II.1 Definiciones y teoría básicas Si una matriz tiene m renglones y n columnas, su tamaño es de m por n (se escribe m x n). Una matriz de n x n se llama matriz cuadrada de orden n. El término aij representa el elemento del i-ésimo renglón y la j-ésima columna de una matriz A de m x n; con ello, una matriz A de m x n se escribe en la forma A = (UU), x n, o simplemente A = (a& Una matriz de 1 x 1 es sólo una constante o función. h x= ilbjzl =(b ) Matriz columna Una matriz columna X es cualquier matiz can n rcq$mtix3 y una columna: .il nxi- i lL AP-4 Apéndice II Introducción a las matrices AP..5 Una matriz columna se llama también vector columna o simplemente vector. Al respecto es de notar que para toda matriz A, el producto kA es igual al producto Ak; por ejemplo, En otras palabras, para sumar dos matrices del mismo tamaño, se suman los elementos correspondientes. Suma de matrices La suma de Ap-6 APÉNDICE II INTRODUCCIÓN A LAS MATRICES Matriz expresada en forma de suma de matrices columna La matriz única se puede expresar como la suma de tres vectores columna: / La diferencia de dos matrices de m x n se define en la forma acostumbrada: A - B = A + (-B), en donde -B = (-l)B. Obsérvese con detenimiento la definici6n 11.6, en donde sc510 se define el producto AB = C cuando el número de columnas en la matriz A es igual al número de renglones en B. El tamaño del producto se puede determinar con Amxn Bnxp = C lllxp. t 4 El lector también reconocerá que los elementos de, por ejemplo, el i-ésimo renglón de la matriz producto AB se forman aplicando la definición en componentes del producto interior, o producto punto, del i-ésimo renglón de A por cada una de las columnas de B. Apéndice II Introducción a las matrices AP-7 Multiplicación de matrices a)Si*=(: z)yB=(S -i), 4.(-2)+7.8 3.(-2)+5.8 3.9+5.6 )( = 78 48 57 34 1 .(-3)+0.0 = -4 2.(-3)+7.0 6 5.(-3)+8.0 lí-4 5.(++8,2 -3 . -6 -15 1 n En general, la multiplicación de matrices no es conmutativa; esto es, AB #BA. En la parte 30 53 a) del ejemplo 4 obsérvese que BA = 48 82 , mientras que en la parte b) el producto BA no t 1 está definido porque en la definición II.6 se pide que la primera matriz, en este caso B, tenga el mismo numero de columnas que renglones tenga la segunda. Nos interesa mucho el producto de una matriz cuadrada por un vector columna. Multiplicación de matrices Identidad multiplicativa Para un entero positivo n, la matriz de n x n 1= I: ;1 s0 1 0 0 1 000 “. 0 0i ... .” es la matriz identidad multiplicativa. Según la Definición 11.6, para toda matriz A de n x n, AI=IA=A. También se comprueba con facilidad que si X es una matriz columna de n x 1, entonces IX = X. AP-8 APÉNDICE II INTRODUCCIÓN A LAS MATRICES Matriz cero Una matriz formada sólo por elementos cero se llama matriz cero y se representa con 0; por ejemplo, y así sucesivamente. Si A y 0 son matrices de m x n, entonces A+O=O+A=A. Propiedad asociativa Aunque no lo demostraremos, la multiplicación matricial es asociativa. Si A es una matriz de m xp, B una matriz dep x r y C una matriz de r x n, entonces A(BC) = (AB)C es una matriz de m x n. Propiedad distributiva Si todos los productos están definidos, la multiplicación es distributiva respecto a la suma: A(B+C)=AB+AC y (B+C)A=BA+CA. Determinante de una matriz Con toda matriz cuadrada A de constantes, hay un número asociado llamado determinante de la matriz que se representa mediante det A. Determinante de una matriz cuadrada , se desarrolla det A por cofactores del