Professional Documents
Culture Documents
Departamento de Matem atica Aplicada II. Escuela Superior de Ingenieros. Universidad de Sevilla.
139
140 Ejemplos.
(1) Consideremos la transformaci on lineal en el plano consistente en la simetr a respecto de una recta r que pase por el origen de coordenadas. Aplicando esta transformaci on sobre un vector de dicha recta se obtiene el mismo vector y aplic andola sobre un vector de la recta s perpendicular a r que pasa por el origen de coordenadas se obtiene el vector opuesto. Los vectores (no nulos) de las rectas r y s se denominan vectores propios o autovectores de la transformaci on dada. Las rectas a veces se denominan direcciones principales de la transformaci on y los coecientes 1 = 1 y 2 = 1, asociados a dichas direcciones, se suelen denominar valores propios o autovalores. (2) Consideramos un plano que pase por el origen en el espacio R3 y la transformaci on 3 3 3 3 lineal T : R R que asocia a cada vector v R el vector T (v ) R que se obtiene al proyectar v (ortogonalmente) sobre el plano considerado. Si {v1 , v2 } son dos vectores que generan el plano y v3 es un vector (no nulo) perpendicular al plano tenemos que T (v1 ) = v1 , T (v2 ) = v2 , T (v3 ) = 0 con lo cual v1 , v2 y v3 son autovectores y los coecientes respectivos 1, 1 y 0 son autovalores. Puesto que los vectores v1 , v2 y v3 forman una base de R3 , cualquier vector v R3 puede expresarse como combinaci on de ellos y teniendo dicha expresi on v = v1 + v2 + v3 es inmediato obtener T (v ) como combinaci on lineal de los vectores v1 , v2 y v3 , T (v ) = T (v1 ) + T (v2 ) + T (v3 ) = v1 + v2 . Por ejemplo, para el plano 2x 3y + z = 0 podemos tomar los vectores v1 = 3 2 0 , v2 = 1 0 2 y v3 = 2 3 1
(la transformaci on lineal no depende de c omo elijamos los vectores v1 , v2 y v3 ). Notemos que a partir de lo anterior es f acil obtener la matriz A de T respecto a la base can onica (puesto que tenemos los vectores v1 , v2 y v3 y sus transformados expresados respecto a la base can onica). La matriz A verica
v1 v2 v3
tiene inversa (por ser sus columnas linealmente independientes), podemos despejar la Matem aticas I. Ingenier as: Aeroespacial, Civil y Qu mica
141
A =
v1 v2 v3
3 1 0 2 0 0 0 2 0
1 28
6 5 3 2 3 13 4 6 2
1 28
20 12 4 12 10 6 4 6 26
(3) Si A es una matriz diagonal con elementos diagonales d1 , d2, . . . , dm , es claro que para los vectores can onicos e1 , e2 , . . . , em se verica Aek = dk ek . (4) Si tomamos dos vectores {v1 , v2 } linealmente independientes del plano, cualquier transformaci on lineal T : R2 R2 queda determinada si conocemos c omo act ua sobre estos vectores. Si A es la matriz asociada a T respecto a la base can onica, podemos determinar dicha matriz a partir de Av1 y Av2 (si conocemos las coordenadas de los vectores v1 , v2 , Av1 y Av2 respecto a la base can onica). Si tomamos por ejemplo los vectores v1 = 1 2 , v2 = 2 1 , T (v1 ) = Av1 = 3v1 , T (v2 ) = Av2 = 2v2
(con lo cual tenemos una situaci on en la que conocemos las direcciones sobre las cuales la transformaci on act ua multiplicando por un n umero), es f acil determinar la matriz A teniendo en cuenta que, puesto que v1 y v2 son linealmente independientes, la matriz cuyas columnas son v1 y v2 tiene inversa y A v1 v2 = 3v1 2v2 = A v1 v2 = v1 v2
1
3 0 0 2
= A =
v1 v2
3 0 0 2
v1 v2
An =
v1 v2
(3)n 0 0 2n
v1 v2
y, por tanto, los vectores que se obtienen al aplicar sucesivamente la matriz A sobre un vector dado u, Au, A (Au) = A2 u, . . . , An u, . . .
Matem aticas I.
2010-2011
142
143
es un polinomio de grado m y, por tanto, tiene m ra ces (contando cada una seg un su multiplicidad) que pueden ser reales o complejas no-reales (aun en el caso en que la matriz A sea real). El subespacio vectorial Nul [A 0 I ] se denomina espacio propio asociado al autovalor 0 (notemos que en general estar a compuesto por vectores complejos, los autovectores de A asociados a 0 y el vector nulo), Nul [A 0 I ] = {0} {autovectores asociados a 0 } . De manera habitual cuando hablemos de autovectores asociados a un autovalor nos referiremos a una base del espacio propio asociado, es decir autovectores linealmente independientes de forma que cualquier autovector asociado al autovalor en cuesti on sea combinaci on lineal de ellos. Ejemplos. Adem as de los ejemplos considerados anteriormente, veamos algunos ejemplos en los que la matriz A viene dada. (1) Consideremos la matriz A = 1 2 . 2 1
Por tanto det (A I ) = 0 = 3 o = 1. Autovectores asociados a 1 = 3 : son los vectores no-nulos que est an en el espacio nulo de A 3I , (A 3 I )x = 0 2 2 0 2 2 0 1 1 0 0 0 0 x = x2 1 1 v1 = 1 1 ,
(2) Consideremos la matriz asociada a un giro (en el plano) de centro el origen de coordenadas y angulo [0, 2 ). En el caso = 0 se obtiene la identidad y en el caso = la simetr a respecto al origen de coordenadas. Si = 0, , al aplicar el giro sobre un vector (real) distinto de cero se obtiene otro vector que en ning un caso ser a un m ultiplo (real) del vector al que se aplica el giro. Esto quiere decir que la matriz del giro no tiene ning un autovalor real (salvo en los casos = 0, ). Resolvamos la ecuaci on Matem aticas I. 2010-2011
p() = det (G I ) =
= (cos() ) (cos() ) + sen()2 = = 2 2 cos() + 1 = 0 = cos() i sen() = ei . Calculemos los autovectores asociados a cada uno de los autovalores. 1 = ei Tenemos que resolver el problema homog eneo (G 1 I ) x = 0, i sen() sen() 0 sen() i sen() 0 = x1 x2 = x1 F2 iF1 1 i i sen() sen() 0 0 0 0 sen() = 0 = 1 i .
Nul [G 1 I ] Gen v1 =
Las propiedades referidas a autovalores las podemos agrupar dependiendo de si pueden obtenerse directamente de la denici on (con lo cual estar an involucrados los autovectores) o si se obtienen a partir del polinomio caracter stico (algunas de ellas pueden obtenerse de las dos formas). Proposici on. Sea un autovalor de A y v un autovector asociado, entonces: (1) es un autovalor de A y v es un autovector asociado. (2) ( ) es un autovalor de A I y v es un autovector asociado. (3) k es un autovalor de Ak y v es un autovector asociado. (4) Si q () es un polinomio, entonces q () es un autovalor de q (A) y v es un autovector asociado. (Ejemplo: 33 +52 7 +2 es un autovalor de la matriz 3A3 +5A2 7A +2I ). (5) Si A tiene inversa, entonces = 0, 1 es un autovalor de A1 y v es un autovector asociado. (6) Sea A es una matriz real, = a + bi C, (a, b R) un autovalor de A y v = u + iw Cm un autovector de A asociado a . Entonces = a bi C tambi en es autovalor de A m y v = u iw C es un autovector de A asociado a .
Matem aticas I.
5.1.- Autovalores y autovectores. Proposici on. Sea A una matriz m m. Se verica: (a) A tiene a lo sumo m autovalores distintos.
