Академический Документы
Профессиональный Документы
Культура Документы
METODO DE VALORES Y VECTORES CARACTERISTICOS PARA OBTENER SOLUCIONES DE UN SISTEMA LINEAL DE ECUACIONES DIFERENCIALES
, [ ]
. . . (1)
( )
( )
( )
Recordando que tanto la ecuacin escalar lineal homognea de primer orden como la de segundo orden tienen funciones exponenciales como funciones, se sugiere intentar , con V un vector constante, como la solucin de (1). Para ello, obsrvese que
As pues, ( )
DEFINICIN. Un vector V diferente de cero que satisface (2) se denomina vector caracterstico de A con valor caracterstico . OBSERVACIN. Se excluye al vector V=0 debido a que no interesa. Obviamente se cumple que A0=.0 para cualquier nmero . Un vector caracterstico de una matriz A es un vector muy especial bajo la transformacin lineal , dicho vector convierte en un mltiplo de l mismo. Los vectores que son
transformados en mltiplos de si mismos desempean un papel importante en muchas aplicaciones. Con objeto de encontrar tales vectores, se escribe la ecuacin (2) en la forma ( ) . . . (3)
La ecuacin (3) tiene una solucin V diferente de cero solamente si det( tanto, los valores caractersticos de A son las races de la ecuacin
)=0. Por lo
0=det(
)=det[
] ,
Y los vectores caractersticos de A son las soluciones diferentes de cero de las ecuaciones ( ) =0, para dichos valores . es claramente un polinomio de grado n en , con termino . Es frecuente llamarlo polinomio caracterstico de A y tiene a lo sumo n valores tiene cuando mucho n
denotarlo por p(). De modo que toda matriz de orden caractersticos. Obsrvese, por ltimo, que toda matriz
[ Tiene dimensin n.
OBSERVACIN. Sea V un vector caracterstico de A con valor caracterstico . Obsrvese que A (cV)=cAV=cV= (cV) Para cualquier constante c. por lo tanto, cualquier mltiplo (c tambin un vector propio de A, con el mismo valor caracterstico. Para cada vector propio de A con valor caracterstico , se tiene solucin ( ) con no tienen por qu n soluciones linealmente ) de un vector propio de A es
de (1). Si A tiene n vectores caractersticos linealmente independientes valores caractersticos ser diferentes), entonces ( ) ( ) , respectivamente, ( , j=1,, n son
independientes de (1). Esto se sigue inmediatamente de un teorema anterior y del hecho que . En tal caso toda solucin X(t) de (1) es de la forma ( ) Esta frmula se llama a veces la solucin general de (1). . . . (4)
El caso ms sencillo es cuando A tiene n valores caractersticos reales y distintos con vectores caractersticos garantiza la independencia lineal de teorema. TEOREMA. Cualquiera k vectores caractersticos caractersticos reales y diferentes independientes. EJEMPLO. Encontrar todas las soluciones del sistema de A con valores , respectivamente, son linealmente , respectivamente, ya que en tal caso se . Tal es el contenido del siguiente
Es
( )
[ )( )( )( )( ) ).
] ( ) ( ) ( )
( (
De modo que los valores caractersticos de A son (i) . Se busca un vector diferente de cero, tal que ( Esto implica que ) [ ][ ] [ ]
Al despajar
en trminos de
Es una solucin del sistema lineal para cualquier constante c. para simplificar, se toma ( ) [ ].
(ii)
. Se busca un vector
][
[ ]
en trminos de
. Por lo tanto, cualquier vector [ ] Es un vector caracterstico de A con valor caracterstico 3. De modo que
( )
[ ]
(iii)
. Se busca un vector
][
[ ]
en trminos de
, se obtiene
. Por lo
( )
Es una tercera solucin del sistema lineal. Las tres soluciones son linealmente independientes, ya que los valores caractersticos de A son diferentes. Por lo tanto, toda solucin ( ) debe ser de la forma ( )
[ ]
3.
4.
