Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sistdin I PDF
Sistdin I PDF
Rafael Morones E.
Dept. de Matemáticas, ITAM
22 de marzo de 2012
1. Introducción.
Originalmente este texto estaba concebido para obtener la solución de un sistema lineal de ecuaciones
diferenciales de primer orden, ẋ = Ax, determinando la función exponencial matricial de la matriz A
vı́a el cálculo de su forma canónica de Jordan. Sin embargo, una cita del texto de L. Perko [4] indicaba
la existencia de un método opcional desarrollado por E. J. Putzer [5] y, por otra parte, algunos métodos
adicionales para casos especiales citados en los problemas del texto de Arrowsmith y Place [1] en los
que se hace uso intensivo del teorema de Cayley-Hamilton. Esas notas también estaban restringidas a
matrices de tamaño [2 × 2]. Esta restricción implica la exclusión de problemas donde se puedan usar
vectores propios generalizados para calcular la matriz M de transformación por similaridad. Estas
cuestiones se ilustran con algunos ejemplos y se hace referencia a los apéndices para una demostración
del teorema de Cayley-Hamilton y a una breve exposición sobre vectores propios generalizados.
Estas notas no son exhaustivas y, en consecuencia, se recomienda al lector acudir a las referencias que
se citan en la bibliografı́a.
ẋ = Ax (1a)
x0 = x(t0 ) (1b)
donde
x = x(t), x ∈ Rn , t ∈ R.
A : [n × n] una matriz real tal que det A 6= 0.
x0 = [x1,0 , . . . xn,0 ] un vector de condiciones iniciales tal que x0 6= 0.
Se define a continuación la función exponencial matricial como una serie de potencias [1][4]
1
Esto es
1 2 1
eP = I + P + P + ... + Pn + ...
2! n!
Una consecuencia de esta esta definición es que eP es una matriz de [n × n]. Se demuestra [4] que esta
función es absoluta y uniformemente convergente respecto a la norma
donde
T es un operador lineal
T : Rn → Rn ,
y si T está representado por una matriz A (de tamaño n × n) entonces
√
||A|| = n l, l : longitud máxima de los renglones de A.
eP eQ = eP +Q (3a)
Teorema 1 Sea el sistema de ecuaciones diferenciales de primer orden (1a), sujeto a las condiciones
iniciales (1b), entonces su solución está dada por
Demostración.
Derivando la serie que define e−At , se tiene
d −At
e x = e−At ẋ − e−At Ax
dt
= e−At (ẋ − Ax)
= 0
2
Resultado que implica que
e−At x = C
El vector constante C se obtiene de las condicones iniciales (1b)
e−At0 x0 = C
Por lo que se tiene finalmente
x(t) = eA(t−t0 ) x0
...2
Observación. De este resultado se define, para un sistema lineal, el operador de evolución o flujo de
un punto x el cuál inicialmente (t = t0 ) ocupaba la posición x0 , como
x(t) = φt−t0 (x0 )
x1,0 e−t0
c1
=
c2 x2,0 e−t0
Por lo que la solución bajo esta restricción es
x1,0 et−t0
x1
=
x2 x2,0 et−t0
t−t0 1 0 x1,0
= e
0 1 x2,0
Claramente
t−t0 1 0
φt−t0 (x0 ) = e x0
0 1
...3
3
Ejemplo 2. Resolver el sistema
ẋ = Ax (6a)
x1 (t0 ) x1,0
x0 = = , x21,0 + x22,0 6= 0 (6b)
x2 (t0 ) x2,0
donde
−1 2
A = (6c)
0 −1
Solución.
En este caso el sistema está parcialmente acoplado. La solución comienza resolviendo la segunda
ecuación de (6a), esto es
x2 = c2 e−t
La sustitución de este resultado en la primera ecuación, deviene en
ẋ1 + x1 = c2 e−t
la que es una ecuación diferencial de primer orden, lineal. El factor integrante requerido para
