Tema 5: Diagonalizacin

Carmen Tasis
22 de noviembre de 2016

Tema 5:Diagonalizacin

Pagina 5.ii

ndice
1. Endomorfismos. Particularidades

2. Diagonalizacin de endomorfismos y matrices diagonalizables

2.1. Diagonalizacin de endomorfismos diagonalizables . . . . . . . . . . . .

2.2. Diagonalizacin de matrices diagonalizables . . . . . . . . . . . . . . . . .

10

3. Condiciones de diagonalizacin
3.1. Diagonalizacin de matrices en R y en C . . . . . . . . . . . . . . . . . . .
4. Sistemas lineales de ecuaciones diferenciales

12
14

15

4.1. Introduccin a las ecuaciones diferenciales . . . . . . . . . . . . . . . . . .

15

4.2. Ecuaciones y sistemas de ecuaciones diferenciales lineales . . . . . . . .

18

4.3. Ecuaciones y sistemas de ecuaciones diferenciales lineales homogneos

20

4.3.1. Sistemas homogneos de coeficientes constantes . . . . . . . . . .

22

ctasis-Grupo B

Pagina 5.1

Tema 5:Diagonalizacin

Tema 5: Diagonalizacin

1.

Endomorfismos. Particularidades

Definicin 5. 1 (Endomorfismo)
Dado un Kespacio vectorial V , se llama endomorfismo de V a cualquier aplicacin lineal
T : V V.
Esto es, un endomorfismo es cualquier aplicacin lineal en la que los conjuntos inicial y final son
el mismo espacio V .

Al ser un tipo particular de aplicaciones lineales, el estudio de los endomorfismos presentar

ciertas peculiaridades, que recogemos a continuacin:
1) Matriz asociada a un endomorfismo
Cuando se trabaja con un endomorfismo T : V V , como el espacio inicial y el final coinciden
se trabaja con la misma base, B = {~v1 ,~v2 , . . . ,~vn }, de V como espacio inicial y como espacio final.

Definicin 5. 2 (Matriz asociada a un endomorfismo respecto de una base dada)

Sea B = {~v1 ,~v2 , . . . ,~vn } una base de V.
Supongamos que
T (~v1 ) = a11~v1 + a21~v2 + + an1~vn
T (~v2 ) = a12~v1 + a22~v2 + + an2~vn
..
.
T (~vn ) = a1n~v1 + a2n~v2 + + ann~vn
Se denomina matriz asociada al endomorfismo T respecto a la base B de V a la matriz

a11 a12 a1n

a21 a22 a2n

A=

an1 an2 ann
ctasis-Grupo B

Pagina 5.2

Tema 5:Diagonalizacin

Obsrvese que en las columnas de A estn las coordenadas de los vectores de T (B), en funcin
de la base B
T (~v1 )B T (~v2 )B T (~vn )B

a11
a21
..
.

a12
a22
..
.

..
.

a1n
a2n
..
.

an1

an2

ann

En las condiciones de la definicin anterior consideremos, ahora, un vector cualquiera ~u U.

Denotemos por (x1 , x2 , ..., xn ) = X t a las coordenadas de ~u en la base B y por (y1 , y2 , ..., ym ) = Y t
a las coordenadas de T (~u) en la base B.
Entonces, la ecuacin matricial que relaciona las coordenadas de ambos vectores viene dada por:
Y = AX
como se recoge en el siguiente esquema:

ctasis-Grupo B

Pagina 5.3

Tema 5:Diagonalizacin

2) Matriz asociada y cambio de base

Sea T : V V un endomorfismo. Sean B y B0 bases de V. Sea A la matriz del endomorfismo T en
la base B y P la matriz de cambio de base de la base B a la base B0 . Entonces, la matriz asociada a T
en la base B0 es
M = P1 AP

El razonamiento para obtener M es anlogo al seguido en la proposicin 4.5 del tema 4 para
aplicaciones lineales sin ms que considerar que en este caso P = Q.

Definicin 5. 3 (Matrices semejantes)

Dos matrices A, B Mn (K) se dicen semejantes si existe P Mn (K) regular tal que B = P1 AP.
Esto es, si y slo si son matrices de un mismo endomorfismo (de un Kespacio vectorial de
dimensin n) respecto de distintas bases.
3) Ncleo e imagen
Los subespacios ker(T ) e Im(T ) estn en el mismo espacio vectorial, lo que hace que tenga sentido
sumarlos e intersecarlos.

ctasis-Grupo B

Pagina 5.4

Tema 5:Diagonalizacin

3) Tipos de enfomorfismos
Como el espacio inicial y el final tienen la misma dimensin:
Un endomorfismo T es inyectivo es suprayectivo es biyectivo.
Si un endomorfismo es biyectivo se dice que es un automorfismo
4) Potencias de un endomorfismo
Como el espacio inicial y el final coinciden, puede considerarse la composicin de T T , a la que
llamaremos T 2 , o tambin, la funcin compuesta p veces, T
T} = T p , cuya matriz asociada
| T {z
p veces

en una cierta base ser la potencia psima de la matriz de T en la base considerada. Es decir, si en
una base B la matriz de T es A, la matriz de T p en dicha base ser A p .

