3ra Unidad

Sistemas de EDOs Lineales
Mg. Sc. Ing Juan Julca Novoa
SISTEMA DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

1. NOCIONES PRELIMINARES: SISTEMA LINEALES
En este tema emplearemos mucho la notacin matricial y las propiedades de las matrices.
INTRODUCCION: Recordar cmo resolver sistemas de ecuaciones de n ecuaciones
diferenciales lineales con n incgnitas de la forma:
.
.
.
.
.
.
.
.
.
.
.
.
(1)
En donde las representaban polinomios de diversos grados en el operador diferencial D.

Aqu restringiremos el estudio a los sistemas de ecuaciones diferenciales de primer orden,
como el siguiente
.
.
.
.
.
.
(2)
Este sistema tal como (2) de n ecuaciones de primer orden se llama sistema de primer
orden.
SISTEMAS LINEALES Si cada una de las funciones , , , , en (2) es lineal en las
variables dependientes , , . . ., , se obtiene la forma normal de un sistema de ecuaciones
lineales de primer orden
.
.
.
.
.
.
(3)
Un sistema con la forma de las ecuaciones (3) se denomina sistema lineal de orden n, o
simplemente sistema lineal. Se supone que los coeficientes,
as como las funciones
soncontinuas en un intervalo comn, I. Cuando (t) = 0, i = 1,2, . . ., n, se dice que el sistema
lineal (3) es homogneo; en caso contrario, es no homogneo.
FORMA MATRICIAL DE UN SISTEMA LINEAL Si X, A(t) y F(t) denotan las matrices
respectivas.
, A(t)=
Entonces el sistema de ecuaciones diferenciales lineales de primer orden (3) se puede escribir
como
O simplemente
X'= AX + F.
Si el sistema es homogneo, su forma matricial es entonces
X'= AX
(4)
(5)
EJEMPLO 1 Sistemas expresados en notacin matricial

a)
Si X =
b) Si X =
, entonces la forma matricial del sistema homogneo.
, entonces la forma matricial del sistema homogneo.
es
X+
DEFINICIN 1.1 Vector solucin

Un vector solucin en un intervalo I es cualquier matriz columna
X=
Cuyos elementos son funciones derivables que satisfacen el sistema (4) en el intervalo
Un vector solucin de (4) es. Por supuesto, equivalente a n ecuaciones escalares
...,
y se puede interpretar desde el punto de vista
geomtrico como un conjunto de ecuaciones paramtricas de una curva en el espacio. En
el caso importante n = 2, las ecuaciones
representan una curva en
el plano
. Es prctica comn llamar trayectoria a una curva en el plano y llamar
plano fase al plano
Regresaremos a estos conceptos y se ilustrarn en la siguiente
seccin.
EJEMPLO 2 Comprobacin de soluciones
Compruebe que en el intervalo (
, )
y
Son soluciones de
SOLUCIN De
(6)
=
vemos
que
Gran parte de la teora de sistemas de n ecuaciones diferenciales de primer orden es similar a

la de las ecuaciones diferenciales de n- simo orden.
PROBLEMA CON VALORES INICIALES Sea
Donde las
que denota un punto en un intervalo I
, i= 1,2,, n son las constantes dadas.
Entonces el problema
Resolver:
= A (t) X + F (t).
(7)
Sujeto a: X ( ) =
Es un problema con valores iniciales en el intervalo.
TEOREMA 1.1 Existencia de una solucin nica
Sean los elementos de las matrices A(t) y F(t) funciones continuas en un intervalo comn I que
contiene al punto . Entonces existe una solucin nica del problema con valores iniciales (7)
en el intervalo.
SISTEMAS HOMOGNEOS.- En las prximas definiciones y teoremas solo nos
ocuparemos de los sistemas homogneos. Sin decirlo explcitamente, siempre supondremos
que las y las ; son funciones continuas de t en un intervalo comn I.
PRINCIPIO DE SUPERPOSICIN El siguiente resultado es un principio de
superposicin para soluciones de sistemas lineales.
TEOREMA 1.2 Principio de superposicin
Sea , , . . . , , un conjunto de vectores solucin del sistema homogneo (5) en un
intervalo I. entonces la combinacin lineal
X=
+
Donde las
son constantes arbitrarias, es tambin una solucin en el intervalo.
Como consecuencia del teorema 2,un mltiplo constante de cualquier vector solucin de un
sistema homogneo de ecuaciones diferenciales lineales de primer orden es tambin una
solucin.
EJEMPLO 3 Usando el principio de superposicin
Los estudiantes debemos practicar comprobando que los dos vectores
Son las soluciones de un sistema

