco, ya que
para todo valor de h una de las dos races tiene su mdulo
mayor que 1.
Para estudiar la estabilidad relativa se buscan los valores
de h donde r2( h ) < r1( h ) dibujando la grfica de las
funciones y se observa que se verifica si h > 0, por lo que para
h > 0, hay estabilidad relativa siendo el intervalo de estabilidad
relativa (0, +).
h
d) El mtodo: zn+2 zn = (fn+2 + 4fn+1 + fn) tiene como polinomio
3
de estabilidad absoluta:
1 4 1
(r, h ) = (1 h )r2 h r (1 + h )
3 3 3
2 1 2
de races: rj( h ) = h h 1 siendo la raz principal r1 la
3 3
raz que corresponde al signo positivo y la raz parsita r2 la
correspondiente al signo negativo.
Para todo valor de h una de las dos races tiene su
mdulo mayor que 1, por lo que el mtodo no es absolutamente

estable para ningn h y la regin de estabilidad absoluta es el
conjunto vaco.
Para estudiar la estabilidad relativa se buscan los valores
de h donde se verifica que r2( h ) < r1( h ) dibujando la grfica
de las funciones, y se observa que se verifica si h > 0, por lo
que para h > 0 hay estabilidad relativa siendo el intervalo de
estabilidad relativa (0, +).
Ejemplo 14.4.3: Demostrar que los puntos, h * , de la frontera de la
regin de estabilidad absoluta del mtodo:
k k
j zn j h j f ( x n j , zn j ) ,
j 0 j 0
verifican que:

k

j
j e i
j 0
h* .
j e
k
i j
j 0
El polinomio de estabilidad absoluta de dicho mtodo es:
k
(r, h ) = (j h j)r( h )j
j 0
y se buscan los valores de h que hacen que las races rj( h ) sean tales que
verifiquen: rj( h ) < 1.
Los puntos de la frontera, h * , verificarn que rj( h * ) = 1, por lo que
rj( h * ) = mei = ei y al sustituir en el polinomio e igualar a cero si se sustituye
h por h * , se obtiene:
k
*
(r, h ) = 0 = (j h * j) (ei)j.
j 0
j e i
k j
j 0
Despejando se tiene la expresin pedida: h * .
j e
k
i j
j 0
Ejemplo 14.4.4: Encontrar la regin de estabilidad absoluta del mtodo
de Euler.
El mtodo de Euler es:
zn+1 = zn + hfn
por lo que los puntos de la frontera de su regin de estabilidad absoluta
j e i
k j
j 0 e i 1
verifican que: h * = x + iy = = = cos + isen 1 x =
j e i
k j 1
j 0
cos 1; y = sen . Eliminando el ngulo se tiene: (x + 1)2 + y2 = 1 por lo que

la frontera de la regin de estabilidad absoluta es la circunferencia de centro
(1, 0) y radio 1. En el ejemplo 14.4.1 se comprob que el intervalo de
estabilidad absoluta de dicho mtodo es (2, 0), por lo que la regin de
estabilidad absoluta es el interior de dicha circunferencia, siendo el intervalo
de estabilidad absoluta su interseccin con el eje real.
Por tanto la regin de estabilidad absoluta del mtodo de Euler es:
A = { h = x + iy C; (x + 1)2 + y2 < 1} = { h C; h + 1 < 1}.
Ejercicios
14.20. Encontrar la regin de estabilidad absoluta del mtodo
zn+1 = zn + hfn+1.
(Solucin: A = {z C; z + 1 > 1}).
14.21. Determinar los intervalos de estabilidad absoluta y
relativa del mtodo:
2 1 1
zn+2 zn+1 zn = h(fn+1+ fn)
3 3 3
14.22. Determinar los tamaos de paso que permitan asegurar
que al aplicar el mtodo zn+2 zn = h(3fn+1 + 5fn) al problema y
= 3y + x2, y(0) = 1, se tiene estabilidad absoluta.

que al aplicar el mtodo zn+2 zn = h(3fn+1 + 5fn) al problema y
= 3y + x2, y(0) = 1, se tiene estabilidad relativa.
14.24. Determinar los intervalos de estabilidad absoluta y
relativa del mtodo:
4 1 2
zn+2 zn+1 + zn = hfn
3 3 3
4 1 2
que al aplicar el mtodo zn+2 zn+1 + zn = hfn al problema
3 3 3
2
y = 4y + e x , y(0) = 0, x > 0, se tiene estabilidad absoluta.
1 1
(Solucin: Intervalo de estabilidad absoluta: [ , 0), = 4 h (0, .)
6 24
14.5. OTROS MTODOS DE K PASOS
Se han utilizado otras frmulas y otros mtodos numricos lineales de k
pasos, como los mtodos de Nystrm, los de Milne-Simpson y los mtodos
de Milne. Estos mtodos actualmente estn en desuso debido a los
problemas de estabilidad que plantean. Otros mtodos que se estudian en
esta seccin son los mtodos de prediccin-correccin, y se comenta algo
sobre mtodos de paso variable o los mtodos adecuados para problemas

stiff.
14.5.1. Mtodos de Nystrm y de Milne-Simpson
Los mtodos de Nystrm y Milne-Simpson son frmulas de k pasos que
tienen como primer polinomio caracterstico (r) = rk rk-2, es decir, son de la
forma:
k
zn+k zn+k-2 = h jfn+j.
j 0
Las frmulas que siguen son ejemplos de ellos.
Mtodos de Nystrm:
El mtodo: zn+2 zn = 2hfn+1 (Regla del punto medio).
h
El mtodo: zn+3 zn+1 = (7fn+2 2fn+1 + fn)
3
... ... ...
Mtodos de Milne-Simpson:
El mtodo: zn+2 zn = 2hfn+2
h
El mtodo: zn+2 zn = (fn+2 + 4fn+1 + fn) (Regla de Simpson)
3
h
El mtodo: zn+3 zn+1 = (fn+3 + 4fn+2 + fn)
3
... ... ...
Los mtodos de Nystrm son explcitos mientras que los mtodos de
Milne-Simpson son implcitos. Se construyen de forma similar a los mtodos
de Adams, integrando un polinomio interpolador, pero ahora el incremento
que se utiliza es 2h.
14.5.2. Mtodos predictor-corrector
Los mtodos implcitos tienen la dificultad de tener que resolver una
ecuacin implcita de la forma: zn+k = hkf(xn+k, zn+k) + g donde g es una
funcin previamente computada. Si la frmula es no lineal es necesario
evaluar zn+k mediante un mtodo aproximado. Si la funcin f es lipschiziana
respecto de la segunda variable y la constante de Lipschitz L es moderada
se suele utilizar el mtodo del punto fijo, y si la constante de Lipschitz es muy
grande, lo que ocurre con los problemas stiff, se suele utilizar el mtodo de
Newton.
Ya se estudi en el captulo anterior algn mtodo implcito como: zn+1 =
zn + (h/2)(f(xn, zn) + f(xn+1, zn+1)) cuyo error de truncamiento es del orden de
O(h3), donde se observa que zn+1 aparece en el segundo miembro de la
igualdad y se debe despejar, lo que usualmente puede ser difcil, con lo que
se aproxima, bien mediante iteraciones del punto fijo, o haciendo una
prediccin por medio de la frmula de Euler.
Para subsanar la dificultad de evaluar zn+k se usan los mtodos de

prediccin-correccin. La idea del par predictor-corrector se basa en la
observacin de que en un mtodo implcito se deben resolver en cada paso
un sistema de ecuaciones algebraicas. Si para resolver dicho sistema se
utiliza el teorema de la iteracin del punto fijo basta tomar h suficientemente
pequeo para garantizar la convergencia cualesquiera que sean las
condiciones iniciales. Pero sin embargo se pueden ahorrar un buen nmero
de iteraciones tomando un valor prximo a la solucin, por lo que parece
adecuado evitar la iteracin y tomar en su lugar el valor obtenido con el
mtodo explcito.
Los mtodos de prediccin-correccin combinan en cada paso una
frmula explcita para predecir un valor de la solucin y una frmula implcita
para corregirlo.
Los mtodos de prediccin-correccin mas utilizados son los mtodos
de Adams-Bashforth-Moulton (ABM). Se usan simultneamente dos
frmulas, generalmente con el mismo orden de convergencia, una explcita o
de tipo abierto que se llama predictora, y otra implcita o de tipo cerrado que
se llama correctora. La frmula correctora suele ser ms precisa que la
predictora, aunque se elijan con error de truncamiento del mismo orden. Por
ejemplo con la frmula de Adams-Moulton de tres pasos como correctora se
utiliza como predictora la frmula de Adams-Bashforth de cuatro pasos.
Ambas frmulas son convergentes de orden cuatro.
Para obtener el valor aproximado zn+1 a partir de un valor zn calculado

