10 Mpmspo Edo Euler Runge Kutta Siste Lineales 2014 1

Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Universidad Nacional de Ingeniera Facultad de Ingeniera Industrial y de SistemasSeccin de Post Grado

Pedro C. Espinoza H.

189
CAPTULO 8.
SISTEMAS DE ECUACIONES DIFERENCIALES ORDINARIAS CON
VALORES INICIALES

Introduccin
El corazn del rea de la Dinmica de Sistemas es la Teora matemtica de los Sistemas
Dinmicos, que es el estudio de los sistemas de ecuaciones diferenciales ordinarias, con
valores iniciales, que por lo general no son resolubles analticamente. Existen softwares
como el Dynamo, Stella, Powersim que permiten resolver problemas relacionados con los
negocios o con el control de procesos complejos de la industria, hacer pronsticos etc.
En el proceso de solucin de un problema con Powersim aparecen dilogos como el que se
muestra en la figura adjunta Fig.1

donde activando la pestaa Integration, aparecen cuatro opciones de integracin numrica:
Euler, Runge Kutta de 2do, 3er o 4to orden, el usuario debe elegir una de ellas para
continuar y no puede ser a la zar, por que esta eleccin podra ser crucial para algunos
modelos de Dinmica de Sistemas.
Los interesados en comprender esta conexin y sus numerosas aplicaciones al mundo
empresarial pueden consultar a: Juan Martn Garca algunas de cuyas direcciones son:

190
http://www.upcnet.es/~jmg2/sistema2.htm
http://ib.cnea.gov.ar/~dsc/index.html,

1. ECUACIONES DIFERENCIALES ORDINARIAS CON VALORES INICIALES
Nos ocuparemos de las EDO de primer orden con valores iniciales, en vista de que las de
mayor orden pueden ser transformadas a un sistema de ecuaciones diferenciales de primer
orden, por el mtodo de reduccin de orden.

1.1 Un problema de valores iniciales (PVI)
Est constituido de una EDO y un valor inicial, brevemente se escribe como
=
> e< = '
0
) (
, )) ( , ( ) (
y a y
b a t con t y t f t y

donde ) , ( y t f es una funcin de las variables y t , .

Ejemplo 1
=
> e< = '
1 ) 0 (
3 , 0 ) ( ) (
2
y
t con t y t t y

Ejemplo 2

=
> e< + = '
1 ) 0 (
5 , 0 ))] ( ( [ ) (
3
1
y
t con t y sen t t y

Ejemplo 3
=
> e< + + = '
2 ) 4 (
4 , 4 , ) ( ) )] ( [ 1 ( ) (
4
y
t con t sen t y L t y
n

Ejemplo 4

( )
=
> e< + + = '
1 ) 0 (
2 , 0 )) ( (
3
2 3
y
t con t y sen t t t y

El primer ejemplo puede ser resuelto por mtodos de integracin obteniendo la solucin
(analtica)
t
e t t t y

+ = 2 2 ) (
2
, en cambio para los otros no es posible aplicar este
mtodo quedando nicamente la va de los mtodos numricos, que se ver mas adelante.

1.2 Particiones de un intervalo y operaciones con vectores en MATLAB
a) Creacin de particiones uniformes de un intervalo [a, b]
Una particin de N+1 puntos de un intervalo [a, b], es la sucesin de puntos de este
intervalo de la forma
N
i a b
a x
i
) (
+ = , con N i ...., , 1 , 0 = , que incluye a los extremos.

191
0 0.5 1 1.5 2 2.5 3
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
t
t
2
- 1/exp(t) - 2 t +2
En MATLAB se puede crear con el comando l i nspace( a, b, N+1)
Ejemplo 5
>> a=0; b=6;
>> y=l i nspace( a, b, 4)
y=[ 0, 2, 4, 6]
b) Otras operaciones con vectores
Las operaciones de suma de vectores y el producto de un vector por un escalar han sido
definidas en el captulo 1 y se viene empleando sin mayor dificultad, pero otras como la el
producto, el cociente, la potenciacin y otras operaciones definidas por una funcin son
necesarias para expresar una EDO y procesarla en el contexto numrico. MATLAB tiene
definidas estas operaciones para vectores.
Sean dos vectores o arreglos con el mismo nmero de componentes
] ,......, , [
2 1 n
x x x x = e ] ,......, , [
2 1 n
y y y y =
Entonces en la sintaxis del MATLAB se definen las siguientes operaciones
Producto ] ,......, , [ *
2 2 1 1
.
n n
y x y x y x y x =
Cociente ] / ,......, / , / [ /
2 2 1 1
.
n n
y x y x y x y x =
Potencia ] ^ ,......, ^ , ^ [ ^
2 1
. r x r x r x r x
n
=
Funcin )] ( ,......, ) ( , ) ( [ ) (
2 1 n
x f x f x f x f =

Ejemplo 6
Se tienen los vectores con igual nmero de componentes
>> x=l i nspace( 2, 6, 5) ; y=l i nspace( 1, 5, 5)
x=[ 2, 3, 4, 5, 6]
y=[ 1, 2, 3, 4, 5]
x. *y=[ 2, 6, 12, 20, 30]
x. / y=[ 2, 3/ 2, 4/ 3, 5/ 4, 6/ 5]
x. ^2=[ 4, 9, 16, 25, 36]
si n( x) =[ 0. 9093, 0. 1411, - 0. 7568, - 0. 9589, - 0. 2794]