X.
(8)
Por el principio de superposicin la combinacin lineal
Es otra solucin del sistema.

DEPENDENCIA LINEAL E INDEPENDENCIA LINEAL Ante todo nos interesan las
soluciones linealmente independientes del sistema homogneo, ecuacin ( 5).
DEFINICIN 1.2 Dependencia/ independencia lineal
Sea , , . . . ,
un conjunto de vectores solucin del sistema homogneo (5) en un
intervalo I. se dice que el conjunto es linealmente independiente en el intervalo si existen
constantes , , . . . , , no todas cero, tales que
+
Para toda t en el intervalo. Si el conjunto de vectores no es linealmente dependiente en el
intervalo, se dice que es linealmente independiente
Debe quedar claro el caso cuando k = 2; dos vectores solucin
y
son linealmente
dependientes si uno es un mltiplo constante del otro, y recprocamente. Cuando k > 2, un
conjunto de vectores solucin es linealmente dependiente si podemos expresar al menos un
vector solucin en forma de una combinacin lineal de los vectores restantes.
El WRONSKIANO Igual que cuando explicamos la teora de una sola ecuacin diferencial
ordinaria, podemos presentar el concepto del determinante Wronskiano como prueba de
independencia lineal. Lo enunciaremos sin demostrarlo.
WRONSKIANO. Sea (t) una matriz solucin (es decir cada columna es un vector solucin)
Observacin. Si
es una matriz fundamental, entonces W(t)= det

(Escobar A, Jaime. Ecuaciones diferenciales, p225)
10
TEOREMA 1.3 Criterio para las soluciones linealmente independientes
Sean
, .,
n vectores solucin del sistema homogneo (5) en un intervalo I. entonces el conjunto de

vectores es linealmente independiente en I si y slo si el Wronskiano
(9)
Para toda t en el intervalo.

Se puede demostrar que si , , . . . , , son vectores solucin del sistema (5), entonces,
para todo t en I se cumple W( , , . . . , ) 0, o bien W( , , . . . , ) 0. As, si
podemos demostrar que W 0 para algn
en I, entonces W 0 para todo t y, por
consiguiente, las soluciones son linealmente independientes en el intervalo.
Obsrvese que a diferencia de nuestra definicin de Wronskiano, aqu la definicin del
determinante (9) no implica derivacin.
EJEMPLO 4 Soluciones linealmente independientes
En el ejemplo 2 vimos que
son soluciones del sistema (6).
Es evidente que
y
son linealmente independientes en el intervalo (
ningn vector es un mltiplo constante del otro. Adems, se tiene
, ) puesto que
,
Para todos los valores reales de t.
DEFINICIN 1.3 Conjunto fundamental de soluciones
Cualquier conjunto
,
de n vectores solucin linealmente independientes del
sistema homogneo (5) en un intervalo I se dice que es un conjunto fundamental de
soluciones en el intervalo.
TEOREMA 1.4 Existencia de un conjunto fundamental
Existe un conjunto fundamental de soluciones para el sistema homogneo (5) en un intervalo
I.
11
Los dos teoremas siguientes son equivalentes a los teoremas (Soluci6n general, ecuaciones
homogneas) y (Solucin general, ecuaciones no homogneas) para sistemas lineales.
TEOREMA 1.5 Solucin general, sistemas homogneos
Sea
,
un conjunto fundamental de soluciones del sistema homogneo (5) en un
intervalo I. entonces la solucin general del sistema en el intervalo es
+
Donde las
, i= 1,2,, n son constantes arbitrarias
EJEMPLO 5 Solucin general del sistema (6)

Del ejemplo 2 sabemos que
son soluciones lineales
independientes de (6) en (
, ). Por tanto
son un conjunto fundamental de
soluciones en el intervalo. La solucin general del sistema en el intervalo entonces es
X=
(10)
EJEMPLO 6 Solucin general del sistema (8)

Los vectores
Son soluciones del sistema (8) en el ejemplo 3

Ahora.
W(
)=
Para todos los valores reales t. se concluye que

forman un conjunto fundamental
de soluciones en (
, ). Por lo que la solucin general del sistema en el intervalo es la
combinacin lineal X=
; es decir,
X=
12
SISTEMAS NO HOMOGNEOS Para los sistemas no homogneos, una solucin

particular X, en un intervalo I es cualquier vector, sin parmetros arbitrarios, cuyos
elementos sean funciones que satisfagan al sistema (4).
TEOREMA 1.6 Solucin general: sistemas no homogneos
Sea
una solucin dad del sistema no homogneo (4) en un intervalo I y sea

