Notas de Calculo IV PDF

Facultad de Ciencias Exactas, Ingenierı́a
y Agrimensura
Depto de Matemática - E.F.B - U.N.R
Tı́tulo del trabajo
Notas de clase
Cátedra de Cálculo IV
Autores: Dra. Mariela C. Olguin 1 - Lic. Mariana Cisneros 2
Año 2020
1
E-mail: mcolguin@fceia.unr.edu.ar
2
E-mail: cisneros@fceia.unr.edu.ar
Índice general
Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1. Sucesiones y Series 7
1.1. Sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.2. Convergencia de una sucesión . . . . . . . . . . . . . . . . . . . . . 10
1.1.3. Alguno resultados sobre convergencia . . . . . . . . . . . . . . . . . 11
1.1.4. Ejercicios sugeridos . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2. Series Numéricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.1. Definiciones y ejemplos clásicos . . . . . . . . . . . . . . . . . . . . 16
1.2.2. Resultados de convergencia . . . . . . . . . . . . . . . . . . . . . . 18
1.2.3. Series alternantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2.4. Ejercicios sugeridos . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3. Series de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.1. Serie de potencias . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.2. Serie de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.3.3. Serie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.3.4. Ejercicios sugeridos para series de funciones . . . . . . . . . . . . . 35
2. Ec. Diferenciales Ordinarias (EDO’s) 37

2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3. Resolución gráfica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.4. Problemas de Valores Iniciales . . . . . . . . . . . . . . . . . . . . . . . . . 43
3
2.5. Edo’s lineales de primer orden . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.5.1. Ecuaciones a variables separables . . . . . . . . . . . . . . . . . . . 45
2.5.2. Ecuaciones Lineales de Primer Orden . . . . . . . . . . . . . . . . . 46
2.5.3. EDO’s de segundo orden a coeficientes constantes . . . . . . . . . . 51
2.5.4. Ejercicios sugeridos para EDO’s (Nagle) . . . . . . . . . . . . . . . 59
3. Ecuaciones en Derivadas Parciales 61

3.0.1. Ejercicios sugeridos para EDP . . . . . . . . . . . . . . . . . . . . . 70
4. Modelización con EDO’s 75

Agradecimientos
Este trabajo nació con la simple idea de ordenar el material de estudio y hacer un
poquito mas cercanos los conceptos mediante el uso de un lenguaje sencillo, dentro de lo
posible, sin perder rigurosidad matemática. Fue muy grato poder repensar entre Mariana y
yo, nuestros puntos de vista para luego comunicar estos conceptos a nuestros estudiantes.
Debemos agradecer a Belén Célis, Inés Széliga, Julieta Recanzone y Luciana Talarn
que gentilmente han colaborado en la lectura y correcciones de este trabajo. También por
sus sugerencias, claro.
Aún queda mucho por delante.
Mariela y Mariana.
Resumen
Cálculo IV es una materia en la que podremos acercarnos a la modelización
de problemas de la fı́sica, ingenierı́a y diversas áreas que presentan un grado mayor de
dificultad que los vistos en cursos anteriores de Cálculo.
Comenzaremos el recorrido con los conceptos de Sucesiones y Series. En ésta unidad,
desarrollaremos nociones básicas de Suceciones y Series y aprenderemos a trabajar de
modo más abstracto. Luego, a lo largo de la materia, veremos cómo utilizar estas nuevas
y poderosas herramientas.
Seguimos con un capı́tulo dedicado a las Ecuaciones Diferenciales Ordinarias o, mas
familiarmente, EDO’s. Ustedes ya han utilizado estos conceptos en Fı́sica I. Ejemplo de
esto es la segunda ecuación de Newton que es la que utilizaron para obtener, de modo
práctico, ecuaciones de movimiento. Aquı́, desarrollaremos el marco teórico en el que se
basaron. En ésta unidad aprenderemos a resolver algunos tipos de ecuaciones diferencia-
les ordinarias, primero en forma gráfica ...por lo tanto será útil el repaso de herramientas
computacionales!!!! Luego, analizaremos diversos casos particulares de EDOS y obtendre-
mos ”soluciones clásicas”... ¿qué será eso?
Finalmente, cerramos este recorrido con Ecuaciones en Derivadas Parciales. Estas
ecuaciones son un poco mas complejas pero, el abanico de problemáticas que permiten
modelar son más que interesantes: Distribución de temperatura y masa, vibración de una
cuerda, o una viga, el problema del dique poroso, finanzas cuantitativas, crecimiento de
masa tumoral, etc.
A esta altura, es importante hacer énfasis en que el manejo conceptual se logrará
paulatinamente. Cada unidad comenzará con simples ejercicios un poco mecánicos. A la
par, se trabajará utilizando herramientas computacionales para terminar la materia con
la modelización de un problema (será un trabajo de desarrollo en grupos) que se resolverá
utilizando TODOS los conocimientos adquiridos en ésta y en las materias ya cursadas.
6
Capı́tulo 1
Sucesiones y Series
1.1. Sucesiones
1.1.1. Definiciones
Vamos a comenzar con un ejemplo. Recordemos el concepto de derivada estudiado en

Cálculo I.
¿Cómo se definió?
Se definió en primer lugar, la derivada de f en un x = x0 a partir del cálculo del lı́mite

de un cociente incremental :
f (x) − f (x0 )
lı́m . (1.1.1)
x→x0 x − x0
Otra forma de expresar lo anterior es:
f (x0 + h) − f (x0 ) ∆ f (h)

lı́m = lı́m (1.1.2)
h→0 h h→0 h
donde h = x − x0 y ∆ f (h) = f (x0 + h) − f (x0 ).
El cociente incremental de la expresión anterior ¿qué interpretación geométrica tenı́a?

Veamos el siguiente ejemplo.
7
Ejercicio 1.1.1. Consideremos la función f (x) = x2 . Suponiendo que se define el paráme-
1
tro h = i
con i = 1, 2, 3, . . . , 10, completar la siguiente tabla de valores en donde se
∆f (h)
muestra h
considerando x0 = 0 :
1 ∆f (h)
i hi = i h
f (1)−f (0)
1 1 1
=1
1
2 2
...
1
3 3
...
1
4 4
...
1
5 5
...
1
6 6
...
1
7 7
...
1
8 8
...
1
9 9
...
1 1
10 10 10
Podrı́a describir con sus palabras lo obtenido? Por otro lado, mirando la tabla anterior,
podemos pensar en asociar
∆f (h1 )
1 → a1 = =1
h1
∆f (h2 )
2 → a2 =
h2
∆f (h3 )
3 → a3 =
h3
..
.
∆f (h10 ) 1
10 → a10 = =
h10 10
Ejercicio 1.1.2. Graficar esta colección de puntos ası́ obtenidos. Es decir, graficar el con-
junto de puntos: {(1, a1 ), (2, a2 ), . . . , (10, a10 )}. Cuidado, recuerde que serán un conjunto
de puntos en el plano y NO UNA CURVA!!!!!
1
Ahora, sobre la base del ejercicio anterior, pensemos en definir h = i
pero con i ∈ N.
8
El conjunto {(i, ai ), i ∈ N} serı́a un conjunto que tiene infinitos elementos pero
que además, están ordenados!!!!
Ejercicio 1.1.3. Realizar el gráfico de este nuevo conjunto {(1, 1); (2, 1/2); (3, 1/3); . . .}.
Ya que no podrı́a hacerlo para todo i ∈ N, considere i hasta un valor “suficientemente”
grande. ¿qué serı́a ”suficientemente” grande para la computadora?
¿qué observa? ¿cómo se comportan los puntos graficados?
Vamos a formalizar estos descubrimientos.
Definición 1.1.1. Se llama Sucesión a un conjunto de infinitos elementos que satisfacen

una propiedad y que además están ordenados.
Notación: Una sucesión se nota de las siguientes formas
{a1 , a2 , a3 , . . . , an , . . . },
{an }n∈A , donde an es el elemento genérico y A puede ser un subconjunto infinito

del conjunto de los naturales (N) o los naturales inclusive el 0 (N0 ),
o simplemente {an } cuando suponemos que el conjunto de validez de los subı́ndices

es N, por ejemplo esta notación es la que utilizaremos en los teoremas.
Ejemplo 1.1.1. :
i) {1, 0, 1, 0, 1, 0, . . . }
¿cuál serı́a la expresión para el elemento genérico?
ii) {1, 2, 4, 8, 16, . . . , 2n , . . . }, aquı́ el elemento genérico es an = 2n , n ∈ N0
iii) {1, 1, 2, 3, 5, 8, . . . } esta sucesión es llamada de Fibonacci (Matemático italiano, na-

ció en 1179). ¿Cuál serı́a la expresión para el elemento genérico an ?
Observación 1.1.1. ¿Cuál es la diferencia entre los siguientes conjuntos?
{1, 0, 1, 0, . . . , 1, 0, 1, 0, . . .} {1, 0, 1, 0, . . . , 1, 0, 1, 0}.
9
Si pensamos a los elementos de una sucesión en la forma {(n, an )}n , la sucesión puede
verse (o interpretarse) como el conjunto gráfica de una función f definida como:
f : A ⊂ N0 → R
n 7→ an .
Observación 1.1.2. Como el conjunto de partida es discreto, la gráfica constará sólo de

puntos en el sistema de ejes coordenados xy.
Observación 1.1.3. A partir del comentario anterior es que obtendremos importantes

resultados sobre las sucesiones. Este es un buen momento para recordar lo visto en cálculo
I y II sobre lı́mites y sus propiedades. En especial cuando pretendamos utilizar la
regla de L’ Hôpital. ¿por qué? ¿qué se necesita para poder usar esta regla?
1.1.2. Convergencia de una sucesión
Definición 1.1.2. : Diremos que una sucesión {an } es convergente si existe L ∈ R

tal que
lı́m an = L.
n→∞
Más aún, diremos que la sucesión converge a L. Si L = ∞, L = −∞ o no existe,

diremos que la sucesión es divergente.
Ejemplo 1.1.2. Veamos cómo aplicar la definición anterior:
i) { n1 }n∈N es una sucesión convergente y converge a 0 pues
1
lı́m = 0.
n→∞ n
ii) {en } es divergente pues
lı́m en = ∞.
n→∞
10
1 − (−1)n
iii) {0, 1, 0, 1, · · · } es divergente pues, si definimos an = , n = 0, 1, 2, 3, . . .
2
vemos que
@ lı́m an .
n→∞
1
iv) Si volvemos al ejercicio 1,1,3, tendremos que an = n
y entonces,
1
lı́m =0
n→∞ n
que, en este caso, no es otra cosa que f 0 (0).
1.1.3. Alguno resultados sobre convergencia
Lema 1.1.1. : Sea f una función a variable real tal que
lı́m f (x) = L.
x→∞
Entonces la sucesión {an }, con an = f (n) ∀ n ∈ N, es convergente y converge a L.
Si ahora recordamos la definición − δ de lı́mite de una función f cuando x tiende a

x0 , podemos reutilizarla para el caso de sucesiones . Serı́a algo ası́:
Dada una sucesión {an }∞
n=0 convergente a un número L, podemos escribir de manera
formal que:
lı́m an = L ⇔ ∀ > 0 ∃ n0 ∈ N / |an − L| < ∀ n ≥ n0 . (1.1.3)

n→∞
La interpretación geométrica de esta definición formal, es la siguiente:

Para cualquier > 0 (muy pequeño), existe un número natural n0 tal que todos los
términos de la sucesión desde an0 en adelante deben estar en el intervalo (L − , L + ).
11
En otras palabras podemos decir que, si la sucesión es convergente, los elementos de la
misma se “acumulan” alrededor del valor L.
Además, por la propiedad de desigualdad triangular y la expresión (1.1.3), resulta que:
|an+1 − an | ≤ |an+1 − L |+| an − L| < 2 ∀ n ≥ n0 .
Luego tenemos que la distancia entre dos elementos sucesivos de una sucesión convergente
es tan pequeña como se desee, por lo tanto queda demostrado el siguiente resultado.
Teorema 1.1.1. Dada una sucesión {an }∞

n=0 convergente entonces
lı́m |an+1 − an | = 0
n→∞
Propiedades 1: Álgebra de los lı́mites para sucesiones.

Sean las sucesiones {an } y {bn } ambas convergentes y tales que
lı́m an = L1 y lı́m bn = L2 ,
n→∞ n→∞
entonces vale que:
1) {an + bn } es una sucesión convergente y converge a L1 + L2 ,
2) {an − bn } es una sucesión convergente y converge a L1 − L2 ,
3) {c.an } es una sucesión convergente y converge a c.L1 , ∀ c ∈ R
4) {an .bn } es una sucesión convergente y converge a L1 .L2 ,

na o L1
n
5) es una sucesión convergente y converge a , si L2 6= 0,
bn L2
6) {apn } es una sucesión convergente y converge a Lp1 , si p > 0 y an > 0 ∀n ∈ N
Teorema 1.1.2. De la compresión.

