A.1.

Deniciones y teor bsicas a a

Los elementos de las matrices que aparecen en este curso son nmeros o funciones. Los u designaremos con el apelativo comn de escalares. u Denicin A.1 (Matrices) Una matriz A es un ordenamiento regular de escalares (recoro demos, nmeros o funciones): u a11 a12 . . . a1n a21 a22 . . . a2n A= . . . . . . am1 am2 . . . amn Si una matriz tiene m las y n columnas, se dice que su tamao es m por n (se escribe n m n). Una matriz n n se llama matriz cuadrada de orden n. El trmino aij representa el elemento de la i-sima la y la j-sima columna de una matriz e e e A de tamao m n; con ello, una matriz A, m n, se escribe en la forma A = (aij ) m n, o n simplemente A = (aij ). Una matriz A, 1 1, es slo un escalar (un nmero o una funcin). o u o
ww w.

at

em

at

ic a

1.c

om

Denicin A.2 (Igualdad de matrices) Dos matrices m n, A y B, son iguales si o aij = bij para toda i y j. Denicin A.3 (Matriz columna) Una matriz columna X es cualquier matriz con n las o y una columna: x11 x21 X = . = (xi1 ) n 1 . . xn1 Una matriz columna se llama tambin vector columna o simplemente vector. e Denicin A.4 (Producto de matrices por escalares) Si k es un escalar y A una mao triz m n, el producto de k por A es una nueva matriz que se dene de la siguiente manera: ka11 ka12 . . . ka1n ka21 ka22 . . . ak2n kA = . = (kaij ) m n, . . . . . kam1 kam2 . . . akmn

Ejemplo 1. Productos de matrices por escalares 10 15 2 3 a) 5 4 1 = 20 5 1 6 1 30 6 1 et b) et 2 = 2et 4 4et

Es de notar que para toda matriz A, el producto kA es igual al producto Ak, por ejemplo, e3t 2 5 = 2e3t 5e3t = 2 5 e3t

Denicin A.5 (Suma de matrices) La suma de dos matrices m n, A y B, se dene o como la matriz A + B = (aij + bij ) m n En otras palabras, para sumar dos matrices del mismo tamao, se suman los elementos n correspondientes.

ww w.

at em

at ic

a1

en donde k es un escalar; es decir, un nmero o una funcin. u o

.c

om

Ejemplo 2. Suma de matrices 2 1 3 4 7 8 4 6 yB= 9 3 5 es La suma de A = 0 6 10 5 1 1 2 2+4 1 + 7 3 + (8) 6 6 5 4+3 6 + 5 = 9 7 11 A+B = 0+9 6 + 1 10 + (1) 5 + 2 5 9 3 Ejemplo 3. Matriz expresada en forma de suma de matrices columna 3t2 2et La matriz t2 + 7t se puede expresar como la suma de tres vectores columna: 5t 2 3t2 2et 3t 0 2et 3 0 2 t2 + 7t = t2 + 7t + 0 = 1 t2 + 7 t + 0 et 5t 0 5t 0 0 5 0

Denicin A.6 (Multiplicacin de matrices) Sea A una matriz con m las y n columo o nas, y B otra con n las y p columnas. El producto AB se dene como la siguiente matriz

at em

ww w.

m p cuyo elemento en la posicin (i, j) es o

k=1

AB =

at ic
n

La diferencia de dos matrices m n se dene en la forma acostumbrada: A B = A + (B), en donde B = (1)B.

a1

aik bkj . Es decir, b11 b12 . . . b1p b21 b22 . . . b2p . . . . . . bn1 bn2 . . . bnp =

a11 a21 . . .

a12 a22

. . . a1n . . . a2n . . .

am1 am2 . . . amn

a11 b11 + a12 b21 + . . . + a1n b1n . . . a11 b1p + a12 b2p + . . . + a1n bnp = a21 b11 + a22 b21 + . . . + a2n bn1 . . . a21 b1p + a22 b2p + . . . + a2n bnp am1 b11 + am2 b21 + . . . + amn bn1 . . . am1 b1p + am2 b2p + . . . + amn bnp
n

=
k=1

aik bkj

(m p)

.c

om

Obsrvese con detenimiento la Denicin A.6. El producto AB = C slo est denido e o o a cuando el nmero de columnas en la matriz A es igual al nmero de las en B. El tamao u u n del producto se puede determinar con Amn Bnp = Cmp . Se debe observar tambin que los elementos de la i-sima la de la matriz producto AB e e se forman aplicando la denicin del producto escalar de la i-sima la de A por cada una o e de las columnas de B. En efecto, recordemos que dado dos vectores de n componentes: a = (a1 , a2 , . . . , an ) y b = (b1 , b2 , . . . , bn ), el producto escalar de a por b se dene como a b = a1 b1 + a2 b2 + + an bn . As el elemento de la posicin (i, j) de AB es ai bj , siendo ai la i-sima la de A y bj la , o e j-sima columna de B. e Ejemplo 4. Multiplicacin de matrices o a) Si A = 4 7 3 5 yB= AB = 9 2 6 8 ,
.c om