=
Que denota la solucin general en el mismo intervalo del sistema homogneo asociado (5).
Entonces la solucin general del sistema no homogneo en el intervalo es
X=
.
La solucin general
del sistema homogneo relacionado (5) se llama funcin
complementaria del sistema no homogneo (4)
EJEMPLO 7 Solucin general: sistema no homogneo
El vector
es una solucin particular del sistema no homogneo
=
En el intervalo (
(11)
, ).
La funcin complementaria de (11) en el mismo intervalo o la solucin general

como vimos en (10) del ejemplo 5 que
. Por tanto, por el
teorema 6
X=
es la solucin general de (11) en (
, )
2. SISTEMAS LINEALES HOMOGNEOS

INTRODUCCIN Vimos en el ejemplo 5 de la seccin anterior que la solucin general del
sistema homogneo
=
es
X=
Ya que los vectores
tienen la forma
13
i =1,2, donde
son constantes, nos inquieta preguntar si
siempre es posible hallar una solucin de la forma
X=
=K
(1)
Para la solucin del sistema lineal homogneo general del primer orden
X'= AX
Donde A es una matriz n x n de constantes.
(2)
EIGENVALORES Y EIGENVECTORES
Si (1) es un vector solucin del sistema
homogneo lineal (2),entonces
,por lo que el sistema se convierte en
.Despues de dividirlo entre
y reacomodando, obtenemos
o
.Ya que
, la ultima ecuacin es igual a
La ecuacin matricial (3) es equivalente a las ecuaciones algebraicas simultneas
Por lo que para encontrar soluciones

de (2), necesitamos primeo encontrar una solucin no
trivial del sistema anterior; en otras palabras, debemos encontrar un vector no trivial
que
satisfaga a (3).Pero para que (3) tengan soluciones que no sean la solucin obvia
, se debe tener
Esta ecuacin polinomial en se llama ecuacin caracterstica de la matriz . Sus soluciones

son los eigenvalores de .Una solucin
de (3) correspondiente a un eigenvalor se
llama eigenvector de . Entonces una solucin del sistema homogneo (2) es
.
En el siguiente anlisis se examina tres casos: eigenvalores reales y distintos (es decir, los
eigenvalores no son iguales), eigenvalores repetidos y, por ltimo, eigenvalores complejos.
2.1 EIGENVALORES REALES DISTINTOS
Cuando la matriz
tiene eigenvalores reales y distintos
entonces
siempre se puede encontrar un conjunto de eigenvectores linealmente independientes
y
14
es un conjunto fundamental de (2) en intervalo

TEOREMA 2.1 Solucin general: Sistemas homogneos
Sean
eigenvalores reales y distintos de la matriz de coeficientes del sistema
homogneo (2) y sean
los eigenvectores correspondientes .Entonces la solucin
general de (2) en el intervalo
est dada por
EJEMPLO 1. Eigenvalores distintos
Resuelva
SOLUCIN Primero determine los eigenvalores y eigenvectores de la matriz e coeficientes.
De la ecuacin caracterstica
vemos que los eigenvalores son
y
Ahora para
(3) es equivalente a
Por lo que
Para
Por lo que
.Cuando
, el eigenvector correspondiente es
tenemos
; por tanto con
el eigenvector correspondiente es
Puesto que la matriz de coeficientes es una matriz de

soluciones linealmente independientes de (4),
y
Se concluye que la solucin general del sistema es
y como hemos encontrado dos

,
DIAGRAMA DE FASE Debe considerarse que escribir una solucin de un sistema de

ecuaciones en trminos de matrices es simplemente una alternativa al mtodo que se emple
anteriormente, es decir, enumerar cada una de las funciones y la relacin entre las constantes.
Si sumamos los vectores en el lado derecho de (5) y despus igualamos las entradas con las
entradas correspondientes en el vector en el lado izquierdo, se obtiene la expresin familiar
Como se indic en la seccin anterior se puede interpretar estas ecuaciones como ecuaciones
paramtricas de curvas en el plano
o plano fase. Cada curva, que corresponde a elecciones
especficas de y , se llama trayectoria.
15
EJEMPLO 2. Eigenvalores distintos

Resuelva
SOLUCIN Usando los cofactores del tercer rengln, se encuentra
Y as los eigenvalores son

Para
, con la eliminacin de Gauss-Jordan, se obtiene
Por tanto
correspondiente
.La eleccin
da un eigenvector y el vector solucin
De igual manera, para
Implica que
el vector solucin
Por ltimo, cuando
Al elegir
, se obtiene un segundo eigenvector y
las matrices aumentadas
Producen
La solucin general de (6) es una combinacin lineal de los vectores solucin en (7), (8) y (9):
16
2.2 EIGENVALORES REPETIDOS

