Ejemplo 8.

+
+ (l)(l)

+ (--4)(-l) +
+
+

Ejemplo 9. El producto obtenido al intercambiar las matrices en el Ejemplo 8 no est definido, porque en el producto resultante el nmero de columnas de la primera matriz
sera igual al nmero de filas de la segunda matriz. Este ejemplo muestra que la ley conmutativa para la multiplicacin de
matrices no se cumple en general, esto es,
BA. Esto es cierto en general an cuando AB y BA existan ambas.
Observacin. La definicin de multiplicacin de matrices requiere que
si A es una matriz de m x n y B es una matriz de p x q entonces debemos tepara que el producto AB exista. En tal caso decimos que A y B son
ner n
conformes. El producto AB es una matriz de m
q. Esto se puede indicar
simblicamente por la regla de cancelacin:
x
x
x
Si una matriz se sustrae de s misma, el resultado es una matriz cuyos
elementos son todos iguales a cero, llamada la
cero o
y denotada
por el smbolo 0. La matriz cero puede tener cualquier
o dimensin.

La matriz cero o nula acta en lgebra matricial como el cero del lgebra ordinaria.
Con el objeto de tener una matriz que acte como el uno o unidad de! lgebra ordinaria, introducimos una matriz unidad o identidad definida por
1

la cual es una matriz cuadrada con unos en la diagonal de la izquierda superior a la derecha inferior, llamada la diagonal principal, y ceros en otras par(ver el Ejercicio
tes. Si el producto IA o AI existe, el resultado es
Ejemplo ll.
+

=
La siguiente lista proporciona algunos resultados importantes en relacin a matrices, los cuales se pueden considerar corno teoremas. En todos
casos asumimos que las operaciones indicadas estn definidas y todas las
M t o d o s de

de matraces para sistemas de ecuaciones.

515

letras denotan matrices.

1.
2.
+
+
= (4
3.
AB
4.
5.
6.
7.
8.

=
=
A + O =
=
Al =

Ley conmutativa para la adicin

c
Ley asociativa para la adicin
en general Ley conmutativa para la multiplicacin
no se cumple
Ley asociativa para la multiplicacin
AB +
Ley distributiva
A
= 0
IA
A

En muchas situaciones prcticas tenemos necesidad de matrices cuyos

elementos son funciones, tal como por ejemplo
4

en la cual los elementos son funciones de

Las reglas de operacin con
matrices son exactamente las mismas a las ya dadas. Adems, sin embargo,
como se podra esperar en aplicaciones a ecuaciones diferenciales, necesitamos definir la derivada de una matriz. Hacemos la siguiente
Definicin 1. Si A es una matriz cuyos elementos son funciones
de
entonces la derivada de A con respecto a
denotada por
es una matriz cuyos elementos son las derivadas de los elementos correspondientes de A. En smbolos, si A =
entonces

Ejemplo 12.
Podemos tambin definir integrales de matrices.
Definicin 2. Si A es una matriz cuyos elementos son funciones integraentonces la integral de A con respecto a es una matriz cuyos elebles de
mentos son las integrales de los elementos correspondientes de A. En smboentonces
los, si A =

Ejemplo 13. Sea =

Entonces

donde C =
arbitraria,

3t +

3t) +

c,). Algunas veces C se llama una matriz constante

Consideremos algunos ejemplos ilustrando varias operaciones con matrices.

516

Captulo

once

EJEMPLO

ILUSTRATIVO

Exprese el sistema de ecuaciones lineales

Entonces usando la definicin de

demos escribir el sistema en la forma AX =

pgina

en forma

e igualdad de matrices, po-

EJEMPLO ILUSTRATIVO 2

Si A=

muestre que

Solucin Tomando

3A

= 0.

tenemos

EJEMPLO ILUSTRATIVO 3

Escriba en forma matricial el sistema de ecuaciones diferenciales

dx

z =

1,

x +
+ 3z =
+ x
=
(13)
dt
Solucin
El sistema dado (13) se puede expresar de acuerdo a la definicin
de igualdad de matrices como
(14)
usado D
. Usando la definicin de adicin
de matrices, el lado izquierdo de (14) se puede escribir como una suma:

donde hemos usado las definiciones de derivadas y producto de matrices.

Podemos as escribir el sistema dado como

Mtodos de eigenvalores de matrices para sistemas de ecuaciones.

517

El siguiente es un teorema importante el cual ser usado con frecuencia

en este captulo.
Teorema.

Suponga que se da el sistema de ecuaciones lineales

AX = 0

donde A es una matriz de n

n cuyos elemntos son constantes dadas, y X
es un vector n dimensional con elementos desconocidos
,
,
.
Entonces el sistema tiene soluciones no triviales, esto es, X
0, si y slo
si det (A) = 0.
Ejemplo 14.

Entonces AX=O es

y X=

= 3

equivalente al sistema de ecuaciones lineales

2.x
3s +

2-l
= 3
1

Puesto que

= 0
= 0
= 0
2
6

el sistema tiene soluciones no triviales. Dos de las infinitas posibles soluciones no triviales son
4
= -20
14
Debido al teorema anterior llamamos una matriz A singular si det (A)
en otro caso, se llama no singular.
EJERCICIOS

0;

1. Desarrolle cada una de las siguientes operaciones indicadas para producir una
matriz equivalente

518

Captulo

once

Encuentre los valores de

para los

3)

, encuentre
Dado que

A +

C =

=
=

+ C.

(h)

Muestre que

+ C) = AB +

leyes ilustran estos resultados?

Si A,
(b)

C son las matrices dadas en el Ejercicio 4, determine si (a) AB

C(AB).
conclusiones puede usted sacar de estas observaciones?

6. Exprese en forma matricial

7. Dado que A =

encuentre

8. Exprese los siguientes sistemas de ecuaciones diferenciales en forma matricial

9. Encuentre det (A) si: (a) A

10. Determine cules de los siguientes sistemas tienen soluciones no triviales, y determine algunas de estas soluciones si existen.
= 0
= 0

(b)
+

= 0

EJERCICIOS

1. Si A,

y C son matrices del mismo tamao, pruebe que (a) A + B

B + A. (b)

2. Pruebe que si A, B y C son matrices conformes entonces:

+ C) = AB +

(b)

3. Si A,
son matrices conformes cuyos elementos son funciones
muestre que
Mtodos de

de matrices para sistemas de ecuaciones.

de

519

Ilustre tomando

Explique por qu el orden indicado es esencial.

