Ed de 1er Orden PDF

695 Anlisis matemtico para Ingeniera. M. MOLERO; A. SALVADOR; T. MENARGUEZ; L.
GARMENDIA
CAPTULO 11
Sistemas de ecuaciones diferenciales lineales
de primer orden
Cuando se estudia matemticamente una situacin de la realidad, el
modelo que se obtiene suele tener un carcter no lineal, siendo esto lo que le
confiere, en la mayora de los casos, una gran dificultad. Uno de los
procedimientos ms utilizados dentro de la Matemtica, y de la Ciencia en
general, cuando se aborda un problema difcil, es considerar un problema ms
sencillo que sea, en algn sentido, una buena aproximacin del anterior. Al
estudiar este segundo problema se intenta obtener, de las conclusiones, algn
tipo de resultado para el problema primitivo. Una de las formas ms usuales de
simplificar el problema es linealizarlo. Si se quiere estudiar un problema no
lineal, el primer paso obligado es estudiar el problema lineal asociado de la
manera ms completa posible para poder analizar as que ocurrir en el caso
no lineal. El estudio de los sistemas lineales no es difcil y en numerosas
ocasiones se pueden obtener resultados concluyentes pues la estructura
algebraica de las soluciones es sencilla y a veces se puede dar una descripcin
de la misma en trminos de funciones elementales.
Un sistema de ecuaciones diferenciales de orden superior se transforma
en un sistema de primer orden aadiendo ms variables. Por esta razn el
captulo se centra en el estudio de los sistemas de ecuaciones diferenciales

M. MOLERO; A. SALVADOR; T. MENARGUEZ; L. GARMENDIA Sistemas de ecuaciones diferenciales 696
lineales de primer orden. La seccin 1 comienza realizando una primera
aproximacin entre los sistemas lineales y las ecuaciones diferenciales de
orden superior y estableciendo los teoremas de existencia y unicidad. En la
seccin 2 se desarrolla la teora general de la estructura de las soluciones de
los sistemas lineales de primer orden que es similar a la de las ecuaciones
lineales de orden superior. As el conjunto de soluciones de un sistema lineal
de primer orden homogneo tiene estructura de espacio vectorial y el no
homogneo de espacio afn. La seccin 3 est centrada en los mtodos de
resolucin de los sistemas lineales homogneos con coeficientes constantes.
Utilizando la teora algebraica para calcular los autovalores y autovectores de
una matriz se establece un procedimiento que permite resolver el sistema. Otro
forma de resolver sistemas lineales es utilizando la exponencial de una matriz,
que es el contenido de la seccin 4. El captulo termina con la seccin 5 en la
que se desarrollan los mtodos de resolucin de sistemas lineales no
homogneos, en los que de nuevo se observa un paralelismo con los
estudiados en el captulo anterior para resolver las ecuaciones lineales
completas de orden superior.
11.1. SISTEMAS LINEALES DE ECUACIONES
DIFERENCIALES
Un sistema de ecuaciones diferenciales de orden superior puede
transformarse fcilmente en un sistema de primer orden sin ms que aadir
ms variables: si el sistema de orden superior es lineal tambin lo es el de

697 Captulo 11: Ecuaciones diferenciales M. MOLERO; A. SALVADOR; T. MENARGUEZ; L. GARMENDIA
primer orden. Por esta razn, sin prdida de generalidad, es posible estudiar
nicamente los sistemas de ecuaciones diferenciales de primer orden.
11.1.1. Conceptos previos
Definicin 11.1.1:
Un sistema de k ecuaciones diferenciales de orden superior n
expresado de la forma f(x, y(x), y(x), y(x), ..., yn)(x)) = 0 se denomina lineal
cuando la funcin vectorial f es una funcin lineal con respecto a la funcin y(x)
y a todas sus derivadas.
En particular un sistema de n ecuaciones diferenciales de primer
orden expresado de la forma f(x, y(x), y(x)) = 0 se denomina lineal cuando la
funcin vectorial f es una funcin lineal respecto a y(x) y y(x)
Cuando es posible despejar y el sistema se escribe de la siguiente forma:
y 1 ( x ) = f1( x , y 1,..., y n )
'
y 2 ( x ) = f2 ( x , y 1..., y n )
... f1,..., fn : S n +1
y ( x ) = f ( x , y ,..., y )
n n 1 n

siendo f 1 , f 2 , ..., f n funciones lineales respecto a las variables y 1 , y 2 , ..., y n , es
decir, tambin se puede expresar:
y1 ( x ) = a11( x )y1( x ) + a12( x )y 2( x ) + ... + a1n ( x )y n ( x ) + b1( x )

y ( x ) = a ( x )y ( x ) + a ( x )y ( x ) + ... + a ( x )y ( x ) + b ( x )
2 21 1 22 2 2n n 2
... (11.1.1)
y ( x ) = a ( x )y ( x ) + a ( x )y ( x ) + ... + a ( x )y ( x ) + b ( x )
n n1 1 n2 2 nn n n

siendo a ij (x) y b i (x) funciones definidas en un intervalo (a, b), i, j {1, 2, ..., n}.
El sistema anterior se puede expresar en forma vectorial: y(x) = A(x)y(x)
+ b(x), siendo A(x) una matriz cuadrada de orden n, formada por las funciones
a ij (x) y b(x), y(x), y(x) funciones vectoriales de dimensin n definidas en un
intervalo (a, b) de .
En el captulo 9 se desarroll una manera natural de asociar a cada
ecuacin diferencial ordinaria de orden n un sistema equivalente de ecuaciones
diferenciales de primer orden; as mismo, dado un sistema se puede determinar
una ecuacin diferencial de orden superior asociada, aunque no hay
equivalencia ya que la ecuacin puede tener soluciones que no lo son del
sistema como se muestra en el ejemplo 11.1.3. En esta transformacin entre
sistemas de primer orden y ecuaciones de orden n, la propiedad de linealidad
se conserva como se demuestra en la siguiente proposicin.
Proposicin 11.1.1:
Si una ecuacin diferencial de orden n es lineal tambin es lineal el
sistema asociado de n ecuaciones diferenciales de primer orden y
recprocamente si el sistema es lineal tambin lo es su ecuacin diferencial
asociada.
Demostracin:
Dada la ecuacin diferencial lineal:
yn) + P 1 (x)yn-1) + ... + P n-1 (x)y + P n (x)y = G(x),
realizando el cambio de variable:
y 1 = y; y 2 = y; ...; y n = yn-1),
se obtiene yn = yn), y por lo tanto la ecuacin se transforma en el sistema:

y 1 ( x ) = y 2 ( x )
y 2 ( x ) = y 3 ( x )

...
y n ( x ) = P1( x )y n ( x ) P2 ( x )y n 1( x ) ... Pn ( x )y 1( x ) G( x )
que es un sistema de ecuaciones diferenciales lineales de primer orden.
Recprocamente si y 1 , y 2 , ..., y n son soluciones del sistema (11.1.1) al
derivar la primera ecuacin con respecto a x:
y 1 = a 11 y 1 + a 11 y 1 + a 12 y 2 + a 12 y 2 + ... + a 1n y n + a 1n y n + b 1
y sustituir las derivadas y1 , y 2 , ..., yn por sus expresiones en el sistema
(11.1.1) se obtiene y 1 = d 21 y 1 + d 22 y 2 + ... + d 2n y n + h 2 . Se deriva esta
expresin con respecto a x, se sustituye del modo anterior y se obtiene y 1 (x)
= d 31 y 1 + d 32 y 2 + ... + d 3n y n + h 2 .
Se repite el proceso hasta la derivada de orden n y se calcula:
y 1 n)(x) = d n1 y 1 + d n2 y 2 + ... + d nn y n + h n .
De esta forma se obtiene el siguiente sistema:
y 1 ( x ) = a11( x )y 1( x ) + a12 ( x )y 2 ( x ) + ... + a1n ( x )y n ( x ) + b1( x )

y ' ( x ) = d ( x )y ( x ) + d ( x )y ( x ) + ... + d ( x )y ( x ) + h ( x )
1 21 1 22 2 2n n 2
... (11.1.2)
y n ) ( x ) = d ( x )y ( x ) + d ( x )y ( x ) + ... + d ( x )y ( x ) + h ( x )
1 n1 1 n2 2 nn n n
De las n 1 primeras ecuaciones se calculan y 2 , y 3 , ..., y n en funcin de
x, la funcin y 1 y sus derivadas hasta el orden n 1, y al introducir estas
expresiones en la ltima ecuacin de (11.1.2) se obtiene la ecuacin diferencial
lineal de orden n:
y 1 n)(x) = Q 1 (x)y 1 n-1) + ... + Q n-1 (x)y 1 + Q n (x)y 1 + H(x).

Definicin 11.1.2:
Un sistema de n ecuaciones diferenciales lineales de primer orden con
coeficientes constantes se expresa de la siguiente forma:
y 1 ( x ) = a11y 1( x ) + a12 y 2 ( x ) + ... + a1n y n ( x ) + b1( x )

y' ( x ) = a y ( x ) + a y ( x ) + ... + a y ( x ) + b ( x )
2 21 1 22 2 2n n 2
...
y ( x ) = a y ( x ) + a y ( x ) + ... + a y ( x ) + b ( x )
n n1 1 n2 2 nn n n

donde a ij , y b i (x) son funciones reales de variable real.
Si para todo i, 1 i n, b i (x) = 0, x , el sistema se denomina
homogneo.
Las equivalentes ecuaciones matriciales son: y(x) = Ay(x) + b(x) para un
sistema no homogneo y y(x) = Ay(x) para un sistema homogneo, donde A
es una matriz de nmeros reales, cuadrada de orden n, A = (a ij ).
11.1.2. Teoremas de existencia y unicidad
Los teoremas fundamentales de existencia y unicidad de las
soluciones de un problema de valor inicial para sistemas lineales de
ecuaciones diferenciales de primer orden se pueden enunciar de forma similar
a los obtenidos para sistemas de ecuaciones diferenciales de primer orden y se
demostrarn a partir de ellos.
Teorema 11.1.2: Teorema de existencia y unicidad
Sea A(x) una funcin matricial cuadrada de orden n, b(x) una funcin
vectorial, continuas en un intervalo (a, b) de , y sea y(x) = A(x)y(x) + b(x) un

sistema lineal de ecuaciones diferenciales de primer orden. Sea x 0 (a, b), si
se impone la condicin inicial y(x 0 ) = (y 1 (x 0 ), y 2 (x 0 ), ..., y n (x 0 )) = (y 01 , y 02 , ...,
y 0n ), entonces existe una nica funcin vectorial (x) = ( 1 (x), 2 (x), ..., n (x))
que es solucin del sistema y verifica las condiciones iniciales.
Demostracin:
En el teorema 9.2.1 de existencia del captulo 9 para sistemas de
ecuaciones diferenciales de primer orden para garantizar la existencia se exiga
la continuidad de las funciones f k (x, y), para todos los valores de k entre 1 y n.
n
En nuestro caso particular f k (x, y) = akj ( x ) y j ( x ) + b k (x). Como por
j =1
hiptesis las funciones a kj (x) y b k (x) son funciones continuas en el intervalo (a,
b) se tiene garantizada la existencia de solucin de cualquier problema de valor
inicial en ese intervalo.
Adems las derivadas parciales de las funciones f k (x, y), respecto de las
variables y j (x) son precisamente las funciones a kj (x) que por hiptesis son
continuas por lo tanto, por el teorema 9.2.2, se asegura la existencia y unicidad
local de la solucin para un problema de valor inicial, y dicha solucin puede
extenderse a todo intervalo en el que sean continuas las funciones a kj (x) y
b k (x).
Es interesante observar que para sistemas lineales el intervalo maximal
de existencia de cualquier solucin es el mismo intervalo para cualquier
condicin inicial, y coincide con el intervalo dominio de definicin de las
funciones A(x) y b(x), mientras que si el sistema es no lineal el intervalo
maximal de existencia depende de la condicin inicial.