obtener su solución es µ(t) = et , por lo que
d t
e x1 = c2
dt
y
x1 = (c1 + c2 t)e−t
La solución del sistema en forma matricial es
−t
2te−t
e c1
x=
0 e−t c2
Esto es
−1
e−t0 2t0 e−t0
c1 x1,0
=
c2 0 e−t0 x2,0
1 −2t0 x1,0
= et0
0 1 x2,0
4
3. Formas canónicas de Jordan.
Los ejemplos de la sección anterior son suficientemente sencillos para obtener una solución casi in-
mediata. En general la matriz A no tiene la estructura diagonal que tienen los ejemplos sino que es
una matriz con n2 entradas distintas de cero. Es deseable obtener una transformación de coordenadas
que reduzca esa matriz a una de forma diagonal o triangular superior (o inferior). Entonces, sea el
sistema lineal
ẋ = Ax (7)
donde
o en forma matricial
x = My (8)
donde M es una matriz no singular, esto es, invertible y tal que el sistema original (7) se reduzca a
uno equivalente
ẏ = Jy, donde y = y(t) (9)
más sencillo de integrar. Si existe esta matriz M , se tiene de (8) que
ẋ = M ẏ = Ax = AM y
de donde
ẏ = M −1 AM y (10)
Esta ecuación define J como
J = M −1 AM
Las matrices definidas de esta manera se dice que[1, 2] son similares o semejantes.
Bajo la hipótesis de la existencia de tal matriz M se tiene que la solución del sistema
ẏ = Jy
M −1 ẋ = eJt M −1 x0
esto es
ẋ = M eJt M −1 x0
de donde se deduce
eAt = M eJt M −1 (11)
En el siguiente teorema se demuestra la existencia de la matriz M para el caso de vectores x ∈ R2 .
5
Teorema 2 Sea A : [2 × 2] una matriz real, existe entonces una matriz no singular M tal que
J = M −1 AM
corresponde a uno de los siguientes tipos
a)
λ1 0
, λ1 > λ2
0 λ2
b1)
λ0 0
, λ0 ∈ R
0 λ0
b2)
λ0 1
, λ0 ∈ R
0 λ0
c)
α −β
, α ∈ R, β > 0
β α
La matriz J dada por uno estos tipos se dice que es una forma canónica de Jordan para la matriz A.
Demostración.
Los valores propios de la matriz A (iguales que los de J) se obtienen del poliniomio caracterı́stico
P (λ) = λ2 − Iλ + II = 0 (12)
donde I = trA = a11 + a22 , II = det A, y los valores propios son
1 √ 1 √
λ1 = I + ∆ , λ2 = I− ∆ (13)
2 2
donde ∆ = I 2 − 4II, es el discriminante de la forma cuadrática. Se tienen los casos
6
b1) La matriz A es diagonal, esto es
1 0
A = λ0 I = λ0
0 1
(A − λ0 I)v = u
de donde se deduce
Av = u + λ0 v
.
La matriz M = [u..v] satisface ahora
.
AM = A[u..v]
.
= [Au..Av]
.
= [λ0 u..u + λ0 v]
.
λ0 1
= [u..v]
0 λ0
= M J.
Demostración.
Sea el vector propio u = v + ıw asociado a λ1 . Del lema (1) en el apéndice B, v y w son
linealmente independientes y se propone
.
M = [w..v]
.
1
M e1 = [w..v] =w
0
..
0
M e2 = [w.v] =v
1
7
Y dado que M es invertible
e1 = M −1 w, e2 = M −1 v
Entonces, para la primera columna
M −1 AM e1 = M −1 Aw
= M −1 (βv + αw)
= βM −1 e2 + αM −1 w
α
=
β
...2
8
3.1.1. Algunos ejemplos.
Se presentan dos ejemplos del cálculo de la matriz eAt para el caso de una matriz A : [3 × 3]
con valores propios distintos y uno para el caso de una con valores propios repetidos, usando la
matriz canónica de Jordan respectiva. Este procedimiento se contrasta con los métodos directos
para el cálculo de eAt que se discuten en la siguiente sección.
Valores propios distintos. Sea la matriz real
2 −7 0
A= 3 −8 0 (14)
0 0 1
Su polinomio caracterı́stico es
λ1 = −1, λ2 = −5 y λ3 = 1 (15b)
Dado que los valores propios son todos distintos, la forma canónica de Jordan asociada es
−1 0 0
J = 0 −5 0 ,
0 0 1
forma canónica que corresponde al orden de los valores propios que se escogió en (15a). En
este caso la función exponencial matricial es inmediata
−t
e 0 0
eJt = 0 e−5 0 (16)
0 0 et
.. 1 −7 0 .0 1 −7 0 .0
(A − 1I .0) = 3 −9 0 ...0 ∼ 0 12 0 ...0 ,
.. ..