previamente, mediante un par predictor-corrector, se procede de la siguiente
forma:
Se predice un valor z[0]n+1, obtenido aplicando la frmula
explcita (P).
Se evala la funcin: f [0]n+1 = f(xn+1, z[0]n+1) (E).
Se corrige el valor z[0]n+1 mediante la frmula implcita,
obtenindose una nueva aproximacin z[1]n+1 (C).
Se evala de nuevo la funcin: f [1]n+1 = f(xn+1, z[1]n+1) (E).
Se puede tomar zn+1 = z[1]n+1 como valor definitivo de la etapa n + 1 y
comenzar de nuevo el proceso para obtener el valor de zn+2 a partir de zn+1.
Este proceso se suele denotar como PECE, y es la forma mas utilizada en
los mtodos predictor-corrector. Pero tambin se puede mejorar el valor
z[1]n+1 antes de pasar a la etapa siguiente, aadiendo un nmero determinado
de veces, m, los dos ltimos pasos
Se corrige el valor z[1]n+1 mediante la frmula implcita,
obtenindose una nueva aproximacin z[2]n+1 (C).
Se evala de nuevo la funcin: f [2]n+1 = f (xn+1, z[2]n+1) (E).
El proceso se denota en este caso como PE(CE)m.
Observacin:
La razn por la que se suelen tomar dos mtodos de Adams con el
mismo orden de convergencia es que en esta situacin los clculos se
simplifican. En efecto, si el orden de convergencia de los mtodos es p = k, el
valor de z[0]n+1 se obtiene a partir de la frmula explcita de Adams-Bashforth
de k pasos: z[0]n+1 = zn + h[00 + 11 + + k-1k-1]fn, mientras que la
frmula implcita es la de Adams-Moulton de k 1 pasos, que se puede
expresar de la forma:
zn+1 = zn + h[00 + 11 + + k-2k-2]fn + k-1hk-1fn+1 =
zn + h[00 + + k-2k-2 + k-1k-1]fn + k-1h(k-1fn+1 k-1fn) =
zn + h[00 + 11 + + k-1k-1]fn + k-1hkfn+1 = z[0]n+1 + k-1hkfn+1.
Se tiene entonces que:
z[1]n+1 = z[0]n+1 + k-1hkfn+1,
con lo que se simplifica el proceso.
El orden de consistencia de un par predictor-corrector implementado
como PE(CE)m depende del orden de consistencia de los mtodos que
forman el par y del valor de m. En este sentido se puede demostrar que si el
orden de convergencia del mtodo predictor es mayor o igual que el del
mtodo corrector, el par predictor-corrector tiene el mismo orden de
convergencia y el mismo error de truncamiento que la frmula correctora.
El error de truncamiento de un mtodo lineal multipaso con orden de

convergencia p viene dado por la expresin:
Tn+k = Cp+1hp+1yp+1)(xn) + O(hp+2).
La estimacin del error de truncamiento presenta la dificultad de tener
que estimar numricamente yp+1)(xn). Los mtodos de prediccin correccin,
en el caso en que ambos mtodos (implcito y explcito) sean del mismo
orden tienen la ventaja adicional de que se puede estimar la parte principal
del error de truncamiento sin necesidad de calcular yp+1)(xn) mediante la
estimacin de Milne. La idea es la siguiente.
Se considera un mtodo predictor-corrector de la forma PE(CE)m. Sean
T*n+k y Tn+k los errores de truncamiento correspondientes a los mtodos
explcito e implcito, respectivamente, que tienen un orden de convergencia
p. Se tiene entonces:
T*n+k = C*p+1hp+1yp+1)(xn) + O(hp+2) = y(xn+k) zn k [ 0 ] .
Tn+k = Cp+1hp+1yp+1)(xn) + O(hp+2) = y(xn+k) zn k [ m ] .
Las expresiones zn k [ 0 ] y zn k [ m ] representan los valores obtenidos
al aplicar las correspondientes frmulas numricas en el paso n + k,
suponiendo que los valores de partida son exactos. Restando ambas
expresiones se tiene:
(C*p+1 Cp+1)hp+1yp+1)(xn) = zn k [ m ] zn k [ 0 ] + O(hp+2).

Si ahora se despeja :
1
hp+1yp+1)(xn) = ( zn k [ m ] zn k [ 0 ] ) + O(hp+2),
*
C p 1 C p 1
se tiene as una estimacin de hp+1yp+1)(xn) . El error de truncamiento del par
predictor-corrector, que coincide con el de la frmula correctora se puede
expresar entonces de la forma:
C p 1
Tn+k = ( zn k [ m ] zn k [ 0 ] ) + O(hp+2).
*
C p 1 C p 1
Si se comparan los mtodos Runge-Kutta con los mtodos multipaso se
observa que los mtodos Runge-Kutta consiguen mejorar la aproximacin
eliminando la linealidad. En ellos es difcil saber cuando se debe cambiar la
longitud de paso pues la estructura del error de truncamiento es complicada,
pero sin embargo es fcil cambiarlo. Mientras que en los mtodos lineales
multipaso es fcil controlar el error de truncamiento, y por tanto decidir
cuando se debe cambiar el paso, y sin embargo es complicado cambiarlo.
Los mtodos de prediccin-correccin tienen pues la ventaja
fundamental de que es muy sencillo estimar el error de truncamiento, lo que
se puede utilizar para ajustar el tamao del paso. Un inconveniente es que
cualquier cambio en el tamao del paso h conlleva un coste en el nmero de
clculos. Pero existen estrategias de paso variable que, almacenando
valores previos de la funcin, resultan eficientes.

14.5.3. Mtodos multipaso de tamao de paso variable
Existen algoritmos que utilizan una frmula de Adams-Moulton como
correctora y otra de Adams-Bashforth como predictora y calculan una
estimacin del error, que cuando indica que el tamao de paso es demasiado
grande, se reemplaza este por la mitad y si el error es demasiado pequeo
se reemplaza por un tamao de paso doble, dicindose entonces que se
utiliza un mtodo de paso variable. La utilizacin de mtodos de prediccin-
correccin de paso variable requiere tener un buen mtodo para obtener los
valores iniciadores, y mtodos para reducir a la mitad el intervalo o para
doblarlo, lo que aumenta la complejidad de computacin.
Un algoritmo predictor-corrector de Adams con tamao de paso variable
se encuentra en Burden&Faires7. Una mayor informacin sobre algoritmos de
paso variable para estos mtodos se puede obtener en el libro de J. D.
Lambert8.
Los mtodos lineales multipaso pueden formularse mediante matrices
definidas por columnas, y las relaciones entre las columnas se conocen
como forma de Nordsieck, en la que el cambio de paso es sencillo, no as el
cambio de orden.
Es posible tambin introducir otros algoritmos que permitan modificar
7
Burden, R. L.; Faires, J. D. (1996): Anlisis Numrico. Grupo Editorial
Iberoamericano. (2 edicin). 275-277.
8
J. D. Lambert, Numerical methods for ordinary differential systems: the initial value
problem, J. Wiley, 1991.
la longitud de paso, lo que es un ingrediente clave en la eficiencia del
mtodo. Mediante la extrapolacin de Richardson (estudiada en el captulo
anterior) se puede calcular una cantidad que permite obtener una
aproximacin de un orden mayor, y que se puede utilizar para ajustar la
longitud de paso. Pero es un procedimiento costoso, con lo que pueden
buscarse otras alternativas de razonamiento.
La experiencia demuestra que no se deben efectuar cambios de paso
con excesiva frecuencia, siendo aconsejable modificar el tamao de paso
tras al menos k 1 pasos con un mismo valor h.
14.5.4. Problemas stiff
Existen problemas de valor inicial de un determinado tipo, los
problemas stiff o sistemas rgidos, para los que muchos mtodos
multipaso con buenas propiedades de convergencia, como los mtodos de
Adams, son en general ineficaces. Existen distintas definiciones para
describir este tipo de problemas.
Lambert9, trata sobre el fenmeno de la stiffness, ya que en su opinin
es mas un fenmeno que una propiedad, en el sentido de que no se puede
describir en trminos matemticos precisos, y presenta diferentes
definiciones en funcin de los distintos aspectos cualitativos que muestra un
problema stiff.
9
J. D. Lambert, Numerical methods for ordinary differential systems: the initial value
problem, J. Wiley, 1991.
En general, se puede decir que se engloban bajo esta denominacin
aquellos problemas cuyas soluciones experimentan cambios bruscos en
intervalos de pequea longitud, o aquellos en los que la solucin exacta del
problema consta de un trmino estacionario que no vara significativamente
con el tiempo, junto con un trmino transitorio que decaiga rpidamente a
cero.
Estos problemas aparecen en diversas situaciones de inters como en
la cintica qumica con reacciones muy rpidas, reacciones nucleares o
fotodisociacin, en circuitos elctricos con los transistores de alta velocidad y
en sistemas amortiguados de resortes.
Para la resolucin numrica de estos mtodos se requieren unos
mtodos lineales de k pasos implcitos especficos, que se conocen como
mtodos de diferenciacin regresiva o mtodos BDF, y son tales que su
segundo polinomio caracterstico es de la forma (r) = krk, por lo que tienen
k
la forma: jzn+j = hkfn+k. Los coeficientes j y el coeficiente k se
j 0
deducen partiendo del polinomio interpolador Pk(x) que pase por (xn, zn), ....,
(xn+k, zn+k) e imponiendo que Pk(xn+k) = f(xn+k, zn+k). Presentan la ventaja del
tamao de su regin de estabilidad absoluta. Se utilizan siempre mtodos de
orden a lo sumo seis, ya que en stos la regin de estabilidad absoluta
contiene a todo el semieje real negativo. La idea de predictor-corrector aqu
no es adecuada, por lo que se usa el mtodo de Newton para obtener las

sucesivas aproximaciones de zn+1.
Ejemplos resueltos
Ejemplo 14.5.1: Utilizar el mtodo de Adams-Bashforth de dos pasos
como predictor y el de Adams-Moulton de un paso como corrector, un
tamao de paso h = 0,2 y como valores iniciadores los proporcionados por
Runge-Kutta 4, para aproximar el valor y(0,8) de la solucin de y = x + y 1,
y(0) = 1. Utilizar las frmulas de dichos mtodos
h h
a) z[0]n+1 = zn + (3fn fn-1); z[1]n+1 = zn + (f[0]n+1 + fn).
2 2
b) Resolver el problema utilizando las frmulas de dichos mtodos
dadas mediante las tablas de diferencias regresivas: z[0]n+1 = zn + h(0 +
1 1 1
)fn; z[1]n+1 = z[0]n+1 + 2fn+1.
2 2
a) Se utiliza el mtodo de Adams-Bashforth de dos pasos como
h
predictor: z[0]n+1 = zn + (3fn fn-1). Se denomina f[0]n+j = f(xn+j, z[0]n+j). Se
2
utiliza el mtodo de Adams-Moulton de un paso como corrector: z[1]n+1 =
1 2
z[0]n+1 + fn+1.
2
Se calculan los valores iniciadores usando el mtodo de Runge-Kutta:
x0 = 0; z0 = y0 = 1; f(x, z) = x + z 1 f(x0, z0) = f(0, 1) = 0,