Ejemplos resueltos
Ejemplo 11.1.1: Clasificar los siguientes sistemas en lineales o no
lineales, homogneos o no homogneos, de primer orden o de orden superior.
y 1' 0 1 y 1 y 22
1 y
1 y' =
( D 2 )y 1 3 y 2 =e
2 2x
a) b) y 2 ' = 1 0 1 y 2 c) 1
.
( D +2 )y 1 + y 2 =0 y 12
2
y ' 1 0 y 3 y 2 ' =
3 1 y2
El sistema del apartado a) es lineal, no homogneo de orden dos.
El sistema del apartado b) es lineal, homogneo y de primer orden.
El sistema del apartado c) es no lineal, homogneo y de primer orden.
Los tres ejemplos tienen los coeficientes constantes.
Ejemplo 11.1.2: Expresar en forma matricial el sistema lineal asociado a la
ecuacin diferencial lineal homognea y + a 2 y + a 1 y +a 0 y = 0.
Realizando el cambio de variable y 1 = y; y 2 = y, y 3 = y, se obtiene y3 =
y, y por lo tanto la ecuacin se transforma en el sistema:
y 1' ( x ) = y 2 ( x )

y 2' ( x ) = y 3 ( x )
y ' ( x ) = a y ( x ) a y ( x ) a y ( x )
3 0 1 1 2 2 3
que expresado en forma matricial:
y 1' ( x ) 0 1 0 y 1( x )

y 2' ( x ) = 0 0 1 y 2 ( x ) .
y ' ( x ) a a1 a2 y ( x )
3 0 3
Ejemplo 11.1.3: Calcular una ecuacin diferencial de orden dos asociada
y 1' 1 0 y 1
al sistema = y comprobar que tiene soluciones que no son
2
y ' 0 1 y2
soluciones del sistema.
La solucin de general de este sistema es:
y1 1 0
= K 1 ex + K 2 ex y 1 = K 1 ex; y 2 = K 2 ex ,
y2 0 1
y no existe una ecuacin diferencial lineal de segundo orden que tenga estas
soluciones, as por ejemplo derivando la primera ecuacin y 1 = y 1 se tiene y 1
= y 1 . Una solucin de esta ecuacin son las funciones constantes que sin
embargo no son solucin del sistema de partida.
Ejemplo 11.1.4: Obtener una ecuacin diferencial de segundo orden
y 1' = y 1 + 2 y 2
asociada al sistema , y a partir de sus soluciones resolver el
y 2 ' =3 y 1 +2y 2
sistema.
Derivando la primera ecuacin se tiene y 1 = y 1 + 2y 2 . Sustituyendo los
valores de y 1 e y 2 del sistema se tiene: y 1 = 7y 1 + 6y 2 .
y 1' = y 1 + 2 y 2
Se considera el sistema en las variables y 1 e y 2 : . Se
y 1'' =7 y 1 +6 y 2
1
despeja y 2 en la primera ecuacin: y 2 = (y 1 y 1 ), y se sustituye en la
2
segunda, con lo que se obtiene la ecuacin y 1 3y 1 4y 1 = 0.
La solucin general de esta ecuacin diferencial es y 1 = K 1 e4x + K 2 e-x.
3
Sustituyendo en y 2 tanto y 1 como su derivada se obtiene: y 2 = K 1 e4x
2
K 2 e-x.
Por lo tanto la solucin general del sistema es:

y1 2 1
= k1e 4 x + k 2 e x .
y2 3 1
Ejercicios
11.1. Calcular la ecuacin diferencial asociada a cada uno de los siguientes
sistemas y a partir de sus soluciones obtener la solucin general del
sistema.
y 1' 0 1 0 y 1
y 1' 0 1 y 1
a) y 2 ' = 0 0 1 y 2 . b) = .
y ' 1 3 2 y y 2' 2 3 y 2
3 3
11.2. Expresar en forma matricial el sistema lineal asociado a la ecuacin
diferencial lineal homognea y + 2y +y = 0.
y 1' = y 1 + y 2
11.3. Resolver el sistema a partir de las soluciones de la
y 2' = y 2
ecuacin diferencial de orden dos asociada a este sistema.

11.2. SISTEMAS LINEALES DE ECUACIONES
DIFERENCIALES DE PRIMER ORDEN
11.2.1. Dependencia e independencia lineal
Definicin 11.2.1:
Dado un conjunto de funciones vectoriales {y 1, y 2 , ..., y n } definidas en un
intervalo (a, b) se dice que son linealmente dependientes en el intervalo (a,
b), si existen n constantes 1 , 2 , ..., n no todas nulas, tales que: 1 y 1 (x) +
2 y 2 (x) + ... + n y n (x) = 0, x (a, b).
Si por el contrario se verifica que esta identidad solamente se cumple
cuando 1 = 2 = ... = n = 0, entonces se dice que las funciones {y 1 , y 2 , ...,
y n } son linealmente independientes en el intervalo (a, b).
Definicin 11.2.2:
Dado un conjunto de funciones vectoriales {y 1, y 2 , ..., y n }, con y k (x) =
(y k1 (x) , y k2 (x), ..., y kn (x)), 1 k n, se denomina wronskiano de estas
funciones y se denota por W[y 1 , y 2 , ..., y n ] a la funcin definida por el siguiente
determinante:
y11( x ) y 21( x ) ... y n1( x )

y12 ( x ) y 22 ( x ) ... y n 2 ( x )
W[y 1 , y 2 , ... y n ](x) =
... ... ... ...
y1n ( x ) y 2n ( x ) ... y nn ( x )
es decir W[y 1 , y 2 , ... y n ](x) = det [y 1 , y 2 , ... y n ](x).
Proposicin 11.2.1:
Si las funciones y 1 , y 2 , ..., y n son linealmente dependientes en el intervalo
(a, b), entonces su wronskiano en ese intervalo es la funcin nula.
Demostracin:
Si las funciones son linealmente dependientes una de ellas y k se puede
expresar como combinacin lineal de las otras y por lo tanto, la columna k-
sima del determinante se puede expresar como una combinacin lineal de las
otras columnas, lo que supone que el determinante es cero.
Esta proposicin prueba que si un conjunto de funciones vectoriales es
linealmente dependiente entonces son linealmente dependientes los vectores
numricos que se obtienen al hallar las imgenes de estas funciones en cada
punto.
El recproco no es cierto, para algn valor de x pueden ser dichos
vectores linealmente dependientes y no serlo las funciones. Si los vectores son
linealmente independientes para algn valor, x, entonces se puede asegurar
que son linealmente independientes las funciones. Pero incluso puede ocurrir
que para cada valor x los vectores sean linealmente dependientes y ser
linealmente independientes las funciones.
Esta anomala de que unas funciones linealmente independientes puedan
tener valores en un punto que no lo sean, desaparece si las funciones son
solucin de un mismo sistema lineal homogneo.
11.2.2. Estructura de las soluciones del sistema
homogneo
En los siguientes teoremas se supone un sistema de n ecuaciones
diferenciales lineales de primer orden expresado en forma vectorial y(x) =
A(x)y(x) siendo A(x) una funcin matricial cuadrada de orden n, continua en un
intervalo (a, b) de , e y(x), y(x) funciones vectoriales de n en .
Teorema 11.2.3.
Sean y 1 , y 2 , ..., y n soluciones linealmente independientes del sistema
y(x) = A(x)y(x) en el intervalo (a, b). Entonces, dadas n constantes c 1 , c 2 , ...,
n
c n , la funcin ck y k es tambin solucin del sistema en el intervalo (a, b).
k =1
Demostracin:
Las funciones y k (x), 1 k n, son soluciones del sistema, y por tanto
verifican y k (x) = A(x)y k (x). Por ser la derivada lineal se tiene que:
d n
n n n

dy k
dx k =1
ck y k =

ck
dx
=
c k A( x ) y k ( x ) = A( x )
ck y k ( x ) .
k =1 k =1 k =1
Teorema 11.2.4:
Si las funciones y 1 , y 2 , ..., y n son soluciones linealmente independientes
en el intervalo (a, b) del sistema y(x) = A(x)y(x) entonces su wronskiano no se
anula en ningn punto de ese intervalo.
Demostracin:
Se demuestra el teorema por reduccin al absurdo, por lo que se supone
que existe algn x 0 (a, b) tal que W[y 1 , y 2 , ..., y n ](x 0 ) = 0.
Por lo tanto una columna del wronskiano es una combinacin lineal de las
otras. Se supone que es la primera, entonces:

y 1 (x 0 ) = c 2 y 2 (x 0 ) + c 3 y 3 (x 0 ) + ... + c n y n (x 0 )
Sea z(x) = y 1 (x) + c 2 y 2 (x) + c 3 y 3 (x) + ... + c n y n (x), x (a, b)
Esta funcin es solucin del sistema por ser una combinacin lineal de
soluciones; adems z(x 0 ) = 0, luego en el punto x 0 la funcin z(x) coincide con
la funcin nula, que tambin es solucin del sistema. Por el teorema de
unicidad de soluciones z(x) = 0, x (a, b), lo que contradice que las funciones
y 1 , y 2 , ..., y n sean linealmente independientes en (a, b).
Teorema 11.2.5:
Si las funciones y 1 , y 2 , ..., y n son soluciones del sistema lineal de
ecuaciones diferenciales y(x) = A(x)y(x) en un intervalo (a, b), entonces su
wronskiano en ese intervalo o es la funcin nula o no se anula en ningn punto
de dicho intervalo.
Demostracin:
Se puede comprobar la siguiente expresin para la derivada del
wronskiano:
W[y 1 , y 2 , ..., y n ] = W[y 1 , y 2 , ..., y n ] + W[y 1 , y 2 , ..., y n ] + ... + W[y 1 , y 2 , ..., y n ].
Como y 1 , y 2 , ..., y n son soluciones del sistema para todo k, tal que 1 k
n, se verifica que y k (x) = A(x)y k (x). Sustituyendo en la expresin anterior se
tiene que W[y 1 , y 2 , ..., y n ](x) = (a 11 (x) + a 22 (x) + ... + a nn (x))W[y 1 , y 2 , ..., y n ](x)
que es una ecuacin diferencial lineal de primer orden que tiene por solucin
W[y 1 , y 2 , ..., y n ](x) = C e

Traza( A( x ))dx
. Como la funcin exponencial no se
anula, se tiene que W[y 1 , y 2 , ..., y n ](x) = 0 slo cuando C es igual a 0, por lo
que W[y 1 , y 2 , ..., y n ](x) es la funcin nula o no se anula en ningn punto del
intervalo (a, b).
De la demostracin de este teorema se deduce que:
W [y 1 , y 2 , ..., y n ](x) = traza(A)W[y 1 , y 2 , ..., y n ](x).
Como conclusin de los teoremas anteriores se tiene el siguiente
corolario:
Corolario 11.2.6:
Si las funciones y 1 , y 2 , ..., y n son soluciones del sistema lineal
homogneo de ecuaciones diferenciales y(x) = A(x)y(x) en el intervalo (a, b),
las tres condiciones siguientes son equivalentes:
a) Las funciones y 1 , y 2 , ..., y n son linealmente independientes en (a, b).
b) Existe un x (a, b) tal que W[y 1 , y 2 , ..., y n ](x) es distinto de cero.
c) Para todo x (a, b) se verifica que W[y 1 , y 2 , ..., y n ](x) es distinto de cero.
Es evidente que:
a) b) por el teorema 11.2.4,
b) a) por el teorema 11.2.1,
b) c) por el teorema 11.2.5,
c) b) trivial.
Definicin 11.2.3:
Se llama sistema fundamental de soluciones del sistema lineal
homogneo y(x) = A(x)y(x) en un intervalo (a, b), a cualquier conjunto de n
soluciones linealmente independientes en (a, b).

Teorema 11.2.7:
Siempre existe un sistema fundamental de soluciones del sistema lineal
homogneo de primer orden y(x) = A(x)y(x), en el intervalo (a, b).
Demostracin:
Sea x 0 (a, b). Por el teorema de existencia de soluciones se sabe que
existen funciones y k (x), para k desde 1 hasta n, que son solucin del sistema y
cada una verifica la condicin inicial siguiente: y 1 (x 0 ) = (1, 0, ..., 0), y 2 (x 0 ) = (0,
1, ..., 0), ..., y n (x 0 ) = (0, 0, ..., 1),
Las funciones y 1 (x), y 2 (x), ..., y n (x) son linealmente independientes, ya
que si existen n constantes c 1 , c 1 , ..., c n tales que c 1 y 1 (x) + c 2 y 2 (x) + ... +
c n y n (x) = 0 x (a, b), se tiene que:
n
ck y k 1
( x 0 )= 0 c 1 = 0.
k =1
n
ck y k 2
( x 0 )= 0 c 2 = 0
k =1
...........
n
ck y k n
( x 0 )= 0 c n = 0
k =1
En consecuencia las n funciones son linealmente independientes y por lo
tanto forman un sistema fundamental de soluciones.
Teorema 11.2.8:
Si {y 1 , y 2 , ..., y n } es un sistema fundamental de soluciones del sistema
lineal homogneo de primer orden y(x) = A(x)y(x), en el intervalo (a, b),

entonces toda solucin (x) = ( 1 (x), 2 (x), ..., n (x)) del sistema se puede
n
expresar de la forma (x) = c k y k ( x ) , donde c1, c 2, ..., cn son constantes.
k =1
Demostracin:
Sea {y 1 , y 2 , ..., y n } un sistema fundamental de soluciones, una
solucin del sistema y(x) = A(x)y(x), y x 0 un punto del intervalo (a, b),
entonces por el corolario 11.2.6, W[y 1 , y 2, ..., y n ](x 0 ) 0.
Se determina 1 (x 0 ), 2 (x 0 ), ..., n (x 0 ) y se considera el siguiente
sistema de n ecuaciones en las incgnitas c 1 , c 2 , ..., c n :
n
ck y k 1
( x 0 )= 1( x 0 )
k =1
n
ck y k 2
( x 0 )= 2 ( x 0 )
k =1
........................
n
ck y k n
( x 0 )= n ( x 0 )
k =1
Como W[y 1 , y 2 , ..., y n ](x 0 ) es el determinante de la matriz de los
coeficientes y es distinto de cero, el sistema tiene solucin nica, es decir
existen c 1 , c 2 , ..., c n constantes que verifican las n ecuaciones y por el teorema
n
de unicidad = ck y k .
k =1
Teorema 11.2.9:
Sea el conjunto de soluciones del sistema lineal homogneo de primer

orden y(x) = A(x)y(x) en el intervalo (a, b). Entonces tiene estructura de
espacio vectorial de dimensin n.
Demostracin:
Como el teorema 11.2.3 garantiza la linealidad de las soluciones del
sistema y(x) = A(x)y(x), y adems se verifican los axiomas de espacio
vectorial, se tiene que el conjunto de soluciones del sistema lineal
homogneo tiene estructura de espacio vectorial. Un sistema fundamental de
soluciones del sistema, que existe como resultado del teorema 11.2.7, es una
base del espacio vectorial ya que:
a) Es un sistema de generadores, pues por el teorema 11.2.8 cualquier
solucin se puede expresar como combinacin lineal de los elementos del
sistema fundamental de soluciones.
b) Por definicin son funciones linealmente independientes.
Se puede observar que cada solucin no puede depender de ms de n
soluciones independientes, ya que suponiendo que hubiera n + 1 y
particularizando en un punto x 0 se encontraran n + 1 vectores de n
linealmente independientes, que es imposible.
Corolario 11.2.10:
Sea {y 1 , y 2 , ..., y n } un sistema fundamental de soluciones del sistema
lineal homogneo y(x) = A(x)y(x) en el intervalo (a, b). La solucin general
de este sistema se puede expresar de la forma:
y 11( x ) y n1( x )
n
(x) =
c k y k ( x ) = c 1 ... + ... + c n ... .
k =1 y ( x ) y ( x )
1n nn
11.2.3. Matriz fundamental
Definicin 11.2.4:
Se denomina matriz fundamental del sistema lineal homogneo y(x) =
A(x)y(x) a una matriz (x) cuyas columnas son n soluciones linealmente
independientes del sistema, es decir, son un sistema fundamental de
soluciones en un intervalo (a, b),
y 11( x ) ... y n1( x )