X

AX
donde A,
B? Explique.

X se asumen conformes, necesariamente sigue que

, determine, si es posible, los elementos en la matriz X =

5.

de modo que AX = XA.

pgina 515, y
6. Muestre que si es la matriz identidad
ces si los productos ZA AZ existen, el resultado es A.
EJERCICIOS

1. D a d o
tenemos det

B=

2
- 2

una matriz, enton-

muestre que an cuando

BA todava

= det (BA).

2. Pruebe el resultado indicado en el Ejercicio 1 si A y B son cualesquiera (a) matrices de 2x 2, (b) matrices de
de
n donde
3.

3. El resultado se puede generalizar a matrices

2 tenemos det (AB) =

3. Muestre que si A y B son cualesquiera determinantes de 2
det (A) det (B) e ilustre usando los determinantes en el Ejercicio 1. (b) Extienda
el resultado de (a) a determinantes de 3
3 e ilustre con un ejemplo (el resultado
es cierto para cualesquiera determinantes de n
n). (c) Discuta la conexin entre los resultados de (a) y (b) y los resultados de los Ejercicios 1 y 2.
4. Una matriz X tal que AX = Z donde
inversa de A y se denota por A-

es la matriz identidad o unidad se llama la

Encuentre A

si:

5. Muestre que la inversa de una matriz cuadrada A no puede existir si A es una matriz singular.
una matriz cuadrada, C = (c,,) una matriz cuadrada del mismo
6. Sea A =
tamao cuyos elementos
denotan los cofactores de los elementos, y
es la matriz cuadrada
de C al intercambiar columnas y filas (con frecuencia llamada la transpuesta de
(a) Usando las matrices en el Ejercicio
ilustre el hecho que

520

Captulo once

(b) Use
por A

para mostrar que la inversa de una matriz no singular

donde

y use este resultado para trabajar

est dada
,
Ejercicio
Es-

tos resultados se cumplen para matrices de x

Resuelva el sistema de ecuaciones
pgina 511, usando matrices inversas. [sugerencia: Use el Ejemplo ilustrativo 1, pgina 517, para escribir el sistema como
AX = y luego multiplique a la izquierda por
Ecuaciones diferenciales matriciales
Volvamos nuestra atencin a mostrar cmo las matrices se pueden usar
para resolver sistemas de ecuaciones diferenciales con coeficientes constantes por el mtodo de la solucin complementaria y particular. Hacemos un paralelo con la discusin de la pgina 500 para que el estudiante pueda ver las
relaciones entre ambos mtodos. Como ya se mencion, las matrices sirven
para simplificar el trabajo involucrado donde el nmero de ecuaciones es
grande.
Indicamos en el Captulo diez, pgina 449, que todo sistema lineal de
ecuaciones diferenciales puede escribirse como un sistema de ecuaciones
diferenciales de primer orden si queremos usar suficientes incgnitas. En el
caso donde, por ejemplo, tengamos tres funciones desconocidas de
digamos
tal sistema se puede escribir en la forma
+

dz

donde los
son constantes dadas y los lados derechos F,,
son
funciones dadas de t. El sistema (1) se puede escribir en forma matricial como
du

donde

como vemos al usar un procedimiento similar al del Ejemplo ilustrativo

pecuaciones lineales con
ingina 517. Si (1) se remplaza por un sistema de
cgnitas, donde n
la correspondiente ecuacin matricial est an dada
pero u y F son entonces vectores n dimensional y A es una matriz de
por
nx n.
Entendemos por una solucin de
por supuesto cualquier vector columna u el cual cuando se sustituye en (2) produzca una identidad. Para resolver cualquier sistema tal como
debemos por tanto aprender cmo resolver (2).
de eigenvalores de matrices para sistemas de ecuaciones.

521

Por razones obvias, llamamos (2) una ecuacin diferencial matricial lineal
de primer orden con coeficientes constantes.* La ecuacin
de (2)
al remplazar el lado derecho F por 0,
matriz cero o nula, se llama por analoga con los captulos previos la ecuacin complementaria y est dada por

La solucin general de
la cual involucra un nmero de constantes
arbitrarias igual a la dimensin de u, se llama la solucin complementaria de
y como en los captulos previos tenemos los siguientes teoremas fundamentales.
1. Sea
la solucin general de la ecuacin complementaria
esto es, la solucin complementaria de (2). Sea
cualquier solucin particular de (2). Entonces la solucin general de (2) est dada por
=
Teorema 2. (Principio de superposicin). Sea
,
ro de soluciones de la ecuacin complementaria
tantes arbitrarias. Entonces
=
+
+ . .
es tambin una solucin de (4).

cualquier nmey sea

cons-

Pruebas de estos teoremas se dejan para los ejercicios.

Observacin. Se debera notar que si deseamos la solucin general de
la ecuacin complementaria (4) donde u es un vector n dimensional necesitamos n soluciones independientes en (6). Como en el Captulo cuatro, este concepto de independencia requiere una discusin de Wronskianos, la cual se
da en la pgina 532.
En vista de los teoremas anteriores es claro que para obtener la solucin
general deseada de (2) debemos encontrar la solucin complementaria de
o la solucin general de
y tambin una solucin particular de (2). Veamos
ahora cmo stas se pueden encontrar.
La solucin complementaria
Para encontrar la solucin general de (4) o la solucin complementaria de
hagamos la sustitucin en (4) dada por
(7)
donde
es una constante y v es un vector columna n-dimensional constante. Note que para n = 2, (7) equivale a hacer la sustitucin
en la pgina 502. Entonces (4) llega a ser

*Pudimos tambin llamar (2) una ecuacin diferencial

columna.

