Вы находитесь на странице: 1из 21

FACULTAD DE INGENIERIAS Y

ARQUITECTURA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA CIVIL

CURSO

:Ecuaciones Diferenciales

SEMESTRE

: IV

DOCENTE

: Ing German Mamani

PRESENTADO POR

: Ruben Chino Rivera


Oris Chambilla Yupanqui
Danilo Cardenas Quenta
Javier Torres Mamani

Tacna-Peru
2014

Introducci
on
En esta leccion estudiaremos una forma de obtener analticamente las soluciones de los
sistemas lineales de primer orden y de coeficientes constantes. Trataremos, por lo tanto, con
sistemas de la forma
x0 = Ax + b(t)
(9.1)
siendo A una matriz de tama
no nn de n
umeros reales y b(t) la funcion vectorial de terminos
independientes. La mayora de los ejemplos de la Leccion 8 eran sistemas de coeficientes
constantes porque son los u
nicos para los que disponemos de metodos analticos generales
de resolucion.
Conceptualmente, la parte importante corresponde al estudio de los sistemas homogeneos:
x0 = Ax.
(9.2)
La solucion de los sistemas no homogeneos se obtiene de la de estos aplicando el metodo
de variacion de las constantes; metodo que ya discutimos para las ecuaciones lineales no
homogeneas. Nos centramos, entonces, en los sistemas homogeneos.

Tal y como indicamos en la Leccion 8 el objetivo es encontrar un sistema fundamental


de soluciones del sistema (9.2), o equivalentemente, una matriz fundamental de soluciones.
La idea que nos dirige es muy simple, su realizacion un poco mas complicada. La idea es la
siguiente: para n = 1 el sistema se convierte en una ecuacion:
x0 = ax
cuya solucion general conocemos de sobra:
x(t) = ceat
siendo c una constante arbitraria. Podramos decir que cualquier solucion de la ecuacion
x0 = ax se obtiene como combinacion lineal de la solucion eat . Como ademas, eat 6= 0 para
todo t R, conclumos que para n = 1, (eat ) es una matriz (de tama
no 1 1) fundamental
de soluciones.
Extrapolando esta idea a sistemas generales de dimensi
on n, podramos pensar que una
0
matriz fundamental de soluciones del sistema x = Ax es
X(t) = etA ,
y que, en consecuencia, la solucion general del sistema es
x(t) = etA c
siendo c un vector arbitrario.
El problema es que si a es un n
umero entonces sabemos lo que es ea , pero si A es
una matriz que es eA ?. Veremos en la proxima seccion que se puede dar un significado
muy preciso a la exponencial de una matriz y que X(t) = etA es, en efecto, una matriz
fundamental de soluciones de x0 = Ax. El resto de la leccion la dedicaremos a calcular
de forma expresa esta matriz y utilizarla para hallar soluciones analticas de los sistemas
homogeneos de ecuaciones lineales con coeficientes constantes.

ECUACIONES DIFERENCIALES
Una ecuacin diferencial ordinaria (es decir con una sola variable independiente) es
una ecuacin en donde los argumentos que intervienen son la variable independiente
de una funcin incgnita desconocida y las sucesivas derivadas de dicha funcin, es
decir:
f ( x, y, y ', y '',..., y ( n ) ) = 0

donde el problema, a diferencia de una ecuacin algebraica, consiste en averiguar quien