(x) = (y 1 (x), y 2 (x), ...,y n (x)) = ... ... ... .
y ( x ) ... y ( x )
1n nn
Definicin 11.2.5:
Se denomina matriz solucin del sistema lineal homogneo y(x) =
A(x)y(x) a una matriz (x) cuyas columnas son soluciones del sistema, sean
linealmente independientes o no.
Definicin 11.2.6:
Se denomina matriz fundamental principal del sistema lineal
homogneo y(x) = A(x)y(x) a una matriz fundamental (x) tal que para un
valor x 0 verifique que (x 0 ) = I, siendo I la matriz identidad.
En algunos textos se dice que una matriz de soluciones linealmente
independientes es fundamental cuando adems es principal.
La solucin general de un sistema homogneo se puede expresar en
trminos de la matriz fundamental del sistema: y = (x)C, donde C es un
vector de constantes indeterminadas. Una matriz fundamental queda
caracterizada por verificar:

a) (x) = A(x)(x), pues es una matriz solucin, y
b) Su determinante es distinto de cero.
Propiedades de la matriz fundamental:
1. Frmula de Jacobi: Si (x) es una matriz solucin entonces:
(det)(x) = traza(A(x))det (x)
x
x0 traza( A( s )).ds
det( ( x )) = det ( x 0 ) e
Resultados que ya han sido comentados en la demostracin del teorema
11.2.5.
2. Sea (x) una matriz solucin. (x) es una matriz fundamental si y
slo si existe algn x 0 (a, b) tal que det((x 0 )) es distinto de cero.
Es una consecuencia del corolario 11.2.6.
3. Si es una matriz fundamental entonces cualquier otra matriz
fundamental es de la forma P donde P es una matriz regular de orden n. Sin
embargo, como el producto de matrices no es necesariamente conmutativo,
P puede no ser una matriz fundamental.
4. Si es una matriz fundamental se comprueba que:
y ( x ) = y G ( x ) + y P ( x ) = ( x ) C + ( x ) 1( s ) b( s ) ds

Esta frmula se estudia posteriormente en 11.5.1, y se conoce con el

nombre de frmula de variacin de las constantes.
5. Si es una matriz fundamental, y si se considera el problema de
y' ( x ) = A( x ) y ( x ) + b( x )
valor inicial: donde (x 0 , y 0 ) (a, b)xn entonces la
y ( x0 ) = y 0
nica solucin es:
x
1 1
y ( x ) = ( x ) ( x 0 ).x 0 + ( x ) ( s ) b( s ) ds .
x0
Se observa que conocida la matriz fundamental se puede obtener el
conjunto de soluciones del sistema homogneo, y que si se pudiera calcular la
integral que aparece en la propiedad 4 se tendra de manera explcita todas las
soluciones. Desgraciadamente, existen pocos tipos de sistemas en los que se
puede encontrar de manera explcita la matriz fundamental.
11.2.4. Estructura de las soluciones del sistema no
homogneo
El conjunto de soluciones de un sistema lineal de primer orden no
homogneo tiene estructura de espacio afn, siendo su espacio vectorial
asociado el conjunto de soluciones del sistema lineal homogneo. El desarrollo
para obtener este resultado es muy similar al que se realizaba para determinar
la estructura de las soluciones de las ecuaciones diferenciales de orden
superior. Previamente se demuestra que una solucin general del sistema no
homogneo se puede obtener a partir de una solucin particular de ste y la
solucin general del sistema homogneo. Este resultado, que ya se estudi

para las ecuaciones lineales de primer orden y de orden superior, es esencial
para resolver sistemas no homogneos.
Teorema 11.2.11:
Sea A(x) una funcin matricial y b(x) una funcin vectorial, continuas en
un intervalo abierto (a, b). Si y 1 , y 2 , ..., y n son n soluciones linealmente
independientes del sistema lineal homogneo de primer orden y(x) = A(x)y(x)
en el intervalo (a, b) y P es una solucin cualquiera del sistema no
homogneo y(x) = A(x)y(x) + b(x), entonces para toda solucin de este
sistema, existen n constantes c 1 , c 2 , ..., c n , tales que puede expresarse por
n
= P + ck y k
k =1
Demostracin:
Sea una solucin arbitraria del sistema y(x) = A(x)y(x) + b(x). Como P
tambin es solucin se tiene que ambas funciones verifican el sistema, por lo
que (x) = A(x)(x) + b(x) y P (x) = A(x) P (x) + b(x).
Por lo tanto restando ambas igualdades: (x) P (x) = A(x)((x)
P (x)), es decir, P es una solucin del sistema homogneo.
Por el teorema 11.2.8 existen n constantes c 1 , c 2 , ..., c n , tales que P
n n
= ck y k = P + c k y k , de donde se deduce que la solucin general
k =1 k =1
del sistema no homogneo se puede expresar como la suma de una solucin
particular de ste, P , ms la solucin general del sistema homogneo

n
asociado ck y k .
k =1
Teorema 11.2.12:
Sea A(x) una funcin matricial y b(x) una funcin vectorial, continuas en
un intervalo abierto (a, b). El conjunto de soluciones del sistema no homogneo
y(x) = A(x)y(x) + b(x) tiene estructura de espacio afn de dimensin n
construido sobre el espacio vectorial de soluciones del sistema homogneo
y(x) = A(x)y(x).
Sea el conjunto de soluciones del sistema homogneo, que por el
teorema 11.2.9 tiene estructura de espacio vectorial de dimensin n, y sea el
conjunto de soluciones del sistema no homogneo.
La aplicacin h: x , definida por h( 1 , 2 ) = 2 1 estructura a
como espacio afn ya que:
Si 1 , 2 ( 2 1 ) = ( 2 ) ( 1 ) = (A(x) 2 (x) + b(x)) (A(x) 1 (x)
+ b(x)) = A(x)( 2 1 )(x) 2 1 .
Adems se verifican los axiomas de espacio afn:
1 1 y entonces 2 , tal que h( 1 , 2 ) = 2 1 = .
Basta tomar 2 = 1 + . Es evidente que 2 ya que 2 (x) = ( 1
+ )(x) = 1 (x) + (x) = A(x) 1 (x) + b(x) + A(x)(x) = A(x)( 1 + )(x) + b(x) =
A(x) 2 (x) + b(x).
2 Si 1 , 2 , 3 entonces h( 1 , 2 ) + h( 2 , 3 ) = h( 1 , 3 ), lo que se
verifica ya que 2 1 + 3 2 = 3 1 .
Ejemplos resueltos
e 2x xe 2 x
Ejemplo 11.2.1: Comprobar que 1 (x) = y 2 (x) =
e 2x 2x
xe + e 2x

e 2 x + xe 2 x xe 2 x
son matrices fundamentales del sistema:
xe 2 x e 2 x xe 2 x
y 1' 3 1 y 1
= .
y 2 ' 1 1 y 2
3 1
La matriz de los coeficientes es A = . Para comprobar que 1 (x)
1 1
es solucin del sistema y = Ay, se debe verificar que 1 (x) = A 1 (x).
2e 2 x e 2 x + 2 xe 2 x
1 (x) = y coincide con A 1 (x) ya que
2e 2 x e 2 x 2 xe 2 x

3 1 e 2 x xe 2 x 2e 2 x e 2 x + 2 xe 2 x
A 1 (x) = = .
1 1 e 2 x 2x
e xe 2x 2e 2 x
e 2 x 2 xe 2 x
Por lo tanto es una matriz solucin y como adems es regular (pues su
determinante vale 4e4x por lo que es distinto de cero), entonces es una matriz
fundamental.
3e 2 x + 2 xe 2 x e 2 x + 2 xe 2 x
Anlogamente 2 (x) = y A 2 (x) =
e 2 x 2 xe 2 x e 2 x 2 xe 2 x

3 1 e 2 x + xe 2 x xe 2 x 3e 2 x + 2 xe 2 x e 2 x + 2 xe 2 x
= , por lo
1 1 xe 2 x e 2 x xe 2 x e 2 x 2 xe 2 x e 2 x 2 xe 2 x
que 2 (x) es una matriz solucin del sistema. Adems es regular (pues su
determinante vale e4x por lo que es distinto de cero). Por lo tanto es tambin
una matriz fundamental.
2e 2 x 3e x
Ejemplo 11.2.2: Dada la matriz (x) = 2 x encontrar un sistema
e 2e x

de ecuaciones diferenciales para el que (x) sea una matriz fundamental.
2e 2 x 3e x
y 1 = 2 x e y 2 = x son soluciones linealmente independientes del
e 2e

sistema buscado. Adems y 1 = 2y 1 e y 2 = y 2 . Por lo tanto (x) es una matriz
y 1' 2 0 y1
fundamental del sistema = .
y 2' 0 1 y 2
Ejemplo 11.2.3: Demostrar que si z 1 = (a + ib)e(+i)x y z 2 = (a ib)e(-i)x
son soluciones complejas linealmente independientes de un sistema lineal de
dos ecuaciones diferenciales entonces:
y 1 = Real((a + bi)e(+i)x)
y 2 = Im((a + bi)e(+i)x)
son soluciones reales del sistema linealmente independientes.
Las funciones y 1 y y 2 son combinaciones lineales de las funciones z 1 e z 2
ya que:
1
y1 = (z 1 + z 2 ) = ex (acos x bsen x),
2
1
y2 = (z 1 z 2 ) = ex (bcos x + asen x)
2i
por lo tanto son tambin soluciones del sistema. Adems son linealmente
independientes ya que:
a1 cos x b1senx b1 cos x +a1senx

W[y 1 , y 2 ] = ex = ex(a 1 b 2 -
a 2 cos x b2 senx b2 cos x +a2 senx
a 2 b 1 ).
Para demostrar que a 1 b 2 a 2 b 1 0, se calcula el wronskiano de las
soluciones z 1 e z 2 , que por hiptesis son linealmente independientes, y por lo
tanto es distinto de cero:
( a1 + ib1 )e x ( a1 ib1 )e x
W[z 1 , z 2 ] = ex = 2iex(b 1 a 2 b 2 a 1 ).
( a 2 + ib2 )e x ( a 2 ib2 )e x
Comparando ambos determinantes se observa que las soluciones z 1 y z 2
son linealmente independientes si y slo si y 1 e y 2 son linealmente
independientes.
Ejercicios
4e 2 x e 3 x
11.4. Comprobar que (x) = 2 x es una matriz fundamental del
e e 3 x

y 1' 1 4 y1
sistema = .
y 2 ' 1 2 y 2
e3x ( 1 2 x )e 3 x
11.5. Dada la matriz (x) = 3 x encontrar un sistema de
e 2 xe 3 x

ecuaciones diferenciales para el que (x) es una matriz fundamental.

0 2e x 0

11.6. Comprobar que (x) = 0 ex 2e 3 x es una matriz fundamental
x
e xe x e3x

y 1' 1 0 0 y 1

del sistema y 2 ' = 1 3 0 . y 2 .
y ' 0 1 1 y
3 3
11.3. SISTEMAS LINEALES HOMOGNEOS CON
COEFICIENTES CONSTANTES
En los sistemas lineales homogneos con coeficientes constantes es
posible dar una descripcin completa del conjunto de soluciones y de muchas
de sus propiedades cualitativas. Por razones de claridad los ejemplos se limitan
a sistemas de dos o tres ecuaciones. En esta seccin se estudian los sistemas
homogneos, haciendo uso del clculo de autovectores y autovalores. Slo se
contempla el caso en que los coeficientes son reales, pero el caso de
coeficientes complejos se podra estudiar de forma similar con ligeras
modificaciones, como reemplazar la transpuesta de una matriz por la hermtica
conjugada.
Un sistema lineal y homogneo de coeficientes constantes y = Ay es un
sistema autnomo pues A, al ser constante no depende de x, por lo que basta
con estudiarlo en x = 0 para tenerlo estudiado para cualquier problema de valor
inicial. Los sistemas autnomos se estudiarn con mayor profundidad en el
captulo 12: Teora cualitativa de ecuaciones diferenciales.