145
(b) A y AT tienen los mismos autovalores (aunque los autovectores asociados pueden ser distintos). Proposici on. Sea A una matriz m m y sea p() = det [A I ] = (1)m m + cm1 m1 + + c1 + c0 = = (1)m ( 1 ) ( m ) su polinomio caracter stico (es decir 1 , , m son los autovalores de A, iguales o distintos). Se verica: (a) El determinante de A es igual al producto de sus autovalores (apareciendo cada uno, en dicho producto, tantas veces como indique su multiplicidad como ra z del polinomio caracter stico) 1 m = det (A) = p(0) = c0 . (b) La traza de A (la suma de los elementos diagonales de A) es igual a la suma de sus autovalores (apareciendo cada uno, en dicha suma, tantas veces como indique su multiplicidad como ra z del polinomio caracter stico) 1 + 2 + + m = (1)m1 cm1 = traza(A) := a11 + a22 + + amm . Uno de los resultados m as importantes referidos a autovalores y autovectores es el siguiente. Teorema. A autovalores distintos corresponden autovectores linealmente independientes. Es decir, si 1 , . . . , p son autovalores de A distintos dos a dos y v1 , . . . , vp son autovectores de A asociados respectivamente a 1 , . . . , p , entonces {v1 , . . . , vp } es linealmente independiente.
Demostraci on.- En el caso de tener un solo autovector (p = 1) no hay nada que discutir. Supongamos que p 2 y que los vectores v1 , . . . , vp son linealmente dependientes, entonces para un cierto ndice k tendremos que {v1 , . . . , vk } son linealmente independientes y vk+1 es combinaci on lineal de ellos. Entonces, tendremos unos coecientes 1 , . . . , k C tales que vk+1 = 1 v1 + 2 v2 + + k vk . () Multiplicando por la matriz A en los dos miembros de esta igualdad tenemos Avk+1 = 1 Av1 + 2 Av2 + + k1 Avk k+1 vk+1 = 1 1 v1 + 2 2 v2 + + k1 k vk . Multiplicando los dos miembros de la igualdad (*) por k+1 tenemos k+1 vk+1 = 1 k+1 v1 + 2 k+1 v2 + + k k+1 vk . ()
Matem aticas I.
2010-2011
146
y restando (**) obtenemos 0 = 1 (k+1 1 ) v1 + 2 (k+1 2 ) v2 + + k (k+1 k ) vk . Puesto que los vectores v1 , . . . , vk son linealmente independientes, de la u ltima igualdad tenemos que los coecientes tienen que ser todos nulos 1 (k+1 1 ) = 2 (k+1 2 ) = = k (k+1 k ) = 0 y puesto que los autovalores son distintos entre s k+1 = 1 , . . . , k obtenemos 1 = 2 = = k = 0 y, por tanto vk+1 = 0 en contradicci on con el hecho de ser un autovector de A (asociado a k+1 ).
El siguente resultado tiene un car acer esencialmente te orico aunque puede utilizarse para obtener algunas matrices relacionadas con una matriz A. No estamos en condiciones de dar la demostraci on en el caso general. M as adelante veremos la demostraci on en un caso especial. Teorema (de Cayley-Hamilton). Sea p() = det (A I ) el polinomio caracter stico de una matriz cuadrada A, entonces p(A) = 0 Es decir, si una matriz A de orden 3 tiene como polinomio caracter stico, por ejemplo p() = 3 + 22 5 + 7, entonces la matriz verica que p(A) = 0 A3 + 2A2 5A + 7I = 0. En este caso, puesto que el t ermino independiente es no-nulo, de la anterior ecuaci on podemos despejar A1 en funci on de potencias de A con exponente no-negativo. Ejercicio.- Hazlo.
147
Denici on. Se dice que una matriz A m m es diagonalizable si existe alguna matriz P no singular tal que P 1 AP es una matriz diagonal D . En este caso, se dice que P es una matriz de paso que diagonaliza A y que la expresi on A = P DP 1 es una diagonalizaci on de A. Notemos que si d1 0 0 . . . 0 0 d2 0 . . . 0 1 P AP = D = 0 0 d3 . . . 0 . . . . .. . . . . . . . . . 0 entonces de la igualdad matricial AP = P D , d1 0 . . . 0 0 d2 . . . 0 . . .. . . . . . . . . 0 0 . . . dm 0 0 . . . dm
v1 v2 . . . vm
v1 v2 . . . vm
se obtiene que cada columna, Avk , de la matriz AP es igual a la correspondiente columna de P D . Es decir, cada columna de P es un autovector de A asociado al correspondiente elemento diagonal de D , que ser a un autovalor de A. Por otra parte, el que la matriz P sea no-singular ( tiene inversa det (A) = 0) es equivalente a que sus m columnas sean linealmente independientes. Cuando sea posible, para construir una diagonalizaci on de A bastar a con obtener m autovectores linealmente independientes. La matriz P de orden m que tenga a dichos autovectores linealmente independientes como columnas (en un cierto orden) ser a no-singular y vericar a AP = P D siendo D la matriz diagonal cuyos elementos diagonales son los autovalores (en el mismo orden en el que hayamos puesto los autovectores en la matriz P ). Por tanto tenemos una diagonalizaci on de A. Notemos que si en una diagonalizaci on A = P DP 1, cambiamos el orden en las columnas de P y de forma simult anea cambiamos el orden en los elementos diagonales de D , de manera que se correspondan columnas de P elementos diagonales de D , se obtiene otra diagonalizaci on de A; sustituimos cada columna de P por un m ultiplo no-nulo de dicha columna, se obtiene otra matriz de paso distinta que tambi en diagonaliza a A (la matriz D no cambia). Proposici on. Sea A una matriz m m. Se verica: (1) A es diagonalizable si y s olo si tiene m autovectores linealmente independientes. (2) Si A es diagonalizable tambi en lo es cualquier potencia Ak , k = 1, 2, (3) Si A es diagonalizable tambi en lo es cualquier matriz de la forma A I . Matem aticas I. 2010-2011
148
(4) Si A es diagonalizable tambi en lo es cualquier polinomio en A q (A) = ck Ak + + c1 A + c0 I. (5) Si A tiene inversa, A es diagonalizable si y s olo si lo es su inversa A1 . (6) A es diagonalizable si y s olo si lo es AT .
Si tenemos una diagonalizaci on de A, P 1 AP = D A = P DP 1 se obtienen las siguientes diagonalizaciones de Ak , A I, AT y A1 (si existe) Ak = P D k P 1 , A I = P (D I )P 1 , AT = (P T )1 D (P T ), A1 = P D 1 P 1 .
Recordemos que a autovalores distintos corresponden autovectores linealmente independientes. Por tanto, Teorema. Si todos los autovalores de A son simples (A tiene m autovalores distintos), entonces A es diagonalizable. Para que una matriz sea diagonalizable no es imprescindible que todos sus autovalores sean simples. Por ejemplo = 1 es un autovalor doble de la matriz A= 2 1 0 1 2 0 0 0 1
y A es diagonalizable (compru ebalo!). Aunque hay matrices que no son diagonalizables, como por ejemplo 2 1 B= . 0 2 Para analizar de forma m as detallada cuando una matriz es diagonalizable consideramos los siguientes conceptos. Denici on. Sea A una matriz m m y sea 0 un autovalor de A. Se llama: (a) Multiplicidad algebraica de 0 , y se denota por ma (0 ), a la multiplicidad de 0 como ra z del polinomio caracter stico p() = det (A I ) de A. Es decir, p() puede factorizarse como p() = ( 0 )ma (0 ) q (), siendo q () un polinomio (de grado m ma (0 )) que no se anula para 0 , q (0 ) = 0. (b) Multiplicidad geom etrica de 0 , y se denota por mg (0 ), a la dimensi on del espacio nulo de A 0 I , dim [Nul (A 0 I )] = m rango [(A 0 I )] . Es decir, la multiplicidad geom etrica es el n umero (m aximo) de autovectores linealmente independientes asociados al autovalor. Matem aticas I. Ingenier as: Aeroespacial, Civil y Qu mica
149
Lo u nico que se puede armar en general sobre la relaci on entre las multiplicidades algebraica y geom etrica de un autovalor de una matriz viene dado por el siguiente resultado. Lema. Sea 0 un autovalor de una matriz A, entonces 1 mg (0 ) ma (0 ). Teorema. A es diagonalizable si y s olo si para cada autovalor se verica que ma () = mg (). En ese caso, si 1 , . . . , p son (todos) los autovalores distintos de A y tenemos una base Bk de cada uno de los subespacios Nul [A k I ] (es decir, tenemos tantos autovectores linealmente independientes asociados a k como indica su multiplicidad algebraica), entonces B = B1 Bp es una base de Rm o de Cm . Por tanto: Para determinar si una matriz es diagonalizable habr a que determinar si cada autovalor m ultiple tiene asociados tantos autovectores linealmente independientes como indique su multiplicidad algebraica. Para construir una diagonalizaci on, cuando sea posible, habr a que obtener tanto autovectores linealmente independientes, asociados a cada autovalor, como indique su multiplicidad algebraica; Vamos a demostrar el teorema de Cayley-Hamilton para las matrices diagonalizables. Teorema (de Cayley-Hamilton). Sea p() = det (A I ) el polinomio caracter stico de una matriz cuadrada A, entonces p(A) = 0.
