Sistemas de EDOs Lineales

ECUACIONES DIFERENCIALES EQUIPO N 9
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:
p11 ( D ) x 1 + p12 ( D ) x2 ++ p 1n (D) x n=b1 (t )
p21 ( D ) x1 + p22 ( D ) x 2+ + p2 n ( D ) x n=b 2 ( t )
.
.
.
.
.
.
.
.
.
.
.
.
pn 1 ( D ) x 1+ pn 2 ( D ) x 2 ++ pnn (D)x n =bn (t)
En donde las
pij
(1)
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
d x1
=g 1 (t , x 1 , x 2 , , x n)
dt
d x2
=g 2 (t , x 1 , x 2 , , x n)
dt
.
.
.
d xn
=gn (t , x 1 , x 2 , , x n )
dt
(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
lineal en las variables dependientes
x1
x2
, . . .,
xn
g1
g1
,,
gn
, en (2) es
, se obtiene la forma normal de un
sistema de ecuaciones lineales de primer orden
16
d x1
=a11 ( t ) x 1 +a12 ( t ) x2 + a 1n ( t ) x n +f 1( t)
dt
d x2
=a21 ( t ) x1 +a 22 ( t ) x 2+ a2 n (t ) x n+ f 2 (t)
dt
.
.
.
.
.
.
d xn
=an 1 ( t ) x 1+ an 2 ( t ) x 2 + a n n ( t ) x n + f n (t)
dt
(3)
Un sistema con la forma de las ecuaciones (3) se denomina sistema lineal de orden n, o
ay
simplemente sistema lineal. Se supone que los coeficientes,
as como las funciones
fi
soncontinuas en un intervalo comn, I. Cuando
fi
(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 11 (t )
x1 (t )
a12 ( t )
.
.
.
.
. a21 ( t )
a21 ( t )
.
.
.
.
.
= . .
a1 n ( t )
.
.
, A(t)=
,
.
a2 n ( t )
.
.
.
.
.
.
.
.
(
)
(
)
.
.
.
.
a
t
a
t
.
. ann ( t )
n
1
n2
.
.
xn ( t )
()
f 1 ( t)
()
F( t)=
.
.
.
.
.
.
.
.
.
.
f n( t )
Entonces el sistema de ecuaciones diferenciales lineales de primer orden (3) se puede escribir
como
16
a11 ( t )
a12 ( t )
x 1 (t )
d
dt
()
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x1 ( t)
. a21 ( t )
.
.
=
.
a1 n ( t )
a2 n ( t )
x n (t )
a21 ( t )
.
.
.
.
. . . . a n 1 ( t ) a n2 ( t ) . . ann ( t )
.
( )( )
.
.
.
.
.
.
.
.
.
.
.
.
.
.
f 1 (t )
.
.
.
.
.
.
.
.
.
.
f n (t )
xn ( t )
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 =
( xy )
, entonces la forma matricial del sistema homogneo.
dx
=3 x +4 y
dt
Es X '= 3 4 X
5 7
dy
=5 x7 y
dt
b) Si X =
()
x
y
z
, entonces la forma matricial del sistema homogneo.
dx
=6 x + y + z +t
dt
16
6 1 1
dy
'
=38 x +7 yz +10 t
X
=
8 7 1
es
dt
2 9 1
( )
t
10 t
6t
dz
=2 x +9 yz +6 t
dt
DEFINICIN 1.1 Vector solucin
Un vector solucin en un intervalo I es cualquier matriz columna
X=
x 1 (t)
x 2 (t)
.
.
.
.
x n (t)
()
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
x 1=1 ( t ) , x 2=2 1 puesto , equivalente a n ecuaciones escalares en el sistema() ( t ) ,
...,
x n=n 2.1 puesto , equivalentea n ecuaciones escalares enel sistema() ( t )
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
x 1=1 ( t ) , x 2=2 1 puesto , equivalente a n ecuaciones escalares en el sistema() ( t )
representan una curva en el
plano
x1 x2
. Es prctica comn llamar trayectoria a una curva en el plano y llamar
plano fase al plano
x1 x2 .
Regresaremos a estos conceptos y se ilustrarn en la
siguiente seccin.
EJEMPLO 2 Comprobacin de soluciones
Compruebe que en el intervalo ( , )
16
e2 t
x 1= 1 e2 t=
1
e2t
( )
( )
Son soluciones de
3 e6 t
x 2= 3 e 6 t =
5
5 e6 t
() ( )
( )
X '= 1 3 X
5 3
(6)
2 e2 t
2 e2 t
(
( )( ) (
SOLUCIN De
x '1 =
18 e 6 t
30 e 6 t
( )
)( )
x '2 =
vemos
que
e2 t
e2 t 3 e2 t
2 e2t
Ax 1= 1 3
=
=
=x '1,
2 t
2 t
2 t
2 t
5 3 e
5e
3e
e
3 e6 t
3 e6 t 15 e 6 t
18 e6 t
y Ax 1= 1 3
=
=
= x'2 ,
6t
6t
6t
5 3 5 e6 t
15 e 15 e
30 e
( )( ) (
)( )
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
x (t )
Donde las
yi
x 1 (t 0 )
x 2 (t 0 )
.
.
.
.
x n (t 0)
t0
que denota un punto en un intervalo I

y1
y2
.
.
.
.
yn
( ) ()
y
x ( 0)
, i= 1,2,, n son las constantes dadas.
Entonces el problema
Resolver:
X ' = A (t) X + F (t).
Sujeto a: X (
t0
)=
X0
(7)
16
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
t
contiene al punto 0 . 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
a
f
que las ij y las i ; 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
x1
x2
xk
Sea
,
,...,
, un conjunto de vectores solucin del sistema homogneo (5) en
un intervalo I. entonces la combinacin lineal
c X + c X +
c X ,
X= 1 1 2 2
+ k k
Donde las
c i ,i=1,2, , k
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
cos t
1
1
cos t+ sen t
2
2
()
0
t cos sen t X = t
e
2
0
X 1=
Son las soluciones de un sistema
16
1 0 1
X'= 1 1 0
2 0 1
X.
(8)
Por el principio de superposicin la combinacin lineal

cos t
1
1
cos t+ sen t
2
2
0
t cos sen t c t
2 e
0
X=c 1 X 1 +c 2 X 2=c 1
()
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
x1
x2
xk
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
c
c
constantes 1 , c , . . . , k , no todas cero, tales que
c 1 X 1+ c 2 X 2 +
c k X k =0
Para toda t en el intervalo. Si el conjunto de vectores no es linealmente dependiente en el

intervalo, se dice que es linealmente independiente
X1
X2
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.
16
WRONSKIANO. Sea (t) una matriz solucin (es decir cada columna es un vector solucin)
X ' = A ( t ) X ,W ( t )=det ( t ) lo llamamos Wronskiano de (t )
Observacin. Si ( t ) es una matriz fundamental, entonces W(t)= det ( t ) 0