primer renglón: det A = 3 6 2 2 5 1 -1 2 4 =3(20-2)-6(8+ 1)+2(4+5)= 18 Es posible demostrar que un determinante, det A, se puede desarrollar por cofactores usando cualquier renglón o columna. Si det A tiene un renglón (o columna) con muchos elementos cero, por nuestra comodidad debemos desarrollar ese determinante por ese renglón (o columna). Apéndice II Introducción a las matrices AP-9 Transpuesta de una matriz b) Si X = 05 3 0 , entonces XT= ( 5 0 3). Sea A Una matriz de n x n. Si det A ñe 0, $e dice que A es IBO sUrgulw, A es singdw. n Si det A = 0, entcmces El siguiente teorema especifica una condición necesaria y suficiente para que una matriz cuadrada tenga inversa multiplicativa. Ap-10 APÉNDICE II INTRODUCCIÓN A LAS MATRICES El teorema que sigue describe un método para hallar la inversa multiplicativa de una matriz no singular. Cada Cu en el teorema II.2 es tan sólo el cofactor (o menor con signo), del elemento aij correspondiente en A. Obsérvese que en la fórmula (2) se utiliza la transpuesta. En lo que sigue, obsérvese que en el caso de una matriz no singular de 2 x 2 Para una matriz no singular de 3 x 3, C13= l a21 &2 a31 a32 l ’ etcétera. Trasponemos y llegamos a Cl1 C21 C 3 1 Cl2 C22 Cl3 C23 C 3 3 C32 Inverso de una matriz de 2 x 2 Determine la inversa multiplicativa de A = SOLUCIÓN Como det A = 10 - 8 = 2 # 0, A es no singular.; por el teorema II. 1, A-’ existe. De acuerdo con (3), A-l=+ ;)=(-; -;). (4) Aphdice II Intraduccibn a las matrices 2 No toda matriz cuadrada tiene inversa multinlicativa. La matriz A = f , porque det A = 0; por consiguiente, A-’ no existe: m AP-11 2 2 I es singular Inversa de una matriz de 3 x 3 . Puesto que det A = 12 # 0, la matriz dada es no singular. Los cofactores coSOLUCIÓN rrespondientes a los elementos de cada renglón de det A son De acuerdo con (4), Pedimos al lector que compruebe que A-IA = AA-’ = 1. n La fórmula (2) presenta dificultades obvias cuando las matrices no singulares son mayores de 3 x 3; por ejemplo, para aplicarla auna matriz de 4 x 4, necesitaríamos calcular dieciséis determinantes de 3 x 3.* Cuando una matriz es grande, hay métodos mas eficientes para hallar A-‘. El interesado puede consultar cualquier libro de álgebra lineal. Como nuestra meta es aplicar el concepto de una .matriz a sistemas de ecuaciones diferenciales lineales de primer orden, necesitaremos estas definiciones: *Hablan& con propiedad, un determinante es un número, pero a veces conviene manejarlo como si fuera un arreglo. /ll’-12 APÉNDICE II INTRODUCCIbN A LAS MATRICES : p ,(,2:s2;,: Intqral de una matríz de hrnciones !, r&:l 3 ‘S1S,:!‘i( (,i‘r ‘, S/I : > i.“~.:>: r;,:‘, / :,‘,’ Si A(f) = (u&))~ x n es una matriz cuyos elementos son funciones continuas en un intervale~~ que contiene a t y a te, entonces Para derivar o integrar una matriz de funciones, tan solo se deriva o integra cada uno de sus elementos. La derivada de una matriz también se representa con A’(t). Derivada o integral de una matriz Si d ; sen 2t sen2t x(t) =i 2 j , 1 I 8t- J Y entonces d 3t dte $8*-1) t X(s) ds = I0 X’(t) = ,ó sen 2s ds I,’ e3’ ds :,‘(%- 1)ds II.2 Eliminaciones de Gauss y de Gauss-Jordan Las matrices son una ayuda insustituible para resolver sistemas algebraicos de n ecuaciones lineales con n incógnitas UllXl + ap$c2 + . . . + alfin = bl u2lxl + a22x2 + +. . + az,,x,, = b2 (5) u,,lxl + a,,2x2 + . . . + a,,,,x,, = b,. Si A representa la matriz de los coeficientes en (5), sabemos que se puede usar la regla de Cramer para