es y ( x) , es decir, aqu el arte consiste en hallar una funcin que satisfaga la condicin
anterior y no simplemente un valor numrico como en el caso de una ecuacin
algebraica.
Existen distintas maneras de clasificar a las ecuaciones diferenciales: Una de ellas es la
clasificacin por el orden de la ecuacin (que viene dado por la derivada de mayor
orden
que aparezca en la expresin) y otra por la linealidad. sta ltima es quizs una de las
clasificaciones ms importantes en el sentido de que permite caracterizar
inmediatamente la facilidad con que se pueden hallar sus soluciones. En este sentido, se
puede decir que las ecuaciones diferenciales no lineales de primer orden pueden
resolverse solo en algunos casos especiales (como lo es el caso de las ecuaciones
diferenciales de Bernoulli, las exactas, las separables, las homogneas, etc.) mientras
que las ecuaciones diferenciales lineales de primer orden siempre pueden resolverse
de manera exacta. Pero la distincin es quizs mas relevante cuando se hablan de
ecuaciones de orden dos o superior ya que en el caso de ecuaciones lineales existe la
posibilidad de hallar una forma manejable de solucin (ya sea exacta o en forma de
serie de potencias), mientras que en las no lineales, hallar una solucin suele ser todo
un desafo. Esto no significa que una ecuacin diferencial no lineal de orden superior
no tenga solucin sino ms bien que no hay mtodos generales para llegar a una
solucin explcita o implcita. Aunque esto parezca desalentador hay algunas cosas que
se pueden hacer tales como analizar cuantitativamente la ecuacin no lineal (a travs de
mtodos numricos) o cualitativamente (a travs de diagramas de fases).
Pero aun quedan otras cuestiones que diferencian a una ecuacin lineal de una no lineal
y es el hecho de que las segundas pueden tener soluciones singulares.

SISTEMA DE ECUACIONES DIFERENCIALES DE COEFICIENTES


CONSTANTES

Notacin Vectorial

MTODO: REDUCCIN DE UN SISTEMA A UNA ECUACIN DIFERENCIAL


DE N-ESIMO ORDEN

Consideremos un sistema de dos ecuaciones:

1.

2.

MTODO. MATRICIAL PARA SISTEMA DE PRIMER ORDEN CON


COEFICIENTES CONSTANTES

La exponencial de una matriz y soluciones de ecuaciones


diferenciales
Hay varias formas de calcular la exponencial de una matriz, ninguna de ellas obvia.
Nosotros procederemos por analoga con la definicion de la exponencial de un n
umero real
por medio de una serie de potencias. Recordemos que si a es un n
umero real cualquiera
entonces

X
1 2 1 3
1 k
a
e = 1 + a + a + a + =
a .
2!
3!
k!
k=0
En realidad esta es la forma que usan muchas calculadoras de bolsillo para calcular la exponencial de un n
umero: realizan esta suma con un n
umero grande de sumandos.
Por analoga definimos:
Definici
on 9.1 .- La exponencial de la matriz A, n n, se define como

X 1
1
1
e = In + A + A2 + A3 + =
Ak .
2!
3!
k!
k=0
A

(9.3)

En esta formula A2 = AA es la matriz nn que se obtiene multiplicando A por s misma,


A = AAA la que se obtiene multiplicando A por s misma 3 veces, etc. Ademas, por convenio,
supondremosque A0 = In cualquiera que sea la matriz A. Por lo tanto, todos los sumandos
de la serie en la definicion de eA son matrices de tama
no n n. As que eA , seg
un esta
definicion, es una matriz n n, siempre y cuando la serie converja.
3

Que una serie infinita de matrices converge quiere decir que la sucesicon de las sumas
parciales
N
X
1 k
SN =
A
k!
k=0
es convergente. De hecho, para cada N , SN es una matriz de tama
no n n por lo que
2
esta compuesta de n elementos. Decir que la sucesicon {SN } converge quiere decir que
las sucesiones de sus n2 elementos convergen. Lo que sucede es que estos elementos son
expresiones muy complicadas que involucran los elementos de la matriz A, por lo que para
estudiar la convergencia de la sucesion de sumas parciales {SN } se emplean metodos que
estan muy lejos del alcance de este curso. As que no nos preocuparemos de la convergencia
y asumiremos que la serie (9.3) es convergente cualquiera que sea la matriz A y define una
u
nica matriz que llamaremos exponencial de A.
La exponencial de una matriz es difcil de calcular, pero hay un caso en el que no:
Ejemplo 9.2 .- Calc
ulese la exponencial de la matriz

a1 0
A=
.
0 a2

Puesto que A es diagonal, sus potencias son muy faciles de hallar:

a1 0
a1 0
a1 0
2
A =AA=
=
,
0 a2
0 a2
0 a22
2

a1 0
a1 0
a1 0
3
2
A =A A=
=
,
0 a22
0 a2
0 a32
y as sucesivamente. Por consiguiente
A2 A3
eA = I + A +
+
+ =