(Escobar A, Jaime. Ecuaciones diferenciales, p225)
TEOREMA 1.3 Criterio para las soluciones linealmente independientes
Sean
X1
x11
x 21
.
.
.
.
xn1
x12
x22
.
.
.
.
xn2
() ()
,
X2
, .,
Xn
x1 n
x2 n
.
.
.
.
x nn
()
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
X 1 + X 2 +
X
+ n =
x11
x 12
a22
.
.
.
. x 21
. .
x1 n
x2 n
.
0
.
. . . . x n 1 x n 2 . . x nn
.
(9)
Para toda t en el intervalo.
Se puede demostrar que si
x1
x2
,...,
xn
, son vectores solucin del sistema (5),
x1
x2
,...,
entonces, para todo t en I se cumple W(
xn
0, o bien W(
x1
16
x2 , . . . ,
xn )
entonces W
0. As, si podemos demostrar que W
0 para algn
t0
en I,
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
1 2 t
3 6t
En el ejemplo 2 vimos que x 1= 1 e
y x 2= 5 e
son soluciones del sistema (6). Es
( )
evidente que
X1
X2
()
son linealmente independientes en el intervalo ( , )
puesto que ningn vector es un mltiplo constante del otro. Adems, se tiene
X1
e2t 3 e 6 t
X
=
=8 e 4 t 0
w , 2
e2t 5 e 6 t
Para todos los valores reales de t.

DEFINICIN 1.3 Conjunto fundamental de soluciones
Cualquier conjunto
X1 , X2 ,
Xn
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.
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
X1 , X2 ,
Xn
un conjunto fundamental de soluciones del sistema homogneo (5)
en un intervalo I. entonces la solucin general del sistema en el intervalo es

X =c 1 X 1 + c2 X 2 +
Donde las
ci
cn X n ,
, i= 1,2,, n son constantes arbitrarias
16
EJEMPLO 5 Solucin general del sistema (6)
( )
()
x 1= 1 e2 t y x 2= 3 e6 t
1
5
Del ejemplo 2 sabemos que
X1 y X2
independientes de (6) en ( , ). Por tanto
son soluciones lineales
son un conjunto fundamental de
soluciones en el intervalo. La solucin general del sistema en el intervalo entonces es
( )
()
1 2 t
3 6t
X= c 1 X 1+ c 2 X 2 =c 1 1 e + c2 5 e
(10)
EJEMPLO 6 Solucin general del sistema (8)

Los vectores
cos t
sen t
1
1
1
1
cos t + sen t
sen
t
cos t
0
2
2
2
2
t
, X 2= 1 e ,
t cos sen t
t+
sen
cos t
0
X 1 =
X 3=
()
Son soluciones del sistema (8) en el ejemplo 3

Ahora.
W(
X1 , X2 , X3
sen t
)=
1
1
sen t cos t
2
2
sen t +cos t
cos t
0
1
1
cos t + sen t
2
2
et
t
= e 0
t sen t
cos 0
Para todos los valores reales t. se concluye que
X1 , X2 y X3
forman un conjunto
fundamental de soluciones en ( , ). Por lo que la solucin general del sistema en el

c X + c X +c X
intervalo es la combinacin lineal X= 1 1 2 2 3 3 ; es decir,
16
cos t
sen t
0
1
1
1
1
t
cos t + sen t + c 2 1 e + c 3
sen t cos t
X= 2
2
2
2
0
cos t sen t
sen t+ cos t
c1
()
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
XP
una solucin dad del sistema no homogneo (4) en un intervalo I y sea

Xc
c 1 X 1+ c 2 X 2 +c n X n
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 +Xp
X= c
.
La solucin general
Xc
del sistema homogneo relacionado (5) se llama funcin
complementaria del sistema no homogneo (4)

EJEMPLO 7 Solucin general: sistema no homogneo
El vector
Xp
X' =
3 t4
5 t+ 6
es una solucin particular del sistema no homogneo
[ ] [
13
12 t11
X+
53
3
(11)
En el intervalo ( , ).
16
La funcin complementaria de (11) en el mismo intervalo o la solucin general
[ ]
( )
X' =
()
X c =c1 1 e2 t + c2 3 e 6 t . Por tanto, por

1
5
13
X , como vimos en (10) del ejemplo 5 que
53
el teorema 6
() [
( )
1 2t
3 6 t 3 t4
X= X c + X p c 1 1 e +c 2 5 e + 5 t +6
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
13 X
X' =
es
53
[ ]
( )
()
1 2 t
3 6t
X= c 1 X 1+ c 2 X 2 c 1 1 e + c 2 5 e
Ya que los vectores

Xi
()
X1
k1 t
e
,
k2
i
X2
tienen la forma
i =1,2, donde
k1
k1 y 2
son constantes, nos inquieta
preguntar si siempre es posible hallar una solucin de la forma
X=
k1
k2
. t
t
. e =K e
.
.
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)
16
EIGENVALORES Y EIGENVECTORES
Si (1) es un vector solucin del sistema
t
X =K e ,por lo que el sistema se convierte en
homogneo lineal (2),entonces
t
K e =A Ke
Ak =AK
.Despues de dividirlo entre

Ak A=0 .Ya que
y reacomodando, obtenemos
K=IK , la ultima ecuacin es igual a
( A I ) K=0. ( 3 )
La ecuacin matricial (3) es equivalente a las ecuaciones algebraicas simultneas
( a11 ) K 1 + a12 k 2 ++ a1 n k n=0

a21 k 1 + ( a22 ) K 2+ +a 1n k n =0
. . .
. . .
. . .
an 1 k 1 +an 2 k 2 ++ ( ann ) K n=0
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 K
que satisfaga a (3).Pero para que (3) tengan soluciones que no sean la solucin obvia
k 1=k 2==k n=0
, se debe tener
det ( AI )=0.
se llama ecuacin caracterstica de la matriz A . Sus
soluciones son los eigenvalores de A .Una solucin K 0 de (3) correspondiente a un
eigenvalor se llama eigenvector de A . Entonces una solucin del sistema homogneo
Esta ecuacin polinomial en
(2) es
X =K e
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 A n n tiene n eigenvalores reales y distintos
1 , 2 , , n
entonces siempre se puede encontrar un conjunto de n eigenvectores linealmente

K1 , K2 , , K n
independientes
y
16
X 1=K 1 e t , X 2=K 2 e t , , X n=K n e

1
es un conjunto fundamental de (2) en intervalo ( , ) .