Sean las sucesiones {an }, {bn } y {cn }, tales que verifican:
i) an ≤ bn ≤ cn , ∀ n∈N y con n ≥ n0 (para algún n0 ∈ N.)
12
ii) lı́m an = L = lı́m cn .
n→∞ n→∞
Entonces, se tiene que:
lı́m bn = L
n→∞
Teorema 1.1.3. Si lı́m an = L y f es una función continua en L, entonces

n→∞
lı́m f (an ) = f (L)

n→∞
Teorema 1.1.4. Sea {an } una sucesión, entonces:
lı́m |an | = 0 ⇒ lı́m an = 0

n→∞ n→∞
Definición 1.1.3. Sea una sucesión {an }.
1) Diremos que es una sucesión creciente si
an < an+1 ∀ n ∈ N,
2) diremos que es una sucesión decreciente si
an > an+1 ∀ n ∈ N,
3) diremos que es una sucesión acotada superiormente si existe M ∈ R tal que
an ≤ M ∀ n ∈ N, n ≥ n0 , para algún n0 ∈ N
4) diremos que es una sucesión acotada inferiormente si existe m ∈ R tal que
an ≥ m ∀ n ∈ N, , n ≥ n0 , para algún n0 ∈ N.
Observación 1.1.4. Cuando hablemos del çarácter”de una sucesión, nos referimos al
hecho de que sea convergente o divergente.
13
Ejercicio 1.1.4. Recordemos otro ejemplo de sucesiones que conocimos en cálculo II, son
las Sumas de Riemann(en ese momento no les dimos nombre!!!).
3−1
Consideremos nuevamente la función f (x) = x2 , x ∈ [1, 3]. Sea n ∈ N y h = n
,
entonces definimos los puntos xi = 1 + i ∗ h, i = 0, . . . n. Sean las suceciones cuyos
elementos genéricos se establecen como:
an = h[f (x0 ) + . . . + f (xn−1 )] y bn = h[f (x1 ) + . . . + f (xn )]
Graficar los primeros 500 elementos de ambas suceciones. Qué puede decir sobre el carácter
de ellas? Comparar con el valor del área bajo la curva de f para x ∈ [1, 3].
Teorema 1.1.5. Sea una sucesión {an }.
i) Si la sucesión es creciente y acotada superiormente, es convergente.
ii) Si la sucesión es decreciente y acotada inferiormente, es convergente.
1.1.4. Ejercicios sugeridos
Ej 1) Si una pelota es lanzada desde una altura h, en medio segundo llega al suelo y rebota
llegando, en otro medio segundo, hasta las tres cuartas partes de la altura anterior,
y este proceso se repite indefinidamente:
i) Escribir la altura que alcanzará luego de 1s, 2s, 3s, . . . , ns.
ii) ¿Qué ocurre a largo plazo? Es decir si n tiende a ∞. ¿Puede escribir ahora
TODO el conjunto?
Ej 2) Pensando en la posición de la aguja de un reloj que marca las horas:
a) Escribe la posición (en radianes) que marca la misma luego de 1h, 2h, 3h, . .
., nh. (horas)
b) ¿Qué ocurre a largo plazo?
14
Ej 3) Ejercicios sugeridos de la sección 11,1, 7ma ed.: 3, 5, 6, 7, 8, 12, 13, 14, 23, 25, 26,
27, 29, 30, 34, 37, 38, 45, 53, 65, 71, 93.
Repaso
Preguntas de V o F del Repaso (pág. 778): 1, 3, 14, 15, 16, 18.
Ejercicio para entregar la próxima clase: Proyecto de Laboratorio Sucesiones logı́sti-

cas (pág. 703)
1.2. Series Numéricas

Comenzaremos conociendo acerca de la Paradoja de Zenón
El tema principal de esta sección tuvo su inicio hace mas de 2400 años, cuando el
filósofo griego Zenón de Elea (495-435 a. C.) precipitó una crisis en las matemáticas
antiguas al establecer una serie de ingeniosas paradojas. Una de ellas, a menudo llamada
la paradoja del hipódromo, se puede describir de la siguiente manera:
Un corredor de carreras nunca llega al final de un hipódromo porque debe recorrer la
mitad de la distancia antes de cubrir el todo. Es decir, habiendo cubierto la primera mitad
del trayecto, todavı́a tiene la segunda mitad ante él. Cuando se cubre la mitad de esto,
aún queda un cuarto. Cuando se cubre la mitad de esta cuarta parte, queda una octava
parte y ası́ sucesivamente, hasta el final.
Zenón se referı́a, por supuesto, a una situación idealizada en la que el corredor debe
considerarse como una partı́cula o punto que se mueve desde un extremo de un segmento
de lı́nea al otro.
Formulemos la paradoja de otra manera: Supongamos que el corredor comienza en el
punto x = 0 y corre hacia la meta marcada x = L. Si al corredor le lleva T unidades de
tiempo llegar a la mitad de la distancia, le llevarı́a T /2 correr la mitad de la distancia
que le falta (es decir L/2), T /4 la mitad de la mitad restante (L/4) y ası́ sucesivamente.
Como entre dos números reales SIEMPRE existe otro número real...SIEMPRE podremos
pensar en recorrer la mitad del tramo restante de camino. O sea que deberı́a darse la
siguiente igualdad:
15
T T T T
T+ + + + . . . + n + . . . = 2T
2 4 8 2
o al menos eso es lo que pensarı́amos...¿no? Según Zenón, esto serı́a imposible, al menos
en un tiempo finito pues tenemos infinitos subintervalos del hipódromo que recorrer.
Veremos como sigue esta historia....
1.2.1. Definiciones y ejemplos clásicos
Consideremos la sucesión {an } y pensemos en una nueva sucesión definida como sigue:

s 1 = a1










 s 2 = a1 + a2 ,


..
 .



s n = a1 + a2 + a3 + . . . + an ,





...



n
X
Es decir: {sn } es una sucesión para la cual, el elemento genérico es sn = ak •
k=1
Definición 1.2.1. A la sucesión recién definida la llamamos “sucesión de sumas par-

ciales”, sn se llama la suma parcial n-ésima de los elementos de la sucesión {an } •
Ejemplo 1.2.1. Dada la sucesión { n!2 }, hallar los 5 primeros elementos de la sucesión de
sumas parciales.
∞
X
Definición 1.2.2. Dada la sucesión {an }, llamamos Serie al sı́mbolo ak .
k=1
Ejemplo 1.2.2. : Serie armónica

∞
X 1 1 1 1 1
=1+ + + + ... + + ...
k=1
k 2 3 4 n
16
Definición 1.2.3. Sea una sucesión {an }. Diremos que:
∞
X
X la Serie an converge si existe S ∈ R tal que lı́m sn = S.
n→∞
k=1
∞
X
En este caso, decimos además que la serie converge a S, por lo tanto: ak = S.
k=1
∞
X
X X la Serie ak es divergente si la suceción {sn } es divergente •
k=1
Observación 1.2.1. En adelante, cuando se hable de “carácter de una serie”, se hablará

sobre si ésta es convergente o divergente.
Ejemplo 1.2.3. : Series famosas y su carácter

∞
X 1
1) Serie armónica:
k=1
k
Esta serie es es divergente ¿Por qué?
Consideremos la función y = 1/x, si x ≥ 1 se tiene que f (x) > 0 y recordando el

concepto de área bajo una curva y las Sumas de Riemann:
Z n+1
1 1 1 1
sn = 1 + + + · · · + ≥ dx = ln(n + 1)
2 3 n 1 x
Entonces:
lı́m sn = lı́m ln(n + 1) = ∞.
n→∞ n→∞
∞
X
2) Serie geométrica: a rn
n=0
donde a y r son constantes en R. Además r ∈ R se llama razón de la serie.
∞
X
a rn = a + a r + a r2 + · · · + a rn + · · ·
n=0
Ejercicio 1.2.1. ¿cuándo podemos decir que una serie geométrica es convergente?
y si lo es . . . ¿a qué converge?
17
Ejercicio 1.2.2. Mostrar que el corredor, en la paradoja de Zenón, efectivamente
demorarı́a 2T unidades de tiempo en terminar la carrera.
∞
X
3) Serie telescópica: Es de la forma bn − bn+1 donde {bn } es una sucesión.
n=1
Si existe L ∈ R tal que la sucesión {bn } converge a L, entonces la serie telescópica
converge y converge a b1 − L.
Ejercicio 1.2.3. Mostrar la afirmación anterior.
∞
X n
Ejercicio 1.2.4. ¿ Es convergente la serie ln ?
n=1
n + 1
∞
X 1
Ejercicio 1.2.5. ¿qué ocurre con la serie ?
n=1
n(n + 1)
1.2.2. Resultados de convergencia
P P
Teorema 1.2.1. Sean an y bn dos series convergentes.
i) Linealidad.
P P P
X (an + bn ) = an + bn
P P
X (c an ) = c an donde c ∈ R es una constante cualquiera.
P
ii) Si (an ) converge, entonces
lı́m an = 0
n→∞
Observación 1.2.2. :
1) El recı́proco del Teorema 1· 2· 1(ii) no siempre vale. Considerar la serie armónica
como ejemplo.
2) Sı́ es muy útil, en cambio, el contrarecı́proco del Teorema 1 · 2 · 1(ii), es decir:
X
lı́m an 6= 0 ⇒ (an ) es divergente.
n→∞
18
¸ ¸ ¸ ¸ ¸ ¸ ¸ ¸
Antes de continuar, debemos hacer un alto y definir el concepto de Integrales Im-

propias. Leer §7,8 en Cálculo de una variable, J. Stewart, 7ma. Ed. Lo desarrollaremos
en clase.
¸ ¸ ¸ ¸ ¸ ¸ ¸ ¸
Teorema 1.2.2. Sea f una función seccionalmente continua, positiva y decreciente sobre
el intervalo [1, ∞) y sea an = f (n), ∀ n ∈ N. Entonces
P R∞
i) an es convergente ⇐⇒ 1
f (x) dx es convergente.
P R∞
ii) an es divergente ⇐⇒ 1
f (x) dx es divergente.
Consideremos otra serie famosa: la p-serie.
∞
X 1
Definición 1.2.4. Una p-serie es de la forma , p ∈ R − {1}.
n=1
np
Observación 1.2.3. : Obviamente, p 6= 1, pues en ese caso ya sabemos que la serie es la

serie armónica.
Ejercicio 1.2.6. Mostrar cuándo la p-serie es convergente y cuándo es divergente utili-

zando el Teorema 1· 2· 2 y utilizando el concepto de integrales impropias.
Ahora que ya conocemos algunas series y su carácter, es decir: si son convergentes o no

y cuándo, las utilizaremos para poder analizar el carácter de otras series. Importante: no
siempre podremos saber a qué converge una serie...a veces nos contentaremos
con conocer su carácter!!
P P
Teorema 1.2.3. Sean an y bn dos series.
1) criterio de comparación: Supongamos que an > 0 y bn > 0 ∀ n ∈ N.
19
(i)
Si an ≤ bn ∀ n ∈ N o X
P ⇒ an también es convergente.
y bn es convergente
(ii)
Si an ≤ bn ∀ n ∈ N o X
P ⇒ bn también es divergente.
y an es divergente
2) criterio de comparación del lı́mite: Si existe c ∈ R+

an
lı́m = c,
n→∞ bn
entonces ambas series convergen o ambas divergen.
Observación 1.2.4. : Leer y resolver con mucha atención los ejercicios 40, 41 y 42 de
la sección 11.4 de Stewart.
Ejercicio 1.2.7. Analizar el carácter de las siguientes series utilizando el teorema ante-
rior.
∞
X 3
(i)
n=1
2n +1
Resulta que 2n + 1 > 2n > 0 ∀n ∈ N. Por lo tanto,

1 1
0 < an = < = bn ∀n ∈ N.
2n + 1 2n
∞
X 1
Además, n
es una serie geométrica con razón r = 1/2 y como |r| < 1 resulta ser
n=1
2
∞
X 1
convergente. De donde, por el T 1· 2· 3(1i), la serie n
es convergente y del T 1· 2· 1(i)
n=1
2 +1
∞
X 3
también la serie n
resulta convergente.
n=1
2 +1
A ver, ustedes solos ahora...

