Documentos de Académico
Documentos de Profesional
Documentos de Cultura
+
+ (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
515
=
=
A + O =
=
Al =
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 =
donde C =
arbitraria,
3t +
3t) +
Captulo
once
EJEMPLO
ILUSTRATIVO
pgina
en forma
EJEMPLO ILUSTRATIVO 2
Si A=
muestre que
Solucin Tomando
3A
= 0.
tenemos
EJEMPLO ILUSTRATIVO 3
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:
517
Entonces AX=O es
y X=
= 3
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
para los
3)
, encuentre
Dado que
A +
C =
=
=
+ C.
(h)
Muestre que
+ C) = AB +
7. Dado que A =
encuentre
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,
B + A. (b)
(b)
3. Si A,
son matrices conformes cuyos elementos son funciones
muestre que
Mtodos de
de
519
Ilustre tomando
AX
donde A,
B? Explique.
5.
1. D a d o
tenemos det
B=
2
- 2
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.
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
est dada
,
Ejercicio
Es-
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
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).
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
de ecuaciones.
523
3.2 EL CASO DE
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
Colocando
Ahora
= 0
- 6
tenemos
= 0, esto es,
+
=
0, debemos tener
+ 2
1y
1.
1. Colocando =
1 en (15) y
son constantes desconocidas, tenemos
= -1, - 2
=
2.
=
, donde a y b
Usando
2. Colocando
As a =
b. En particular, si b
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
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
+
Consideremos el siguiente
PROBLEMA PARA
Resuelva el sistema
dt
Este sistema es equivalente a la ecuacin diferencial matricial
+
= 0,
= 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
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
Tomando
t dada por
= 0, de modo que
EL
CASO
DE
EIGENVALORES
IMAGINARIOS
Consideremos el siguiente
Mtodos de
527
(30)
De esto encontramos
de modo que
+ 4 = 0
= 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)
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
528
Captulo once
(36)
(38)
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
dz
Esto puede escribirse como una ecuacin diferencial matricial de primer orden.
(41)
529
A =
l l =
d o n d e
ahora colocamos
en
sional constante, se obtiene
+
= 0
(43)
Caso 1,
= 0
de donde
= -3.
1,
= 2 en (43) produce
= 0,
En particular, si
= 0,
= 2, entonces
= 0
1,
As tenemos
(44)
(45)
1. Colocando
1 en (43) produce
= 0
de donde
= 0. En particular si
Captulo
1,
= 0.
1
0
1
As tenemos
530
= 1, entonces
once
-1
0
1
(47)
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
1
-3
2
(47) y (49) la
-1
0
1
Esto es equivalente a
=
(51)
z =
en
4 = 2,
tc,
-3
-1
0
1
- 1
(53)
0
de
para
de ecuaciones.
531
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)
Teorema 3.
du
(57)
632
Captulo once
y puesto que
independiente y
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
donde
Mtodos
de
eigenvalores
=
de
matrices
=
para
sistemas
de
ecuaciones.
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,
(7)
de-
+
+
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
535
370sent
encontramos las
+
= 0,
= 0
2 ohmios
1 henrio
Figura ll
3 = 0,
= -6;
= 0,
1, tenemos
Colocando
Tomando a, = 2, tenemos
complementaria es
= 0
-3
1
en (3) se tiene
+
= 0 0
2
3
Captulo once
= 0,
536
= -6,
0
=
Caso 2,
esto es
-6. De
tenemos al colocar
Tomando
mentaria es
(7)
integracin
t),
=
71 =
Usando stas en (7) produce la solucin particular
sent
conduce a
t) =
= 0 en
= 0 en (9) produce
=
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 +
= 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
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
+ 4x
Resuelva el Ejercicio
dt
2x
= 0,
4x
z =
538
Captulo once
pgina 502,
como de cos-
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
Algunos
tpicos
especiales
7.1 ORTOGONALIDAD
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
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
2 + 2K
3K +
=
=
Ejemplo 4. Si
entonces
= (-2
A B
As
16
(-16 -3)
-3) =
(4)
con
(5)
En particular, si
1, llamamos a
un
unitario.
EJEMPLO ILUSTRATIVO 2
3,
(b) Dividiendo
por
( - 3 )
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
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
donde algunos o todos los elementos pueden no ser reales Entonces tenemos
=
. +
. +
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
= 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
=
(17)
para
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
Entonces,
de modo que
+ (l)(-2) = 0
componentes (a) 0,
2, 3,
-3, -2, 0.
3..
4. Dados-
pondientes.
de
dadas
de
3,
1,
para que
corres-
C =
verifique que
(b)
EJERCICIOS
(b)
3. Dada la matriz A =
=
tal que
.
=
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
(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
- 2
A =
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
de ecuaciones.
547