522

Captulo

once

puesto que

.
es un vector

o al dividir por

0
= 0

donde
es la matriz identidad o unitaria. Ahora del teorema en la pgina 518,
sigue que (9) tendr soluciones no triviales, esto es,
0, si y solo si
det
Para la matriz (4) en la pgina 512 con
mincnte de orden n

3.1

EIGENVALORES

= 0
esto

EIGENVECTORES

La ecuacin determinante (ll) es equivalente a una ecuacin polinmica

de grado n en
Esta ecuacin, que es anloga a la ecuacin auxiliar del
Captulo cuatro, tiene n races no necesariamente distintas, digamos
Correspondiente a estas races habr valores del vector columna
obtenido de
y de estos valores de
se obtienen soluciones de la ecuacin
matricial (2). Antes de ilustrar el procedimiento, examinemos el significado
de la ecuacin (9) la cual conduce a (10) u (11).
Podemos escribir (9) en la forma
=
En el lado izquierdo de esta ecuacin A es una matriz de n
n y
es un vector columna n dimensional. Una pregunta que naturalmente surge es sobre
Claramente, Av es otro vector n dimensional,
el significado del producto
de modo que podemos considerar a A como un operador o transformacin que
cuando opera sobre
produce un nuevo vector n dimensional. Esta transformacin en el espacio n dimensional se puede visualizar mejor si considera3
mos n = 3, por ejemplo. En tal caso podemos pensar que la matriz A de 3
toma al vector tridimensional
y lo transforma en otro vector tridimensional.
En el espacio tridimensional se puede pensar que tal transformacin consiste de una rotacin del vector, un alargamiento o contraccin del vector, o posiblemente ambos. Para el caso general, donde n
3, podemos considerar a A
como una rotacin con un posible alargamiento o contraccin de un vector n
dimensional, aunque tal visualizacin no es tan fcil como para n
3.
En el caso de un vector tridimensional, la multiplicacin por un nmero escalar
representa un vector en la misma u opuesta direccin, dependiendo si el nmero
es positivo o negativo. En muchos casos, podemos
considerar a
como un vector paralelo a
Esta misma idea tambin se
aplica al espacio n dimensional.
Con estas interpretaciones el problema de hallar los valores de
y sus
vectores correspondientes
equivale a hacer la siguiente
vectores
en el espacio n dimensional son
cuando sufren una transformacin A
y
Mtodos de eigenvafores de matrices para

de ecuaciones.

523

se convierten en un nuevo vector (esto es,

paralelo al vector original teniendo magnitud
veces la del vector original?
Al responder la pregunta anterior estamos por supuesto buscando vectores no cero o no triviales los cuales se pueden pensar como vectores propios.
Ahora debido a que mucho del trabajo sobre teora de matrices fue hecho en
alemn en el cual la palabra para propio es eigen, los valores de
y los vectores correspondientes v han llegado a conocerse por las palabras hbridas
eigenvalores y eigenvectores, respectivamente, y usaremos esta terminologa. La ecuacin determinante (10) u (11) usada para hallar los valores de
se llama la ecuacin de
Hay varias observaciones que deberan
hacerse.
El hecho de que aparezca un signo menos en (12) surObservacin
ge simplemente porque hicimos
= e
en la ecuacin diferencial matricial
(4) en la pgina 522. Si en vez hubiramos hecho
= e(12) habra sido
remplazada por
= XV, la cual luce ms esttica.* En tal caso pudimos llamar los
eigenvalores, pero ellos seran los negativos de los dados anteriormente. Hay algunas ventajas de usar la ecuacin (12) debido a la analoga
con la
de Sturm-Liouville del Captulo ocho, como lo discutiremos en
la pgina 542. Se debera notar que independiente del signo adoptado para
los eigenvalores no hay diferencias en los eigenvectores correspondientes, debido a que cualquier mltiplo constante (o escalar) de un eigenvector es tambin un eigenvector.
Observacin 2. El problema de determinar
y v
que Av
( Av
XV) se puede considerar como un problema puramente algebraico (esto es, aparte de su conexin con soluciones de ecuaciones diferenciales
Por esta razn, nos referimos a los
y
como los eigenvalores
y eigenvectores de la matriz A. El problema de eigenvalores matriciales tiene
muchas ramificaciones tericas importantes, algunas de las cuales se presentan en los ejercicios y al final de este captulo para aquellos interesados en
ellas. El estudiante que desee continuar un estudio adicional puede referirse
a los libros sobre teora matricial.*
REALES DISTINTOS

3.2 EL CASO DE

Para ilustrar las ideas anteriores, consideremos el siguiente

PROBLEMA

Resuelva el sistema

2 x
dt

= 0

*El estudiante que ha ledo el Captulo ocho notar la similitud en terminologa con la dada aqu. Esta similitud se explorar ms en las pginas
Algunos autores expresan la ecuacin diferencial matricial en la forma

para conseguir este objetivo. Sin embargo, sta no es la forma ya usada al escribir ecuaciones diferenciales de primer orden (ver pgina 53).
*Ver [ll], por ejemplo.

524

Captulo

once

El sistema dado es equivalente a la ecuacin diferencial matricial

=

Colocando

en la ecuacin diferencial dada o usando

+

Ahora

= 0

el objeto de tener soluciones no triviales

A - 2
2

- 6

tenemos

= 0, esto es,

As hay dos eigenvalores reales y dintintos

+
=

0, debemos tener

+ 2
1y

1.
1. Colocando =
1 en (15) y
son constantes desconocidas, tenemos

= -1, - 2
=

2.
=

, donde a y b

De cualquiera de estas dos ecuaciones encontramos a =

2b. En particular,
si b
entonces a
2. As una solucin de (15) correspondiente a
=
-1 es

Usando

v, esto produce una solucin correspondiente a (14) dada

2. Colocando

As a =

b. En particular, si b

2 en (15) como en el Caso 1, encontramos

2, tenemos

de modo que

- 3
2
y una solucin a la ecuacin diferencial (14) es
- 3
2
Usando el principio de superposicin, vemos de las soluciones (17) y (18) que

Mtodos de eigenvalores de matrices para sistemas de ecuaciones.

525

es tambin una solucin. Puesto que sta contiene el nmero (dos) necesario de constantes arbitrarias, sta es la solucin general deseada. Podemos
escribir (19) como
+

Observacin 3. Al obtener la solucin general anterior, hemos

do la independencia lineal de las soluciones
dadas por (17) y
respectivamente. Esto se verifica en la pgina 532. Ejemplo 1.
Observacin 4. El sistema (13) es equivalente al sistema (9) en la pgina 502, y se obtiene la misma solucin general. Podemos usar mtodos
para resolver
pgina 502, directamente como se muestra en el
Ejercicio
3.3 EL CASO DE EIGENVALORES REPETIDOS

Consideremos el siguiente
PROBLEMA PARA

Resuelva el sistema

dt
Este sistema es equivalente a la ecuacin diferencial matricial
+

= 0,

La misma tcnica de hacer u =

= 0

usada antes produce

0

As, para tener soluciones no triviales v

4
-1

= 0

0, debemos tener

+ 1 = 0

1,

o eigenvalores repetidos.
Caso 1.

