Está en la página 1de 8

Solucion de Sistemas de Ecuaciones Diferenciales Lineales

Departamento de Matematicas, CCIR/ITESM

9 de febrero de 2011

Indice
20.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
20.2. Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
20.3. Ejemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
20.4. Motivaci
on a la formalizaci on del metodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
20.5. Formalizacion del metodo de soluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

20.1. Introducci
on
En esta lectura veremos una aplicaci on 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 ver an dos
ejemplos de la aplicacion del metodo. En estos ejemplos se muestra c omo 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.

20.2. 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 20.1
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 x
=
y 2 1 y
2. Se determinan los valores propios de la matriz de coeficientes. El polinomio caracterstico es:
pA () = 2 3 4
Los valores propios son entonces:
1 = 1, 2 = 4
3. Se determinan los vectores propios correspondientes son:
   
1 3/2
v1 = , v2 =
1 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: v1 , v2 , . . . , vn , siendo la matriz de coeficientes n n. En este caso
la solucion general se escribe:
X n
x= C i v i e i t
i=1
4. Se forma la solucion general al sistema:
     
x(t) 1 3/2
= C1 e 1t
+ C2 e4t
y(t) 1 1

5. Se determina la solucion particular: determinaci


on de C1 y C2 usando x(0) = 3 y y(0) = 2:
     
3 1 3/2
= C1 e 10
+ C2 e40
2 1 1

Para determinar las constantes resolvemos el sistema cuya matriz aumentada es:
   
1 3/2 3 1 0 12/5

1 1 2 0 1 2/5
     
x 12 1 2 3/2
= t
e + e4t
y 5 1 5 1
O bien:      
x 12/5 3/5
= e t
+ e4t
y 12/5 2/5
Hagamos los calculos con una calculadora TI Voyage. En la figura 1: se define 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 0.832 4t 0.707
= C1 e + C2 et
y 0.554 0.707

La constantes C1 y C2 de la solucion particular pueden ser determinadas resolviendo el sistema: VC = Ci


donde V es la matriz formada por los vectores propios y Ci es el vector de condiciones iniciales. Para obtener

2
Figura 2: Ejemplo 1: c
alculos para las condiciones iniciales.

Figura 3: Ejemplo 1: c
alculos para x(t = 1.2) y y(t = 1.2).

ci Vi hacemos el truco del producto V diag(c1 , c2 ). Estos c


alculos se ilustran en la figura 2. Por tanto, la
soluci
on particular es:      
x 0.6 4t 2.4
= e + et
y 0.4 2.4
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(c1 , c2 ) y el vector con los datos, como se ilustra en la figura 3.

20.3. Ejemplo 2
Ahora veamos un ejemplo donde la matriz tiene valores propios diferentes pero la matriz es diagonalizable
debido a que la dimension algebraica coincide con la dimensi
on geometrica.
Ejemplo 20.2
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 x
y = 2 1 2 y
z 2 2 1 z

2. Se determinan los valores propios de la matriz de coeficientes. El polinomio caracterstico es:

pA () = (3 32 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:

1 0
v1 = 1 , v2 = 1
0 1

y a 3 = 5:
1
v3 = 1
1
4. La solucion general al sistema es entonces:

x(t) 1 0 1
y(t) = C1 1 e1t + C2 1 e1t + C3 1 e5t
z(t) 0 1 1

5. Determinaci
on de la solucion particular usando las condiciones iniciales x(0) = 3, y(0) = 2 y z(0) = 1:

3 1 0 1
2 = C1 1 e10 + C2 1 e10 + C3 1 e50
1 0 1 1

Para determinar las constantes resolvemos el sistema cuya matriz aumentada es:

1 0 1 3 1 0 0 1
1 1 1 2 0 1 0 1
0 1 1 1 0 0 1 2

Por tanto, la solucion particular es:



x 1 0 1
y = 1 et 1 et + 2 1 e5t
z 0 1 1

O simplemente,
x 1 2
y = 0 et + 2 e5t
z 1 2
La figura 4 ilustra los valores y vectores propios propios de la matriz de coeficientes. La figura 5 muestra los
valores de las constantes C1 , C2 y C3 relativas a las condiciones iniciales. La figura 6 muestra los vectores que
acompa nan a las exponenciales en las conidiciones iniciales y la figura 7 muestra los valores de x(1.5) y de
y(1.5).
De los c
alculos de la figura 6 se deduce que la soluci
on particular es:

x 2 1.004 0.004
y = 2 e5 t + 0.502 et + 0.502 e1t
z 2 0.502 0.498
2 1.0
= 2 e5 t + 0.0 et
2 1.0

Para determinar los valores de x(t = 1.5), y(t = 1.5) y z(1.5) podemos recurrir de nuevo a c
alculos cons
matrices como se ilustra en la figura 7.

