You are on page 1of 14

Tema 4

Sistemas de ecuaciones en
diferencias y de ecuaciones
diferenciales lineales
El metodo cientco ayuda a analizar los problemas desde una optica tanto cualitativa
como cuanticativa. La aceptacion o nueva elaboraci on de hip otesis de trabajo est an sujetas
a la validez en cada aplicaci on de las tesis que se deriven de ellas. Realidades m as complejas
exigen modelos
1
cada vez mas sosticados.
Hasta ahora hemos manejado modelos de varias variables relacionadas linealmente, o
modelos no lineales de funciones de una variable (aplicados en problemas donde las variables
dependiente e independiente eran claramente identicables; al nal del bloque de C alculo
se generalizar a esta va a problemas en que intervengan funciones de varias variables, tanto
dependientes como independientes).
Ambos casos representan un conjunto de reglas simples para resolver algunos problemas.
Es de esperar que expliquen todos los fen omenos? o, por contra, la realidad requerir a mod-
elos mas complicados de varias variables interrelacionadas entre s, sin un car acter denido
claro como dependiente o independiente? La respuesta es clara: s ser an necesarios modelos
mas complejos, en los que las variables dejar an de ser meros valores numericos, y se conver-
tir an en funciones, y no tendran en general un car acter independiente ni dependiente, sino
que aparecer a a ambos lados, en lo que consideramos una ecuaci on (funcional, ahora, para
representar por ejemplo la idea de evoluci on en el tiempo). Nos disponemos a estudiar algunos
de estos modelos mas complejos (y m as bellos) en este tema, los modelos en que intervienen
funciones y sus derivadas: las ecuaciones diferenciales [seg un el dominio temporal sea R
o N la ecuaci on se llama continua o discreta respectivamente
2
]. Comenzamos con el caso lin-
eal. As, las tecnicas introducidas en el Tema 3 sobre diagonalizaci on y formas can onicas de
Jordan para matrices resultar an esenciales.
1
Esquemas teoricos de un sistema o realidad compleja que se elabora para facilitar su comprension y estudio.
2
Esta dualidad sera constante en todo modelo, pues la realidad nos impone un modelo continuo, pero la
resolucion efectiva con el ordenador, e incluso las mediciones previas que hagamos son en n umero nito, dando
lugar al modelo discreto.
1
TEMA 4. SISTEMAS DE ECUACIONES EN DIFERENCIAS Y DE ECUACIONES
DIFERENCIALES LINEALES
Ejemplo introductorio: dinamica de poblaciones
De los muchos casos que pueden ser tratados con las herramientas de este tema, comen-
zaremos por claridad citando un ejemplo que retomaremos m as adelante: la disciplina que
estudia la poblaci on se conoce como demografa, y analiza el tama no, composici on y distribu-
ci on de la poblaci on, sus patrones de cambio a lo largo de los a nos en funci on de nacimientos,
defunciones y migracion, y los determinantes y consecuencias de estos cambios. El estu-
dio de la poblaci on proporciona una informaci on de interes para las tareas de planicacion
administrativas en sectores como sanidad, educaci on, vivienda, seguridad social, empleo y
conservaci on del medio ambiente. Estos estudios tambien nos dan los datos necesarios para
formular polticas gubernamentales de poblaci on, para modicar tendencias demogr acas, y
para conseguir objetivos econ omicos y sociales. Por supuesto, podramos imaginar el prob-
lema del estudio de la poblaci on de cierto area y dentro de un tiempo como una funcion
dependiente de muchas variables, y ser a sensato tambien pensar que el n umero inicial de
individuos en esa poblaci on inuir a en las posibilidades de desarrollo de esta.
Imagina que n(t) es el n umero de individuos de un grupo en el a no t. En 1798 el economista
brit anico Thomas Robert Malthus public o su libro Ensayo sobre el principio de la poblaci on,
inicio de la demografa como disciplina, para estudiar las relaciones entre la tendencia con-
stante al crecimiento de la poblaci on humana y la producci on de alimentos (estaba interesado
en un desarrollo sostenible). El modelo de ecuaci on funcional que propuso, conocido como
modelo malthusiano, consista en una ecuaci on donde la inc ognita era la funci on n(t), y da-
ba la relaci on con la tasa de crecimiento de la poblaci on misma (recuerda que esto es la
derivada): n