5 8 4 3 , b) Si A = 1 0 y B = 2 0 2 7 5 (4) + 8 2 5 (3) + 8 0 4 15 AB = 1 (4) + 0 2 1 (3) + 0 0 = 4 3 2 (4) + 7 2 2 (3) + 7 0 6 6 En general, la multiplicacin de matrices no es conmutativa; esto es, AB = BA. En la o 30 53 parte a) del Ejmplo 4 obsrvese que BA = e e , mientras que en la parte b) el 48 82 producto BA no est denido porque en la Denicin A.6 se pide que el nmero de las de a o u la primera matriz, en este caso B, sea el mismo nmero que el nmero de columnas de la u u segunda, en este caso A. Cosa que no sucede en el el caso b) del Ejemplo 4. Nos interesa mucho el producto de una matriz cuadrada por un vector columna. Ejemplo 5. Multiplicacin de matrices y vectores El producto de una matriz A, o m n, y un vector columna b, n 1, es un vector ciolumna Ab de tamao m 1. As por n , ejemplo

ww w.

at em

at ic

4 9 + 7 6 4 (2) + 7 8 3 9 + 5 6 3 (2) + 5 8

78 48 57 34

a1

 2 1 3 3 2 (3) + (1) 6 + 3 4 0 a) 0 4 5 6 = 0 (3) + 4 6 + 5 4 = 44 1 7 9 4 1 (3) + (7) 6 + 9 4 9 b) 4 2 3 8 x y = 4x + 2y 3x + 8y positivo n, la matriz n n 0 0 ... 0 1 0 ... 0 . . . 0 0 ... 1

La matriz Identidad. Para un entero 1 0 In = . . . 0

es la matriz identidad. Segn la Denicin A.6, para toda matriz A,n n, u o AIn = In A = A Tambin se comprueba con facilidad que si X es una matriz columna n 1, entonces In X = e X. La matriz Cero. Una matriz,m n, formada cuyos elementos son todos el nmero cero u se llama matriz cero y se representa con 0mn ; por ejemplo, 0 0 0 0 0 021 = , 022 = , 032 = 0 0 0 0 0 0 0 y as sucesivamente. Cuando el tamao de la matriz cero se puede deducir por el contexto, n o cuando se ha dado expl ictamente con anterioridad, se suele prescrindir del sub ndice que indica el tamao y se ecribe simplemente 0. Por ejemplo, si A y 0 son matrices de m n, n entonces A+0=0+A=A Propiedad asociativa. Aunque no lo demostraremos, la multiplicacin matricial es o asociativa. Si A es una matriz m p, B una matriz p r y C una matriz r n, entonces A(BC) = (AB)C es una matriz de mn. El parntesis indica la prioridad en la operacin. As A(BC) signica e o , que multiplicamos primero B y C y entonces hacemos el producto de A por el resultado obtenido al multiplicar B y C. Ntese que la asociatividad indica que independeinetmente o de la prioridad en las operaciones, el resultado es el mismo.
om

ww w.

at em

at ic

a1

.c

Propiedad distributiva. Si todos los productos estn denidos, la multiplicacin es a o distributiva respecto la suma: A(B + C) = AB + AC y (B + C)A = BA + CA

Determinante de una matriz. Con toda matriz cuadrada A, hay un nmero asociado u llamado determinante de la matriz que se representa mediante det A. La frmula general o para calcular el determinate de la matriz cuadrada A de orden n es a1(1) a2(2) an(n