0 0 0 .0 0 0 0 .0
de donde se obtiene que x =< 0, 0, x3 = arb. >, haciendo x3 = 1 se tiene el primer vector
propio u(1) = [0, 0, 1]T .
Cálculos similares para λ2 y λ3 determinan vectores propios correspondientes u(2) =
[7, 3, 0]T y u(3) = [1, 1, 0]T , por lo que la matriz M es
7 1 0 1 −1 0
1
M = 3 1 0 ; M −1 = −3 7 0
4
0 0 1 0 0 4
9
El cálculo de eAt es
eAt = MJM −1
e−t
7 1 0 0 0 1 −1 0
1
= 3 1 0 0 e−5 0 −3 7 0
4
0 0 1 0 0 et 0 0 4
Dos valores propios iguales. En los siguientes ejemplos se tranan los casos de una matriz de
tamaño 3 × 3 con dos valores propios iguales y uno distinto. En un caso la dimensión de
subespacio generado por el valor propio repetido es igual a su multiplicidad algebraica. En
el otro caso, la dimensión del subespacio propio es menor a la multiplicidad del valor propio
repetido y en consecuencia se genera otro vector linealmente independiente del obtenido
usando el criterio de vectores propios generalizados.[6]
El primer ejemplo es calcular eAt cuando
−1 −3 0
A= 0 2 0 (18)
0 0 −1
Sus valores propios y su polinomio caracterı́stico son
λ1 = 2, λ2 = λ3 = −1; p(λ) = (λ − 2)(λ + 1)2 = λ3 − 3λ − 2
Para el cálculo de sus vectores propios
• λ1 = 2, la matriz A − 2I es
−3 −3 0
A − 2I = 0 0 0 ,
0 0 −3
.
y el sistema (A − 2I ..0) tiene como solución el vector propio u(1) = [−1, 1, 0]T .
• λ2 = −1, la matriz A + I es
0 −3 0
A+I = 0 2 0 ,
0 0 0
.
y el sistema (A + I ..0) es reducible por renglones a la matriz
..
0 1 0 .0
. ,
0 0 .. 0
0
..
0 0 0 .0
que indica que la variable x2 = 0 pero las variables x1 y x3 son arbitrarias,1 escogiendo
estas variables de manera que x21 +x33 6= 0 en cada caso, se obtienen los vectores propios
1 El hecho de que aparezcan dos renglones con entradas 0 indica que la dimensión del subespacio generado por el
10
u(2) = [1, 0, 0]T y u(3) = [0, 0, 1]T . En consecuencia, la matriz M y su correspondiente
inversa, son
1 −1 0 1 1 0
M = 0 1 0 ; M −1 = 0 1 0
0 0 1 0 0 1
La forma canónica de Jordan asociada se calcula como
J = M −1 AM
−1 0 0
= 0 2 0
0 0 −1
y la correspondiente eJt
e−t
0 0
eJt = 0 e2t 0
0 0 e−t
Finalmente, la matriz buscada es
eAt M eJt M −1
=
e−t e−t − e2t
0
= 0 e2t 0
0 0 e−t
λ1 = 2, λ2 = λ3 = −1; p(λ) = λ3 − 3λ − 2
En este caso solamente se pueden obtener dos vectores propios, uno asociado a λ1 = 2 y el
otro λ2 = −1
u(1) = [1, 0, 0]T , u(2) = [−1, 1, 0]T , respectivamente,
y consecuencia de que la multiplicidad geométrica del valor propio λ2 = −1 es > que su
multiplicidad algebraica. Para construir un vector propio generalizado linealmente inde-
pendiente de u(2) , se considera el sistema
.
A + I ..v = u(2)
11
El resto del cálculo es análogo al del ejemplo anterior y se tiene finalmente que
e2t e2t − e−t e2t − (1 + t)e−t
Demostración.
La demostración de las ecuaciones (19a) y (19b) es inmediata.
De la expansión binomial se tiene
k
Ak = (λ1 Q1 + λ2 Q2 )
k
X k
= (λ1 Q1 )k−j (λ2 Q2 )j
j
j=0
= λk1 Q1 + λk2 Q2 , k = 1, 2, . . .
consecuencia de las ecuaciones (19a) y (19b). La demostración de (19d) también es inmedi-
ata ya que
n
X Aj
eAt = lı́m tj
n→∞
j=0
j!
n
X λj Q1 + λj Q2
= lı́m 1 2
tj
n→∞
j=0
j!
n n
X λj1 Q1 j X λj2 Q2 j
= lı́m t + lı́m t
n→∞
j=0
j! n→∞
j=0
j!