(t) = Cn(t). Aunque el modelo en s no es bueno, es el origen de la din amica de


poblaciones a traves de ecuaciones diferenciales, de ah su importancia. Posteriormente, Ver-
hulst propondra modelos mas adecuados, con un umbral de crecimiento m aximo (ecuaci on
logstica), y terminos de retardo, etc. Fen omenos fsicos, qumicos, econ omicos, biol ogicos,
etc., siguen estas ecuaciones y otras m as complejas.
En este tema estudiamos dos tipos de ecuaciones: las ecuaciones en diferencias, dadas
por una expresion recurrente de la forma u
n
= Au
n1
(casos particulares importantes son
las ecuaciones en diferencias lineales y las cadenas de Markov); y los sistemas de ecuaciones
diferenciales lineales con coecientes constantes. Representan el primer estadio, la versi on
lineal, de modelos que se van complicando progresivamente para simular mejor la realidad
que intentan modelizar. Asimismo, introducimos en la parte nal del tema el metodo de
linealizaci on en torno a puntos de equilibrio, tan usual en cualquier rama de la ingeniera,
como nexo de uni on entre la realidad (no lineal) y los modelos aqu estudiados.
4.1. Sistemas de ecuaciones en diferencias. Potencias de una
matriz
Los sistemas de ecuaciones en diferencias intentan simular un fen omeno en un modo
discreto (esto es como verlo a intervalos iguales de tiempo). Esto es coherente con la realidad,
ya que normalmente se toman una serie de medidas espaciadas en el tiempo, una vez al da,
o por semana, o al mes por ejemplo (siempre a la misma hora si conamos en que nos sirva
para detectar un patron). C omo se relacionan esa sucesi on de valores? Podra servirnos un
Ingeniera Tecnica
Forestal
2 Fundamentos Matem aticos
Curso 2004/05
4.1. SISTEMAS DE ECUACIONES EN DIFERENCIAS. POTENCIAS DE UNA MATRIZ
modelo lineal. Consideremos el siguiente ejemplo:
Ejemplo 1. En un gran parque nacional existen dos grupos principales de animales: zorros
y conejos. Modelos que predigan su comportamiento pueden ayudar a prevenir futuras ex-
plosiones de una u otra poblaci on, que seran perjudiciales para el parque en si. Tras unas
primeras muestras se ha considerado el siguiente modelo lineal (recuerda que podemos expre-
sarlo matricialmente, como en el Tema 3) sobre la evoluci on de ambas poblaciones (la unidad
de tiempo son dos meses, acorde al ciclo reproductor de ambas especies):
_
c
n+1
z
n+1
_
=
_
7/2 6
1/2 0
__
c
n
z
n
_
.
Para 40 conejos y 7 zorros inicialmente, la predicci on de la evoluci on del conjunto en los
nueve periodos posteriores es:
1 2 3 4 5 6 7 8 9 10
0
0.5
1
1.5
2
2.5
3
3.5
4
x 10
4
conejos
zorros
El modelo nos dice que introducidos en esa proporci on inicial, ambas especies aumentar an
en el parque
3
. C omo calculamos dicha evoluci on? Llamamos A a la matriz
_
7/2 6
1/2 0
_
,
y simplemente
_
c
2
z
2
_
= A
_
c
1
z
1
_
,
_
c
3
z
3
_
= A
_
c
2
z
2
_
= A
2
_
c
1
z
1
_
, etc.
Supuesto que el modelo es bueno, y queremos seguir us andolo para predicciones futuras y a
largo plazo, sera conveniente simplicar los c alculos en la medida de lo posible.
A continuacion damos rigor tanto a la denici on como a los metodos de c alculo en si.
Denici on 2. Sea A una matriz cuadrada de orden p y sea u
1
, u
2
, . . . , u
n
, . . . una sucesi on
de vectores en R
p
denidos de manera recurrente por
u
n
= Au
n1
, n = 1, 2, . . .
a partir de un vector inicial u
0
R
p
. Una relaci on de recurrencia de esta forma se llama
sistema de ecuaciones en diferencias lineal y homogeneo (los unicos que estudiaremos
en este tema).
3
Reiteramos una vez mas que la validez de un modelo esta sujeta al contraste con la realidad, y por tanto
es siempre volatil. Aunque parezca un ejemplo irreal, por el gran crecimiento de ambas especies, bajo ciertas
condiciones, se observan esas plagas en la naturaleza, como ocurre por ejemplo con la langosta, las abejas, o
la poblacion de conejos en Australia.
Ingeniera Tecnica
Forestal
3 Fundamentos Matem aticos
Curso 2004/05
TEMA 4. SISTEMAS DE ECUACIONES EN DIFERENCIAS Y DE ECUACIONES
DIFERENCIALES LINEALES
Si u
n
= Au
n1
es un sistema de ecuaciones en diferencias, se tiene, razonando por
induccion, que u
n
= A
n
u
0
. Con esta expresi on podemos hallar u
n
para cualquier valor de
n. Sin embargo, vamos a dar una expresi on m as simple para u
n
que nos permitir a ahorrar
tiempo de c alculo y tambien estudiar el comportamiento a largo plazo de la sucesi on u
n
(es
decir, cuando n es grande): ser a la forma de Jordan o de diagonalizaci on estudiadas en el
tema anterior, ya que las matrices de paso P y su inversa P
1
permitir an simplicaciones en
el c alculo de potencias de A. Concretamente se tiene el siguiente resultado:
Teorema 3. Sea A una matriz cuadrada de orden p, y u
0
R
p
. Entonces la soluci on del
sistema de ecuaciones en diferencias u
n
= Au
n1
con vector inicial u
0
es
u
n
= PJ
n
P
1
u
0
n = 1, 2, . . .
siendo J = P
1
AP la forma can onica de Jordan de A.
C omo evaluar J
n
? En realidad no es complicado, por la forma que tiene, tanto si es
diagonal como si no.
Lema 4. Sea A, como antes, una matriz cuadrada de orden p.
a) Si A es diagonalizable, entonces
4
A
n
= P
_
_
_
_
_

n
1

n
2
.
.
.