∞
X 1
(ii) sen( )
n=1
n
∞
X n + 4n
(iii)
n=1
n + 6n
20
1.2.3. Series alternantes
Otra familia importante de series es la de las series alternantes. Tan importante es

esta familia, que necesita herramientas propias!!!
Definición 1.2.5. Una serie se dice alternante, si sus términos son alternadamente
positivos y negativos.
Ejemplo 1.2.4. de series alternantes:

∞
X (−1)n
1) (Serie armónica alternante)
n=1
n
∞
X (−1)n
2)
n=2
n!
Prueba de la serie alternante:

∞
X
Si se considera la serie alternante (−1)n bn , donde la sucesión {bn } satisface que
n=1
i) bn > 0 ∀ n, ii) bn+1 ≤ bn ∀n y iii) lı́m bn = 0,

n→∞
entonces, la serie es convergente.
Un ejemplo muy interesante es que, mediante esta prueba, mostramos que la serie
armónica alternada es convergente !!!! Es decir:
∞
X (−1)n
la serie es convergente.
n=1
n
Ejercicio 1.2.8. Mostrar que la afirmación anterior es verdadera.
Observación 1.2.5. Notar que no es necesaria esta herramienta para analizar el carácter
de una serie geométrica con razón negativa, por ejemplo:
∞ ∞
X (−1)n 1 X (−1)n−1 1 1
=− , r=− , a=−
n=1
3n 3 n=1 3n−1 3 3
1
ya sabemos que es una serie convergente yyyy . . . converge a − . ¿verdad?
4
21
Veamos algunos criterios mas que nos ayuden a determinar el carácter de otros tipos de
series. A estas alturas, ya habrá notado el lector que no es tan sencillo y necesita disponer
de un buen conjunto de herramientas a la hora de trabajar con series.
X
Definición 1.2.6. Una serie an es llamada absolutamente convergente si la serie
X
de valores absolutos |an | es convergente.
Ejemplo 1.2.5. Uso de la definición anterior:

∞
X (−1)n
1)
n=1
n2
∞
X 1
Es absolutamente convergente pues es convergente por ser una p-serie con
n=1
n2
p = 2.
∞ ∞
X (−1)n X 1
2) no es una serie absolutamente convergente pues es la serie
n=2
n n=1
n
armónica y sabemos que NO es convergente.
X
Teorema 1.2.4. Si una serie an es absolutamente convergente, entonces es conver-
gente.
∞
X cos(n)
Este criterio es muy útil, por ejemplo, para series de la forma:
n=1
n2
¿cómo utilizarı́a el Teorema precedente para mostrar que esta serie es convergente?
X
Prueba de la razón 1.2.5: Sea la serie an y supongamos que vale
|an+1 |
lı́m = L.
n→∞ |an |
Resulta que:
X
i) Si L < 1, entonces la serie an es absolutamente convergente y luego, por el
teorema anterior, la serie es además convergente.
22
X
ii) Si L > 1 o L = ∞, la serie an es divergente.
iii) Si L = 1 no podemos decir nada sobre el carácter de la serie•
X
Prueba de la raı́z 1.2.6: Sea la serie an y supongamos que vale
1
lı́m |an | n = L.
n→∞
X
i) Si L < 1, entonces la serie an es absolutamente convergente y entonces, por el
teorema anterior, es convergente.
X
ii) Si L > 1 o L = ∞, la serie an es divergente.
iii) Si L = 1 no podemos decir nada sobre el carácter de la serie•
Observación 1.2.6. Notemos que si L = 1, en los dos criterios enunciados antes, el

criterio no decide. Veamos esto para el caso de la Prueba de la razón por ejemplo y
consideremos la serie armónica y la p-serie con p = 2, es decir
∞ ∞
X 1 X 1
a) 2
, b)
n=1
n n=1
n.
Aplicando la Prueba de la razón a cada ejemplo L = 1 ¿y qué sabemos de cada una de

estas series?
1.2.4. Ejercicios sugeridos
Ej 1) Considerar el ejercicio 1 de la práctica anterior.
a) Escribir una sucesión que te permita calcular la distancia total recorrida por
la pelota en cada segundo que va transcurriendo. ¿Es convergente la sucesión?
b) ¿Qué ocurre si en cada rebote la pelota alcanza la misma altura que en el

rebote anterior?
c) ¿Y si dispone de un sistema de propulsión que hace que en cada rebote duplique

la altura anterior?
23
Ej 2) En el curso de ingreso, se vio que 0. 9̂ = 1. Mostrar esto mediante la utilización de
una adecuada serie.
Ej 3) Sea la sucesión {an }n∈N . Suponiendo que es una sucesión convergente, considerar la
nX n o
sucesión definida como (ak − ak+1 )
n∈N
k=1
a) Escribir algunos términos de la misma y analiza su convergencia.
b) Analizar la convergencia de las siguientes series:

∞ ∞
X 2 X 1
i) 2
ii) ln 1 +
n=1
4n − 1 n=1
n
Ej 4) Ejercicios sugeridos: Stewart 7ma. Ed.
Sección 11.2: impares del 11 al 25, 26, del 30 al 42 los pares, 43-48, 59;
Sección 11.3: 3, 5, 7, 11, 15, 17, 21, 27, 29, 34;
Sección 11.4: 1, 2, 4, 5, 6, 8, 17, 30, 31, 40, 41, 42, 45;
Sección 11.5: 3, 7, 9, 13, 23, 25, 32;
Sección 11.6: 1, 4, 13, 19, 21, 29, 33;
Sección 11.7 Elijan los que quieran. Con estos ejercicios pueden repasar todo el tema.
Repaso
1) Preguntas de V ó F del Repaso (pág. 778): 2, 5, 8, 12, 17.
2) Problema de Basilea (Euler en los años 1700): Sabemos que la p-serie con p = 2 es
convergente. Pero ... a qué converge???
Euler demostró que

∞
X 1 π2
2
= .
n=1
n 6
Podrı́a corroborar que este resultado es factible mediante el uso de algún software?
Cuántos términos serı́a adecuado utilizar para tener un error en la aproximación del
orden de 10−10 ?
24
1.3. Series de funciones
En la sección anterior, tratamos con series cuyos términos eran números reales. Ahora,
vamos a trabajar con series cuyos términos nacen en una sucesión de la forma {fn (x)}n
donde x pertenece a algún subconjunto de los números reales (también podrı́a considerarse
el conjunto de los complejos...pero no es ahora el caso!!!)
1.3.1. Serie de potencias
Definición 1.3.1. Llamamos Serie de potencias centrada en x0 a una serie de la forma

∞
X
cn (x − x0 )n = c0 + c1 (x − x0 ) + . . . + cn (x − x0 )n + . . .
n=0
donde los coeficientes cn ∈ R ∀n ∈ N0 .
Observación 1.3.1. Notemos que si x = x0 , resulta

∞
X
cn (x − x0 )n = c0 .
n=0
Observación 1.3.2. Si cn = c ∀ n, y considero x fijo, la serie se transforma en una

serie geométrica de razón
r = x − x0
y por lo tanto, si |r| = |x − x0 | < 1, la serie es convergente y converge a

c
.
1 − (x − x0 )
∞
X
Ejemplo 1.3.1. Dada la serie de potencias 5 (x − 3)n , decir en qué intervalo converge
n=0
y cuál serı́a la función suma de la serie.
Si |x − 3| < 1, es decir,
2 < x < 4,
∞
X 5
5 (x − 3)n = , ∀ x ∈ (2, 4).
n=0
4−x
5
La función suma serı́a S(x) = 4−x
, ∀ x ∈ (2, 4).
25
Observación 1.3.3. Notar que en el ejemplo anterior, obtuvimos una función suma,
pues
para cada valor de x, la serie converge a un número que depende de x.
Como consencuencia de lo anterior, es muy interesante el proceso inverso. Es decir, dada

una función f (x) ¿podemos hallar una serie de potencias tal que su función suma sea f ?
3
Ejercicio 1.3.1. Hallar una serie que represente a la función f (x) = 2x−1
. Además,
indicar en qué intervalo real la representa.
Ahora, retornando al caso general donde los coeficientes cn son variables que dependen
de n, veamos cómo trabajar.
¿Porqué las necesitamos a las series de potencias?
El uso principal de las series de potencias es proporcionar una manera de representar
algunas de las funciones más importantes que surgen en matemáticas, fı́sica y quı́mica.
Por ejemplo, la función de Bessel, llamada ası́ en honor al astrónomo alemán Frie-
drich Bessel (1784-1846). Esta función surgió cuando Bessel resolvió la ecuación de Kepler
para describir el movimiento de los planetas en sus órbitas alrededor del Sol.
Entonces, Bessel obtuvo esta serie como solución:
∞
X (−1)n x2n (−1)n
J0 (x) = 2n (n!)2
, cn = , n ∈ N0 .
n=0
2 22n
Desde esa época, estas funciones se aplican en diversas situaciones fı́sicas, sin olvidar
la distribución de temperaturas en una lámina circular y las vibraciones de una membrana
de un tambor.
Ahora sı́,
¿cómo saber si una serie de potencias en general, converge? ¿dónde converge?
Para responder a esta pregunta, podemos seguir utilizando el criterio de la

razón.
Ejercicio 1.3.2. Considerar la serie de Bessel de orden 0

∞
X (−1)n x2n
n=0
22n (n!)2
26
(−1)n x2n
Entonces, an = 22n (n!)2
y
a
n+1 x2
=
an 4 (n + 1)2

Luego, aplicando lı́mite en ambos miembros:
a
n+1
lı́m = 0 ∀ x ∈ R.
n→∞ an
Por lo tanto, la serie de Bessel converge para todo x ∈ R, es decir que queda definida
una función, llamada J0 , con dominio en R como figura en página 26.
∞
X (−1)n x2n
J0 (x) =
n=0
22n (n!)2
Teorema 1.3.1. Convergencia y radio de convergencia.

Sea la serie de potencias
∞
X
cn (x − x0 )n
n=0
sólo hay 3 posibilidades:
1) La serie converge sólo cuando x = x0 , es decir que el radio de convergencia es

R = 0.
2) La serie converge para todo x ∈ R, es decir el radio de convergencia es infinito.
3) Existe R > 0 tal que la serie converge si |x − x0 | < R y diverge si |x − x0 | > R.
Observación 1.3.4. Notar que:

1) en el ı́tem (3) del teorema anterior la función suma de la serie está definida en el
intervalo (x0 − R, x0 + R),
2) en este mismo ı́tem, para cada serie, habrá que chequear qué ocurre con x = x0 −R
y con x = x0 + R.
Si bien no justificaremos esto pero, dentro del intervalo de convergencia, a la serie

podemos tratarla como si fuese una simple suma. Entonces, podemos derivarla e integrarla
término a término. Y no sólo eso, sino que ...
27
la serie obtenida sigue siendo convergente!!
Lo anterior se formaliza en el siguiente teorema.
Teorema 1.3.2. Sea la serie de potencias

∞
X
cn (x − x0 )n
n=0
Suponiendo que tiene radio de convergencia R > 0, entonces resulta que la función
suma f (x) es derivable e integrable en el intervalo (x0 − R, x0 + R). Mas aún:
i)
∞ ∞
0 d X n
X
f (x) = cn (x − x0 ) = cn n (x − x0 )n−1
dx n=0 n=1
ii)
x ∞
(x − x0 )n+1
Z X
f (t) dt = cn .
x0 n=0
n+1
En ambos casos, las series resultantes son convergentes y conservan el radio de conver-
gencia.
Ejercicio 1.3.3. Hallar la serie que representa a la función f (x) = −ln(4 − x)5 . Suge-
rencia: usar de modo conveniente el ejemplo de página 26.
1.3.2. Serie de Taylor
En otros cursos de cálculo hemos estudiado la linealización una función derivable en

un punto x = a mediante un polinomio de primer grado, de ecuación
P1 (x) = f (a) + f 0 (a)(x − a) ∀ x ∈ (a − δ, a + δ)
esta linealización era utilizada para aproximar la función en valores cercanos a x = a.

Si f tiene derivadas de mayor orden, por ejemplo hasta orden n, en un entorno de
x = a podemos obtener mejores aproximaciones de f con polinomios de mayor grado,
28
estos polinomios se denominan polinomios de Taylor de grado n generado por f
en x = a.
00
0 f (a) f (n) (a)
Pn (x) = f (a) + f (a)(x − a) + (x − a)2 + ... + (x − a)n ∀x ∈ (a − δ, a + δ)
2 n!
Veamos un ejemplo clásico.
Ejemplo 1.3.2. Dada f (x) = ex encontremos el polinomio de Taylor de grado n alrededor

del origen. Es claro que f (k) (0) = 1 para todo k luego tenemos que:
1 1
Pn (x) = 1 + x + x2 + ... + xn
2 n!
Observemos las gráficas:
Como la función exponencial tiene derivadas de todos los ordenes alrededor del origen,
podrı́amos generar la serie de potencias
∞
X xn
n=0
n!
que converge para todo x ∈ R.
¿ésta serie converge a la función exponencial?
y en general...
29
¿para qué funciones será posible generar la serie
∞
X f (n) (a)
(x − a)n ?
n=0
n!
¿ésta serie converge a f (x)? ¿para qué valores de x?
Comencemos respondiendo la segunda pregunta, definiendo serie de Taylor de una

función.
Definición 1.3.2. Sea f una función infinitamente derivable en algún intervalo abierto
que contiene a x = a. Entonces llamaremos Serie de Taylor generada por f en
x = a a la siguiente serie
∞ 00
X f (n) (a) n 0 f (a) f (n) (a)
(x − a) = f (a) + f (a)(x − a) + (x − a)2 + · · · + (x − a)n + · · ·
n=0
n! 2 n!
Si x = 0 la serie recibe el nombre de Serie de Maclaurin generada por f •
La serie de Taylor converge siempre para x = a al valor f (a). Nos preguntábamos si

la serie converge a f (x), en general la respuesta no es afirmativa para x 6= a, veamos el
siguiente ejemplo.

 e−1/x2 x 6= 0
Ejemplo 1.3.3. Dada función f (x) = es infinitamente derivable en un
 0 x=0
entorno del origen y f (n) (0) = 0 para todo n.
∞
X f (n) (0)
Luego la serie de Maclaurin xn converge a la función nula para todo x real,
n!n=0
pero converge a f (x) solamente en x = 0.
Por lo tanto el siguiente teorema nos proporciona una condición suficiente para la conver-
gencia de una serie de Taylor a la función que la generó.
30
Teorema 1.3.3. Si f tiene derivadas de todo orden y continuas en un intervalo (a − δ, a + δ)
y
|f (n) (x)| ≤ M, n = 1, 2, · · ·
entonces la serie de Taylor generada por f alrededor de x = a converge a f en (a−δ, a+δ).