h h
6 2
h
+ k1) = 0,1; k3 = 0,11; k4 = 0,222 z1 = 1,0214.
2
h
z[0]2 = z1 + (3f1 f0) con f(x, z) = x + z 1, f0 = f(x0, z0) = f(0, 1) = 0; f1 =
2
f(x1, z1) = f(0,2, 1,0214) = 0,2214 z[0]2 = 1,0214 + 0,1(3*0,2214 0) =
1,08782 que es el valor predictor.
f[0]2 = f(x2, z[0]2) = f(0,4, 1, 08782) = 0,4 + 1, 08782 1 = 0,48782.
Utilizando el mtodo de Adams-Moulton de tres pasos como corrector:
h [0]
z[1]2 = z1 + (f 2 + f1) = 1,0214 + 0,1(0,48782 + 0,2214) = 1,092322.
2
f[1]2 = f(x2, z[1]2) = f(0,4, 1,092322) = 0,492322.
Se repite el proceso:
h
z[0]3 = z2 + (3f2 f1) = 1,092322 + 0,1(3*0,492322 0,2214) =
2
1,2178786.
f[0]3 = f(x3, z[0]3) = f(0,6, 1,2178786) = 0,8178786.
h [0]
z[1]3 = z[1]2 + (f 3 + f[1]2) = 1,092322 + 0,1(0,8178786 + 0,492322) =
2
1,22334206.
f[1]3 = f(x3, z[1]3) = f(0,6, 1,22334206) = 0,82334206.
Se repite el proceso:
h
z[0]4 = z[1]3 + (3f[1]3 f[1]2) = 1,22334206 + 0,1(3*0,82334206
2
0,492322) = 1,421112478.
f[0]4 = f(x3, z[0]4) = f(0,8, 1,421112478) = 1,221112478.
h [0]
z[1]4 = z[1]3 + (f 4 + f[1]3) = 1,22334206 + 0,1(1,221112478 +
2
0,82334206) = 1,4277875138 = z(0,8).
b) Utilizar las frmulas de dichos mtodos dadas mediante las tablas de
diferencias regresivas:
1 1 [1]
z[0]n+1 = z[1]n + h(0 + )f n;
2
1 2 [0]
z[1]n+1 = z[0]n+1 + f n+1.
2
La forma usual de organizar estos clculos es utilizando una hoja de
clculo, con lo que es posible simplificar el proceso, de forma similar al
ejemplo 14.2.4.
Al utilizar las frmulas:
1 1 [1]
z[0]n+1 = z[1]n + h(0 + )f n;
2
1 2 [0]
z[1]n+1 = z[0]n+1 + f n+1
2
se obtiene:
n xn = x0 + hn z[0]n f[0]n z[1]n f[1]n
0 0 1 0 1 0
1 0,2 1,0214 0,2214 1,0214 0,2214
2 0,4 1,08782 0,48782 1,092322 0,492322
3 0,6 1,2178786 0,8178786 1,22334206 1,22334206
4 0,8 1,421112478 1,221112478 1,42971758 1,42778714
Para obtener las diferencias que se utilizan en las frmulas se
construyen las siguientes tablas:
f[0]n 1f[0]n 2f[0]n

f[0]0 0
f[0]1 0,2214 0,2214
f[0]2 0,48782 0,26642 0,04502 = 2f[0]2
1 2 [0] 1
z[1]2 = z[0]2 + f 2 = 1,08782 + 0,04502 = 1,092322.
2 2
0f[1]n 1f[1]n 2f[1]n

[1]
f 0 0
f[1]1 0,2214 0,2214
f[1]2 0,492322 0,270922 0,049522
1 1 [1] 1
z[0]3 = z[1]2 + h(0 + )f 2 = 1,092322 + 0,2(0,492322 + 0,270922)
2 2
= 1,2178786.
0fn 1f n 2fn
f[0]0 0
f[0]1 0,2214 0,2214
f[1]2 0,492322 0,270922 0,049522
f[0]3 0,8178786 0,3255566 0,0546346 = 2f[0]3
1 2 [0] 1
z[1]3 = z[0]3 + f 3 = 1,2178786 + 0,0546346 = 1,22334206
2 2
0fn 1f n 2f n
f[0]0 0
f[0]1 0,2214 0,2214
f[1]2 0,492322 0,270922 0,049522
f[1]3 0,82334206 = f 3 0,33102006 = 1f[1]3
0 [1]
0,06009806
1 1 [1]
z[0]4 = z[1]3 + h(0 + )f 3 = 1,22334206 + 0,2(0,82334206 +
2
1
0,33102006) = 1,421112478.
2
0fn 1f n 2f n
[0]
f 0 0
f[0]1 0,2214 0,2214
f[1]2 0,492322 0,270922 0,049522
f[1]3 0,82334206 0,33102006 0,06009806
f[0]4 1,22111248 0,39777042 0,06675036 = 2f[0]4
1 2 [0] 1
z[1]4 = z[0]4 + f 4 = 1,421112478 + 0,06675036 = 1,42971758.
2 2
Ejemplo 14.5.2: Utilizar el mtodo de Adams-Bashforth de cuatro pasos
como predictor y el de Adams-Moulton de tres pasos como corrector, un
tamao de paso h = 0,2 y como valores iniciadores los proporcionados por
Runge-Kutta 4, para aproximar y(0,8) de la solucin de y = x + y 1, y(0) =
1. Calcular el error global.
Se utiliza el mtodo de Adams-Bashforth de cuatro pasos como
h
predictor: z[0]n+4 = zn+3 + (55fn+3 59fn+2 + 37fn+1 9fn). Se denomina f[0]n+j
24
= f(xn+j, z[0]n+j).
Se utiliza el mtodo de Adams-Moulton de tres pasos como corrector:
h
zn+3 = zn+2 + (9f[0]n+3 + 19fn+2 5fn+1 + fn).
24
Se calculan los valores iniciadores usando el mtodo de Runge-Kutta:
x0 = 0; z0 = y0 = 1; f(x, z) = x + z 1 f(x0, z0) = f(0, 1) = 0,
h h
6 2
h
+ k1) = 0,1; k3 = 0,11; k4 = 0,222 z1 = 1,0214.
2
h
z2 = z1 + (k1 + 2k2 + 2k3 + k4) siendo x1 = 0,2, k1 = f(x1, z1) = 0,2214; k2
6
h h
= f(x1 + , z1 + k1) = 0,34354; k3 = 0,355754; k4 = 0,4925508 z2 =
2 2
1,09181796.
h
z3 = z2 + (k1 + 2k2 + 2k3 + k4) siendo x2 = 0,4, k1 = f(x2, z2) =
6
h h
0,49181796; k2 = f(x2 + , z2 + k1) = 0,640999756; k3 = 0,6559179356; k4
2 2
= 0,82300154712 z3 = 1,222106456.
h
z[0]4 = z3 + (55f3 59f2 + 37f1 9f0) con f(x, z) = x + z 1, f0 = f(x0, z0)
24
= f(0, 1) = 0; f1 = f(x1, z1) = f(0,2, 1,0214) = 0,2214; f2 = f(x2, z2) = f(0,4,
1,09181796) = 0,49181796; f3 = f(x3, z3) = f(0,6, 1,222106456) = 0,6 +
1,222106456 1 = 0,822106456 z[0]4 = 1,42535975 que es el valor

predictor.
f[0]4 = f(x4, z[0]4) = f(0,8, 1,42535975) = 0,8 + 1,42535975 1 =
1,22535975.
Utilizando el mtodo de Adams-Moulton de tres pasos como corrector:
h
z[1]4 = z3 + (9f[0]4 + 19f3 5f2 + f1) = 1,42552788 = z(0,8).
24
La solucin exacta es y(0,8) = e0,8 0,8 = 1,42554093.
El error global:
e(0,2) = y(0,8) z(0,8) = 1,42554093 1,42552788 = 0,00001305.
Ejercicios
14.26. Utilizar el mtodo de Adams-Bashforth de cuatro pasos
como predictor y el de Adams-Moulton de tres pasos como
corrector, un tamao de paso h = 0,1 y como valores iniciadores
los proporcionados por Runge-Kutta 4, para aproximar y(0,5) de
la solucin de y = y , y(0) = 1.
(Solucin: z[0]4 = 1,491820106; z[1]4 = 1,491824539; z[0]5 = 1,648716439;
z[1]5 = 1,648721307).
14.27. Obtener el mayor valor del paso h que haga
absolutamente estable mtodo zn+1 = zn + hfn+1 para el sistema:

y'1 12 15 y 1

y' 2 6 6 y 2
absolutamente estable el mtodo zn+1 = zn + hfn+1 para el
sistema:
y'1 18 21 y 1

y' 2 6 6 y 2
14.6. EJERCICIOS
14.29. Buscar todos los mtodos lineales de un solo paso
consistentes.
(Solucin: El nico explcito es el mtodo de Euler. Implcitos hay
infinitos, con 0 + 1 =1)
14.30. Obtener un mtodo lineal de dos pasos cuyo error de
truncamiento sea cero al aplicarlo a un problema de valor inicial
cuya solucin exacta sea un polinomio de grado cuatro.
h
(Solucin: zn+2 = zn + (fn+2 + 4fn+1 + fn))
3
h
14.31. Aplicar el mtodo zn+2 = zn + (fn+2 + 4fn+1 + fn) al
3
problema y = y + x, y(0) = 0, tomando como tamao de paso h y

como z0 = 0 y z1 = eh h 1, para obtener z2.
2h( 2e h h 2 )
(Solucin: z2 = )
3h
14.32. Calcular el orden de consistencia del mtodo:
zn+2 = zn + 2hfn+1.
Aplicar el mtodo al problema de valor inicial y = 3x2, y(0) = 0 y
calcular su error de truncamiento.
(Solucin: p = 2. Tn+2 = 2h3)
14.33. Estudiar la convergencia del mtodo:
zn+2 = zn + h( fn+2 + 4fn+1 fn).
Aplicar el mtodo al problema de valor inicial y = x, y(0) = 2,
tomando a) como z0 = 2, b) como z0 = 2 + h, y en ambos casos
como z1 el valor obtenido aplicando el mtodo de Taylor de orden
dos. Calcular zn y verificar si coincide con el valor exacto.
(Solucin: El mtodo es estable y su orden de consistencia es 2, luego
1 2 2
es convergente. a) zn = 2 + h n que coincide con el valor exacto y =
2
1 2 1
2+ x . b) zn = 2 + h + h2n2 que no coincide con el valor exacto).
2 2
14.34. Se considera el mtodo implcito: zn+2 = (a + 1)zn azn+1