n
p
_
_
_
_
_
P
1
n = 1, 2, . . .
siendo
1
,
2
, . . . ,
p
los autovalores de A.
b) Caso contrario, dada la forma de Jordan asociada a A, si J

es un bloque de Jordan de
orden r, entonces
J
n

=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_

n
_
n
1
_

n1
_
n
2
_

n2
. . .
_
n
r 1
_

nr+1

n
_
n
1
_

n1
. . .
_
n
r 2
_

nr+2

n
. . .
_
n
r 3
_

nr+3
.
.
.
.
.
.

n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
n = 1, 2, . . .
entendiendo que
_
n
k
_
= 0 si n < k.
En el Ejemplo 1 se puede comprobar que A es diagonalizable, pues tiene dos autovalores
distintos (por fuerza de multiplicidades algebraicas y geometricas iguales a uno):
1
= 2,
4
Los huecos en blanco en la matriz se entienden como ceros.
Ingeniera Tecnica
Forestal
4 Fundamentos Matem aticos
Curso 2004/05
4.1. SISTEMAS DE ECUACIONES EN DIFERENCIAS. POTENCIAS DE UNA MATRIZ

2
= 3/2, y tomando como matriz de paso P dos autovectores asociados
5
(dispuestos en
columnas), resulta:
A =
_
4 6
1 2
__
2 0
0 3/2
__
4 6
1 2
_
1
.
En este caso es inmediato obtener la inversa de P, P
1
=
_
1 3
1/2 2
_
, con lo que la
expresi on general de la solucion viene dada por
_
c
n
z
n
_
=
_
4 6
1 2
__
2
n
0
0
_
3
2
_
n
__
1 3
1/2 2
_
1
_
c
0
z
0
_
.
Forma explcita de la soluci on de una ecuaci on en diferencias lineal y ho-
mogenea:
Como aplicaci on directa del tema anterior, acabamos de ver que cuando A es diagonalizable,
la solucion general del sistema viene dada por u
n
= PD
n
P
1
u
0
, siendo P la matriz de
paso formada por los autovectores dispuestos por columnas, y D
n
la matriz diagonal con las
potencias n-esimas de los autovalores.
Observese que para dar la expresi on explcita de u
n
tenemos P, D (D
n
tambien), u
0
, y lo
unico que queda por obtener es P
1
. Ahora bien, requerimos P
1
u
0
, con lo que en realidad
basta llamar a dicho vector c = P
1
u
0
, y hallar c a traves del sistema Pc = u
0
, de modo
que uniendolo todo resulta:
u
n
= c
1

n
1
x
1
+ c
2

n
2
x
2
+ . . . + c
p

n
p
x
p
n = 1, 2, . . .
siendo
1
,
2
, . . . ,
p
los autovalores de A, y x
1
, x
2
, . . . , x
p
autovectores linealmente inde-
pendientes asociados a
1
,
2
, . . . ,
p
respectivamente y c = (c
1
, c
2
, . . . , c
p
)
t
la soluci on del
sistema Pc = u
0
.
Podramos preguntarnos si la relaci on presentada en la Denici on 2 es general o no. Parece
que s olo utiliza en la construccion de un estado el inmediatamente anterior. Que ocurre si
una sucesi on, por simplicar, de dimensi on uno, est a construida en funci on de varios estados
anteriores? Es eso sensato? Esta contemplado en el caso anterior?
Sirva un ejemplo y la siguiente denici on como contestaciones a las cuestiones previas:
incluso en el caso aproximado, si deseamos estimar el precio de un producto, que evoluciona
semanalmente, sera conveniente mirar lo que costaba la ultima semana. Pero eso no nos
dice c omo evolucionar a, al alza, o no? Salvo devacle del mercado, ser a un valor cercano,
consecuencia de una evoluci on continua, pero para hallar dicha aproximaci on requeriremos
alg un metodo que tanto mas able ser a cuanto m as datos metamos: estadstica, una lnea de
tendencia, un polinomio que interpole los valores de las ultimas tres o cuatro semanas...
Denici on 5. Llamamos ecuaci on en diferencias lineal homogenea de orden p a una
expresi on del tipo:
z
n
+ a
1
z
n1
+ a
2
z
n2
+ . . . + a
p
z
np
= 0 (siendo a
p
= 0)
5
El signicado de los autovectores es el n umero inicial de individuos de cada especie con el que, seg un el
modelo, a no tras a no las poblaciones mantienen la misma proporcion.
Ingeniera Tecnica
Forestal
5 Fundamentos Matem aticos
Curso 2004/05
TEMA 4. SISTEMAS DE ECUACIONES EN DIFERENCIAS Y DE ECUACIONES
DIFERENCIALES LINEALES
donde a
1
, . . . , a
p
son conocidos, y cada termino z
n
(para n p + 1) se obtiene a partir de
los p terminos anteriores [los p valores iniciales z
1
, z
2
, . . . , z
p
R son datos].
Otra manera de denir la sucesi on es transformando de esta ecuaci on en un sistema de
ecuaciones en diferencias de la siguiente manera
6
:
Sea u
p
= (z
p
, z
p1
, . . . , z
1
)
t
IR
p
y, en general, u
n
= (z
n
, z
n1
. . . , z
np+1
)
t
entonces se
tiene
u
n
=
_
_
_
_
_
_
_
z
n
z
n1
.
.
.
z
np+2
z
np+1
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
a
1
a
2
. . . a
p1
a
p
1 0 . . . 0 0
0 1 . . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
z
n1
z
n2
.
.
.
z
np+1
z
np
_
_
_
_
_
_
_
= Au
n1
esta relaci on es v alida para n = p + 1, p + 2, . . .
Volvemos por tanto al estudio de los autovalores y autovectores para aplicar los resultados
previos. La forma del polinomio caracterstico de un sistema de ecuaciones en diferencias
que provenga de una ecuaci on en diferencias de orden superior tiene una expresi on ja que
conviene conocer para ahorrarnos trabajo.
Proposici on 6. Los autovalores de la matriz
A =
_
_
_
_
_
_
_
a
1
a
2
. . . a
p1
a
p
1 0 . . . 0 0
0 1 . . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1 0
_
_
_
_
_
_
_
son las races del polinomio
q() =
p
+ a
1

