Solucion de Sistemas de Ecuaciones Diferenciales Lineales

Departamento de Matematicas, CSI/ITESM

17 de junio de 2008

Indice
26.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
26.2. Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
26.3. Ejemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
26.4. Motivaci on a la formalizaci on del metodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
26.5. Formalizaci on del metodo de soluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
26.1. Introduccion
En esta lectura veremos una aplicacion del algebra lineal a la soluci on de sistemas de ecuaciones dife-
renciales. Los conceptos involucrados son valores y vectores propios de una matriz, as como el concepto de
diagonalizaci on de una matriz. La lectura esta organizada de la siguiente manera. Primeramente, se veran dos
ejemplos de la aplicacion del metodo. En estos ejemplos se muestra como utilizar una calculadora avanzada de
las que obtienen valores y vectores propios de una matriz. Seguidamente, viene una secci on donde se motiva
el metodo de solucion. Finalmente, la lectura termina con una secci on donde se formaliza el metodo.
26.2. Ejemplo 1
Veamos un primer ejemplo que ilustra el metodo de soluci on. En este todos los valores propios son diferentes
y as la matriz que resulta es diagonalizable.
Ejemplo 26.1
Determine la solucion al sistema
x

= 2x + 3y
y

= 2x + y
Sujeto sujeto a las condiciones iniciales: x(0) = 3 y y(0) = 2.
Soluci on:(y metodo de soluci on)
1. El sistema se escribe en forma matricial:
_
x

_
=
_
2 3
2 1
_ _
x
y
_
2. Se determinan los valores propios de la matriz de coecientes. El polinomio caracterstico es:
p
A
() =
2
3 4
Los valores propios son entonces:

1
= 1,
2
= 4
3. Se determinan los vectores propios correspondientes son:
v
1
=
_
1
1
_
, v
2
=
_
3/2
1
_
Figura 1: Ejemplo 1: Matriz del sistema y sus valores y vectores propios.
El metodo que describiremos aplica cuando todos los valores caractersticos son reales y cuando la totalidad
de los vectores propios determinados es n: v
1
, v
2
, . . . , v
n
, siendo la matriz de coecientes n n. En este caso
la solucion general se escribe:
x =
n

i=1
C
i
v
i
e

i
t
4. Se forma la solucion general al sistema:
_
x(t)
y(t)
_
= C
1
_
1
1
_
e
1t
+ C
2
_
3/2
1
_
e
4t
5. Se determina la solucion particular: determinacion de C
1
y C
2
usando x(0) = 3 y y(0) = 2:
_
3
2
_
= C
1
_
1
1
_
e
10
+ C
2
_
3/2
1
_
e
40
Para determinar las constantes resolvemos el sistema cuya matriz aumentada es:
_
1 3/2 3
1 1 2
_

_
1 0 12/5
0 1 2/5
_
_
x
y
_
=
12
5
_
1
1
_
e
t
+
2
5
_
3/2
1
_
e
4t
O bien:
_
x
y
_
=
_
12/5
12/5
_
e
t
+
_
3/5
2/5
_
e
4t
Hag amos los calculos con una calculadora TI Voyage. En la gura 1: se dene la matriz del sistema
A; se determinan los valores propios; se obtienen los vectores propios correspondientes; y se introducen las
condiciones iniciales. Cabe observar que debe respetarse el orden de aparicion de cada valor propio y de cada
vector propio:
Para el valor propio 4, el vector < 0.832, 0.554 > genera el espacio invariante.
Para el valor propio 1, el vector < 0.707, 0.707 > genera el espacio invariante.
As la solucion general quedara:
_
x
y
_
= C
1
_
0.832
0.554
_
e
4 t
+ C
2
_
0.707
0.707
_
e
t
La constantes C
1
y C
2
de la solucion particular pueden ser determinadas resolviendo el sistema: VC = C
i
donde V es la matriz formada por los vectores propios y C
i
es el vector de condiciones iniciales. Para obtener
2
Figura 2: Ejemplo 1: calculos para las condiciones iniciales.
Figura 3: Ejemplo 1: calculos para x(t = 1.2) y y(t = 1.2).
c
i
V
i
hacemos el truco del producto V diag(c
1
, c
2
). Estos calculos se ilustran en la gura 2. Por tanto, la
solucion particular es:
_
x
y
_
=
_
0.6
0.4
_
e
4 t
+
_
2.4
2.4
_
e
t
Suponga que se desea determinar x(1.2) y y(1.2). En este caso, las operaciones pueden hacerse en forma sencilla
utilizando la matriz V diag(c
1
, c
2
) y el vector con los datos, como se ilustra en la gura 3.
26.3. Ejemplo 2
Ahora veamos un ejemplo donde la matriz tiene valores propios diferentes pero la matriz es diagonalizable
debido a que la dimensi on algebraica coincide con la dimensi on geometrica.
Ejemplo 26.2
Determine la solucion al sistema
x