donde el sumatorio est extendido a las n! permutaciones de los nmeros (1, 2, . . . , n). As a u , si n = 3, las 3! = 6 permutaciones posibles de (1, 2, 3) son: (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2) y (3, 2, 1). Por lo tanto, si A es 3 3 entonces det A = a11 a22 a23 + a11 a23 a32 + a12 a21 a33 + a12 a23 a31 + a13 a21 a32 + a13 a22 a31 . Por lo general para matrices cuadradas de tamao grande el clculo del determinante n a es una labor costosa cuando se hace a mano y el uso de ordenadores es aconsejable. Los mtodos ideados para el clculo de determinantes mediante ordenadores (mtodos numricos) e a e e no se basan en la denicin, sino en ciertas propiedades de las matrices. En este curso slo o o habr que calcular determinantes de matrices de tamao 3 a lo ms. Para ello la frmula a n a o de ms arriba es suciente. No obstante, hay una frmula que permite reducir el clculo del a o a determinante de una matriz n n a la suma de n determinantes de matrices de tamao n (n 1) (n 1). Es la frmula conocida como desarrollo del determinante por los elementos o de una la y que se debe, aunque con una formulacin mucho ms general, a Laplace: o a en donde Aij = (1)i+j det Aij y Aij es la matriz que se obtiene de A al quitar la i-sima la e y la j-esima columna. Ejemplo 6. Determinante de una matriz cuadrada. 3 6 2 As si A = 2 5 1 , y desarrollamos det A por los elementos de la primera la: , 1 2 4 3 6 2 5 1 2 1 2 5 det A = det 2 5 1 = 3 det 6 det + 2 det 2 4 1 4 1 2 1 2 4 = 3(20 2) 6(8 + 1) + 2(4 + 5) = 18 Si A tiene uns la (o columna) con muchos elementos cero, por nuestra comodidad debemos desarrollar ese determinante por los elementos de esa la (o columna).

ww w.

det A = ai1 Ai1 + ai2 Ai2 + + ain Ain

at em

at ic

a1

.c

om

Denicin A.7 (Rango de una matriz) .- Se dene el rango de una matriz A, m n, o como el tamao de la mayor submatriz cuadrada de A con determinante distinto de cero n El clculo del rango de una matriz es una tarea muy costosa cuando se quiere utilizar esta a denicin. De hecho, casi nunca se utiliza. Veremos que mediante operaciones elementales o por las se obtiene el rango de una matriz de una manera mucho ms sencilla. Hay que a decir, no obstante, que para matrices muy grandes el clculo del rango de una matriz es un a problema muy complicado, en general. Denicin A.8 (Transpuesta de una matriz) La transpuesta de la matriz A = (aij ), o m n, es la matriz AT n m representada por a11 a21 . . . am1 a12 a22 . . . am2 AT = . . . . . . a1n a2n . . . amn
.c

En otras palabras, las las de A se convierten en las columnas de su traspuesta, AT . Ejemplo 7. Transpuesta de una matriz

3 6 2 3 2 1 a) La transpuesta de A = 6 5 2 es AT = 6 5 2 . 2 1 4 2 1 4 5 0 , entonces X T = (5 0 3). b) Si X = 3 Denicin A.9 (Inversa de una matriz) Sea A una matriz n n. Si existe una matriz o B n n tal que AB = BA = In , en donde In es la matriz identidad, entonces B es la inversa de A y se representa con B = A1 . Denicin A.10 (Matrices no singulares y singulares) Sea A una matriz n n. Si o det A = 0, se dice que A es no singular. Si det A = 0, entonces A es singular.

ww w.

at em

at ic

a1

om

El siguiente teorema especica una condicin necesaria y suciente para que una matriz o cuadrada de nmeros reales o complejos tenga inversa. u Teorema A.11 (La no singularidad implica que A tiene una inversa) Una matriz de nmeros reales o complejos A n n tiene inversa A1 si y slo si A es no singular. u o El teorema que sigue describe un mtodo para hallar la inversa de una matriz no singular. e Teorema A.12 (Frmula de la inversa de una matriz) Sea A una matriz no singular o n n, y sea, como ms arriba, Aij = (1)i+j Mij , donde Mij es el determinante de la matriz a de (n 1) (n 1) obtenido al eliminar la i-sima la y la j-sima columna de A. Entonces e e A1 = 1 (Aij )T det A (A.1)

Para una matriz 2 2 A=

se tiene A11 = a22 , A12 = a21 , A21 = a21 y A22 = a11 . Entonces

at em

Para una matriz no singular 3 3

ww w.

A1 =

1 det A

a22 a21 a12 a11

at ic
T

a11 a12 a21 a22

a1
= 1 det A a22 a12 a21 a11

.c

om

Cada Aij en el Teorema A.12 es tan slo el cofactor (o menor con signo) del elemento o aij correspondiente a A. Obsrvese que en la frmula (A.1) se utilizan las transpuesta. e o

a11 a12 a13 A = a21 a22 a23 , a31 a32 a33 A11 = det a22 a23 a32 a33 , A12 = det a21 a23 a31 a33 , A13 = det a21 a22 a31 a32 ,

etctera. Para calcuar la inversa, trasponemos y llegamos a e A11 A21 A31 1 A12 A22 A32 A1 = det A A13 A23 A33 Ejemplo 8. Inversa de una matriz 2 2

Vamos a calcular la inversa de A =

1 4 2 10

En primer lugar det A = 10 8 = 2 = 0, de modo que A es no singular y por el Teorema A.12, A1 existe. De acuerdo con (A.1), A1 = 1 2 10 4 2 1 = 5 2 1 1 2 2 2 3 3 . es singular porque det A =

No toda matriz cuadrada tiene inversa. La matriz A = 0; por consiguiente, A1 no existe. Ejemplo 9. Inversa de una matriz 3 3 2 2 0 Calculemos la inversa de A = 2 1 1 . 3 0 1

A11 = det A21 = det A31 = det

2 0 0 1

ww w.