λ1 t
= e Q1 + eλ2 t Q2
...2
12
Proposición 2 Para una matriz A como en la proposición anterior excepto con valores
propios iguales λ1 = λ2 sea ahora la matriz
Q = A − λ0 I, donde λ0 = λ1 = λ2
entonces
i) La matriz Q es nilpotente de grado 2.
ii)
eAt = (I + t(A − λo I))
Demostración.
i) Si Q es nilpotente de grado 2 entonces Qk = 0 para toda k ≥ 2 donde k es un natural.
Entonces
Q2 = QQ
= (A − λ0 I)(A − λ0 I)
= (A − λ0 I)2 = 0
entonces
n
!
X λj0 j
eAt = lı́m I + Q tj
n→∞
j=0
j! j!
n
X λj−1
= eλ0 t I + t lı́m 0
tj−1 Q
n→∞
j=0
(j − 1)!
...2
dx
ẋ = Ax, (0, x0 ), 0 ≤ t < ∞; x ∈ Rn , ẋ = ∈ Rn (20)
dt
donde A : [n × n] es una matriz real constante.
Se propone obtener la solución de este problema en la forma
13
del enunciado del problema, A aparte de satisfacer su descripción, es arbitraria. El polinomio
caracterı́stico de A se define como
resuelve el problema de valores iniciales (20) y donde q0 , q1 , . . . , qn−1 son los elementos
del vector
q = CZ.
Demostración.
Se requiere demostrar que la función
n−1
X
Φ(t) = qj (t)Aj
j=0
14
y dada la unicidad de la solución de un problema de valores iniciales: Φ(t) ≡ eAt .
Observación. Primero, ¿ cómo se ven las funciones qk (t) ?, llevando a cabo el producto
CZ
c1 z + c2 ż + . . . + z (n−1)
q0
q1 c2 z + c3 ż + . . . + z (n−2)
.. =
..
. .
qn−1 z
de donde se deduce que
n−j−1
X
qj = ck+j z (k−1) + z (n−j−1) (26)
k=1
para t = 0, q0 = 1, q1 = . . . = qn−1 = 0
y en consecuencia
n−1
X
Φ(0) = qj (0)Aj = q0 (0)A0 = In
j=0
n−1 n−1
dΦ X dqj j X
− AΦ = A −A qj Aj
dt j=0
dt j=0
n−1
X n−1
X
= q̇Aj − qj Aj+1
j=0 j=0
Pn−1
El término j=0 qj Aj+1 requiere un poco de atención. En efecto
n−1
X n−2
X
qj Aj+1 = qj Aj+1 + qn−1 An
j=0 j=0
por lo tanto
n−1
X n−2
X n−1
X
qj Aj+1 = qj Aj+1 − qn−1 cj Aj
j=0 j=0 j=0
15
y
n−1 n−1
dΦ X X
− AΦ = q̇Aj − qj Aj+1
dt j=0 j=0
n−1
X n−2
X n−1
X
= q̇Aj − qj Aj+1 + qn−1 c j Aj
j=0 j=0 j=0
n−1
X n−1
X n−1
X
= q̇Aj − qj−1 Aj + qn−1 cj Aj
j=0 j=1 j=0
n−1
X
= (q̇0 + c0 qn−1 ) In + (q̇j − qj−1 + cj qn−1 ) Aj
j=1
n−1
X
q̇0 = ck z (k) + z (n)
k=1
16
Lado derecho: De la ecuación (26)
n−j
X
qj−1 = ck+j−1 z (k−1) + z (n−j)
k=1
n−j−1
X
= ck+j z (k) + z (n−j)
k=0
cambiando el ı́ndice k − 1 → k en la sumatoria
De la comparación de este resultado con la ecuación (29) se tiene el resultado buscado.