p1
+ . . . + a
p
,
este polinomio recibe el nombre de polinomio caracterstico de la ecuaci on en diferen-
cias.
Teorema 7. Si el polinomio caracterstico de una ecuaci on en diferencias de orden p tiene p
races distintas
1
,
2
, . . . ,
p
, entonces la soluci on (z
n
) de la ecuaci on homogenea se expresa
como
z
n
= c
1

n
1
+ c
2

n
2
+ . . . + c
p

n
p
n = 1, 2, . . .
donde las constantes c
1
, c
2
, . . . , c
p
se determinan a partir de los p valores iniciales dados.
6
De hecho, esta transformacion es tambien valida para convertir una ecuacion diferencial de orden superior
a uno, es decir, donde intervienen las derivadas segunda, tercera, etc, en un sistema diferencial ordinario (orden
uno).
Ingeniera Tecnica
Forestal
6 Fundamentos Matem aticos
Curso 2004/05
4.2. MATRICES ESTOC

ASTICAS: CADENAS DE MARKOV.


4.2. Matrices Estocasticas: Cadenas de Markov.
Antes de dar la denicion rigurosa, introducimos con un ejemplo las ideas que vamos
a tratar: supongamos que los sistemas de ecuaciones en diferencias tratan con cantidades
porcentuales, es decir, que se trasvasan de un lugar a otro pero sin aumentar ni disminuir
en su conjunto (en realidad esto indica que dicho esquema se adec ua bien a elementos de
probabilidad).
Ejemplo 8. Supongamos que los N habitantes de una cierta ciudad realizan sus compras
en uno de los tres grandes supermercados existentes (llamemoslos X, Y, Z por comodidad).
Considerando que las grandes compras se realizan una vez por semana, y que los consumidores
comparan calidad, precio, comodidad, etc, algunos deciden cambiar de cadena, mientras que
otros permanecen eles. Pongamos que en el plazo de una la semana la proporci on de clientes
de X, Y, Z ha pasado de ser x
0
, y
0
y z
0
, a ser x
1
, y
1
y z
1
. Al tratarse de porcentajes, se tiene
que
x
0
+ y
0
+ z
0
= 1,
x
1
+ y
1
+ z
1
= 1.
Suponemos que el n umero de clientes es constante, y denotamos por a
11
la proporci on de
clientes que el supermercado X mantiene tras el paso de una semana, mientras que a
12
y
a
13
denotan los porcentajes de los clientes de X que vienen a X de los supermercados Y y Z
respectivamente. En resumen, el n umero total de clientes de X en la segunda semana es:
x
1
N = a
11
(x
0
N) + a
12
(y
0
N) + a
13
(z
0
N),
y si nos quedamos directamente con porcentajes,
x
1
= a
11
x
0
+ a
12
y
0
+ a
13
z
0
.
An alogamente,
y
1
= a
21
x
0
x
0
+ a
22
y
0
+ a
23
z
0
,
z
1
= a
31
x
0
+ a
32
y
0
+ a
33
z
0
,
donde en general podemos decir que a
ij
representa la proporci on de clientes de j que cambian
a i (entendiendo que i = 1, 2, 3 represneta a X, Y, Z resp. y que i = j consiste en que no hay
cambio propiamente.
Observa que por su signicado, todos los elementos a
ij
son positivos, y que

3
i=1
a
ij
= 1,
con lo que para todo i, j 0 a
ij
1. Matricialmente, la relaci on anterior se escribe
_
_
x
1
y
1
z
1
_
_
=
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
x
0
y
0
z
0
_
_
.
La matriz A 3x3 se llama Matriz de Transici on, y el conjunto de ternas (cuando evoluciona
con el tiempo) representa un Proceso de Markov, que pasamos a denir con rigor a contin-
uaci on.
Denici on 9. Diremos que una matriz real A cuadrada de orden p es estocastica, o de
Markov, si sus elementos son no negativos y sus columnas suman 1:
Ingeniera Tecnica
Forestal
7 Fundamentos Matem aticos
Curso 2004/05
TEMA 4. SISTEMAS DE ECUACIONES EN DIFERENCIAS Y DE ECUACIONES
DIFERENCIALES LINEALES
(1) a
ij
0 para todos i, j = 1, 2, . . . , p y
(2)
n