2! 3!2

1 a1 0
1 a31 0
1 0
=
+
+
+ =
2! 0 a22
3! 0 a32
0 1
!
a2
a3
1 + a1 + 2!1 + 3!1 +
0
=
=
a22
a32
0
1
+
a
+
+
+

2
2!
3!
a

e1 0
=
.
0 ea2
En este ejemplo no hay, evidentemente, nada especial sobre la dimension, 2, de la matriz.
Lo mismo es valido para matrices cuadradas de cualquier tama
no: La exponencial de una
matriz diagonal, A, de orden n es la matriz diagonal de orden n cuyos elementos diagonales
son las exponenciales de los elementos diagonales de A. En particular, si A = aIn entonces

ea 0 0
0 ea 0

eaIn =
(9.4)
= ea In .
...

0 0 ea
Y cuando a = 0
e0In = e0 In = In .

(9.5)

Esto es, la exponencial de la matriz cero de orden n es la matriz identidad del mismo
orden. Este hecho lo utilizaremos mas adelante para probar que eA es una matriz invertible
cualquiera que sea la matriz A. Esto sera necesario para demostrar que etA es una matriz
fundamental de soluciones del sistema x0 = Ax. Por ahora concretemos como es la expresion
de etA como una serie de potencias:
etA = In + tA +

1 2 2 1 3 3
t A + t A + .
2!
3!

Para cada valor de t, etA es una matriz n n. As pues, debemos considerar etA como
una funcion de t R cuyos valores son matrices n n. Esto es, en realidad, una peque
na
generalizacion de las funciones vectoriales.

Por otra parte, si v Rn es un vector de n componentes, entonces etA v es tambien un


vector de Rn . La siguiente proposicion nos dice que X(t) = etA es una matriz de soluciones del
sistema x0 = Ax. Ademas nos da una expresion para la solucion del problema de condiciones
iniciales:
Proposici
on 9.3 .- Ses A una matriz n n. Entonces
1.

d tA
e = AetA .
dt

2. La funcion vectorial
x(t) = e(tt0 )A x0
es la (
unica) solucion del problema de condiciones iniciales
0
x = Ax
x(t0 ) = x0
Demostraci
on.- Para probar la primera parte derivamos la serie de potencias:
d tA
d
t2
t3
e
=
(In + tA + A2 + A3 + ) =
dt
dt
2!
3!
t 2 t2 3
= A + A + A + =
2! 2
1!

t 2
= A In + tA + A + =
2!
= AetA
Y para probar la segunda parte derivamos x(t) = e(tt0 )A x0 :

d
d (tt0 )A
d (tt0 )A
d
x(t) =
e
x0 =
e
x0 =
((t t0 )A e(tt0 )A x0 = Ax(t).
dt
dt
dt
dt
As que x(t) = e(tt0 )A x0 es solucion del sistema x0 = Ax. Ademas
x(t0 ) = e(t0 t0 )A x0 = e0A x0 = In x0 = x0 ,
donde hemos usado que la exponencial de la matriz cero es la matriz identidad (9.5).
Ya tenemos que X(t) = etA es una matriz de soluciones del sistema x0 = Ax. Ahora
tenemos que demostrar que sus columnas son linealmente independeintes; es decir que
det X(t0 ) 6= 0 para alg
un valor de t. Veremos, que de hecho, det X(t) 6= 0 para todos
los valores de t R. Para ello necesitamos las siguientes propiedades de la exponencial de
una matriz:

Proposici
on 9.4 .- Sean A y B matrices n n. Entonces
1. A conmuta con eA ; es decir, AeA = eA A.
2. Si A y B conmutan (i.e., si AB = BA), entonces
eA+B = eA eB
3. eA es no singular y su inversa es eA .
Demostraci
on.- Para demostrar la primera parte utilizamos la definicion de la exponencial de una matriz por serie de potencias:

1 2 1 3
A
Ae = A In + A + A + A + =
2!
3!
1 3 1 4
2
= A + A + A + A + =
2!
3!