h
+ ((3a + 4)fn + (a + 4)fn+2). a) Determinar para que valores de a
4
el mtodo es convergente. b) Calcular a de modo que el orden
de consistencia sea 3. c) Aplicar el mtodo obtenido para a = 0,
al problema de valor inicial: y = y, y(0) = 1, para obtener el valor
aproximado de la solucin en x = 1, con h = 0,2, y valores
iniciadores z0 = z1 = 1.
(Solucin: a) Convergente si 2 < a 0. b) Para a = 2 el orden de
consistencia es 3, pero no es convergente. c) z(1) = 2,25).
3 1
14.35. Obtener y para que el mtodo: zn+2 zn+1 + zn =
2 2
h(fn+1 + fn) tenga orden de consistencia 2. Calcular en funcin
de h el error de truncamiento que se comete en el paso n-simo
al aplicarlo a y = 6x2 + 2, y(0) = 0.
5 3 11 3
(Solucin: = y = . Tn+k = h ).
4 4 2
14.36. Hallar el mtodo lineal de dos pasos explcito, estable y
consistente de mayor orden posible tal que su coeficiente de
error sea el menor posible. Estudiar su estabilidad absoluta y
relativa.
1
(Solucin: zn+2 = zn + 2hfn+1. C3 = . Regin de estabilidad absoluta: .
3
Intervalo de estabilidad relativa: (0, +)).

14.37. Hallar el mtodo lineal de dos pasos implcito, estable y
consistente de mayor orden posible tal que su coeficiente de
error sea el menor posible. Estudiar su estabilidad absoluta y
relativa.
14.38. Calcular el error de truncamiento en el paso n-simo al
aplicar el mtodo:
1 1 h
zn+2 zn+1 zn = ( 9fn+2 + 32fn+1 11fn).
2 2 8
con un tamao de paso h al problema: xy = 3(y + 1), y(1) = 0.
(Solucin: Tn+2 = 6h3).
14.39. Estudiar la convergencia del mtodo:
zn+2 + 4zn+1 5zn = h(4fn+1 + 2fn).
(Solucin: No es estable, por lo que no es convergente).
14.40. a) Estudiar los valores de que hacen que sea
convergente el mtodo: zn+3 zn+1 = h(fn 2fn+1 + (2 + )fn+2).
b) Determinar para que el error de truncamiento que se comete
en el paso n-simo al aplicarlo a xy + y = 4x3, y(1) = 1 sea Tn =
2h3.
(Solucin: El mtodo es convergente para todo . b) = 0).

14.41. Estudiar la convergencia y los intervalos de estabilidad
absoluta y relativa del mtodo:
3 1 1
zn+2 zn+1 + zn = hfn.
2 2 2
(Solucin: Es convergente. Intervalo de estabilidad absoluta = (1, 0).
1
Intervalo de estabilidad relativa: ( , +)).
8
14.42. Deducir desde la expresin de las frmulas de Adams-
Moulton: zn+1 = zn + h[00 + 11 + + k-1k-1]fn + kkfn+1, la
expresin donde aparecen solamente las ifn+1.
14.43. Calcular , y para que al aplicar el mtodo:
zn+3 zn+2 = h(fn + fn+1 + fn+2)
al problema: y = (ax + b) y se obtenga un error de
3 4
truncamiento Tn+3 proporcional a h . Calcular a y b para que
8
3 4
valga exactamente h.
8
5 4 23 2
(Solucin: = ,= ,= ,a= , b).
12 3 12 3
14.44. Obtener un mtodo lineal implcito de 3 pasos en el que
1/2 y 1 sean races de su ecuacin caracterstica, siendo su

orden de consistencia tan elevado como sea posible. El mtodo
obtenido, es estable?, es convergente?, qu orden de
consistencia tiene?
1 1 1 1 7 1
(Solucin: zn+3 zn+2 zn+1 + zn = h( fn fn+1 + fn+2 + fn),
2 2 6 3 6 3
estable, consistente de orden 4 y convergente).
14.45. Aplicar el mtodo de Adams-Bashforth de dos pasos al
y'1 1 0 y 1 x y 1( 0 ) 0
, con
y' 2 1 2 y 2 1 y 2 ( 0 ) 0
y ( 0,4 )
con h = 0,2 para aproximar 1 , utilizando como valores
y 2 ( 0,4 )
0
iniciadores: z0 = , z1 mediente Runge-Kutta 4.
0
0,08782
(Solucin: z2 = ).
0,60226
absolutamente estable el mtodo zn+1 = zn + hfn para el sistema:
y'1 12 15 y 1

y' 2 6 6 y 2
(Solucin: A = {z C; z + 1 > 1; = 3 3i h < 1/3.)

absolutamente estable el mtodo zn+1 = zn + hfn para el sistema:
y'1 18 21 y 1

y' 2 6 6 y 2
2
(Solucin: A = {z C; z + 1 > 1; = 6 3 2 h <
63 2
0,055.)
absolutamente estable el mtodo 3zn+2 2zn+1 zn= 4hfn+1 para
el sistema:
y'1 12 15 y 1

y' 2 6 6 y 2
absolutamente estable el mtodo 3zn+2 2zn+1 zn= 4hfn+1 para
el sistema:
y'1 18 21 y 1

y' 2 6 6 y 2
14.50. Estudiar la consistencia, estabilidad y convergencia del
mtodo 3zn+2 2zn+1 zn= 4hfn+1. Estudiar la regin de
estabilidad absoluta.
14.51. Aplicar el mtodo 3zn+2 2zn+1 zn= 4hfn+1 con un

tamao de paso h = 0,1, para obtener en x = 0,4 la solucin del
problema de valor inicial del sistema:
y'1 12 15 y 1 y (0) 1
con 1

2
y ' 6 6 2
y 2
y ( 0 ) 1
con valores iniciadores z0 = y0, y los obtenidos por el mtodo de
Euler.
14.52. Aplicar el mtodo 3zn+2 2zn+1 zn= 4hfn+1 con un
tamao de paso h = 0,1, para obtener en x = 0,4 la solucin del
problema de valor inicial del sistema:
y'1 18 21 y 1 y (0) 1
con 1
y' 2 6 6 y 2 y 2 ( 0 ) 1
con valores iniciadores z0 = y0, y los obtenidos por el mtodo de
Euler.
BIBLIOGRAFA
Bibliografa de consulta recomendada
Bibliografa de variable compleja
1. Ahlfors, L. V.: Variable Compleja. Editorial Aguilar. 1966. 1971.

2. Ash, R. B.: Complex Variables. Academic Press.
3. Bak, J.; Newmann, D. J.: Complex Analysis. Springer-Verlang. 1991
4. Burckel, R. B.: An Introduction to Classical Complex Analysis.
Birkhauser. 1979
5. Churchill, R. V.; Brown, J. W.: Variable compleja y sus aplicaciones.
Mc Graw-Hill. (4 edicin). 1987-1992-1998.
6. Conway, J.: Functions of One Complex Variable. Springer-Verlang.
(2 edicin). 1984.
7. Kreyszing, E.: Matemticas avanzadas para ingeniera. Limusa.
1984.
8. Lang, S.: Complex Analysis. Addison-Wesley. 1976.
9. Lpez Gmez, J.: Ecuaciones Diferenciales y Variable Compleja.
Prentice Hall, 2001.
10. Markushevich, A. I.: Theory of functions of a complex variable.
Chelsea Publ. 1977.
11. Marsden, J. E.; Hoffmann, M. J.: Anlisis Bsico de Variable
Compleja. Ediciones Trillas, 1966.
12. Mendizabal, A.: Anlisis Matemtico. Servicio de Publicaciones de la
E. T. S. Ingenieros de Caminos. Madrid. 1985.
13. Needham, T.: Visual Complex Analysis. Clarendon Press. 1997.
14. Pestana, D; Rodrguez, J. M. y Marcelln, F.: Variable Compleja. Un
curso prctico. Editorial Sntesis. 1999.
15. Polya, G. y Latta, G.: Variable Compleja. Noriega-Limusa. 1976.
1986. 1991.
16. Priestley, H. A.: Introduction to Complex Analysis. Clarendom Press.
1985.
17. Rudin, W.: Anlisis real y complejo. Alhambra. 1985.
18. Saameo, J. J.: Lecciones de Matemticas para ingeniera. Variable
Compleja y Anlisis de Fourier. gora Universidad. 1997.
1097
19. Silverman, R.: Complex Analysis with Applications. Dover
Publications. 1984.
20. Wilde, I. F.:Lecture Notes on Complex Analysis. Imperial College
Press, 2006.
Bibliografa de ecuaciones diferenciales