TEOREMA 2.1 Solucin general: Sistemas homogneos
Sean
1 , 2 , , n n
eigenvalores reales y distintos de la matriz de coeficientes

K1 , K2 , , K n
sistema homogneo (2) y sean
del
los eigenvectores correspondientes
.Entonces la solucin general de (2) en el intervalo (, ) est dada por

X =c 1 K 1 e t + c 2 K 2 e t ++c n K n e t .
1
EJEMPLO 1. Eigenvalores distintos

dx
=2 x +3 y
Resuelva
dt
dy
=2 x + y ( 4)
dt
SOLUCIN Primero determine los eigenvalores y eigenvectores de la matriz e coeficientes.
De la ecuacin caracterstica
3 = 23 4=( +1 ) ( 4 )=0
det ( A I )= 2
2
1
vemos que los eigenvalores son

Ahora para
1=1,
1=1
2=4
(3) es equivalente a
3 k 1+ 3 k 2= 0
2 k 1 + 2 k 2= 0.
Por lo que
k 1=k 2
.Cuando
k 2=1
, el eigenvector correspondiente es
K 1= 1 .
1
( )
Para
2=4
tenemos
2 k 1+ 3 k 2= 0
2 k 1 3 k 2= 0
Por lo que
3
k =2
k 1= k 2
; por tanto con 2
el eigenvector correspondiente es
2
16
K 2= 3 .
2
()
Puesto que la matriz de coeficientes
es una matriz de 2 2 y como hemos encontrado
dos soluciones linealmente independientes de (4),

X 1= 1 et
y
1
( )
X 2= 3 e 4 t
,
2
()
Se concluye que la solucin general del sistema es

X =c 1 X 1 + c2 X 2=c1 1 et + c2 3 e 4 t .(5)
1
2
( )
()
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
x=c 1 et + 3 c2 e 4 t , y=c 1 et + 2c 2 e 4 t .
Como se indic en la seccin anterior se puede interpretar estas ecuaciones como ecuaciones
paramtricas de curvas en el plano xy
o plano fase. Cada curva, que corresponde a
c
c
elecciones especficas de 1 y 2 , se llama trayectoria.
EJEMPLO 2. Eigenvalores distintos

Resuelva
dx
=4 x+ y+ z
dt
dy
=x+5 y z ( 6)
dt
dz
= y3 z
dt
SOLUCIN Usando los cofactores del tercer rengln, se encuentra
4
1
1
det ( A I )= 1
5
1 =( +3 ) ( + 4 )( 5 )=0,
0
1
3
Y as los eigenvalores son
1=3, 2=4 y 3=5.
16
Para
1=3
, con la eliminacin de Gauss-Jordan, se obtiene
|)
|)
1 1 1 0
1 0 1 0
( A +3 I 0 )= 1 8 1 0 operaciones 0 1 0 0
entre renglones
0 1 0 0
0 0 0 0
Por tanto
k 1=k 3
k 2=0
k 3 =1
.La eleccin
da un eigenvector y el vector solucin
correspondiente
1
1
K 1= 0 X 1= 0 e3 t (7)
1
1
() ()
De igual manera, para
2=4
|)
k 1=10 k 3
|)
0 1 1 0
1 0 10 0
( A +4 I 0 )= 1 9 1 0 operaciones 0 1 0 0
entre renglones
0 1 1 0
0 0
0 0
Implica que
k 2=k 3 .
Al elegir
k 3 =1
, se obtiene un segundo
eigenvector y el vector solucin

10
10
K 2= 1 , X 2= 1 e4 t (8)
1
1
() ()
Por ltimo, cuando
3 =5,
las matrices aumentadas
|)
|)
9 1 1 0
1 0 1 0
( A +5 I 0 )= 1 0 1 0 operaciones 0 1 8 0
entre reng lones
0 1 8 0
0 0 0 0
Producen
1
1
K 3= 8 , X 3= 8 e5 t ( 9)
1
1
() ()
La solucin general de (6) es una combinacin lineal de los vectores solucin en (7), (8) y (9):
1
10
1
X =c 1 0 e3 t + c2 1 e4 t +c 3 8 e5 t .
1
1
1
() ( ) ()
2.2 EIGENVALORES REPETIDOS
16
Por supuesto, no todos lo n eigenvalores
1 , 2 , , n n
de una matriz
de n n
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
X = 3 18 X (10)
2 9
se demuestra fcilmente que es ( +3 ) =0 , y por tanto ,
1= 2=3
es una raz de
multiplicidad dos. Para este valor se encuentra el nico eigenvector

3 t
K 1= 3 , por lo que X 1 = 3 e (11)
1
1
()
()
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.
m
En general, si m es un entero positivo y ( 1 )
es un factor de la ecuacin
(1 )m+1
caracterstica, mientras que
eigenvalor de multiplicidad
los casos siguientes:
es un
.En los tres ejemplos que se dan a continuacin se ilustran

A
1) Para algunas matrices
no es un factor, entonces se dice que
linealmente independientes
n n
de
seria posible encontrar m eigenvectores
K1 , K2 , , K n
, correspondientes a un eigenvalor
de multiplicidad m n . En esta caso la solucin general del sistema contiene la

combinacin lineal
c 1 K 1 e t +c 2 K 2 e t ++ c m K m e t .
1
2) Si slo hay un eigenvector propio que corresponde al eigenvalor
de
multiplicidad m , entonces siempre se pueden encontrar m soluciones

linealmente independientes de la forma
X 1=K 11 e t
1
X 2=K 21 t e t + K 22 e t
1
.
.
.
16
X m =K m 1
donde las
K ij
t m1 t
t m1 t
t
e + K m2
e ++ K mm e ,
( m1 ) !
( m2 ) !
1
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
1 2 2
X = 2 1 2 X
2 2 1
Resuelva
SOLUCION Desarrollando el determinante en la ecuacin caracterstica

1 2
2
det ( A I )= 2 1 2 =0
2
2 1
Se obtiene
( + 1 )2 ( 5 )=0 . Se ve que
1=1
Para
1= 2=1
3 =5.
, con la eliminacin de Gauss-Jordan se obtiene de inmediato
|)
|)
2 2 2 0
1 1 0 0
operaciones
( A + I 0 ) = 2 2 2 0
0 1 10 .
entre renglones
2 2 2 0
0 0 00
El primer rengln de la ltima matriz indica que

elecciones
k 1=0
k 2=1,k 3=0
k 2=1,
k 3 =1
k 1k 2 +k 3 =0
k 1=k 2k 3
producen, a su vez,
, por lo que dos eigenvectores correspondientes
1=1
k 1=1
. Las
y
son
1
0
K 1= 1 y K 2= 1 .
0
1
() ()
Puesto que ningn eigenvector es mltiplo constante del otro, se han encontrado dos
soluciones linealmente independientes.
16
1
0
X 1= 1 et y X 2 = 1 et ,
0
1
()
()
Que corresponden al mismo eigenvalor. Por ltimo, para
|)
3 =5
la reduccin
|)
4 2 2 0
1 0 1 0
( A +5 I 0 )= 2 4 2 0 operaciones 0 1 1 0
entre renglones
2 2 4 0
0 0 0 0
Implica que
k 1=k 3
k 2=k 3
k 3 =1
.Al seleccionar
, se obtiene
k 1=1, k 2=1
por lo que el tercer eigenvector es