Ante un sistema lineal, lo primero que se debe intentar es transformarlo
en otro ms sencillo o en una ecuacin de orden n. Las estrategias para
conseguirlo pueden ser muy diversas, como son las distintas tcnicas
algebraicas que permiten resolver un sistema lineal o utilizar determinados
cambios de variable. Una forma sistemtica de realizar combinaciones lineales
entre las ecuaciones del sistema de manera que se reduzca a una ecuacin de
orden superior consiste en utilizar operadores diferenciales, procedimiento que
se desarrolla a continuacin.
11.3.1. Resolucin por eliminacin mediante el operador
diferencial D
En el captulo anterior se defina el operador diferencial D como una
df
aplicacin de en tal que f , D(f) = , siendo la familia de funciones
dx
reales de variable real infinitamente derivables en un intervalo (a, b).
Dado el sistema:
b11y1 ( x ) + b12 y 2' ( x ) + ... + b1n y n ' ( x ) = a11y1( x ) + a12 y 2 ( x ) + ... + a1n y n ( x )
''
b21y1' ( x ) + b22 y ' ( x ) + ... + b2n y n ' = a21y1( x ) + a22 y 2 ( x ) + ... + a2n y n ( x )
... (11.3.1)
b y ' ( x ) + b y ' ( x ) + .. + b y ( x ) = a y ( x ) + a y ( x ) + ... + a y ( x )
n1 1 n2 2 nn n n1 1 n2 2 nn n
Aplicando que D(y) = y se puede expresar:

( a11 b11D )y 1( x ) + ( a12 b21D )y 2 ( x ) + ... + ( a1n b1n D )y n ( x ) = 0

( a b D )y ( x ) + ( a b D )y ( x ) + ... + ( a b D )y ( x ) = 0
21 21 1 22 22 2 2n 2n n
...
( a b D )y ( x ) + ( a b D )y ( x ) + ... + ( a D )y ( x ) = 0
n1 n1 1 n2 n2 2 nn n

o bien en forma matricial:
a11 b11D a12 b12 D ... a1n b1n D y ( x )

1 0
a21 b21D a22 b22 D ... a2n b2n D y 2 ( x ) 0

.... ... ... ... ... = ... .

a b D a b D
n1 n1 n2 n2 ... ann bnn D y n ( x ) 0
a11 b11D a12 b12 D ... a1n b1n D

a b D a b D ... a2n b2n D
Sea el operador (D) =
21 21 22 22
.... ... ... ...

an1 bn1D an 2 bn 2 D ... ann bnn D
que se supone que no es la funcin nula. (D) es un operador polinmico de
grado n.
Si (D) = r 0 + r 1 D + ... + r n Dn entonces
(D)(y k (x)) = r 0 y k (x) + r 1 yk (x) + ... + r n y k n)(x).
Para todo k, 1 k n se resuelve la ecuacin diferencial homognea de
grado n: r 0 y k (x) + r 1 y k (x) + ... + r n y k n)(x) = 0
Una vez obtenidas cada una de las funciones y k (x) en funcin de n
constantes, se tienen en total n2 constantes que se eliminan hasta dejar slo n
sustituyndolas en el sistema.
Ejemplos resueltos
Ejemplo 11.3.1: Utilizar el mtodo por eliminacin mediante el operador D
para resolver el sistema de dos ecuaciones con dos incgnitas.
dy
dx = y 2z
dz
= y + 3z
dx
Para resolver el sistema se integra la ecuacin diferencial de segundo
orden homognea: (D)(z(x)) = 0.
1 D 2
(D) = = D2 4D + 5 = (D (2 + i))(D (2 i))
1 3D
La ecuacin (D2 4D + 5)z(x) = 0 tiene como solucin general:
z(x) = e2x(C 1 sen x + C 2 cos x).
Sustituyendo esta solucin en la segunda ecuacin del sistema:
y(x) = 2e2x(C 1 sen x + C 2 cos x) + e2x(C 1 cos x C 2 sen x) 3e2x(C 1 sen
x + C 2 cos x) = e2x((C 1 C 2 )sen x + (C 1 C 2 )cos x)
Por lo tanto la solucin del sistema es:
y(x) = e2x((C 1 C 2 )sen x + (C 1 C 2 )cos x)
z(x) = e2x(C 1 sen x + C 2 cos x).
Ejemplo 11.3.2: Resolver el sistema:
y' ' 4z = 0
,
z' ' +4 y = 0
utilizando el operador D.
Se expresa el operador D en forma matricial:

D2 4 y 0
=
4 D 2 z 0

y por lo tanto (D) = D4 + 16.
Se resuelve la ecuacin homognea de orden 4: (D4 + 16)(y(x)) = 0.
Las races de la ecuacin caracterstica de esta ecuacin diferencial son:
1 = 2 (1 + i); 2 = 2 (1 + i); 3 = 2 (1 i); 4 = 2 (1 i),
y la solucin general:
y(x) = e 2 x (C 1 cos 2 x + C 2 sen 2 x) + e 2 x (C 3 cos 2 x + C 4 sen 2
x).
Al calcular y(x) y sustituir en la primera ecuacin se obtiene z(x).
y(x) = 2 e 2 x ((C 1 + C 2 )cos 2 x + (C 1 + C 2 )sen 2 x)) + 2 e 2x
((C 4 C 3 )cos 2 x + (C 3 C 4 )sen 2 x)).
y(x) = 4 e 2 x (C 2 cos 2 x C 1 sen 2 x) + 4 e 2 x (C 4 cos 2x +
C 3 sen 2 x).
z(x) = e 2 x (C 2 cos 2 x C 1 sen 2 x) + e 2 x (C 4 cos 2 x + C 3 sen 2
x).
La solucin del sistema es:
y(x) = e 2 x (C 1 cos 2 x + C 2 sen 2 x) + e 2 x (C 3 cos 2 x + C 4 sen 2
x).
z(x) = e 2 x (C 2 cos 2 x C 1 sen 2 x) + e 2 x (C 4 cos 2 x + C 3 sen 2

x).
11.3.2. Resolucin buscando soluciones exponenciales.
Mtodo de Euler
La funcin exponencial, y = eax, verifica que sus derivadas son mltiplos
de s misma. Por lo tanto parece natural que sean de ese tipo las soluciones de
un sistema lineal homogneo con coeficientes constantes.
Se considera el sistema y = Ay. Se busca una solucin de la forma y(x) =
B1
x
... e . Se sustituye en el sistema:
B
n
B1e x = a11B1e x + a12 B2e x + ... + a1n Bn e x

B2 e x = a21B1e x + a22 B2e x + ... + a2n Bn e x

...
B e x = a B e x + a B e x + ... + a B e x
n n1 1 n2 2 nn n

y se divide entre ex:
( a11 )B1 + a12 B2 + ... + a1n Bn = 0

a B + ( a )B + ... + a B = 0
21 1 22 2 2n n
... (11.3.2)
a B + a B + ... + ( a )B = 0
n1 1 n2 2 nn n

El resultado es un sistema algebraico lineal homogneo en las variables
B 1 , B 2 , ..., B n que slo tiene solucin distinta de la trivial cuando el
determinante de los coeficientes es igual a cero, es decir:

a11 a12 ... a1n

a
21 a22 ... a2n
= 0.
.... ... ... ...

an1 an 2 ... ann
Esta ecuacin se denomina ecuacin caracterstica. Al desarrollar el
determinante se obtiene una ecuacin polinmica en de grado n, en la que el
tipo de races de la ecuacin determina la expresin de las soluciones.
Caso 1: La ecuacin caracterstica tiene todas las races reales y
distintas.
Sean 1 , 2 , ..., n las races de la ecuacin caracterstica, entonces
para todo k, 1 k n, al sustituir por cada valor k en el sistema (11.3.2) se
obtiene una solucin, no trivial, del sistema algebraico (B 1k , B 2k , ..., B nk ) que
determina una solucin del sistema de ecuaciones diferenciales:
B1k

y k (x) = (y kj (x)) = ... e k x .
B
nk
De esta forma se obtienen n soluciones que, en este caso, son
linealmente independientes, y por lo tanto determinan la solucin general del
sistema que es de la forma y(x) = C 1 y 1 (x) + C 2 y 2 (x) + ... + C n y n (x), y por
tanto:
B11 B12 B1n

x x
y(x) = C 1 ... e 1 + C 2 ... e 2 + ... + C n ... e n x .
B
n1 Bn 2 Bnn
Caso 2: La ecuacin caracterstica tiene races complejas distintas.
En este caso se puede obtener la solucin general en funcin de

exponenciales complejas y las soluciones de (11.3.2) pueden ser tambin
nmeros complejos. Para analizar el caso en el que se quieren obtener
soluciones reales se supone un sistema de dos ecuaciones diferenciales cuya
ecuacin caracterstica tiene dos races complejas conjugadas + i, i, y
dos soluciones linealmente independientes complejas:
y 1 (x) = B 1 e(+i)x = (a + ib)e(+i)x y
y 2 (x) = B 2 e(-i)x = (a ib)e(-i)x.
La parte real y la parte imaginaria de estas soluciones se obtienen como
combinacin lineal de ellas, por lo que son soluciones, son linealmente
independientes y son funciones reales, como se comprob en el ejemplo
11.2.3. La solucin general del sistema es:
a1 b1 b a1
y(x) = ex(C 1 ( cos x sen x) + C 2 ( 1 cos x + sen x)).
a2 b2 b2 a2
Caso 3: La ecuacin caracterstica tiene races mltiples.
Se supone un sistema de dos ecuaciones diferenciales cuya ecuacin
caracterstica tiene una raz doble. El caso general se estudia en el siguiente
B11 1x
apartado. Sea 1 la raz, entonces y 1 (x) = B1 e 1 x = e es una
B12
solucin.
La analoga con las ecuaciones de orden n llevara a pensar que la otra
solucin linealmente independiente con ella es y 2 (x) = B2 xe 1 x . Sin embargo
puede no ser as, la otra solucin del sistema tiene la forma y 2 (x) = (B 1 x + B 2 )
e 1x . Sustituyendo esta solucin en el sistema se determinan los vectores B 1 y

B2.
La solucin general del sistema es:
B11 1x B B
y(x) = C 1 e + C 2 ( 21 + 11 x )e1x .
B21 B 22 B12
Ejemplos resueltos
Ejemplo 11.3.3: Resolver el sistema de tres ecuaciones con tres
incgnitas:
dx
dt = y + z
dy
= 3x + z
dt
dz = 3 x + y
dt
1 1
Se calculan las races de la ecuacin caracterstica: 3 1 = 0
3 1
3 + 7 + 6 = 0 (1)( 3)( + 2)( +1) = 0 Las races de la ecuacin
caracterstica = 3, = 2 y = 1 son reales y distintas.
Para = 3 se buscan soluciones de la forma x(t) = A 1 e3t, y(t) = B 1 e3t, z(t)
= C 1 e3t siendo A 1 , B 1 , C 1 soluciones del sistema algebraico homogneo:
3 1 1 A1 0

3 3 1 B1 = 0 ,
3 3 C1 0
1
3
cuya solucin es A 1 = K, B 1 = C 1 = K 1 , por lo que la solucin buscada es x(t)
2
= 2e3t, y(t) = 3e3t, z(t) = 3e3t.
Para = 2, se buscan soluciones de la forma x(t) = A 2 e-2t, y(t) = B 2 e-2t,
z(t) = C 2 e-2t siendo A 2 , B 2 , C 2 soluciones del sistema algebraico homogneo:
2 1 1 A2 0

3 2 1 B2 = 0 ,
3 2 C 2 0
1
cuya solucin es A 2 = K 2 , B 2 = C 2 = K 2 , por lo que la solucin buscada es x(t)
= e-2t, y(t) = e-2t, z(t) = e-2t .
Para = 1, se buscan soluciones de la forma x(t) = A 3 e-t, y(t) = B 3 e-t, z(t)
= C 3 e-t siendo A 3 , B 3 , C 3 soluciones del sistema algebraico homogneo:
1 1 1 A3 0

3 1 1 B3 = 0 ,
3 1 1 C 0
3
cuya solucin es A 3 = 0, B 3 = C 3 = K 3 , por lo que la solucin buscada es x(t) =
0, y(t) = e-t, z(t) = e-t .
La solucin general del sistema de ecuaciones diferenciales es:
x(t) = 2K 1 e3t + K 2 e-2t
y(t) = 3K 1 e3t K 2 e-2t + K 3 e-t
z(t) = 3K 1 e3t K 2 e-2t K 3 e-t
x( t ) 2 1 0
3t -2t
y ( t ) = K 1 3 e + K 2 1 e + K 3 1 e-t.
z( t ) 3 1 1


dy
dx = 2y 9z
dz .
= y + 8z
dx
2 9
Se resuelve la ecuacin caracterstica: = 0 2 10 + 25 =
1 8
0 ( 5)2 = 0, por lo tanto la ecuacin caracterstica tiene una raz doble y
una solucin del sistema es de la forma:
y( x ) A A
= ( 1 + 2 x)e5x.
z( x ) B1 B2
Al sustituir en la primera ecuacin del sistema se obtiene:
(5(A 1 + A 2 x) + A 2 )e5x = 2(A 1 + A 2 x)e5x 9(B 1 + B 2 x)e5x
3A 1 + 9B 1 + A 2 + (3A 2 + 9B 2 )x = 0
Si B 2 = K 2 , A 2 = 3K 2 y si B 1 = K 1 , A 1 = 3K 1 + K 2 ,
y por lo tanto la solucin general del sistema es:
y(x) = (3K 1 + K 2 3K 2 x)e5x,
z(x) = (K 1 + K 2 x)e5x.
11.3.3. Ecuacin caracterstica. Autovalores y autovectores
Se considera el sistema y = Ay con y(x) = (y k (x)), 1 k n. Se supone
que el sistema tiene una solucin de la forma y(x) = vex, donde v es un vector
de n no nulo. Para que y(x) sea solucin se debe verificar que:
y(x) = vex = Avex v = Av,

es decir, Av es un mltiplo de v, lo que indica que v es un autovector de la
matriz A y un autovalor.
Por este procedimiento, en el caso en que se pudieran encontrar n
soluciones de este tipo linealmente independientes, se tendra resuelto el
sistema. Antes de demostrar que existe al menos una solucin de esta forma y
de buscar un sistema fundamental de soluciones se definen los conceptos
algebraicos necesarios para desarrollar la teora.
Definicin 11.3.1:
Dada una matriz cuadrada A de orden n, se denomina vector propio,
vector caracterstico, autovector o eigenvector de A, a un vector v real o
complejo, distinto de cero, para el que existe un valor , tal que Av = v o lo
que es lo mismo (A I)v = 0 donde I es la matriz identidad.
Definicin 11.3.2:
Dada una matriz cuadrada A de orden n, y v un vector caracterstico de A,
se denomina valor propio, autovalor o eigenvalor de A, a un nmero real o
complejo que verifica que (A I)v = 0.
Si para un valor y un vector v se verifica que (A I)v = 0, se dice que
es un autovalor de la matriz A y v es un autovector de A asociado al autovalor
Definicin 11.3.3:
Dada una matriz cuadrada A de orden n, se denomina ecuacin
caracterstica de A a la ecuacin A I= 0.
Proposicin 11.3.1:
Dada una matriz cuadrada A de orden n, es un autovalor de A si y slo
si es una raz de su ecuacin caracterstica.
Demostracin:
Sea A = (a ij ) y v = (v 1 , ..., v n ) un autovector de A asociado al autovalor .
La ecuacin matricial (A I)v = 0 se expresa:
( a11 )v1 + a12v 2 + ... + a1nv n = 0

a v + ( a )v + ... + a v = 0
21 1 22 2 2n n
... .
a v + a v + ... + ( a )v = 0
n1 1 n 2 2 nn n