D. Aunque el resultado es cierto para una matriz cuadrada arbitraria, aqu s olo vamos a considerar el caso en que A es diagonalizable. Si A es diagonalizable mediante una matriz de paso P , P 1 AP = D = A = P DP 1 = p(A) = P p(D )P 1 = P p(1 ) 0 ... 0 p(2 ) . . . . . .. . . . . . 0 0 ... 0 0 . . . p(m )
P 1 =
=P
0 0 . . . 0
P 1 = 0.
Matem aticas I.
2010-2011
150
Observaci on.- Para una matriz diagonalizable A, el tener una diagonalizaci on P 1AP = D (diagonal), permite obtener funciones de dicha matriz que esten denidas por polinomios o por series de potencias. Por ejemplo, Ak = P D k P 1 , polinomio(A) = P polinomio(D )P 1, eA = Ak =P k =0 k !
Dk P 1 = P k ! k =0
e1 0 0 0 e2 0 . . . .. . . . . . . . m 0 0 e
P 1
puesto que calcular la correspondiente funci on matricial para una matriz diagonal se reduce a obtener el valor de dicha funci on en cada uno de los elementos de la diagonal principal. 5.2.2.- Matrices no diagonalizables. Una matriz cuadrada A es diagonalizable si, y s olo si, hay una base (de Rn o Cn ) formada por autovectores de A. Cuando A no es diagonalizable hay situaciones en las que es necesario encontrar tambi en una base cuyos elementos veriquen ciertas propiedades similares a las de los autovectores de A. Estos ser an los denominados autovectores generalizados de A. Denici on. Sea A una matriz m m y sea un autovalor de A. Se dice que un vector v = 0 es un autovector generalizado de A asociado a si se verica que (A I )k v = 0 para alg un entero positivo k . Es decir, los autovectores generalizados de A asociados a son (excluyendo al vector nulo), los vectores de los espacios nulos de las matrices (A I )k , k = 1, 2, 3, ... Observaciones. 1) Es f acil comprobar que Nul (A I ) Nul (A I )2 Nul (A I )k Nul (A I )k+1 . . . 2) Puesto que la dimensi on del espacio es nita, los subespacios anteriores no pueden crecer de manera indenida, sino que para un cierto valor r se vericar a Nul [A I ] Nul (A I )2 Nul [(A I )r ] = Nul (A I )r+1 = .
3) Si v Nul (A I )k entonces Av Nul (A I )k . Es decir, si v es un autovector generalizado, Av tambi en lo es (o es el vector nulo). El siguiente resultado indica que para calcular los autovectores generalizados hay que llegar, a lo sumo, hasta la potencia ma (). Nos indica adem as que, si bien en general no es cierto que para un autovector generalizado v asociado a se tenga que Av es v , se tiene en cambio que Av es tambi en autovector generalizado asociado a . Matem aticas I. Ingenier as: Aeroespacial, Civil y Qu mica
151
Teorema. Sea A matriz m m y sea autovalor de A de multiplicidad algebraica ma (). Existe un valor 1 r ma () tal que dim (Nul [A I ]) < < dim (Nul [(A I )r ]) = dim Nul (A I )ma () y Nul (A I )k = Nul (A I )ma () para k r . Observaciones. 1) La proposici on anterior no contradice lo visto hasta ahora para autovectores: si A es diagonalizable y es autovalor de multiplicidad algebraica ma () = l (su multiplicidad geom etrica ser a por tanto mg () = l) el valor r de la proposici on anterior es r = 1. 2) Observe que seg un el teorema anterior los autovectores generalizados siempre son los elementos de Nul (A I )ma () , aunque dependiendo de cada caso, dicho espacio nulo puede coindicir con el espacio nulo de una potencia inferior de A I . Ejemplo. Consideremos la matriz 1 4 4 4 0 2 4 1 8 4 5 1 2 2 9 5 = ma (),
A=
Vamos a calcular una base de R4 formada por autovectores y autovectores generalizados de A. Su polinomio caracter stico es pA (x) = (x 1)3 (x + 1), luego sus autovalores son 1 = 1 con multiplicidad algebraica ma (1 ) = 1 y 2 = 1 con multiplicidad algebraica ma (2 ) = 3. Como 1 = 1 es autovalor simple, sus multiplicidades algebraica y geom etrica coinciden. T Un autovector asociado a 1 = 1 es, por ejemplo, v1 = (1, 1, 3, 3) y los dem as autovectores asociados al mismo autovalor son m ultiplos de v1 . Para el autovalor triple 2 = 1, las matrices A 2 I y la escalonada superior obtenida de ella por eliminaci on gaussiana son A 2 I = 2 4 4 4 0 2 3 1 8 3 5 1 2 2 9 6 Elim. Gauss. 2 0 0 0 0 2 2 3 3 6 0 1 3 0 0 0 .