1.3 Solucin de un PVI empleando MATLAB
Ejemplo 7
Se quiere resolver el PVI
=
> e< = '
1 ) 0 (
3 , 0 ) ( ) (
2
y
t con t y t t y

a) Solucin analtica cos dsolve de MATLAB
Se ingresa al comando
dsol ve( ' Ecuaci n' , ' condi ci n i ni ci al ' )
el PVI del ejemplo 7
>> y=dsol ve( ' Dy= t ^2- y' , ' y( 0) =1' ) ;
sale y=t ^2- 2*t +2- exp( - t )
Se visualiza la grfica de la solucin empleando el comando ezpl ot ( y, [ 0, 3] ) ;

b) Solucin numrica

192
Se toma una particin de 100 puntos del intervalo [0,3], activando el comando:
>> t =l i nspace( 0, 3, 100) ;

Se escribe la solucin analtica del PVI en funcin de la particin o del arreglo t
>> y= y=t . ^2- 2*t +2- exp( - t ) ;
>> pl ot ( t , y, ' g. ' )
Se visualizar la grfica en forma animada con comet de MATLAB. Para esto debe tomarse
una particin de 900 o 1000 puntos.

>> comet ( t , r )

Ejemplo 8
No todos los problemas se pueden resolver con la parte simblica de MATLAB
>>y=dsol ve( ' Dy = l og( 1 + y^4) ) +si n( t ) ' , ' y( - 4) =- 2' ) ;
Sale el siguiente mensaje de error
??? Er r or usi ng ==> sym. sym>expr essi on2r ef at 2408
Er r or : ' ] ' expect ed [ l i ne 1, col 27]

1.4 Mtodos numricos en la solucin de las ecuaciones diferenciales
En los tres ltimos ejemplos de 1.2 se observa, que los mtodos de integracin para hallar
las respectivas soluciones analticas fracasan. Queda entonces como nica posibilidad la
bsqueda de una solucin aproximada, utilizando mtodos numricos y la ayuda de una
computadora. Pero estos procedimientos numrico-computacionales requieren de un marco
terico que garantice la existencia y unicidad de la solucin de un PVI. Enunciaremos
entonces un teorema que cumple con este propsito para los diversos mtodos numricos
con los que se aproximan las soluciones a este tipo de problemas.

Teorema (de existencia y unicidad de la solucin) Y
Sea el problema de valores iniciales (PVI)
=
> e< = '
0
) (
, )) ( , ( ) (
y a y
b a t con t y t f t y

donde ) , ( y t f es una funcin continua en la franja
9 = ] , [ b a D y adems C y t
y
f
s
c
c
) , ( para todo punto ) , ( y t de la franja D.
Entonces existe una nica solucin ) (t y y = del PVI y adems tiene derivadas continuas
hasta el orden 2.

Anlisis de la existencia y unicidad de la solucin, ayudado por el MATLAB.
Ejemplo 9

=
> e< + + = '
2 ) 4 (
4 , 4 ) ( ) )] ( [ 1 ( ) (
4
y
t con t sen t y Ln t y


193
En este caso ) , ( y t f = ) ( ) )] ( [ 1 (
4
t sen t y Ln + + es continua en la franja 9 = ] 4 , 4 [ D y
tambin su derivada parcial
4
3
1
4
) , (
y
y
y t f D
y
+
= D
Para mostrar que la derivada parcial ) , ( y t f D
y
est acotada en esta franja, se puede hacer
calculando los mximos y mnimos como funcin de y , otra forma, aunque no es una
demostracin, sera graficando
la funcin en un intervalo mas
o menos grande, por ejemplo
] 10 , 10 [ . Para esto se toma
una particin del intervalo:
y=l i nspace( - 10, 10, 300) ;
Se grafica en este intervalo la
funcin ) , ( y t f D
y

Dyf =( 4*y. ^3) . / ( 1+y. ^4) ;
pl ot ( y, Dyf , ' g' )

De la grafica se concluye que
la derivada parcial ) , ( y t f D
y

esta acotada por C=2.5. De
aqu el PVI del ejemplo 3,
tiene una nica solucin.

1.5 Mtodo de Euler
Supuesto que ) (t y y = es la solucin del PVI en el intervalo ] , [ b a . Entonces para
aproximar la solucin hacemos lo siguiente:
Dividimos el intervalo ] , [ b a en N partes. Cada punto de esta particin es de la forma:
ih a t
i
+ = , donde
N
a b
h

= y variando N i ,......., 1 , 0 =
Por el teorema de existencia y unicidad de un PVI, la solucin ) (t y y = admite derivadas
continuas hasta el segundo, entonces por el desarrollo de Taylor alrededor de cada punto de
la particin
i
t tenemos:
2
2
1
) ))( ( ( ) )( ( ) ( ) (
i i i i i
t t t z y t t t y t y t y ' ' + ' + = , de aqu cuando
1 +
=
i
t t se tiene:

2
2
1
1
)) ( ( ) ( ) ( ) ( h t z y h t y t y t y
i i i i
' ' + ' + =
+
para ) 1 ( ,......., 1 , 0 = N i .

Como )) ( , ( ) (
i i i
t y t f t y = ' , resulta:

(1)
2
2
1
1
)) ( ( )) ( , ( ) ( ) ( h t z y h t y t f t y t y
i i i i i
' ' + + =
+
para ) 1 ( ,......., 1 , 0 = N i .

Esta ltima relacin nos proporciona una frmula iterativa para hallar los valores
aproximados de la solucin ) (t y y = en todos los puntos de la particin
i
t .