Este sistema admite una solucin no trivial para los valores de para los
que el determinante de los coeficientes A I se anula, por lo que si es un
autovalor de A es equivalente a decir que es una raz de su ecuacin
caracterstica.
Ya que A I= 0 es una ecuacin polinmica de grado n, no puede
tener mas de n autovalores. Si es una raz mltiple de orden m se dice que el
autovalor tiene multiplicidad m. Por el teorema fundamental del lgebra se
sabe que A tiene exactamente n autovalores contando cada uno tantas veces
como indica su multiplicidad.
Proposicin 11.3.2:
Si v 1 , v 2 , ..., v m son m autovectores de A asociados, respectivamente, a
m autovalores distintos 1 , 2 , ..., m , entonces los vectores v 1 , v 2 , ..., v m son
linealmente independientes.
Demostracin:
Se demuestra por induccin sobre m. Para m = 1 es inmediato ya que un
autovector no puede ser el vector cero.
Supuesto cierto para k 1 vectores, se consideran k autovectores v 1 , v 2 ,
..., v k asociados a los autovalores 1 , 2 , ..., k .
k
Si existen c i no todos nulos tales que ci v i = 0, al multiplicar por la
i =1
k
matriz A se tiene que ci i v i = 0.
i =1
Se puede suponer que al menos una de las constantes c 1 , c 2 , ..., c k-1 es
k k
distinta de cero, multiplicando c i v i por k y restando c i i v i , se anula el
i =1 i =1
k 1
sumando k-simo y se obtiene c i ( k i )v i = 0, lo que contradice la
i =1
hiptesis de induccin ya que los autovalores son distintos. Por lo tanto las
constantes c i son nulas para todo i lo que implica que los autovectores son
Proposicin 11.3.3:
Sea y(x) una solucin del sistema y = Ay. Si existe un valor x 0 tal que el
vector y(x 0 ) es un autovector de A asociado al autovalor , es decir Ay(x 0 ) =
y(x 0 ), entonces para todo valor de x se verifica que Ay(x) = y(x).
Demostracin:
Se considera la funcin z(x) = y(x) y(x). Por ser y(x) una solucin del
sistema se tiene que z(x) = Ay(x) y(x), como por hiptesis Ay(x 0 ) = y(x 0 ),
se verifica que z(x 0 ) = 0. Aplicando el teorema de unicidad z(x) es la funcin
idnticamente cero y por lo tanto para todo valor de x se tiene que Ay(x) =
y(x).
Definicin 11.3.4:
Se dice que una solucin y(x) del sistema y = Ay es una solucin
caracterstica si para algn valor se verifica que Ay(x) = y(x).
Proposicin 11.3.4:
Sea el sistema y = Ay. Para cada autovalor de la matriz A, existe al
menos una solucin caracterstica del sistema, y(x), que se puede expresar de
la forma y(x) = (v 1 ex, v 2 ex, ..., v n ex), siendo v = (v 1 , v 2 , ..., v n ) un autovector
asociado al autovalor .
Demostracin:
Sea un autovalor de la matriz A y v = (v 1 , v 2 , ..., v n ) un autovector
asociado a , sea y(x) = (y 1 (x), y 2 (x), ..., y n (x)) una solucin caracterstica del
sistema tal que y(0) = v, que existe por la proposicin 11.3.3 y verifica que y(x)
= Ay(x) = y(x). Por lo tanto para todo k, 1 k n se tiene que y k (x) = y k (x).
Integrando se tiene y k (x) = c k ex, y puesto que y k (0) = c k = v k se obtiene:
y(x) = (v 1 ex, v 2 ex, ..., v n ex).
El siguiente teorema permite determinar un sistema fundamental de
soluciones y por lo tanto la solucin general del sistema cuando los autovalores
de la ecuacin caracterstica son distintos.
Teorema 11.3.5:
Un conjunto de soluciones caractersticas del sistema y = Ay asociadas
a autovalores diferentes de la matriz A es linealmente independiente. En
particular si A tiene n autovalores distintos el conjunto de soluciones
caractersticas es un sistema fundamental de soluciones.
Demostracin:
Sean y 1 , y 2 , ..., y m soluciones caractersticas del sistema asociadas,
respectivamente, a los m autovalores distintos 1 , 2 , ..., m . Por la proposicin
11.3.2 para un valor fijo x 0 , los vectores y 1 (x 0 ), y 2 (x 0 ), ..., y m (x 0 ) son
linealmente independientes y por el corolario 11.2.6 tambin son linealmente
independientes las funciones y 1 , y 2 , ..., y m .
En particular, si la matriz A tiene n autovalores distintos, las soluciones
caractersticas y 1 , y 2 , ..., y n forman un sistema fundamental de soluciones.
Para todo k, 1 k n por la proposicin 11.3.4 se tiene que y k (x) =
( v k1e k , v k 2e k ,..., v kne k ) y por tanto la solucin general y(x) se puede
expresar de la forma:
v 11 v 21 v n1
x x
y(x) = C 1 ... e 1 + C 2 ... e 2 + ... + C n ... e n x =
v v v
1n 2n nn
= C 1 v 1 e 1x + C 2 v 2 e 2 x + ... + C n v n e n x
siendo v k = (v k1 , v k2 , ..., v kn ) un autovector asociado al autovalor k .
El sistema fundamental que se obtiene, en general, puede estar formado
por soluciones complejas pero a partir de l se pueden obtener n soluciones
reales linealmente independientes y por lo tanto constituyen un sistema

fundamental de soluciones; es el resultado de la siguiente proposicin.
Proposicin 11.3.6:
Sean las funciones z 1 , z 2 , ..., z n soluciones caractersticas reales o
complejas linealmente independientes del sistema y = Ay, siendo A una matriz
real de orden n, entonces se pueden obtener a partir de ellas n soluciones
reales linealmente independientes.
Demostracin:
Para toda solucin compleja z k = (a + bi)e(+i)x, se tiene la solucin z 2k =
(a bi)e(-i)x. Para cada par de soluciones complejas z k , z 2k se obtienen dos
soluciones reales linealmente independientes, que son:
y k = Real((a + bi)e(+i)x) e y 2k = Im((a + bi)e(+i)x).
Las funciones y k e y 2k son combinaciones lineales de las funciones z k y
z 2k ya que:
1
yk = (z k + z 2k ) = ex(acos x bsen x);
2
1
y 2k = (z k z 2k ) = ex(bcos x + asen x)
2i
por lo tanto son tambin soluciones del sistema y por construccin son
Antes del estudio del caso general se recuerdan algunos resultados de
lgebra lineal.
Definicin 11.3.5:
Sea un autovalor de la matriz A, se dice que un vector y 0 n, y 0 0,

esta asociado a con multiplicidad m si para el nmero entero m, y no para
otro menor, se verifica que (A I)my 0 = 0, es decir:
y 0 Ker(A I)m / Ker(A I)m-1.
Proposicin 11.3.7:
Sean 1 , 2 , ..., r , los autovalores de la matriz A, con multiplicidades m 1 ,
r
m 2 , ..., m r , siendo mk = n. Entonces para cada autovalor k existe un
k =1
conjunto de m k vectores y kj , j {1, 2, ..., m k } tales que y kj est asociado a k
con multiplicidad menor o igual a m k y el conjunto de vectores y kj ; j {1, 2, ...,
m k }, k {1, 2, ..., r}, es linealmente independiente.
Esta proposicin es consecuencia de las siguientes proposiciones.
Proposicin 11.3.8:
Sea y(x) una solucin del sistema y = Ay. Si se verifica que para un valor
x 0 , (A I)my(x 0 ) = 0, entonces para todo x se verifica que (A I)my(x) = 0.
Demostracin:
Sea z(x) = (D )m(y(x)) = (A I)my(x); z(x) es solucin del sistema y =
Ay por ser combinacin lineal de y(x) y de sus derivadas, adems z(x 0 ) = (A
I)my(x 0 ) = 0 y por el teorema de unicidad se tiene que z(x) = 0.
Proposicin 11.3.9:
Si y(x) es una solucin del sistema y = Ay asociada a un autovalor con
multiplicidad m, es decir, (A I)my(x) = 0 entonces y(x) es de la forma:

p1 ( x )

p 2 ( x ) x
y(x) = e . (11.3.2)
...

p ( x )
n
siendo p k (x), 1 k n, polinomios de grado menor o igual a m 1.
Demostracin:
Sea y(x) = (y 1 (x), y 2 (x), ..., y n (x)) una solucin del sistema tal que (A
I)my(x) = 0, por lo tanto se verifica entonces que (D )m(y k (x)) = 0, 1 k n.
Por otra parte (D )m(y k (x)) = (D )m(exe-xy k (x)) y aplicando el lema
10.3.1: (D )m(y k (x)) = exDm(e-xy k (x)).
Por lo tanto exDm(e-xy k (x)) = 0; simplificando se obtiene Dm(e-xy k (x)) =
0, e integrando y k (x) = p k (x)ex, 1 k n y grado(p k (x)) m 1.
Teorema 11.3.10:
Siempre existe un sistema fundamental de soluciones del sistema y =
Ay, formado por funciones de la forma (11.3.2). Adems si se conocen los
autovalores de la matriz A, este sistema fundamental se puede obtener
mediante un nmero finito de operaciones elementales.
Demostracin:
Por la proposicin 11.3.7 existe un conjunto de n vectores linealmente
independientes y k0 asociados a los autovalores k de A. Si se determinan las
soluciones del sistema y = Ay de modo que verifiquen las condiciones iniciales
y k (x 0 ) = y k0 , estas funciones sern linealmente independientes y de la forma
(11.3.2).
Adems si es un autovalor cualquiera con multiplicidad m se pueden
obtener m soluciones linealmente independientes del sistema de la forma y(x)
p i 1( x )

p i 2 ( x ) x
= e , con p ij (x) polinomio de grado i con coeficientes indeterminados,
...

p ( x )
in
siendo i m 1.
Para i = 0, sustituyendo y(x) en el sistema se obtiene un sistema de
ecuaciones algebraicas lineales en los coeficientes indeterminados de los
polinomios. Este sistema puede que no tenga solucin, que tenga una o que
tenga varias soluciones no triviales linealmente independientes. Se repite el
proceso para i = 1 y se obtienen 2n ecuaciones lineales en los 2n coeficientes
indeterminados. Se contina el proceso hasta i = m 1, hasta obtener m
soluciones linealmente independientes.
Haciendo lo mismo con los otros autovalores se obtiene un sistema
fundamental de soluciones.
Se puede precisar ms el proceso seguido para calcular los autovectores
correspondientes a autovalores mltiples utilizando conceptos algebraicos.
Dado el sistema y = Ay, puede ocurrir que la matriz A sea diagonalizable
o que no lo sea. En el caso en que la matriz A sea diagonalizable, entonces
existe una matriz diagonal D y una matriz P regular tal que P-1DP = A,
entonces existen n autovectores v i linealmente independientes, que son las
columnas de la matriz P de cambio de base. Estos autovectores son las bases
de los subespacios Ker(A i ), siendo i los autovalores de la matriz A. Las
soluciones linealmente independientes del sistema son de la forma i (x) = v i

ei x .
Cuando la matriz A no es diagonalizable el nmero de autovectores que
se obtienen de las bases de los subespacios Ker(A i ) es un valor k menor
que n y por lo tanto el nmero de soluciones linealmente independientes de la
forma i (x) = v i e i es tambin k. Las n k soluciones restantes son del tipo
p i 1( x )

pi 2 ( x ) i x
i (x) = e , p ij (x) es un polinomio tal que grado(p ij (x)) m 1 siendo
...