Es decir:
∞
X f (n) (a)
(x − a)n = f (x), ∀ x ∈ (a − δ, a + δ) •
n=0
n!
Respondamos ahora la pregunta que nos planteamos ¿ a qué función converge la serie
de Maclurin genereda por ex ?
Si |x| < δ tenemos entonces que f (n) (x) = ex < eδ , luego si tomamos M = eδ tenemos
que
∞
X xn
= ex
n=0
n!
en (−δ, δ).Pero como este argumento es válido para todo δ real entonces
∞
X xn
= ex ∀x ∈ R
n=0
n!
De manera análoga verifiquemos que valen los siguientes desarrollos para las funciones
seno y coseno:
∞
X (−1)n
x2n = cos(x) ∀x ∈ R
n=0
(2n)!
∞
X (−1)n 2n+1
x = sin(x) ∀x ∈ R
n=0
(2n + 1)!
∞
X
Observemos que si f (x) = cn (x − a)n con radio de convergencia R > 0 entonces
n=0
aplicando lo visto en la sección anterior tenemos que
f (n) (a)
cn = ∀ n•
n!
Ahora bien, hasta el momento hemos trabajado con funciones ”buenitas fue sencillo
2
obtener una ley genérica para los coeficientes cn de la serie de Mac Laurin....peeeroooo,
31
no siempre es factible. A veces, podemos pensar como en el ejercicio 1.3.1 de página 26.
Consideremos las siguientes series de Maclaurin y la correspondiente función suma:
∞
1 X
= xn |x| < 1
1 − x n=0
∞
1 X
= (−1)n x2n |x| < 1.
1 + x2 n=0
La segunda serie puede obtenerse a partir de la primera considerando una composición

de funciones!!!! ¿cómo serı́a esto????
Una razón para que estas series sean tan importantes es que nos permiten por ejemplo
integrar funciones que antes no podı́amos. Por ejemplo una antiderivada de la función
2
e−x no puede expresarse mediante una función elemental. Utilizando la serie de Maclaurin
Z x
2
podemos encontrar un desarrollo en serie de potencias de e−t dt.
0
1.3.3. Serie de Fourier
Comenzaremos aquı́, recordando conceptos y propiedades de funciones e integrales.

Recuerdos básicos para trabajar con comodidad con esta nueva clase de series tan útil para
representar algunas funciones y, mas adelante, resolver ecuaciones en derivadas parciales
sujetas a ciertas condiciones.
Lema 1.3.1. Sean f y g dos funciones.
i) Si f y g son dos funciones periódicas de perı́odo P , la combinación lineal (a f + b g)

también será una función periódica de perı́odo P para cualquier par de constantes
reales a y b.
ii) Si f y g son, ambas, funciones pares ó impares, f.g una función par. Si f es par y
g es impar, el producto será una función impar.
Ra Ra
iii) Si f es una función par e integrable en [−a, a] ⇒ −a
f (x) dx = 2 0
f (x) dx.
Ra
iv) Si f es una función impar e integrable en [−a, a] ⇒ −a
f (x) dx = 0.
32
Definición 1.3.3. Llamaremos serie de Fourier a una serie trigonométrica de la forma
∞
a0 X
+ an cos(n w x) + bn sen(n w x)
2 n=1
donde a0 , an y bn son números reales y son los çoeficientes”de la serie.
Definición 1.3.4. Si f es una función periódica de perı́odo 2P e integrable en dicho

perı́odo, se consideran:
2π π
w= =
2P P
Z P
1
a0 = f (x) dx
P −P
Z P
1
an = f (x) cos(n w x) dx n = 1, 2, . . .
P −P
Z P
1
bn = f (x) sen(n w x) dx n = 1, 2, 3, . . .
P −P
Ahora, hemos de considerar las siguientes preguntas:
la serie obtenida con estos coeficientes ¿es convergente ??
¿dónde converge??
¿a qué converge ???
Ejercicio 1.3.4. Ante todo, y con fines prácticos, mostrar que
1) si f es impar,
an = 0 ∀n ∈ N0 ,
2) si f es par, entonces
bn = 0 ∀n ∈ N.
33
Observación 1.3.5. Del ejercicio anterior, concluimos que:
Si una función es impar, la serie generada constará sólo de senos.
Si, en cambio, la función es par, la serie generada será sólo de cosenos.
Ejercicio 1.3.5. Considerando la función


0, x ∈ (−π, 0)

f (x) =
x, x ∈ (0, π)

una función periódica, de perı́odo 2π, verificar que los coeficientes de Fourier asociados a
esta función son: para n ∈ N

π 0,

n = 2k (k = 1, ...) (−1)n
a0 = , an = y bn = .
2 −2 n
, n = 2k − 1(k = 1, ...)


π(2k−1)2
Ejercicio 1.3.6. Mostrar que, si f es una función periódica, de perı́odo 2P
Z 2P Z P
f (x) dx = f (x) dx.
0 −P
Este ejercicio anterior es importantı́simo pues permite simplificar cuentas en el caso

de que la función f sea par o impar.
Teorema 1.3.4. Convergencia de la Serie de Fourier.

Sea f una función periódica, de perı́odo 2P .
i) Si f y f 0 son, ambas, seccionalmente continuas en el intervalo [−P, P ] (con esto

decimos que si tienen discontinuidades, son un número finito y , si tienen saltos,
estos serán acotados), la Serie de Fourier es convergente. Es decir que existe
una función suma a la que llamaremos S(x).
ii) Si f es continua en x0 ∈ [−P, P ], entonces
S(x0 ) = f (x0 )
34
iii) Si f es discontinua en x0 ∈ [−P, P ], entonces
−
f (x+
0 ) + f (x0 )
S(x0 ) = .
2
Ejercicio 1.3.7. Con los coeficientes obtenidos en el ejercicio (2.3.5) de página 34, aplicar
este teorema y dar la función suma de la serie. Además, graficar la función f y la función
suma S(x) en el intervalo [−3π, 3π].
Ahora...qué sucede si sólo tengo información de una función en un intervalo [0, b].
¿Podrı́a representar a esa función mediante una serie de Fourier??
TODO lo anterior, dice que NO. Pero, mediante la definición de una función auxiliar,
lo podremos hacer. Veamos el siguiente algoritmo.
Algoritmo
1X Realizar una extensión periódica de la función a los R. La llamamos g, por ejemplo.
2X Hallar los coeficientes de Fourier asociados a g.
3X Esta serie de Fourier, restringida al intervalo [0, b], es la representación que buscábamos
de nuestra función f original.
Ejercicio 1.3.8. Hallar una serie que sólo contenga senos (serie de senos) y que repre-
sente a la función f (x) = x, x ∈ [0, π].
Ejercicio 1.3.9. Hallar una serie que sólo contenga cosenos (serie de cosenos) y que
represente a la función f (x) = x, x ∈ [0, π].
1.3.4. Ejercicios sugeridos para series de funciones
1) ¿Cuál(es) de las siguientes son series de potencias?

∞
X (−1)n
a) ;
n=0
n
∞
X (x − 1)n
b)
n=0
nn
35
∞
X (senx)n
c) √
n=0
n
∞
X
d) n(sen3 − x)n + 1
n=0
X∞
e) sen n(x − π)n
n=0
2) Define radio e intervalo de convergencia. ¿Puede una serie de potencias ser conver-
gente en el intervalo (−∞, 3]?
Ej 3) Representación de funciones mediante Series de Potencias:

1
Considerando que la función 1−x
puede representarse mediante la Serie de potencias
∞
X
xn
n=0
en el intervalo (−1, −1), decir en qué dominio y mediante qué Serie se puede repre-
sentar a las siguientes funciones.
1
a)
1+x
1
b)
1 + x2
c) ln(1 − x)
1
d)
2−x
Ej 4) Sección 11.8: impares del 3 al 25, 37, 41, 42.
Sección 11.9: 1, impares del 3 al 15, 23, 27, 33 (usar el ejercicio 3b anterior), 38.
Ej 5) Series de Taylor: Sección 11.10: 2, impares del 5 al 15, 43, impares del 51 al 57, 63,
70.
Sección 11.11: 31 y 37.
Ej 5) Sección adicional sobre Series de Fourier (Stewart- 7ma Ed.): 1, 3, 5, 7, 12, 17, 18,
19. Nagle- Sección 10.4: 5, 6, 7, 11, 12, 16.
36
Capı́tulo 2
Ec. Diferenciales Ordinarias (EDO’s)
2.1. Introducción
Recordando el sencillo problema de ´´caı́da libre”, en el que simplemente se tiene
un objeto de masa m a una altura h y se lo deja caer
¿Qué fuerzas actúan? sólo el peso del cuerpo (movimiento en el eje vertical), es decir que
de acuerdo a la segunda ley de Newton, se tiene que la ecuación que modela el proceso
de caı́da libre es
m a = −m g.
Y si suponemos que y(t) es la función que describe la posición del cuerpo al caer, a(t) =
y 00 (t) será la aceleración del cuerpo. Es decir que la ecuación anterior se reescribe como:
y 00 = −g.
Notemos que esta es una ecuación en la que la incógnita es una función que NO aparece
en la ecuación. La incógnita es la función y. Entonces, descubramos cómo resolver este
tipo de modelos y otros mas que irán apareciendo.
37
2.2. Definiciones
Definición 2.2.1. Una ecuación diferencial ordinaria, que notaremos EDO, es una
expresión de la forma
0 00

(n)
F x, y, y , y , .., y =0
donde x es la variable independiente e y es una función incógnita que depende de la

variable independiente x.
Ejemplos:
1. x y 00 = exy
2. y 0 − k y = 0
3. y (4) − 2 y 000 = sin(x)
Definición 2.2.2. El orden de una ecuación diferencial es el orden máximo de

derivación que aparece en la ecuación.
Luego en los ejemplos anteriores tenemos que:
00
1. x y = exy EDO de segundo orden.
0
2. y − k y = 0 EDO de primer orden.
000
3. y (4) − 2y = sin(x) EDO de cuarto orden.
Observación 2.2.1. Una EDO también puede escribirse de forma explı́cita

0 00

y (n) = F x, y, y , y , .., y (n−1)
por ejemplo:
00
x y = exy
es equivalente a
00 exy
y =
x
38
Definición 2.2.3. Una EDO es lineal si es de la forma
0
an (x)y (n) + an−1 (x)y (n−1) + ... + a1 (x)y + a0 (x)y = G(x)
donde los ai (x) son funciones que depende de x (çoeficientes de la EDO”). Si G(x) es la
función nula, diremos que la EDO es homogénea.
Ejemplos:
00
1. cos(x) y + 2 x y = tan(x) EDO lineal de orden 2.
x
2. x y 2 − y 0 = 0 EDO no lineal de primer orden.
1 + x2
Definición 2.2.4. Una solución de una EDO

0 00

(n) (n−1)
y = F x, y, y , y , .., y (2.2.1)
en un intervalo abierto I es una Función ỹ : I → R tal que
ỹ es n veces derivable en I.
ỹ satisface la EDO (2.2.1) para todo x ∈ I.
Es decir:
00

ỹ (n) = F x, ỹ, ỹ 0 , ỹ , .., ỹ (n−1)
1
Ejercicio 2.2.1. Determine que la función ỹ(x) = x2 − es solución de la EDO
x
00 2
y − y=0 si x > 0.
x2
Una solución de una EDO, puede ser expresada de forma explı́cita, es decir, definida
por una expresión y = ỹ(x) como en el ejercicio anterior o de forma implı́cita definida
por una expresión G(x, y) = k, como en el siguiente ejercicio.
Ejercicio 2.2.2. Demuestre que la función y definida de forma implı́cita por la ecuación
4x2 − y 2 = 1 es solución de la EDO y y 0 − 4x = 0.
39
2.3. Resolución gráfica
Antes de aprender a resolver una EDO en forma clásica (es decir hallar una y(t)
que satisfaga la EDO), podemos tener una idea de la forma que tendrá una solución (si
es que existe) realizando un gráfico. Con esto, podrı́amos obtener caracterı́sticas de una
solución, como: intervalos de crecimiento o el valor de la solución en algún intervalo,etc.
Observemos que una ecuación
y 0 = F (x, y)
especifica la pendiente de la recta tangente a una solución en cada punto (x, y) donde está
definida F (recordar interpretación geométrica de y 0 (x)).
Ejemplo: Consideremos la ecuación
y 0 = −2y.
Según el comentario anterior, podemos armar lo que se llama un campo de direcciones

como el siguiente
¿Cómo lo construı́mos?
Por ejemplo, tomamos el punto de coordenadas (0, 1), entonces tenemos que
y 0 = −2,1 = −2
y marco un segmento de recta con pendiente −2 en el punto (0, 1).
Observemos que y 0 no depende de x, en efecto, en todos los puntos de la forma (x, 1)

la pendiente es y 0 = −2.
40
Considerando distintos valores de y y repetimos el paso anterior.
Entonces, en el punto (0, 1), por ejemplo, sabemos que la curva y = y(x) que resuelva
la ecuación, tendrá una recta tangente con pendiente −2 en ese punto. Entonces, repi-
tiendo el proceso en otros puntos, podemos pensar que la curva marcada en el gráfico que
figura a continuación es una ”solución.a la ecuación y 0 = −2y que pasa por el punto de
coordenadas (1, 2). Notar cómo la pendiente de la curva señalada va disminuyendo cuando
la coordenada y tiende a cero...entre otras observaciones que podemos realizar.
A partir del campo de direcciones de una EDO entonces podrı́amos graficar soluciones
de un Problema, es decir, encontrar solución a un modelo matemático que incluye una
ecuación con derivadas ordinarias y alguna o algunas condiciones (o datos) del problema,
sin tener que obtener un expresión cartesiana de la solución y poder ası́ analizar sus
diferentes caracterı́sticas, permitiendo realizar predicciones a largo plazo.
¿qué es un PVI???
Es un problema en el que buscamos una solución y = y(x) a una ecuación diferencial

ordinaria que además debe satisfacer una condición inicial. Es decir, en el punto de
arranque de la solución, ésta debe asumir cierto valor dado.
Ejemplo Retomemos el problema de caı́da libre.


y 00 = −g,





y(0) = h, (posición inicial) .



y 0 (0) = 0.(velocidad inicial)


41
La solución, fı́sicamente, tiene sentido para t ≥ 0. Y la sabemos resolver, utilizando la
fórmula de Barrow 2 veces. ¿cómo serı́a?
y
Ejercicio 2.3.1. 1. Dada la EDO y 0 = −
x
a) Grafique el campo de direcciones. Sugerencia: Puede utilizar cualquier software,

en Geogebra el comando es CampoDirecciones(F(x,y)).
 y0 = − y

b) Encuentre el bosquejo de la o las soluciones del PVI x para dis-

 y(x ) = y
0 0
tintas condiciones iniciales.
c) ¿Se puede asegurar la existencia y unicidad de solución para cualquier condi-

ción inicial?
2. Dados los siguientes campos de direcciones, analiza a cuál EDO corresponde.(se re-
comienda no hacer este ejercicio con un software)
Fig I Fig II
Fig III Fig IV
42
0 0
i) y = senxseny iii) y = y 2 − x2
0 0
ii) y = x + y iv) y = (y − 1)(y + 1)
2.4. Problemas de Valores Iniciales

Definición 2.4.1. Una EDO acompañada de condiciones iniciales se denomina ”Pro-
blema de Valores Iniciales (PVI) asociado a una EDO lo expresamos del siguiente
2
modo: 
0 00


 y (n) = F x, y, y , y , .., y (n−1)


y(x0 ) = y0






 y 0 (x ) = y

0 1
PV I 00


 y (x0 ) = y2
..