1. Colocando

1 en (23) se obtiene

0 o 2a + 4b = 0,
de modo que a

En particular, si b = 1, entonces a =
- 2
1

526

Capitulo once

2 de modo que

y una solucin a la ecuacin diferencial es

Obviamente, no hace falta tomar el Caso 2,

1, puesto que es de nuevo como el Caso 1. De acuerdo a nuestra experiencia con races repetidas podemos
ensayar como una posible solucin

de (24) al multiplicar por

Sin embargo, al sustituir (25) en la ecuacin diferencial de
encontramos

lo cual muestra que (25) no es una solucin. El hecho de que un trmino involucrando
1
no se use en (26) nos lleva a asumir en vez de (25) la posible solucin

donde

son constantes a determinar. Sustituyendo (27) en (22) da

Tomando
t dada por

= 0, de modo que

= 1, vemos de (27) que una solucin es-

De las dos soluciones (24) y (28) y del principio de superposicin obtenemos

como la solucin general deseada.

Observacin 5. Podemos mostrar que las soluciones (24) y (28) son
nealmente independientes por el mtodo en las pginas 532-533
Observacin 6. El sistema (21) es equivalente al dado en (14) en la pgina 504, y las dos soluciones generales obtenidas son las mismas.
3.4

EL

CASO

DE

EIGENVALORES

IMAGINARIOS

Consideremos el siguiente

Mtodos de

de matrices para sistemas de ecuaciones.

527

PROBLEMA PARA DISCUSION

(30)

El sistema es equivalente a la ecuacin diferencial matricial

De esto encontramos

de modo que

+ 4 = 0

Tenemos as eigenvalores imaginarios.

Cuso

= 2i. Colocando
0

Entonces

= (4i

2i

en

tenemos

(2i

= 0,

En particular si b = 5, tenemos a =

+ (2i

3 + 4i.

= 0

As

-3 + 4i
(33)

lo cual conduce a la solucin de la ecuacin diferencial (31) dada por

-3

4i
(34)

Caso 2,
2i. Podramos colocar
2i en (32) y proceder como en el
Caso 1. Es ms fcil notar que podemos obtener la solucin deseada para este caso simplemente remplazando i por
i en (34). Esto lleva a la solucin
-3

4i
5

De (34) y (35) podramos encontrar la solucin general usando el principio de

superposicin. Sin embargo esta solucin est dada en trminos de imaginarios y desearamos que la solucin fuese real. Podemos fcilmente probar que
la parte real de
y la parte imaginaria de
son soluciones (ver el EjerDe (34) tenemos, al hacer uso de la identidad de Euler, pgina
cicio

528

Captulo once

(36)

Esto lleva a las soluciones

+
as que por el principio de superposicin la solucin general es
+

(38)

Observacin 7. Podemos mostrar que las soluciones en (38) son

mente independientes por el mtodo en la pgina 532, de modo que (38) da solucin general.
Observacin 8. El sistema (30) es equivalente al dado en (22) en la pgina 505, y la solucin general all
es equivalente a (38).
3.5 UN PROBLEMA ALGO MAS COMPLICADO

Las ideas anteriores se pueden por supuesto extender a sistemas que involucran matrices de n
n donde n > 2. Los mtodos son esencialmente los
mismos, y la nica dificultad que puede surgir es el trabajo involucrado en la
evaluacin de determinantes de alto orden. Con el objeto de ilustrar el procedimiento en
casos, consideremos el siguiente
PROBLEMA PARA

Resuelva el sistema
dt
dx

dy

Para reducir ste a un sistema de primer orden, hacemos la

Entonces el sistema dado (39) puede escribirse

dx
dt

dz

Esto puede escribirse como una ecuacin diferencial matricial de primer orden.
(41)

Mtodos de eigenvalores de matrices para sistemas de ecuaciones.

529

A =

l l =

d o n d e

ahora colocamos
en
sional constante, se obtiene
+

= 0

(43)

As, para obtener soluciones no triviales

0, debemos tener
0
- 1
1 i - l
1
2 = 0,
esto es,
2,
2
+ 1
= 2. Colocando

Caso 1,

= 0

de donde
= -3.

1,

= 2 en (43) produce

= 0,

En particular, si

= 0,

= 2, entonces

= 0
1,

As tenemos

(44)

y una solucin correspondiente es

(45)

1. Colocando

1 en (43) produce

= 0

de donde

= 0. En particular si

y una solucin correspondiente es

Captulo

1,

= 0.

1
0
1

As tenemos

530

= 1, entonces

once

-1
0
1

(47)

Puesto que el Caso 3, =

1 producira la misma solucin con
Caso
debemos usar el mtodo para races repetidas dado en la pgina 526. Para este
propsito tomamos como solucin

K,. Sustituyendo (48) en (41) produce

buscamos determinar

K,

de donde
=
1
,
coger
= 0 de modo que K

+ 1 = 0

Puesto que
es arbitraria, podemos es1. As (48) da la solucin

Usando el principio de superposicin, obtenemos de

general requerida.
u=

1
-3
2

(47) y (49) la

-1
0
1

Esto es equivalente a
=

(51)

z =

Se debera notar que aunque (51) es la solucin general para el sistema

la solucin general para el sistema (39) est dada por los valores de
y y en
mientras que
la cual es igual a
es ajena. A pesar de esto, sin embargo, (50) o su equivalente (51) puede ser til cuando se
condiciones iniciales. Por ejemplo, suponga que debemos resolver (39) sujeto a
las condiciones iniciales
= 5,

en

4 = 2,

tc,

Esto se puede usar para escribir (50) como

1

-3

-1
0
1

- 1
(53)
0

de donde podemos encontrar

Mtodos de

de

para

de ecuaciones.