Puesto que A 2 I tiene rango 3, s olo hay un autovector independiente asociado al autovalor 2 = 1 y por tanto, A no es diagonalizable. Los autovectores asociados son los m ultiplos (no nulos) de v2 = (2, 1, 3, 1)T . Calculemos una base de autovectores generalizados asociados al autovalor 2 = 1. Para ello, debemos calcular las potencias A 2 I hasta que una de ellas tenga rango m ma (2 ) = 4 3 = 1 con lo cual el espacio nulo de dicha potencia de A 2 I tendr a dimensi on 3. La 2 matrices (A 2 I ) y la escalonada superior obtenida por eliminaci on gaussiana son (A 2 I )2 = Matem aticas I. 4 6 0 2 8 9 0 7 0 3 0 3 8 7 0 9 Elim. Gauss. 4 0 0 0 6 3 0 0 0 2 0 3 0 0 0 0 ,
2010-2011
152
cuyo rango es 2 (todav a distinto de 1 = 4 ma (2 )). Por tanto la dimensi on del espacio nulo de (A 2 I )2 es 2 y podemos obtener en dicho espacio nulo un autovector generalizado v3 linealmente independiente con v2 , por ejemplo v3 = (0, 0, 1, 0)T . Notemos que Nul ((A 2 I )2 ) = Gen {v2 , v3 }. La matriz (A 2 I )3 es (A 2 I )3 = 8 8 0 8 8 8 0 8 24 24 0 24 24 24 0 24 ,
cuyo rango es 1 = 4 ma (2 ). Por tanto, el espacio nulo de (A 2 I )3 tiene dimensi on 3. En este espacio nulo podemos obtener un autovector generalizado v4 que sea linealmente independiente con {v2 , v3 }, por ejemplo v4 = (1, 1, 0, 0)T . Notemos que Nul ((A I )3 ) = Gen {v2 , v3 , v4 } y que los vectores de este espacio son, adem as del vector nulo, todos los autovectores y autovectores generalizados asociados al autovalor 1 = 1. As , hemos obtenido tres autovectores (generalizados) asociados al autovalor triple 1 = 1 de una determinada forma, ampliando de una base de Nul (A I ) a una de Nul ((A I )2) y de esta a una de Nul ((A I )3). Podr amos 3 haber obtenido una base de Nul ((A I ) ) sin necesidad de pasar por bases de los espacios intermedios. Por ejemplo, los vectores w2 = (1, 1, 0, 0)T , w3 = (0, 1, 0, 1)T , w4 = (0, 0, 1, 0)T
forman una base de Nul ((A I )3 ). Por tanto, tenemos como bases de R4 {v1 , v2 , v3 , v4 } y {v1 , w2 , w3 , w4 }. Para observar la diferencia entre ellas (y entender por qu e, en general, es m as conveniente encontrar una base por el procedimiento seguido para construir {v1 , v2 , v3 , v4 }) se propone como ejercicio determinar la matriz P 1 AP tomando respectivamente como matriz P la matriz cuyas columnas son las coordenadas de los vectores de cada una de las bases anteriores. As , si formamos P1 = [v1 , v2 , v3 , v4 ] y P2 = [v1 , w2 , w3 , w4 ] obtenemos 1 0 0 0 0 1 0 0 0 0 1 1 1 1 0 1 1 0 0 0 1 2 0 1 0 0 4 1 0 2 1 4
1 P1 AP1 =
1 P2 AP2 =
Observamos que con P1 , en el bloque correspondiente al autovalor 1, este aparece en la diagonal y adem as es un bloque triangular superior, es decir, en la matriz obtenida (que no puede ser diagonal pues A no es diagonalizable), los autovalores aparecen en la diagonal y el bloque del autovalor 1 al menos tiene ceros por debajo de la diagonal. Sin embargo, con P2 ni el autovalor 1 aparece en la diagonal ni su bloque correspondiente es triangular. Si una matriz es diagonalizable al juntar autovectores independientes de autovalores diferentes se obtiene una base de Rm (o de Cm ). De la misma forma cuando se unen bases Matem aticas I. Ingenier as: Aeroespacial, Civil y Qu mica
153
de los espacios de autovectores generalizados se obtiene una base de Rm (o de Cm ). Siendo m as preciso, tenemos el siguiente resultado. Proposici on. Sea A una matriz cuadrada de orden m, con polinomio caracter stico pA () = ( 1 )m1 . . . ( p )mp , con 1 , . . . , p distintos entre s . Si Bj es base de Nul (A j I )mj , para j = 1, . . . , p, la uni on de dichas bases B = {B1 , . . . , Bp } es base de Rm (o de Cm ). Observaci on-Ejercicio. Seg un vimos en el estudio de las propiedades del c alculo de autovalores y autovectores, todo autovector de una matriz A es autovector de cualquiera de sus potencias A2 , A3 , . . . El rec proco no es cierto, en general. Por ejemplo, tomando la matriz A= 0 1 0 0
se verica que A2 es la matriz nula y, por tanto, cualquier vector no-nulo de R2 es autovector de A2 asociado a su u nico autovalor = 0. Sin embargo, hay vectores de R2 que no son autovectores de A, por ejemplo v = [ 1, 1 ]. Determina los autovectores de cada una de las potencias de 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0
A=
154
siendo A una matriz cuadrada m m constante (independiente de n). Denici on. Sea A una matriz cuadrada de orden m y sea u1 , u2 , . . . , un , . . . una sucesi on de vectores en Rm denidos de manera recurrente por un = Aun1, n = 1, 2, . . .
a partir de un vector inicial u0 Rm . Una relaci on de recurrencia de esta forma se llama sistema de ecuaciones en diferencias lineal homog eneo de primer orden (con coecientes constantes). No nos ocuparemos aqu ni del caso no homog eneo, ni del caso de coecientes no constantes y muchisimos menos de casos no lineales. A partir de la relaci on un = Aun1 se tiene que un = An u0 y tenemos la expresi on del t ermino general un en funci on del vector original u0 . El problema es determinar las n potencias A de A. Tendremos esencialmente dos situaciones. Por un lado, el caso en que A sea diagonalizable ser a f acil de tratar y por otro, el caso en el que A no sea diagonalizable que necesitar a de m as elaboraci on puesto que tendremos que recurrir al c alculo de autovectores generalizados. Uno de los aspectos que permite estudiar la expresi on del t ermino general un (a partir de u0 ) es el comportamiento asint otico, es decir el comportamiento a largo plazo de la sucesi on un , qu e sucede con los vectores un cuando n se hace grande? Proposici on. Sea A una matriz cuadrada de orden m y u0 Rm . Entonces (a) Si A es diagonalizable, A = P DP 1 (P matriz de paso de orden m cuyas columnas son autovectores de A linealmente independientes, D matriz diagonal cuyos elementos diagonales son los autovalores correspondientes de A), se verica que An = P D n P 1 y un = An u0 = P D n P 1 u0 , n = 1, 2, . . .
(b) Si u0 es combinaci on lineal de autovectores de A (independientemente de que A sea diagonalizable o no), u0 = c1 v1 + + ck vk entonces
n An u0 = c1 n 1 v1 + ck k vk .
y Avj = j vj , j = 1, . . . , k,
Observaciones. Qu e sucede si A no es diagonalizable y u0 no es combinaci on lineal de autovectores? Sea A una matriz m m no diagonalizable. (a) Si v es un autovector generalizado de A asociado a un autovalor , para un cierto valor k se verica que ( A I ) v = 0 , . . . , ( A I )k 1 v = 0 , ( A I ) k v = 0 . Utilizando esto podemos determinar la soluci on (sucesi on de vectores) del sistema de ecuaciones en diferencias un = Aun1 que tiene como valor inicial u0 = v . Para ello, basta considerar la f ormula del binomio de Newton: (a+b)n = n 0 an b0 + n 1 an1 b1 + n 2 an2 b2 + n n1 a1 bn1 + n n a0 bn
Matem aticas I.
155
:=
(0! := 1)
que es aplicable a la potencia de una suma de matrices si estas conmutan. Es decir, si A y B son dos matrices cuadradas que conmutan (AB = BA), se verica la igualdad
(A + B )n = n 0 An B 0 + n 1 An1 B 1 + n 2 An2 B 2 + + n n A0 B n
siendo A0 = B 0 = I . Puesto que las matrices A I y I conmutan, podemos aplicar la f ormula del binomio de Newton y para n k obtenemos
An v = [I + (A I )]n v = = n 0 (I )n + n 1 (I )n1 (A I )1 + + n n (A I )n v
y aparecen (a lo sumo) k sumandos en el sumatorio, independientemente de lo grande que sea n. En los ejemplos que veremos k ser a peque no y aparecer an pocos t erminos en el sumatorio. (b) Si obtenemos una base {v1 , . . . , vm } (de Rm o Cm ) formada por autovectores generalizados de A, entonces puede encontrarse la soluci on general del sistema de ecuaciones en diferencias un = Aun1 para cualquier u0 Rn . Para ello, expresamos u0 como combinaci on lineal de los autovectores generalizados {v1 , . . . , vm }, u0 = 1 v1 + + m vm con lo que y, por tanto, bastar a determinar (An vj ) para cada autovector generalizado vj . (c) C alculo de An . A partir de una base formada por autovectores generalizados {v1 , . . . , vm } podemos calcular An sin m as que obtener los vectores {An v1 , . . . , An vm } y despejar An de la igualdad matricial An v1 v2 . . . vm = An v1 An v2 . . . An vm . un = An u0 = 1 An v1 + + m An vm
(d) Comportamiento asint otico de An u0 . Con este t ermino se designa al estudio del comportamiento de la sucesi on de vectores u0, u1 , u2 , . . . a largo plazo. Es decir se trata de estudiar qu e sucede cuando n . Los vectores un Matem aticas I. 2010-2011
tienden a ? Es decir, l mn ||un || = ? Si tenemos un vector u0 expresado como combinaci on lineal de autovectores y autovectores generalizados u0 = c1 v1 + + cm vm , la sucesi on generada viene dada mediante un = An u0 = c1 An v1 + + cm An vm con lo cual podemos reducir el estudio al comportamiento de las sucesiones An v siendo v un autovector o un autovector generalizado de A. En la situaci on m as simple, que v sea un autovector asociado a un cierto autovalor tenemos que An v = n v y, por tanto, Si || < 1, tenemos que (n ) 0 y (An v ) = (n v ) 0. Si || > 1, tenemos que (n ) y (||An v ||) = (||n ||v ||) +. Si || = 1 hay que distinguir dos casos (al menos): Si || = 1, = 1, puesto que |n | = 1 para todo n = 1, 2, . . . , los coecientes , 2 , 3 , . . . recorren la circunferencia unidad (no completa, innitas veces) y los vectores An v = n v presentan un comportamiento oscilante. Veamos a continuaci on dos ejemplos de c omo obtener An v . Ejemplo 1. Calcular un = An u0 siendo A= 1 1 0 0 1 0 0 0 2 y u0 = 2 1 1 . Si = 1, la sucesi on de vectores An v = v es constante.