INFORME 1
RAICES COMPLEJAS
Si es un valor entonces lineal . . . (1) Como se muestra a continuacin, esta solucin con valores complejos da lugar a dos soluciones con valores reales. LEMA. Sea ( ) ( ) ( ) una solucin de (1) con valores propios complejos. caracterstico ( ) complejo de A con vector caracterstico
Entonces, tanto Y(t) como Z(t) son soluciones de (1) con valores reales. EJEMPLO. Resolver el problema de valor inicial ( )
[ ]
Es ( ) ( )
[ ) ( )(
] )
][
[ ]
Despejando
en trminos de
[ ],
[ ]
Esto implica que ecuacin se obtiene tanto, cualquier vector, Es un vector caracterstico de A con valor caracterstico ()
( )
. As que,
[ ]
. Ahora bien,
[ ]
) ([ ]
[ ])
[ ]
[ ]
[ ]
[ ])
10
] ( ) son
Son soluciones con valores reales. Las tres soluciones linealmente independientes, ya que sus valores iniciales ( ) ( ) ( )
( ),
() y
[ ]
[ ]
[ ] ( ) del
Son vectores linealmente independientes en problema de valor inicial debe tener la forma ()
[ ]
Tomando
, se ve que
[ ]
[ ]
[ ]
[ ]
[ ]
De modo que, ()
[ ]
11
1.
2.
3.
INFORME 2
12
13
RAICES IGUALES
Si el polinomio caracterstico de A no tiene n races diferentes, entonces A puede no tener n vectores caractersticos linealmente independientes. Por ejemplo, la matriz
Tiene solamente dos valores propios linealmente independientes, que puede tomarse como
[ ]
[ ]
[ ]
[ ]
. En este caso, el problema es encontrar una tercera solucin linealmente tiene . El vectores caractersticos linealmente independientes. Entonces el sistema tiene slo k soluciones linealmente independientes de la forma
problema es encontrar n-k soluciones adicionales linealmente independientes. El problema se abordar de la siguiente manera, muy ingeniosa por cierto. Recurdese que ( ) es una solucin de la ecuacin diferencial escalar ( ) , para cualquier es una constante c. de manera anloga, sera deseable poder decir que solucin del sistema lineal ( )
14
. Pero esto no constituye una dificultad seria. Hay una manera muy natural de , de manera que se asemeje a la exponencial escalar
( )
Es posible mostrar que la serie infinita (2) converge para toda t y que se le puede derivar trmino por trmino. En particular, se cumple que
).
LEMA. Supngase que el polinomio caracterstico de A tiene k races diferentes con multiplicidades factorizar en la forma ( ) , respectivamente. (Esto significa que p() se puede ( ) ). vectores caractersticos linealmente ) tiene
Supngase adems que A tiene solamente independientes con valor caracterstico por lo menos ( ) (
. Entonces la ecuacin (
soluciones linealmente independientes. En general, si la ecuacin tiene slo ) soluciones linealmente independientes, entonces la tiene por lo menos soluciones linealmente
ecuacin
independientes. El lema precedente implica claramente que existe un nmero entero que la ecuacin ( ) , tiene al menos de A con , tal
soluciones linealmente
15
Es posible calcular
A=[
Es (
) (
y =2 es un valor caracterstico de A con multiplicidad uno. (i) =1se busca todos los vectores V, diferentes del nulo, tales que
][
[ ]
( )
[ ]
16
][
][ ]
[ ]
y tanto
como
, pero (
( )
[ ]
[ ]
)- [ ]
[[ ]
] [ ]]
[ ]
[ ]
[ ]
Es una segunda solucin linealmente independiente. (ii) =2. Se busca un vector V, diferente del nulo, tal que
][
[ ]
( )
[ ]
17
( )
[ ]
Es (
) . Por lo tanto,
][
[ ]
( )
[ ]
Es una solucin de
Dado que A tiene un solo vector caracterstico linealmente independiente, se busca entonces todas las soluciones de la ecuacin
][
][
[ ]
y tanto
como
[ ]
18
Satisface (
, pero (
. Por lo tanto,
( )
[ ]
[ ]
)- [ ]
] [ ]]
([ ]
[ ])
[ ]
Es una segunda solucin linealmente independiente del sistema Dado que la ecuacin ( ) tiene una solucin linealmente independiente, se busaca entonces todas las soluciones de la ecuacin ( ) [ ] [ ][ ] [ ]
[ ]
No satisface (
. Por lo tanto,
( )
( )
[ ]
[ ]
) ][ ]
[[ ]
]]
19
Por consiguiente,
( )
[ ]
[ ]
]]
Las constantes
[ ]
[ ]
[ ]
[ ]
. De manera que
( )
Es la solucin pedida.