531

3.6 INDEPENDENCIA LINEAL

El uso del principio de superposicin en los problemas anteriores para hallar soluciones generales se puede justificar empleando los conceptos de independencia lineal y Wronskianos como en el Captulo cuatro. En este respecto, tenemos las siguientes definiciones fundamentales
un conjunto de vectores n dimensiona,
Definicin 1. Sea
definidas en algn intervales , los cuales asumiremos que son funciones de
lo denotado por J. El conjunto se dice que es linealmente independiente en J
si para todo en J
+ . .

(54)

. . . =
= 0. En otro caso el conjunto se dice que es
implica que c ,
nealmente dependiente en J.
,
un conjunto de vectores columna n diDefinicin 2. Sea
mensionales definidos como en la Definicin 1. Entonces el
esa partir de estos vectote conjunto es el determinante de la matriz
res columna y se denota por
,,.,

..,

(55)

Entonces el siguiente teorema fundamental puede probarse.

soluciones de la ecuacin diferencial

Teorema 3.

du

para todo en J, donde A es una matriz de n

n y
es vector columna n dimensional.
Entonces
(a) el conjunto es linealmente independiente en J si y slo si el Wronskiano
0 para algn valor, digamos
en J.
(b) Todas las soluciones de (56) tienen la forma
u =

(57)

esto es, (57) es la solucin general de (56).

Ejemplo 1. En el problema de la pgina 524 encontramos dos soluciones
de la ecuacin matricial (14) dadas por

El Wronskiano de este conjunto de soluciones est dado por

632

Captulo once

y puesto que
independiente y

0, vemos por el Teorema 3 que el conjunto es linealmente

es la solucin general deseada.

Ejemplo 2. En el problema de la pgina 529 encontramos tres soluciones

de la ecuacin matricial
las cuales se pueden escribir como

El Wronskiano de este conjunto est dado

0
te-

Puesto que
0, vemos por el Teorema 3 que el conjunto es linealmente
independiente y que u =
+
+
es la solucin general deseada.
La solucin particular
Ahora que hemos encontrado la solucin complementaria, volvamos a los
mtodos para obtener una solucin particular de la ecuacin matricial

Como en el Captulo cuatro, podemos usar el mtodo de coeficientes indeterminados, el mtodo de variacin de parmetros, o mtodos especiales de operador. De estos el mtodo de variacin de parmetros trabaja mejor, puesto
que los otros mtodos se aplican slo a tipos especiales de funciones como hemos visto. Restringimos as nuestra atencin a este mtodo. Para ilustrar el
procedimiento, consideremos el siguiente
PROBLEMA PARA DISCUSION

dx

Resuelva el sistema

dt

2x

= 2t

+ 2x

3t + 3

Este sistema se puede escribir en forma matricial como

du

donde

Mtodos

de

eigenvalores

=
de

matrices

=
para

sistemas

de

ecuaciones.

Ahora, ya hemos encontrado la solucin complementaria de la ecuacin diferencial en (3) como

(4)
Para hallar una solucin particular, remplacemos las constantes
y
en
(4) por funciones de
denotadas por
y
respectivamente, de modo que
(5)
es una solucin de la ecuacin diferencial en (3). Sustituyendo tenemos

donde se nota que slo estn presentes los trminos que involucran derivadas
puesto que todos los otros trminos satisfacen la ecuacin diferencial en (3) con F remplazada por 0. Podemos escribir (6) como dos ecuaciones en
saber
+ 3
las cuales podemos resolver ya sea por eliminacin o por determinantes (regla de Cramer, en el apndice). Por cualquiera de estos mtodos encontramos
=

4,

La integracin de stas, omitiendo las constantes de integracin, produce

=

(7)

Usando stas en (5) da una solucin particular, y as la solucin

seada es

Note que si sumamos las constantes arbitrarias

,
resultados en (5) tambin obtenemos (8).
En trminos de
y
la solucin est dada por
=
=

de-

(7) y usamos los

+
+

Observacin. El sistema (2) es equivalente al sistema dado en la pgina 507, y las soluciones generales son las mismas.
Resumen del procedimiento
Resumamos el procedimiento usado anteriormente. Se asume que el sisresolver est escrito en la forma
pgina 521.
tema dado
1. Escriba la ecuacin complementaria. Esto se hace remplazando el lado derecho de la ecuacin diferencial matricial por la matriz nula o
cero, asumiendo por supuesto que esto no est ya hecho.
Encuentre la solucin complementaria. Para ello asuma una solucin
534

Captulo

once

donde
es un vector columna de las variables
de la forma =
dependientes,
es un vector columna constante, y
es una constante (escalar). En el caso de la ecuacin
pgina 522, esto conduce
a
= 0. De esto tenemos det
= 0, lo cual conduce
a los eigenvalores
De estos eigenvalores podemos determinar los
eigenvectores correspondientes
y de stos la solucin. Hay tres situaciones que pueden surgir.
(a) Los eigenvalores son reales y distintos. En este caso la
lucin complementaria se puede escribir como una combinacin lineal
de las soluciones (esto es, suma de soluciones cada una multiplicada
por una constante diferente).
(b) Los eigenvalores estn repetidos. Si hay dos eigenvalores
por ejemplo, entonces una solucin est dada
cada uno igual a
es el eigenvector correspondiente a
por u=
donde
Una segunda e independiente solucin se obtiene asumiendo

y determinando las constantes

de modo que (10) satisfaga
la solucin complementaria. Una combinacin lineal de estas dos soluciones ser tambin una solucin. Para tres o ms eigenvalores
iguales el procedimiento se puede extender.
(c) Los eigenvalores son imaginarios. En este caso hacemos
uso del hecho de que las partes reales e imaginarias de soluciones
son tambin soluciones.
III. Encuentre una solucin particular. Use el mtodo de variacin de parmetros, esto es, remplace las constantes en la solucin complementaria por funciones de
las cuales deben luego determinarse.
IV. Sume las soluciones complementaria y particular. El resultado es la
solucin general deseada del sistema dado.
Observacin. Se asume que en el procedimiento anterior el sistema dado de ecuaciones est expresado como una ecuacin diferencial matricial de
primer orden con coeficientes constantes. Si, por ejemplo, tenemos un sistema que involucra dos ecuaciones diferenciales, las cuales pueden involucrar
derivadas hasta de segundo orden, para ambas variables dependientes el procedimiento anterior involucrara vectores cuadridimensionales y matrices de
4
4. Es posible, sin embargo, generalizar el procedimiento anterior a ecuaciones diferenciales matriciales de segundo orden involucrando slo vectores
dimensionales y matrices de 2
2 (ver el Ejercicio 2C).
Aplicaciones usando matrices
Podemos usar matrices para resolver sistemas de ecuaciones diferenciales formuladas de problemas que surgen en ciencia e ingeniera. Una ilustracin tpica se da en el siguiente
EJEMPLO ILUSTRATIVO

Encuentre las corrientes en cualquier tiempo

en la red elctrica que se
muestra en la Figura 11.1, asumiendo que son cero en tiempo = 0.
Mtodos de eigenvalores de matrices para sistemas de ecuaciones.