4
Figura 4: Ejemplo 2: vectores propios para la matriz de coeficientes.

Figura 5: Ejemplo 2: c
alculo referente a las condiciones iniciales.

Figura 6: Ejemplo 2: c
alculo referente a las condiciones iniciales.

Figura 7: Ejemplo 2, Posici


on en t = 1.5.

5
20.4. Motivaci
on a la formalizaci
on del m
etodo
Veamos dos ejemplos de sistemas de ecuaciones: uno f acil de resolver y uno m
as complejo que puede
reducirse a uno facil. La transformacion 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
inc
ognitas y supongamos que ellas satisfacen un sistema que tiene la forma:
   
x (t) a1 x(t)
=
y (t) a2 y(t)

el sistema estara representando a las dos ecuaciones diferenciales

x (t) = a1 x(t) y y (t) = a2 y(t)

Estas ecuaciones son ecuaciones diferenciales lineales de primer orden cuyas soluciones generales son:

x(t) = C1 ea1 t y y(t) = C2 ea2 t

Si ahora queremos regresar a la forma de vector lo anterior, lo podramos escribir como:

C 1 ea 1 t
   
x(t)
=
y(t) C 2 ea2 t

y de all a:      
x(t) 1 a1 t 0
= C1 e + C2 ea 2 t
y(t) 0 1
El sistema anterior es un sistema muy facil de resolver comparado con un sistema en apariencia m
as difcil
como:    
x (t) 5 x(t) 6 y(t)
=
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) 2 z(t)
=
w (t) 1 w(t)
Este sistema se resuelve como el primero dandonos como solucion general:
     
z(t) 1 0
= C1 e2 t + C2 et
w(t) 0 1

Para regresar a las variables originales el cambio de variables hecho lo describimos en forma matricial como:
     
z(t) 1 1 x(t)
=
w(t) 1 2 y(t)

Digamos que  
1 1
A =
 1 2
x(t)
x =
y(t)
as la solucion queda:    
1 2t 0
Ax = C1 e + C2 et
0 1
al multiplicar por A1 la solucion queda
   
1 1 2t 1 0
x = C1 A e + C2 A et
0 1

Como  
1 1
A1 =
1 2
la solucion finalmente queda:    
1 2t 1
x = C1 e + C2 et
1 2
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 inc
ognita 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 u
ltimo 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.

20.5. Formalizaci
on del m
etodo de soluci
on
Veamos ahora la formalizaci on de un metodo de solucion 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
x1 (t)
x2 (t)
x= ..


.
xn (t)
es el vector de funciones inc
ognitas y A es la matriz de transferencia del sistema. Suponga que la matriz
A es diagonalizable y que
A = PDP1
donde D es una matriz diagonal diag(1 , 2 , . . . , n ) y P es una matriz cuadrada cuyas columnas forman una
base de vectores propios vi asociados a los valores propios i de A. As, el sistema podra escribirse como

x = PDP1 x

si multiplicamos por P1 y asociamos obtenemos


 
P1 x = P1 x = D P1 x

ognitas y = P1 x entonces el sistema queda:


si definimos el nuevo vector de inc

y = Dy

el cual representa al sistema desacoplado:

y1 (t) = 1 y1 (t)
y2 (t) = 2 y2 (t)
..
.
yn (t) = 1 yn (t)

al resolver cada una de estas ecuaciones se obtiene:


y1 (t) = C1 e1 t
y2 (t) = C2 e2 t
..
.
yn (t) = Cn en t

que escrita en forma vectorial queda

y = C 1 e1 e 1 t + C 2 e2 e 2 t + + C n en e n t

donde ei representa al vector de ceros con un 1 en la coordenada i. Si multiplicamos por P:

x = Py = C1 Pe1 e1 t + C2 Pe2 e2 t + + Cn Pen en t

recordando que Pei es la i-esima columna de P o sea vi , la soluci


on general queda:
n
X
x= Ci v i e i t
i=1