1 2 1 3
=
In + A + A + A + A =
2!
3!
= eA A.
La segunda parte es una propiedad muy importante de la exponencial. Nos dice que la
regla que usamos frecuentemente acerca de que el producto de dos exponenciales es la exponencial de la suma, es valida para matrices siempre y cuando estas conmuten. Las demostra
ciones anteriores han sido todas muy faciles. Esta
requiere un poco mas de trabajo pero no
A B
es tampoco difcil. Primero calculamos e e , despues eA+B y comprobamos que obtenemos,
en ambos casos, el mismo resultado. Aplicamos repetidas veces la propiedad distributiva del
producto y suma de matrices y, cuando es necesario, la hipotesis de conmutatividad de A y
B:

1 2 1 3
1 2 1 3
A B
e e =
In + A + A + A +
In + B + B + B + =
2!
3!
2!
3!
1 2
1
1
1
= In + (A + B) + (A + B 2 ) + AB + (A3 + B 3 ) + AB 2 + A2 B + =
2!
3!
2!
2!
1 2
1 3
2
2
2
= In + (A + B) + (A + +2AB + B ) + (A + 3A B + 3AB + B 3 ) +
2!
3!
(9.6)
Por otra parte en el desarrollo de eA+B en serie de potencias aparecen potencias de
(A + B), pero
(A + B)2 = (A + B)(A + B) = A2 + AB + BA + B 2
Como AB = BA tenemos que AB + BA = 2AB, de modo que
(A + B)2 = A2 + 2AB + B 2 .

De la misma forma
(A+B)3 = (A+B)2 (A+B) = (A2 +2AB+B 2 )(A+B) = A3 +A2 B+2ABA+2AB 2 +B 2 A+B 3
Y como A y B conmuta, ABA = A2 B y B 2 A = AB 2 . As
(A + B)3 = A3 + 3A2 B + 3AB 2 + B 3
Y as sucesivamente. Por lo tanto
1
1
(A + B)2 + (A + B)3 + =
2!
3!
1 2
1
= In + (A + B) + (A + 2AB + B 2 ) + (A3 + 3A2 B + 3AB 2 + B 3 ) +
2!
3!

eA+B = In + (A + B) +

Esta expresion y la de (9.6)coinciden. Por lo tanto eA eB = eA+B tal y como queramos


demostrar.
En cuanto a la tercera parte, se deduce facilmente de la segunda. Puesto que A(A) =
(A)A = A2 , tenemos que
eA eA = eAA = e0In = In ,
donde en la u
ltima igualdad hemos utilizado la propiedad (9.5).
Si aplicamos la tercera parte de esta Proposicion a la matriz X(t) = etA , tenemos que
para todo t R la matriz X(t) tiene inversa, y esta es
X(t)1 = etA .
En efecto, X(t)X(t)1 = etA etA = In y tambien X(t)1 X(t) = In . Teniendo en cuenta
que det In = 1 y aplicado que el determinante de un producto de matrices es el producto de
los determinantes tenemos que
det X(t) det X(t)1 = 1,
de donde conclumos que det X(t) 6= 0 para todo t R. Como X(t) es una matriz cuyas
columnas son, todas, soluciones del sistema x0 = Ax y det X(t) 6= 0 conclumos que
Corolario 9.5 .- La matriz X(t) = etA es una matriz fundamental de soluciones del sistema
lineal homogeneo de coeficientes constantes x0 = Ax. Y la solucion general de este sistema,
escrita en forma vectorial, es
x(t) = etA c
siendo c Rn un vector arbitrario de n componentes.