PRCTICA 3
1. [ ]
2.
3.
4.
] ,
( )
20
INFORME 3
21
22
Si
( ),. . .,
Sea X (t) una matriz cuyas columnas son ( ),. . ., ( ) , donde ecuacin (2) en la forma concisa ( )
[ ] DEFINICIN. Una matriz X(t) se denomina matriz fundamental de soluciones de (1) si sus columnas forman un conjunto de n soluciones linealmente independientes de (1) EJEMPLO 1. Encontrar la matriz fundamental de soluciones del sistema de ecuaciones diferenciales [ ] (3)
23
En la presente seccin se mostrar que puede calcularse la matriz posible sumar la serie infinita , ( )
directamente a partir de
cualquier matriz fundamental de soluciones de (1). Esto es sorprendente, ya que no parecera - exactamente para una matriz
arbitraria A. en concreto, se tiene el siguiente teorema. TEOREMA. Sea X(t) una matriz fundamental de soluciones de la ecuacin x = Ax. Entonces ( ) ( ) . . . (4)
En otras palabras, el producto de cualquier matriz fundamental de soluciones de (1) y su inversa en t = 0 debe dar Se demostrar el Teorema en tres pasos. Primero se dar un criterio sencillo para determinar si una funcin con valores matriciales es una matriz fundamental de soluciones de (1). Despus se usar este criterio para mostrar que es una matriz fundamental de soluciones de (1). Por
ltimo, se establecer la relacin que existe entre cualesquiera dos matrices fundamentales de soluciones (1). LEMA 1. Una matriz X(t) es una matriz fundamental de soluciones de (1) si y slo si X(t) = AX(t) y ( ) (La derivada de una funcin con valores matriciales X(t) es la matriz cuyos
elementos son las derivadas de los elementos correspondientes de X(t).) Demostracin: Dentese por ( ) ( ( ) ( ) ( ) las n columnas de X(t). Obsrvese que Y ( ) ( ) ( ( ) ( ) ( ) ( )) ( ) son equivalentes ( ) son linealmente . ( ) ( )
( ))
( ). Ms an, n soluciones
independientes si y slo si
Los vectores, a su vez, son linealmente independientes si y slo si X(t) es una matriz fundamental de soluciones de (1) si y slo si,
Por lo tanto,
24
LEMA 2. La funcin con valores matriciales fundamental de soluciones de (1). Demostracin: Sabiendo que ( ) . Por lo tanto,
es una matriz
es solucin de la ecuacin
diferencial matricial X(t) = AX(t). Ms an, su determinante en t = 0 es igual a 1, ya que Por lo tanto, por el Lema 1, es una matriz fundamental de soluciones de (1).
LEMA 3. Sean X(t) y Y(t) dos matrices fundamentales de soluciones de (1). Entonces, existe una matriz constante C, tal que Y(t) = X(t)C.