Por supuesto, no todos lo eigenvalores
de una matriz de
deben ser
distintos, es decir, algunos de los eigenvalores podran ser repetidos. Por ejemplo, la ecuacin
caracterstica de la matriz de coeficientes en el sistema
se demuestra fcilmente que es
, y por tanto ,
multiplicidad dos. Para este valor se encuentra el nico eigenvector
es una raz de
es una solucin de (10). Pero como es obvio que tenemos inters en formar la solucin
general del sistema, se necesita continuar con la pregunta de encontrar una segunda solucin.
En general, si
es un entero positivo y
es un factor de la ecuacin caracterstica,
mientras que
no es un factor, entonces se dice que
es un eigenvalor de
multiplicidad
.En los tres ejemplos que se dan a continuacin se ilustran los casos
siguientes:
1) Para algunas matrices de
seria posible encontrar eigenvectores
linealmente independientes
, correspondientes a un eigenvalor , de
multiplicidad
. En esta caso la solucin general del sistema contiene la
combinacin lineal
2) Si slo hay un eigenvector propio que corresponde al eigenvalor de multiplicidad
, entonces siempre se pueden encontrar soluciones linealmente independientes de
la forma
.
.
.
,
donde las
son vectores columna.
EIGENVALORES DE MULTIPLICIDAD DOS Se comienza por considerar eigenvalores
de multiplicidad dos. En el primer ejemplo se ilustra una matriz para la que podemos encontrar
dos eigenvectores distintos que corresponden a un doble eigenvalor.
EJEMPLO 3. Eigenvalores repetidos
Resuelva
17
SOLUCION Desarrollando el determinante en la ecuacin caracterstica
Se obtiene
Para
. Se ve que
y
, con la eliminacin de Gauss-Jordan se obtiene de inmediato
El primer rengln de la ltima matriz indica que

elecciones
y
por lo que dos eigenvectores correspondientes
o
producen, a su vez,
son
. Las
y
Puesto que ningn eigenvector es mltiplo constante del otro, se han encontrado dos
soluciones linealmente independientes.
Que corresponden al mismo eigenvalor. Por ltimo, para
Implica que
y
lo que el tercer eigenvector es
.Al seleccionar
la reduccin
, se obtiene
; por
Concluimos que la solucin general del sistema es
La matriz de coeficientes
del ejemplo 3 es un tipo especial de matriz conocida como matriz
simtrica. Se dice que una matriz
de
es simtrica si su transpuesta
(donde se
intercambian renglones y columnas) es igual que , es decir, si
. Se puede demostrar
que si la matriz
del sistema
es simetrica si tiene elementos reales, entonces
siempre es posible encontrar eigenvectores linealmente independientes
, y la
solucin general de ese sistema es como se muestra en el teorema 1. Como se muestra en el
ejemplo 3, este resultado se cumple aun cuando estn repetidos algunos de los eigenvalores.
18
SEGUNDA SOLUCIN. Suponga que

es un valor propio de multiplicidad dos y que solo
hay un eigenvectore asociado con este valor.- se puede encontrar una segunda solucin de la
forma
t
+P
(12)
Donde
K=
y P=
EJEMPLO 4 Eigenvalores repetidos

Encuentre la solucin general del sistema dado en ( 10)
SOLUCIN de (11) se sabe qu
Identificamos K=
y que una solucin es

, encontramos de (14) que ahora debemos resolver
(A + 3I)P = K
Puesto que resulta obvio que este sistema es equivalente a una ecuacin, se tiene un nmero
infinito de elecciones de
.Por ejemplo, al elegir =1 se encuentra que
= 1/6. Sin
embargo, por simplicidad =1/2 por lo que
=0. Entonces
P=
. As de (12) se encuentra que
La solucin general de (10) es X=

X=
EIGEN DE MULTIPLICIDAD TRES Cuando la matriz de coeficientes A tiene slo un

eigenvector asociado con un eigenvalor de multiplicidad tres, podemos encontrar una
segunda solucin de la forma (12) y una tercera solucin de la forma
(15)
Donde
19
K=
Al sustituir ( 15)en el sistema

satisfacer
, P=
= AX, se encuentra que los vectores columna K,P y Q debe
(A - I)K=0
(A - I)P=K
(A - I)Q=P
(16)
(17)
(18)
Por su puesto, las soluciones (16) y (17) se pueden usar para formar las soluciones
EJEMPLO 5 Eigenvalores repetidos
Resuelva
X.
SOLUCIN La ecuacin caracterstica