535

Solucin Usando las leyes de Kirchhoff (ver pgina

ecuaciones
21,

370sent

encontramos las
+

= 0,

= 0

2 ohmios

1 henrio

Figura ll

As la ecuacin de eigenvalores est dada por

-3
Cuso

3 = 0,

= -6;

= 0,

1, tenemos

Colocando

Tomando a, = 2, tenemos
complementaria es

= 0

-3
1

en (3) se tiene
+

= 0 0

= 3. As una segunda solucin de la ecuacin

2
3

De (4) y (5) vemos que la solucin complementaria de (2) es

Captulo once

3. As una solucin de la ecuacin comple-

= 0,

536

= -6,
0

=
Caso 2,

esto es

-6. De

tenemos al colocar
Tomando
mentaria es

Para encontrar una solucin particular usamos el mtodo de variacin de

De acuerdo a este mtodo remplazamos
y
en (6) por funciones de
dadas por
y
respectivamente para obtener
.

(7)

la cual debe ser una solucin de (2). Sustituyendo tenemos

donde usamos el hecho de que los trminos que involucran

y
desaparecen puesto que la suma de
trminos es una solucin de (2) con el lado
derecho remplazado por 0. Tenemos de (8)

La integracin de stas omitiendo las constantes de

integracin

t),
=
71 =
Usando stas en (7) produce la solucin particular
sent

conduce a

t) =

La solucin general est as dada por

Usando las condiciones iniciales

= 0 en

= 0 en (9) produce
=

de modo que la solucin deseada es

=

1
2

62

11
l l

l l

+ 76 sent
24

78

EJERCICIOS A

1.

Resuelva cada uno de los siguientes sistemas usando matrices y determine aquella
solucin que satisface cualesquiera condiciones dadas
-2.

(c)

2x =

2x +

de eigenvalores de matrices para sistemas de ecuaciones.

= 0.

537

= x

x +

= -2X

(f)

= 2.

12.x

= 19.x +

2. Resuelva cada uno de los siguientes sistemas usando matrices y determine aquella
solucin que satisface cualesquiera condiciones dadas
+ x =

(b)

+ 3x +

X(0) = 2, y(0) =

(e)

3x

(c)

= 0.

4x

100

1.

2x +

3x

3x

=
= -21

3y =

+ 2x
3. Use matrices para resolver los sistemas del (a) Ejercicio
cicio
pgina 508, (c) Ejercicio
pgina 508.
4. Pruebe que si A es

matriz de 2

pgina 508, (b) Ejer-

es una solucin de

2 y

denotadas por
entonces las partes real e imaginaria de
pectivamente son tambin soluciones (ver pgina 528).
esto?
EJERCICIOS

= 0

resusted generalizar

Use matrices para encontrar la solucin del sistema

dx

+ 4x

Resuelva el Ejercicio

dt

2x

= 0,

4x

z =

pgina 509 por matrices.

3. Muestre cmo el mtodo de coeficientes indeterminados se puede usar con matrices

para encontrar una solucin particular resolviendo el sistema del Ejercicio
4. Resuelva por matrices y el mtodo de coeficientes indeterminados el (a) Ejercicio
(b) Ejercicio
(c) Ejercicio 2(f)-A, (d) Ejercicio 1.
Trabaje el Problema para Discusin en la pgina 533 usando el mtodo de coeficientes indeterminados.
6. Muestre cmo resolver directamente por matrices los sistemas (a)
(b)
pgina 504, (c)
pgina 505.
(Sugerencia: Escriba los sistemas en forma matricial y haga
7. Muestre que las soluciones de

538

Captulo once

pgina 502,
como de cos-

pgina 528, son linealmente independientes.

EJERCICIOS C

1. (a) Muestre que el sistema de ecuaciones diferenciales para las masas vibrantes
(ver pgina 470) se pueden escribir en forma matricial como

donde

-1

- 1

Use mtodos matriciales para resolver el sistema en

sujeto a las condiciones dadas en la pgina 471. Compare con los resultados ya obtenidos.
2. (a) Muestre que el sistema de ecuaciones para las masas vibrantes (pgina 470) se
pueden escribir como una ecuacin diferencial matricial de segundo orden
Bu = 0 donde
(b) Muestre cmo se pueden usar mtodos matriciales para resolver la ecuacin en
(a) directamente haciendo
= e
ventajas tendra este procedimiento
sobre el mtodo dado en el Ejercicio
Use el mtodo de los Ejercicios 1 y 2 para trabajar el Ejercicio
pgina 479.

Algunos

tpicos

especiales

7.1 ORTOGONALIDAD

Suponga que tenemos dos vectores columna n dimensionales dados por

El producto escalar de los vectores fue definido en la pgina 513 como la suma de los productos de los componentes correspondientes de los vectores.
Equivalentemente, esto se obtiene cambiando uno de los vectores (1) en un
vector fila y usndolo para multiplicar al otro vector.
Dada una matriz A podemos obtener una nueva matriz al cambiar las cose convierlumnas en filas (o filas en columnas) de tal modo que la columna
ta en la fila
Esta nueva matriz se llama la transpuesta de A
se denota por
As, tenemos la siguiente definicin
Definicin 1. La transpuesta de cualquier matriz A, denotada por
es
la matriz
de A al cambiar sus filas en columnas (o columnas en filas),
convirtindose la fila
en la columna
En smbolos, si
entonces
=
Mtodos de eigenvalores de matrices para sistemas de ecuaciones.