Por ser A triangular es inmediato que los autovalores son 1 = 1 (doble) y 2 = 2 (simple). Como es f acil comprobar, mg (1 = 1) = 1 < ma (1 = 1) = 2 y la matriz A no es diagonalizable. No existe una base de autovectores (1 y 2 aportan uno cada uno) y necesitamos recurrir a un autovector generalizado de 1 para obtener una base de R3 formada por autovectores y autovectores generalizados. Autovectores asociados a 1 = 1, (A I )x = 0 = Nul (A I ) = Gen Matem aticas I. v1 = 1 0 0 .
5.3.- Aplicaciones del c alculo de autovalores y autovectores. Autovectores generalizados asociados a 1 = 1, (A I ) x = 0 = Nul (A I ) Autovectores asociados a 2 = 2, (A 2I )x = 0 = Nul (A 2I ) = Gen v3 = 0 0 1 .
2 2
157
= Gen
v1 , v2 =
0 1 0
Es decir, trabajaremos con la base de R3 formada por {v1 , v2 , v3 } (que en este caso sencillo coincide con la can onica). As , un = An u0 = An (2v1 + v2 v3 ) = 2An v1 + An v2 An v3 . Por ser v1 y v3 autovectores:
n n n n An v1 = n 1 v1 = 1 v1 = v1 y A v3 = 2 v3 = 2 v3 .
Mientras que por ser v2 autovector generalizado de 1 = 1, que verica (A I )2 v2 = 0 (k = 2 en la f ormula dada anteriormente): An v2 = [1 I + (A 1 I )]n v2
n1 = n (A 1 I )v2 + 1 v2 + n1 n(n1) n2 1 (A 2
1 I )2 v2 +
un = A u0 = 2v1 + (v2 + nv1 ) 2 v3 = (n + 2)v1 + v2 2 v3 = Ejemplo 2. Calcular un = An u0 siendo A= 3 / 2 1/ 2 1/ 2 0 2 1 1/2 1/2 5/2 y u0 = 0 2 1 .
Autovalores. Calculamos sus autovalores mediante la ecuaci on caracter stica, |A I | = 0 3 62 + 12 8 = 0 ( 2)3 = 0, de donde obtenemos que 1 = 2 es un autovalor triple (ma (1 ) = 3). (Recu erdese que la traza de la matriz debe coincidir con la suma de los autovalores; en este caso ambas valen 6, puesto que tr (A) = 3/2 + 2 + 5/2 = 2 + 2 + 2 = 6). Si calculamos su multiplicidad geom etrica mg (1 = 2) = 3 rango(A 2I ) = 3 2 = 1 vemos que s olo tiene un autovector asociado linealmente independiente, con lo que necesitaremos encontrar dos autovectores generalizados (linealmente independientes) para formar una base de R3 con autovectores y autovectores generalizados. Matem aticas I. 2010-2011
158 Autovectores: (A 2 I )x =
1 2 0 1 2
0 1 1 1 2 2
1 2
1 2
x1 x2 x3
= 0
x1 x2 + x3 = 0 x = x2 x3 = 0
1 1 0
x1 x2 x3
= 0 x1 x2 + x3 = 0 x = x1
1 1 0
+ x3
0 1 1
Tomamos como primer autovector generalizado (que debe ser linealmente independiente con v1 ), por ejemplo, v2 = (0, 1, 1)T . Finalmente, (A 2I )3 x = 0 0 0 0 0 0 0 0 0 0 x1 x2 x3 = 0 x = x1 x2 x3 R3 arbitrario.
Podemos tomar como segundo autovector generalizado cualquier vector de R3 que sea linealmente independiente con {v1 , v2 }, por ejemplo, v3 = (1, 0, 0)T . Una vez que tenemos la base B = {v1 , v2 , v3 } formada por autovectores y autovectores generalizados, calculamos las coordenadas de u0 en dicha base, u0 = PB [u0 ]B 0 2 1 = 1 0 1 1 1 0 0 1 0 [u0 ]B = 1 1 1 ,
1 I )2 v2 +
= 2 v2 + n2
n1
v1 + 0 + ... = 2
0 1 1
+ n2
n1
1 1 0
(por ser v2 autovector generalizado asociado a 1 = 2, que verica (A 2I )2 v2 = 0 (k = 2 en la f ormula anterior) y ya que (A 2I )v2 = v1 ),
n1 An v3 = [1 I + (A 1 I )]n v3 = n (A 1 I )v3 + 1 v3 + n1 n(n1) n2 1 (A 2
1 I )2 v3 +
= 2
1 0 0
+ n2
n1
1/2 0 1/2
n(n1) n2 2 2
1/2 1/2 0
Matem aticas I.