1. Arnold, V. I. (1981): Equations diffrentielles ordinaires. Mir.
2. Arnold, V. I. (1980): Classical Mechanics, Mathematical Methods of
Classical Mechanic. Springer-Verlag.
3. Bender, C. M.; Orszag, S. A. (1978): Advanced mathematical
methods for scientists and engineer. McGraw-Hill
4. Boyce, W. E.; DiPrima, R. C.: Ecuaciones diferenciales y problemas
con valores en la frontera. Editorial Limusa. (1 edicin). 1967. (10
reimpresin) 1992.
5. Braun, M. (1975): Differential equations and their applications.
Springer Verlag. 1993, 1983, 1978, 1975.
6. Carrier, G. M.; Pearson, C. E. (1991): Ordinary differential
equations. SIAM.
7. Coddington, E. A. y Levinson, N. (1955): Theory of ordinary
differential equations. McGraw-Hill. 1991.
8. Dou, A. (1969): Ecuaciones diferenciales ordinarias. (2 edicin).
Dossat.
9. Drazin, P. G. (1992): Nonlinear Systems. Cambridge University
Press.
10. Elsgoltz, L. (1977): Ecuaciones diferenciales y clculo variacional.
Mir.
11. Fernndez, C. (1992): Ecuaciones diferenciales I. Ecuaciones
lineales. Ediciones Pirmide.
12. Guzmn, M. (1975): Ecuaciones diferenciales ordinarias. Teora de
estabilidad y control. Alhambra.
13. Kreyszing, E. (1984): Matemticas avanzadas para ingeniera.
Editorial Limusa.
14. Mendizabal, A. (1985): Anlisis Matemtico. Servicio de
Publicaciones de la E. T. S. Ingenieros de Caminos. Madrid.
15. Nagle, R. K., Saff, E. B. (1992): Fundamentos de ecuaciones
diferenciales. Addison-Wesley Iberoamericana.
16. Lambert, J. D. (1973): Computational Methods in Ordinary
Differential Equations. Editorial John Wiley & Sons.
17. Simmons, F. (1992): Ecuaciones diferenciales con aplicaciones y
notas histricas. McGraw-Hill.
18. Stakgold, I. (1979): Greens Functions and Boundary Value
1098
Problems. Wiley.
19. Zill, D. G. (1997): Ecuaciones diferenciales con aplicaciones de
modelado. Thomson Editorial.
Bibliografa de mtodos numricos para ecuaciones

diferenciales ordinarias
1. Ascher, U.; Petzold, L.: Computer Methods for Ordinary Differential

Equations. Siam, 1998.
2. Atkinson, K.: Elementary Numerical Analysis. John Wiley & Sons.
1985. (2 edicin). 1993.
3. Atkinson, K. (1989): An introduction to Numerical Analysis. John
Wiley & Sons. Nueva York. (2 edicin).
4. Boyce, W. E.; DiPrima, R. C. (1992): Ecuaciones diferenciales y
problemas con valores en la frontera. Editorial Limusa. (1 edicin).
1967. (10 reimpresin).
5. Burden, R. L.; Faires, J. D. (1996): Anlisis Numrico. Grupo
Editorial Iberoamericano. (2 edicin).
6. Conte, S. D. y Carl de Boor (1974): Anlisis Numrico elemental. Un
enfoque algortmico. Mc Graw-Hill.
7. Dahlquist, G.; Bjorck, A.: Numerical Methods. Dover, 2003.
8. Garca Orden, J. C. (1999): Dinmica no lineal de sistemas
multicuerpo flexibles mediante algoritmos conservativos. Tesis
doctoral presentada en la Escuela T. S. de Ingenieros de Caminos,
Canales y Puertos de la Universidad Politcnica de Madrid.
9. Ixaru, Liviu: Numerical Methods for differential equations and
applications. Editura Academiei. 1979, 1984.
10. Keller, H. B. (1968): Numerical Methods for Two-Point Boundary-
Value Problems. Braisdell, Waltham, Mass.
11. Kincaid, D.; Cheney, W. (1994): Anlisis Numrico. Las matemticas
del clculo cientfico. Addison - Wesley Iberoamericana.
12. Lambert, J. D. (1973): Computational Methods in Ordinary
Differential Equations. John Wiley & Sons.
13. Lambert, J. D. (1991): Numerical Methods for Ordinary Differential
Systems. The Initial Value Problem. John Wiley & Sons.
14. Mendizabal, A. (1985): Anlisis Matemtico. Servicio de
Publicaciones de la E. T. S. Ingenieros de Caminos. Madrid.
15. Sanz-Serna, J. M.: Diez Lecciones de Clculo Numrico. Universidad
de Valladolid, 1998.
1099
Referencias
ABRAHAM, R.; MARSDEN, J. E.: Foundations of Mechanic. Addison Wesley. 1985.