En consecuencia Φ(t) satisface el sistema (1a) y las condiciones iniciales (1b) y
Φ(t) ≡ eAt
...2
3.2.1. Ejemplo.
El primer ejemplo es uno ya resuelto usando el algoritmo asociado a la forma canónica de
Jordan. Determinar la matriz eAt donde
2 −7 0
A = 3 −8 0
0 0 1
cuyo polinomio caracterı́stico tiene tres valores propios distintos
p(λ) = λ3 + 5λ2 − λ − 5; y λ1 = 1, λ2 = −1, λ3 = −5
Este algoritmo de Putzer requiere resolver la ecuación diferencial
z 000 + 5z 00 − z 0 − 5z = 0, condiciones iniciales z(0) = z 0 (0) = 0, z 00 (0) = 1
La solución de este problema es inmediata
1 −5t 1 −t 1
z(t) = e − e + et
24 8 12
Con esta función y los coeficientes del polinomio caracterı́stico se construyen las matrices
1 −5t 1 −t 1 t
z(t) 24 e − 8 e + 12 e
0 5 −5t 1 −t 1 t
Z = z (t) = − 24 e
+ 8 e + 12 e (30)
z 00 (t) 25 −5t
24 e − 18 e−t + 12
1 t
e
y
−1 5 1
C= 5 1 0 (31)
1 0 0
Las funciones q se obtienen de
1 −5t
+ 85 e−t + 5 t
q0 − 24 e 12 e
− 21 e−t
1 t
q = CZ = q1
=
+ 2e
(32)
1 −5t
q2 24 e − 18 e−t + 1 t
12 e
17
La función exponencial matricial buscada es
2
X
At
e = qj Aj
j=0
= q0 I3 + q1 A + q2 A2
Demostración.
Como en la demostración del teorema Putzer, Método 1 se define una función Φ y se
demuestra que satisface el sistema (1a) las condiciones iniciales asociadas (1b). Ası́, sean
n−1
X
Φ(t) = rj+1 Pj , y r0 (t) = 0,
j=0
entonces
n−1
dΦ X
= ṙj+1 Pj ,
dt j=0
18
y
n−1 n−1
dΦ X X
− λn Φ(t) = ṙj+1 Pj − λn rj+1 Pj
dt j=0 j=0
= ṙ1 P0 + ṙ2 P1 + . . . + ṙn−2 Pn−1 +
−λn (r1 P0 + r2 P1 + . . . + rn Pn−1 )
= (λ1 P0 + P1 − λn P0 ) r1 + (λ2 P1 + P2 − λn P1 ) r2 + . . . +
+ (λn−1 Pn−2 + Pn−1 − λn Pn−2 ) rn−1 + (λn Pn−1 − λn Pn−1 )rn
n−2
X
= (Pj+1 + (λj+1 − λn )Pj ) rj+1
j=0
Dado que
Pj+1 = (A − λj+1 I)Pj
(ver (34a)), se tiene
n−2
dΦ X
− λn Φ(t) = ((A − λj+1 I)Pj + (λj+1 − λn )Pj ) rj+1
dt j=0
n−2
X
= (A − λn I) Pj rj+1
j=0
Pero el lado derecho de esta ecuación no se altera si se suma y resta el mismo polinomio
n−2
dΦ X
− λn Φ(t) = (A − λn I) Pj rj+1 + (A − λn I)(Pn−1 rn − Pn−1 rn )
dt j=0
n−1
X
= (A − λn I) Pj rj+1 − (A − λn I)Pn−1 rn
j=0
= (A − λn I)Φ − Pn rn
3.2.2. Ejemplo.
19
Dado que el polinomio caracterı́stico y los respectivos valores propios son
De acuerdo con esta variante método de Putzer y considerando los valores propios en el orden
especı́fico indicado arriba, es necesario primero resolver el siguiente sistema de EDO
dr1 (t)
= (1)r1 (t), r1 (0) = 1
dt
dr2 (t)
= r1 (t) + (−1)r2 (t), r2 (0) = 0
dt
dr3 (t)
= r2 (t) + (−5)r3 (t), r3 (0) = 0
dt
r1 (t) = et (35a)
1 t
e − e−t
r2 (t) = (35b)
2
1 t 1 −t 1
r3 (t) = e − e + e−5t (35c)
12 8 24
Por otra parte, esta variante del método de Putzer requiere del cálculo de las siguientes matrices
Ası́:
1 −7 0
P 1 = 3 −9 0
0 0 0
−18 42 0
P 2 = −18 42 0 ,
0 0 0
y la exponcial matricial es
20
Calcular la función eF t .
Solución.
Como se puede observar la matriz puede ser particionada en cuatro bloques de tamaño 3 × 3:
..
B
11 . B 12
F = · · · ... · · ·
..