539

, entonces

Ejemplo 1. Si A =

= (1

3 2).

2
Ejemplo 2. Si A =

, entonces

Usando la transpuesta, podramos definir el producto escalar como sigue.

Definicin 2. Sean A y B dos vectores columnas de la misma dimensin.
Entonces el producto escalar de A y B est dado por
=

Ejemplo 3. Si A =
2
1
-

-3

-3
2

Por analoga con la ortogonalidad (perpendicularidad) de vectores en tres dimensiones, hacemos la siguiente
Definicin 3. Dos vectores columna A y B teniendo la misma dimensin se
dice que son ortogonales si su producto escalar es cero, esto es, si
=
0.
Mientras que la ortogonalidad significa que los vectores son perpendiculares
en tres dimensiones, en dimensiones mayores a tres tal visualizacin slo
puede imaginarse.
EJEMPLO

ILUSTRATIVO

Encuentre el valor de K para que los vectores A y B sean ortogonales

donde

Solucin Tenemos el producto escalar

0= -2-K y esto es cero para K= -2.
Tenemos el siguiente teorema:
540 Captulo once

2 + 2K

3K +

Teorema 1. La transpuesta del producto de matrices es igual al producto

de sus transpuestas en orden inverso, asumiendo por supuesto que los productos estn definidos. Para el caso de productos que involucran dos
tres
matrices, esto puede escribirse como
(a)
(b)

=
=

Ejemplo 4. Si

entonces
= (-2

A B
As

16

(-16 -3)

-3) =

Se deja para el Ejercicio

la prueba de este teorema

7.2 LONGITUD DE UN VECTOR

Si tenemos un vector tridimensional con componentes

,
asumidos ser nmeros reales, sabemos del clculo elemental que la longitud del
vector hallada usando el teorema de Pitgoras est dada por

(4)

Si el vector est dado por

el resultado (3) se puede expresar en trminos del producto escalar de

s mismo como

con
(5)

Esto lleva a definir la longitud de un vector en el espacio n dimensional como sigue:

Definicin 4.
tonces la longitud de

En particular, si

cualquier vector columna con componentes reales. Enest dada por

1, llamamos a

un

unitario.

Dado un vector el proceso de multiplicar por un escalar c para que

sea un vector unitario se llama la normalizacin del vector u. Esto siempre se
puede llevar a cabo al dividir a
por su longitud, asumiendo por supuesto
que esta longitud no es cero.
Mtodos de

de matrices para sistemas de

EJEMPLO ILUSTRATIVO 2

Un vector columna cuadridimensional tiene componentes

(a) Determine la longitud del vector y (b) normalice el vector
Solucin

3,

(a) La longitud del vector est dada por

+

(b) Dividiendo

por

( - 3 )

obtenemos el vector normalizado o

Algunas veces tenemos un conjunto de vectores,

como por ejemplo los
eigenvectores, los cuales corresponden a los eigenvalores de una matriz. Si
los convertimos en vectores unitarios o normalizados, el conjunto con frecuencia se denomina un conjunto normalizado. Si adems cada par de vectores en
este conjunto es ortogonal, en cuyo caso podemos decir que los vectores son
mutuamente ortogonales, con frecuencia llamamos al conjunto un conjunto
ortonormal. La palabra ortonormal es por supuesto una combinacin de las
palabras ortogonal y normalizado.

Observacin. Aquellos que han estudiado el Captulo ocho notarn las

marcadas analogas que existen en los conceptos de ortogonalidad, el concepto de eigenvalores, en particular la ecuacin de eigenvalor Av =
XV, y la ecuacin diferencial de Sturm-Liouville de las pginas 362-363. Analogas adicionales aparecern en las prximas pginas y en los ejercicios avanzados.
7.3 EIGENVALORES Y EIGENVECTDRES DE
MATRICES REALES SIMETRICAS

Suponga que tenemos una matriz A cuyos elementos son todos nmeros
reales llamada una matriz real. Entonces como hemos visto los eigenvalores
y eigenvectores correspondientes a A se encuentran al hallar soluciones no
triviales, esto es, v
0, de
=
Ahora, como hemos visto, an cuando A sea real los eigenvalores y
tores no necesitan ser reales. As, si tomamos la conjugada compleja de amobtenemos
o puesto que A es real
bos lados de

Multipliquemos ambos lados de (6) por

y multipliquemos ambos lados de (7) por

542

Captulo once

para obtener

para obtener

Puesto que
y
son las transpuestas de cada uno, nos lleva a tomar
la transpuesta de ambos lados de (8) y luego usar el teorema en la
para obtener

Ahora se puede ver que los lados izquierdos de (9) y (10) son iguales si
A es una matriz tal que
A =
Escribiendo A

vemos que (ll) implica que

(12)

Esto significa que el elemento en la filaj y columna

es igual al elemento en
la fila
y columna j, de modo que hay una simetra de los elementos en la
matriz alrededor de la diagonal principal. Esto nos lleva a llamar una matriz
real que tenga la propiedad (ll) una matriz real simtrica. Enunciamos esto
en la siguiente
Definicin 5.
y

Una matriz A se llama una matriz real simtrica si A es real

Ejemplo 5. Puesto que A =

de modo que A es una matriz real simtrica.

vemos que A es real, A =

Regresando a (9) y

vemos que si A es simtrica tenemos

De esto se deduce que

en cuyo caso todo eigenvalor debe ser real,
= 0. Sin embargo, es fcil mostrar que
0. Para ello, asumamos
que v est dado por el vector columna

donde algunos o todos los elementos pueden no ser reales Entonces tenemos
=

. +

. +

Puesto que al menos uno de los

no es cero (debido a que v
vemos
que
0, lo cual significa que todos los eigenvalores son reales. Como
una consecuencia necesaria de esto, vemos tambin de (6) que los
tores correspondientes se pueden escoger para que sean reales. Debido a esto
tenemos el siguiente
Mtodos de eigenvalores de matrices para sistemas de ecuaciones.