( ) de X(t) e ( ) ( ) de Y(t) Demostracin: Por la definicin, las columnas ( ) son conjuntos linealmente independientes de soluciones de (1). En particular, por lo tanto, cualquier columna de Y(t) puede escribirse como combinacin lineal de las columnas de X(t); es decir, existen constantes ( ) Sea C la matriz ( ( ) ( ) ) donde tales que ( ) ( )
[ ]
Entonces las n ecuaciones (5) son equivalentes a la ecuacin matricial Y(t) = X(t)C. Ahora es posible demostrar el Teorema. Demostracin del Teorema: Sea X(t) una matriz fundamental de soluciones de (1). Entonces, por los Lemas 2 y 3, existe una matriz constante C tal que ( ) Tomando t = 0 en (6) se obtiene ( ) ( ) ( ) ( ). Por lo tanto,
EJEMPLO: Encontrar
si [ ]
25
SOLUCIN. El primer paso consiste en encontrar 3 soluciones linealmente independientes de la ecuacin diferencial
( )
)(
)(
con lo que se encuentra que A tiene tres valores caractersticos (i) Claramente, [ ]
es un vector caracterstico de A con valor caracterstico uno. Por lo tanto, ( ) es una solucin de x = Ax. [ ]
(ii)
Se busca una solucin diferente de cero de la ecuacin ( Esto implica que y ) [ . Por lo tanto, [ ] Es un vector caracterstico de A con valor caracterstico 3. En consecuencia, ( ) es una segunda solucin de x = Ax. [ ] ][ ] [ ]
26
(iii)
Se busca una solucin diferente de cero de la ecuacin ( Esto implica que y ) [ ][ ] . Por consiguiente, [ ] es un vector caracterstico de A con valor caracterstico 5. Por lo tanto, ( ) [ ] [ ]
es una tercera solucin de x = Ax. Las tres soluciones son en verdad linealmente independientes. Por lo tanto, ( ) [ ]
( )
] [ ]
En consecuencia,
[[
] ]
] [ ] ]
27
PRCTICA 4
Calcule para A igual a
1. (
4. (
2. (
5. (
3. (
6. (
INFORME 4
28
29
30
Sean
( ),,
( )
( ) ( ) ( ) ( ) donde
(3)
La matriz X(t) es una matriz fundamental de soluciones de (1). Por lo tanto, ecuacin (4) se reduce as a ( ) ( ) ( )
(5) para
Recurdese que las columnas de X(t) son vectores linealmente independientes de cualquier tiempo t. Por lo tanto, ( ) ( ) ( ) ( ) existe y se cumple
(6)
31
( )
( )
],
[ ]
, donde
32
(i)
][
[ ]
. Por lo tanto,
( )
(ii)
: Se busca un vector v, diferente de cero, tal que , Esto implica que ( y ) [ . Por lo tanto, [ ] ][ ] [ ]
[ ]
[ ]]
[ ]
[ ]]
33
Por lo tanto, ( ) [ ] y ( ) [ ]
son soluciones con valores reales de Las soluciones , y son linealmente independientes, ya que sus valores en t = 0 son en verdad vectores linealmente independientes en . Por lo tanto, ( ) [ ]
( )
] [ ]
se ve que
] [ ]
[ Por consiguiente,
( )
[ ]
[ [ ] [ ] ]
[ (
) ( )
34
] [ ]
( [( )
) ]
Como se ve en el Ejemplo 1, el mtodo de variacin de parmetros es con frecuencia muy tedioso y difcil. Una manera de evitar muchos de estos clculos e conjeturar una solucin particular ( ) ( ) de la ecuacin no homognea y observan entonces que
cualquier solucin x(t) de la ecuacin no homognea debe tener la forma de ( ), donde ( ) es una solucin de la ecuacin homognea.