B21 . B22
Más aún, las variables del bloque B11 son completamente independientes de las del bloque B22 por
lo que ambos bloques pueden ser procesados de manera independiente. Por simplicidad se denotarán
estos bloques como F 1 = B11 y F 2 = B22 .
i) La matriz F 1
−2 0 0
F1 = 0 −1 1
0 0 −1
tiene como polinomio caracterı́stico y valores propios
(F 1 + 2I3 )x = 0
(F 1 + I3 )x = 0
21
El vector x tiene la forma x = [0, x2 = arb., 0]T , escogiendo x2 = 1 se tiene el vector
propio u2 [0, 1, 0]T . El tercer vector requerido para generar la matriz M es un vector propio
generalizado y se obtiene de resolver el sistema
(F 1 + I3 )x = u2
El vector x = [0, x2 = arb., 1]t , asignando el valor x2 = 0 se tiene el tercer vector u3 =
[0, 0, 1]t . En consecuencia
. ..
M = [u .. u 1 2 . u3 ] = I3
En consecuencia
J = F1
y
e−2t
0 0
eF 1t = 0 e−t te−t
0 0 e−t
...3
P1 = P 0 (F 1 − λ1 I3 )
0 0 0
= 0 1 1
0 0 1
P2 = P 1 (F 1 − λ2 )
0 0 0
= 0 0 1
0 0 0
22
La exponencial matricial de F 1 es
ii) La matriz F 2 Esta submatriz es interesante porque tiene un valor propio con multiplicidad
3. Su exponencial matricial se obtendrá mediante el cálculo de su forma canónica de Jordan, el
cálculo de la matriz Q descrita arriba en la Proposicón (2) y el método de Putzer en su versión
2. La matriz a tratar es
3 1 1
F2 = 0 3 1 (39)
0 0 3
Forma canónica de Jordan. El polinomio caracterı́stico y los valores propios son
p(λ) = (λ − 3)3 , λ1 = λ2 = λ3 = 3 = λ
De la solución sistema
(F 2 − 3 I3 )x = 0
se obtiene el primer vector propio u1 = [1, 0, 0]T . Este vector es único dado que dim (Vλ ) =
1 < 3 su multiplicidad algebraica. Los otros dos vectores propios necesarios para construir
a la matriz M se obtienen de la cadena de vectores propios generalizados asociada al vector
propio u
(F 2 − 3 I3 )V1 = u (40)
(F 2 − 3 I3 )2 V2 = u (41)
De la solución de la ecuación (40) se obtiene el vector [x1 = arb., 1, 0]T asignando un valor
x1 de manera que los vectores u1 y u2 sean linealmente independientes, un valor adecuado
es x1 = 0, y el vector u2 = [0, 1, 0]T .
La solución de la ecuación (41) arroja un vector con componentes [x1 = arb., x2 = arb., 1]T .
De la selección de los valores de x1 = x2 = 0 se tiene el tercer vector linealmente indepen-
diente de los dos primeros, u3 = [0, 0, 1]T . En consecuencia M = I3 , la matriz J es F 2 y
la matriz exponencial es
te3t (1 + 2t )te3t
3t
e
eF 2 t = 0 e3t te3t
0 0 e3t
23
y dado que
t2 2
eF 2 t = e3t (I3 + tQ + Q )
2
= 0 e3t te3t
3t
0 0 e
P 1 = F 2 − 3I3 , P 2 = (F 2 − 3I3 )2
r1 (t) = e3t
r2 (t) = te3t
1 2 3t
r3 (t) = t e
2
Y
eF 2 t = r1 I3 + r2 P 1 + r3 P 2
= 0 e3t te3t
3t
0 0 e
24
4. Apéndices.
25
.1. Transformaciones por similaridad.
Sean las matrices A, B de tamaño [n × n] y sea λ un valor propio común. Si u es un vector propio
asociado a λ se tiene que
Au = λu
Sea P una matriz no singular de tamaño [n × n], entonces el vector w = P u no es, en general, un
vector propio asociado a λ ya que
P Au = λ(P u) = λw (42)
que no es lo mismo que A(P u) = λ(P u). Sin embargo P −1 P u = u y sustituyendo este valor en la
ecuación (42)
P AP −1 (P u) = λ(P u),
es decir
P AP −1 w = λw
por lo que w es un vector propio de la matriz B = P AP −1 . Las formas P AP −1 y P −1 AP son
equivalentes[3] y determinan si dos matrices son semejantes o similares de acuerdo a la siguiente
Definición 2 Sean las matrices A, B de tamaño n × n, se dice que son semejantes si existe una
matriz P : [n × n] no singular tal que
B = P −1 AP
y se escribe A ∼ B.