i=1
a
ij
= 1 para cada j = 1, 2, . . . , p
Las matrices estoc asticas se encuadran dentro de un tipo mas general de matrices, las lla-
madas no negativas, que son aquellas que verican la condici on (1). Las matrices no negativas
participan de muchas de las propiedades de las matrices estoc asticas.
Sin embargo, las matrices estoc asticas, por su interpretaci on en terminos de probabilidad,
son de mayor utilidad. Suponiendo que un sistema consta de p estados posibles E
1
, E
2
, . . . , E
p
,
el elemento generico a
ij
representa la probabilidad de pasar del estado E
j
al estado E
i
.
Denici on 10. Un sistema de ecuaciones en diferencias u
n
= Au
n1
en el que A es una
matriz estoc astica y u
0
es un vector de probabilidad, es decir, un vector de coordenadas
no negativas que suman 1; recibe el nombre de cadena de Markov nita.
El vector u
n
se llama vector de estados de la n-esima etapa y representa la situaci on de
los estados del sistema en dicha etapa.
En este apartado se estudiar an en primer lugar algunas propiedades de las matrices es-
toc asticas para pasar a discutir posteriormente ciertos problemas que se plantean en las
cadenas de Markov.
Proposici on 11. Una matriz A no negativa es estoc astica si y s olo si e
t
A = e
t
donde
e = (1, 1, . . . , 1)
t
. En consecuencia,
Si A y B son estoc asticas, AB tambien lo es.
Si A es estoc astica, A
n
tambien lo es.
Si A es estoc astica, entonces 1 es un autovalor de A.
La ultima propiedad se debe a que los autovalores de una matriz y de su traspuesta son los
mismos (y = 1 es autovalor de A
t
con A estoc astica, ya que e = (1, . . . , 1)
t
es un autovector
asociado.)
Teorema 12. Si A es estoc astica, entonces todos sus autovalores verican || 1.
La prueba es facil por reducci on al absurdo. Supongamos por ejemplo que > 1 es
autovalor, y v un autovector asociado (Av = v), que sin perdida de generalidad podemos
suponer con componentes de suma la unidad, entonces
1 < =
n

i=1
(v)
i
=
n

i=1
(Av)
i
=
n

i=1
n

j=1
a
ij
v
j
=
n

j=1
_
n

i=1
a
ij
_
v
j
=

j
v
j
= 1.
Denici on 13. Se denomina vector estacionario o de equilibrio de una matriz A, a
todo vector de probabilidad x tal que Ax = x.
Como = 1 es autovalor de una matriz estoc astica por una propiedad previa, se deduce
que existen autovectores asociados a dicho autovalor, y en particular (tomando un propor-
cional) con componentes de suma la unidad. Es m as, de hecho, se tiene el siguiente resultado:
Teorema 14. Toda cadena de Markov tiene un vector estacionario.
Ingeniera Tecnica
Forestal
8 Fundamentos Matem aticos
Curso 2004/05
4.2. MATRICES ESTOC

ASTICAS: CADENAS DE MARKOV.


Observese que cualquier vector de equilibrio es un autovector asociado al autovalor = 1
y que si en alg un momento se alcanza un vector de equilibrio, es decir u
n
= x, entonces ya no
se abandona nunca ese vector, o sea u
m
= x para m n. Por tanto, los vectores de equilibrio
tienen una cierta relaci on con la conducta lmite de la sucesi on u
n
.
Sin embargo no es cierto que siempre exista el lm
n
A
n
u
0
.
Por ejemplo si A =
_
0 1
1 0
_
y u
0
=
_
1
0
_
, entonces u
2n
=
_
1
0
_
mientras que
u
2n+1
=
_
0
1
_
, y a un cuando exista el lmite anterior puede depender del vector inicial u
0
.
Por ejemplo si A =
_
1 0
0 1
_
y u
0
=
_
1
0
_
, entonces siempre ocurre que u
n
=
_
1
0
_
pero con u

0
=
_
0
1
_
sucede que u

n
=
_
0
1
_
, o sea, que no hay un unico vector estacionario
al que tienda todo el sistema.
Teorema 15. Si = 1 es el unico autovalor de m odulo 1, de la matriz A, entonces para
cada vector de estados inicial u
0
, existe el lm
n
A
n
u
0
. En particular si u
0
es un vector de
probabilidad, el lm
n
A
n
u
0
es un vector de equilibrio.
Para algunas cadenas de Markov, el lmite es independiente del vector inicial.
Continuamos con el ejemplo que con inici abamos esta seccion para corroborar los resul-
tados anteriores:
Sea
A =
_
_
4/5 1/5 1/10
1/10 7/10 3/10
1/10 1/10 3/5
_
_
,
con lo que los autovalores son
1
= 1,
2
= 3/5 y
3
= 1/2. Tenemos que los subespacios
propios asociados a estos autovalores son
A

1
= (0

45, 0

35, 0

2), A

2
= (1, 1, 0), A

3
= (1, 2, 1).
As, la resoluci on explcita del sistema de ecuaciones en diferencias viene dado por la
expresi on
_
_
x
k
y
k
z
k
_
_
= A
k
_
_
x
0
y
0
z
0
_
_
=
_
_
0