ADAMS, R.: Sobolev spaces. Academic Press. 1975.
AGMON, S.: Elliptic boundary value problems. Van Nostrand. 1965.
AHLFORS, L: Variable Compleja. Editorial Aguilar. 1966.
AHMED, N.U.: Semigroup theory with applications to systems and control. Longman,
1991.
AMANN, H.: Ordinary differential equations. Walter de Gruyter and Co. 1.990.
AMANN, H.: Invariant sets and existence theorems for semilinear parabolic and
elliptic systems. J. Math. Anal. Appl. 65. (1.978). 432-467.
AMBROSETTI, A.: Critical points and nonlinear variational problems. Bulletin de la
Socit Mathmatique de France; Mmoire (nouvelle srie) n 49, 1.992.
AMBROSETTI, A. y PRODI, G.: A primer of nonlinear analysis. Cambridge
University Press. 1.993.
ARNOLD, V. I.: Classical Mechanic. Mathematical Methods of Classical Mechanics.
Springer-Verlang. 1980.
ARNOLD, V. I.: Equations diffrentielles ordinaires. Mir. 1981.
ARNOLD, V. I.: Geometrical methods in the theory of ordinary differential equations.
Springer-Verlag, 1.983.
ARROWSMITH, D. K. y C. M. PLACE.: An introduction to Dynamical systems.
Cambridge University Press, 1.990.
ASCHER, U.; PETZOLD, L.: Computer Methods for Ordinary Differential Equations.
Siam, 1998.
ASH, R. B.: Real variables with basic metric space topology. IEEE Press. 1992
ASH, R. B.: Complex Variables. Academic Press.
ATKINSON, K.: Elementary Numerical Analysis. John Wiley & Sons. Nueva York. (2
edicin). 1993
ATKINSON, K.: An introduction to Numerical Analysis. John Wiley & Sons. Nueva
York. (2 edicin). 1989
AUBIN, J. P. y EKELAND, I.: Applied nonlinear analysis. John Wiley and Sons. 1984.
AYRES, F.: Ecuaciones diferenciales. McGraw-Hill, 1.969.
BAK, J.; NEWMANN, D. J.: Complex Analysis. Springer-Verlang. 1991
BARBU, V.: Nonlinear semigroups and differential equations in Banach spaces.
Noordhoff Int. Publ. 1976.
BARROS-NETO, J.: An introduction to the theory of distributions. Marcel Dekker,
1.973.
BATHIA, N. P. y HAJEK, O.: Local semidynamical systems. Lecture Notes in
Mathematics n 90. Springer-Verlag, 1.969.
1100
BATHIA, N. P. y SZEGO, G.: Stability theory of dynamical systems. Springer Verlag,
1.970.
BEARDON, A.: A primer on Riemann surfaces. Cambridge University Press. 1984.
BELLENI-MORANTE, A.: Applied semigroups and evolution equations. Claredon
Press, 1.979.
BELLMAN, R.: Stability theory of differential equations. Dover. 1953.
BENDER, C. M.; ORZAG, S. A.: Advanced mathematical methods for scientist and
engineers. McGraw-Hill. 1978.
BERGER, M.: Nonlinearity and functional analysis. Academic Press, 1.977.
BERS, L.; JOHN, F. y SCHECHTER, M.: Partial differential equations. Interscience
Publishers, 1.964.
BIEBERBACH, L.: Conformal Mapping. Chelsea Pub. 1986.
BIRKHOFF, G. y ROTA, G.: Ordinary differential equations. Blaisdel Publishing
Company, 1.969.
BITSADZE, A. V.: Equations of Mathematical Physics. Mir, 1.980.
BOAS, R.: Entire functions. Academic Press. 1954.
BOAS, R. P.: Invitation to Complex Variable. Random House. 1987.
BOCHER, M.: An introduction to the study of integral equations. Hofner Publishing
Company, 1.971.
BOYD, J. P. (1988): Book Rewiews, SIAM Rev. 30, 666-668.
BOMBAL, F.; RODRIGUEZ, L; VERA, G.: Problemas de Anlisis Matemtico. Vol. I.
Editorial AC. 1976.
BOWMAN, F.: Introduction to Elliptic Functions, with Applications. English Univ.
Press. 1953.
BOYCE, W. E.; DIPRIMA, R. C.: Ecuaciones diferenciales y problemas con valores en
la frontera. Editorial Limusa. (1 edicin). 1967. (10 reimpresin) 1992.
BOYCE, W. y DIPRIMA, R.: Introduccin a las ecuaciones diferenciales. Limula-
Wiley, 1.972.
BOYD, J. P.: Book Rewiews, SIAM Rev. 30, 666-668. 1988.
BRAUER, F. y NOHEL, J.: Ordinary differential equations: a first course. Benjamn,
1.973.
BRAUER, F. y NOHEL, J.: Qualitative theory of ordinary differential equations.
Benjamn, 1.969.
BRAUER, F. y NOHEL, J.: Problems and solutions in ordinary differential
equations. Benjamn, 1.969.
BRAUN, M.: Differential equations and their applications. Springer-Verlag,
1.983.
BRENNER, J.: Problems in differential equations. Freeman, 1.966.
BREZIS, H.: Anlisis Funcional. Alianza Editorial, 1.984.
1101
BREZIS, H.: Operateurs Maximaux monotones et semigroups de contractions
dans les Espaces de Hilbert. North-Holland, 1.973.
BROWN, G. H.; HOYLER, C. N.; BIERWIRTH, R. A.: Theory and application
of radio-frequency heating. Van Nostrand. 1947.
BUDAK, B. M.; SAMARSKI, A. A. y TIJONOV, A. N.: Problemas de la Fsica
Matemtica. Vol 1 y 11. Mir, 1.984.
BURCKEL, R. B.: An Introduction to Classical Complex Analysis. Birkhauser. 1979
BURDEN, R. L.; FAIRES, J. D.: Anlisis Numrico. Grupo Editorial Iberoamericano.
(2 edicin). 1996
BURGHES, D. N. y BORRIE, M. S.: Modelling with differential equations.
John Wiley & Sons, 1.981.
BURTON, T. A.: Volterra integral and differential equations. Academic Press,
1.983.
BUTCHER, J. C.: The Numerical Analysis of Ordinary Diffrential Equations. John
Wiley & Son. 1987.
BUTCHER, J. C.; WANNER, G.: Runge-Kutta methods: some historical notes. Appl.
Num. Math. 22. (1996). 131-151.
CANNON, J. R.: The one-dimensional heat equation. Addison-Wesley, 1.984.
CAADA, A.: Series y transformada de Fourier y aplicaciones. Vol. 1.
Servicio de publicaciones de la Universidad de Granada, 1.994.
CARATHEODORY, C: Conformal Representation. Cambridge Univ. Press.
1952.
CARATHEODORY, C: Theory of functions of a complex variable. Vol. I, II.
Chelsea Publishing Company. 1954.
CARLESON, L.; GAMELIN, T. W.: Complex dynamics. Springer Verlang.
1993.
CARRIER, G. F.; PEARSON, C. E.: Ordinary differential equations. SIAM. 1991.
CESARI, L.: Asymptotic behavior and stability problems. Springer, 1.959.
CESARI, L.; KANNAN, R. y SCHUUR, J. D. (editores).: Nonlinear functional
analysis and differential equations. Marcel Dekker, 1.976.
CHURCHILL, R. V.: Operational Mathematics. Mc Graw-Hill. 1972.
CHURCHILL, R. V.; BROWN, J. W.: Fourier Series and boundary value problems.
Mc Graw-Hill. 1978. 1987.
CHURCHILL, R. V.; BROWN, J. W.: Variable compleja y sus aplicaciones. Mc Graw-
Hill. (4 edicin). 1987.
CODDINGTON, E. A.: An introduction to ordinary differential equations.
Prentice-Hall, 1.961.
CODDINGTON, E. A. y LEVINSON, N.: Theory of ordinary differential
equations. McGraw-Hill, 1.955; 1.991.
COHN, H.: Conformal mapping of Riemann Surfaces. Dover. 1980.
1102
COLTON, D. y KRESS, R.: Integral equations methods in scattering theory.
Wiley, 1.983.
CONWAY, J.: Functions of One Complex Variable. Springer-Verlang. (2 edicin).
1984.
CONTE, S. D. Y CARL DE BOOR: Anlisis Numrico elemental. Un enfoque
algortmico. Mc Graw-Hill. 1974.
COPSON, E. T.: Theory of Functions of a Complex Variable. Oxford Univ. Press. 1962.
COURANT, R. D.: Dirichlets Principle, conformal mapping and minimal surfaces.
Interscience Publ. 1960.
COURANT, R. D. y HILBERT, D.: Methods of mathematical physics.
Volmenes 1 y 11. Interscience, 1.962. John Wiley&Sons, 1987.
COPPEL, W. A.: Stability and asymptoptic behavior of differential equations.
Heath Mathematical Monographs, 1.965.
CORDUNEANU, C.: Principles of differential and integrations. Chelsea
Publishing Company, 1.971.
CRYER, C. W.: Numerical functional analysis. Clarendon Press, 1982.
CVITANOVIC, P.: Universality in chaos. Institute of Physics publishing. 1993.
DAHLQUIST, G.; BJORCK, A.: Numerical Methods. Dover, 2003.
DAUTRAY, T. y LIONS, J. L.: Analyse mathmatique et calcul numrique pour
las sciences et les techniques. Vol. 1 al IX. Masson, 1987.
DEIMLING, K. Ordinary differential equations in Banach spaces. Lecture
Notes in Mathematics, n 596, Springer-Verlag, 1.977.
DEIMLING, K.: Nonlinear functional analysis. Springer-Verlag, 1.985.
DEKKER, K.; VERWER, J. G.: Stability of Runge Kutta Methods for Stiff Nonlinear
Differential Equations. North Holland. 1984.
DEO, S. G. y RAGHAVENDRA, V.: Ordinary differential equations and
stability theory. McGraw-Hill, 1.980.
DEVANEY, R. L.: An introduction to chaotic dynamical systems. Addison Wesley.
1989.
DIEUDONNE, J.: History of functional analysis. North-Holland, 1981.
DONGARRA, J. J.; DUFF; I. S.; SORENSEN, D. C.; VAN DER VORST, H. A.:
Solving Linear Systems on Vector and Shared Memory Computers. SIAM. 1991.
DOU, A.: Ecuaciones diferenciales ordinarias. (2 edicin). Dossat. 1969.
DRAZIN, P. G.: Nonlinear Systems. Cambridge University Press. 1992.
DUNFORD, N. y SCHWARTZ, J.: Linear operators. Vol. 1. Interscience,
1.959.
DYM, H. y McKEAN, H. P.: Fourier series and integrals. Academic Press,
1972.
EKELAND, I.: Convexity methods in hamiltonian mechanics. Springer-Verlag,
1.990.
1103
EKELAND, I. y TEMAN, R.: Convex analysis and variational problems.
North-Holland Publishing Company, 1.976.
ELSGOLTZ, L.: Ecuaciones diferenciales y clculo variacional. Mir. 1977;
1983.
EVANS, G. C.: The Logarithmic Potential. Chelsea. Publ. 1927.
FERNNDEZ, C.: Ecuaciones diferenciales I. Ecuaciones lineales. Ediciones
Pirmide. 1992
FISHER, S. D.: Complex Variables. Wadsworth. 1986.
De FIGUEIREDO, D. G.: Equacoes elipticas nao lineares. D. De Figueiredo,
editor. Instituto de matematica pura e aplicada, Ro Janeiro. 1.977
De FIGUEIREDO, D.G.: The Ekeland variational principle with applications
and detours. Tata Institute of fundamental research, Springer-Verlag,
1.989.
FLANIGAN, F. J.: Complex Variables: Harmonic and Analytic Functions.
Dover Publ. 1983.
FLETCHER, C. A.: Computational Techniques for Fluid Dynamics. Springer - Verlag.
1988.
FOLLAND, G.: Introduction to partial differential equations. Princenton
University Press, 1.976.
FORSYTHE, G. E.; MALCOM, M. A.; MOLER, C. B.: Computer Methods for
Mathematical Computations. Prentice Hall. 1977.
FOWLER, A. C.; MCGUINESS, M. J.: A description of the Lorenz attractor and high
Prandtl number. Physica D. 149-182. (1982)
FRIEDMAN, A.: Partial differential equations. Holt, Rinehart and Winston,
1.969.
FRIEDMAN, A.: Partial differential equations of parabolic type. Prentice- Hall,
1.964.
FUCHS, W.: The theory of functions of one complex variable. Van Nostrand. 1967.
GARABEDIAN, R.: Partial differential equations. Wiley, 1.964.
GEAR, C. W.: Numerical Initial Value Problems in Ordinary Differential Equations.
Prentice Hall. 1971.
GELFAND, I. M. y SHILOV, G. E.: Generalized functions. Varios volmenes.
Academic Press, 1.964.
GOLDSTEIN, J.A. Semigroups of linear operators and applications. Oxford
University Press, 1.985.
GREEN, R.; KRANTZ, S. G.: function Theory of One Complex Variable.(3 ed.)
American Mathematical Society, 2006.
GREENSPAN, D.: Introduction to partial differential equations. McGraw-Hill,
1.961.
GRIPENBERG, G.; LONDEN, S. O. y STAFFANS, 0.: Volterra integral and
functional equations. Cambridge University Press, 1990.
1104
GROVE, E. A.; LADAS, G.: Introduction to Complex Variables. Houghton Mifflin
Com. 1974.
GUZMN, M.: Ecuaciones diferenciales ordinarias. Teora de estabilidad y control.
Alhambra. 1975.
GUZMAN, M.; PERAL, I. y WALIAS, M.: Problemas de ecuaciones
diferenciales ordinarias. Alhambra, 1.978.
HAIRER, E; NORSETT, S. P.; WANNER, G.: Solving Ordinary Differential Equations
I. Springer Verlag. 1987.
HAIRER, E; NORSETT, S. P.; WANNER, G.: Solving Ordinary Differential Equations
II. Springer Verlag. 1991.
HAIRER, E.; WANNER, G.: Analysis by its history. Springer. 1996.
HALE, J. K.: Ordinary differential equations. Krieger, 1.980.
HALE, J. K.: Theory of functional differential equations. Springer-Verlag,
1.977.
HALE, J. K.: Applications of alternative problems. Brown University lecture
notes, 71-1, 1.971.
HARTMAN, P.: Ordinary differential equations. Wiley, 1.964.
HAYT, W. H.: Engineering Electromagnetics. McGraw-Hill. 1981.
HEADING, J.: Problemas de ecuaciones diferenciales ordinarias. Limusa,
1.972.
HELLWIG, G.: Partial Differential Equations. Waltham, Mass.: Blaisdell
Publishing Company, 1.964.
HENRICI, P.: Applied and Computational Complex Analysis. John Wiley &
Sons. 1974, 1977, 1986.
HILDEBRANDT, S. y TROMBA, A.: Matemticas y formas ptimas. Prensa
cientfica, 1.990.
HILLE, E. y PHILLIPS, R. S.: Functional analysis and semigroups. Amer.
Math. Soc. Colloq. Publ., vol 31, 1.957.
HILLE, E.: Lectures in ordinary differential equations. Addison-Wesley. 1969.
HILLE, E.: Analytic Function Theory, Vol. I, 1959; Vol. II, 1962. Chelsea Publ.
Company. 1973.
HIRSCH, M. y SMALE, S.: Differential equations, dynamical systems and
linear algebra. Academic Press, 1.974.
HOCHSTADT, H.: Integral equations. John Wiley and Sons, 1.973.
HORMANDER, L.: The analysis of linear partial differential operators. Vols. 1
y 11. Springer-Verlag, 1.983.
HORVATH, J.: Topological vector spaces and distributions. Addison-Wesley,
1.966.
HUBBARD, J. H. y WEST, B. H.: Differential equations. A dynamical systems