194
Por ejemplo en a t =
0
, que es la condicin inicial
0 0
) ( y t y = , tenemos el valor exacto de la
solucin. En
1
t ser
2
0 2
1
0 0 0 1
)) ( ( )) ( , ( ) ( ) ( h t z y h t y t f t y t y ' ' + + = , pero no podemos saber su
valor por que no se conoce el valor de
2
0 2
1
)) ( ( h t z y ' ' . Sin embargo tenemos dos
informaciones valiosas: una que ) (t y ' ' es continua en el intervalo ] , [ b a y como tal est
acotada por una constante que no depende del tamao de
N
a b
h

= ; y la segunda que si
N es grande el valor de
2
0 2
1
)) ( ( h t z y ' ' ser muy pequeo, es decir el error es del orden
o(
2
h ) luego podemos decir que
1 1
) ( w t y ~ donde h t y t f t y w )) ( , ( ) (
0 0 0 1
+ = . Denotando
) (
0 0
t y w = la ltima ecuacin se transforma en h w t f w w ) , (
0 0 0 1
+ = . As sucesivamente
en cada punto de la particin se tendr
i i
w t y ~ ) ( donde h w t f w w
i i i i
) , ( + = .
De este modo llegamos a las ecuaciones en diferencias:

0 0
y w =
h w t f w w
i i i i
) , (
1
+ =
+
para ) 1 ( ,......., 1 , 0 = N i

La convergencia del mtodo de Euler
Esto consiste en probar que la diferencia ) (
1 1 + +

i i
t y w se hace pequea cuando
0
=
N
a b
h .
En efecto restando las ecuaciones en diferencias y la ecuacin (1) tenemos
2
2
1
1 1
)) ( ( )] , ( )) ( , ( [ ) ( ) ( h t z y h w t f t y t f w t y w t y
i i i i i i i i i
' ' + + =
+ +

De aqu tomando en cuenta la acotacin para la derivada parcial C y t
y
f
s
c
c
) , ( y para la
segunda derivad ) (t y ' ' se tiene la desigualdad siguiente
2
2
1
1 1
) ( ) ( ) ( Mh h w t y C w t y w t y
i i i i i i
+ + s
+ +
.
empleando una desigualdad de tipo Gronwall se tiene

) 1 (
2
) (
) (
1 1
1
s

+ +
+
C a t
i i
i
e
C
Mh
w t y
lo que muestra la convergencia del mtodo de Euler.

1.6 Mtodo de Runge-Kutta de orden 4
Supuesto que ) (t y y = es la solucin de un PVI en el intervalo ] , [ b a . Entonces
dividiendo ] , [ b a en N partes, se tienen los puntos: ih a t
i
+ = , donde
N
a b
h

= y
N i ,......., 1 , 0 = . Para esta particin las ecuaciones en diferencias son:

195
+ + + + =
+ + =
+ + =
+ + =
=
=
+
) 2 2 (
6
1
) , (
)
2
,
2
(
)
2
,
2
(
) , (
4 3 2 1 1
3 4
2
3
1
2
1
0 0
K K K K w w
K w h t hf K
K
w
h
t hf K
K
w
h
t hf K
w t hf K
y w
i i
i i
i i
i i
i i

El esquema de Runge-Kutta de orden 4 converge a la solucin con un error del orden o(
4
h )
Es decir mucho ms rpido que el mtodo de Euler.

1.7 Solucin aproximada de problemas de valores iniciales con MATLAB
a) Mtodo de Euler

Ejemplo 10

=
> e< = '
1 ) 0 (
5 , 0 ) ( ) (
2
y
t con t y t t y

Primero: se hace una particin de 100 puntos del intervalo ] 5 , 0 [
a=0;
b=5;
N=100;
h=(b-a)/(N-1);
for i=1:N
ti(i)=a+h*(i-1);
end
Una alternativa es usar el comando linspace
>> t i =l i nspace( a, b, N) ;

Segundo: se comienza con un vector o matriz Ew cuya primera componente es el valor
inicial del problema: 1 ) 0 ( = y , esto es Ew(1)=1.
Ew es un vector donde se ir guardando los valores aproximados de la solucin en los
sucesivos puntos de la particin, por ejemplo en Ew( 2) se guardar el valor aproximado de
) (t y en t=ti(2), en Ew( 3) ir el valor aproximado en t=ti(3), as sucesivamente.
Entonces se comienza con el valor inicial:
Ew(1)=1

Tercero: se calculan los valores aproximados en los sucesivos puntos de la particin ti,
empleando el mtodo de Euler. Para simplificar la lectura del cdigo, dentro del bucle for
se har el siguiente cambio: t=ti(i-1) y y=Ew(i-1):


196
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
2
4
6
8
10
12
14
16
18
-4 -3 -2 -1 0 1 2 3 4
-2
-1.9
-1.8
-1.7
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1
for i=2:N
t=ti(i-1); y=Ew(i-1);
u= y +h*(t^2 - y);
Ew(i)=u;
end

Cuarto: graficando
plot(ti,Ew,'r')

Comparacin grfica de la solucin
aproximada y la solucin analtica:

t
e t t t y

+ = 2 2 ) (
2

Pasndolo esta funcin al MATLAB, usando
las operaciones con arreglos.
y=ti.^2-2*ti+2-exp(-ti);
plot(ti,y,'.b')

En la figura se observa que coinciden las grficas de las dos soluciones: la exacta
analtica (lnea continua) y la aproximada (sucesin de puntos) por el mtodo de Euler.