45 1 1
0

35 1 2
0

2 0 1
_
_
_
_
1
k
0 0
0 (2/3)
k
0
0 0 (1/2)
k
_
_
_
_
0

45 1 1
0

35 1 2
0

2 0 1
_
_
1
_
_
x
0
y
0
z
0
_
_
=
_
_
0

45 1 1
0

35 1 2
0

2 0 1
_
_
_
_
1
k
0 0
0 (2/3)
k
0
0 0 (1/2)
k
_
_
_
_
1 1 1
3/4 1/4 5/4
1/5 1/5 4/5
_
_
_
_
x
0
y
0
z
0
_
_
,
que tiene un lmite
7
cualquiera que sea el vector inicial, (x
0
y
0
z
0
), con tal que sea un vector
7
Observa que los sumandos segundo y tercero, por estar afectados por potencias cada vez mayores de
autovalores menores que la unidad, tienen por lmite cero y no afectan al resultado, que depende exclusivamente
del primer sumando.
Ingeniera Tecnica
Forestal
9 Fundamentos Matem aticos
Curso 2004/05
TEMA 4. SISTEMAS DE ECUACIONES EN DIFERENCIAS Y DE ECUACIONES
DIFERENCIALES LINEALES
de probabilidad, es decir, una distribuci on coherente de la poblaci on consumidora entre los
tres supermercados. Por ejemplo, si inicialmente (x
0
y
0
z
0
) = (0

2 0

3 0

5), entonces
_
_
x
k
y
k
z
k
_
_
= 1
k
_
_
0

45
0

35
0

2
_
_
0

55
_
3
5
_
k
_
_
1
1
0
_
_
+
3

9
2
k
_
_
1
2
1
_
_
,
de modo que comprobamos que hay un vector lmite, que podemos notar
u

=
_
_
0

45
0

35
0

2
_
_
y que es autovector
8
asociado al autovalor
1
= 1, y de hecho es el vector estacionario,
digamos la distribuci on lmite de las cuotas de mercado en ese lugar.
Denici on 16. Se dice que la cadena de Markov de matriz A es regular si existe un m IN
para el que a
(m)
ij
> 0 para todos i, j = 1, 2, . . . , p; donde A
m
= (a
(m)
ij
).
Teorema 17. Si A es la matriz de una cadena de Markov regular entonces
Existe un unico vector estoc astico estacionario x
Para cualquier vector estoc astico u
0
la sucesi on A
n
u
0
tiende a x.
lm
n
A
n
=

A, donde

A tiene todas las columnas iguales a x, (el lmite anterior es en el
sentido de entrada a entrada de la matriz).
Otra condici on alternativa a la del teorema anterior viene dada por:
Teorema 18. Si = 1 es el unico autovalor de m odulo 1 y adem as es simple, el lm
n
A
n
u
0
existe y es independiente de u
0
.
4.3. Sistemas de ecuaciones diferenciales. Exponencial de una
matriz
En la primera parte del tema estudiamos los sistemas de ecuaciones en diferencias, en
dichos sistemas la evoluci on se produce de forma discreta. Si consideramos dicha evoluci on de
forma continua, es decir, observando las tasas de variaciones en unidades de tiempo cada vez
menores, tendremos, en el lmite, derivadas, dependientes de relaciones entre las magnitudes
sin derivar: los sistemas de ecuaciones diferenciales.
Casos como la ecuaci on de Malthus, x

= kx (con k cierta constante) nombrado en


la introduccion aparecen en otros fen omenos en la naturaleza, como la desintegraci on de
materiales radioactivos (entonces x representa la cantidad de materia que queda con el paso
del tiempo, y k < 0; la medici on de la cantidad de is otopo radioactivo del carbono C
14
sirve
a geologos y paleontologos para mediciones de grandes periodos de tiempo).
8
De todos los posibles hemos tomado el normalizado, es decir, el vector de probabilidad, lmite a la postre
como estamos viendo. Aunque no lo hubieramos tomado inicialmente, la matriz de paso y su inversa hubieran
conducido al mismo elemento.
Ingeniera Tecnica
Forestal
10 Fundamentos Matem aticos
Curso 2004/05
4.3. SISTEMAS DE ECUACIONES DIFERENCIALES. EXPONENCIAL DE UNA
MATRIZ
Su resoluci on en una dimensi on es simple (si obviamos la unicidad de soluci on, que re-
querira de un resultado adicional, el Lema de Gronwall) ya que a ojo somos capaces de
deducir que la solucion viene dada por x(t) = x(0)e
kt
.
Otra forma de obtener la soluci on consiste en usar el desarrollo de Taylor (supuesto
valido): tenemos inicialmente x(0) = x
0
(cierta cantidad desconocida), y que x

(0) = kx
0
;
derivando x

(t) = kx

(t), con lo que x

(0) = k
2
x
0
, continuando as obtenemos por inducci on
que x
(n)
(0) = k
n
x
0
, de modo que el desarrollo innito de Taylor genera como solucion
x(t) = x
0
+ x