approach. Springer-Verlag, 1.991.
1105
HUMI, M. y MILLER, W.: A second course in ordinary differential equations
for scientists and engineers. Springer-Verlag, 1.988.
HUNTLEY, I. D. y JOHNSON, R. M.: Linear and nonlinear differential
equations. I. D. Huntley y R. M.Johnson, 1.983.
HUREWICZ, W.: Sobre ecuaciones diferenciales ordinarias. Rialp, 1966.
HUTSON, V y PYM, J. S.: Applications of functional analysis and operator
theory. Academic Press Inc., 1.980.
INCE, E. L.: Ordinary differential equations. Dover, 1.956.
INCE, E. L. y SNEDDON, I. N.: The solution of ordinary differential
equations. Longman Group UK Limited, 1.987.
ISTRATESCU, V. I.: Fixed point theory. D. Reidel Publishing Company, 1981.
ITO, S.: Diffusion equations. American Mathematical Society, 1992.
IXARU, LIVIU: Numerical Methods for differential equations and applications.
Editura Academiei.
JERRI, A. J.: Introduction to integral equations with applications. Marcel
Dekker, Inc., 1985.
JOHN, F.: Partial differential equations. Springer-Verlag, 1980.
JONES, G. A.; SINGERMANN, D.: Complex Functions. Cambridge University Press.
1987.
JULIA, G.: Principes Gomtriques de LAnalyse. Vol. I, II. Gauthiers-Villars. 1955.
KAPLAN, W.: Advanced Calculus. Addison-Wesley. 1984.
KAPLAN, W.: Advanced Mathematics for Engineers. Addison-Wesley. 1981.
KELLER, H. B.: Numerical Methods for Two-Point Boundary-Value Problems.
Braisdell, Waltham, Mass. 1968.
KELLOG, O. D.: Foundation of Potential Theory. Dover. 1953.
KINCAID, D.; CHENEY, W.: Anlisis Numrico. Las matemticas del clculo
cientfico. Addison-Wesley Iberoamericana. 1994.
KNOPP, K.: Elements of the Theory of Funtions. Dover. 1952.
KOBER, H.: Dictionary of Conformal Representations. Dover. 1952.
KRANTZ, S.: Complex Analysis: The Geometric Viewpoint. The Mathematical
Association of America, 1990.
KREYSZING, E.: Matemticas avanzadas para ingeniera. Editorial Limusa. 1984
KRZYZ, J. G.: Problems in Complex Variable Theory. Elsevier Publ. 1971.
LADAS, G. E. y LAKSHMIKANTHAM, V.: Differential equations in abstract
spaces. Academic Press, 1.972.
LADYZHENSKAYA, O. A., SOLONNIKOV, V. y URALTSEVA, N.: Linear
and quasilinear equations of parabolic type. Amer. Math. Soc., 1968.
LADYZHENSKAYA, O. A. y URALTSEVA, N. N.: Linear and quasilineal.
elliptic equations. Academic Press, 1968.
1106
LADYZHENSKAYA, O. A.: The boundary value problems of Mathematical
Physics. Springer-Verlag, 1.985.
LAKSHMIKANTHAM, V. y LEELA, S.: Differential inequalities. Academic
Press, 1.969.
LAKSMIKANTHAM, V.; LEELA, S. y MARTYNYUK.: Stability analysis of
nonlinear systems. Marcel Dekker, 1.989.
LAMB, H.: Hydrodynamics. Dover. 1945.
LAMBERT, J. D.: Computational Methods in Ordinary Differential Equations.
Editorial John Wiley & Sons. 1973.
LAMBERT, J. D.: Numerical Methods for Ordinary Differential Systems. The Initial
Value Problem. John Wiley & Sons. 1991.
LANDESMAN, E. M. y LAZER, A. C.: Nonlinear perturbations of linear
elliptic boundary value problems at resonance. J. Math. Mech., 19, 1979,
609-623.
LANG, S.: Complex Analysis. Addison-Wesley. 1976.
LASALLE, J. P. y LEFSCHETZ, S.: Stability by Liapunov's direct method with
applications. Academic Press, 1.961.
LEBEDEV, N. N.: Special Functions and Their Applications. Dover. 1972.
LEFSCHETZ, S.: Differential equations: geometric theory. Interscience, 1959.
LEIS, R.: Initial boundary value problems in Mathematical Physics. John
Wiley, 1.986.
LEVINSON, N.; REDHEFFER, R. M.: Complex Variables. Holder-Day. 1971.
LIAPUNOV, A. M.: Stability of motion. Academic Press, 1.966.
LIAN, A.: Analitycal description of chaotic oscillation in a toroidal thermosyphon.
Fluid Physics. Lecture Notes of Summer Schools. (Edt. M. G. Velarde y C. I.
Christor) pp. 507-523. Word Scientific. 1884.
LIONS, J. L. y MAGENES, E.: Problmes aux limites non homognes (3
volmenes). Dunod, 1968.
LPEZ GMEZ, J.: Ecuaciones Diferenciales y Variable Compleja. Prentice
Hall, 2001.
LYUSTERNIK, L.: Lneas ms cortas. Problemas de variaciones. Lecciones populares
de Matemticas. Mir. 1979.
MARSDEN, J. E.; HOFFMANN, M. J.: Anlisis Bsico de Variable Compleja.
Ediciones Trillas, 1966.
MARKUSHEVICH, A. I.: Teora de las funciones analticas. Mir. 1970.
MARKUSHEVICH, A. I.: Theory of functions of a complex variable. Chelsea Publ.
1977.
MARTNEZ CARACEDO; SANZ ALIX M. A.: Introduccin a las ecuaciones
diferenciales ordinarias. Revert. 1991.
MATHEWS, J. H.: Complex Variables for Mathematics and Engineering. Brown. 1988.
1107
MENDIZABAL, A.: Anlisis Matemtico. Servicio de Publicaciones de la E. T. S.
Ingenieros de Caminos. Madrid. 1985.
MILLER, R. K.: Nonlinear Volterra integral equations. Benjamn, Menlo Park,
CA, 1971.
MILLER, R. K.: Introduction to differential equations. Prentice-Hall, 1987.
MILLER, R. K. y MICHEL, A. M.: Ordinary differential equations. Academic
Press, 1.982.
MILNE-THOMSON, L. M.: Theoretical Hydrodynamics. Macmillan&Co. 1955.
MINORSKY, N. Nonlinear oscillations. Van Nostrand, 1.962.
MITRINOVIC, D. S.: Calculus of Residues. Noordhoff, Ltd. 1966.
MIYADERA, I. Nonlinear Semigroups. Amer. Math. Soc., 1992.
MORSE, M.: The calculus of variations in the large. American Mathematical
Society, 1934.
MORSE, M.; FESHBACH, H.: Methods of theoretical physics. McGraw-Hill.
1953.
MYINT, U, T.: Ordinary differential equations. North-Holland, 1.978.
NAGLE, R. K. y SAFF, E. B.: Fundamentals of differential equations. The
Benjamin Cummings Publishing Company, 1986.
NAGLE, R. K., SAFF, E. B.: Fundamentos de ecuaciones diferenciales. Addison-
Wesley Iberoamericana. 1992
NECAS, J.: Les mthodes directes en thorie des quations elliptiques. Masson,
1967.
NEEDHAM, T.: Visual Complex Analysis. Clarendon Press. 1997.
NEHARI, Z.: Conformal Mapping. Dover. 1975.
NIRENBERG, L.: Topics in Nonlinear Analysis. Courant Institute. Lec. Not.
Math., 1973.
PALKA, B.: An introduction to Complex Function Theory. Springer. 1991.
PERKO, L.: Differential equations and dynamical systems. Springer Verlag,
1991.
PESTANA, D; RODRGUEZ, J. M. Y MARCELLN, F.: Variable Compleja. Un
curso prctico. Editorial Sntesis. 1999.
PETROVSKII, I. G.: Ordinary differential equations. Prentice Hall,1966.
PETROVSKII, I. G.: Lectures on the theory of Integral equations. Graylock
Press, 1.957.
PICCININI, C.; STAMPACCHIA, G. y VIDOSSICH, G.: Equazioni
differeniziali ordinarie in R n . Lignori Editore, 1.978.
PLATT, O.: Ecuaciones diferenciales ordinarias. Revert, 1.974.
POINCARE, H.: Les mthodes nouvelles de la Mcanique Cleste. 3
volmenes. Librairie Albert Blanchard, 1.987.
1108
POLYA, G. Y LATTA, G.: Variable Compleja. Noriega-Limusa. 1976. 1986. 1991.
POLYA, G. y SZEG, G.: Isoperimetric inequalities in Mathematical Physics.
Princenton University Press, 1.951.
PORTER, D. y STIRLING, D. S. G.: Integral equations. A practical treatment,
from spectral theory to applications. Cambridge University Press, 1.990.
POWERS, D. L.: Boundary value problems. Harcourt Brace Jovanovich, 1987.
PRESS, W. H.; FLANNERY, B. P.; TEUKOLSKY, S. A.; VETTERLING, W. T.:
Numerical recipes. The Art of Scientific Computing. Cambridge Univ. 1986.
PRIESTLEY, H. A.: Introduction to Complex Analysis. Clarendom Press. 1985.
PROTTER, M. H. y WEINBERGER, H. F.: Maximum principles in differential
equations. Prentice-Hall, 1.967.
RABINOWITZ, P.: Minimax methods in critical point theory with applications
to differential equations. American Mathematical Society, 1986.
RANSFORD, T.: Potential theory in the complex plane. Cambridge Univ. Press. 1995.
RAO, M.; STEEKAER, H.: Complex Analysis: an invitation. Word Scientific. 1991.
REES, C. S.; SHAH, S. M. y STANOJEVIC, C. V.: Theory and applications of
Fourier analysis. Marcel Dekker, 1.981.
REID, M.: Ordinary differential equations. Wiley, 1.971.
ROTHE, R.; OLLEDORF, F. POHLHAUSEN, K.: Theory of Functions as
Applied to Engineering Problems. Technology Press. 1948.
ROUCHE, H.; HABETS, P. y LALOY, M.: Stability theory by Liapunov's
direct method. Springer-Verlag, 1.977.
ROUCHE, N. y MAWHIN, J.: Equations differentielles ordinaires. Vol. I y II.
Masson et Cie, 1973.
RUDIN, W.: Functional analysis. McGraw-Hill, 1.973.
RUDIN, W.: Anlisis funcional. Revert, 1.979.
RUDIN, W.: Real and Complex Analysis. McGraw-Hill, 1.970.
RUDIN, W.: Anlisis real y complejo. Alhambra, 1985, 1.988.
SAAMEO, J. J.: Lecciones de Matemticas para ingeniera. Variable Compleja y
Anlisis de Fourier. gora Universidad. 1997.
SAFF, E. B.; SNIDER, A. D.: Fundamentals of Complex Analysis for
Mathematics, Science and Engineering. Prentice- Hall. 1976.
SANSONE, G. y CONTI, R.: Nonlinear differential equations. Pergamon Press,
1.964.
SAKS, S; ZYGMUND, A.: Fonctions Analytiques. Masson et Cie. 1970.
SANZ-SERNA, J. M.: Diez Lecciones de Clculo Numrico. Universidad de
Valladolid, 1998.
SCHECHTER, M.: Modern methods in partial differential equations. McGraw-
Hill, 1.977.
1109
SCHIFF, J.: Normal families. Springer. 1993.
SCHWARTZ, L.: Thorie des distributions. Hermann, 1.973.
SCHWARTZ, J. T. Nonlinear functional analysis. Gordon and Breach, 1.969.
SEGAL, S.: Nine introductions in Complex Analysis. North-Holland
Mathematics Studies. 1981.
SELL, G.: Topological dynamics and ordinary differential equations. Van
Nostrand, 1.971.
SHANPINE, L. F.; GORDON, M. K.: Computer Solution of Ordinary Differential
Equations. The Initial value Problem. W. H. Freeman & Company. 1975.
SHOWALTER, R.: Hilbert space methods for partial differential equations.
Pitman, 1.977.
SIEGDERG, H.W.: Some historical remarks concerning degree theory. Amer.
Math. Month., 88, 1.981, 125-139.
SILVERMAN, R.: Complex Analysis with Applications. Dover Publications. 1984.
SIMMONS, F.: Ecuaciones diferenciales con aplicaciones y notas histricas. McGraw-
Hill. 1992.
SMOLLER, J.: Shock waves and reaction-diffusion equations. Springer-Verlag,
1.983.
SOBOLEV, S. L.: Partial differential equations of Mathematical Physics.
Pergamon Press, 1.964.
SOKOLNIKOFF, I. S.: Mathematical Theory of Elasticity. Krieger Publ. 1983.
SPIEGEL, M. R.: Variable compleja. Serie Schaum. McGraw-Hill. 1991.
SPERD, R.: Maximum principles and their applications. Academic Press, 1.981.
SPRINGER, G.: Introduction to Riemann Surfaces. Chelsea. Publ. 1981.
STAKGOLD, I.: Boundary value problems of mathematical physics. McMillan,
1.967.
STAKGOLD, I.: Greens Functions and Boundary Value Problems. Wiley.
1979.
STEIN, E.; SHAKARCHI, R.: Complex Analysis. Princeton University Press, 2003.
STOER, J.; BULIRSCH, R.: Introduction to Numerical Analysis. Springer Verlag.
1993.
STRANG, G.: Introduction to applied mathematics. Wellesley Cambridge Press. 1986.
STREETER, V. L,; WYLIE, E. B.: Fluid Mechanics. McGraw-Hill. 1979.
STRUWE, M.: Variational methods. Springer-.Verlag, 1.990.
TANABE, H.: Equations of evolution. Pitman, 1.979.
TEMPLE, G.: 100 years of Mathematics. Gerald Duckworth & Co. Ltd., 1.981.
TENENBAUM, M. y POLLARD, H.: Ordinary differential equations. Dover.
1985.
THRON, W. J.: Introduction to the Theory of Functions of a Complex Variable.
1110
John Wiley & Sons. 1953.
TIJONOV, A. N. y SAMARSKY, A. A.: Ecuaciones de la Fsica Matemtica.
Mir, 1.980.
TIMOSHENKO, S. P.; GOODIER, J. N.: Theory of Elasticity. Mc Graw-Hill.
1970.
TITCHMARSH, E. C.: Theory of functions. Oxford University Press, 1.932.
TREVES, F.: Linear partial differential equations with constant coefficients.
Gordon and Breach, 1.966.
TRICOMI, F. G.: Integral equations. Interscience Publishers, Inc., 1.970.
TROUTMAN, J. L.: Variational calculus with elementary convexity. Springer-
Verlag, 1.983.
VAINBERG, M. M.: Variational methods in the study of nonlinear operators.
Holden Day, 1.964.
VLADIMIROV, V. S.: Equations of Mathematical Physics, Marcel Dekker,
Inc., 1.971.
VLADIMIROV, V. S. y otros: A collection of problems on the equations of
Mathematical Physics. Mir, 1.986.
VOLKOVSKI, L.; LUNTS, G.; ARAMANOVICH, I.: Problemas sobre la teora
de funciones de una variable compleja. Mir. 1977.
VOLTERRA, V.: Theory of functionals and of integral and integrodifferential
equations. Dover, 1.959.
WALTER, W.: Differential and integral inequalities. Springer-Verlag, 1.970.
WEINBERGER, H.: Ecuaciones diferenciales en derivadas parciales. Revert,
1.970.
WIDDER, D. V.: The heat equation. Academic Press, 1.975.
WILDE, I. F.: Lecture Notes on Complex Analysis. Imperial College Press, 2006.
YOSHIZAWA, T.: Stability theory by Liapunov's second method. Mathematical
Society of Japan, 1.966.
YOSIDA, K.: Lectures on differential and integral equations. Interscience
Publishers, 1.960.
YOSIDA, K.: Functional analysis. Springer, 1.974.
ZILL, D. G.: Ecuaciones diferenciales con aplicaciones de modelado. Thomson
Editorial. 1997
1111