2 0 0 1

at em

1 1 0 1

at ic

= 1 A12 = det

2 1 3 1 2 0 3 1

a1

Puesto que det A = 12 = 0, la matriz dada es no singular. Los cofactores correspondientes a los elementos de cada la de A son
.c

om

= 5 A13 = det = 2 A23 = det = 2 A13 = det

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

= 3 =6 =6

= 2 A22 = det = 2 A32 = det

2 0 2 1

De acuerdo con (A.1) A1 1 1 1 1 2 2 6 6 12 1 1 1 5 6 . 5 2 2 = 12 = 6 12 1 1 1 4 2 3 6 6 2

Se puede, y conviene, comprobar que, en efecto, A1 A = AA1 = I3 . Dado que la frmula (A.1) para hallar la inversa de una matriz se basa en el clculo o a de determinantes, para hallar la inversa de matrices no singulares de tamaos grandes no n se emplea, en la prctica este mtodo. Hay otros mtodos mucho ms ecaces, desde el a e e a punto de vista del clculo, que tienen que ver con la factorizacin de matrices yq eu pueden a o

encontrarse en cualquier libro de Algebra Lineal Numrica. No los discutiremos aqu porque e el tamao de nuestras matrices no ser, en la prctica, nunca mayor que 3. n a a Como nuestra meta es utilizar las matrices para la resolucin de sistemas de ecuaciones o diferenciales lineales de primer orden, necesitaremos otras deniciones adicionales: Denicin A.13 (Derivada de una matriz de funciones) Si A(t) = (aij (t)) es una o matriz m n cuyos elementos son funciones diferenciables en un intervalo comn, entonu ces se dene la derivada de A(t) como la matriz cuyos elementos son las derivadas de los elementos de A(t). Es decir: dA (t) = dt daij (t) dt (m n).

Ejemplo 10. Derivada o integral de una matriz Si sen 2t X(t) = e3t 8t 1 X (t) = Y
t 0 d (sen 2t) dt d (e3t ) dt d (8t 1) dt t 0

ww w.

En otras palabras, para derivar o integrar una matriz de funciones, tan slo hay que o derivar o integrar cada uno de sus elementos. La derivada de una matriz tambin se representa e con A (t).

entonces

at em

at ic

t0

t0

2 cos 2t = 3e3t . 8
1 2

a1

A(s)ds =

aij (s)ds

.c

om

Denicin A.14 (Integral de una matriz de funciones) Si A(t) = (aij (t)) es una mao triz m n cuyos elementos son funciones continuas en un intervalo que contiene a t y a t0 , entonces la integral de A(t) es una matriz cuyos elementos son las integrales de los elementos de A(t). Es decir: (m n)

1 sen 2sds 2 cos 2t + t 3s 1 1 3t = e 3 X(x)ds = e ds 3 0 t 2 4t t (8s 1)ds 0

A.2.

Eliminacin de Gauss-Jordan o

Las matrices son una ayuda insustituible para resolver sistemas algebraicos de ecuaciones lineales. Recordemos que stos son de la forma: e a11 x1 + a12 x2 + + a1n xn = b1 a21 x1 + a22 x2 + + a2n xn = b2 . . . am1 x1 + am2 x2 + + amn xn = bm donde m es el nmero de ecuaciones y n el de incgnitas. u o Si A representa la matriz de los coecientes en (A.2), sabemos que se puede usar la regla de Cramer para resolver el sistema, siempre que m = n y det A = 0. Sin embargo, seguir esta regla es prcticamente imposible si el tamao de A es mayor que 3. El procedimiento a n que describiremos tiene la ventaja de ser no slo un mtodo eciente para manejar sistemas o e grandes, sino tambin un mtodo para saber si el sistema (A.2) es consistente (es decir, e e admite alguna solucin), y, en su caso, hallar todas las soluciones. o Denicin A.15 (Matriz aumentada) La matriz aumentada del sistema (A.2) es la mao triz de m (n + 1) a11 a12 . . . a1n b1 a21 a22 . . . a2n b2 . . . . . . an1 an2 . . . ann bn b1 b2 Si B = . , la matriz aumentada de (A.2) se expresa como (A/B). . . bm Operaciones elementales por las. Si multiplicamos una de las ecuaciones de un sistema algebraico por un nmero (distinto u de cero), o si sumamos a una ecuacin otra multiplicada por un nmero o si intercambiamos el o u orden en el que aparecen las ecuaciones, las soluciones del sistema obtenido y del original son las mismas. Es decir, los sistemas son equivalentes. Las matrices aumentadas de los sistemas obtenidos al realizar estos tres tipos de operaciones se dice que han sido obtenidas al realizar operaciones elementales por las sobre la matriz aumentada del sistema original. As , las operaciones elementales por las son las siguientes:

(A.2)

ww w.

at em

at ic

a1

.c

om

i) Multiplicacin de una la por una constante distinta de cero. o ii) Intercambio de dos las cualesquiera. iii) Suma de un mltiplo constante, distinto de cero, de una la a cualquier otra la. u Mtodos de eliminacin. e o Uno de los mtodos que ms utlizamos para resolver sistemas es el llamado mtodo de e a e eliminacin (tambin es famoso el mtodo de sustitucin que a veces es util para sistemas o e e o pequeos). n El mtodo de eliminacin consiste, precisamente, en realizar operaciones elementales por e o las eligiendo las constantes con buen tino. Cuando es aplicado directamente sobre la matriz aumentada del sistema se conoce con el nombre de mtodo de eliminacin de Gausse o Jordan. Este mtodo consiste en efectuar una sucesin de operaciones elementales por las e o hasta llegar a una matriz aumentada que tenga la forma reducida de escalera por las. Esta es una matriz que tiene la siguiente forma:
.c

i) El primer elemento distinto de cero en cada la es 1.

iii) Las las formadas unicamente por ceros estn en la parte inferior de la matriz. a

Es decir, la forma de una 0 0 1 0 0 0 0 0 0 . . . . . . 0 0 0 0 0 0 . . . . . . 0 0 0

matriz en forma reducida de escalera por las ser como sigue: a 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 . . . . . . . . . . . . 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 . . . . . . . . . . . . 0 0 0 0 0 0 0 0 0 0 0

donde los elementos indicados con pueden ser cero o distintos de cero. El nmero de las u que son distintas de cero es, precisamente, el rango de la matriz. Ejemplo 11. Forma de escalera por las

ww w.

iv) Una columna que contiene un primer elemento 1 tiene ceros en todos los dems lugares. a

at em

at ic

ii) En las las consecutivas distintas de cero, el primer elemento 1 en la la inferior aparece a la derecha del primer 1 en la la superior.

a1

om

Las matrices aumentadas 1 0 0 2 0 1 0 1 0 0 0 0 estn en la forma escalera por las. a

0 0 1 6 0 2 0 0 0 0 1 4

En la eliminacin de Gauss-Jordan nos detenemos una vez obtenida una matriz aumeno tada en su forma de escalera reducida por las. Cualesquiera que sean las operaciones que realicemos para llegar a la forma de escalera reducida produce siempre la misma forma reducida. Una vez obtenida esta matriz la solucin del sistema se obtiene de forma muy seno cilla. Los 1s signicativos nos aislan unas cuantas incgnitas (tantas como las distintas de o cero haya en la forma reducida) que pueden despejarse en funcin de las dems. Enseguida o a veremos un ejemplo. Para facilitar el trabajo introducimos la siguiente notaciun: : o S mbolo Rij cRi cRi + Rj

eliminacin de Gauss-Jordan. o SOLUCION

Efectuamos operaciones elementales por las en la matriz aumentada del sistema para obtener 2R1 + R2 7 2 6 1 1 2 1 1 1 2 1 1 5R1 + R3 R12 1 2 1 1 2 6 1 0 2 7 9 3 5 7 4 9 5 7 4 9 0 3 1 14 1 2 1 1 1 2 1 1 1 2 1 1 2 R3 9 3R2 +R3 9 11 9 3 3 3 0 1 2 0 1 0 1 2 2 2 2 2 55 11 5 0 3 1 14 0 0 2 0 0 1 2
1 R 2 2

ww w.

at em

Resolvamos el sistema

2x1 + 6x2 + x3 = 7 x1 + 2x2 x3 = 1 5x1 + 7x2 4x3 = 9

at ic

Ejemplo 12. Solucin por eliminacin o o

a1

.c

Signicado Intercambio de las las i y j Multiplicain de la i-sima la por la constante c, distinta de cero o e Multiplicain de la i-sima la por c y suma del resultado a la j-sima l o e e
om