= 0 demuestra que
es un eigenvalor de
multiplicidad tres. Al resolver (A-2I)K= 0, se encuentra el nico eigenvector
K=
A continuacin se resuelve primero el sistema (A-2I)P = K y despus el sistema (A-2I)Q=P y
se encuentra que
P=
y Q=
Usando (12) y (15), vemos que la solucin general del sistema es
X=
Cuando un eigenvalor (valor propio)

tiene multiplicidad m, podr suceder que
determinemos m vectores propios linealmente independientes, o que la cantidad de vectores
propios correspondientes sea menor de m. En consecuencia, los dos casos de un eigenvalor
repetido no constituyen todas las posibilidades en que se puede presentar un eigenvalor
20
repetido; por ejemplo, es posible que una matriz de 5 x 5 tenga un valor propio de
multiplicidad cinco y que existan tres vectores propios linealmente independientes.
2.3 EIGENVALORES COMPLEJOS
Si
son eigenvalores complejos de la matriz de
coeficientes A, entonces se puede esperar de hecho que sus eigenvectores correspondientes
tambin tengan entradas complejas.
Por ejemplo, la ecuacin caracterstica del sistema
(19)
Es det(A- I)=
= -10
De la forma cuadrtica se encuentra

Ahora para
se debe resolver
(1 - 2i) 5 - (1 + 2i)
la eleccin -
Puesto que solucin correspondiente:
=0
= 0.
siguiente eigenvector y el vector
,
De manera similar, para
=5-2i encontramos
,
Podemos comprobar por medio del Wronskiano que estos vectores solucin son linealmente
independientes y por lo tanto la solucin general de ( 19)es
X=
(20)
Observe que las entradas en

correspondientes a
son los conjugados de las entradas de
correspondientes a . El conjugado de es, por supuesto, Esto se escribe como
y
.
TEOREMA 2.2. Soluciones correspondientes a un eigenvalor complejo
21
Sea A una matriz de coeficientes que tiene entradas reales del sistema homogneo ( 2)y sea
un eigenvector correpondiente al eigenvalor complejo
Entonces
Son soluciones de (2).

Es deseable y relativamente fcil rescribir una solucin tal como (20) en trminos de
funciones reales. Con este fin primero usamos la frmula de Euler para escribir.
.
Entonces, multiplicando los nmeros complejos, agrupando trminos y reemplazando
Por y (
por
se convierte en
X=
Donde
(21)
Ahora es importante reconocer que los dos vectores, y

en (21) son, en s mismos,
soluciones reales linealmente independientes del sistema original. En consecuencia, podemos
pasar por alto la relacin entre ,
y
para considerar que y son completamente
arbitrarios y reales; en otras palabras, la combinacin lineal, ecuaciones (21), es una solucin
general alternativa de (19).
Se puede generalizar el procedimiento anterior. Sea
un eigenvector de la matriz de
coeficientes A (con elementos reales) que corresponde al eigenvalor complejo
.
Entonces los dos vectores solucin del teorema 2.1 se pueden expresar como sigue:
Por el principio de superposicin, teorema 2, los siguientes vectores tambin son soluciones:
.
Tanto
= a
como
son nmeros reales para cualquier nmero
complejo z=a+ib. Por lo tanto, los elementos de los vectores columna

son nmeros reales. Si definimos
(22)
Conduce al siguiente teorema
22
TEOREMA 2.3 Soluciones reales que corresponden a un eigenvalor complejo

Sea
un eigenvalor complejo de la matriz de coeficientes A en el sistema
homogneo (2) y sean y los vectores columna definidos en (22) entonces:
(23)
Son soluciones linealmente independientes de (2) en (-, )
Las matrices
en (22) con frecuencia se denotan por

y
(24)
Ya que estos vectores son, respectivamente, las partes real e imaginarias del eigenvector
Por ejemplo, (21) se deduce de (23) con
.
=
EJEMPLO 6 Eigenvalores complejos

Resuelve el problema con valores iniciales
X, X(0)=
(25)
Primero se obtienen los eigenvalores a partir de

det(A - I)=
Los eigenvalores son
=2i y
Para
el sistema
(2-2i)
da
eligiendo
, se obtiene
Ahora de (24) formamos

.
Puesto que =0, se tiene a partir de (23) que la solucin general del sistema es
23
X=
=
(26)
3. SISTEMAS LINEALES NO HOMOGNEOS