A ∼ A,
Si A ∼ B entonces B ∼ A, y
Si A ∼ B y B ∼ C entonces A ∼ C.
Demostración.
Una relación de equivalencia es reflexiva, simétrica y transitiva. Esto es
A = P BP −1
denotando R = P −1 , esta ecuación se escribe como
A = R−1 BR
y en consecuencia B ∼ A.
26
c) En el último caso la hipótesis es
A∼B y B∼C
ecuación que implica la existencia de matrices P y Q, de tamaño n × n, no singulares tales que
B = P −1 AP y C = Q−1 BQ
Entonces
C = Q−1 BQ
= Q−1 (P −1 AP )Q
= (Q−1 P −1 )A(P Q)
C = (P Q)−1 A(P Q)
...2
Teorema 5 Las matrices A y B de tamaño [n × n] tales que A ∼ B entonces tienen los mismos
valores propios.
Demostración.
La hipótesis es A ∼ B se requiere demostrar que A y B tienen los mismos valores propios.
Es suficiente con demostrar que ambas matrices tienen el mismo polinomio caracterı́stico. Dado que
A ∼ B existe una matriz no singular P tal que
B = P −1 AP,
det(A − λI) = 0
Ahora
0 = det(A − λI)
= det(P −1 ) det(A − λI) det(P )
= det(P −1 (A − λI) det(P ))
= det(P −1 (A)P − λI)
= det(B − λI)
27
.2. Teoremas usados en el texto.
El siguiente lema se usa en la demostración del inciso c) del teorema (2).
Lema 1 Sea la matriz real C : [2 × 2] con valores propios α ± ıβ, con β > 0. Sea también el vector
propio u = v + ıw, entonces
Cv = αv − βw y Cw = βv + αw
Demostración.
El resultado es inmediato ya que
Cu = C(v + ıw)
Cv + ıCw = λu
= (α + ıβ)(v + ıw)
= (αv − βw) + ı(βv + αw)
Y se demuestra el lema después de comparar partes reales e imaginarias de ambos lados de la ecuación
anterior. ...2
Demostración.
La demostración requiere de un resultado asociado al teorema fundamental del álgebra, el llamado
teorema del residuo
Entonces, del teorema del residuo, que sigue siendo válido para polinomios con matrices constantes
como coeficientes, se tiene que para cualquier polinomio f
28
donde φ(x) es el polinomio caracterı́stico de la matriz A y adj(xI − A) es una matriz cuyas entradas
son polinomios en x y que puede escribirse como un polinomio en x con coeficientes matriciales. De
la ecuación (44)
φ(x)I − φ(A) = (xI − A)ψ(x)
para algún polinomio ψ. Entonces
Ahora, la matriz entre paréntesis cuadrados debe ser nula ya que si no lo es puede escribirse como
un polinomio en x de tipo xr C, donde C es una matriz distinta de la matriz 0. Por lo tanto el lado
derecho tiene un término con la potencia más alta en x, xr+1 C que no se cancela con ningún otro
término de ese lado; mientras que el lado izquierdo no depende de x. Esto es una contradicción y en
consecuencia el lado derecho es 0, y
φ(A) = 0
como era requerido.
...2
En los siguientes teoremas se indica el cálculo del polinomio caracterı́stico y de la función exponencial
matricial de una matriz A de tamaño n × n.
n
X
ξ1 = aii = a11 + a22 + · · · + ann , la traza de A
i=1
X aii
aij
ξ2 =
aji ajj
j>i
n!
ξr = la suma de
r!(n − r)!
menores principales de orden r que preservan el orden natural de las columnas.
ξn = det A
29
Teorema 9 Sea A una matriz real con n valores propios reales distintos, entonces existe una matriz
. .
no singular M = [u1 .. · · · .. un ], donde uk es el vector propio asociado al valor propio λk y λ1 >
λ2 . . . > λn , tal que
J = M −1 AM = diag(λk ), k = 1, 2, . . . n
Además
eAt = M diag(eλk ) M −1 , k = 1, 2, . . . n
donde diag es una matriz diagonal de tamaño [n × n].