 .


 y (n−1) (x ) = y

0 n−1
Ejemplos:
a) En la introducción estuvimos trabajando con el siguiente PVI:


00


 y = −g

PV I y(0) = h


 y 0 (0) = 0

1
cuya solución es y(t) = h − g t2 .
2
b) Podemos verificar fácilmente, que las funciones y1 (x) = (x − 2)3 y y2 (x) = 0, son
soluciones del siguiente PVI

 1
3
y 0 = y 2/3
PV I
 y(2) = 0.
c) Podremos comprobar más adelante que el siguiente problema no tiene solución


 y 2 + x2 y 0 = 0
PV I
 y(0) = 1
43
Como vimos en los ejemplos un PVI puede tener única solución, varias soluciones o
no tener ninguna.
¿cuándo un PVI tendrá solución única ???
Teorema 2.4.1. Picard (de existencia y unicidad local)
Sea el problema de valores iniciales

 y 0 = F (x, y)
PV I
 y(x ) = y
0 0
donde (x0 , y0 ) ∈ R = [a, b] × [c, d].
Si F y Fy son continuas en R, existe un intervalo I = (x0 − δ, x0 + δ) ⊂ [a, b] y una

única función φ definida en I que es solución del PVI.
Esquema del T. de Picard
44
2.5. Edo’s lineales de primer orden
2.5.1. Ecuaciones a variables separables
Una Edo, se dice que es separable o a variables separables, si es una ecuación

diferencial de primer orden de la forma
dy
= h(x, y) (2.5.1)
dx
en que la expresión h(x, y) se puede factorear (separar) como una función de x multiplicada
por una función de y. Es decir:
dy
= f (x) · g(y)
dx
Si g(y) 6= 0, tendrı́amos:
dy
= f (x) dx
g(y)
Notemos que, en ambos miembros, las expresiones son en UNA sola variable. Entonces
podemos antiderivar con respecto a la variable correspondiente:
G(y) = F (x) + c (2.5.2)

1
donde las funciones G y F son las respectivas primitivas de y f , c ∈ R es la contante
g
de integración. A la expresión (2.5.2) la llamamos solución general de la EDO (2.5.1).
Ejemplo:
x y sen(x)
y0 = (2.5.3)
y+1
(y + 1) dy
= x sen(x) dx, y 6= 0 (2.5.4)
y
Integrando en amos miembros, obtenemos:
y + ln|y| = sen x − x cos x + c.
Observación 2.5.1. Analicemos la solución general que acabamos de obtener.
a) Noten que la solución queda ası́. NO separamos en y > 0 o y < 0.
b) Además, si y ≡ −1 no está definida (2.5.3). Mientras que si y ≡ 0, vemos que es

una solución trivial para (2.5.3) pues y 0 ≡ 0
45
Entonces, la familia completa de soluciones de (2.5.3) es:
y + ln|y| = sen x − x cos x + c e y ≡ 0
Ejercicio 2.5.1. Ejemplos de problemas que pueden modelizarse a partir de EDO’s Se-
parables
1) modelo de crecimiento poblacional P 0 = kP
Notar que
* P ≡ 0 es una solución trivial pues P 0 ≡= 0
* La solución general y que engloba a la solución trivial es
P (t) = C ek t , C∈R
2) Ley de enfriamiento/calentamiento de Newton T 0 = k(Tamb − T ).
2.5.2. Ecuaciones Lineales de Primer Orden
Una EDO lineal de primer orden se expresa de la siguiente forma:
0
a1 (x) y + a0 (x) y = G(x)
Veamos algunos ejemplos fáciles de resolver:
1. Si a0 (x) = 0 y a1 (x) 6= 0 tenemos
0 G(x)
y =
a (x)
| 1{z }
Q(x)
luego, sencillamente trabajamos como en la sección anterior, pues es una EDO a

variables separables
Z
y(x) = Q(x) dx = Q̃(x) + c
donde Q̃ es una antiderivada de Q y c ∈ R.
0
2. Si a0 (x) = a1 (x) y a1 (x) 6= 0
46
0
a1 (x) y + a0 (x) y = G(x)
0 0
a1 (x) y + a1 (x) y = G(x)
d
[a1 (x)y(x)] = G(x)
dx
por lo tanto Z
a1 (x)y(x) = G(x) dx
1
y(x) = G̃(x) + c
a1 (x)
con G̃ antiderivada de G y c ∈ R.
Ejercicio 2.5.2. Encuentre las soluciones de las siguientes EDO:
0
1. x2 y = sin(1/x)
0
2. t x (t) + x(t) = et
¿cómo procedemos si tenemos el caso más general?
serı́a ideal poder realizar lo mismo que en el segundo caso!!
Veamos un caso particular y luego generalizamos:
0
y + x2 y = x2
Observemos que en el lado izquierdo de la igualdad no tenemos la derivada de un producto

de funciones, entonces vamos a multiplicar ambos miembros de la EDO por una función
v(x) 6= 0 que llamaremos factor integrante:
0
v(x) y + v(x) x2 y = v(x) x2 (2.5.5)
0 0 0
buscaremos v 6= 0 tal que v(x) y + v(x) x2 y = v(x) y + v (x) y
Pregunta: por qué????
47
Veamos
0 0 0
v(x) y + v(x) x2 y = v(x) y + v (x) y
0 0 0
v(x)
y
+ v(x) x2 y =
v(x)
y
+ v (x) y
0
v(x) x2 y = v (x) y
0
v(x) x2
y = v (x)
y si y 6= 0
0
v(x) x2 = v (x)
0
entonces v es una solución de la EDO a variables separables v(x) x2 = v (x), por lo tanto,
3 /3
una solución es v(x) = ex .
Reemplacemos v en la EDO (2.5.5)
3 /3 0 3 /3 3 /3
ex y + ex x2 y = ex x2
Ahora si tenemos la derivada de un producto de funciones del lado izquierdo

de la igualdad!!
3 /3 0 3 /3 3 /3
ex y + ex x2 y = e x x2
d h x3 /3 i 3
e y = ex /3 x2
dx
Z
3 /3
x3 /3
e y = ex x2 dx
entonces
1 h x3 /3 i 3
y(x) = x3 /3 e + c = 1 + c e−x /3 con c ∈ R.
e
Observación 2.5.2. Notar que no dijimos nada de que descartamos y = 0 para poder
simplificar. Será que estamos dejando escapar una solución? NO, pues si y(x) = 0 para
toda x, no se satisface la EDO.
Ahora realizamos el mismo procedimiento pero en forma general, dada una EDO lineal
0
a1 (x) y + a0 (x) y = G(x)
la expresamos de forma equivalente, llamada EDO normalizada, para que sea más simple
los cálculos:
0
y + P (x) y = Q(x) (2.5.6)
48
Luego multiplicamos la EDO por el factor integrante v
0
v(x) y + v(x) P (x) y = v(x) Q(x)
encontremos v tal que

0 0 0
v(x) y + v(x) P (x) y = v(x) y + v (x) y
0 0 0
v(x) y + v(x) P (x) y = v(x) y + v (x) y
0 0 0
v(x)
y + v(x) v(x)
P (x) y = y
+ v (x) y
0
v(x) P (x) y = v (x) y
0
v(x) P (x)
y = v (x)
y
0
v(x) P (x) = v (x)
Entonces
R
P (x) dx
v(x) = e
Observación 2.5.3. No ponemos constante de integración pues buscamos UN factor

integrante.
Reemplazando en (2.5.6) tenemos
0
v(x) y + v(x) P (x) y = v(x) Q(x)
| {z }
v(x) y 0 +v 0 (x) y
d
[v(x)y(x)] = v(x) Q(x)
dx
Z
v(x)y(x) = v(x) Q(x) dx
Z
1
y(x) = v(x) Q(x) dx
v(x) h
1 i
y(x) = G̃(x) + c
v(x)
con G̃ una antiderivada de vQ y c ∈ R. Esta es la solución general de (2.5.6)
La solución gral de una EDO de 1er orden tiene UNA constante!!!!
49
Ejercicio 2.5.3. Dado el PVI

 y 0 = −P (x)y + Q(x)
 y(x ) = y
0 0
1. Aplique el teorema de existencia y unicidad y pruebe que este PVI tiene solución
única siempre que las funciones P y Q sean continuas en un intervalo que contenga
a x0 .
2. Pruebe que la solución del PVI es
1 h ˜ i
y(x) = G(x) − G̃(x0 ) + v(x0 )y0
v(x)
donde con v es un factor integrante de la EDO y G̃ es una antiderivada de vQ.
50
2.5.3. EDO’s de segundo orden a coeficientes constantes
Comenzamos pensando en un sistema masa-resorte que figura mas abajo, donde se

observa un cuerpo de masa m sujeto a un resorte. Al aplicar una fuerza externa a partir
de una posición de equilibrio, comienza el movimiento y debemos considerar una fuerza
de rozamiento que también interviene. De mas está decir que tratamos con un sistema en
condiciones ideales!!!
f_r
Entonces, la ecuación que gobierna o determina el comportamiento del sistema es:
m y 00 + k y + b y 0 = Fext (2.5.7)
donde m es la masa del cuerpo, k es la cosntante del resorte (k > 0) y b ≥ 0 es la constante

de fricción.
cómo se resuelve una EDO de este tipo????
Consideremos el caso general, y luego podremos retomar ejemplos clásicos que se

modelizan con este tipo de EDO’s.
XEDO’s de segundo orden a coeficientes constantes homogéneas
ay 00 + by 0 + cy = 0 (2.5.8)
donde a, b, c ∈ R son los coeficientes de la EDO, y además a 6= 0. Recordando que y = er t

es una función que, salvo constante, es igual a sus sucesivas derivadas,
¿existe r tal que y sea solución de (2.5.8)?

Reemplazando y, y 0 e y 00 en (2.5.8), resulta:
a (r2 ert ) + b (r ert ) + c (ert ) = 0
51
como ert > 0, debe darse que
a r2 + b r + c = 0
A esta ecuación la llamamos ec. polinómica o ec. caracterı́stica asociada. La resol-

vemos y obtenemos dos valores para r.
√
−b ± b2 − 4 a c
r1,2 =
2a
Sabemos que pueden darse tres posibles casos para estas raı́ces según sea ∆ = b2 −4 a c:
a) si ∆ > 0, ambas raı́ces serán reales y distintas (r1 6= r2 ), entonces proponemos una
solución general de la forma
yH (t) = c1 er1 t + c2 er2 t , c1 , c2 ∈ R
dado que y1 (t) = er1 t e y2 (t) = er1 t son, ambas, soluciones de (2.5.8)
Notar que y ≡ 0 es una solución trivial!!! y se obtiene con c1 = c2 = 0.
b) Si ∆ = 0 ambas raı́ces serán reales e iguales (r1 = r2 = r), entonces proponemos

una solución general de la forma
yH (t) = c1 er t + c2 t er t , c1 , c2 ∈ R
dado que y1 (t) = er t e y2 (t) = t er t son, ambas, soluciones de (2.5.8)
c) Si ∆ < 0 las raı́ces son complejas, r1 = α + i β con α y β ∈ R , la otra raı́z debe

ser su conjugada r2 = α − i β (¿por qué?) Entonces, proponemos como solución
general
yH (t) = c1 eαt cos(βt) + c2 eαt sen(βt), c1 , c2 ∈ R
dado que y1 (t) = eαt cos(βt) e y2 (t) = eαt sen(βt) son, ambas, soluciones de (2.5.8)
52
Ejercicio 2.5.4. En cada caso, resolver el PVI: 1)

00


 y + 2y 0 − y = 0

y(0) = 0


 y 0 (0) = −1

2) 
00


 y − 4y 0 + 4y = 0

y(1) = 1


 y 0 (1) = 1

3) 
00


 y + 4y = 0

y(π) = 1


 y 0 (π) = 1

XEDO’s de segundo orden a coeficientes constantes NO homogéneas
ay 00 + by 0 + cy = f (t) (2.5.9)
Teorema 2.5.1. Principio de superposición