INTRODUCCIN
En la seccin 1.1 vimos que la solucin general de un sistema lineal no homogneo
en un intervalo es
, donde
es la funcin complementaria o solucin general del sistema lineal homogneo asociado
y
es cualquier solucin particular del sistema no homogneo. En la seccin 1.2
vimos como obtener
cuando la matriz de coeficientes
era una matriz de constantes
.En esta seccin consideraremos dos mtodos para obtener .
Los mtodos de coeficientes indeterminados y variacin de parmetros empleados para
determinar soluciones particulares de ecuaciones diferenciales ordinarias lineales no
homogneas, se pueden adaptar a la solucin de sistemas lineales no homogneos
. De los mtodos, variacin de parmetros es la tcnica ms poderosa. Sin
embargo, hay casos en que el mtodo de coeficientes indeterminados provee un medio rpido
para encontrar una solucin particular.
3.1 COEFICIENTES INDETERMINADOS
LAS SUPOSICIONES. Como en la seccin anterior, el mtodo de coeficientes
indeterminados consiste en hacer una suposicin bien informada acerca de la forma de un
vector solucin particular
la suposicin es originada por los tipos de funciones que
constituyen los elementos de la matriz columna
.No es de sorprender que la versin
matricial de los coeficientes indeterminados sea aplicable a
slo cuando los
elementos de son constantes y los elementos de
son constantes, polinomios, funciones
exponenciales, senos y cosenos o sumas y productos finitos de estas funciones.
EJEMPLO1. Coeficientes indeterminados
Resuelva el sistema
en
SOLUCIN Primero resolvemos el sistema homogneo asociado

.
La ecuacin caracterstica de la matriz de coeficientes .
,
24
produce los eigenvalores complejos

seccin 1.2, se encuentra que
. Con los procedimientos de la
Ahora, puesto que

es un vector constante, se supone un vector solucin particular
constante
.Sustituyendo esta ltima suposicin en el sistema original e igualando las entradas
se tiene que
.
Al resolver este sistema algebraico se obtiene
y
y as, una solucin particular
.La solucin general del sistema original de la ecuacin difencial en el intervalo
es entonces
EJEMPLO2. Coeficientes indeterminados

Resuelva el sistema
SOLUCIN. Se determina que los eigenvalores y los eigenvectores del sistema homogneo
asociado
son
Por lo tanto la funcin complementaria es
Ahora bien, debido a que

se puede escrbir como
encontrar una solucin particular del sistema que tenga la misma forma:
se tratara de
Sustituyendo esta ltima suposicin en el sistema dado se obtiene
De la ltima identidad se obtienen cuatro ecuaciones algebraicas con cuatro incgnitas

Y
Resolviendo de forma simultanea las primeras dos ecuaciones se obtiene
y
Despus, se sustituyen estos valores en las dos ltimas ecuaciones y se despeja para y
.
.
25
Los resultados son
.Por tanto, se tiene que un vector solucin particular es
La solucin general del sistema en
es
EJEMPLO 3. Forma de
Determine la forma de un vector solucin particular
Solucin. Ya que
para el sistema.
se puede escribir en trminos matriciales como
una suposicin natural para una solucin particular seria
COMENTARIOS
El mtodo de coeficientes indeterminados para sistema lineales no es tan directo como
pareceran indicar los ltimos tres ejemplos. En la seccin 4.4 la forma de una solucin
particular se predijocon base en el conocimiento previo de la funcin complementaria .Lo
mismo secumple para la formacin de .Pero hay otras dificultades: las reglas que gobiernan
la forma de en la seccin anterior no conducen a la formacin de .Por ejemplo,si
es
un vector constante como en el ejemplo 1 y
es un eigenvalor de multiplicidad
uno,entonces contiene un vector constante.Bajo la regla e multiplicacin de la pgina 146 se
tratara comnmente de una solucin particular de la forma =
.Esta no es la suposicin
apropiada para sistema lineales,la cual debe ser
ejemplo 3, si se remplaza
en
por
correcta del vector solucin particular es
=
.De igual manera, en el

, entonces la forma
En vez de ahondar en estas dificultades, se vuelva al mtodo de variacin de parmetros.

3.2VARIACION DE PARAMETROS.
26
Una matriz fundamental si

es un conjunto fundamental de soluciones del sistema
homogneo
en el intervalo ,entonces su solucin general en el intervalo es la
combinacin lineal
o
La ltima matriz en
se reconoce como el producto de una matriz
En otras palabras, la solucin general
con una matriz de
se puede escribir como el producto
Donde es un vector columna de

constantes arbitrarias
y la matriz
cuyas columnas consisten en los elementos de los vectores solucin del sistema
Se llama matriz fundamental del sistema en el inrvalo.