Ya tenemos una matriz fundamental de soluciones: la exponencial de tA. Tambien tenemos la definicion de la exponencial como un desarrollo en serie de potencias. Desde un punto
de vista conceptual todo esto esta muy bien.Ahora bien, si lo que queremos es encontrar
expresiones analticas cerradas de las soluciones, el calculo de la exponencial a traves del desarrollo en serie de potencias no es muy practico. Sin embargo veremos que utilizando ciertas
propiedades de las matrices, este desarrollo en serie de potencias es muy u
til para obtener
expresiones analticas de las soluciones. Las propiedades de las matrices que necesitamos
estan relacionadas con los valores propios.

Soluci
on de sistemas diferenciales lineales de coeficientes constantes
valor propio
Matrices con un unico

Empecemos con un ejemplo de una matriz no diagonal.


Ejemplo 9.6 .- Calculese la exponencial etA siendo

1
4
A=
.
1 3
Si intentaramos aplicar la defincion de etA con esta matriz A no conseguiramos gran cosa.
Vamos a emplear un truco y despues diremos por que este truco siempre va a funcionar
bien para las matrices que son como la que nos dan en este ejemplo. Que tiene de especial
esta matriz?, que solo tiene un valor propio. Calculemos sus valores propios:

1 4
det(I2 A) = det
= 2 + 2 + 1) = ( + 1)2 .
1
+3
As que, en efecto, = 1 es su u
nico valor propio con multiplicidad algebraica 2.
Utilizando este valor propio vamos a escribir A de otra forma (este es el truco):
A = I2 (I2 A).
Como I2 conmuta siempre con I2 A, tenemos que
etA = etI2 t(I2 A) = etI2 et(AI2 ) .

Ahora recordemos que, (9.4), etI2 = et I2 . Usando, a demas la expansion en serie de potencias de et(AI2 ) , tenemos

t2
t3
tA
t
2
3
e =e
I2 + t(A I2 ) + (A I2 ) + (A I2 ) + .
2!
3!
No parece que hayamos avanzado mucho, la expresion en el parentesis parece a
un mas
tA
difcil que la que tendramos originalmente si hubieran expandido e en serie de potencias.
Pero aqu esta la sorpresa:

2
4
2
4
2
4
0 0
2
2
AI2 = A+I2 =
y (AI2 ) = (A+I2 ) =
=
.
1 2
1 2
1 2
0 0
De modo que
(A I2 )3 = (A I2 )4 = = 0.
En definitiva

tA

= e (I2 + t(A I2 )) = e

1 + 2t
4t
t
1 2t

que es una expresion explcita y simple de la exponencial de tA.


Es realmente una casualidad que (A + I2 )2 = 0?. No, no lo es. Es una consecuencia de

un resultado general importante de Algebra


Lineal; un teorema conocido con el nombre de
Teorema de Hamilton-Cayley. Para entender lo que dice este teorema tenemos que darnos
cuenta de lo siguiente: si en un polinomio, por ejemplo, p() = 32 2 + 1, sustitumos
por una matriz cuadrada A, entonces obtenemos una matriz. En el ejemplo
p(A) = 3 A2 2 A + 1 A0 = 3 A2 2 A + In
donde hemos utilizado el convenio A0 = In . Bien, pues el Teorema de Hamilton-Cayley nos
dice que si en el polinomio caracaterstico de A, p(), sustitumos por A obtenemos siempre
la matriz cero; es decir, p(A) = 0.
Cual era el polinomio caracterstico de la matriz del ejemplo? Era p() = ( + 1)2 . Si
sustitumos por A y aplicamos el Teorema de Hamilton-Cayley tenemos que
(A + I2 )2 = 0.
Pero el Teorema de Hamilton-Cayley se aplica a cualquier tipo de matrices. Entonces, si
A es una matriz n n y tiene un solo valor propio, digamos 0 , su polinomio caracterstico
es ( 0 )n . Por lo tanto (A 0 In )n = 0, y la expansion en serie de potencias de e(A0 In )t
tiene todos sus sumandos igual a cero a partir del n-esimo. De hecho, puede suceder que
los sumandos sean ceros antes del n-esimo, pero con seguridad, a partir de este, todos los
sumandos son cero. Estos comentarios son la base de la demostracion de la siguiente proposicion que nos da una expresion explcita de las soluciones del sistema x0 = Ax cuando
todos los valores porpios de A son iguales.