[ SOLUCIN: Sea
[ ]
( )
] ( )
( ) de la forma
. Sustituyendo dicha
[ ]
o bien, ( )
35
( )
]]
Mas en general, la ecuacin diferencial X = AX + v puede no tener soluciones de la forma b si c es un valor caracterstico de A. En tal caso es necesario conjeturar una solucin particular de la forma ( ) para algn entero apropiado k. , -
PRCTICA 5
En cada uno de los siguientes problemas, use el mtodo de variacin de parmetros 1. 2. 3. 4. [ [ [ [ ] ] ] ] [ [ ] [ [ ] ] ] ( ) ( ) ( ) ( ) [ ] [ ] [ ] [ ]
36
INFORME 5
37
38
ANEXOS
39
MATRICES Y DETERMINANTES
En esta parte de estos apuntes daremos a conocer lo ms importante de la teora de matrices, en el sentido prctico, tales como por ejemplo el uso y aplicacin de las Transformaciones Elementales; empezaremos con algunas definiciones bsicas y las operaciones entre matrices MATRICES Definicin.- Una matriz es un arreglo rectangular de elementos (nmeros, funciones, etc.) Dispuestas en filas y columnas y encerradas entre parntesis o corchetes. A las matrices lo representaremos por cualquier letra mayscula de nuestro alfabeto, por ejemplo
],
],
Nota.- A la disposicin horizontal de los elementos de una matriz se llaman filas, mientras que a la disposicin vertical se llaman columnas. En el ejemplo anterior, tenemos: La matriz A tiene 2 filas y 3 columnas, B tiene 3 filas y 2 columnas, y la matriz C tiene 3 filas y 3 columnas. Definicin.- El Orden de una matriz est dado por el producto indicado del nmero de filas por el de columnas y se coloca en la parte derecha inferior. As pues, la matriz A es de orden 2x3, B es de orden 3x2 y la matriz C de orden 3x3. Nota.- Por simplicidad a las matrices lo denotaremos por, [ Donde columna j. Ejemplo.- Sea la matriz columnas, y tiene la forma [ ] [ ] , tal que =i2+j. Como se ve la matriz A tiene 2 filas y 3 ]
40
TIPOS DE MATRICES
b) Matriz fila: La matriz de orden 1 x n se denomina matriz fila o vector fila. Por ejemplo: , - es una matriz o vector fila de orden 1 x 3
c) Matriz columna: La matriz de m filas y una columna recibe el nombre de matriz columna de orden m x 1. Por ejemplo: [ ] es una matriz columna de orden 3 x 1 , recibe
d) Matriz cero: Una matriz cuyos elementos son todos nulos, es decir, el nombre de matriz cero o nula. Por ejemplo: [ ] es una matriz cero de orden 2 x 3
e) Matriz cuadrada: La matriz que tiene el mismo nmero de filas y columnas se llama matriz cuadrada. Una matriz cuadrada con n filas y n columnas se llama tambin matriz de orden n, y al conjunto de matrices cuadradas se le denota por [ ] . Por ejemplo: )
41
Observaciones: (1) En una matriz cuadrada, la diagonal principal es una lnea formada por los elementos: , ,,
(2) La suma de los elementos de la diagonal principal de una matriz cuadrada A se llama traza de la matriz A.
IGUALDAD DE MATRICES Se dice que dos matrices A y B son iguales si son del mismo orden y sus componentes correspondientes son iguales, es decir, si las matrices son idnticas. Esto es: [ ] [ ]
los valores de x e y de modo que A = B. Solucin: Determinemos los elementos de la matriz A. ( ( Luego, si [ ] ) ) [ ] , , ( ) ( ( ( ) ) )
SUMA DE MATRICES Dadas las matrices otra matriz C=[ ] , [ ] [ ] se llama suma de las matrices A Y B a
tal que: * +
42
PROPIEDADES DE LA ADICION DE MATRICES A1: A2: A+B=B+A A3: A+ (B+C)=(A+B)+C A4: A5: ( ) tal que: A+ = ( ) Cerradura Conmutativa Asociativa Elemento neutro aditivo
DIFERENCIA DE MATRICES Dadas las matrices A Y B a otra matriz C=[ , Esto es: [ ] [ [ [ ] ] [ ] y [ ] [ ]=C ]. Entonces [ ] * ] tal que: + [ ] se llama Diferencia entre las matrices
43
PRODUCTO DE UN ESCALAR POR UNA MATRIZ Dadas una matriz A y un nmero real k, el producto de k por A se define como: [ ] [ ]
Es decir cada componente de A se multiplica por el escalar k Ejemplo. Sean la matriz [ ( ) ( ) [ ( ) ] ( ) ] [ k=-3, entonces ]
MULTIPLICACION DE MATRICES Dadas las matrices matriz C=[ siguiente: NOTA. El producto AB (en ese orden) est definido si el nmero de columnas de A es igual al nmero de filas de B. Si el producto AB est definido se dice que A es con formable con B para la multiplicacin. No significa esto que B sea necesariamente con formable con A respecto de la multiplicacin, toda vez que BA puede o no estar definido. ] [ ] [ ] el producto AB (en ese orden), es la