1
K 3= 1 .
1
()
Concluimos que la solucin general del sistema es

1
0
1
X =c 1 1 et + c2 1 et +c 3 1 e5 t .
0
1
1
() () ( )
La matriz de coeficientes
del ejemplo 3 es un tipo especial de matriz conocida como

matriz simtrica. Se dice que una matriz A de n n
es simtrica si su transpuesta
A
(donde se intercambian renglones y columnas) es igual que
. Se puede demostrar que si la matriz
del sistema
A , es decir, si
X = AX
A =A
es simetrica si tiene
n eigenvectores linealmente
elementos reales, entonces siempre es posible encontrar
K1 , K2 , , K n
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.
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
t
X 2=K
t e
+P e
(12)
1
Donde
16
K=
k1
k2
.
.
.
.
kn
p1
p2
.
.
.
.
pn
() ()
y P=
EJEMPLO 4 Eigenvalores repetidos

Encuentre la solucin general del sistema dado en ( 10)
1=3
SOLUCIN de (11) se sabe qu
Identificamos K=
(31) y P=( pp )
1
y que una solucin es
()
X 1= 3 e3 t
1
, encontramos de (14) que ahora debemos resolver
(A + 3I)P = K
6 p119 p 2=3
2 p 16 p2=1
Puesto que resulta obvio que este sistema es equivalente a una ecuacin, se tiene un nmero
p1 y p2
p1
p2
infinito de elecciones de
.Por ejemplo, al elegir
=1 se encuentra que
=
1/6. Sin embargo, por simplicidad
P=
()
1
2
0
p1
. As de (12) se encuentra que
La solucin general de (10) es X=
=1/2 por lo que
X2
p2
=0. Entonces
()
1
3 3t
3t
te + 2 e
.
1
0
()
c 1 X 1+ c 2 X 2 , o
[( ) ( ) ]
1
3 t e3 t +
3 t
3 e3 t
c
c
2 e
X= 1 1
+ 2 1
0
()
EIGEN DE MULTIPLICIDAD TRES Cuando la matriz de coeficientes A tiene slo un
eigenvector asociado con un eigenvalor 1 de multiplicidad tres, podemos encontrar una

segunda solucin de la forma (12) y una tercera solucin de la forma
16
X 3=K
t t
t
t
e + Pt e +Q e .
2
1
(15)
Donde
K=
k1
k2
.
.
.
.
kn
p1
p2
.
.
.
.
pn
() ()
Al sustituir ( 15)en el sistema
, P=
X'
Q =
q1
q2
.
.
.
.
qn
()
= AX, se encuentra que los vectores columna K,P y Q
debe satisfacer
(A -
I)K=0
(16)
(A -
I)P=K
(17)
(A -
I)Q=P
(18)
Por su puesto, las soluciones (16) y (17) se pueden usar para formar las soluciones
X1 y X2
EJEMPLO 5 Eigenvalores repetidos
Resuelva
( )
2 1 6
'
X= 0 2 5
0 0 2
X.
SOLUCIN La ecuacin caracterstica
( 2 )3 = 0 demuestra que
1=2
es un
eigenvalor de multiplicidad tres. Al resolver (A-2I)K= 0, se encuentra el nico eigenvector
K=
()
1
0
0
A continuacin se resuelve primero el sistema (A-2I)P = K y despus el sistema (A-2I)Q=P y

se encuentra que
16
()
0
1
0
P=
y Q=
0
6
5
1
5
()
Usando (12) y (15), vemos que la solucin general del sistema es
( ) [( ) ( )
1
1
0
2t
2t
2t
c1 0 e + c2 0 t e + 1 e
X=
0
0
0
()]
0
6
1 t 2 2t 0
2t
2t
0 e + 1 te + 5 e
2
0
0
1
5
] () ()
+ c3
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
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
1= + i y 2= i , >0, i =1
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
dx
=6 x y
dt
(19)
dy
=5 x + 4 y
dt
Es det(A-
I)=
De la forma cuadrtica se encuentra
61
5 4
-10 +29=0
1=5+2i , 2=52i .
16
Ahora para
1=5+ 2i
se debe resolver
k1 -
(1 - 2i)
5
k2 = 0
k 1 - (1 + 2i) k 2 = 0.
k =1 da el
Puesto que - k 2= (12i ) k 1 , la eleccin - 1
siguiente eigenvector y el vector
solucin correspondiente:
K 1=
De manera similar, para
(121 i)
X 1=
(121 i) e
(5 +2i )t
=5-2i encontramos
K 2=
1
(1+2i
)
X 1=
(1+21 i) e
(52i )t
Podemos comprobar por medio del Wronskiano que estos vectores solucin son linealmente
independientes y por lo tanto la solucin general de ( 19)es
( )
( )
1
(5+2 i)t
1
(52i )t
X= c 1 12 i e
+ c 2 1+2i e
Observe que las entradas en

entradas de
K1
K2
correspondientes a
correspondientes a
Esto se escribe como
2 = 1
(20)
. El conjugado de
K 2=K 1
son los conjugados de las

1
es, por supuesto,
2.
TEOREMA 2.2. Soluciones correspondientes a un eigenvalor complejo

Sea A una matriz de coeficientes que tiene entradas reales del sistema homogneo ( 2)y sea
K1
1= + i , y reales .
un eigenvector correpondiente al eigenvalor complejo
Entonces
K 1 e t y K 1 e t
1
Son soluciones de (2).
16
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.
(5+2 i)t
5t
2ti
5t
=e e =e ( cos 2t +i sen 2 t)
e(52 i)t=e5 t e2 ti =e 5t (cos 2 t i sen 2 t) .