Sean y1 e y2 dos funciones solución, respectivamente, de la EDO no homogénea
ay 00 + by 0 + cy = fi (t), i = 1, 2. (2.5.10)
Entonces, la combinación lineal c1 y1 + c2 y2 es solución de
ay 00 + by 0 + cy = c1 f1 (t) + c2 f2 (t).
Entonces, consideremos la ecuación diferencial
y 00 + 3 y 0 + 2 y = 3 t (2.5.11)
Considerando el Teorema 3,5,1, comienzo estableciendo que:
f1 (t) = 0, f2 (t) = 3 t
Por lo tanto debo resolver:
53
a) y 00 + 3 y 0 + 2 y = 0, EDO homogénea asociada
b) y 00 + 3 y 0 + 2 y = 3 t
Veamos cómo hacemos.
a) Sabemos que la solución general de la EDO homogénea asociada es de la forma:

yH = c1 e−t + c2 e−2t pues la ec. polinómica asociada es: r2 + 3r + 2 = 0 y sus raı́ces
son: r1 = −1 y r2 = −2.
b) Ahora, veamos de encontrar una solución particular de
y 00 + 3 y 0 + 2 y = 3 t
PROPONGO yP (t) = A + B t, A, B?
yP0 (t) = B, yP00 (t) = 0
Reemplazando, obtengo:
1,0 + 3.B + 2(A + B t) = 3 t, ∀t
(3.B + 2.A) + 2 B t = 3 t, ∀t
de donde A = − 49 y B = 32 , por ende

9 3
yP (t) = − + t.
4 2
Entonces, por el principio de superposición, la solución general de la EDO no ho-
mogénea (2.5.11) es:
9 3
YG (t) = yH (t) + yP (t) = c1 e−t + c2 e−2t + − + t .
4 2
Ahora veremos cómo resolver EDO’s NO homogéneas de segundo orden a coeficien-

tes constantes, para algunos casos, es decir, nos enfocamos en aquellos casos en que el
término independiente en la ecuación (2.5.9) es de cierta forma.
Recordemos que yH sabemos encontrarla, lo único que necesitamos
54
es saber hallar UNA solución particular
Consideremos las distintas formas que puede asumir f (t)
a) f (t) es una función polinómica. Como en el caso del ejemplo anterior.
f (t) = an tn + . . . + a1 t + a0
Entonces propongo una solución de la forma:
yP (t) = bn tn + . . . + b1 t + b0
es decir un polinomio completo y de igual grado que el de f.
b) f (t) es una función exponencial.
f (t) = A eB t
yP (t) = C eB t
c) f (t) es una función trigonométrica.
f (t) = A sen(t), o f (t) = A cos(t)
yP (t) = B sen(t) + C cos(t).
Este método para encontrar una solución particular de una EDO No homogénea se deno-
mina método de los coeficientes indeterminados.
Ejemplo:
y 00 + 3 y 0 + 2 y = 5 + et
Para resolverla, seguimos el siguiente “algoritmo”:

Hallar la solución de la EDO homogénea asociada.
yH (t) = c1 e−t + c2 e−2t
55
por el principio de superposición, podemos proponer
yP (t) = A + B et
Reemplazando y haciendo cuentas, obtenemos A = 25 y B = 16 , entonces

5 1
−t −2t
YG (t) = YH + YP = c1 e + c2 e + + et
2 6
Ejercicio 2.5.5. Qué sucederı́a si la EDO a resolver es: y 00 + 3 y 0 + 2 y = 5 + e−t ?
Otro método para hallar una solución particular de la EDO No homogénea (2.5.9)
es el método de Lagrange o de Variación de parámetros. Este método generaliza
al anterior pues sirve también para el caso de EDO’s a coeficientes variables y término
independiente cualquiera. En este curso, sólo trabajaremos con EDO’s a coeficientes
constantes!!!!
Sea la EDO
ay 00 + by 0 + cy = f (t) con a 6= 0
entonces, buscamos una solución particular de la forma
yP (t) = c1 (t) y1 (t) + c2 (t) y2 (t)
con y1 e y2 las soluciones de la EDO homogénea asociada
ay 00 + by 0 + cy = 0
halladas como hemos visto anteriormente (y1 6= αy2 con α ∈ R). La pregunta es:
c1 (t) =? y c2 (t) =?
0
Comenzamos calculando yP (t)
0 0 0 0 0
yP (t) = c1 (t) y1 (t) + c1 (t) y1 (t) + c2 (t) y2 (t) + c2 (t) y2 (t)
Para simplificar los cálculos vamos a imponer
0 0
c1 (t) y1 (t) + c2 (t) y2 (t) = 0
Tenemos entonces
0 0 0
yP (t) = c1 (t) y1 (t) + c2 (t) y2 (t)
00 0 0 00 0 0 00
yP (t) = c1 (t) y1 (t) + c1 (t) y1 (t) + c2 (t) y2 (t) + c2 (t) y2 (t)
Reemplazando en la EDO obtenemos:
56
por lo tanto
0 0 0 0 f (t)
c1 (t) y1 (t) + c2 (t) y2 (t) =
a
En resumen, si es posible encontrar c1 (t) y c2 (t) que satisfagan el siguiente sistema

 c01 (t) y1 (t) + c02 (t) y2 (t) = 0
(2.5.12)
 c0 (t) y 0 (t) + c0 (t) y 0 (t) = f (t)
1 1 2 2
a
entonces yP será una solución particular de la EDO no homogénea.
Repasemos el procedimiento:
Hallar las soluciones y1 e y2 de la EDO homogénea asociada.
0 0
Resolver el sistema (2.5.12) y hallar c1 (t) y c2 (t).
Determinar c1 (t) y c2 (t) integrando las funciones halladas en el item anterior.
Sustituir c1 (t) y c2 (t) en la expresión de yP .
Observación 2.5.4. Se puede demostrar que el sistema (2.5.12) tiene solución si y sólo
si y1 6= αy2 con α ∈ R.
00 0
Ejemplo: Encontrar la solución general de la EDO y + 4y + 4y = e−2t ln(t).
Resolviendo la EDO homogénea asociada obtenemos que la solución es
yH (t) = c1 e−2t + c2 t e−2t
Utilizando el método de variación de parámetros para obtener una solución particular

de la EDO, proponemos:
yP (t) = c1 (t) e−2t + c2 (t) t e−2t
57
debemos resolver el sistema

 c0 (t) e−2t + c0 (t) t e−2t = 0
1 2
 c (t) (−2e−2t ) + c0 (t) (1 − 2t) e−2t = e−2t ln(t)
0
1 2
Observemos que podemos simplificar el sistema, ya que e−2t 6= 0 es un factor en cada uno
de los términos 
 c0 (t) + c0 (t) t = 0
1 2
 c (t)(−2) + c0 (t) (1 − 2t) = ln(t)
0
1 2
Se puede utilizar cualquier método de resolución, pero es práctico en estos casos utilizar
la Regla de Cramer si ∆ 6= 0. Donde
0 ∆1 0 ∆2
c1 (t) = c2 (t) =
∆ ∆

1 t
∆ = = (1 − 2t) − (−2)t = 1
−2 1 − 2t

0 t 1 0
∆1 = = −t ln(t), ∆2 = = ln(t)
ln(t) 1 − 2t −2 ln(t)

tenemos entonces
0 t2 t2
c1 (t) = −t ln(t) ⇒ c1 (t) = − ln(t) +
2 4
0
c2 (t) = ln(t) ⇒ c2 (t) = t (ln(t) − 1)
reemplazando en la expresión de yP obtenemos

2
t2 −2t
2
t 2 −2t t 3 2 −2t
yP (t) = − ln(t) + e + t (ln(t) − 1) e = ln(t) − t e
2 4 2 4
la solución general de la EDO es
t2

−2t −2t 3 2 −2t
yG (t) = yH (t) + yP (t) = c1 e + c2 te + ln(t) − t e
2 4
58
2.5.4. Ejercicios sugeridos para EDO’s (Nagle)
1) Sección 1.1: 1, 2, 3, 5 al 10 para ver modelos matemáticos 15 y 16. para plantear

modelos.
2) Sección 1.2: 3, 6, 8, 11, 24, 26, 29.
3) Sección 1.3:1, 11, 16.
4) Sección 2.2 Variables separables: 1, 2, 3, 12, 21, 38.
5) Sección 2.3 Ecs Lineales: 8, 10, 19, 22, 24, 30, 36.
6) Sección 2.4: 9 al 20 impares, 22, 26.
Ecuaciones lineales de mayor orden
7) Sección 4.1: 1, 2, 3, 4.
8) Sección 4.2: 2, 4, 11, 13, 16, 20, 26.
9) Sección 4.3: 2, 4, 6, 10, 14, 21, 24, 27, 31 (a y c).
10) Sección 4.4: 9, 10, 11, 13, 16, 17, 35.
11) Sección 4.5: 1b, 3, 7, 23, 24, 29, 44.
12) Sección 4.6: 1, 4, 5, 18, 21, 25.
59
60
Capı́tulo 3
Ecuaciones en Derivadas Parciales
La formulación matemática de problemas que involucran dos (2) o más variables inde-
pendientes conducen a ecuaciones en derivadas parciales (EDP). Su resolución es bastante
mas compleja y por lo tanto sólo veremos algunos casos particulares.
Caso 1: EDP’s que pueden resolverse aplicando integración sucesivamente.
Ejemplo
∂2 U
= 6x + 12y 2 , U = U (x, y).
∂x ∂y
supongo y constante e integro ambos miembros con respecto a la variable x, de
donde obtenemos:
∂U
= 3x2 + 12x y 2 + F (y).
∂y
Nuevamente integro ambos miembros con respecto a la variable y
Z
2 3
U (x, y) = 3x y + 4xy + H(y) + G(x), H(y) = F (y) dy.
En analogı́a a las EDO’s, ésta serı́a la solución general pues aparecen dos funciones
arbitrarias y una vez fijadas para satisfacer las condiciones que se impongan, obtenemos
una solución particular.
En general:
Definición 3.0.1. Dada una EDP de orden n, una solución que contenga n funciones
arbitrarias se llama solución general y cualquier solución obtenida de ésta solución
general eligiendo las funciones arbitrarias se dice una solución particular.
61
Ejemplo Consideremos el siguiente problema con çondiciones”.
 2
∂ U
= 6x + 12y 2 ,


∂x ∂y




 U (1, y) = y 2 − 2y,



U (x, 2) = 5x − 5.

La solución general, vimos antes que era:
U (x, y) = 3x2 y + 4xy 3 + H(y) + G(x), (x, y) ∈ R2
Ahora, veamos la solución particular que satisface las condiciones del problema:
U (1, y) = 3y + 4y 3 + H(y) + G(1) = y 2 − 2y, ∀y
Entonces
H(y) = −4y 3 + y 2 − 5y − G(1),
Por lo tanto
U (x, y) = 3x2 y + 4xy 3 + [−4y 3 + y 2 − 5y − G(1)] + G(x), (3.0.1)
U (x, 2) = 6x2 + 32x − 38 − G(1) + G(x) = 5x − 5, (3.0.2)
Despejando G(x) de la ecuación 3.0.2 y reemplazando en 3.0.1, resulta:
UP (x, y) = 3x2 y + 4xy 3 − 4y 3 + y 2 − 5y − 6x2 − 27x + 33, (x, y) ∈ R2 .
Ejemplo Consideremos el siguiente problema con çondiciones de frontera”.





 Uy x = Ux + 2,


U (0, y) = 0 .




Ux (x, 0) = x2

En este caso, las condiciones marcan que la solución tendrá sentido algún cuadrante (¿por
qué?) Podrı́a considerar por ejemplo que trabajaré en
I = {(x, y) : x ≥ 0, y ≥ 0}.
62
Si x representa el tiempo e y representa el espacio, hablamos de condiciones iniciales
y de frontera respectivamente.
Volvamos al problema del ejemplo. La EDP es:
Uy x − Ux = 2
Integrando en la variable x, se tiene:
Uy − U = 2x + F (y)
Esta es una EDO lineal (suponiendo x constante). Entonces, sabemos resolverla, el factor
integrante es
R
µ(y) = e (−1) dy
= e−y
Luego Z
1 h −y
i
U (x, y) = e 2x + F (y) dy + G(x)
e−y
h Z i
y −y
= −2x + e e F (y) dy + ey G(x)
= −2x + H(y) + ey G(x)
De la primera condición en el borde x = 0
U (0, y) = H(y) + ey G(0) = 0 ⇒ H(y) = −G(0) ey
además, de la segunda condición
Ux (x, 0) = −2 + G0 (x) = x2 ⇒ G0 (x) = x2 + 2
x3
luego G(x) = 3
+ 2x + c, con lo cual:
G(0) = c y H(y) = −c ey
reemplazando en la expresión de U (x, y) se tiene la solución del problema es:

x3
U (x, y) = −2x + ey + 2x .
3
Al igual que en la unidad anterior, surgen las siguientes preguntas sobre la resolución
de estos problemas:
63
tienen solución?
si existe, ¿es única?
¿cómo se obtiene esta solución?
Nos dedicaremos, como lo hicimos en el Caso 1, a resolver los problemas asumiendo

que tienen solución. Antes de continuar, veamos algunas definiciones.
Trabajaremos con EDP lineales, que son las mas útiles en la práctica.
Definición 3.0.2. Una EDP lineal es una ecuación de la forma
Φ(x, y, Dx , Dy , ·)U = 0
donde U = U (x, y) y Dx y Dy son los operadores derivada parcial en las variables x e y.