p ( x )
in
m la multiplicidad de i .
En la siguiente proposicin se desarrolla un mtodo para simplificar el
clculo de estos polinomios.
Proposicin 11.3.11:
Sea un autovalor de A de multiplicidad s tal que en el subespacio Ker(A
I) slo se encuentra un autovector v 1 linealmente independiente; entonces
se pueden encontrar s soluciones linealmente independientes del sistema y =
Ay, de la forma: 1 (x) = v 1 ex tal que (A I)v 1 = 0 y para todo j, 2 j s,
x s 1 x s 2
j (x) = (v 1 + v2 + ... + v j )ex tal que (A I)v j-1 = v j .
( j 1)! ( j 2 )!
Demostracin:
Si es un autovalor de A de multiplicidad s tal que en el subespacio Ker(A
I) slo se encuentra un autovector v 1 linealmente independiente se tiene
una solucin del sistema: 1 (x) = v 1 ex.
Una segunda solucin se busca de la forma 2 (x) = (v 1 x + v 2 )ex. Para

determinar v 2 se aplica que 2 (x) es solucin, es decir 2 (x) = A 2 (x), por lo
tanto v 1 ex + (v 1 x + v 2 )ex = A(v 1 x + v 2 )ex.
Simplificando se tiene v 1 + v 1 x + v 2 = Av 1 x + Av 2 . Aplicando que
v 1 = Av 1 se obtiene: v 1 + v 2 = Av 2 y por lo tanto v 1 = (A I)v 2 .
x2
La tercera solucin se busca de la forma 3 (x) = (v 1 + v 2 x + v 3 )ex.
2
Se sustituye en el sistema:
x2 x2
(v 1 x + v 2 )ex + (v 1 + v 2 x + v 3 )ex = A(v 1 + v 2 x + v 3 )ex.
2 2
Se simplifica:
x2 x2
v 1 x + v 2 + v 1 + v 2 x + v 3 = Av 1 + Av 2 x + Av 3 .
2 2
Se aplica que v 1 = Av 1 y que v 1 + v 2 = Av por lo que se obtiene v 2 +
v 3 = Av 3 , es decir (A I)v 3 = v 2 .
Anlogamente se calculan las distintas soluciones hasta s (x) que es de
x s 1 x s 2
la forma: s (x) = (v 1 + v2 + ... + v s )ex.
( s 1)! ( s 2 )!
Se sustituye en el sistema y se simplifican trminos teniendo en cuenta
que (A I)v 1 = 0 y que (A I)v j = v j-1 para todo j, 2 j s 1:
(A I)v s-1 = v s .
Otros resultados algebraicos que conviene recordar son:
Proposicin 11.3.12:
La suma de los autovalores de una matriz A es igual a la traza de A y su

producto al determinante de A.
Proposicin 11.3.13:
Si A es una matriz simtrica entonces A tiene todos sus autovectores
reales y adems tiene n autovectores ortonormales.
Otro mtodo para resolver sistemas de ecuaciones diferenciales es
calcular directamente la matriz fundamental, lo que conlleva calcular la
exponencial de una matriz, que se desarrolla en el siguiente apartado.
Ejemplos resueltos
dx
dt =y +z
dy
Ejemplo 11.3.5: Calcular la solucin general del sistema = x +z
dt
dz = x + y
dt
1 1
Se resuelve la ecuacin caracterstica: 1 1 =0
1 1
3 +3 +2 = 0. Los autovalores son 1 = 2 = 1 y 3 = 2.
1 1 1 x 0

Se determina el subespacio Ker(A + I): 1 1 1 y = 0 , que tiene
1 1 z 0
1
1 1

dimensin 2 y por lo tanto una base est formada por v 1 = 1 y v 2 = 0 .
0 1

Existen por tanto dos autovectores linealmente independientes asociados
1

al autovalor 1, y dos soluciones linealmente independientes 1 (t) = 1 e-t y
0

1

2 (t) = 0 e-t
1

2 1 1 x 0

Se determina el subespacio Ker(A 2I): 1 2 1 y = 0 . Un
1 2 z 0
1
1 1
2t
autovector de este subespacio es v 3 = 1 y la solucin 3 (t) = 1 e .
1 1

Por lo tanto la solucin general del sistema es
1 1 1
-t -t
(t) = K 1 1 e + K 2 0 e + K 3 1 e2t.
0 1 1

1D 2 y 0
Ejemplo 11.3.5: Resolver el sistema = .
2 5D z 0
1 2
Se calculan las races de la ecuacin caracterstica =0
2 5
2 6 + 9 = 0 y se obtiene un autovalor doble = 3.
2 2 y 0
Se determina el subespacio Ker(A 3I): = y se obtiene
2 2 z 0
2
un nico autovector v 1 = linealmente independiente. Una solucin es 1 (x)
2
2
= e3x.
2
2 2 y 2
Se busca un vector v 2 tal que v 1 = (A 3I)v 2 = y se
2 2 z 2
1 2 1 3x
obtiene v 2 = . Otra solucin es 2 (x) = ( x + )e .
2 2 2
2 2 1 3x
(x) = K 1 e3x + K 2 ( x + )e ).
2 2 2
Ejercicios
11.7. Resolver el sistema de tres ecuaciones con tres incgnitas:
dx
dt = 3 x y + z
dy
= x + 5y z .
dt
dz = x y + 3z
dt
dy
dx = 2y + z
11.8. Calcular la solucin general del sistema: .
dz
= y + 4z
dx
11.9. Encontrar dos soluciones linealmente independientes del sistema:

dy
dx = y 5z
dz .
= 2y z
dx
dx
=y
dt
dy
11.10. Resolver el sistema =2y z con las condiciones iniciales x(0) = 2,
dt
dz = x + y +z
dt
y(0) = 3, z(0) = 4.
x' 1 1 1 x

11.11. Calcular la solucin general del sistema: y' = 2 1 1 y .
z' 0 1 1 z

y' 0 1 y
11.12. Resolver el sistema: = .
z' 1 0 z
11.4. EXPONENCIAL DE UNA MATRIZ
El conjunto de las funciones matriciales tiene estructura de espacio
mtrico, por lo que se puede hablar de lmites, series, derivadas ... de
2
funciones matriciales, y es isomorfo al espacio eucldeo n . Definiendo como
producto interno el producto de matrices se tiene una estructura de lgebra.
Si se compara un sistema con la ecuacin y = ay, de solucin y = eaxC,
se puede pensar que la solucin del sistema y = Ay es de la forma y = eAxC.
Para ello se debe definir la exponencial de una matriz.
Definicin 11.4.1:
Sea A una matriz constante. Se define la exponencial de la matriz A
mediante la expresin:

A2 An An
eA = I + A +
2!
+ ... +
n!
+ ... = n!
.
n =0

A2 x 2 An x n An x n
Por lo tanto eAx = I + Ax +
2!
+ ... +
n!
+ ... = n !
.
n =0
En cada trmino de la matriz se tiene una serie numrica y como la serie
de Taylor asociada a la funcin exponencial converge en todo el plano
complejo, puede probarse que tal matriz siempre existe.
Cuando la matriz A es diagonal o es nilpotente, la expresin de eA se
simplifica considerablemente con respecto a su forma general, como se
demuestra en las siguientes proposiciones.
Proposicin 11.4.1:
1 0 ... 0

0 2 ... 0
Si A es una matriz diagonal de orden m, A = , entonces
... ... ... ...

0 0
... m
e 1 0 ... 0

0 e2 ... 0
eA = .
... ... ... ...
... e m
0 0
Demostracin:
k
1 0 ... 0
0 k2 ... 0
Si A es una matriz diagonal se tiene que Ak = .
... ... ... ...
0
0 ... km
Por lo tanto:
2
1 0 ... 0
1 0 ... 0 1 0 ... 0 2!

0 0 0 2 ... 0 22 + ... +
+ 0
A 1 ...
e = + ... ... ... 0
... ... ... ... ... ... 2!
...
0 1 0 0 m
... ... ...
0 ... ... 2m
0 0 ...
2!
n
1 0 ... 0
n! e 1 0 ... 0

n2 0 e2
0 ... 0 + ... =
... 0
.
n!
... ... ... ... ... ... ... ...
0 ... e m
0 nm 0
0 ...
n!
Definicin 11.4.2:
Una matriz A es nilpotente si existe k tal que Ak es la matriz nula.
Proposicin 11.4.2:
Si A es nilpotente entonces eA tiene un nmero finito de sumandos.
Esta proposicin es una consecuencia inmediata de la definicin de matriz
nilpotente.
11.4.1. Propiedades de la exponencial de una matriz
1. Si 0 es la matriz nula entonces e0 = I
2. Si I es la matriz identidad y r entonces erI = erI
3. Si A y B son matrices de orden n y AB = BA, entonces eA+B = eAeB.
4. Si r, s y A es una matriz de orden n entonces eA(r+s) = eAreAs .
5. La exponencial de la matriz A, eA, es regular ya que det(eA) = etrazaA.
6. La inversa de la exponencial de una matriz (eA)-1 = e-A, ya que eAe-A =
eA-A = I.
Proposicin 11.4.3:
La matriz eAx es una matriz fundamental principal del sistema y = Ay,
Demostracin:
+
xn
Al derivar e Ax
= An
n!
, se tiene que:
n =0
+ +
nx n 1 x n 1

d Ax
(e ) = An = An = AeAx.
dx n =0
n! n =1
( n 1)!
Por lo tanto eAx es una matriz fundamental del sistema y = Ay.
Adems cuando x = 0 entonces eAx = I por lo que adems es una matriz
fundamental principal del sistema.
11.4.2. Clculo de la funcin matricial e Ax
y' = Ay
La solucin nica del problema de valor inicial es y = eAxy 0 . Si
y ( 0 )= y 0
y' = Ay
se considera el problema ms general , la solucin es y = e A( x x 0 )
y ( x 0 )=y 0
y 0 .
En ambos casos hay que calcular la matriz eAx, por lo que se va a
desarrollar un procedimiento til y efectivo para calcular dicha funcin matricial,
Proposicin 11.4.4:
Si A es una matriz diagonalizable, tal que A = PDP-1, siendo D una matriz
diagonal, entonces eAx = PeDxP-1. Adems det(eAx) = e(trazaD)x.
Demostracin:
1 0 ... 0

0 2 ... 0
-1
Sea A = PDP , siendo D = , 1 , 2 , ..., n los
... ... ... ...

0 0 ...
n
autovalores de A y las columnas de la matriz P los autovectores asociados a
dichos autovalores. Entonces:
A2 = (PDP-1)(PDP-1) = PD2P-1; A3 = PD3P-1
y en general n se tiene que:
An = PDnP-1,
por lo tanto:
+ +
xn n
e Ax
= An
n!
= n 1 x
(P D P )
n!
= PeDxP-1.
n =0 n =0
e 1x 0 ... 0

0 2x
e ... 0 -1
P .
Ax
Por la proposicin 11.4.1 e = P
... ... ... ...
0 ... e n x
0
Adems ya que det(A) = det(D) se tiene:
det(eAx) = det(eDx) = e 1x e 2 x ...e n x = e(trazaD)x.
Proposicin 11.4.5:
Si A es una matriz no diagonalizable, y A = PJP-1, siendo J una matriz de
Jordan entonces eAx = P(eDxeNx)P-1, D matriz diagonal y N matriz nilpotente.
Demostracin:
Si A no es diagonalizable se tiene que A = PJP-1, siendo J una matriz de
Jordan y la matriz P tiene por columnas los autovectores asociados a los

autovalores de la matriz A. J no es diagonal, pero J = D + N, siendo D una
matriz diagonal y N una matriz nilpotente por lo tanto:
eAx = PeJxP-1 = Pe(D + N)xP-1 = P(eDxeNx)P-1.
11.4.3. Estudio del caso general
A continuacin se analiza el caso en el que la matriz A no es constante.
En el caso de una ecuacin de primer orden, y = b(x)y, la solucin se puede
expresar de la forma y = C e
b( x )dx
. Si ahora se analiza el sistema y = A(x)y
se puede pensar que la solucin sea de la forma y = e

A( x )dx
C. Esto es as
cuando se cumplen las condiciones de la proposicin que se presenta a
continuacin:
Proposicin 11.4.6:
Sea el sistema y = A(x)y; B(x) = A( x )dx . Si A(x)B(x) = B(x)A(x)
entonces eB(x) es una matriz fundamental del sistema.
Demostracin:
+
( B( x )) n ( B( x )) 2 ( B( x )) n
Al derivar e Bx
= n!
= I + B(x) +
2!
+ ... +
n!
+ ... , se
n =0
d Bx 1 d 1 d
tiene que (e ) = 0 + B(x) + (B(x))2 + ... + (B(x))n + ...
dx 2! dx n! dx
d d
(B(x))2 = (B(x)B(x)) = B(x)B(x) + B(x)B(x) = A(x)B(x) + B(x)A(x)
dx dx
d
Si A(x)B(x) = B(x)A(x) entonces (B(x))2 = 2B(x)B(x). Anlogamente
dx
d
si A(x)B(x) = B(x)A(x) entonces (B(x))n = nB(x)(B(x))n-1.
dx
Por lo tanto eB(x) es una matriz fundamental del sistema y = A(x)y.
Ejemplos resueltos
2 0
Ejemplo 11.4.1: Dada la matriz diagonal D = y la matriz
0 1
1 1
nilpotente N = . Calcular eD y eN.
1 1
2 0 2n 0
D = es una matriz diagonal por tanto Dn = , n ,
0 1 0 ( 1)n

1 0 2 0 2n 0
por consiguiente eD = + + ... + + ... =
0 1 0 1 0 ( 1)n

2n
n!
0
e2 0
n =0 = .
( 1) n 0 e 1

0 n!
n =0
1 1
N = es una matriz nilpotente pues N2 = 0 y por tanto Nn = 0,
1 1
n , n 2, por consiguiente:
1 0 1 1 2 1
eN = I + N = + = .
0 1 1 1 1 0
Ejemplo 11.4.2: Calcular una matriz fundamental del sistema y = Ay,
5 6
siendo A = .
2 2
La matriz A es diagonalizable. Se calcula la matriz diagonal asociada D =
2 0 2 3
, la matriz de cambio de base es P = y su inversa es P-1=
0 1 1 2
2 3
, por lo tanto:
1 2
e 2x 0 -1 4e 2 x 3e x 6e 2 x + 6e x
eAx = P P = .
0 e x 2e 2 x 2e x 3e 2 x + 4e x

Este clculo se puede simplificar sin necesidad de hallar P-1. Aplicando
que cuando (x) es una matriz fundamental y P una matriz regular entonces
(x)P es tambin una matriz fundamental. Y ya que eDxP = PeDxP-1P = PeDx,
se tiene que:
2 3 e 2x 0 2e 2 x 3e x
PeDx = = es una matriz fundamental.
1 2 0 e x e 2x
2e x
Ejemplo 11.4.3: Calcular una matriz fundamental del sistema y = Ay,
3 1
siendo A = .
1 1
2 1
La matriz A no es diagonalizable pero es semejante a J = con la
0 2
1 0
matriz de autovectores P = .
1 1
2 0 0 1
J = D + N = + , D es diagonal y N nilpotente, N2 = 0.
0 2 0 0
J2 = (D + N)2 = D2 + DN + ND + N2 = D2 + 2DN.
Y en general:
2n 0 0 n 2 n 1
Jn = Dn + 2Dn-1N = + .
0 2n 0 0

n 2 n 1 x n
Por lo tanto: e Jx
e 2x
=
0
0
2x

+
0 n!