= x 2y + 2z
y

= 2x + y 2z
z

= 2x 2y + z
Sujeto sujeto a las condiciones iniciales: x(0) = 3, y(0) = 2 y z(0) = 1.
Soluci on:
1. El sistema se escribe en forma matricial:
_
_
x

_
_
=
_
_
1 2 2
2 1 2
2 2 1
_
_
_
_
x
y
z
_
_
2. Se determinan los valores propios de la matriz de coecientes. El polinomio caracterstico es:
p
A
() = (
3
3
2
9 5) = ( + 1)
2
( 5)
Los valores propios son entonces:

1
= 1,
2
= 1,
3
= 5
3
3. Se determinan los vectores propios correspondientes a
1
= 1:
v
1
=
_
_
1
1
0
_
_
, v
2
=
_
_
0
1
1
_
_
y a
3
= 5:
v
3
=
_
_
1
1
1
_
_
4. La solucion general al sistema es entonces:
_
_
x(t)
y(t)
z(t)
_
_
= C
1
_
_
1
1
0
_
_
e
1t
+ C
2
_
_
0
1
1
_
_
e
1t
+ C
3
_
_
1
1
1
_
_
e
5t
5. Determinaci on de la solucion particular usando las condiciones iniciales x(0) = 3, y(0) = 2 y z(0) = 1:
_
_
3
2
1
_
_
= C
1
_
_
1
1
0
_
_
e
10
+ C
2
_
_
0
1
1
_
_
e
10
+ C
3
_
_
1
1
1
_
_
e
50
Para determinar las constantes resolvemos el sistema cuya matriz aumentada es:
_
_
1 0 1 3
1 1 1 2
0 1 1 1
_
_

_
_
1 0 0 1
0 1 0 1
0 0 1 2
_
_
Por tanto, la solucion particular es:
_
_
x
y
z
_
_
=
_
_
1
1
0
_
_
e
t

_
_
0
1
1
_
_
e
t
+ 2
_
_
1
1
1
_
_
e
5t
O simplemente,
_
_
x
y
z
_
_
=
_
_
1
0
1
_
_
e
t
+
_
_
2
2
2
_
_
e
5t
La gura 4 ilustra los valores y vectores propios propios de la matriz de coecientes. La gura 5 muestra los
valores de las constantes C
1
, C
2
y C
3
relativas a las condiciones iniciales. La gura 6 muestra los vectores que
acompa nan a las exponenciales en las conidiciones iniciales y la gura 7 muestra los valores de x(1.5) y de
y(1.5).
De los calculos de la gura 6 se deduce que la soluci on particular es:
_
_
x
y
z
_
_
=
_
_
2
2
2
_
_
e
5 t
+
_
_
1.004
0.502
0.502
_
_
e
t
+
_
_
0.004
0.502
0.498
_
_
e
1t
=
_
_
2
2
2
_
_
e
5 t
+
_
_
1.0
0.0
1.0
_
_
e
t
Para determinar los valores de x(t = 1.5), y(t = 1.5) y z(1.5) podemos recurrir de nuevo a calculos cons
matrices como se ilustra en la gura 7.
4
Figura 4: Ejemplo 2: vectores propios para la matriz de coecientes.
Figura 5: Ejemplo 2: calculo referente a las condiciones iniciales.
Figura 6: Ejemplo 2: calculo referente a las condiciones iniciales.
Figura 7: Ejemplo 2, Posici on en t = 1.5.
5
26.4. Motivacion a la formalizacion del metodo
Veamos dos ejemplos de sistemas de ecuaciones: uno f acil de resolver y uno m as complejo que puede
reducirse a uno facil. La transformaci on esta relacionada con el concepto de diagonalizaci on como veremos
posteriormente. Suponga que x(t) y y(t) son dos funciones dependientes de t consideradas como funciones
incognitas y supongamos que ellas satisfacen un sistema que tiene la forma:
_
x

(t)
y

(t)
_
=
_
a
1
x(t)
a
2
y(t)
_
el sistema estara representando a las dos ecuaciones diferenciales
x

(t) = a
1
x(t) y y

(t) = a
2
y(t)
Estas ecuaciones son ecuaciones diferenciales lineales de primer orden cuyas soluciones generales son:
x(t) = C
1
e
a
1
t
y y(t) = C
2
e
a
2
t
Si ahora queremos regresar a la forma de vector lo anterior, lo podramos escribir como:
_
x(t)
y(t)
_
=
_
C
1
e
a
1
t
C
2
e
a
2
t
_
y de all a:
_
x(t)
y(t)
_
= C
1
_
1
0
_
e
a
1
t
+ C
2
_
0
1
_
e
a
2
t
El sistema anterior es un sistema muy facil de resolver comparado con un sistema en apariencia m as difcil
como:
_
x

