Beruflich Dokumente
Kultur Dokumente
ARQUITECTURA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA CIVIL
CURSO
:Ecuaciones Diferenciales
SEMESTRE
: IV
DOCENTE
PRESENTADO POR
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.
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
Notacin Vectorial
1.
2.
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)
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
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.
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) +
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
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
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
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
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.