resolver el sistema, siempre que det A # 0. Sin embargo, para seguir esta regla se necesita un trabajo hercúleo si A es mayor de 3 x 3. El procedimiento que describiremos tiene la ventaja de no solo ser un método eficiente para manejar sistemas grandes, sino tambien un método para resolver sistemas consistentes como las ecuaciones (5) en que det A = 0 y un método para resolver m ecuaciones lineales con n incógnitas. Apéndice II Introducción a las matrices LU’-13 Si B es la matriz columna de las bi, i = 1,2, . . ., n, La matriz aumentada de (5) se expresa como (A 1B). Operaciones elementales de renglón Se sabe que podemos transformar un sistema algebraico de ecuaciones en un sistema equivalente (es decir, un sistema que tiene la misma solución) multiplicando una ecuación por una constante distinta de cero, intercambiando el orden de dos ecuaciones cualesquiera del sistema y sumando un múltiplo constante de una ecuación a otra de las ecuaciones. A su vez, estas operaciones sobre un sistema de ecuaciones son equivalentes a las operaciones elementales de renglón en una matriz aumentada: i ) Multiplicación de un renglón por una constante distinta de cero ii) Intercambio de dos renglones cualesquiera iii) Suma de un múltiplo constante, distinto de cero, de un renglón a cualquier otro renglón Métodos de eliminación Para resolver un sistema como el (5) con una matriz aumentada, se emplea la eliminación de Gauss o bien el método de eliminación de Gauss-Jordan. Con el primero se efectúa una sucesión de operaciones elementales de renglón hasta llegar a una matriz aumentada que tenga la forma de renglón-escalón: i) El primer elemento distinto de cero en un renglón no cero es 1 ii) En los renglones consecutivos distintos de cero, el primer elemento 1 en el renglon inferior aparece a la derecha del primer 1 en el renglón superior iii) Los renglones formados únicamente por ceros están en la parte inferior de la matriz En el método de Gauss-Jordan, se continúa con las operaciones de renglón hasta obtener una matriz aumentada que esté en la forma reducida de renglón-escalón. Una matriz reducida de renglón-escalón tiene las mismas tres propiedades de arriba, además de la siguiente: iv) Una columna que contiene un primer elemento 1 tiene ceros en todos sus demás lugares Forma de renglón-escalón y reducida de renghescah a) Las matrices aumentadas 2 -1 1 0 Y (001-62 0 0 0 0 1 112 4 M-14 APÉNDICE II INTRODUCCIÓN A LAS MATRICES están en su forma renglón-escalón. El lector debe comprobar que se satisfacen los tres criterios. b) Las matrices aumentadas están en su forma reducida de renglón-escalón. Obsérvese que los elementos restantes son cero en las columnas que tienen un 1 como primer elemento. n En la eliminacion de Gauss nos detenemos una vez obtenida una matriz aumentada en su forma rengón-escalón. En otras palabras, al emplear operaciones de renglón en distintos órdenes podemos llegar a formas distintas de renglón-escalón; por consiguiente, para este metodo se requiere restituir. En la eliminación de Gauss-Jordan uno se detiene cuando ha llegado ‘a la matriz aumentada en su forma reducida de renglón-escalón. Cualquier orden de operaciones de renglón conduce a la misma matriz aumentada en su forma reducida de renglón-escalón. Para este método no se necesita restitución; la solución del sistema se conocerá por inspección de la matriz final. En términos de las ecuaciones del sistema original, nuestra meta en ambos metodos es igualar a 1 el coeficiente