Teorema 10 Sea A : [2n×2n] una matriz real con 2n valores propios complejos distintos λk = ak +ıbk
y λ̄k = ak − ıbk a los que corresponden los vectores propios uk = vk + ıwk y ūk = vk − ıwk , entonces
el conjunto {v1 , w1 , . . . , vn , un } es una base de R2n y
. . . .
M = [v1 .. w1 .. · · · .. vn .. wn ]
J = M −1AM
ak −bk
= diag ; k = 1, . . . , , n
bk ak
es una matriz real, de tamaño [2n × 2n], con bloques de 2 × 2 a lo largo de la diagonal principal.
Más aún, sea la matriz ortogonal
cos bk t − sen bk t
Rk = ,
sen bk t cos bk t
entonces
eAt = M diag eak t Rk M −1
Teorema 11 Sea A : [n × n] una matriz real con valores propios λk , k < n repetidos de acuerdo a su
multiplicidad algebraica. Entonces
. .
M = [u1 .. . . . .. un ]
A=S+N
donde
M −1 SM = diag(λk )
30
La matrices S y N conmutan en su producto.
La exponencial matricial es
N p−1 tp−1
At λk t −1
e = M diag e M I + Nt + · · · +
(p − 1)!
Y también el siguiente
Corolario 1 Con las hipótesis del teorema anterior, si A tiene un solo valor propio de multiplicidad
algebraica n, entonces
y
N p−1 tp−1
At λt
e =e I + Nt + · · · +
(p − 1)!
Teorema 12 Sea la matriz real A : [2n×2n] con valores propios complejos λk = ak +ıbk y λ̄k = ak −ıbk
tales que la forma cuadrática λ2 − 2ak + (a2k + b2k ) tiene multiplicidad algebraica menor 2n, entonces
A=S+N
donde
−1 ak −bk
M SM = diag
bk ak
31
.3. Vectores propios generalizados.
A continuación se definen vector propio generalizado y una cadena de vectores propios generalizados
asociados y se enumeran sus propiedades más importantes.
Su origen se encuentra en a necesidad de determinar una base para expresar una transformación lineal
T : Rn → Rn de la que A es su matriz asociada cuando A tiene un valor propio λ de multiplicidad
algebraica k > 1. Se define la multiplicidad geométrica de λ como la dimensión (dim Eλ ) del subespacio
generado por sus vectores propios linealmente independientes. Por simplicidad, si A tiene n − k valores
propios distintos y la multiplicidad geométrica de λ es igual a la algebraica, entonces se tienen n −
k vectores linealmente independientes asociados a los n − k valores propios distintos y además k
vectores linealmente independientes generadores de Eλ . En consecuencia, se tienen en total n vectores
linealmente independientes suficientes para una base de T . Por el contrario, si dim Eλ < k no se
tiene el número suficiente de vectores linealmente independientes para una base de T . Sin embargo,
esposible completar esa base construyendo vectores propios generalizados [6].
Definición 3 Sea A una matriz con un valor propio λ con multiplicidad mayor que 1. Se dice que v
en un vector propio generalizado de la matriz A de rango k asociado a λ, si
(A − λI)k v = 0 y (A − λI)k−1 v 6= 0
Definición 4 Para un vector propio generalizado v como en la definición anterior, se define una
cadena de vectores propios generalizados de longitud k de la manera siguiente. Sea vk = v, entonces
Entre las propiedades más importantes de una cadena de vectores propios generalizados se listan
32
Referencias
[1] D. K. Arrowsmith and C. M. Place, Dynamical systems
differential equations, maps and chaotic behaviour, Chapman & Hall, London - Weinheim - New
York - Melbourne - Madras, 1996.
[2] P. M. Cohn, Elements of linear algebra, Chapman and Hall, Boca Raton London New York Wash-
ington, D.C., 1994.
[3] G. Hadley, Linear algebra, Addison Wesley Publishing Co., Reading, Massachusetts, U.S.A., 1961.
[4] L. Perko, Differential equations and dynamical systems, TAM vol 7, Springer-Verlag, 1991.
[5] E. J. Putzer, Avoiding the jordan canonical form in the discussion of linear systems with constant
coefficients, American Mathematical Monthly (1996), no. 1, 2–7.
[6] A. J. Insel S. H. Friedberg and L. Spence, Linear algebra, Prentice Hall, New York, 2003.
33