Entonces, multiplicando los nmeros complejos, agrupando trminos y reemplazando
c 1+ c 2
Por
C1
c 1+ c 2 i
y(
por C2 ,(20) se convierte en

X=
C1 X 1
C2 CX 2
,
(21)
Donde
[( )
( )
X 1= 1 cos 2t + 0 sen 2 t e5 t
1
2
[( )
Ahora es importante reconocer que los dos vectores,
( )
X 2= 1 cos 2t + 0 sen 2 t e5 t
1
2
y
X1
X2
en (21) son, en s mismos,
soluciones reales linealmente independientes del sistema original. En consecuencia, podemos

C1
C2
c ,c
C1
C2
pasar por alto la relacin entre
,
y 1 2 para considerar que
y
son
completamente arbitrarios y reales; en otras palabras, la combinacin lineal, ecuaciones (21),
es una solucin general alternativa de (19).
K1
Se puede generalizar el procedimiento anterior. Sea
un eigenvector de la matriz de
coeficientes A (con elementos reales) que corresponde al eigenvalor complejo
1= + i
Entonces los dos vectores solucin del teorema 2.1 se pueden expresar como sigue:
K 1 e t =K 1 e t e it =K 1 e t ( cos t+i sen t)
1
K 1 e t =K 1 et eit =K 1 e t ( cos ti sen t)

1
Por el principio de superposicin, teorema 2, los siguientes vectores tambin son soluciones:
1
1
i
X 1= ( K 1 e t + K 1 e t ) = ( K 1+ K 1 ) et cos t (K 1+ K 1) e t sen t
2
2
2
1
16
X 2=
Tanto
i
i
1
t
t
t
t
K 1 e + K 1 e )= (K 1 + K 1 ) e cos t (K 1 + K 1)e sen t
(
.
2
2
2
1
1
( z+ z ) = a
2
como
1
i (z+ z )=b
2
son nmeros reales para cualquier nmero
complejo z=a+ib. Por lo tanto, los elementos de los vectores columna

i
(K 1+ K 1 )
2
1
( K + K1) y
2 1
son nmeros reales. Si definimos

1
i
B 1= ( K 1 + K 1 ) y B2= (K 1 + K 1 ) ,
2
2
(22)
Conduce al siguiente teorema

TEOREMA 2.3 Soluciones reales que corresponden a un eigenvalor complejo
Sea
1= + i
un eigenvalor complejo de la matriz de coeficientes A en el sistema
homogneo (2) y sean
B1
X 1= [ B1 cos tB2 sen t ] e
B2
los vectores columna definidos en (22) entonces:
(23)
X 2= [ B2 cos t+ B1 sen t ] e
Son soluciones linealmente independientes de (2) en (-, )

Las matrices
B1
B2
en (22) con frecuencia se denotan por
B 1=(K 1) y B 2=(K 1)
(24)
Ya que estos vectores son, respectivamente, las partes real e imaginarias del eigenvector
K1.
Por ejemplo, (21) se deduce de (23) con
K 1=
(121 i)=(11)+i(20 )
16
B 1=(K 1) =
(11)
( )
0
y B 2= ( K 1 ) = 2
EJEMPLO 6 Eigenvalores complejos

Resuelve el problema con valores iniciales
8
X'= 2
1 2
X, X(0)=
(12 )
(25)
SOLUCIN Primero se obtienen los eigenvalores a partir de
det(A - I)=
Los eigenvalores son
=2i y
2
8 =2 +4=0.
1 2
2= 1=2 i.
(2-2i)
Para
el sistema
K 1 +8 K 2=0
- K 1 +(22 i) K 2=0
da
K 1=( 2+2i ) K 2 . eligiendo
K 2=1
, se obtiene
( ) ( ) ()
K 1= 2+2i = 2 +i 2 .
1
1
0
Ahora de (24) formamos
( )
()
B 1= ( K 1 ) = 2 y B 2= ( K 1 ) = 2
1
0
Puesto que =0, se tiene a partir de (23) que la solucin general del sistema es
[( )
()
] [( )
( )
2
2
2
2
X= c 1 1 cos 2 t 0 sen 2t + c2 1 cos 2t + 1 sen 2 t
) (
2 cos 2t2 sen 2t + c 2 cos 2t +2 sen 2 t

2
= c1
cos 2t
sen 2t
]
(26)
16
3. SISTEMAS LINEALES NO HOMOGNEOS

INTRODUCCIN
En la seccin 1.1 vimos que la solucin general de un sistema lineal no homogneo
X =X c + X p
I
X = AX + F (t)
en un intervalo
es
,
X c =c1 X 1 +c 2 X 2 ++c n X n
lineal homogneo asociado
donde
es la funcin complementaria o solucin general del sistema

X = AX
Xp
es cualquier solucin particular del sistema
no homogneo. En la seccin 1.2 vimos como obtener

A
era una matriz de constantes

Xp
obtener
.
Xc
cuando la matriz de coeficientes
n n .En esta seccin consideraremos dos mtodos para
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
X = AX + F (t ) . 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
Xp;
vector solucin particular
la suposicin es originada por los tipos de funciones que
constituyen los elementos de la matriz columna
F ( t ) .No es de sorprender que la versin
matricial de los coeficientes indeterminados sea aplicable a

elementos de
A son constantes y los elementos de
X = AX + F ( t )
F (t )
slo cuando los
son constantes, polinomios,
funciones exponenciales, senos y cosenos o sumas y productos finitos de estas funciones.

EJEMPLO1. Coeficientes indeterminados
Resuelva el sistema
X , = 1 2 X +
1 1
(83)
en (, ) .
SOLUCIN Primero resolvemos el sistema homogneo asociado

X = 1 2 X .
1 1
16
A .
La ecuacin caracterstica de la matriz de coeficientes
2 = 2+ 1=0
det ( AI )= 1
,
1
1
y 2= 1=i . Con los procedimientos de la
1=i
produce los eigenvalores complejos
seccin 1.2, se encuentra que

X c =c1 cos t+ sen t +c 2 cos tsen t .
cos t
sen t
) (
Ahora, puesto que
F( t) es un vector constante, se supone un vector solucin particular
constante
a
X p= 1
b1
( ) .Sustituyendo esta ltima suposicin en el sistema original e igualando las
entradas se tiene que

0=a1+ 2b 18
0=a1+ b1 +3
Al resolver este sistema algebraico se obtiene

particular
X p = 14
11
( )
a1=14
.
y
b1=11
y as, una solucin
.La solucin general del sistema original de la ecuacin difencial en el intervalo
(, )
es entonces
X =X c + X p
X =c 1 cos t + sen t + c2 cos tsen t + 14
cos t
sen t
11
) (
)( )
EJEMPLO2. Coeficientes indeterminados

Resuelva el sistema
6t
X = 6 1 X +
en( , )
4 3
10 t+ 4
( ) (
SOLUCIN. Se determina que los eigenvalores y los eigenvectores del sistema homogneo
asociado
1
K 2= 1
X = 6 1 X son 1=2 , 2=7 , K 1=
,
4
1 .
4 3
( )
( )
()
16
Por lo tanto la funcin complementaria es