En el anlisis siguiente se requiere usar dos propiedades de una matriz fundamental
Una matriz fundamental
es no singular.
Si
es una matriz fundamental del sistema
, entonces
Un nuevo examen de (9) del teorema 8.1.3 muestra que
es igual al Wronskiano
.Por tanto, la independencia lineal de las columnas de
en el intervalo
garantiza que
para toda en el intervalo.Puesto que
es no singular, el
inverso multiplicativo
exista para todo en el intervalo.
El resultado dado en (3) se deduce de inmediato del hecho de que cada columna de
es un
vector solucin de
.
VARIACIN DE PARMETROS Anlogamente al procedimiento de la seccin 4.6 nos
preguntamos si es posible reemplazar la matriz de constantes en (2) por una matriz columna
de funciones
27
es una solucin particular de sistema no homogneo

Por la regla del producto la derivada de la ltima expresin en (4) es
Observe que el orden en los productos en (6) es muy importante. Puesto que
es una
matriz columna, los productos
y
no estn definidos. Sustituyendo (4) y
(6) en (5), se obtiene
Ahora si usa (3) para reemplazar
, (7) se convierte en
O
Multiplicando ambos lados de la ecuacin (8) por
, se obtiene
por tanto
Puesto que
, se concluye que una solucin particular de (5) es
Para calcular la integral indefinida de la matriz columna

entrada.Asi, la solucin general del sistema (5)es
en (9), se integra cada

o
Observe que no es necesario usar una constante de integracin en la evaluacin de

por las mismas razones expresadas en la explicacin de variacin de
parmetros en la seccin anterior.
EJEMPLO 4 Variacin de parmetros
Resuelva el sistema
Solucin Primero resolvemos el sistema homogneo asociado
La ecuacin caracterstica de la matriz de coeficientes es
28
Por lo que los eigenvalores son

eigenvectores correspondientes a y
los vectores solucin del sistema son
y
.Con el mtodo usual se encuentra que los
son, respectivamente,
y
.Entonces,
Las entradas en a partir de la primera columna de

segunda columna de
.Por lo tanto
y las entradas en
a partir de la
A partir de (9) anterior obtenemos
Por tanto a partir de (10) anterior la solucin del sistema en el intervalo es
Problema con valores iniciales la solucin general de (5) en el intervalo se puede escribir en
una forma alternativa
Donde y son puntos en el intervalo.Esta ultima forma es til para resolver (5) sujeta a una
condicin inicial
, porque los lmites de integracin se eligen de tal forma que la
29
solucin particular sea cero en

.Sutituyendo
en (13) se obtiene
a
partir de la que se obtiene
Sustituyendo este ultimo resultado en (13) se
obtiene la siguiente solucin del problema con valores iniciales:
4. MATRIZ EXPONENCIAL
INTRODUCCION Las matrices se pueden usar de una manera completamente distinta para
resolver un sistema de ecuaciones diferenciales lineales de primer orden. Recuerde que la
ecuacin diferencial lineal simple de primer orden
, donde a es constante,tiene la
solucin general
,donde es constante.Parece natural preguntar si se puede definir
una funcin exponencial matricial
,donde es una matriz de cnstantes por lo que una
solucin del sistema
es
.
Sistemas homogneos Ahora veremos que es posible definir una matriz exponencial
tal
que
Es una solucin del sistema homogneo
.Aqui es una matriz de
de constanres
y es una matriz de columna
de constantes arbitrarias .Observe en (1) que la matriz
se multiplica por la derecha a
porque queremos que
sea una matriz de
.Mientras
que el desarrollo completo del significado y teora de la matriz exponencial requerira un
conocimiento completo de algebra de matrices, una forma de definir
se baa en la
representacin en serie de potencias dela funcin exponencial escalar
:
La serie en
converge para todo .Si se usa esta serie, con la identidad en ves de 1 y la
constante se reemplaza por una matriz
de constantes, se obtiene una definicin para
la matriz
,
Definicin 4.1 Matriz exponencial
Para cualquier matriz
,
Se puede demostrar que la serie dada en

converge a una matriz
para todo valor de
.Tambien ,
, etctera.
Derivada de
La derivada de la matriz exponencial es similar a la propiedad de derivacin
de la exponencial escalar
. Para justificar
derivamos (3) termino por termino
30
Debido a (4), ahora se puede probar que (1) es una solucin de

de constantes:
para odo vector
es una matriz fundamental Si se denota la matriz exponencial

con el smbolo
,entonces (4) es equivalente a la ecuacin diferencial matricial
(vase (3)
de la seccin 8.3).Ademas, se deduce de
inmediato de la definicin 8.4.1 que
, y por tanto
.Se tiene que estas propiedades son suficientes para
concluir que
es una matriz fundamental del sistema
.
SISTEMAS NO HOMOGENEOS
Se vio en (4) de la seccin 2.4 que la solucin general de la ecuacin diferencial lineal nica
de primer orden
, donde es una constante, se puede expresar como
Para un sistema no homogneo de ecuaciones diferenciales lineales de primer orden, se puede