Además, se supone que Φ es un operador lineal.
Ejemplos: Operadores lineales

∂U
1) Φ(Dx )U =
∂x
2) Φ(Dx )U = 3Ux
3) Φ(x, y, Dx , Dy )U = 3 Ux − x Uy + xy U
Definición 3.0.3. La solución general de la Ecuación en derivadas parciales
Φ(x, y, Dx , Dy , ·)U = F (x, y) (3.0.3)
será de la forma
UH + UP
donde UH es solución de
Φ(x, y, Dx , Dy , ·)U = 0 (3.0.4)
y UP es una solución particular de la ecuación (3.0.3)
Caso 2: Separación de variables simple. Consideraremos EDP lineales y homogéneas, es

decir
Φ(x, y, Dx , Dy , ·)U = 0 (3.0.5)
64
La idea es suponer que una solución U de la ecuación (3.0.5) puede escribirse como
U (x, y) = X(x).Y (y)
Veremos el método a partir de un ejemplo.
Ejercicio 3.0.1. Resolver el siguiente problema.


Ux + 3Uy = 0,

(P )
U (0, y) = 4e−2y + 3e−6y

Proponiendo U (x, y) = X(x).Y (y) resulta: (¿por qué?)


Ux = X 0 (x) Y (y),

Uy = X(x) Y 0 (y)


y reemplazando en Ux + 3Uy = 0, se tiene
X 0 Y = −3X Y 0 ∀ (x, y)
Si X(x) ≡ 0 ⇒ U (x, y) ≡ 0, y no se satisface la condición del problema. Por la misma

razón, Y (y) no puede ser una función idénticamente nula. Por lo tanto, tenemos, donde
sea factible:
X0 −Y 0
= , ∀ (x, y) / X(x) 6= 0 y Y (y) 6= 0 (3.0.6)
3X Y
luego, resulta que debe existir k ∈ R tal que:
X 0 (x) −Y 0 (y)
=k= , ∀ (x, y) / X(x) 6= 0 y Y (y) 6= 0 (3.0.7)
3X(x) Y (y)
donde k es alguna constante real. Veremos cuál deberı́a ser esta constante.
Notemos que en 3.0.7, hay dos EDO’s de 1er orden:
i)
X 0 (x)
=k ⇒ X(x) = a1 e3 k x (3.0.8)
3X(x)
ii)
−Y 0 (y)
=k ⇒ Y (y) = a2 e−k y (3.0.9)
Y (y)
65
O sea:
U (x, y) = X(x).Y (y) = a1 e3 k x . a2 e−k y = Bek(3x−y)
donde B = a1 .a2
El problema es cuando quiero utilizar la condición en (0, y). . .
Acá, apelamos al principio de superposición: si U1 y U2 son dos soluciones de la EDP
3.0.4, entonces
c1 U1 + c2 U2
es también solución de 3.0.4, con lo cual se propone:
U (x, y) = c1 ek1 (3x−y) + c2 ek2 (3x−y)
U (0, y) = c1 e−k1 y + c2 e−k2 y = 4e−2y + 3e−6y
Con lo que c1 = 4; k1 = 2; c2 = 3; k2 = 6.
Ahora sı́, una solución de (P ) es :
U (x, y) = 4 e2(3x−y) + 3 e6(3x−y) .
Ejercicio 3.0.2. Resolver el siguiente problema:





 Ut = 2Ux,x ,



U (0, t) = 0,

(P ) .
U (10, t) = 0,







U (x, 0) = 50sen 3 π x + 20sen(2 π x) − 10sen(4 π x)

2
Observación 3.0.1. La EDP del ejemplo anterior es la ecuación del calor. Por supuesto,
una versión simplificada. La trabajaremos un poco mejor en lo que sigue.
Caso 3: Soluciones de problemas con condiciones de frontera utilizando Series de Fourier.

Visualizaremos este caso mediante un ejemplo. Trabajaremos con la Ecuación del
calor.
66
Ejercicio 3.0.3. Se considera una barra aislada de longitud L, que inicialmente se en-
cuentra a 100 (temperatura constante). De algún modo, resulta que podemos mantener
los extremos de esta barra a temperatura constante e igual a 0 . Esto hará que la dis-
tribución de temperatura en la barra vaya cambiando a medida que transcurre el tiempo.
Si suponemos que la barra es mucho mas larga que ancha (L >> a), estamos ante un
problema unidimensional, es decir en una variable espacial. Esto es pues, no habrá
mucha diferencia térmica en el ancho de la barra, mientras que si se notará cambio de
temperatura a lo largo de ella.
Entonces, el planteo matemático, será:




Ut = α Ux,x , 0 < x < L, t > 0;



U (0, t) = 0,

t > 0;
U (L, t) = 0, t > 0;








U (x, 0) = 100, 0 < x < L.
Donde U (x, t) representa la distribución de temperatura en la barra, x es la variable es-

pacial y t es la variable temporal.
Observación 3.0.2. Comentarios varios:

1) No nos preocuparemos de lo que ocurre en los puntos (0, 0) y (L, 0) pues son “pun-
tos problemáticos”. ¿Notaron que en ellos la temperatura no sabrı́a bien qué hacer?
2) La constante α, se llama coeficiente de difusividad térmica del material con que

k
está elaborada la barra. Se define como α = , donde: k es el coeficiente de conducti-
ρc
vidad térmica, ρ es la densidad de masa y c es el calor especı́fico. Estas son ”propiedades
térmicas”del material.
67
Volvamos ahora al proceso de resolución del problema de conducción de calor planteado.
Proponiendo que U (x, t) = X(x) · T (t), resulta que debe existir k ∈ R tal que:
T 0 (t) X 00 (x)
=k= , ∀ (x, t) (3.0.10)
α T (t) X(x)
de donde resulta, como en el Caso 2:

(1) 
X 00 (x) − k X(x) = 0,

0 < x < L,
(P 1)
X(0) = 0 = X(L).

¿Por qué queda ası́ definido? Por otro lado, obviamente, no estamos interesados en la
solución trivial, por lo tanto, al igual que en el Caso 2, debe darse que k < 0 ¿por qué?
Entonces,
√ √
X(x) = c1 cos( −k x) + c2 sen( −k x)
√
y como X(0) = 0 ⇒ c1 = 0. Además, X(L) = 0 ⇒ sen( −k L) = 0
√
−k L = n π n ∈ N.
Por lo tanto para cada n ∈ N, tenemos una solución de (P 1) de la forma:

n π n π
Xn (x) = c2 sen x = an sen x
L L
pues c2 podrı́a depender de n.

(2)
T 0 (t) n π 2
=k=− , t>0
α T (t) L
La EDO es ordinaria y sabemos resolverla:
n π 2
−α t
T (t) = bn e L
Es decir, que por el momento, para cada n ∈ N, tendrı́amos una solución de la ecuación
del calor que verifica las condiciones en los bordes de la barra:
n π 2
nπ −α t
un (x, t) = an sen( x).bn e L
L
pero llamando cn = an .bn , resulta
68
n π 2
nπ −α t
un (x, t) = cn sen( x). e L . (3.0.11)
L
¿alguna de estas un satisface la condición inicial?
Respuesta
NO
¿Entonces?
Entonces, sólo me queda un camino..pues tampoco resultarı́a proponer una combinación

lineal de estas funciones...el camino es proponer
una serie!!!
es decir:
n π 2 n π 2
∞ ∞
X nπ −α t X nπ −α t
dn . cn sen( x). e L = cn sen( x). e L
n=1 | L {z } n=1
L
un (x,t)
donde, para no cambiar tanto nombre, cn = dn · cn . Suponiendo que esta serie es conver-
gente . . . yyyy . . . que converge cuando t → 0 y que converge a donde queremos, deberı́a
darse que:
∞
X nπ
cn sen( x) = 100, ∀ x ∈ (0, L)
n=1
L
¿cn ?
Veamos, mirando la serie, es una serie de senos y podemos pensar en una serie de Fourier
con
π 2π
w= =
L 2L
y también podemos pensar en que esta serie representa a una función impar de perı́odo
2 L y que en su perı́odo principal se define como:

−100, −L < x < 0,

f (x) =
 100,

0 < x < L.
69
que no es otra cosa que una extención de la función U (x, 0) = 100, x ∈ (0, L). Entonces,
tendrı́amos que: 
0, n = 2 k (k ∈ N),

cn =
 400 , n = 2 k − 1 (k ∈ N).

nπ
es decir que la solución final del problema inicial de transferencia de calor serı́a:
(2 k − 1) π −α t (2 k − 1) π
2
∞
X 400
U (x, t) = sen x .e L .
k=1
(2 k − 1)π L
Hasta acá, hemos obtenido ”formalmenteüna función tal que:
cada término satisface la ecuación del calor.
cada término satisface las condiciones establecidas en los bordes de la barra.
Preguntas pendientes:
¿la serie, satisface la ecuación del calor?
U (x, t) → 100 si t → 0
U (x, t) → 0 si x → 0 y si x → L?
Nos contentaremos con investigar numéricamente (es decir construyendo e implemen-

tando rutinas en la compu) estas cuestiones.
3.0.1. Ejercicios sugeridos para EDP
1. Hallar las soluciones de los siguientes problemas:

 2
 ∂U = sin(y)

∂ U

 =0
a) ∂x  ∂x∂y


 U (0, y) = 0
c) ∂U
(x, 1) = x2


 ∂x

 U (0, y) = 3 sin(y)
 2
 ∂ U = x2 cos(y)

b) ∂y 2
 U (x, 0) = U (x, π ) = 0

2
70
 2  2
∂ U ∂ U ∂U

 = 4xy + ex 
 =3 + 2y


 ∂x∂y  ∂y∂x

 ∂y
d) ∂U e) ∂U
(0, y) = y (0, y) = y 2 − 2y


 ∂y 

 ∂y
 
U (x, 0) = 2 U (x, 0) = x + 3e−x
 
2. Obtener una ecuación diferencial a derivadas parciales (del menor orden) eliminando
las función arbitraria. Verificar que la función dada es una solución de la ecuación
obtenida.
U (x, y) = x2 F (y) + 3xy
p y
3. Mostrar que si F (x, y) = x2 + y 2 arctan , entonces es solución de la EDP:
x
x F x + y Fy = F
1
4. Mostrar que la función V (x, y, z) = p satisface la ecuación de Laplace
x2 + y 2 + z 2
∂ 2V ∂ 2V ∂ 2V
+ + =0
∂x2 ∂y 2 ∂z 2
y y
5. a) Si z = F +x G mostrar que
x x
∂ 2z ∂ 2z 2
2∂ z
x2 + 2xy + y =0
∂x2 ∂x∂y ∂y 2
b) Obtener una solución a la EDP anterior que satisfaga las condiciones
1
z(1, y) = cos(y) ; z( , y) = e−2y
2
6. Dada la EDP Uxx + Uyy = 0 realizar el cambio de variables de coordenadas rec-

tangulares (x, y) a coordenadas polares (r, θ) de acuerdo a la transformación x =
r cos(θ) ; y = r sin(θ) y mostrar que:
1 1
a) Uxx + Uyy = Urr + Ur + 2 Uθθ .
r r
1 1
b) la EDP en coordenadas polares es Urr + Ur + 2 Uθθ = 0.
r r
7. Utilizar el método de separación de variables para obtener soluciones de los siguien-
tes problemas de valor de frontera:
71

 ∂U = ∂U ∂U ∂ 2U

2 =
 

a) ∂x ∂y  ∂t
 ∂x2
 U (0, y) = e2y
 f) U (0, t) = U (π, t) = 0



U (x, 0) = 2 sin(3x) + 4 sin(4x)


 ∂U + U = ∂U
 2
 ∂ Y ∂ 2Y
=

∂x ∂y

b) 

 ∂t2 ∂x2
 U (x, 0) = 4e−3x
 

 Y (0, t) = Y (20, t) = 0
g) ∂Y
(x, 0) = 0


∂t
 
 ∂U + ∂U = U


 
 Y (x, 0) = 10 sin( πx )

c) ∂x ∂y 2
 U (0, y) = 2e−y + 3e−2y
 
∂ 2Y ∂ 2Y
9 =


∂t2 ∂x2





 Y (0, t) = Y (π, t) = 0
 4 ∂Y + ∂Y = 3Y

h) ∂Y
d) ∂t ∂x 
 (x, 0) = 2 sin(x) − 3 sin(2x)
∂t
 Y (x, 0) = 4e−x − e−5x 




 Y (x, 0) = 0
∂ 2U


∂U ∂ 2U ∂U
= +U

= 4
 
 ∂t ∂x2
 
 ∂t ∂x2
 
e) U (0, t) = U (10, t) = 0 i) U (0, t) = U (10, t) = 0

 ∂U (x, 0) = 5 sin(2πx) − sin(4πx)

 

 
U (x, 0) = 5 sin(2πx)

∂x
8. Encontrar una solución formal de cada uno de los siguientes problemas:

 U = 5 Uxx 0 < x < 1, t>0
 t


a) U (0, t) = U (1, t) = 0 t > 0


 U (x, 0) = (1 − x)x

0<x<1

 U = 3 Uxx 0 < x < π, t>0
 t


b) Ux (0, t) = Ux (π, t) = 0 t > 0



 U (x, 0) = x 0<x<π

 U = 4 Uxx 0 < x < π, t>0
 t


c) Ux (0, t) = U (π, t) = 0 t > 0


 U (x, 0) = cos( 5 x)