2t
7t
X c =c1 1 e + c2 1 e
4
1
( )
()
6 t+ 0
F( t) se puede escrbir como F ( t )=
10
4
( ) ()
Ahora bien, debido a que
se tratara de
encontrar una solucin particular del sistema que tenga la misma forma:
a
a
X p= 2 t+ 1
b2
b1
() ()
Sustituyendo esta ltima suposicin en el sistema dado se obtiene

a 2 = 6 1 a2 t + a1 + 6 t + 0
4 3 b2
10
4
b2
b1
( ) ( )[( ) ( )] ( ) ( )
(00 )=(( 4 a (+36 a b+b10+6) )t+t+64 aa +3+ bbab +4 )

2
De la ltima identidad se obtienen cuatro ecuaciones algebraicas con cuatro incgnitas

6 a2 +b 2+ 6=0
6 a1 +b 1a2=0
Y
4 a2 +3 b210=0
4 a1 +3 b1b 2+ 4
Resolviendo de forma simultanea las primeras dos ecuaciones se obtiene

b2=6
a2=2
Despus, se sustituyen estos valores en las dos ltimas ecuaciones y se despeja para
b1
a1
Los resultados son
a1=
4
10
b1=
7 ,
7 .Por tanto, se tiene que un vector solucin particular
es
()
4
X p = 2 t + 7
6
10
7
( )
La solucin general del sistema en (, ) es
X =X c + X p
16
()
4
2t
7t
X =c 1 1 e + c 2 1 e + 2 t + 7
4
1
6
10
7
( )
() ( )
Xp
EJEMPLO 3. Forma de
Determine la forma de un vector solucin particular
Xp
para el sistema.
dx
=5 x +3 y2 e1+1
dt
dy
1
=x + y +e 5 t+7
dt
Solucin. Ya que
F( t) se puede escribir en trminos matriciales como
F( t)= 2 et + o t+ 1
1
5
7
( ) ( ) ()
una suposicin natural para una solucin particular seria

X p = a3 et + a2 t + a1
b3
b2
b1
() () ()
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
yp
particular
se predijocon base en el conocimiento previo de la funcin complementaria
yc
.Lo mismo secumple para la formacin de
que gobiernan la forma de

.Por ejemplo,si F(t )
yp
Xp
.Pero hay otras dificultades: las reglas
en la seccin anterior no conducen a la formacin de
es un vector constante como en el ejemplo 1 y =0
eigenvalor de multiplicidad uno,entonces
Xc
Xp
es un
contiene un vector constante.Bajo la regla e
multiplicacin de la pgina 146 se tratara comnmente de una solucin particular de la forma

a1 t
Xp
= b1
.Esta no es la suposicin apropiada para sistema lineales,la cual debe ser
()
16
Xp
(ab ) t +(ab ) .De igual manera, en el ejemplo 3, si se remplaza

2
et
en
F( t ) por
e 2t (=2 es un eigenvalor ) , entonces la forma correcta del vector solucin particular es

Xp
a 4 2 t a3 2 t a 2
a
te +
e +
t+ 1
b4
b3
b2
b1
() () () ()
En vez de ahondar en estas dificultades, se vuelva al mtodo de variacin de parmetros.

3.2VARIACION DE PARAMETROS.
Una matriz fundamental si
X 1 , X 2 , , X n
es un conjunto fundamental de soluciones del
X = AX en el intervalo I ,entonces su solucin general en el

X =c 1 X 1 + c2 X 2 ++ cn X n
intervalo es la combinacin lineal
o
sistema homogneo
x 11
x 12
x 21
x 22
X =c 1 . +c 2 . ++ cn
.
.
.
.
x n1
x n2
x1 n
c1 x 11 +c 2 x 12 + +c n x1 n
x2 n
c1 x21 +c 2 x 22 ++c n x 2n
. =
.
(1)
.
.
.
.
x nn
c 1 x n 1+ c 2 x n 2+ +c n x nn
( ) ( ) ( )(
La ltima matriz en (1) se reconoce como el producto de una matriz n n
con una
matriz de n 1
En otras palabras, la solucin general (1) se puede escribir como el producto
X = ( t ) C ,(2)
c , c , , cn
Donde C es un vector columna de n 1 constantes arbitrarias 1 2
y la matriz
n n , cuyas columnas consisten en los elementos de los vectores solucin del sistema
X = AX ,
16
x 11 x12 x1 n
x 21 x 22 x 2n
..
(t)=
,
..
..
x n 1 x n 2 x nn
( )
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 ( t ) es no singular.
Si ( t ) es una matriz fundamental del sistema X = AX , entonces

, ( t )= A ( t ) .(3)
Un nuevo examen de (9) del teorema 8.1.3 muestra que det(t ) es igual al Wronskiano
W ( X 1 , X 2 , , X n ) .Por tanto, la independencia lineal de las columnas de ( t ) en el
intervalo
I garantiza que det(t ) 0 para toda t
en el intervalo.Puesto que ( t )
1
es no singular, el inverso multiplicativo (t) exista para todo t en el intervalo.
El resultado dado en (3) se deduce de inmediato del hecho de que cada columna de (t) es
un vector solucin de
X = AX .
VARIACIN DE PARMETROS Anlogamente al procedimiento de la seccin 4.6 nos

preguntamos si es posible reemplazar la matriz de constantes C en (2) por una matriz
columna de funciones
u 1( t)
u 2( t)
U ( t ) = . por lo que X p = ( t ) U ( t ) ( 4)
.
.
u n( t)
()
es una solucin particular de sistema no homogneo

X = AX + F ( t ) .(5)
Por la regla del producto la derivada de la ltima expresin en (4) es
X p = ( t ) U ( t ) + ( t ) U ( t ) .(6)
16
Observe que el orden en los productos en (6) es muy importante. Puesto que U ( t )
es una
matriz columna, los productos U ( t ) ( t ) y U ( t ) ( t ) no estn definidos. Sustituyendo

(4) y (6) en (5), se obtiene
( t ) U ( t )+ ( t ) U ( t )= A ( t ) U ( t )+ F ( t ) .(7)
Ahora si usa (3) para reemplazar ( t ) , (7) se convierte en
( t ) U ( t )+ A ( t ) U ( t ) =A ( t ) U ( t )+ F ( t )
O ( t ) U ( t )=F ( t ) .( 8)
1
Multiplicando ambos lados de la ecuacin (8) por (t) , se obtiene
1
U ( t )=1 (t ) F (t ) por tanto U ( t ) = ( t ) F ( t ) dt .
Puesto que
X p = ( t ) U ( t ) , se concluye que una solucin particular de (5) es
X p = ( t ) ( t ) F ( t ) dt .(9)
1
1
Para calcular la integral indefinida de la matriz columna (t ) F ( t ) en (9), se integra cada
entrada.Asi, la solucin general del sistema (5)es
X =X c + X p
X = ( t ) C+ ( t ) ( t ) F ( t ) dt .(10)
1
Observe que no es necesario usar una constante de integracin en la evaluacin de