159
(por ser v3 autovector generalizado de 1 = 2, que verica (A 2I )3 v3 = 0 (k = 3 en la f ormula anterior) y ya que (A 2I )v3 = 1/2 0 1/2 y (A 2I ) v3 =
2
1/2 1/2 0
N otese que si hubi eramos elegido una base formada por tres autovectores generalizados, {w 1 , w 2 , w 3 }, a partir de (A 2I )3 v = 0, tendr amos un = An u0 = An (1 w1 + 2 w2 + 3 w3 ) = 1 An w1 + 2 An w2 + 3 An w3 . Para obtener cada uno los tres t erminos An wi necesitar amos recurrir a una expresi on an aloga n a la obtenida para A v3 . De ah que, en general, sea recomendable construir la base de Rn formada por autovectores y autovectores generalizados de forma progresiva: resolviendo primero (A I )v = 0, despu es (A I )2 v = 0, despu es (A I )3 v = 0, etc. No obstante, puesto que en el caso anterior todo vector es un autovector generalizado (puesto que s olo hay 1 autovalor), calcular An u0 conlleva los mismos c alculos que obtener n A v3 . 5.3.2.- Sistemas lineales de ecuaciones diferenciales. Una primera advertencia que debemos hacer es que s olo vamos a considerar algunos aspectos manipulativos de un tipo particularmente simple de ecuaciones y sistemas de ecuaciones diferenciales. No vamos a considerar ni los problemas de la ciencia y la ingenier a que dan lugar a dichas ecuaciones (desintegraci on radiactiva, circuitos LCR, leyes de Newton del enfriamiento y del calentamiento, din amica de poblaciones, mezclas, reacciones qu micas,...) ni los conceptos f sicos (velocidad,...) o geom etricos (recta tangente a una curva,...) que pueden asociarse a una ecuaci on diferencial, ni las variantes m as simples que suelen asociarse a las ecuaciones y sistemas que consideraremos. El estudio de las ecuaciones diferenciales ser a uno de los t opicos esenciales en la asignatura Ampliaci on de Matem aticas de segundo curso. Una ecuaci on diferencial es una igualdad en la que aparece una inc ognita (que debemos obtener) con la particularidad de que esta inc ognita no es un n umero sino una funci on (real de una variable real) denida en un intervalo (nito o innito) y en la igualdad est an involucradas, adem as de la propia funci on inc ognita, una o varias de las derivadas de dicha funci on inc ognita. Siendo t la variable independiente, y (t) una funci on a determinar y f (t) una funci on dada, la igualdad y (t) = f (t) es una ecuaci on diferencial cuyas soluciones son las primitivas de la funci on f (t). Suponiendo que las primitivas est an denidas en toda la recta real, cuando jamos un punto (t0 , y0 ) del plano, s olo hay una de dichas primitivas cuya gr aca pase por dicho punto. La igualdad y (t) = y (t) es otra ecuaci on diferencial y sus soluciones son las funciones y (t) = ket siendo k una constante arbitraria. De entre estas soluciones, s olo hay una cuya gr aca pase por el punto (t0 , y0) (la que se obtiene con t0 k = y0 e ). Las ecuaciones diferenciales se suelen clasicar atendiendo en primer lugar a su orden, es decir, al mayor orden de derivaci on (de la funci on inc ognita) que aparece en la ecuaci on. Por ejemplo: Matem aticas I. 2010-2011
160
(a) y 2y = cos(t), yy = 0, (y )2 + y = 0 son ecuaciones de primer orden, (b) y = t2 3t, yy 2y = 3 son ecuaciones de segundo orden, (c) y = 0 es una ecuaci on de tercer orden, ... Un tipo especial (e importante) de ecuaciones diferenciales lo constituyen las llamadas ecuaciones diferenciales lineales. Se llama as a las ecuaciones diferenciales que resultan de igualar una combinaci on lineal de la funci on inc ognita y sus derivadas a una funci on dada, siendo los coecientes en dicha combinaci on lineal funciones de la variable independiente. Por ejemplo, la ecuaci on 2y ty + et y = t2 1
es una ecuaci on diferencial lineal de segundo orden (con coecientes no constantes). Notemos que la parte que afecta a la funci on inc ognita L(y ) := 2y ty + et y act ua de forma lineal sobre ella, es decir, siendo c1 y c2 constantes arbitrarias y siendo y1 (t) e y2 (t) funciones para las que L(y ) est a denida, se verica L(c1 y1 + c2 y2 ) = c1 L(y1 ) + c2 L(y2 ). Este hecho hace que la estructura del conjunto de soluciones de una ecuaci on diferencial lineal L(y ) = f (t) sea similar a la estructura del conjunto soluci on de un sistema de ecuaciones lineales Ax = b. Entre estas similitudes podemos destacar: (a) Una combinaci on lineal de soluciones de la ecuaci on homogenea asociada L(y ) = 0, es soluci on de dicha ecuaci on homog enea. (b) Al sumar una soluci on de la ecuaci on completa con una soluci on de la ecuaci on homog enea se obtiene una soluci on de la ecuaci on completa. (c) Al restar dos soluciones de la ecuaci on completa se obtiene una soluci on de la ecuaci on homog enea. (d) Si y1 es una soluci on de la ecuaci on L(y ) = f1 (t) e y2 es una soluci on de la ecuaci on L(y ) = f2 (t), entonces y1 + y2 es una soluci on de la ecuaci on L(y ) = f1 (t) + f2 (t). El enunciado (d) se suele denominar, en forma rimbombante (pero descriptiva), principio de superposici on. En forma reducida los enunciados (a), (b) y (c) nos dicen que manipular el conjunto soluci on de la ecuaci on homog enea L(y ) = 0 es an alogo a manipular un subespacio vectorial (que ser a de dimensi on igual al orden de la ecuaci on) y manipular el conjunto soluci on de la ecuaci on completa L(y ) = q (t) es an alogo a manipular una variedad af n (el conjunto soluci on de un sistema completo Ax = b), siendo el subespacio director el conjunto soluci on de la ecuaci on homog enea. Si tenemos una soluci on particular yp (t) de la ecuaci on completa, se verica que (al igual que para un sistema de ecuaciones lineales Ax = b que sea compatible) soluci on general de la ecuaci on completa Matem aticas I. = una soluci on particular de la ecuaci on completa + soluci on general de la ecuaci on homog enea
161
De entre las ecuaciones diferenciales lineales, cabe destacar las que tienen coecientes constantes, es decir, ecuaciones del tipo y 3y + 4y = f (t). Para este tipo de ecuaciones podremos dar una descripci on completa del conjunto soluci on de la ecuaci on homogenea asociada y 3y + 4y = 0 as como m etodos para abordar la ecuaci on completa. La ecuaci on lineal de primer orden. Se suele escribir en la forma y + p(t)y = q (t), donde p(t) y q (t) son funciones continuas en un intervalo I R. Para resolver la ecuaci on de primer orden vamos a proceder en dos etapas: (1) Resolver (obtener la soluci on general de) la ecuaci on homog enea asociada. y + p(t)y = 0 = y = p(t) yh (t) = ce y
p(t) dt
siendo c una constante real arbitraria. (2) Buscar una soluci on particular de la ecuaci on completa. Para buscar una soluci on particular de la ecuaci on completa vamos a usar un procedimiento debido a J.L. Lagrange y que se conoce como m etodo de variaci on de los par ametros. Esta t ecnica tambi en es aplicable para ecuaciones lineales de orden superior y para sistemas de ecuaciones. La idea consiste en buscar una soluci on de la ecuaci on completa que tenga la misma forma yh (t) = ce p(t) dt que la soluci on general de la ecuaci on homog enea asociada, pero sustituyendo la constante arbitraria c por una funci on c(t) que debemos determinar. Es decir, buscamos una soluci on de la forma yp (t) = c(t)e p(t) dt . Sustituyendo yp (t) en la ecuaci on y + p(t)y = q (t) nos queda q (t) = yp + p(t)yp = c (t)e = c (t)e Por tanto, siendo (t) = e dada por y (t) = yh (t) + yp (t) =
p(t) dt
p(t) dt
+ p(t)c(t)e c(t) =
p(t) dt
= dt
p(t) dt
p(t) dt
q (t)e
p(t) dt
p(t) dt
1 c + (t) (t)
q (t)(t) dt =
1 c+ (t)
q (t)(t) dt ,
(otro problema es obtener las primitivas que aparecen involucradas en la expresi on anterior). Matem aticas I. 2010-2011
162