2R2 +R1

4R3 + R1 3 1 0 4 10 1 0 0 10 2 R3 + R2 9 0 1 3 0 1 0 3 2 2 5 0 0 1 0 0 1 5

Esta matriz ya se encuentra en su forma reducida de escalera por las. El sistema correspondiente es x1 = 10 x2 = 3 , x3 = 5 de forma que la solcuin del sistema es x1 = 10, x2 = 3 y x3 = 5. o Ejemplo 13. Eliminacin de Gauss-Jordan o Resulvase e

x + 3y 2z = 7 4x + y + 3z = 5 2x 5y + 7z = 19
om
1 11 R2 3R2 + R1 1 2 1 3 2 7 1 0 1 R2 + R3 11 R3 0 1 1 3 . 0 1 1 3 0 0 1 1 3 0 0 0

SOLUCION

Esta es la forma reducida. El sistema correspondiente es x+z =2 y z = 3 Por lo tanto el sistema dado de tres ecuaciones y tres incgnitas equivale a otro de dos o ecuaciones y tres incgnitas. La solucin general del sistema ser o o a x=2z y = 3 + z Es decir, el sistema es compatible indeterminado, tiene innitas soluciones y todas las soluciones se obtienen dando a z valores arbitrarios.

ww w.

at em

4R1 + R2 1 3 2 7 1 3 2 7 2R1 + R3 0 11 11 33 4 1 5 3 2 5 7 19 0 11 11 33

at ic

a1

Resolveremos este sistema con la eliminacin de Gauss-Jordan: o

.c

Si el sistema original fuera x + 3y 2z = 7 4x + y + 3z = 5 2x 5y + 7z = 20 entonces la forma reducida de escalera por las de la matriz ampliada ser a: 2 1 0 1 0 1 1 3 1 0 0 0 11 y el sistema correspondiente x+z =2 y z = 3 1 0 = 11 Debido a la tercera ecuacin este sistema no tiene solucin. Es decir el sistema es incompao o tible. En conclusin, el mtodo de eliminacin de Gauss-Jordan nos proporciona una forma o e o de conocer si un sistema algebraico de ecuaciones lineales tiene o no solucin y, en su caso, o todas las soluciones del sistema.

La resolucin anal o tica de sistemas lineales de ecuaciones diferenciales con coecientes constantes se basa en la bsqueda de vectores y valores propios de la matriz del sistema. u Para sistemas de dimensin pequea (a lo ms 3) la forma ms sencilla y rpida de calcular o n a a a los valores propios es obteniendo las ra ces del polinomio caracter stico de la matriz. Para sistemas de dimensin mayor que 3 (y muy especialmente, por motivos que ser largo y o a complicado de explicar, para sistemas de dimensin 5 o ms) el uso de programas apropiados o a de ordenador puede ser el unico modo de calcular los valores propios de una matriz. Una vez obtenidos stos por el mtodo que sea, la eliminacin de Gauss-Jordan sirve para hallar los e e o vectores propios. Denicin A.16 (Valores propios y vectores propios) Sea A una matriz nn. Se dice o que un nmero es un valor propio de A si existe un vector solucin v, no cero, del u o sistema lineal Av = v (A.3) El vector solucin v se dice que es un vector propio de A correspondiente al valor propio o .

ww w.

at em

A.3.

El problema de los valores propios

at ic

a1

.c

om

El trmino h do eigenvalor se usa como traduccin de la palabra alemana eigenwert e br o que signica valor propio. A los valores propios y vectores propios se les llama tambin e valores caracter sticos y vectores caracter sticos, respectivamente. Ejemplo 14. Vector propio de una matriz 1 Comprubese que v = 1 es un vector propio de la matriz e 1 0 1 3 3 3 A= 2 2 1 1 En efecto, al multiplicar Av obtenemos 1 2 1 0 1 3 3 3 1 = 2 = (2) 1 = (2)v. Av = 2 1 2 1 2 1 1 Por lo tanto Av = (2)v con lo que 2 es valor propio de A y v vector propio correspondiente al valor propio 2.

ww w.

y tambin e

at em

Si aplicamos las propiedades del lgebra de matrices, podemos expresar la ecuacin (A.3) a o en la forma alternativa v Av = 0 (In A)v = 0 (A.4)

en donde In es la matriz identidad. Si escribimos v en funcin de sus componentes: o v1 v2 v = . , . . vn la ecuacin (A.4) equivale a o ( a11 ) v1 a12 v2 a21 v1 + ( a22 ) v2 . . . . . . an1 v1 an2 v2 a1n vn a2n vn . . . = 0 = 0 . . .