Ejemplo 11
=
> e< + = '
2 ) 4 (
4 , 4 ) )] ( [ 1 ( ) (
4
y
t con t y L t y
n

En este caso no es posible obtener la solucin analtica. Se resolver por el mtodo Euler y
se visualizar la grfica de la solucin

a=-4; b=4;
N=100;
h=(b-a)/(N-1);
for i=1:N
ti(i)=a+h*(i-1);
end

Ew(1)=-2;
for i=2:N
t=ti(i-1); y=Ew(i-1);
u=y+h*(log(1+y^4) + sin(y));
Ew(i)=u;
end
plot(ti,Ew,'r')

Ejemplo 12
=
> e< + + = '
4 ) 0 (
6 , 0 ) ( ) cos( ) (
2
y
t con t y sen t y t y

Se intentar resolver analticamente con el comando dsolve
>>y=dsol ve( ' Dy = cos( y+t ) *si n( y^2+t ) ' , ' y( 0) =4' ) ;
Sale el siguiente mensaje:

197
0 0.5 1 1.5 2 2.5 3
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
0 1 2 3 4 5 6
3.4
3.5
3.6
3.7
3.8
3.9
4
4.1
4.2
??? Er r or usi ng ==> mupadmex
Er r or i n MuPAD command: Out of memor y
No es posible resolverlo analticamente. Se har por el mtodo de Euler.

a=0; b=6;
N=100;
h=(b-a)/(N-1);
for i=1:N
ti(i)=a+h*(i-1);
end
Ew(1)=4;
for i=2:N
t=ti(i-1); y=Ew(i-1);
u=y+h*(cos(y+t)*sin(y^2+t));
Ew(i)=u;
end
plot(ti,Ew,'r')

b) Mtodo de Runge-Kutta

Ejemplo 13
=
> e< = '
1 ) 0 (
3 , 0 ) ( ) (
2
y
t con t y t t y

Se usar el arreglo Rw para guardar los valores
aproximados de la solucin en los sucesivos
puntos de la particin ti del intervalo [a,b].
Como antes, se inicializan las variables a, b
que son los extremos del intervalo de solucin.
Luego se toma una particin de 100 puntos en
este intervalo y se gurda en el arreglo ti.
a=0;
b=3;
N=100;
h=(b-a)/(N-1);
for i=1:N
ti(i)=a+h*(i-1);
end
Rw(1)=1;
for i=2:N
t=ti(i-1);y=Rw(i-1);
K1=h*( t^2-w );
K2=h*( (t+0.5*h)^2 -(y+0.5*K1) );
K3=h*( (t+0.5*h)^2 -(y+0.5*K2) );
K4=h*( (t+h)^2 - (y+K3) );
u=y+(1/6)*(K1+2*K2+2*K3+K4);
Rw(i)=u;
end
plot(ti,Rw,'r') %La gr f i ca es i gual al ej empl o 10


198
0 1 2 3 4 5 6
3.4
3.5
3.6
3.7
3.8
3.9
4
4.1
4.2

EULER
RUNGE KUTTA
Ejemplo 14
=
> e< + + = '
4 ) 0 (
6 , 0 ) ( ) cos( ) (
2
y
t con t y sen t y t y

Se resolvi en el ejemplo 12 por el mtodo de
Euler. Ahora se har por el mtodo de Runge-
Kutta de cuarto orden. Se visualizarn las dos
grficas, para establecer una comparacin.
Teoricamente el mtodo de Runge Kutta es ms
exacto que el de Euler.

a=0;
b=6;
N=100;
h=(b-a)/(N-1);
for i=1:N
ti(i)=a+h*(i-1);
end
Rw(1)=4;
for i=2:N
t=ti(i-1);y=Rw(i-1);
K1=h*(cos(y+t)*sin(y^2+t));
K2=h*(cos((y + 0.5*K1)+t+0.5*h)*sin((y+0.5*K1)^2+ t+0.5*h));
K3=h*(cos((y + 0.5*K2)+t+0.5*h)*sin((y+0.5*K2)^2+ t+0.5*h));
K4=h*(cos((y + K3)+t+h)*sin((y+K3)^2+ t+h));
u=y +(1/6)*(K1+2*K2+2*K3+K4);
Rw(i)=u;
end
plot(ti,Rw,'b'); % grfica de la solucin aproximada por Runge Kutta

Ejercicios
Resuelva por el mtodo de Runge Kutta de orden 4, los siguientes PVI
1)
=
> e< = '
1 ) 3 (
3 , 3 ) ( 2 ) (
3
y
t con t y t t y

2)
=
> e< + = '
1 ) 0 (
5 , 0 ) ( ) ( ) (
3
y
t con t y t y t y

3)
=
> e< + = '
1 ) 2 (
4 , 2 ) ( ) ( ) (
y
t con t y t t sen t y

4)
=
> e< + = '
1 ) 0 (
3 , 0 )) ( exp( ) (
y
t con t t y t y


199
5)
=
> e< + + = '
2 ) 4 (
4 , 4 , ) ( ) )] ( [ 1 ( ) (
4
y
t con t sen t y L t y
n

6)
( )
=
> e< + + = '
1 ) 0 (
2 , 0 )) ( (
3
2 3
y
t con t y sen t t t y

5)
=
> e< = '
1 ) 0 (
8 , 0 ) ( ) (
y
t con t y t y

6)
=
> e< = '
2 ) 1 (
3 , 1 ) ( * ) ( ) (
3
y
t con t y t sen t y

7)
=
> e< = '
1 ) 0 (
5 , 0 ) ( * )) ( exp( ) (
2
y
t con t y t y t y

2. SISTEMA DE ECUACIONES DIFERENCIALES ORDINARIAS LINEALES

2.1 Introduccin
Como dice su nombre, es un conjunto de EDO lineales, como el que se aprecia en el
siguiente
Ejemplo 1
(1)
=
=
=
+ + = '
+ = '
< < + + = '
1 ) 0 (
1 ) 0 (
1 ) 0 (
2
2 2 3
0 ) ( 4
2
z
y
x
e z y x z
t z y x y
t t sen z y x x
t