Una vez que tenemos la soluci on general de la ecuaci on basta sustituir para obtener la soluci on de un Problema de valor inicial: calcular la soluci on de la ecuaci on cuya gr aca pasa por un determinado punto. Es decir, dado un punto t0 I , una soluci on del problema de valor inicial (tambi en conocido como problema de Cauchy ) en t0 , y + p(t)y = q (t) y (t0) = y0 es una funci on y = y (t) derivable en I que verica las dos condiciones. Teor a general de los sistemas lineales. La teor a y las t ecnicas de resoluci on de los sistemas de ecuaciones diferenciales lineales con coecientes constantes corre paralela a la de las ecuaciones diferenciales lineales. En el ep grafe siguiente estudiaremos las ecuaciones diferenciales lineales de segundo orden como caso particular. Por comodidad y econom a de tiempo, nos restringiremos al caso de los sistemas de dos ecuaciones, las ideas esenciales son trasladables al caso general. Deniciones Un sistema lineal plano con coecientes constantes es un sistema de ecuaciones diferenciales de la forma y1 = a11 y1 + a12 y2 + f1 (t) y2 = a21 y1 + a22 y2 + f2 (t) en el que A = [aij ] es una matriz de n umeros reales cuadrada de orden 2 que se llama matriz de los coecientes y f1 , f2 : [a, b] R son funciones continuas dadas. Se dice que el sistema es homog eneo cuando las dos funciones f1 y f2 son iguales a la funci on cero. Una soluci on de dicho sistema es un par y1 e y2 de funciones derivables tales que para cada t [a, b] se verica y1 (t) = a11 y1 (t) + a12 y2 (t) + f1 (t) y2 (t) = a21 y1 (t) + a22 y2 (t) + f2 (t). Si introducimos las funciones vectoriales y, f : [a, b] R2 dadas por y (t) = y1 (t) y2 (t) y f (t) = f1 (t) f2 (t) ,
el sistema se escribe de forma abreviada como y (t) = Ay (t)+ f (t). La estructura es la misma que la de una ecuaci on lineal de primer orden. De hecho, la teor a de los sistemas lineales es, como cabe esperar, una extensi on de las teor as de las ecuaciones lineales de primer orden. Esto se pone de maniesto en los siguientes resultados. Teorema. Teorema de existencia y unicidad: Sean A = [aij ] una matriz cuadrada de orden 2 y f : [a, b] R2 una funci on vectorial continua. Dados un punto t0 [a, b] y un vector 2 y0 R , entonces el problema de valor inicial y (t) = Ay (t) + f (t) y (t0 ) = y0 tiene soluci on u nica en [a, b]. Matem aticas I. Ingenier as: Aeroespacial, Civil y Qu mica
163
Este teorema nos dice, por ejemplo, que la soluci on general de un sistema lineal plano depender a de dos constantes que pueden determinarse jando el valor de cada una de las componentes de la funci on vectorial y (t) en un punto dado t0 . Teorema. Estructura de las soluciones de un sistema lineal: Sea A = aij una matriz cuadrada de orden 2, sea f : [a, b] R2 una funci on vectorial continua y consideremos el sistema lineal y (t) = Ay (t) + f (t). Entonces se verican: (1) Las soluciones del sistema homog eneo asociado y (t) = Ay (t) forman un espacio vectorial de dimensi on 2. En particular, si y (1) (t), y (2) (t) es una base de soluciones del sistema homog eneo, entonces se dice que la funci on matricial formada columna a columna por estas soluciones Y (t) = y (1) (t) y (2) (t) es una matriz fundamental de soluciones del sistema y = Ay . Observemos que esta matriz verica Y (t) = AY (t). Una vez que tenemos una matriz fundamental de soluciones, la soluci on general del sistema homog eneo es y (t) = Y (t)c, donde c R2 es un vector de constantes arbitrarias. (2) Si y (p) (t) es una soluci on particular del sistema completo y (t) = Ay (t) + f (t), entonces la soluci on general del sistema completo es y (t) = Y (t)c + y (p) (t) = c1 y (1) (t) + c2 y (2) (t) + y (p) (t), siendo Y (t) = y (1) (t) y (2) (t) una matriz fundamental de soluciones del sistema homog eneo asociado y c R2 un vector de constantes arbitrarias. Sistemas homog eneos con coecientes constantes. De acuerdo con lo que acabamos de ver, para resolver un sistema lineal y (t) = Ay (t) + f (t), debemos hallar una matriz fundamental de soluciones del sistema homog eneo asociado y una soluci on particular del sistema completo. Empezaremos estudiando c omo se calculan las soluciones de un sistema homog eneo y = Ay ; luego veremos m etodos para resolver el sistema completo. Podemos utilizar la soluci on general de la ecuaci on diferencial y = ay como gu a para resolver un sistema y = Ay . Teniendo en cuenta que las soluciones de la ecuaci on y = ay son de la forma y (t) = ceat no es descabellado buscar soluciones del sistema y (t) = Ay (t) de la forma y (t) = et v siendo v un vector constante (independiente de t). Puesto que en dicho caso y (t) = et v , sustituyendo tenemos et v = Aet v Av = v. Por tanto, y (t) = et v es soluci on de y = Ay Matem aticas I. es un autovalor de A y v es un autovector de A asociado a .
2010-2011
164
Notemos que si v1 y v2 son dos autovectores de A lineamente independientes asociados respectivamente a dos autovalores 1 y 2 , entonces las soluciones y (1) (t) = e1 t v1 , y (2) (t) = e2 t v2
son linealmente independientes, al margen de que 1 y 2 sean iguales o distintos. Qu e sucede si la multiplicidad geom etrica de un autovalor es menor que la algebraica? Hay que recurrir a los autovectores generalizados. Qu e sucede con los autovalores y autovectores complejos no-reales? Para tener soluciones reales hay que separar la parte real y la parte imaginaria de las soluciones complejas que obtengamos. Para un sistema de dimensi on 2 podemos distinguir cuatro casos. Teorema. Sea A una matriz real 2 2 y consideremos el sistema y = Ay . (1) Autovalores reales y distintos. Supongamos que A tiene dos autovalores reales y distintos y . Sea u un autovector asociado a y sea v un autovector asociado a . Entonces las funciones vectoriales y (1) (t) = et u e y (2) (t) = et v son soluciones linealmente independientes del sistema y = Ay . En consecuencia, la soluci on general de dicho sistema viene dada por y (t) = c1 y (1) (t) + c2 y (2) (t) = c1 et u + c2 et v. (2) Autovalor real doble y no defectivo. Supongamos que A tiene un autovalor real doble que no es defectivo; es decir, que admite dos autovectores linealmente independientes u y v . Entonces y (1) (t) = et u e y (2) (t) = et v son soluciones linealmente independientes del sistema y = Ay . En consecuencia, la soluci on general de dicho sistema viene dada por y (t) = c1 y (1) (t) + c2 y (2) (t) = c1 et u + c2 et v.
Observaci on. Si una matriz cuadrada de orden 2 tiene un autovalor real doble y no defectivo, entonces la matriz es diagonalizable y, autom aticamente, diagonal. En ese caso, el sistema lineal correspondiente no es propiamente un sistema sino, m as bien, dos ecuaciones separadas. Si hemos descrito el procedimiento de resoluci on de forma tan general es porque sigue siendo v alido para matrices de orden mayor, que pueden tener autovalores dobles, triples, etc., no defectivos sin ser diagonales.
(3) Autovalor real doble y defectivo. Supongamos que A tiene un autovalor real doble que s es defectivo; es decir, que admite s olamente un autovector linealmente inde(1) t pendiente u. Entonces y (t) = e u es una soluci on del sistema y = Ay . Para buscar una segunda soluci on y (2) (t) que sea linealmente independiente de la anterior, hacemos lo siguiente. Sea v un vector linealmente independiente del autovector u. Entonces y (2) (t) = et [I + (A I )t] v Matem aticas I. Ingenier as: Aeroespacial, Civil y Qu mica
165
es una soluci on del sistema homog eneo y = Ay independiente de y (1) (t). En consecuencia, la soluci on general de dicho sistema viene dada por y (t) = c1 y (1) (t) + c2 y (2) (t) = c1 et u + c2 et [I + (A I )t] v.
Observaci on. Este procedimiento de resoluci on no es v alido, tal y como se ha descrito, para matrices de orden mayor que tengan autovalores dobles defectivos. La manera de trasladarlo al caso general es la siguiente: el vector v que se toma para construir y (2) no puede ser cualquier vector linealmente independiente del autovector u, debe ser un autovector generalizado; es decir, un vector v tal que (A I )2 v = 0. Lo que ocurre con una matriz de orden dos que tiene un autovalor doble defectivo es que, autom aticamente, (A I )2 = 0 y todos los vectores son autovectores generalizados.