at ic

a1

.c

om

(A.5)

+ ( amn ) vn = 0

Una vez conocido el valor propio , el sistema (A.5) es un sistema algebraico lineal homogneo e de n ecuaciones con n incgnitas. Es homogneo porque los trminos independientes son todos o e e iguales a cero (es decir, bi = 0, i = 1, 2, . . . , n en (A.2)), y las incgnitas son las componentes o de un vector propio correspondiente al valor propio . Por ser un sistema homogneo hay siempre un solucin obvia (o trivial): v1 = v2 = = e o vn = 0. Pero para que v sea un vector propio, por denicin, debe ser distinto de cero. o As pues, la solucin trivial no nos sirve. o Ahora bien, se sabe que un sistema homogneo de n ecuaciones lineales con n incgnitas e o tiene una solucin no trivial si y slo si, el determinante de la matriz de coecientes es igual o o a cero. As para hallar una solucin v distinta de cero de la ecuacin (A.5) se debe cumplir , o o det (In A) = 0 (A.6)

Ejemplo 15. Valores propios y vectores propios Determ nense los valores y hllese un vector propio para cada valor propio de a 1 2 1 A = 6 1 0 . 1 2 1

SOLUCION. Calculamos el determinante para encontrar la ecuacin caracter o stica (podemos hacerlo, por ejemplo, usamos los cofacotres de la segunda la): 1 2 1 0 = 3 + 2 12 = 0 det (I3 A) = det 6 + 1 1 2 +1 Puesto que 3 + 2 12 = ( + 4) ( 3) = 0, los valores propios son 1 = 0, 2 = 4 y 3 = 3. Para hallar los vectores propios debemos aplicar el algoritmo de Gauss-Jordan a (I3 A|0) con cada uno de los tres valores propios calculados.

ww w.

at em

at ic

a1

Unos ejemplos pueden servir para claricar estos conceptos.

.c

om

Al examinar (A.6) se ve que el desarrollo del det (In A) por cofactores da un polinomio de grado n en . La ecuacin (A.6) se llama ecuacin caracter o o stica de A. As los valores propios de A son las ra ces de la ecuacin caracter o stica. Para hallar un vector propio que corresponda al valor propio , se resuelve el sistema de ecuaciones (In A) v = 0, aplicando la eliminacin de Gauss-Jordan a la matriz aumentada (In A|0n1 ). o

Para 1 = 0,

1 2 1 0 1R1 0 0 (0I3 A|0) = 6 1 1 2 1 0 1 2 1 0 1 13 R2 0 1 6 0 13 0 0 0 0

1 2 1 0 6 1 0 0 1 2 1 0 1 2R2 +R1 0 0

6R1 + R2 1 2 1 0 R1 + R3 0 13 6 0 0 0 0 0 1 0 13 0 6 1 13 0 0 0 0

As el sistema es compatible (deb serlo porque ya hemos visto que det(0I3 A) = 0) y , a tiene innitas soluciones. El mtodo de Gauss-Jordan nos indica que se pueden despejar las e incgnitas v1 y v2 en funcin de v3 . Es decir, las soluciones son: o o 6 1 v3 y v2 = v3 . 13 13 La innitas soluciones del sistema se obtienen dando valores distintos a v3 . Como se nos pide encontrar un vector propio damos a v3 un valor cualquiera. En efecto, cualquier valor de v3 valdr para obtener un vector propio, pero si queremos que las componentes de este vector a sean nmeros enteros podemos escoger v3 = 13. As un vector porpio ser u a: 1 v1 = 6 . 13 v1 = Procedemos de la misma forma con 2 = 4, 6R1 + R2 5 2 1 0 1 2 3 0 5R1 + R2 R31 (4I3 A|0) = 6 3 0 0 6 3 0 0 1 5 2 1 0 2 3 0 2R2 + R1 1 2 3 0 1 2 3 0 1 0 1 0 1 8R2 + R3 R2 9 0 9 18 0 0 1 2 0 0 1 2 0 0 8 16 0 0 8 16 0 0 0 0 0 La solucin general del sistema ser: o a v1 = v3 y v2 = 2v3 . Eligiendo v3 = 1 se obtiene un vector propio correspondiente al valor propio 2 = 4: 1 v2 = 2 1

ww w.