EJEMPLO. Si
]y
], hallar: a) AB, b) BA
Solucin: Dado que A tiene dos columnas y B dos filas, entonces A es con formable con B y el producto AB est definido. Empleando el mtodo del producto escalar se tiene: ( [ ( )[ ] ( )[ ] ( [ ( ) ( ) )[ )[ ( ) ( ) ] ( ] ( ( ( ) ) )[ ] )[ ]
a)
] ( ) ( ) ( ) ] ( )
( ) ( )
44
b) En este caso B tiene tres columnas y A dos filas, luego B no es con formable con A respecto de la multiplicacin y por tanto BA no est definido. Recordando el desarrollo inicial para establecer la multiplicacin de matrices, es evidente que el ltimo esquema constituye un procedimiento muy eficaz para calcular el producto de dos o ms matrices. PROPIEDADES DE LA MULTIPLICACIN DE MATRICES Si A, B y C son matrices de dimensiones compatibles (con formables) respecto de la suma y producto, entonces se tiene: M1: M2: A (BC) = (AB) C A (B+C) = AB+BC (A+B) C = AC + BC M3: M4: M5: M6: AB BA AB = 0 AB = AC A=0B=0 B=C con la propiedad de que para cualquier ( es la matriz identidad) se verifica que: Distributiva No conmutativa Asociativa
EJEMPLO. Dada las matrices: A de orden m x n, B de orden n x p y C de orden r x q. Qu condiciones satisfacen p, q y r para que las matrices sean compatibles respecto de los productos que se identifican y cul es el orden de cada una de las matrices siguientes: a) ABC SOLUCIN a) Sea ABC = D b) ACB c) A (B+C)
45
El producto AB est definido puesto que el nmero de columnas de A es igual al nmero de filas de B. Luego, para que D est definido se debe cumplir que, p = r, entonces: Nmero de filas de D = Nmero de filas de A Nmero de columnas de D = Nmero de columnas de C Por tanto, D es una matriz de orden m x q
El producto ACB es con formable n = r y q = n Y el orden de la matriz ACB es c) Sea A (B+C) = F, entonces: ( )
Para que sea posible la suma de B+C se debe cumplir que n = r y p = q. Luego, si B+C = G ( )
TRANSFORMACIONES ELEMENTALES
Dada una matriz de cualquier rango, se puede desarrollar algunas operaciones simples con las filas o columnas sin cambiar el rango de la matriz. El propsito fundamental es el desarrollo de matrices para simplificar algunos clculos y tambin alcanzar resultados tericos significativos para un mejor estudio de las matrices. Destacaremos las transformaciones siguientes: TRANSFORMACION ELEMENTAL FILA O COLUMNA Sea una matriz cuyas filas son F1, F2,. . . ,Fm y cuyas columnas son: C1, C2, . . ,Cn.
se llama transformacin elemental fila a tres tipos de operaciones que denotaremos por: ( ) (1) ( ) para significar: ( ) Intercambiar dos filas de la matriz A
46
(2) (3)
( )
Las transformaciones elementales columna son anlogas a las transformaciones elementales fila y los tres tipos de operaciones se denota por: (1) (2) (3) ( ): Intercambiar dos columnas de la matriz A ( ) ( )A: Multiplicar a los elementos de la columna i de A por un escalar Multiplicar a los elementos de la columna i de A por un escalar y
Se dice que es escalonada reducida si cumplen las condiciones siguientes: 1. El primer elemento no nulo de cada una de las r filas no nulas es la unidad. 2. Si existen s filas nulas, stas deben estar en la parte inferior de la matriz.
47
3. En cada una de la r filas no nulas, el nmero de ceros que preceden a la unidad debe crecer aritmticamente fila a fila. 4. Todas las columnas que contienen el primer elemento diferente de cero, de alguna fila, tienen ceros en todas las posiciones restantes. Si una matriz cumple las propiedades 1), 2) y 3), se dice la matriz est en su forma escalonada Ejemplos de matrices escalonadas reducidas:
], [
], [
],
],
],
MATRICES EQUIVALENTES Dos matrices A y B son equivalentes y se denota por , si una de ellas se deduce de la
otra mediante un proceso finito de transformaciones elementales fila o columna. El siguiente ejemplo nos muestra que toda matriz de orden mediante operaciones elementales fila a una matriz escalonada Ejemplo. Reducir a la forma escalonada por filas a la matriz puede ser reducida
Solucin.