0<x<π
2
72



 Utt = Uxx 0 < x < 1, t > 0



 U (0, t) = U (1, t) = 0 t > 0
d)


 U (x, 0) = (1 − x)x 0<x<1



 U (x, 0) = sin(7πx) 0 < x < 1
t



 Utt = 4 Uxx 0 < x < π, t > 0



 U (0, t) = U (π, t) = 0 t > 0
e)


 U (x, 0) = (π − x)x 0<x<π



 U (x, 0) = 0
t 0<x<π

 Utt = 9 Uxx

 0 < x < π, t>0



 U (0, t) = U (π, t) = 0 t>0
f)


 U (x, 0) = sin(4x) + 7 sin(5x) 0 < x < π



 U (x, 0) = g(x)
t

 x 0 < x < π/2
con g(x) =
 0 π/2 < x < π
73
74
Capı́tulo 4
Modelización con EDO’s
1. Una partı́cula se mueve a lo largo del eje x de modo tal que su aceleración instantánea
está dada como una función del tiempo t por
00
a(t) = x (t) = 10 − 12t2
. En los tiempos t = 2 y t = 3, la partı́cula está localizada en x = 0, y x = −40

respectivamente.
a) Establezca la ecuación diferencial y condiciones asociadas que describen el mo-

vimiento de la partı́cula. ¿ es un problema de valores iniciales?
b) Encuentre la función x(t) que describa el movimiento de la partı́cula .
c) Determine la posición de la partı́cula en t = 1.
d ) Grafique aproximadamente el gráfico de x(t) y describa el movimiento de la

partı́cula.
2. La pendiente de una familia de curvas en cualquier punto (x, y) del plano xy está
0
dada por y = 4 − 2x.
a) Determine una ecuación para aquel miembro particular de la familia que pasa
por el punto (0, 0).
b) Dibuje varios miembros de la familia incluyendo al hallado en el item anterior.
75
3. Un cultivo tiene una cantidad inicial 103 bacterias. Cuando t = 1 , la cantidad
3
medida de bacterias es de la cantidad inicial. Si la razón de reproducción es
2
proporcional a la cantidad de bacterias presentes, calcule el tiempo necesario para
triplicar la cantidad inicial de los microorganismos.
4. Ley de Newton del enfriamiento: La formulación matemática de la ley empı́ri-

ca de Newton, relativa al enfriamiento de un objeto, se expresa con la ecuación
diferencial lineal de primer orden
dT
= k(M − T )
dt
donde k es una constante de proporcionalidad, T (t) es la temperatura del objeto

cuando t ≥ 0 y M es la temperatura ambiente; o sea, la temperatura del medio que
rodea al objeto. Utilizando este modelo resuelva los siguientes problemas:
a) Al sacar un pastel del horno, su temperatura es 180°C. Después de 3 minutos,

100°C.
1) ¿En cuanto tiempo se enfriará hasta la temperatura ambiente de 25°C?
2) Grafique la función temperatura.
b) Si una barra metálica pequeña, cuya temperatura inicial es 20°C se deja caer
en un recipiente con agua hirviendo, ¿cuánto tiempo tardara en alcanzar 90°C
si se sabe que su temperatura aumentó 2°C en un segundo? ¿Cuánto tiempo
tardará en llegar a 98°C?
5. Circuitos en Serie: Cuando un circuito en serie sólo contiene una resistencia y

una inductancia (circuito LR), la segunda ley de Kirchhoff establece que la suma
di
de las caı́das de voltaje a través del inductor (L( )) y del resistor (i R) es igual al
dt
voltaje aplicado, (E(t)), al circuito.
76
La ecuación diferencial lineal que describe la corriente i(t) es
di
L + R i = E(t)
dt
donde R y L son constantes. La corriente i(t) se llama, también, respuesta del

sistema.
q(t)
La caı́da de voltaje a través de un capacitor de capacitancia C es , donde q(t)
C
es la carga del capacitor; por lo tanto, para el circuito en serie (circuito RC),
la segunda ley de Kirchhoff establece
q(t)
R i+ = E(t)
C
dq
pero la corriente i(t) y la carga q(t) se relacionan mediante i = , ası́, la ecuación
dt
anterior se transforma en la ecuación diferencial lineal
dq q(t)
R + = E(t)
dt C
77
a) Un acumulador E(t) de 12 volts se conecta a un circuito en serie LR, con una
inductancia L de 1/2 h y una resistencia R de 10 ohms. Determinar la corriente
i , si la corriente inicial es cero.
b) Se aplica una fuerza electromotriz, E(t) de 100 volts a un circuito en serie RC,
donde la resistencia R es 200 omhs y la capacitancia C es 10−4 f. Determine la
carga q(t) del capacitor, si q(O) = 0. Halle la corriente i(t).
6. Problemas de masa-resorte
a) Una masa de 3 kg unida a un resorte con rigidez k = 48 N/m. La masa se

desplaza 0,5 m a la izquierda del punto de equilibrio y recibe una velocidad
de 2 m/s hacia la derecha. La fuerza de amortiguamiento es despreciable.
Determine la ecuación del movimiento de la masa ¿cuánto tiempo después
vuelve a pasar por el punto de equilibrio?
b) Una masa de 0,25 kg unida a un resorte con rigidez k = 16 N/m.La constante

de amortiguamiento para el sistema es 2 N − s/m La masa se desplaza 0,75 m
a la izquierda del punto de equilibrio y recibe una velocidad de 2 m/s hacia
la izquierda. Determine la ecuación del movimiento de la masa. Grafique la
solución.
7. Un resorte con una masa colgando como muestra la figura:
Asumiendo la dirección positiva de movimiento de la masa hacia abajo y aplicando

la Ley de Hooke demuestre que:
00
a) La ecuación que define el movimiento de la masa es m x = −kx.
b) Si la masa pesa 300 g estira al resorte 15 cm encuentra el valor de k.
78
c) Si se estira la masa 10 cm de la posición de equilibrio y se suelta, establezca la
ecuación de movimiento de la masa.
8. Una partı́cula parte del reposo a 20 cm de un punto fijo 0. Se mueve a lo largo de una
lı́nea horizontal hacia 0 bajo una fuerza de atracción en 0 la cual varı́a directamente
con su distancia de 0. En 0 su velocidad es 40 cm/seg. Encuentre su velocidad y
aceleración a 10 cm de 0.
79
Anexo
El programa de la materia se irá desglosando a lo largo del cuatrimestre según el
siguiente cronograma tentativo:
Semana 1 Sucesiones numéricas. Ejemplos, propiedades. Convergencia. (§11,1 de Stewart)
Semana 2 Series numéricas. Ejemplos, propiedades. Convergencia (§11,2 − 11,8 de Stewart)
Semana 3 Series numéricas (continuación) - TP personal y con computadora. Es una evaluación

conceptual.
Semana 4 Series de funciones (§11,9 de Stewart). Ejemplos. Series de Taylor (§11,10 de Ste-
wart) y de Fourier (Nagle).
Semana 5 Evaluación de la Unidad 1 (Parcial 1).
Semana 6 Ecuaciones diferenciales ordinarias (EDO’s). Definición - Problema Cauchy. Teore-

ma de existencia y unicidad de la solución. Resolución en forma gráfica. TP personal
y con computadora. Es una evaluación conceptual.
Semana 7 continuación EDO’s a variables separables, lineales de primer orden, de segundo

orden a coeficientes constantes homogéneas.
Semana 8 continuación Resolución de EDO’s de segundo orden a coeficientes constantes no

homogéneas.
Semana 9 Evaluación Unidad 2 (Parcial 2).
Semana 10 Ecuaciones en derivadas parciales (EDP’s)
Semana 11 Trabajo práctico grupal
Semana 12 Trabajo práctico grupal
Semana 13 Exposición Trabajos.
Semana 14 Consultas
Semana 15 Recuperatorios U1 o U2
80
Semana 16 Consultas. Quien sólo debe coloquio, puede hacerlo aquı́.
81
82
Bibliografı́a
[1] Apostol, T. CALCULUS, VOLUME 1, One-Variable Calculus, with an Introduction

to Linear Algebra (1967)
[2] Stewart, J, Cálculo de varias variables trascendentes tempranas, 7ma. Edición (2012).
[3] Nagle, Saff and Snider, Ecuaciones diferenciales y problemas con valores en la fron-
tera, Cuarta Ed., Pearson Educación, México, 2005
83

Notas de Calculo IV PDF

Cargado por

Copyright:

Formatos disponibles

Notas de Calculo IV PDF

Cargado por

Información del documento

Título original

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

Notas de Calculo IV PDF

Cargado por

Copyright:

Formatos disponibles

Facultad de Ciencias Exactas, Ingenierı́a

Depto de Matemática - E.F.B - U.N.R

Tı́tulo del trabajo

Autores: Dra. Mariela C. Olguin 1 - Lic. Mariana Cisneros 2

2. Ec. Diferenciales Ordinarias (EDO’s) 37

3. Ecuaciones en Derivadas Parciales 61

4. Modelización con EDO’s 75

Vamos a comenzar con un ejemplo. Recordemos el concepto de derivada estudiado en

Se definió en primer lugar, la derivada de f en un x = x0 a partir del cálculo del lı́mite

f (x0 + h) − f (x0 ) ∆ f (h)

El cociente incremental de la expresión anterior ¿qué interpretación geométrica tenı́a?

¿qué observa? ¿cómo se comportan los puntos graficados?

Vamos a formalizar estos descubrimientos.

Definición 1.1.1. Se llama Sucesión a un conjunto de infinitos elementos que satisfacen

Notación: Una sucesión se nota de las siguientes formas

{an }n∈A , donde an es el elemento genérico y A puede ser un subconjunto infinito

o simplemente {an } cuando suponemos que el conjunto de validez de los subı́ndices

¿cuál serı́a la expresión para el elemento genérico?

ii) {1, 2, 4, 8, 16, . . . , 2n , . . . }, aquı́ el elemento genérico es an = 2n , n ∈ N0

iii) {1, 1, 2, 3, 5, 8, . . . } esta sucesión es llamada de Fibonacci (Matemático italiano, na-

Observación 1.1.1. ¿Cuál es la diferencia entre los siguientes conjuntos?

{1, 0, 1, 0, . . . , 1, 0, 1, 0, . . .} {1, 0, 1, 0, . . . , 1, 0, 1, 0}.

Observación 1.1.2. Como el conjunto de partida es discreto, la gráfica constará sólo de

Observación 1.1.3. A partir del comentario anterior es que obtendremos importantes

1.1.2. Convergencia de una sucesión

Definición 1.1.2. : Diremos que una sucesión {an } es convergente si existe L ∈ R

Más aún, diremos que la sucesión converge a L. Si L = ∞, L = −∞ o no existe,

Ejemplo 1.1.2. Veamos cómo aplicar la definición anterior:

i) { n1 }n∈N es una sucesión convergente y converge a 0 pues

ii) {en } es divergente pues

que, en este caso, no es otra cosa que f 0 (0).

1.1.3. Alguno resultados sobre convergencia

Lema 1.1.1. : Sea f una función a variable real tal que

Entonces la sucesión {an }, con an = f (n) ∀ n ∈ N, es convergente y converge a L.

Si ahora recordamos la definición  − δ de lı́mite de una función f cuando x tiende a

lı́m an = L ⇔ ∀  > 0 ∃ n0 ∈ N / |an − L| <  ∀ n ≥ n0 . (1.1.3)

La interpretación geométrica de esta definición formal, es la siguiente:

|an+1 − an | ≤ |an+1 − L |+| an − L| < 2 ∀ n ≥ n0 .

Teorema 1.1.1. Dada una sucesión {an }∞

Propiedades 1: Álgebra de los lı́mites para sucesiones.

entonces vale que:

1) {an + bn } es una sucesión convergente y converge a L1 + L2 ,

2) {an − bn } es una sucesión convergente y converge a L1 − L2 ,

3) {c.an } es una sucesión convergente y converge a c.L1 , ∀ c ∈ R

4) {an .bn } es una sucesión convergente y converge a L1 .L2 ,

Teorema 1.1.2. De la compresión.

i) an ≤ bn ≤ cn , ∀ n∈N y con n ≥ n0 (para algún n0 ∈ N.)

Entonces, se tiene que:

Teorema 1.1.3. Si lı́m an = L y f es una función continua en L, entonces

lı́m f (an ) = f (L) 

Teorema 1.1.4. Sea {an } una sucesión, entonces:

lı́m |an | = 0 ⇒ lı́m an = 0 

Definición 1.1.3. Sea una sucesión {an }.

1) Diremos que es una sucesión creciente si

2) diremos que es una sucesión decreciente si

3) diremos que es una sucesión acotada superiormente si existe M ∈ R tal que

4) diremos que es una sucesión acotada inferiormente si existe m ∈ R tal que

an = h[f (x0 ) + . . . + f (xn−1 )] y bn = h[f (x1 ) + . . . + f (xn )]

Teorema 1.1.5. Sea una sucesión {an }.

Si ahora recordamos la definición − δ de lı́mite de una función f cuando x tiende a

lı́m an = L ⇔ ∀ > 0 ∃ n0 ∈ N / |an − L| < ∀ n ≥ n0 . (1.1.3)

|an+1 − an | ≤ |an+1 − L |+| an − L| < 2 ∀ n ≥ n0 .

lı́m f (an ) = f (L)

lı́m |an | = 0 ⇒ lı́m an = 0