Proposici
on 9.7 .- Supongamos que A es una matriz de tama
no n n que tiene un u
nico
valor porpio . Entonces hay un n
umero entero k n tal que

t2
tk
tA
t
2
k
e =e
In + t(A In ) + (A In ) + + (A In ) .
2!
k!
Una vez que disponemos de una expresion explcita de la matriz fundamental de soluciones, la expresion general de la solucion del sistema x0 = Ax se obtiene mediante la
expresion
x(t) = etA c
siendo c un vector arbitrario de n componentes. En el caso particular n = 2 tenemos
etA = et (I2 + t(A I2 )),
la solucion general del sistema es
x(t) = et (I2 + t(A I2 ))c,
y la solucion general del problema de condiciones iniciales x0 = Ax, x(t0 ) = x0
x(t) = e(tt0 )A x0 = e(tt0 ) (I2 + (t t0 )(A I2 ))x0
En el Ejemplo 9.6, si nos pidieran la solucion general del sistema x0 = Ax con

1
4
A=
,
1 3
ya hemos obtenido

tA

=e

1 + 2t
4t
.
t
1 2t

As que la solucion general sera

4t
c1
(c1 (1 + 2t) + 4c2 t)et
tA
t 1 + 2t
x(t) = e c = e
=
.
t
1 2t
c2
(c1 t + c2 (1 2t))et

1
Y la solucion que en x(0) =
sera
1

4t
1
(1 + 6t)et
tA
t 1 + 2t
x(t) = e x0 = e
=
t
1 2t
1
(1 3t)et
Resolvemos un u
ltimo ejemplo antes de pasar a estudiar el caso general en el que la
matriz pueda tener varios valores propios distintos

Ejemplo 9.8 .- Consideremos el sistema x0 = Ax,

0 1
4
A= 4
1 1

donde

0
0
2

Calc
ulese un sistema fundamental de soluciones y obtengase la solucion general del sistema.
La matriz de este sistema ya la estudiamos en el Ejemplo 8.15 de la Leccion 8. Vimos
entonces que el polinomio caracterstico de A era ( 2)3 , por lo que solo tiene una valor
propio: = 2. La Proposicion 9.7 nos asegura que hay un valor k 3 tal que (A 2I3 )k = 0.
Veamos cual es este valor:

2 1 0
0
0 0
2 0 (A 2I3 )2 = 0
0 0 y (A 2I3 )3 = 0.
A 2I3 = 4
1 1 0
2 1 0
Por lo tanto
etA

2
t
= e2t I3 + t(A 2I3 ) + (A 2I3 )2 =
2!

1 2t
t
0
2t
4t
1 + 2t
0
= e
2
2
t t t t /2 1

Un sistema fundamental de soluciones esta formado por las columnas de la matriz etA .
As


1 2t
t
0
x1 (t) = e2t 4t , x2 (t) = e2t 1 + 2t , x3 (t) = e2t 0
t t2
t t2 /2
1
La solucion general del sistema sera


1 2t
t
0
c1
2t

4t
1 + 2t
0
c2
x(t) = e
2
2
t t t t /2 1
c3
o equivalentemente
x(t) = c1 x1 (t) + c2 x2 (t) + c3 x3 (t).
En cualquiera de los dos casos

c1 (1 2t) c2 t
.
4c1 t + c2 (1 + 2t)
x(t) = e2t
2
2
c1 (t t ) + c2 (t t /2) + c3

Ejemplos.