543

Teorema
Si A es una matriz real simtrica, entonces todos sus eigenvalores son reales y los eigenvectores correspondientes se pueden escoger reales.
EJEMPLO ILUSTRATIVO 3

Verifique el teorema anterior para la matriz

Solucin Los eigenvalores y eigenvectores se obtienen como de costumbre

de

= 0, esto es,
-

- 2
Para soluciones no triviales,
Cuso 1,

2
=o
+ 6

=
1
-2

de modo que a
un eigenvector es

0, debemos tener
0

+ 14 = 0, esto es

2. Colocando
-2
4

2 en

= 1, tenemos a,

2. As

2
1
7 en (14) lleva a

0, esto es,
de modo que
=
As, otro eigenvector es

= 0

= 0,

. En particular, escogiendo

7. Colocando

= -2, -7

lleva a

= 0, esto es,

=
Cuso 2,

(14)

+ 6

= 0,

En particular, escogiendo a ,

= 0
1, tenemos

Puesto que A es una matriz real simtrica y puesto que hemos hallado que los
eigenvalores son reales el teorema anterior ha sido verificado para este caso.
son reales.
Se debera notar tambin que los eigenvectores
Ahora que sabemos los eigenvalores y eigenvectores para una matriz real
simtrica son reales, supongamos que , y
son cualesquiera dos eigenvalores con eigenvectores correspondientes
y
respectivamente. Entonces por definicin
=

Multipliquemos ahora cada lado de la primera ecuacin en (17) por

obtener
=
Captulo

(17)
para

Similarmente, multipliquemos cada lado de la segunda ecuacin en

para obtener
=
Si tomamos la transpuesta de ambos lados de

por

encontramos

donde hemos hecho uso de la parte (b) del Teorema 1, pgina 541, y del hecho
de que la transpuesta de la transpuesta de una matriz dada es claramente la
matriz dada. Sigue que si A es simtrica, obtenemos de (19) y

= 0
T

y puesto que

= 0

son ortogonales. Hemos probado as un resullo cual establece que

y
tado algo interesante dado en el siguiente
3.
A es cualquier matriz real simtrica, entonces los
tores pertenecientes a dos eigenvalores diferentes son ortogonales.
EJEMPLO ILUSTRATIVO 4

Verifique el Teorema 3 para la matriz del Ejemplo ilustrativo 3.

Del Ejemplo ilustrativo 3 tenemos los

Entonces,
de modo que

+ (l)(-2) = 0

son ortogonales y el teorema est verificado.

EJERCICIOS A

1,. Encuentre el producto escalar de

-1
- 2
0
1

2. Encuentre las longitudes de los vectores6.

componentes (a) 0,

2, 3,

-3, -2, 0.

vectores dados en el Ejercicio

3..

4. Dados-

vectores columna A y cuyas componentes

y 2, 0, 4, respectivamente. (a) Encuentre
vectores- sean ortogonales, y (b) determine los-

pondientes.

de

de matrices para sistemas de

dadas
de

3,

1,

para que
corres-

5. Dados los vectores columna A y

con componentes 2, 1,
4 y 4,
3, 2 respectivamente. Encuentre un vector normalizado que sea ortogonal con ambos A y B.
Interprete los resultados geomtricamente.
6. Dado A =
(a)

C =

verifique que
(b)

7. Verifique los Teoremas 2 y 3 para las matrices

8. Encuentre un conjunto de vectores mutuamente ortogonales y normalizados pertenecientes a la matriz

EJERCICIOS

1. Si A, B, C son matrices apropiadamente conformes, pruebe que

(a)

(b)

Pruebe que si A y B son matrices del mismo tamao entonces (A +

encuentre una matriz B =

3. Dada la matriz A =

=
tal que

.
=

4. Muestre que las matrices A y B, asumidas apropiadamente conformes, se conmutan si y slo si

Ilustre usando el Ejercicio 3.
donde
(1
1
(2 1 0),
5. Dado los vectores A,, A,,
(0 2
determine un conjunto ortonormal de vectores c , , A
,
donde los
son constantes (escalares). Discuta el
significado geomtricamente. (Este es el mtodo de ortonormalizacin de
Schmidt de la pgina 417 para el caso especial de vectores tridimensionales.
6. Generalice las ideas del Ejercicio 5.
7. Sean A,,
lares) c

vectores
dimensionales. Si existen constantes (escano todos cero tal que
+

se dice que los vectores son linealmente dependientes; en otro caso ellos son
nealmente independientes. Determine si los vectores (a) (2
1
(3 2
(45
(b)
(c)
-6)
son linealmente dependientes o independientes.
8. Discuta el significado geomtrico de vectores linealmente dependientes e independientes y su relacin con la solucin de sistemas de ecuaciones diferenciales
consideradas en la ltima seccin.
9. Pruebe que un conjunto de ms de n vectores diferentes en el espacio n dimensional deben ser linealmente dependientes. Discuta la relacin de esto con la teora de sistemas de ecuaciones diferenciales.

646

Captulo once

Discuta la relacin del mtodo de ortonormalizacin de

cicio 5) con los conceptos de dependencia lineal.

(ver Ejer-

EJERCICIOS C

1.

(a)

Resuelva

la

ecuacin

diferencial

matricial

donde
(b) Muestre que hay tres soluciones linealmente independientes y mutuamente
al sistema en (a), y explique su relacin con la solucin
ortogonales
general
en (a).
Sea

una matriz cuyas columnas son los eigenvectores normalizados de la matriz

2

- 2

A =

dada en el Ejemplo ilustrativo 3, pgina 544. (a) Muestre que

Z, donde Z
es la matriz identidad de 2
2, o equivalentemente
. Una matriz S teniendo la propiedad que Sr = Sa menudo se llama una matriz ortogonal. (b)
Muestre que la matriz
es una matriz con todos sus elementos cero excepto en la diagonal principal. (c) Muestre que los elementos en la diagonal principal
de la matriz en (b) son los negativos de los eigenvalores de A, o equivalentemente
que los eigenvalores de S- AS son iguales a los eigenvalores de A.
3. Demuestre los resultados del Ejercicio 2 usando la matriz A del Ejercicio 1.
4. Pruebe directamente de la definicin
Ejercicios 2(b) y (c).

los resultados indicados en los

5. Discuta las relaciones de las formulaciones matriciales del problema de masas vibrantes dadas en el Ejercicio
y
pgina 539, con los Teoremas 2 y 3 en las
pginas 544-545

Mtodos de eigenvalores de matrices

de ecuaciones.

547