1 ( t ) F ( t ) dt por las mismas razones expresadas en la explicacin de variacin de
parmetros en la seccin anterior.
EJEMPLO 4 Variacin de parmetros
Resuelva el sistema
X = 3 1 X + 3tt en( , )
2 4
e
) ( )
Solucin Primero resolvemos el sistema homogneo asociado
X = 3 1 X .
2 4
La ecuacin caracterstica de la matriz de coeficientes es
16
1 =( +2 ) ( +5 )=0
det ( AI )= 3
2
4
1=2
Por lo que los eigenvalores son
los eigenvectores correspondientes a

K2 1
2
( )
2=5
.Con el mtodo usual se encuentra que

son, respectivamente,
K 1= 1
1
()
.Entonces, los vectores solucin del sistema son

2 t
( )
5 t
X 1= 1 e2 t= e2 t y X 2 = 1 e5 t= e 5 t .
1
2
e
2 e
()
Las entradas en
( )
X1
a partir de la primera columna de
(t)
y las entradas en
X2
partir de la segunda columna de ( t ) .Por lo tanto
(t)=
2 t
5 t
e
e
2 t
e
2 e5 t
2 2t 1 2t
e
e
3
y 1 (t )= 3
.
1 5 t 1 5 t
e
e
3
3
A partir de (9) anterior obtenemos

X p = ( t ) ( t ) F ( t ) dt =
1
2t
5t
e
e
2t
5 t
e
2 e
e2 t
e5 t
2 t
e
2 e5 t
)( )
)
2 2t 1 2t
e
e
3
3
3t
dt
1 5 t 1 5 t et
e
e
3
3
2t e 2t
t e5 t
+1 t
e
3
dt
1 4 t
e
3
1 2t 1 t
2t
te e + e
2 t
5 t
e
e
2
3
2 t
5 t
e
2 e
1 5t 1 5t 1 4t
te e e
5
25
12
)
16
6
27 1 t
t + e
50 4
5
.
3
21 1 t
t + e
5
50 2
Por tanto a partir de (10) anterior la solucin del sistema en el intervalo es

6
27 1
t + et
e2 t
e5 t
c
5
50 4
1 +
X = 2 t
5 t
e
2 e
3
21 1
c2
t + et
5
50 2
)( )
c1 1 e
1
()
2 t
+c 2 1 e
2
( )
5 t
( )
( ) ( )( )
6
27
1
t
+ 5 t 50 + 4 e
3
21
1
5
50
2
Problema con valores iniciales la solucin general de (5) en el intervalo se puede escribir en
una forma alternativa
t
X = ( t ) C+ ( t ) 1 ( s ) F ( s ) ds . (13 )
t0
Donde t
t0
son puntos en el intervalo.Esta ultima forma es til para resolver (5) sujeta
a una condicin inicial
X ( t 0 )= X 0
, porque los lmites de integracin se eligen de tal forma
que la solucin particular sea cero en

X 0 =(t 0)C
t=t 0
a partir de la que se obtiene
.Sutituyendo
t=t 0
en (13) se obtiene
C=1 ( t 0 ) X 0 . Sustituyendo este ultimo
resultado en (13) se obtiene la siguiente solucin del problema con valores iniciales:
t
X = ( t ) ( t 0 ) X 0 + ( t ) 1 ( s ) F ( s ) ds . ( 14 )
1
t0
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 x =ax , donde a es constante,tiene la
solucin general
x=C e At ,donde
definir una funcin exponencial matricial

que una solucin del sistema
X = AX
es constante.Parece natural preguntar si se puede

e At ,donde
es una matriz de cnstantes por lo
At
es e .
16
At
Sistemas homogneos Ahora veremos que es posible definir una matriz exponencial e
que
tal
At
X =e C (1)
Es una solucin del sistema homogneo X = AX .Aqui A es una matriz de n n de

constanres y C es una matriz de columna n 1 de constantes arbitrarias .Observe en (1)
que la matriz C
At
At
se multiplica por la derecha a e
porque queremos que e sea una
matriz de n n .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
e At se baa en la representacin en serie de potencias dela funcin exponencial escalar
e at :
at
e =1+ at +a
k
k
t2
k t
k t
++ a
+ = a
( 2)
2!
k!
k!
k =0
La serie en (2) converge para todo t .Si se usa esta serie, con la identidad
1 y la constante a se reemplaza por una matriz
definicin para la matriz
n n
en ves de
de constantes, se obtiene una
n n , e At
Definicin 4.1 Matriz exponencial

Para cualquier matriz An n ,
At
e =I + At + A
k
k
t2
k t
k t
++ A
+= A
(3)
2!
k!
k!
k=0
Se puede demostrar que la serie dada en (3) converge a una matriz n n

de t .Tambien ,
Derivada de
e At
para todo valor
A 2= AA , A 3= A ( A 2) , etctera.
La derivada de la matriz exponencial es similar a la propiedad de
derivacin de la exponencial escalar
d at
e =a e at
. Para justificar
dt
d At
e =A e At ,(4)
dt
derivamos (3) termino por termino
16
d At d
t
t
1
e =
I + At + A 2 ++ A k + = A+ A 2+ A 3 t 2+ +
dt
dt
2!
k!
2!
t2
A I + At + A
+ = A e At .
2!
2
Debido a (4), ahora se puede probar que (1) es una solucin de

n 1 C de constantes:
d
X = e At C=A e At C= A ( e At C )= AX .
dt
e
At
es una matriz fundamental
X = AX
Si se denota la matriz exponencial
(t) ,entonces (4) es equivalente a la ecuacin diferencial matricial
para odo vector
At
con el smbolo
( t )= A (t )
(vase (3) de la seccin 8.3).Ademas, se deduce de inmediato de la definicin 8.4.1 que