(0)t +
x

(0)
2
t
2
+ . . . +
x
(n)
(0)
n!
t
n
+ . . .
= x
0
_
1 + kt +
(kt)
2
2
+
(kt)
3
3!
+ . . . +
(kt)
n
n!
+ . . .
_
= x
0
e
kt
.
Al igual que con los sistemas discretos, nos podemos plantear en los continuos que ocurre
con ecuaciones diferenciales de orden superior (expresiones de la forma y
(n)
+a
1
y
(n1)
+. . . +
a
p
y
(np)
= 0, con a
1
, . . . , a
p
constantes) o con los sistemas de ecuaciones diferenciales de
orden uno asociados. Justamente, nos vamos a limitar a estudiar los sistemas de ecuaciones
diferenciales lineales homogeneos de coecientes constantes, que denimos a continuaci on.
Denici on 19. Sean u
1
(t), u
2
(t), u
3
(t), . . . , u
n
(t) un conjunto de funciones de la variable
independiente t, llamamos sistema de ecuaciones diferenciales lineales homogeneo
con coecientes constantes a un conjunto de expresiones del tipo:

u
1
(t) = a
11
u
1
(t) +a
12
u
2
(t) +. . . +a
1n
u
n
(t)

u
2
(t) = a
21
u
1
(t) +a
22
u
2
(t) +. . . +a
2n
u
n
(t)

u
3
(t) = a
31
u
1
(t) +a
32
u
2
(t) +. . . +a
3n
u
n
(t)
.
.
.

u
n
(t) = a
n1
u
1
(t) +a
n2
u
2
(t) +. . . +a
nn
u
n
(t)
(4.1)
con a
ij
R i, j = 1, . . . , n
El sistema (4.1) lo podemos expresar matricialmente

u (t) = Au(t), siendo A una
matriz cuadrada de orden n y real, u(t) el vector (u
1
(t), u
2
(t), . . . u
n
(t))
t
y

u (t) el vector
(

u
1
(t),

u
2
(t), . . .

u
n
(t))
t
.
El siguiente resultado conrma nuestras expectativas de similitud respecto al caso uni-
dimensional (aunque para ello deberemos precisar convenientemente que entendemos por
exponencial de una matriz).
Teorema 20. La soluci on del sistema (4.1) con valores iniciales dados por el vector u
0
=
(u
10
, u
20
, . . . , u
n0
)
t
es u(t) = e
At
u
0
.
Exponencial de una matriz
El teorema arma que la solucion del sistema (4.1) viene dada por la exponencial de una
matriz. Hagamos una sustituci on sin rigor alguno, para empezar a dar forma a esa idea: vamos
Ingeniera Tecnica
Forestal
11 Fundamentos Matem aticos
Curso 2004/05
TEMA 4. SISTEMAS DE ECUACIONES EN DIFERENCIAS Y DE ECUACIONES
DIFERENCIALES LINEALES
a calcular dicha exponencial. Por analoga con la funci on unidimensional e
x
, si tenemos en
cuenta su desarrollo en serie de potencias (Taylor) y sustituimos x por At nos quedar a:
e
At
= I + At +
(At)
2
2!
+
(At)
3
3!
+ . . .
Formalmente, ello se debe a que
u

(t) = lm
h0
e
A(t+h)
x
0
e
At
x
0
h
= lm
h0
1
h
__
1 + A(t + h) +
(A(t + h))
2
2
+ . . .
_

_
1 + At +
(At)
2
2
+ . . .
__
x
0
=
1
h
_
Ah + 2A
2
th +
A
2
h
2
2
+
3A
3
t
2
h
3!
+ . . .
_
x
0
= Ae
At
x
0
= Au(t).
C omo se calcula realmente la exponencial de una matriz? Grandes potencias de una matriz
exigen como simplicacion previa la diagonalizaci on o, en su defecto, la forma can onica de
Jordan vistas en el tema anterior:
Si diagonalizamos la matriz A y sustituimos A por PDP
1
la expresi on anterior se trans-
forma en:
e
At
= P(I + Dt +
(Dt)
2
2!
+
(Dt)
3
3!
+ . . .)P
1
= Pe
Dt
P
1
,
donde la exponencial de Dt es la matriz diagonal que tiene por elementos las funciones e

i
t
con
i
los autovalores de A, y elementos de la diagonal de D.
Teorema 21. Si la matriz A del sistema (4.1) es diagonalizable, la soluci on del sistema (4.1)
con valores iniciales u
0
= (u
10
, u
20
, . . . , u
n0
)
t
es:
u(t) = C
1
e

1
t
v
1
+ C
2
e

2
t
v
2
+ C
3
e

3
t
v
3
+ . . . + C
n
e
nt
v
n
Los coecientes {C
1
, C
2
, C
3
, . . . , C
n
} los obtenemos a partir de los valores iniciales dados,
{
1
,
2
, . . .
n
} son los autovalores de la matriz A y {v
1
, v
2
. . . v
n
} son sus respectivos au-
tovectores.
Usando el Lema 4 es facil concluir que, en el caso general, cuando hay que usar la forma
de Jordan A = PJP
1
, la exponencial es e
At
= Pe
Jt
P
1
, y e
Jt
se construye con bloques
diagonales en el mismo n umero, tama no y disposici on que tienen en J las cajas originales.
Relativos a cada una de las cajas de J, es decir, para J