Donde ) ( , ) ( , ) ( t z z t y y t x x = = = son las funciones desconocidas o incgnitas, que
dependen solo de la variable t,
t
e t g t t g t sen t g = = = ) ( , 2 ) ( , ) ( ) (
3
2
2 1
son los trminos no
homogneos y 1 ) 0 ( ; 1 ) 0 ( ; 1 ) 0 ( = = = z y x son los valores iniciales.
El mtodo para hallar la solucin analtica de un sistema de EDO lineales, es similar al de
una EDO lineal. En este ltimo primero se resuelve su parte homognea, para obtener las
soluciones fundamentales, luego se calcula la solucin particular y finalmente, con los
valores iniciales, se determinan las constantes.
En el caso de un sistema de EDO lineales tambin se tiene la parte homognea que es el
sistema sin los trminos homogneos, en el ejemplo 1, es:

200
(2)
+ = '
+ = '
+ = '
z y x z
z y x y
z y x x
2
2 3
4

En la obtencin de la solucin analtica de (2), juega un papel fundamental la matriz de
coeficientes del sistema:
(
(
(
=
1 1 2
1 2 3
4 1 1
A y que se ver en las siguientes secciones.
Modelo general de un sistema de EDO lineales
Son sistemas de la forma:
(2)
=
=
=
+ + + + = '
=
+ + + + = '
< < + + + + = '
n n
n n n n n n n
n n
n n
a y
a y
a y
iniciales s condicione con
t g t y a t y a t y a t y
t g t y a t y a t y a t y
b t a t g t y a t y a t y a t y
) (
..... ..........
) (
) (
) ( ) ( ..... ) ( ) ( ) (
... .......... .......... .......... .......... .......... ........
) ( ) ( ..... ) ( ) ( ) (
) ( ) ( ..... ) ( ) ( ) (
2 2
1 1
, 2 2 , 1 1 ,
2 , 2 2 2 , 2 1 1 , 2 2
1 , 1 2 2 , 1 1 1 , 1 1

donde ) ( ....., , ) ( , ) (
2 1
t y t y t y
n
son las incgnitas o funciones desconocidas.
j i
a
,
son
nmeros reales que son los coeficientes, ) ( ....., , ) ( , ) (
2 1
t g t g t g
n
los trminos no
homogneos y
n
....., , ,
2 1
los valores iniciales del sistema.
Escribiendo ) ) ( ....., , ) ( , ) ( ( ) (
2 1
t y t y t y t Y
n
= , se tiene ) ) ( ....., , ) ( , ) ( ( ) (
2 1
t y t y t y t Y
n
' ' ' = ' .
Denotando )) ( ....., , ) ( , ) ( ( ) (
2 1
t g t g t g t g
n
= y ) ....., , , (
2 1 n
= , el sistema se puede
escribir en su forma matricial como
=
< < + = '
) (
; ) ( ) ( ) (
a Y
b t a t g t AY t Y

donde Aes la matriz de coeficientes del sistema (nxn ), ) (t g , ) (t Y son funciones
vectoriales con valores en
n
R y es un vector de este espacio.

La parte homognea del sistema es ) ( ) ( t AY t Y = '

201
La solucin de la parte homognea tiene una estructura de espacio vectorial de dimensin
n, pues tiene una base que genera el espacio de soluciones. El clculo de la parte no
homognea sigue tcnicas algebraicas o de integracin.
En las siguientes secciones la exposicin de estar centrada en el mtodo de solucin de la
parte homognea.

2.2 Solucin de un sistemas de EDO lineales homogneo, por el mtodo de los valores
y vectores propios
Dado un sistema de EDO lineales homogneo
) ( ) ( t AY t Y = '
el mtodo consiste en hallar los valores y vectores propios de la matriz de coeficientes A.
Los valores propios son las races del polinomio caracterstico de esta matriz, pero las
races de todo polinomio son de uno de los 3 tipos siguientes: es un nmero real nico no
repetido (de multiplicidad 1), es un nmero complejo y cuando son reales y repetidos (de
multiplicidad mayor que 1).
Veamos cada uno de estos casos mediante ejemplos de sistemas de EDO de tres incgnitas.

2.2.1 Cuando los valores propios son nmeros reales y diferentes
Ejemplo 1
Consideremos el sistema (2) de la seccin anterior
(1)
+ = '
+ = '
+ = '
z y x z
z y x y
z y x x
2
2 3
4

La matriz de coeficientes es A =
(
(
(
1 1 2
1 2 3
4 1 1

a) Clculo de valores y vectores propios de A con la parte simblica de MATLAB

>>A=sym('[1, -1, 4; 3, 2, -1; 2, 1, -1]')
A =
[ 1, -1, 4]
[ 3, 2, -1]
[ 2, 1, -1]

>>[v,e] =eig(A)
v =
[ 1, 1, -1]
[ -4, 2, 1]
[ -1, 1, 1]

e =
[ 1, 0, 0]
[ 0, 3, 0]
[ 0, 0, -2]