(t)
y

(t)
_
=
_
5 x(t) 6 y(t)
3 x(t) 4 y(t)
_
Suponga que se nos ocurre genialmente combinar las ecuaciones en la siguiente forma:
La ecuacion 1 menos la ecuacion 2:
x

(t) y

(t) = 2 x(t) 2 y(t)

La cual podemos escribir como:
(x(t) y(t))

= 2 (x(t) y(t))
Dos veces ecuacion 2 menos la ecuacion 1:
x

(t) + 2 y

(t) = x(t) 2 y(t)

La cual podemos escribir como:
(x(t) + 2 y(t))

= 1 (x(t) + 2 y(t))
Si ahora hacemos el cambio de variables:
z(t) = x(t) y(t)
w(t) = x(t) + 2 y(t)
6
y esto transforma al sistema en:
_
z

(t)
w

(t)
_
=
_
2 z(t)
1 w(t)
_
Este sistema se resuelve como el primero dandonos como soluci on general:
_
z(t)
w(t)
_
= C
1
_
1
0
_
e
2 t
+ C
2
_
0
1
_
e
t
Para regresar a las variables originales el cambio de variables hecho lo describimos en forma matricial como:
_
z(t)
w(t)
_
=
_
1 1
1 2
_

_
x(t)
y(t)
_
Digamos que
A =
_
1 1
1 2
_
x =
_
x(t)
y(t)
_
as la solucion queda:
Ax = C
1
_
1
0
_
e
2 t
+ C
2
_
0
1
_
e
t
al multiplicar por A
1
la solucion queda
x = C
1
A
1
_
1
0
_
e
2 t
+ C
2
A
1
_
0
1
_
e
t
Como
A
1
=
_
1 1
1 2
_
la solucion nalmente queda:
x = C
1
_
1
1
_
e
2 t
+ C
2
_
1
2
_
e
t
Hay varios comentarios sobre estos calculos. El primer tipo de sistema de ecuaciones es uno muy simple debido
a que el sistema representa varias ecuaciones diferenciales en una funci on incognita y son f aciles de resolver. Este
tipo de sistemas se llaman sistemas desacoplados: cuando cada ecuacion esta en una funci on incognita y las
restantes incognitas no aparecen en ella. Mientras que el segundo tipo de sistemas de ecuaciones diferenciales
lineales son llamados sistemas acoplados: cuando hay al menos una ecuacion diferencial donde aparencen
dos o mas funciones incognitas. Este ultimo ejemplo muestra que cuando el sistema puede desacoplarse, puede
resolverse facilmente. Por otro lado, la sustituci on que permite desacoplar las ecuaciones no es fruto de un
golpe de inspiracion sino resultado de un metodo.
26.5. Formalizacion del metodo de solucion
Veamos ahora la formalizaci on de un metodo de soluci on de sistemas de ecuaciones diferenciales lineales.
Este metodo requiere los conceptos de valor y vector propio asociado as como el concepto de diagonalizaci on.
Supongamos un sistema de ecuaciones diferenciales lineales de primer orden de la forma
x

= Ax
7
donde
x =
_
_
_
_
_
x
1
(t)
x
2
(t)
.
.
.
x
n
(t)
_
_
_
_
_
es el vector de funciones incognitas y A es la matriz de transferencia del sistema. Suponga que la matriz
A es diagonalizable y que
A = PDP
1
donde D es una matriz diagonal diag(
1
,
2
, . . . ,
n
) y P es una matriz cuadrada cuyas columnas forman una
base de vectores propios v
i
asociados a los valores propios
i
de A. As, el sistema podra escribirse como
x

= PDP
1
x
si multiplicamos por P
1
y asociamos obtenemos
_
P
1
x
_

= P
1
x

= D
_
P
1
x
_
si denimos el nuevo vector de incognitas y = P
1
x entonces el sistema queda:
y

= Dy
el cual representa al sistema desacoplado:
y

1
(t) =
1
y
1
(t)
y

2
(t) =
2
y
2
(t)
.
.
.
y

n
(t) =
1
y
n
(t)
al resolver cada una de estas ecuaciones se obtiene:
y
1
(t) = C
1
e

1
t
y
2
(t) = C
2
e

2
t
.
.
.
y
n
(t) = C
n
e
n t
que escrita en forma vectorial queda
y = C
1
e
1
e

1
t
+ C
2
e
2
e

2
t
+ + C
n
e
n
e
n t
donde e
i
representa al vector de ceros con un 1 en la coordenada i. Si multiplicamos por P:
x = Py = C
1
Pe
1
e

1
t
+ C
2
Pe
2
e

2
t
+ + C
n
Pe
n
e
n t
recordando que Pe
i
es la i-esima columna de P o sea v
i
, la soluci on general queda:
x =
n

i=1
C
i
v
i
e

i
t
8