( 0 )=e A 0=I , y por tanto det ( 0 ) 0 .Se tiene que estas propiedades son suficientes
para concluir que (t) es una matriz fundamental del sistema
X = AX .
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 x =ax +f (t) , donde a es una constante, se puede expresar como
t
at
x=x c + x p =C e +e
at
eas f ( s ) ds .
t0
Para un sistema no homogneo de ecuaciones diferenciales lineales de primer orden, se puede

demostrar que la solucin general de X = AX + F (t) , donde A es una matriz n n de
constantes, es
t
X =X c + X p =e At C +e At eAs F ( s ) ds .(5)
t0
16
e At
Puesto que la matriz exponencial
e As=(e As )1 .En la practica, e As
es una matriz fundamental, siempre es no singular y

e At
se puede obtener de
al reemplazar
por
s .
CALCULO DE
calcular
e At
e At
La definicin de
dada en (3) siempre se puede usar para
e At .Sin embargo, la utilidad prctica de (3) est limitada por el hecho de que los
At
elementos de e son series de potencias en
t .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
At
de calcular e ; la siguiente explicacin muestra como se puede usar la transformada de
Laplace.
USO DE LA TRANSFORMADA DE LAPLACE
solucin de
Vimos en (5) que
X =e At
es una
X = AX .
A0
De hecho, puesto que e =I ,
X =e
At
es una solucin de problema con valores iniciales
X = A X , X ( 0 )=I .(6)
Si
X ( s )=L { X ( t) }=L { e At } .entonces la transformada de Laplace de (6) es

sx ( s ) X ( 0 )= Ax( s)
( sI A ) x ( s )=I ,
1
Multiplicando la ltima ecuacin por ( sI A ) se tiene que
x ( s ) =( sI A )1 I =( sI A )1
.
En otras palabras,
L { e At }=( sI A )
e At =L1 {( sI A )1 }(7)
Ejemplo 1. Matriz exponencial

Use la transformada de Laplace para calcular e
SOLUCIN Primero calcula la matriz sI A
At
para
A= 1 1
2 2
y detemine su inversa:
sI A= s1 1 .
2 s +2
16
1
( sI A ) = s1 1
2 s +2
s+ 2
s ( s+1)
=
2
s ( s+1)
1
s( s+1)
s1
s( s+1)
Entonces, descomponiendo las entradas de la ltima matriz en fracciones parciales:
2
1
s s +1
( sI A ) =
2
2
s s +1
1
1 1
+
s s+1
.(8)
1 2
+
s s+1
Se deduce de (7) que la transformada de Laplace inversa de (8) proporciona el resultado

deseado
2et 1+et
e At=
.
22 et 1+2 et
16
BIBLIOGRAFA
1
REFERENCIAS LIBROS
A.Kiseliov, M.Krasnov,G.Makarenko.,
Ordinarias, Edit. Mir. Per 1982.
Problemas
de Ecuaciones Diferenciales
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
2. REFERENCIAS ELECTRNICAS
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.
16
CONCLUSIONES
En el caso de sistemas con coeficientes constantes, se desarrolla con un mtodo de solucin
que utiliza algunos conceptos bsicos del lgebra de matrices.
Las soluciones se parecen a los que se usan en las ecuaciones diferenciales lineales de
orden superior (Ecuaciones lineales: ecuaciones homogneas, ecuaciones no homogneas,
Ecuaciones lineales homogneas con coeficientes constantes, Variacin de parmetros).
Se profundiza las ecuaciones diferenciales lineales desde el punto de vista del algebra
lineal, para despus particularizar en las ecuaciones diferenciales lineales de coeficientes
constantes. Para hallar las soluciones particulares utilizamos los mtodos de los coeficientes
indeterminados, la variacin de parmetros.
16
RECOMENDACIONES
Un trabajo de matemticas no se puede leer como un diario o una novela, el estudiante
tiene que tomar un lpiz y papel para volver a escribir la definicin sin alterarla, puede
tomar los mismos ejemplos y resolverlos por su cuenta, verificndolos despus: que es
una manera simple de estudiar cualquier tipo de conocimiento matemtico.
Para hacer cualquier tipo de trabajo matemtico es necesario guiarse con ms de un solo
material bibliogrfico.
16
AUTOCRTICA
Para una mejor elaboracin del siguiente trabajo, el equipo debera de pedir
asesoramiento tcnico acadmico al docente del curso.
Falta de conocimiento en software computacionales para presentar sistemas de
ecuaciones lineales en forma grfica.
16

Sistemas de EDOs Lineales

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistemas de EDOs Lineales

Cargado por

Copyright:

Formatos disponibles

ECUACIONES DIFERENCIALES EQUIPO N 9

SISTEMA DE ECUACIONES DIFERENCIALES LINEALES DE PRIMER ORDEN

representaban polinomios de diversos grados en el operador diferencial D.

Aqu restringiremos el estudio a los sistemas de ecuaciones diferenciales de primer orden,

, se obtiene la forma normal de un

sistema de ecuaciones lineales de primer orden

ECUACIONES DIFERENCIALES EQUIPO N 9

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.

ECUACIONES DIFERENCIALES EQUIPO N 9

EJEMPLO 1 Sistemas expresados en notacin matricial

, entonces la forma matricial del sistema homogneo.

, entonces la forma matricial del sistema homogneo.

ECUACIONES DIFERENCIALES EQUIPO N 9

y se puede interpretar desde el punto de

vista geomtrico como un conjunto de ecuaciones paramtricas de una curva en el espacio.

. 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

ECUACIONES DIFERENCIALES EQUIPO N 9

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

PROBLEMA CON VALORES INICIALES Sea

que denota un punto en un intervalo I

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

X ' = A (t) X + F (t).

ECUACIONES DIFERENCIALES EQUIPO N 9

Es un problema con valores iniciales en el intervalo.

son constantes arbitrarias, es tambin una solucin en el

Son las soluciones de un sistema

ECUACIONES DIFERENCIALES EQUIPO N 9

Por el principio de superposicin la combinacin lineal

Es otra solucin del sistema.

Para toda t en el intervalo. Si el conjunto de vectores no es linealmente dependiente en el

ECUACIONES DIFERENCIALES EQUIPO N 9

X ' = A ( t ) X ,W ( t )=det ( t ) lo llamamos Wronskiano de (t )

Observacin. Si ( t ) es una matriz fundamental, entonces W(t)= det ( t ) 0

TEOREMA 1.3 Criterio para las soluciones linealmente independientes

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

, son vectores solucin del sistema (5),

entonces, para todo t en I se cumple W(

ECUACIONES DIFERENCIALES EQUIPO N 9

0. As, si podemos demostrar que W

0 para todo t y, por consiguiente, las soluciones son linealmente

son linealmente independientes en el intervalo ( , )

Para todos los valores reales de t.

de n vectores solucin linealmente independientes del

sistema homogneo (5) en un intervalo I se dice que es un conjunto fundamental de

un conjunto fundamental de soluciones del sistema homogneo (5)

en un intervalo I. entonces la solucin general del sistema en el intervalo es

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

ECUACIONES DIFERENCIALES EQUIPO N 9

EJEMPLO 5 Solucin general del sistema (6)

Del ejemplo 2 sabemos que

independientes de (6) en ( , ). Por tanto

son soluciones lineales

son un conjunto fundamental de

soluciones en el intervalo. La solucin general del sistema en el intervalo entonces es

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

fundamental de soluciones en ( , ). Por lo que la solucin general del sistema en el

ECUACIONES DIFERENCIALES EQUIPO N 9

SISTEMAS NO HOMOGNEOS Para los sistemas no homogneos, una solucin