demostrar que la solucin general de
, donde
es una matriz
de
constantes, es
Puesto que la matriz exponencial

es una matriz fundamental, siempre es no singular y
.En la practica,
se puede obtener de
al reemplazar por .
CALCULO DE
La definicin de
dada en (3) siempre se puede usar para calcular
.Sin embargo, la utilidad prctica de (3) est limitada por el hecho de que los elementos de
son series de potencias en .Con un deseo natural de trabajar con cosas simples y
familiares, se trata de reconocer si estas series definen una funcin de forma cerrada. Vanse
los problemas 1 a 4 de los ejercicios 1.4.Por fortuna, hay muchas formas alternativas de
calcular
; la siguiente explicacin muestra como se puede usar la transformada de Laplace.
USO DE LA TRANSFORMADA DE LAPLACE Vimos en (5) que
es una solucin
de
.
De hecho, puesto que
,
es una solucin de problema con valores iniciales
Si
.entonces la transformada de Laplace de (6) es
31
o
Multiplicando la ltima ecuacin por
.
En otras palabras,
se tiene que
o
Ejemplo 1. Matriz exponencial

Use la transformada de Laplace para calcular
SOLUCIN Primero calcula la matriz
para
y detemine su inversa:
Entonces, descomponiendo las entradas de la ltima matriz en fracciones parciales:
Se deduce de (7) que la transformada de Laplace inversa de (8) proporciona el resultado

deseado
32
REFERENCIAS
A.Kiseliov, M.Krasnov,G.Makarenko., Problemas de Ecuaciones Diferenciales
Ordinarias, Edit. Mir. Per 1982.
Dennis G,Zill. Ecuaciones diferenciales con aplicaciones de modelado,Edit.
Intemational Thomson.Mxico1997.
Espinoza R.,Eduardo. Ecuaciones diferenciales y aplicaciones, Edit. J .J. Servicios
Grficos. Per 2004.
Escobar
A,
Jaime.
Ecuaciones
diferenciales,
extrado
desde
http://matematicas.udea.edu.co/~jescobar/, el 5 de junio del 2010.
Sistemas de ecuaciones lineales, extrado desde
http://www.matematicasbachiller.com/videos/algebra/ind_al02.htm#1, el 6 de junio
del 2010.
33

3ra Unidad

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

3ra Unidad

Încărcat de

Drepturi de autor:

Formate disponibile

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

SISTEMA DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

En donde las representaban polinomios de diversos grados en el operador diferencial D.

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

EJEMPLO 1 Sistemas expresados en notacin matricial

, entonces la forma matricial del sistema homogneo.

, entonces la forma matricial del sistema homogneo.

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

DEFINICIN 1.1 Vector solucin

Gran parte de la teora de sistemas de n ecuaciones diferenciales de primer orden es similar a

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

PROBLEMA CON VALORES INICIALES Sea

que denota un punto en un intervalo I

, i= 1,2,, n son las constantes dadas.

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

Son las soluciones de un sistema

Por el principio de superposicin la combinacin lineal

Es otra solucin del sistema.

es una matriz fundamental, entonces W(t)= det

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

TEOREMA 1.3 Criterio para las soluciones linealmente independientes

n vectores solucin del sistema homogneo (5) en un intervalo I. entonces el conjunto de

Para toda t en el intervalo.

son soluciones del sistema (6).

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

, i= 1,2,, n son constantes arbitrarias

EJEMPLO 5 Solucin general del sistema (6)

son soluciones lineales

EJEMPLO 6 Solucin general del sistema (8)

Son soluciones del sistema (8) en el ejemplo 3

Para todos los valores reales t. se concluye que

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

SISTEMAS NO HOMOGNEOS Para los sistemas no homogneos, una solucin

una solucin dad del sistema no homogneo (4) en un intervalo I y sea

es una solucin particular del sistema no homogneo

La funcin complementaria de (11) en el mismo intervalo o la solucin general

. Por tanto, por el

2. SISTEMAS LINEALES HOMOGNEOS

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

son constantes, nos inquieta preguntar si

siempre es posible hallar una solucin de la forma

Por lo que para encontrar soluciones

Esta ecuacin polinomial en se llama ecuacin caracterstica de la matriz . Sus soluciones

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

es un conjunto fundamental de (2) en intervalo

; por tanto con

Puesto que la matriz de coeficientes es una matriz de

y como hemos encontrado dos

DIAGRAMA DE FASE Debe considerarse que escribir una solucin de un sistema de

Sistemas de EDOs Lineales

Mg. Sc. Ing Juan Julca Novoa

EJEMPLO 2. Eigenvalores distintos

SOLUCIN Usando los cofactores del tercer rengln, se encuentra

Y as los eigenvalores son