de XI en la primera ecuacion,* para luego emplear múltiplos de esa ecuación y eliminar a xt de las demás. El proceso se repite con las demás variables. Para mantener el registro de las operaciones de renglón que realizaron a cabo en una matriz aumentada, se utilizará la siguiente notación: Simbolo Significado R1, Intercambio de los renglones i yj CRi Multiplicación del i-6simo renglón por la wnstante CRi + Rj Multiplicación del i-6simo renglón por c y suma del resultado al j-6simo renglón c, distinta de cero Solución por eliminación Resuelva 2~1+ 6x2 + ~3 = 7 x1 + 2x2 - x3 = -1 5x1+7x2-4x3=9 empleando a) eliminación de Gauss y b) eliminaci&r de Gauss-Jordan SOUJCl6N a) Efectuamos operaciones de renglón en la matriz aumentada del sistema para obtener *Siempre se pueden intercambiar ecuaciones, de tal modo que la primera ecuación contenga a la variable xI. Apéndice II Introducción a las matrices AP-15 La última matriz está en su forma renglón-escalón y representa al sistema Xl + 2x2 - x3 = -1 3 9 x2 + - x3 = 2 2 x3 = 5. Al sustituir xg = 5 en la segunda ecuación se obtiene x2 = -3. Al sustituir ambos valores en la primera ecuación se obtiene XI = 10. b) Comenzamos con la última de las matrices anteriores. Puesto que los primeros elementos en el segundo y tercer renglón son 1, debemos hacer que los elementos restantes en las columnas dos y tres sean cero: La última matriz ya se encuentra en su forma reducida de renglón-escalón. Por el significado de esta matriz en términos de las ecuaciones que representa, se ve que la solución del sistema es XI = 10, x2 = - 3 y x3 = 5. ’ 0 m Resuelva Eliminación de Gauss-Jordan 9 x+3y-2z=-7 4x+ y+32=5 2x - 5y + 72 SOLUCIÓN I = 19. Resolveremos este sistema con la eliminación de Gauss-Jordan: AP-16 APÉNDICE II INTRODUCCIdN A LAS MATRICES En este caso, la ultima matriz en su forma reducida de renglón-escalón implica que el sistema original de tres ecuaciones con tres incógnitas equivale a uno de dos ecuaciones con tres incógnitas. Dado que sólo z es común a ambas ecuaciones (los renglones no cero), podremos asignarle valores arbitrarios. Si hacemos que z = t, donde r representa cualquier mímero real, vemos que el sistema tiene una cantidad inñnita de soluciones: x = 2 - t, y = -3 + t, z = t. Geom&ricamente, éstas son las ecuaciones param&ricas de la línea de intersección de los planosx+Oy+z=2yOx+y-z=-3. n II.3 El problema de los valores propios La eliminación de Gauss-Jordan sirve para hallar los vectores propios (eigenvectores) de una matriz cuadrada. vabres propios y veccilr8;r prapios Sea A una matriz de n x n. Se dice que un número X es un vaior propio de A si existe un, vector solución K, no cero, del sistema lineal El termino híbrido eigenvulor se usa como traduccion de la palabra alemana eigenwerf que significa ‘Lvalor propio.” A los valores propios y vectores propios se les llama también valores característicos y vectores característicos, respectivamente. Vector propio de una matriz Compruebe que K = SOLUCIÓN es un vector propio de la matriz Al multiplicar AK valor propio A K = [-; -; -;)[-i)= F]= (-2) [-i)= (-2jK. De acuerdo con la definición II.3 y lo que acabamos de decir, X = -2 es un valor propio de A. n Apéndice II Introducción a las matrices AP-17 Si aplicamos las propiedades del álgebra de matrices, podemos expresar la ecuación (6) en la forma alternativa (A - XI)K = 0, (7) en que 1 es la identidad multiplicativa. Si definimos la ecuación (7) equivale a q2kz + . . . + alnk,, = 0 