(4) Autovalores complejos distintos. Supongamos que u = v + iw , donde i = 1 es la unidad imaginaria, es un autovector complejo de A asociado al autovalor complejo = + i ( = 0). Entonces y (1) (t) = Re et u = et [v cos( t) w sen( t)] y (2) (t) = Im et u = et [v sen( t) + w cos( t)] son soluciones linealmente independientes del sistema y = Ay . En consecuencia, la soluci on general de dicho sistema viene dada por y (t) = c1 y (1) (t) + c2 y (2) (t) = c1 Re et u + c2 Im et u . Para un sistema lineal de ecuaciones diferenciales con coecientes constantes y (t) = Ay (t) + f (t) siendo A una matriz real m m y f : [a, b] Rm una funci on vectorial continua, podemos decir lo mismo que hemos visto para un sistema de dimensi on 2 en lo que se reere a la estructura de la soluci on general del sistema homog eneo asociado y (t) = Ay (t), la relaci on entre la soluci on general del sistema completo y la del sistema homog eneo, el teorema de existencia y unicidad del problema de valor inicial asociado... En lo que se reere a soluciones asociadas a autovalores y autovectores tenemos los resultados siguientes. Teorema. Sea A una matriz real m m, (a1) Si v es un autovector de A asociado a un autovalor , entonces y (t) = et v es una soluci on (real o compleja) del sistema y = Ay . (a2) Si A es diagonalizable y {v1 , , vm } es un conjunto de m autovectores linealmente independientes, asociados respectivamente a los autovalores 1 , . . . , m (iguales o distintos, reales o complejos), entonces y1 (t) = e1 t v1 , . . . , ym (t) = em t vm son m soluciones linealmente independientes del sistema y = Ay . En el caso de autovalores/autovectores complejos no-reales bastar a sustituir la pareja de soluciones comt t plejas e v, e v por la pareja formada por su parte real e imaginaria. Matem aticas I. 2010-2011
166
es una soluci on (real o compleja) del sistema y = Ay . Notemos que, puesto que u es un autovector generalizado de A asociado a , se verica que (A I )k u = para un cierto valor de k en adelante y, por tanto, en la suma anterior bastar a con considerar una cantidad nita de sumandos (que a lo sumo ser a la multiplicidad algebraica de ). (c) Si y (t) es una soluci on compleja del sistema y = Ay , entonces su parte real y su parte imaginaria son soluciones de dicho sistema. Observaci on. Una forma habitual de dar la soluci on general de un sistema homog eneo y = Ay utiliza la denominada exponencial de una matriz. Si denimos la exponencial de una matriz cuadrada A mediante e =
A
1 n 1 1 A = I + A + A2 + A3 + 2! 3! n=0 n!
entonces, se verica que eA es una matriz no-singular (independientemente de A) y su inversa es la que tiene que ser (analog a con la funci on exponencial real, y con la compleja), eA = (1)n n 1 1 A = I A + A2 A3 + n! 2! 3! n=0
De esta forma, para cualquier vector v Rm , podemos considerar la funci on y (t) = eAt v que verica que y = Ay puesto que d At e v dt = = d dt A+ I + At + 1 22 A t + v = 2!
1 2 1 1 A 2t + A3 3t2 + v = A I + At + A2 t2 + v = AeAt v. 2! 3! 2!
Por tanto y (t) = eAt v, v Rm es la soluci on general de y = Ay (las columnas de eAt son soluciones linealmente independientes, eAt es una matriz fundamental de soluciones). En general, para calcular de manera efectiva la exponencial eA de una matriz A, hay que recurrir al c alculo de autovalores y autovectores. En la situaci on m as simple, cuando A es diagonalizable, si P es una matriz de paso que diagonaliza A, P 1AP = D = A = P DP 1 = An = P D n P 1 = e1 0 . . . 0 0 e2 . . . 0 . . . .. . . . . . . . m 0 0 ... e
eA = P eD P 1 = P
P 1 .
Matem aticas I.
5.4.- Ejercicios.
167
5.4.- Ejercicios.
Ejercicio 1. (1) Determina la matriz de la simetr a respecto al plano x + y z = 0. (2) Determina la matriz de la proyecci on ortogonal sobre la recta r x + y z = 0, x y + 2z = 0.
(a) Calcula A de forma que (2, 0, 1)T sea un autovector cuyo autovalor correspondiente es = 1. (b) Halla los dem as autovalores y autovectores.
Ejercicio 3. Determina los valores del par ametro para los que es diagonalizable cada una de las siguientes matrices, A= 1 0 0 a 1 0 1 1 2 , B= 0 2 0 1 3 0 +2 1 , C= 0 1 2 3 0 0 1 .
(a) Calcula los valores de para los que A es diagonalizable. (b) Para dichos valores de , calcula los autovalores y los autovectores de A1 . (c) Para dichos valores de , calcula An , n = 1, 2, .
Matem aticas I.
2010-2011
168
Ejercicio 5. Estudia la diagonalizabilidad de las siguientes matrices en funci on de los par ametros que aparecen. a+3 b 1 0 a 0 2 a 1 c a+1 5 0 0 0 1 b 3 0 a 1 0 a 1 b d c e 0 0 1 f 0 0 0 1
A=
B=
C=
Ejercicio 6. Calcula bases de R3 formadas por autovectores y autovectores generalizados de las siguientes matrices: A= 4 1 1 1 3 1 0 1 1 , B= 0 1 0 0 0 1 2 5 4 .
Ejercicio 7. Determina la matriz de la transformaci on lineal T : x R2 T (x) = Ax 2 R respecto de la base B = {v1 , v2 } siendo A= 1 1 1 3 , v1 = 1 1 , v2 = 5 4 .
(a) Halla A sabiendo que f (S1 ) = S2 , donde S1 x1 x2 = 0 x3 + x4 = 0 y S2 = Gen {(1, 2, 1, 1)T , (0, 3, 1, 2)T }.
(b) Prueba que A no es diagonalizable. (c) Halla una base de R4 formada por autovectores y autovectores generalizados.
Ejercicio 9. Demuestra: (a) Si es un autovalor de una matriz cuadrada A, la multiplicidad geom etrica de como T autovalor de A y como autovalor de A es la misma. (b) Si A es una matriz cuadrada diagonalizable con un u nico autovalor (m ultiple) entonces A es una matriz diagonal. Matem aticas I. Ingenier as: Aeroespacial, Civil y Qu mica
5.4.- Ejercicios.
169
(c) Sea A una matriz diagonalizable y sea P tal que P 1 AP es diagonal. Demuestra que A2 y AT son diagonalizables y calcula matrices de paso que las diagonalicen. Ejercicio 10. Sea A la matriz 1 1 0 2 a1 1 0 a 0 1 0 0 2 a 0 a
A=
a R.
(a) Determina los valores de a para los que A es diagonalizable. (b) Para a = 1, diagonaliza la matriz A y calcula An , n = 1, 2, . . . Es v alido el resultado para n = 1, 2, . . . ? Justica la respuesta. (c) Para a = 1, diagonaliza cada una de las matrices siguientes: A5 , A 7I, AT . Ejercicio 11. Sea B = {b1 , b2 , b3 } una base de R3 y consideremos la matriz A denida por las siguientes condiciones, Ab1 = b1 , Ab2 = b3 y Ab3 = b2 .
(a) Comprueba que la matriz A est a bien denida. (b) Calcula los autovalores de A. (c) Calcula los autovectores de A expresados en funci on de la base B considerada y demuestra que A es diagonalizable. Ejercicio 12. Calcula la matriz eA = para las matrices A1 = 1 1 2 0 2 1 0 0 3 y A2 = 0 2 1 0 0 3 0 0 0 . An 1 1 = I + A + A2 + An + 2! n! n=0 n!
un = Aun1 u0 .
siendo
A=
u0 =
Matem aticas I.
2010-2011
170
Ejercicio 14. Resuelve el sistema de ecuaciones diferenciales y = Ay para las siguientes matrices A: (1) 1 1 4 1 , 1 1 2 3 , . 1 2 2 1 , 1 1 0 1 , ,
(2)
1 1 4 3 2 1 2 1 1 1 1 0 1 2 1 0 1 1
5 4 2 4 5 2 2 2 8 , 1 3 2 0 1 0 0 1 2
1 1 0 1 2 1 2 1 1 , 1 0 2 0 1 0 1 1 1
(3)
. y = Ay y (0) = y0
Ejercicio 15. Resuelve el problema de valor inicial trices A y valores iniciales y0 : (1) A = 0 1 5 2 , y0 = 0 . 2 1 2 1 1 4 . 1 .
(2) A =
3 1 1 1 3 1 3 3 1 3 2 4 2 0 2 4 2 3
, y0 =
(3) A =
, y0 =
Matem aticas I.
171
Matem aticas I.
2010-2011