202

(
(
(
=
1
4
1
1
v es un vector propio del valor propio =1
(
(
(
=
1
2
1
2
v es un vector propio del valor propio 3 =
(
(
(
=
1
1
1
3
v es un vector propio del valor propio 2 =

b) Clculo de valores y vectores propios de A con la parte numrica de MATLAB

>>A=[1, -1, 4;3, 2, -1;2, 1, -1]; % ingressa como um arreglo de nmeros
>>[V,E] =eig (A)
V =
881/2158 780/1351 1121/4756
881/1079 -780/1351 -1121/1189
881/2158 -780/1351 -1121/4756
E =
3 0 0
0 -2 0
0 0 1
Transformacin de los vectores propios a formas simplificadas
>>v1=(1/V(1,1))*V(:,1)
v1 =
1
2
1
>>v2=(1/V(1,2))*V(:,2)
v2 =
1
-1
-1

>>v3=(1/V(1,3))*V(:,3)
v3 =
1
-4
-1

Luego la base del espacio de soluciones de (1) est formada por los vectores:


203
(
(
(
=
1
2
1
) (
3
1
t
e t Y ,
(
(
(
=

1
1
1
) (
2
2
t
e t Y ,
(
(
(
=
1
4
1
) (
3
t
e t Y

y la solucin general del sistema (1) es:
(
(
(
+
(
(
(
+
(
(
(
=

1
2
1
1
1
1
1
4
1
) (
3
3
2
2 1
t t t
e C e C e C t Y

2.2.2 Cuando los valores propios son complejos
Ejemplo 2
(2)
+ = '
= '
= '
z y z
z y y
x x

La matriz de coeficientes de (2) es
(
(
(
=
1 1 0
1 1 0
0 0 1
A

>>A=sym('[1, 0, 0; 0, 1, -1; 0, 1, 1]')
A =
[ 1, 0, 0]
[ 0, 1, -1]
[ 0, 1, 1]

>>[v, e] =eig(A)
v =
[ 0, 0, 1]
[ i, -i, 0]
[ 1, 1, 0]

e =
[ 1+i, 0, 0]
[ 0, 1-i, 0]
[ 0, 0, 1]

las columnas de v son los vectores propios correspondientes a los valores propios que
figuran en la matriz e:

(
(
(
=
1
0
1
i v es un vector propio del valor propio i + =1
1


204

(
(
(
=
1
0
2
i v es un vector propio del valor propio i =1
2

(
(
(
=
0
0
1
3
v es un vector propio del valor propio 1
3
=

Las soluciones fundamentales en el campo de los complejos son:

(
(
(
=
+
i
e t W
t i
1
0
) (
) 1 (
1
,
(
(
(
=

i
e t W
t i
1
0
) (
) 1 (
2
,
(
(
(
=
0
0
1
) (
3
t
e t Y

Se observa que ) (
1
t W y ) (
2
t W son vectores complejo conjugados, esto es ) ( ) (
2 1
t W t W = ; y
por la linealidad del sistema de ED se tiene que:

] Re[ )] ( ) ( [ ) (
1 2 1 2
1
1
W t W t W t Y = + = y ] [ Im )] ( ) ( [ ) (
1 2 1 2
1
2
W g t W t W t Y
i
= = son tambin
soluciones fundamentales.

Pero
(
(
(
+
(
(
(
=
(
(
(
+
+ =
(
(
(
=
t
t sen e i
t sen
t e
sent t i
t sen i t e
ie
e e t W
t t t
it
it t
cos
0
cos
0
cos
cos
0 0
) (
1

De aqu tomando la parte imaginaria y la real se tienen las soluciones fundamentales en el
campo de los reales:

(
(
(
=
t sen
t e t Y
t
cos
0
) (
1
,
(
(
(
=
t
t sen e t Y
t
cos
0
) (
2
,
(
(
(
=
0
0
1
) (
3
t
e t Y

La solucin general del sistema de EDO es:
) ( ) ( ) ( ) (
3 3 2 2 1 1
t Y c t Y c t Y c t Y + + =

>>A=[1, 0, 0; 0, 1, -1; 0, 1, 1];
>>[v, e] =eig(A)
v =
0 0 1.0000
0.7071 0.7071 0
0 - 0.7071i 0 +0.7071i 0

205

e =

1.0000 +1.0000i 0 0
0 1.0000 - 1.0000i 0
0 0 1.0000

Transformando los vectores propios a formas simplificadas, se llega a lo mismo que con la
parte simblica.

2.2.3 Cuando los valores propios son reales y repetidos
Ejemplo3
(3)
= '
= '
+ + = '
z z
z y y
z y x x
2
2
3 2

La matriz de coeficientes de (3) es A =
(
(
(
2 0 0
1 2 0
3 1 2

>>A=sym('[2, 1, 3; 0, 2, -1; 0, 0, 2]')
A =
[ 2, 1, 3]
[ 0, 2, -1]
[ 0, 0, 2]

>>eig(A)
[v,e]=eig(A)
v =
1
0
0
e =
[ 2, 0, 0]
[ 0, 2, 0]
[ 0, 0, 2]


Se ingresa A como una matriz numrica, sale:
>> [v, d] =eig (A)
v =
1.0000 -1.0000 -1.0000
0 0.0000 0.0000

206
0 0 0.0000
d =
2 0 0
0 2 0
0 0 2
Se ve que 2 = es el nico valor propio de multiplicidad 3 (repetido tres veces) y v=
(
(
(
0
0
1

es el vector propio correspondiente.
c) Clculo de la primera solucin fundamental ) (
1
t Y
>> I=eye(3) ; A1=A-2*I; ( ) 2 ( 1 I A A = )
A1 =
[ 0, 1, 3]
[ 0, 0, -1]
[ 0, 0, 0]
>>rank(A1)
=2
luego dim(N1) =ker(A1) =1