azlk, + (~22 - X)k2 +. . . + u2,,k,, = 0 (~1 - WI + (8) anlh + u,,2k2 + . . + (un,, - X)k, = 0. Aunque una solución obvia de (8) es kl = 0, k2 = 0, . . ., k, = 0, solo nos interesan las soluciones no-triviales. Se sabe que un sistema homogeneo de n ecuaciones lineales con n incógnitas [esto es,bi=O, i= 1,2,. . ., n en (5)] tiene una solución no trivial si y sólo si, el determinante de la matriz de coeficientes es igual a cero. Así, para hallar una solución K distinta de cero de la ecuación (7) se debe cumplir det(A - XI) = 0. (9) Al examinar (8) se ve que el desarrollo del det(A - XI) por cofactores da un polinomio de grado n en X. La ecuación (9) se llama ecuación característica de A. Así, los valores propios de A son las raíces de la ecuación característica. Para hallar un vector propio que corresponda al valor propio X, se resuelve el sistema de ecuaciones (A - XI) K = 0, aplicando la eliminación de Gauss-Jordan a la matriz aumentada (A - XI ] 0). Valores propios y vectores propios Determine los valores y vectores propios de A = 1 1 1 2 1 6 -1 0 . -1 -2 -1 SOLUCIÓN Para desarrollar el determinante y formar la ecuación característica usamos los cofactores del segundo renglón: det(A - XI) = l-X 6 -1 2 -l-X -2 1 0 -1 -x =-x3--x2+ 12x=o. Puesto que -X3 - X2 + 12X = -X(X + 4)(X - 3) = 0, los valores propios son Xt = 0, XZ = -4 y Xs = 3. Para hallar los vectores propios debemos reducir tres veces (A - XI ( 0), lo cual corresponde a los tres valores propios distintos. m-18 APÉNDICE II INTRODUCCIÓN A LAS MATRICES Para XI = 0, < 4 Entonces, kl = - $3 y k2 = - $3. Si k3 es -13, obtenemos el vector propio* Si X2 = 4, (A+,,,,=[-; 2::: 1 I; ; i] -i -i $: k !]zl ; ; J ; -4R::: -; 1 i] ; Bi 0 0 0 esto es, kl = -k3 y k2 = 2k3. Con la opción k3 = 1 se obtiene el segundo vector propio -1 K2= 2 . 1 (1 Por último, cuando XJ = 3, la eliminación de Gauss-Jordan da (&3I,())f I; (j ~]“!?%!t!!.~ 1 i !] y así k1 = -k3 y k2 = - ik3. La opción k3 = -2 conduce al tercer vector propio: (1 2 K3= 3 -2 . *Naturalmente, k3 pudo ser cualquier número distinto de cero; en otras palabras, un múltiplo constante distinto de cero de un vector propio tambih es un vector propio. Apéndice II Introducción a las matrices AP-19 Cuando una matriz A de n x n tiene n valores propios distintos, Xr , Xz, . . . , &,, se demuestra que se puede determinar un conjunto de n vectores propios independientes* Kl, K2, . . ., &; sin embargo, cuando la ecuación característica tiene raíces repetidas, quizá no sea posible hallar n vectores propios de A linealmente independientes. Valores propios y vectores propios Determine los valores y vectores propios de A = -1 7 . “‘)l I SOLUCIÓN Partimos de la ecuación característica det(A-XI)= 131: 7!x 1 =(X-5)2=0 y vemos que Xr = Xz = 5 es un valor propio de multiplicidad dos. En el caso de una matriz de 2 x 2, no se necesita la eliminación de Gauss-Jordan. Para determinar el o los vectores propios que corresponden a Xt = 5, recurriremos al sistema (A - 5110), en su forma equivalente -2k, + 4k2 = 0 -k, + 2k2 = 0. De aquí se deduce que kl = 2kz. Así, si escogemos k2 = 1, llegamos a un solo vector propio: Valores propios y vectores propios . SOLUCIÓN La ecuación característica det(A - XI) = 9-x -1 1 1 9-x 1 1 1 9-x =( x-ll)(X-8)2=0 indica que Xt = ll y que X2 = Xs = 8 es un valor propio de multiplicidad dos. Si XI = ll, la eliminación de Gauss-Jordan da *La independencia lineal de los vectores columna se define igual que la de las funciones. AP-20 