) [
) [
( ) [
]=B
48
Como se observa, la matriz B se obtuvo a partir de la matriz A mediante una secuencia finita de transformaciones elementales de fila; adems, B es una matriz escalonada
RANGO DE UNA MATRIZ El rango de una matriz es igual al nmero de filas no nulas que quedan en la ltima iteracin de las sucesivas transformaciones elementales que se hacen con la matriz. Se deduce que para hallar el rango de una matriz es suficiente transformarla a su forma escalonada. Como dos matrices equivalentes tienen el mismo rango, el rango de dicha matriz ser igual al rango de la matriz escalonada. Si designamos por r el nmero de filas no nulas de la matriz escalonada, entonces el rango de la matriz se denota: ( )
Solucin
) [
( ) [
) [
La ltima es una matriz escalonada, y tiene dos filas no nulas, luego la matriz B tiene rango dos. Es decir ( ) ( )
ELEMENETALES
El mtodo de Gauss-Jordn consiste en lo siguiente: Para la matriz dada A de orden n, se construye una matriz rectangular ( | ) de orden n , aadiendo a la derecha de A una
matriz unidad. Luego, haciendo uso de las transformaciones elementales sobre las filas se reduce la matriz ( | ), lo que siempre es posible, si A es invertible. En este caso
49
No es preciso conocer de antemano si A es invertible, se puede deducir fcilmente si A es invertible durante las sucesivas transformaciones elementales para hallar la matriz ( | ). Si uno de los elementos de la diagonal principal de la matriz escalonada E en ( | ) es cero, entonces A no es invertible.
Ejemplo.- Determinar si
Solucin. Primero efectuamos las operaciones con para reducir A en una matriz escalonada E. Comenzamos formando la matriz ( | ). Es decir ( | )
) (
] . se observa que en la
) (
( ) (
( ) (
( | )
SISTEMA DE ECUACIONES ALGEBRAICAS LINEALES Recordando que la resolucin de una ecuacin implica la bsqueda de ecuaciones equivalentes ms simples en la que resulta fcil determinar la raz o races, la aplicacin de este criterio en la resolucin de sistemas lineales sugiere que, el mtodo para hallar el conjunto solucin de un
50
sistema lineal consiste bsicamente en reemplazar el sistema dado por otro equivalente en el que se pueda fcilmente calcular sus races. En tal sentido las transformaciones elementales aplicadas a las matrices simplifican el desarrollo de estas, y por ende nos proporciona un mtodo ventajoso para resolver este tipo de problemas. Consideremos el sistema lineal
( )
Y [ ] [ ]
Lo llamaremos, respectivamente, matriz columna de las incgnitas y matriz columna de los trminos independientes. Por lo que el sistema ( ) puede representarse de la siguiente manera (2)
51
), que
([
]|[
])
Es
| )
OBSERVACION. Para que el sistema sea consistente es necesario y suficiente que se verifique: ( ) Suponiendo que ( ) ( ) ( ) , es decir, si el sistema es consistente, puede ocurrir:
a. Que el sistema (1) tenga solucin nica. Esto sucede cuando el nmero de incgnitas n del sistema es igual al rango de la matriz aumentada. Esto es, si el sistema tiene n incgnitas, tendr solucin nica si y solo si ( ) ( )
b. Que el sistema (1) tenga ms de una solucin. En este caso el nmero de incgnitas del sistema es mayor que el rango de la matriz aumentada. Es decir, el sistema tendr ms de una solucin, si y solo si ( ) ( ) ( ) ( ), entonces el sistema (1) es inconsistente
Si ocurre que
52
| )
) (
) (
La matriz aumentada de la ultima iteracin es una matriz escalonada, y se observa que el rango de la matriz E es igual 3 y el rango de la matriz aumentada ( | ) tambin es 3, esto significa que el sistema dado es consistente con solucin nica. ( )( ( )( ( ) (
| )