N1 =null(A1)
N1 =
1
0
0
entonces
(
(
(
=
0
0
1
1
v es un vector propio para =2
Como la dimensin del ncleo de A1 es 1, entonces
1
v es decir una base para el espacio de
soluciones del sistema 0 ) 2 ( = x I A . En otras palabras es una base para el autoespacio
correspondiente al valor propio =2 .
Luego

(
(
(
=
0
0
1
) (
2
1
t
e t Y es una primera solucin bsica de la ED.

d) Clculo de la segunda solucin fundamental ) (
2
t Y
Hacemos:
>>A2=(A-2*I)^2 ; (A 2 =(A 2 I)
2
)
A2 =
[ 0, 0, -1]
[ 0, 0, 0]
[ 0, 0, 0]


207
>> rank(A2) =1 entonces dim(N2) =dim(ker(A2)) =2

>> N2 =null (A2) (soluciones bsicas de A2 =(A 2 I)
2
x )
N2 =
[ 1, 0]
[ 0, 1]
[ 0, 0]
Se examina para cual de la columnas de N2 es (A-2*I) * v = 0.
>>(A-2*I)*N2
ans =
[ 0, 1]
[ 0, 0]
[ 0, 0]
Es decir, si denotamos con u1, u2 las columnas de N2, entonces se tiene que:
(A-2*I)*u1 =0 y (A-2*I)* u2 = 0. Esto dice que la segunda columna de N2, formar
parte de la segunda solucin bsica:

(
(
(
+ =
0
1
0
)] 2 ( [ ) (
2
2
I A t I e t Y
t
, esto es
(
(
(
=
(
(
(
+
(
(
(
=
0
1 )
0
0
1
0
1
0
( ) (
2 2
2
t
e t e t Y
t t

e) Clculo de la tercera solucin ) (
3
t Y
Hacemos:
>>A3=(A-2*I)^3 ; ( A3 =(A 2 I)
3
....)
A3 =
[ 0, 0, 0]
[ 0, 0, 0]
[ 0, 0, 0]
>>r =rank(A3)=0 . Entonces dim(N3) =dim(ker(A3)) =3

N3 =null(A3)
N3 =
[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 1]
Examinamos para cual de las columnas A2 * v = 0
>>A2*N3
ans =
[ 0, 0, -1]
[ 0, 0, 0]
[ 0, 0, 0]

208
Si denotamos con u1, u2, u3 las columnas de N3 entonces se tiene que: (A-2*I)*u1 =0;
(A-2*I)* u2=0; (A-2*I)* u3 = 0. Esto dice que la tercera columna de N3: u3=
(
(
(
1
0
0
,
formar parte de la tercera solucin bsica, de aqu
(
(
(
+ + =
1
0
0
* ] ) 2 (
2
) 2 ( [ ) (
2
2
2
3
I A
t
I A t I e t Y
t
, esto es
=
(
(
(
=
(
(
(
+
(
(
(
+
(
(
(
1
3
)
0
0
1
2
0
1
3
1
0
0
(
2
2
2
2
2
t
t
e
t
t e
t
t t

(
(
(
=
1
3
) (
2
2
3
2
t
t
e t Y
t
t

Luego la solucin general de la Ecuacin Diferencial Homognea es:

) ( ) ( ) ( ) (
3 3 2 2 1 1
t Y c t Y c t Y c t Y
h
+ + =

2.3 Condiciones iniciales y clculo de las constantes, en la solucin analtica
Ejemplo4
Consideremos el sistema (2) de y supuesto que la condicin inicial es ) 1 , 1 , 1 ( ) 0 ( = Y
Como la base o las soluciones fundamentales de (2) son:

(
(
(
=
t sen
t e t Y
t
cos
0
) (
1
,
(
(
(
=
t
t sen e t Y
t
cos
0
) (
2
,
(
(
(
=
0
0
1
) (
3
t
e t Y

Entonces ) 1 , 1 , 1 ( ) 0 ( ) 0 ( ) 0 ( ) 0 (
3 3 2 2 1 1
= + + = Y c Y c Y c Y . Como
(
(
(
=
0
1
0
) 0 (
1
Y ,
(
(
(
=
1
0
0
) 0 (
2
Y ,
(
(
(
=
0
0
1
) 0 (
3
Y se tiene
(
(
(
=
0
1
0
1 ) 0 ( c Y +
(
(
(
1
0
0
2
c +
(
(
(
0
0
1
3
c de aqu


209
(
(
(
(
(
(
=
(
(
(
+
+ +
+ +
=
(
(
(
3
2
1
0 1 0
0 0 1
1 0 0
0 2 0
0 0 1
3 0 0
1
1
1
c
c
c
c
c
c
(
(
(
(
(
(
=
(
(
(
3
2
1
0 1 0
0 0 1
1 0 0
1
1
1
c
c
c
(1)

Observar que las columnas de la ltima matriz
(
(
(
=
0 1 0
0 0 1
1 0 0
B
son los vectores ) 0 (
1
Y , ) 0 (
2
Y , ) 0 (
3
Y que son los vectores propios de la matriz de
coeficientes A del sistema de EDO. Resolviendo el sistema:

(
(
(
=
(
(
(
(
(
(
3
2
1
1
1
1
*
0 1 0
0 0 1
1 0 0
1
c
c
c
se tiene
(
(
(
3
2
1
c
c
c
=
(
(
(
1
1
1
, de aqu la solucin del sistema de EDO
ser:

(
(
(
=
t sen
t e t Y
t
cos
0
) (
(
(
(
t
t sen e
t
cos
0
+
(
(
(
0
0
1
t
e . Pasando a la descripcin de las soluciones:

(
(
(
=
)) cos( (
)) ( (cos ) (
t t sen e
t sen t e
e
t Y
t
t
t
o sea
+ =
=
=
)) cos( ( ) (
)) ( (cos ) (
) (
t t sen e t z
t sen t e t y
e t x
t
t
t

2.4 Solucin de un sistema de EDO lineales con dsolve de MATLAB
Ejemplo 5
(4)
=
=
=
+ + = '
+ = '
< < + + = '
1 ) 0 (
1 ) 0 (
1 ) 0 (
2
2 3
0 ) ( 4
2
z
y
x
e z y x z
t z y x y
t t sen z y x x
t

Empleando dsolve de MATLAB

a) La parte homognea
+ = '
+ = '
+ = '
z y x z
z y x y
z y x x
2
2 3
4


210

Empleando dsolve de MATLAB

>>[x,y,z]=dsolve('Dx=x-y+4*z', 'Dy=3*x+2*y-z', 'Dz=2*x+y-z'),

Ejecutando dsolve sale:

x =C3*exp(3*t) - C2/exp(2*t) - C1*exp(t)

y =4*C1*exp(t) +C2/exp(2*t) +2*C3*exp(3*t)

z =C1*exp(t) +C2/exp(2*t) +C3*exp(3*t)

escribiendo en el lenguaje matemtico, se tiene:

+ + =
+ + =
+ + =
t t t
t t t
t t t
e C e C e C z
e C e C e C y
e C e C e C x
3
3
2
2 1
3
3
2
2 1
3
6
2
2 1
) ( ) (
) 2 ( ) ( ) 4 (
) ( ) (

Pasando a la forma vectorial, se tiene la solucin general de (1)
(
(
(
+
(
(
(
+
(
(
(
=

1
2
1
1
1
1
1
4
1
) (
3
3
2
2 1
t t t
e C e C e C t Y ,

donde
(
(
(
(
(
(
(
(
(
1
2
1
,
1
1
1
,
1
4
1
3 2 t t t
e e e forman la base del conjunto de soluciones de (1).
b) La solucin de un problema de valores iniciales (4)

>>[x,y,z]=dsolve('Dx=x-y+4*z+sin(t)', 'Dy=3*x+2*y-z-t^2', 'Dz=2*x+y-z+exp(t)', ' x(0)=1', '
y(0)=1', ' z(0)=-1',),

Ejecutando resulta
x =

43/(20*exp(2*t)) - t/2 +(3*exp(3*t))/10 - cos(t)/5 - exp(t)/2 - sin(t)/10 +(t*exp(t))/2 - t^2/2 - 3/4

y =

(5*t)/2 - 43/(20*exp(2*t)) +(3*exp(3*t))/5 +(3*cos(t))/10 - exp(t)/2 - sin(t)/10 - 2*t*exp(t) +
(3*t^2)/2 +11/4

z =

t/2 - 43/(20*exp(2*t)) +(3*exp(3*t))/10 +cos(t)/10 - sin(t)/5 - (t*exp(t))/2 +t^2/2 +

211

Para la visualizar las grficas se hace
>> ezplot(x,[0,3]) etc.
0 0.5 1 1.5 2 2.5 3
0
500
1000
1500
t
X=43/(20 exp(2 t)) - t/2 +(3 exp(3t))/10 -...- 3/4

X
0 0.5 1 1.5 2 2.5 3
0
500
1000
1500
2000
2500
t
Y=(5 t)/2 - 43/(20 exp(2 t)) +(3 exp(3 t))/5 +...+11/4

Y

0 0.5 1 1.5 2 2.5 3
0
500
1000
1500
t
Z=t/2 - 43/(20 exp(2 t)) +(3exp(3 t))/10 +...+3/4

Z

Ejercicios
1) Se tiene el siguiente sistema de ecuaciones diferenciales ordinarias lineales

=
=
= '
+ = '
0 ) 0 (
, 1 ) 0 (
3 4
4 3
y
x
y x y
y x x

a) Halle los valores y vectores propios de la matriz de coeficientes del (SEDO).
b) Halle las soluciones fundamentales del (SEDO).

212
c) Halle la solucin general.
d) Tomando en cuenta las condiciones iniciales halle las soluciones analticas: ) t ( x , ) t ( y
Halle las soluciones aproximadas de ) t ( x , ) t ( y , por los mtodos de Euler y Runge_Kutta,
en el intervalo [0 , 4] tomando una particin de N=100. Grafique las dos soluciones con
colores diferentes.
e) Grafique con tres colores diferentes: la solucin analtica ) t ( x y las obtenidas por los
mtodos de Euler y Runge Kutta.
f) Tome una matriz de 4 columnas, la primera compuesta por los puntos de la particin, la
segunda los valores aproximados por el mtodo de Euler, la tercera por los valores de la
solucin analtica o exacta y la cuarta por el mtodo de Runge Kutta. Examine cul de los
mtodos se aproxima ms a la solucin exacta.
2) Resuelva los siguientes sistemas de ecuaciones diferenciales lineales
a) ) (t Y' =A ) (t Y ; con A =
(
(
(
1 1 4
1 2 3
2 1 1

b) ) (t Y' =A ) (t Y ; con A =
(
(
(
1 2 0
1 1 0
0 0 1

10 Mpmspo Edo Euler Runge Kutta Siste Lineales 2014 1

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

10 Mpmspo Edo Euler Runge Kutta Siste Lineales 2014 1

Transféré par

Droits d'auteur :

Formats disponibles

Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.

Universidad Nacional de Ingeniera Facultad de Ingeniera Industrial y de SistemasSeccin de Post Grado

Vous aimerez peut-être aussi