APÉNDICE Il INTRODUCCIÓN A LAS MATRICES Por consiguiente, KI = k3 y kz = k3. Si k3 = 1, Cuando X, = 8, En la ecuación kl + k2 + k3 = 0 podemos dar valores arbitrarios a dos de las variables. Si por una parte optamos por kz = 1 y k3 = 0 y, por otra k2 = 0 y k3 = 1, obtenemos dos vectores propios linealmente independientes: Las respuestas a los problemas de ntintero impar comienzan en la págiina R-24. - Il.1 a)A+B Z.SiA=l a)A-B LSiA=(-z b)B-A :]y~=[-i b)B-A b) BA a) AB b) BA a) BC :],determine c) 2(A + B) -i)yB=(-: 2),determine a) AB ,.SiA=(-i c)2A+3B c)A’=AA -i),B=(z b) NBC) d) B2 = BB :)yC=l cl WA) i),determine d) A(B + C) Apéndice 6.SiA=(5 - 6 a) AB b) BA 7),B=[-i)yC=b c) (WC II Introducción a las matrices AP-2 1 5 -i],determine d) (WC 4 7. Si A = í 8 y B = (2 4 5), determine -10 a) ATA 8.SiA=(i a)A+BT !kSiA=(8 a) (AWT ,&SiA=(: a)AT+BT 1 b) BTB c)A+BT i)yB=(-: :),determine b) 2AT - BT c) AT(A - B) l)yB=(-i !:),determine b) BTAT i)yB=(I: ‘l),determine b) (A + B)T En los problemas ll a 14 exprese la suma en forma de una sola matriz columna. En los problemas 15 a 22 seflale si la matriz dada es singular o no singular. Si es no singular, determine A-’ . AP-22 APÉNDICE II INTRODUCCbN A LAS MATRICES En los problemas 23 y 24 demuestre que la matriz dada es no singular para todo valor real de t. Encuentre A-‘(t). 24. A(t) = ‘;; cz ; “;: ;;;; En los problemas 25 a 28 determine dWdt. 26. X = 27.X=2(m:)e2t+4(f)e-3t 29. Sea A(t) = (2: dA a)dt sen 2t + 5 cos 25 28. x = (jzfij) 5-:). Determine b) j2A(t) dt 0 e) AWW c) I,’ A(s) ds c) I,’ AO) dj d) j12 B (0 dj d f) z NOW) g) ,: A(s)B(s) ds - Il.2 En los problemas 3 1 a 38 resuelva el sistema correspondiente de Gauss o por eliminación de Gauss-Jordan. de ecuaciones por elhina&n 31. x+ y-2z=14 2x - y + z = o 6x + 3y + 42 = 1 32.5x-2y+4z=lO x + y + z=9 4.x - 3y + 32 = 1 33. 34.3x+ y + z=4 4x+2y- z=7 x+ y-3z=6 y+ z=-5 5x+4y-162=-10 x - y - 5z=7 35. 2x+ y + z = 4 lOx--2y+2z=-1 6x-2y+4z=8 36. x+ 22 = 8 x+2y-2z=4 2x+5y-6z=6 Apéndice II 37. x1+x2- x1 + x2 + x3-x4=-1 x3 + x4 = 3 XI-x2+ xg-x4=3 4x1 + x2 - 2x3 + x4 = 0 Introducción a las matrices AP-23 38.2x1+ xq+ x 3 = 0 ~1 + 3x2 + X3 = 0 7x1 + x2 + 3x3 = 0 En los problemas 39 y 40 aplique la eliminación de Gauss-Jordan para demostrar que el sistema dado de ecuaciones no tiene solucidn. 39. x + 2y + 42 = 2 2x+4y+3z=l x+2y- z=7 x3 + 3x4 = 1 - 4x4 = 0 XI + 2x2 - 2x3 - x4 = 6 40. Xl + x2 - x2 - x3 4x1 + 7x2 - 7x3 =9 En los problemas 41 a 48 determine los valores propios y los vectores propios de la matriz respectiva. En los problemas 49 y 50 demuestre que cada matriz tiene valores propios complejos. Determine los vectores propios respectivos. 51. Si A(t) es una matriz de 2 x 2 de funciones diferenciables y X(r) es una matriz columna de 2 x 1 de funciones diferenciables, demuestre la regla de la derivada de un producto 2 [A(t)X(t)] = A(t)X’(t) + A’(t)X(t). 52. Demuestre la fórmula (3). [Sugerencia: determine una matriz B = hl h2 para la cual (h h 1 AB = 1. Despeje bll, bl2, b21 y &. A continuación demuestre que BA = 1.1 53. Si A es no singular y AB = AC, demuestre que B = C. 54. Si A y B son no singulares, demuestre que (AB)-’ = Be1 A-l. 55. Sean A y B matrices de n x n. En general, Les (A + B)2 = A2 + 2AB + B2? 1 -$, n es un entero positivo 7. sen kí 8.wskt 9 . sen2kt 10. cos2kf l l . e”’ 12. senh kt s4k2 s s2+k2 2k2 s(s’ + 4k 2, s2+2k2 s(s2 +4P) 1 s-a k S2-2 13. cosh kt 14. senh2kl 15. cosh2k 16. tea? AP-24 s s-k2 2k2 s(.? - 4k2) s2-2k2 ~(2 - 4k2) 1 (s - a)2