Ampliacion de Matematicas

Cargado por

Copyright:

Formatos disponibles

Ampliacion de Matematicas

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ampliacion de Matematicas

Cargado por

Copyright:

Formatos disponibles

Le sorprende que yo est trabajando simultneamente en literatura y

matemticas. Muchas personas que no han tenido nunca la oportunidad de

MARA MOLERO APARICIO

ADELA SALVADOR ALCAIDE

TRINIDAD MENARGUEZ PALANCA

LUIS GARMENDIA SALVADOR

CAPTULO 1. Los nmeros complejos 17

CAPTULO 3. Series complejas 111

CAPTULO 4. Integracin en el plano complejo 169

CAPTULO 5. Singularidades y residuos 245

CAPTULO 6. Geometra de las transformaciones complejas 307

HISTORIA DE LAS ECUACIONES DIFERENCIALES 369

CAPTULO 7. Ecuaciones diferenciales en el mundo

7.1. NATURALEZA DE LAS ECUACIONES DIFERENCIALES 409

CAPTULO 8. Existencia y unicidad de soluciones 481

CAPTULO 10. Ecuaciones diferenciales lineales de

CAPTULO 11. Sistemas de ecuaciones diferenciales

11.1. SISTEMAS LINEALES DE ECUACIONES

Teora cualitativa de ecuaciones diferenciales 705

HISTORIA DE LA RESOLUCIN NUMRICA DE LAS

CAPTULO 13. Mtodos numricos de un paso 883

13.1. EL MTODO DE EULER 886

En este libro los autores y autoras hemos pretendido desarrollar los

contenidos de un curso clsico de Anlisis Matemtico: Variable Compleja,

Ecuaciones Diferenciales Ordinarias y Mtodos Numricos para las ecuaciones

diferenciales. Est dirigido de manera especial a estudiantes de ingeniera y

para estudiantes de escuelas tcnicas como para el profesorado que imparte

las correspondientes asignaturas.

Se ha procurado que el texto tenga una estructura clara y sencilla. Por

esta razn se han eliminado las demostraciones de algunos resultados que,

quizs, por su excesiva abstraccin o sus dificultades tcnicas, pudieran

complicar la comprensin, en lugar de ayudar a mejorarla.

Se ha intentado mantener un orden coherente en la presentacin y

desarrollo de los distintos conceptos que se van introduciendo, incorporando al

final de cada apartado algunos ejemplos totalmente resueltos que pueden

contribuir en gran medida a su comprensin y asimilacin. Al final de cada

apartado y de cada captulo se adjuntan ejercicios y problemas, y en las

ocasiones que se ha considerado adecuado, se han aadido las soluciones.

aos explicando los contenidos del texto a alumnado de distintas ramas de

ingeniera: caminos, informtica, telecomunicaciones... A partir de la propia

diferenciales ordinarias, que sin embargo proporcionan un tratamiento

demasiado elemental, en opinin de los autores, al estudio de los

procedimientos de resolucin numrica de ecuaciones diferenciales.

Igualmente, existen estupendos textos de mtodos numricos, pero que no

abordan el estudio general de las ecuaciones diferenciales ordinarias, y de

forma similar sucede con la teora de las funciones complejas, donde se

encuentran esplndidos textos de variable compleja, pero que no tratan ni las

ecuaciones diferenciales ordinarias, ni los mtodos para la resolucin numrica

de las ecuaciones diferenciales ordinarias. Aunque exista bastante bibliografa

de consulta, no conocamos ninguna obra en el mercado que reuniera todos los

aspectos que necesitbamos que tuviese el libro de texto. Desde un punto de

recogida en un nico texto, de forma que el profesorado pueda utilizarlo como

gua y recomendarlo a los alumnos. En este libro se ha pretendido recopilar los

contenidos bsicos de las materias anteriores de manera que su estructura

rena con el nivel de rigor requerido, ni demasiado riguroso, ms adecuado

para el alumnado de matemticas, ni carente de rigor, de manera que los

estudiantes de ingeniera, a los que va especialmente dirigido, encuentren lo

necesario para servirles de gua y les permita comprender y asimilar la materia

El texto se puede considerar formado por tres secciones diferenciadas,

que abordan, en este orden, el estudio de las funciones de variable compleja, el