=
e 2x

0
0
+
e n =0 e 2 x
0 0
0 xe 2x e 2 x xe 2 x
= .
0 0 0 e 2 x
1 0 e 2x xe 2 x -1
Por consiguiente eAx = P .
1 1 0 e 2 x
Una matriz fundamental del sistema es:
1 0 e 2x xe 2 x e 2x xe 2 x
= .
1 1 0 e 2 x e 2x
xe 2 x + e 2 x
Otro mtodo para obtener eJx es expresarla de la forma:
0 1 x
0 0 2x 0 x e 2 x xe 2 x
e(2I+J-2I)x = e2xIe(J-2I)x = e2x e = e I + 0 = .
0 0 e 2 x

Anlogamente se puede obtener eAx.
1 1 x
1 1 2x x x
eAx = e(2I+A-2I)x = e2xIe(A-2I)x = e2x e = e I + x =
x

e 2 x + xe 2 x xe 2 x
.
xe 2 x e 2 x xe 2 x
Ejemplo 11.4.4: Calcular una matriz fundamental del sistema y = A(x)y,
1 2x
siendo A(x) = .
2x 1
x x 2
B(x) = A( x )dx = 2
x
x
.
Las matrices A(x) y B(x) conmutan ya que A(x)B(x) = B(x)A(x) =
x + 2x 3 3 x 2
; por lo tanto eB(x) es una matriz fundamental del sistema. y
3x 2 3
x + 2x
1 1 e x + x e x + x 2 exx
2 2
(x) = 0 = tambin.
1 1 0 xx2 e x + x 2 exx
2
e
Ejercicios
11.13. Calcular una matriz fundamental del sistema y = Ay, siendo A =
1 4
.
1 2
4e 2 x e 3 x
(Solucin: (x) = 2 x ).
e e 3 x

1 2
11.14. Calcular una matriz fundamental del sistema y = y.
2 5
e3x ( 1 2 x )e 3 x
(Solucin: (x) = 3 x ).
e 2 xe 3 x

0 1 1

11.15. Calcular una matriz fundamental del sistema y = 1 0 1 y.
1 0
1
11.16. Comprobar si eB(x) es una matriz fundamental del sistema y = A(x)y,
1 2x
siendo A(x) = 2
3x
y B(x) =
4 x 3 A( x )dx .
11.5. SISTEMAS LINEALES NO HOMOGNEOS
En esta seccin se estudian distintos mtodos de resolver los sistemas
lineales no homogneos, el mtodo de variacin de constantes, que es vlido
para cualquier sistema lineal completo, el mtodo de coeficientes
indeterminados y utilizando el operador diferencial D, que nicamente pueden
utilizarse cuando el sistema lineal homogneo asociado tiene los coeficientes
constantes, y la funcin b(x) adopta determinadas formas.
11.5.1. Mtodo de variacin de las constantes
El mtodo de variacin de las constantes o mtodo de variacin de
parmetros, como procedimiento para resolver un sistema lineal no
homogneo, es muy similar al que se utiliz para resolver ecuaciones lineales
de primer orden y de orden superior no homogneas.
Sea y(x) = A(x)y(x) + b(x) el sistema lineal no homogneo que se quiere
n
resolver y sea (x) = c k y k (x) la solucin general del sistema homogneo
k =1
asociado que se expresa de la forma (x) = (x)C, siendo (x) una matriz
fundamental del sistema. Se busca una solucin particular del sistema no
homogneo que sea de la forma p (x) = (x)v(x), siendo v(x) = (v 1 (x), v 2 (x),
..., v n (x)) una funcin vectorial que hay que determinar.
Al derivar la expresin anterior se obtiene:
(x) = (x)v(x) + (x)v(x),
que al sustituir en el sistema:

(x)v(x) + (x)v(x) = A(x)(x)v(x) + b(x).
Al ser (x)una matriz fundamental del sistema homogneo verifica que
(x) = A(x)(x), por lo que al sustituir este resultado en la expresin anterior
se obtiene:
(x)v(x) = b(x).
Como (x) tiene inversa por ser una matriz regular, se puede multiplicar
por su inversa:
v(x) = -1(x)b(x)
y al integrar se obtiene:
v(x) = (s)b(s)ds.
-1
Si se puede encontrar una funcin v(x) que verifique esta condicin,
entonces p = (x)v(x) es una solucin particular del sistema:
p (x) = (x) -1(s)b(s)ds.
Por el teorema 11.2.11 la solucin general g se puede expresar
sumando la solucin general del sistema de ecuaciones diferenciales lineal
homogneo asociado a una solucin particular del sistema de ecuaciones
diferenciales lineal completo: g = + p es decir:
g (x) = (x) + p (x) = (x)C + (x) -1(s)b(s)ds.

11.5.2. Sistemas lineales no homogneos con coeficientes
constantes
El mtodo que se estudia a continuacin es similar al que se ha
desarrollado para los sistemas homogneos. Permite reducir de una forma
sistemtica un sistema lineal a una ecuacin diferencial de orden superior y a
partir de la solucin de sta resolver el sistema.
Reduccin a una ecuacin diferencial mediante el operador
diferencial D
Se considera el sistema lineal de primer orden con coeficientes
constantes Ey(x) + Ay(x) = b(x) , siendo A y E matrices cuadradas de orden n
y b(x) una funcin vectorial que se puede expresar por:
e11y1 ( x ) + e12 y 2' ( x ) + ... + e1n y n ' ( x ) + a11y1( x ) + a12 y 2 ( x ) + ... + a1n y n ( x ) = b1( x )
'
e21y1' ( x ) + e22 y 2 ( x ) + ... + e2n y n ' ( x ) + a21y1( x ) + a22 y 2 ( x ) + ... + a2n y n ( x ) = b2 ( x )
...
e y ' ( x ) + e y ' ( x ) + ... + e y ( x ) + a y ( x ) + a y ( x ) + ... + a y ( x ) = b ( x )
n1 1 n2 2 nn n n1 1 n2 2 nn n n

Aplicando que D(y) = y el sistema anterior se puede expresar de la forma:
( e11D + a11 )y1( x ) + ( e12D + a12 )y 2 ( x ) + ... + ( e1n D + a1n )y n ( x ) = b1( x )

( e D + a )y ( x ) + ( e D + a )y ( x ) + ... + ( e D + a )y ( x ) = b ( x )
21 21 1 22 22 2 2n 2n n 2
...
( e D + a )y ( x ) + ( e D + a )y ( x ) + ... + ( e D + a )y ( x ) = b ( x )
n1 n1 1 n2 n2 2 nn nn n n

e11D + a11 e12 D + a12 ... e1n D + a1n

e D + a
21 e 22 D + a 22 ... e2n D + a2n
Sea el operador (D) =
21
que
.... ... ... ...

en1D + an1 en 2 D + an 2 ... enn D + ann
se supone que no es el operador nulo.
k)
e11D + a11 e12 D + a12 ... b1( x ) ... e1n D + a1n

Se define k (D) = e21D + a21 e22 D + a22 ... b2 ( x ) .... e2n D + a2n .

.... ... ... ......... ... ...

en1D + an1 en 2 D + an 2 ... bn ( x ) ... enn D + ann
Esta expresin, que matemticamente no tiene sentido ya que es un
determinante en el que en la columna k aparecen funciones y en el resto
operadores, es una forma de recordar la siguiente definicin:
k (D) = 1k (D)(b 1 (x)) + 2k (D)(b 2 (x)) + ... + nk (D)(b n (x)),
siendo jk (D) el operador de grado n 1 que se obtiene de (D) al eliminar la
fila j y la columna k.
Si (D) = r 0 + r 1 D + ... + r n Dn y jk (D) = s jk 0 + s jk 1D + s jk 2D2 + ... + s jk n-1Dn-1
(D)(y k (x)) = r 0 y k (x) + r 1 yk (x) + ... + r n y k n)(x)
n 1 n 1 n 1
k (D) = s1i k D i ( b1( x )) + s 2i k D i ( b2 ( x )) + ... + s nki D i ( bn ( x ))
i =0 i =0 i =0
n 1
n
Por lo tanto r 0 y k (x) + r 1 yk (x) + ... + r n y k n)(x) =

s ijk D i ( b j ( x )) , 1 k

j =1 i = 0
n.
As se obtiene una ecuacin diferencial de orden n. Una vez obtenidas
cada una de las funciones y k (x) en funcin de n constantes, hay en total n2

constantes que se eliminan hasta dejar slo n sustituyndolas en el sistema.
Mtodo de coeficientes indeterminados
Este mtodo es similar al que se ha desarrollado para las ecuaciones
diferenciales lineales de orden n. Consiste en buscar una solucin particular
parecida al trmino independiente b(x).
Tiene el inconveniente de que slo se puede utilizar si el sistema
homogneo asociado es de coeficientes constantes y si b(x) es una funcin
vectorial polinmica, exponencial o formada por senos y cosenos, y por sumas
y productos de estas funciones. Tiene la ventaja de su sencilla resolucin. En el
caso en que la solucin particular que se debera probar, ya est contenida en
la solucin de la homognea, entonces se multiplica por xs, siendo s el menor
nmero natural que elimine esta dificultad.
En los ejemplos resueltos a continuacin se comentar este mtodo.
Ejemplos resueltos
Ejemplo 11.5.1: Utilizar el mtodo de variacin de las constantes para
resolver el sistema:
y' + y + 2z = cos x + senx

z' +2y + z = senx cos x
y ' + y + 2z = 0
Se resuelve primero el sistema homogneo que tiene
z' +2y + z = 0
1 2
como ecuacin caracterstica = 0 2 + 2 3 = 0, cuyas
2 1
races son = 1 y = 3.
y( x ) A
Para = 1 se buscan soluciones de la forma: = 1 ex siendo
z( x ) B1
A 1 , B 1 constantes a determinar: 2A 1 2B 1 = 0 A 1 = B 1 = K 1 . Un
1 1
autovector es: y una solucin es: 1 (x) = ex.
1 1
y ( x ) A2 -3x
Para = 3, se buscan soluciones de la forma: = e siendo
z( x ) B2
A 2 , B 2 constantes a determinar: 2A 2 2B 2 = 0 A 2 = B 2 = K 2 . Un autovector
1 1
es: y una solucin es: 2 (x) = e-3x.
1 1
La solucin general del sistema homogneo es:
y( x ) 1 1
H (x) = = K 1 ex + K 2 e-3x
z( x ) 1 1
Se busca una solucin del sistema no homogneo de la forma:
y( x ) 1 1
(x) = = C 1 (x) ex + C 2 (x) e-3x
z( x ) 1 1
siendo C 1 (x) y C 2 (x) funciones que se obtienen integrando las soluciones del
sistema:
C1' ( x )e x + C 2 ' ( x )e 3 x = cos x + senx

C1' ( x )e x + C 2 ' ( x )e 3 x = senx cos x
C 1 (x) = e-xcos x
C 2 (x) = e3xsen x.
Integrando:
e x
C 1 (x) = (sen x cos x)
2
e 3x
C 2 (x) = (3sen x cos x)
10
Una solucin particular del sistema no homogneo es:
1 1 8 6
y p ( x ) = 2 ( senx cos x ) + 10 ( 3senx cos x ) = 10 senx 10 cos x
1 1 2 2
z p ( x ) = ( senx + cos x ) + ( 3senx cos x ) = senx + cos x
2 10 10 5
x 3x 1 1 8 6
y ( x ) = K1e + K 2e + ( senx cos x ) + ( 3senx cos x ) =
2 10 10
senx cos x
10
1 1 2 2
z( x ) = K1e + K 2 e
x 3 x
+ ( senx + cos x ) + ( 3senx cos x ) = senx + cos x
2 10 10 5
Para resolver este sistema por el mtodo de los coeficientes
indeterminados, se busca una solucin parecida a b(x) que est formado por
sumas de senos y cosenos, por lo que se prueba con:
a c
P (x) = sen x + cos x.
b d
Al imponer que sea solucin del sistema se obtiene: a = 8/10, b = 2/10, c
= 6/10, d = 2/5.

y' + z' +2y + z = x

2
z' +5 y + 3z = x
El sistema expresado en forma matricial mediante el operador D:
D+2 D+1 y x
= 2 .
5 D+3 z x
D + 2 D +1
El operador = = D2 + 1.
5 D+3
x D +1
y (x) = 2 = (D + 3)(x) (D +1)(x2) = 1 + 3x 2x x2.
x D+3
(D2 + 1)(y(x)) = 1 + x x2,
ecuacin diferencial de segundo orden que tiene como solucin general y(x) =
C 1 cos x + C 2 sen x + y p (x), siendo y p (x) una solucin particular de la ecuacin
no homognea: y p (x) = ax2 + bx + d.
(D2 + 1)(y p (x)) = 1 + x x2 2a + ax2 + bx + d = 1 + x x2 a = 1, b =
1 y d = 3 y p (x) = x2 + x + 3 y(x) = C 1 cos x + C 2 sen x x2 + x + 3.
D+2 x
z (x) = 2 = (D + 2) (x ) 5x = 2x + 2x 5x.
2 2
5 x
(D2 + 1)(z(x)) = 3x + 2x2,
ecuacin diferencial de segundo orden que tiene como solucin general z(x) =
C 3 cos x + C 4 sen x + z p (x), siendo z p (x) una solucin particular de la ecuacin
no homognea z p (x) = ex2 + fx + g.
(D2 + 1)(z p (x)) = 3x + 2x2 2e + ex2 + fx + g = 3 x + 2x2 e = 2, f = 3
y g = 4 z p (x) = 2x2 3x 4 z(x) = C 3 cos x + C 4 sen x + 2x2 3x 4.