at em

at ic

a1

.c

om

Por ultimo, cuando 3 = 3, la eliminacin de Gauss-Jordan da o operaciones 1 0 1 0 2 2 1 0 por las 0 1 3 0 0 0 (3I A|0) = 6 4 2 1 0 0 0 0 2 4 0 As 3 v1 = v3 y v2 = v3 . 2 Escogiendo v3 = 2 obtenemos un vector propio asociado al valor propio = 3: 2 v3 = 3 . 2 Cuando una matriz A de tamao n n tiene n valores propios distintos, 1 , 2 , . . . , n n , se puede demostrar que se puede obtener un conjunto de n vectores propios linealmente independientes v 1 , v 2 , . . . , v n ; cada uno correspondiente a un valor propio. (Que n vectores v 1 , v 2 , . . . , v n sean linealmente independientes signica que la unica forma de que la suma 1 v 1 + 2 v 2 + + n v n sea el vector cero es cuando 1 = 2 = = n = 0. Por ejemplo, 1 2 los vectores v 1 = y v2 = no son linealmente indepencientes porque adems de a 1 2 0 1 0 0 si y v2 = . Sin embargo,v 1 = tambin 2v 1 + v 2 = e 0v 1 + 0v 2 = 1 0 0 0 0 es que son linealmente independientes porque la unica forma en que 1 v 1 + 2 v 2 = 0 1 = 2 = 0.) Cuando la ecuacin caracter o stica tiene ra repetidas, quiz no sea posible hallar n vecces a tores propios de A linealmente independientes. El siguiente ejemplo muestra esta situacin. o

Ejemplo 16. Valores propios y vectores propios repetidos Determ nense los valores propios y vectores propios de A= 3 4 1 7 .

SOLUCION

ww w.

at em

at ic

a1

.c

om

Partimos de la ecuacin caracter o stica det (I2 A) = det 3 4 1 7 = 2 10 + 25 = ( 5)2 = 0

y vemos que 1 = 2 = 5 es un valor propio de multiplicidad dos. En el caso de una matriz 2 2, no es necesario la eliminacin de Gauss-Jordan, se pueden obtener las soluciones o mediante inspeccin directa. En este caso, para determinar un vector propio correspondiente o a 1 = 5, recurriremos al sistema (5I2 A|0), en su forma equivalente 2v1 + 4v2 = 0 v1 + 2v2 = 0 De aqu se deduce que v1 = 2v2 . De modo que todos los vectores propios correspondientes al valor propio = 5 tienen la siguiente forma v= 2v2 v2

ww w.

En particular, si escogemos v2 = 1, obtenemos un vector propio: v= 2 1

El siguiente y ultimo ejemplo nos muestra que tambin puede suceder que haya dos e vectores propios linealmente independientes correspondientes a un valor propio repetido. Ejemplo 17. Valores propios y vectores propios repetidos Hllense los valores propios y vectores propios de a 9 1 1 A = 1 9 1 . 1 1 9

at em

con v2 = v2 y ambos distintos de cero, entonces v2 v v2 v = 0. Es decir, hay nmeros 1 y u 2 distintos de cero tales que 1 v + 2 v = 0, lo que signica que v y v no son linealmente independientes.

at ic

con v2 = 0. Y no podemos encontrar dos vectores propios linealmente independientes. En efecto, si 2v2 2v2 v= yv = v2 v2

a1

.c

om

 SOLUCION La ecuacin caracter o stica 9 1 1 det (I3 A) = det 1 9 1 = ( 11) ( 8)2 = 0 1 1 9 indica que 1 = 11 es un valor propio simple (de multiplicidad 1) y 2 = 3 = 8 es un valor propio de multiplicidad dos. Para 1 = 11, la eliminacin de Gauss-Jordan da o operaciones 2 1 1 0 1 0 1 0 por las 0 1 1 0 . (11I3 A|0) = 1 2 1 0 1 1 2 0 0 0 0 0 Por consiguiente, v1 = v3 y v2 = v3 . Si v3 = 1, 1 v1 = 1 1

es un vector propio correspondiente al valor propio 1 = 11. Cuando 2 = 8,

operaciones 1 1 1 0 1 1 1 0 por las 0 0 0 0 . (8I3 A|0) = 1 1 1 0 1 1 1 0 0 0 0 0 En la ecuacin v1 + v2 + v3 = 0 podemos despejar una de las incgnitas en funcin de las o o o otras dos. As por ejemplo , v1 = v2 v3 . Podr amos decir que tenemos 2 grados de libertad: dando valores a v2 y v3 podemos conseguir dos vectores solucin que sean linealmente independientes. Por ejemplo, si por una parte o optamos por v2 = 1 y v3 = 0 y, por otra v2 = 0 y v3 = 1, tenemos que 1 1 v2 = 1 y v3 = 0 0 1 son vectores linealmente independientes.

ww w.

at em

at ic

a1

.c

om

ww w.

M at em at ic a1
.c om