una caja de orden r, las matrices


exponenciales son de la forma
e
J

t
= e
t
_
_
_
_
_
_
_
1 t
t
2
2
t
3
3!
. . .
t
r1
(r1)!
0 1 t
t
2
2
. . .
t
r2
(r2)!
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1 t
0 0 . . . 0 1
_
_
_
_
_
_
_
.
Ingeniera Tecnica
Forestal
12 Fundamentos Matem aticos
Curso 2004/05
4.3. SISTEMAS DE ECUACIONES DIFERENCIALES. EXPONENCIAL DE UNA
MATRIZ
Linealizacion en torno a puntos de equilibrios
Hasta ahora hemos estudiado (en esta parte de la asignatura) problemas de varias variables
pero s olo en casos lineales, por que? exclusivamente por una cuesti on de simplicaci on? S olo
en parte. Digamos que los fen omenos no lineales cobran importancia en momentos puntuales,
pero en general, ante un fen omeno que no sufra cambios muy bruscos (deseable) es plausible
pensar en que el sistema se comporta de un modo lineal.
Finalizamos el tema con un ejemplo, de nuevo referido a un modelo de din amica de pobla-
ciones, discreto por simplicacion en la presentaci on, pero no lineal en principio. Mostramos a
traves de el c omo analizar un problema no lineal (de forma) aproximada con tecnicas lineales.
Se trata de un modelo de los llamados de presa-depredador: dos especies conviven en un mis-
mo territorio, y una, digamos conejos, s olo se necesita a s misma para aumentar su n umero,
y la presencia de zorros s olo diculta su supervivencia; mientras que los zorros necesitan para
su supervivencia o bien un gran n umero de conejos, o un gran n umero de zorros (aunque la
segunda opcion sin la primera puede llevar a falta de presas m as adelante...):
_
_
_
C
t+1
= rC
t
e
aZt
,
Z
t+1
= Z
t
_
1 e
aZt
_
,
a > 0. (4.2)
Los valores a y r son constantes del modelo.
La primera pregunta sensata es buscar poblaciones constantes, esto es, C
t+1
= C
t
, y
Z
t+1
= Z
t
. Una primera solucion, la trivial, C
t
= 0 = Z
t
no nos interesa. Si suponemos que
las poblaciones son no nulas, obtenemos f acilmente que la otra posible poblaci on constante
es:
_
C

= rC

e
aZ

,
Z

= C

(1 e
aP

)

_

_
Z

=
ln r
a
,
C

=
r ln r
a(r 1)
.
Si ahora nos planteamos c omo son peque nas perturbaciones de este equilibrio entre las dos
poblaciones, podemos hacer el cambio de variables Z
t
= Z

+z
t
, C
t
= C

+c
t
. Igual que para
problemas de una variable hemos visto que una funci on est a bien aproximada por su recta
tangente en un peque no entorno del punto, en el Tema 5 de C alculo veremos un resultado
an alogo para funciones de varias variables
9
. As, podemos transformar (el termino exacto
es linealizar, pues nos quedamos con derivadas hasta orden 1, evaluadas en Z

y C

) las
ecuaciones _
_
_
C

+ c
t+1
= r(C

+ c
t
)e
a(Z

+zt)
,
Z

+ z
t+1
= (C

+ c
t
)(1 e
a(Z

+zt)
)
en otras mas simples:
_
c
t+1
= c
t
C

az
t
,
z
t+1
= c
t
_
1
1
r
_
+
C

a
r
z
t
.
(4.3)
El proceso ha consistido en sustituir
f(C

+ c
t
, Z

+ z
t
) = r(C

+ c
t
)e
a(Z

+zt)
por f(C

, Z

) +
f
c
t
(C

)c
t
+
f
z
t
(Z

)z
t
,
9
La derivacion de una funcion de varias variables requiere notacion especial: notamos derivada parcial
f
x
i
a la derivada de una funcion f con respecto a su variable xi, considerando el resto como valores constantes.
Ingeniera Tecnica
Forestal
13 Fundamentos Matem aticos
Curso 2004/05
TEMA 4. SISTEMAS DE ECUACIONES EN DIFERENCIAS Y DE ECUACIONES
DIFERENCIALES LINEALES
y lo mismo para
g(C

+ c
t
, Z

+ z
t
) = (C

+ c
t
)(1 e
a(Z

+zt)
) g(C

, Z

) +
g
c
t
(C

)c
t
+
g
z
t
(Z

)z
t
.
La notable diferencia es que, mientras el sistema (4.2) es no lineal, el sistema (4.3) s es lineal.
Su resoluci on es de hecho facil:
Consideramos un paso de tiempo m as en la primera ecuaci on de (4.3):
c
t+2
= c
t+1
C

az
t+1
= c
t+1
C

a
_
c
t
_
1
1
r
_
+
C

a
r
z
t
_
= c
t+1
C

a
_
c
t
_
1
1
r
_
+
1
r
(c
t
c
t+1
)
_
.
As hemos logrado obtener una ecuaci on en diferencias de orden 2 donde s olo aparece la
variable c. Pasamos a sistema de ecuaciones en diferencias, calculamos sus autovalores y
autovectores, y resolvemos explcitamente c
t
, tras lo cual z
t
se obtiene por sustituci on (y
as unas soluciones aproximadas al sistema original).
Ingeniera Tecnica
Forestal
14 Fundamentos Matem aticos
Curso 2004/05