Sustituyendo en la segunda ecuacin:
5C 1 + C 4 + 3C 3 = 0 y C 3 + 5C 2 + 3C 4 = 0
1 1
C1 = (3C 3 C 4 ) y C 2 = (C 3 3C 4 )
5 5
La solucin general del sistema:
1 1
y(x) = (3C 3 C 4 )cos x + (C 3 3C 4 )sen x x2 + x + 3
5 5
z(x) = C 3 cos x + C 4 sen x + 2x2 3x 4.
Se observa que tambin se poda haber resuelto el sistema de una forma
ms rpida calculando z(x) y sustituyendo su valor en la segunda ecuacin
para calcular y(x).
indeterminados, se busca una solucin parecida a b(x) que est formado por
polinomios de segundo grado, por lo que se prueba con:
a b d
P (x) = x2 + x + .
e f g
Al imponer que sea solucin del sistema se obtiene: a = 1, b = 1, d = 3, e
= 2, f = 3 y g = 4.
y' z' z = e x

z' + y z = e 2 x
Al derivar la segunda ecuacin se obtiene: z + y z = 2e2x.
Se despeja y en la primera ecuacin y se sustituye en la anterior:

z + (z + z + ex) z = 2e2x z + z = 2e2x + ex,
ecuacin diferencial lineal de segundo orden que tiene como solucin general:
z(x) = C 1 cos x + C 2 sen x + zp (x), siendo zp (x) = Ae2x + Bex.
(D2 + 1)(Ae2x + Bex) = 2e2x + ex,
1 2
de donde se obtiene B = y A = , por lo tanto:
2 5
2 1 x
z(x) = C 1 cos x + C 2 sen x + e2x + e
5 2
Al sustituir en la segunda ecuacin:
3 2x
y(x) = (C 1 C 2 )cos x + (C 1 + C 2 )sen x + e .
5
indeterminados, se busca una solucin parecida a b(x) que est formada por
exponenciales, por lo que se prueba con:
a b x
P (x) = e2x + e .
e f
Al imponer que sea solucin del sistema se obtiene: a = 3/5, b = 0, e =
2/5 y f = 1/2.
Ejercicios
11.17. Utilizar el mtodo de variacin de las constantes para resolver el sistema
y' +2y + 4z = 1 + 4 x
z' + y z = 3 x 2 .
2
y' y z = 3 x
11.18. Resolver el sistema .
z' +2y + z = x
y' +2z' + y + 7z = e x + 2
11.19. Calcular la solucin general del sistema .
z' 2y + 3z = e x 1
y' + y z = sec 2 x
11.20. Integrar el sistema .
z' +5 y z = 0
11.6. EJERCICIOS
2 1 1
Ax

11.21. Hallar e , siendo A = 1 2 1 y utilizar este resultado para
2 2 1

resolver el sistema y = Ay.
1 + x x x

(Solucin: e Ax
= x 1+ x x ex)
2x 2x 1 2x

1 x
11.22. Sea A(x) = 2 , x . Probar que A2(x) = (1 + x3)A(x) y calcular
x x 3
eA(x).
x' 2 1 6 x

11.23. Calcular la solucin general del sistema y' = 0 2 5 y .
z' 0 0 2 z

1 1 0 1 2 0 0
2t 2t
(Solucin: (t) = K 1 0 e + K 2 0 t + 1 e + K 3 0 t + 1 t + 6 1 e 2t )

0 0 0 1 2 0 1 5

x' 1 0 0 x

11.24. Resolver el sistema homogneo y' = 2 2 1 y .
z' 0 0 z
1
0 0 0 0 2 0 1
t t
(Solucin: (x) = K 1 1 e + K 2 1 t + 1 e + K 3 1 t + 1 t + 0 1 e t )

2 2
1 1 0 1
0 0
y' + z' y = 2 x + 1
11.25. Calcular la solucin general (y(x), z(x)) del sistema .
2y' +2z' + y = x
2 1 4
(Solucin: y(x) = x , z(x) = x2 + x + C).
3 2 3
y' ' 3z' +4 y = e x

11.26. Calcular la solucin general (y(x), z(x)) del sistema
z' ' +3 y' +4z = e x
1
(Solucin: y(x) = K 1 cos x + K 2 sen x + K 3 sen 4x + K 4 cos 4x + (5ex 3e-x)
34
1
z(x) = K 1 sen x K 2 cos x + K 3 cos 4x K 4 sen 4x + (3ex + 5e-x))
34
11.27. Utilizar la transformada de Laplace para resolver el sistema
y' z' +2y = 3

con las condiciones iniciales y(0) = 1, z(0) = 2.
3 y' + z' 2z = 0
1 1
(Solucin: y(x) = (3ex 7e-x + 12), z(x) = (9ex + 7e-x)
8 8
11.28. Utilizando la transformada de Laplace encontrar la solucin particular del
y' = 3 y z
sistema , que verifica que y(0) = 1, z(0) = 2.
z' = y + z
(Solucin: y(x) = (1 x)e2x, z(x) = (2 x)e2x).
11.29. Resolver el siguiente sistema de tres ecuaciones con tres incgnitas:

x' ' +2 x' +2y' +3z' + x = 1

y' + z' x = 0
x' + z = 0

3 3 3
t 1 13 t 1 3 t
(Solucin: x(t) = K1 e 2 + . y(t) = K 1 e 2 + t + K 2 , z(t) = K 1 e 2 )
3 6 3 2
x' + y' + y = 1

11.30. Calcular la solucin general del sistema: x' z' +2 x + z = 1 .
y' + z' + y + 2z = 0

4 4 4
t 3 t 2 t 1
(Solucin: x(t) = K1 e 5 + , y(t) = 4K 1 e 5 + K 2 e-t + 1, z(t) = K 1 e 5 ).
4 3 2
( D 2 )x 3 y = 2e2t
11.31. Calcular la solucin del sistema que verifica las
x + ( D 4 )y = 3e2t
2 1
condiciones iniciales x(0) = , y(0) = .
3 3
5 2t 2
(Solucin: x(t) = e5t e , y(t) = e5t e2t)
3 3
( D 1)x + Dy = 2t + 1
( 2D + 1)x + 2Dy = t
1 2
(Solucin: x(t) = t + K, y(t) = t + 2t + Kt)
2
2 x' + y' 4 x y = e t
x' +3 x + y = 0
1 t
(Sol: x(t) = K 1 cost + K 2 sent e , y(t) = (K 1 3K 2 )sent (3K 1 + K 2 )cost +
2
2et).
y' + z' y + 3z = e x 1
y' + z' +2y + z = e 2 x + x
7
1 3 5 2x x
(Solucin: y(x) = + x + e + K1 e 5 ,
49 7 17
7
1 2 52 9 x
z(x) = ( e2x + e-x + x 3K 1 e 5 ).
2 17 49 7
x' + x 5 y = sec 3t
2 x + y' y = 0
y 1' 6 1 1 1 y1

y 2' 1 6 1 1 y2
11.36. Hallar la solucin del sistema = que
y 3' 1 1 6 1 y3

y ' 1
4 1 1 6 y 4
y 1( 0 ) 4

y 2 ( 0 ) 0
verifica que = .
y 3 ( 0 ) 0

y ( 0 ) 0
4
11.37. Calcular la solucin general, para x > 0, del sistema:
y' 03 1 y 0
= 3 + 1 + ln x
z' x 2
x z x2
3
y' x 1 y
11.38. Hallar la solucin del sistema = que verifica las
z' 0 3 z

x
condiciones iniciales y(1) = 1, z(1) = 1.
y' 7 12 y senx
11.39. Hallar la solucin del sistema = + que
z' 2 3 z cos x
verifica las condiciones iniciales y(0) = 0, z(0) = 0.

y' 4 2 y e 5x
11.40. Hallar la solucin del sistema = + que verifica
z' 1 7 z e 5x

las condiciones iniciales y(0) = 0, z(0) = 0.
x' ( t ) = 3 x z

11.41. Resolver el siguiente sistema: y' ( t ) = 3 y z .
z' ( t ) = 2y z

e 2t
x' ( t ) = 2 x 2y +
11.42. Integrar el siguiente sistema t .
2t
y' ( t ) = 8 x 6 y + 3e
t
x' ( t ) = 6 x 3 y + 14z + e 2t

11.43. Calcular la solucin general del sistema y' ( t ) = 4 x + 3 y 8 z .
z' ( t ) = 2 x y + 5z

Ed de 1er Orden PDF

Cargado por

Información del documento

Título original

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

Ed de 1er Orden PDF

Cargado por

Copyright:

Formatos disponibles

695 Anlisis matemtico para Ingeniera. M. MOLERO; A. SALVADOR; T. MENARGUEZ; L.

Sistemas de ecuaciones diferenciales lineales

Cuando se estudia matemticamente una situacin de la realidad, el

confiere, en la mayora de los casos, una gran dificultad. Uno de los

procedimientos ms utilizados dentro de la Matemtica, y de la Ciencia en

general, cuando se aborda un problema difcil, es considerar un problema ms

estudiar este segundo problema se intenta obtener, de las conclusiones, algn

tipo de resultado para el problema primitivo. Una de las formas ms usuales de

simplificar el problema es linealizarlo. Si se quiere estudiar un problema no

lineal, el primer paso obligado es estudiar el problema lineal asociado de la

manera ms completa posible para poder analizar as que ocurrir en el caso

no lineal. El estudio de los sistemas lineales no es difcil y en numerosas

ocasiones se pueden obtener resultados concluyentes pues la estructura

algebraica de las soluciones es sencilla y a veces se puede dar una descripcin

de la misma en trminos de funciones elementales.

Un sistema de ecuaciones diferenciales de orden superior se transforma

en un sistema de primer orden aadiendo ms variables. Por esta razn el

captulo se centra en el estudio de los sistemas de ecuaciones diferenciales

lineales de primer orden. La seccin 1 comienza realizando una primera

aproximacin entre los sistemas lineales y las ecuaciones diferenciales de

orden superior y estableciendo los teoremas de existencia y unicidad. En la

seccin 2 se desarrolla la teora general de la estructura de las soluciones de

los sistemas lineales de primer orden que es similar a la de las ecuaciones

lineales de orden superior. As el conjunto de soluciones de un sistema lineal

de primer orden homogneo tiene estructura de espacio vectorial y el no

homogneo de espacio afn. La seccin 3 est centrada en los mtodos de

resolucin de los sistemas lineales homogneos con coeficientes constantes.

Utilizando la teora algebraica para calcular los autovalores y autovectores de

una matriz se establece un procedimiento que permite resolver el sistema. Otro

forma de resolver sistemas lineales es utilizando la exponencial de una matriz,

que es el contenido de la seccin 4. El captulo termina con la seccin 5 en la

que se desarrollan los mtodos de resolucin de sistemas lineales no

homogneos, en los que de nuevo se observa un paralelismo con los

estudiados en el captulo anterior para resolver las ecuaciones lineales

completas de orden superior.

11.1. SISTEMAS LINEALES DE ECUACIONES

Un sistema de ecuaciones diferenciales de orden superior puede

transformarse fcilmente en un sistema de primer orden sin ms que aadir

ms variables: si el sistema de orden superior es lineal tambin lo es el de

nicamente los sistemas de ecuaciones diferenciales de primer orden.

11.1.1. Conceptos previos

Un sistema de k ecuaciones diferenciales de orden superior n

y a todas sus derivadas.

En particular un sistema de n ecuaciones diferenciales de primer

orden expresado de la forma f(x, y(x), y(x)) = 0 se denomina lineal cuando la

funcin vectorial f es una funcin lineal respecto a y(x) y y(x)

Cuando es posible despejar y el sistema se escribe de la siguiente forma:

siendo f 1 , f 2 , ..., f n funciones lineales respecto a las variables y 1 , y 2 , ..., y n , es

decir, tambin se puede expresar:

y1 ( x ) = a11( x )y1( x ) + a12( x )y 2( x ) + ... + a1n ( x )y n ( x ) + b1( x )

El sistema anterior se puede expresar en forma vectorial: y(x) = A(x)y(x)

a ij (x) y b(x), y(x), y(x) funciones vectoriales de dimensin n definidas en un

En el captulo 9 se desarroll una manera natural de asociar a cada

ecuacin diferencial ordinaria de orden n un sistema equivalente de ecuaciones

diferenciales de primer orden; as mismo, dado un sistema se puede determinar

una ecuacin diferencial de orden superior asociada, aunque no hay

equivalencia ya que la ecuacin puede tener soluciones que no lo son del

sistema como se muestra en el ejemplo 11.1.3. En esta transformacin entre

sistemas de primer orden y ecuaciones de orden n, la propiedad de linealidad

se conserva como se demuestra en la siguiente proposicin.

Si una ecuacin diferencial de orden n es lineal tambin es lineal el

sistema asociado de n ecuaciones diferenciales de primer orden y

recprocamente si el sistema es lineal tambin lo es su ecuacin diferencial