2.

Diagonalizacin de endomorfismos y matrices diagonalizables

2.1.

Diagonalizacin de endomorfismos diagonalizables

Definicin 5. 4 (Endomorfismo diagonalizable)

Sea V un Kespacio vectorial de dimensin finita y sea T : V V un endomorfismo. Diremos
que T es diagonalizable si existe una base de V tal que la matriz asociada a T respecto de dicha base
es una matriz diagonal.

Nota 5. 1 No todos los endomorfismos son diagonalizables

Veamos a travs de un ejemplo las ventajas de trabajar con tales matrices:
Ejemplo 5.1 Dado el endomorfismo T : R4 R4 , tal que
T (x, y, z,t) = (3x + y + z + t, x + 3y z t, x y + 3z t, x y z + 3t)
calclese:
ctasis-Grupo B

Pagina 5.5

Tema 5:Diagonalizacin

1. La matriz A asociada a T respecto de la base cannica

2. La matriz D asociada a T respecto de la B = {~v1 ,~v2 ,~v3 ,~v4 } siendo:
~v1 = (1, 1, 1, 1)
~v2 = (1, 1, 0, 0)
~v3 = (1, 0, 1, 0)
~v4 = (1, 0, 0, 1)
3. El rango de T.
4. Una base de KerT y una base de ImT .
5. El determinante de A.
(Al resolver el ejemplo se observa que trabajando con matrices diagonales se obtiene fcilmente
cualquier informacin relativa al endomorfismo.)
Buscaremos, por tanto, cuando sea posible, una base B = {~v1 , . . . ,~vn } respecto de la cual la matriz
asociada al endomorfismo sea de la forma

D=

1 0 0
0 2 0
..
..
..
.
.
.
0 0 n

(1)

Si analizamos las columnas de la matriz D de la ecuacin 1, vemos que los vectores de la base B
respecto de la cual la matriz asociada a T es diagonal deben de cumplir:

T (~v1 ) = 1~v1 , T (~v2 ) = 2~v2 , . . . , T (~vn ) = n~vn

(2)

Trataremos, por tanto, de buscar bases con estas caractersticas.

Definicin 5. 5 (Valores y vectores propios de un endomorfismo)

Sea T : V V un endomorfismo del espacio vectorial V . Diremos que K es un valor propio
de T si existe vector ~v 6= ~0 tal que T (~v) = ~v.
En tal caso, diremos que ~v es un vector propio del endomorfismo, asociado al valor propio .

ctasis-Grupo B

Pagina 5.6

Tema 5:Diagonalizacin

Definicin 5. 6 (Espectro de un endomorfismo)

Al conjunto de todos los valores propios de un endomorfismo T se le llama espectro del endomorfismo y se denota por:
n
o
(T ) = K / ~v 6= ~0, T (~v) = ~v

Ejemplo 5.2 Dado el endomorfismo T : R3 R3 tal que T (x, y, z) = (3x+yz, x+y+z, 2x+2y)
prubese que los vectores ~u = (1, 1, 2) y ~v = (1, 1, 0) son vectores propios de T e indquese a qu
valores propios corresponden.
Tras la definicin anterior y teniendo en cuenta las expresiones de las ecuaciones de 2 el resultado
siguiente es inmediato.

Teorema 5.1
Un endomorfismo T : V V es diagonalizable si, y slo si, admite una base formada por vectores
propios de V. Esto es, si, y slo si, posee n vectores propios linealmente independientes.

Teorema 5.2 (Subespacio propio asociado a un valor propio)

Si T : V V es un endomorfismo de V , y K es un valor propio, el conjunto
S( ) = {~v V / T (~v) = ~v} = ker(T I)
es un subespacio vectorial de V al que llamaremos subespacio propio de T asociado al valor propio
.

Ejemplo 5.3 Dado el endomorfismo T : R3 R3 tal que

T (x, y, z) = (3x + y z, x + y + z, 2x + 2y)
calclese una base para cada uno de los subespacios S(2) y S(0).

ctasis-Grupo B

Pagina 5.7

Tema 5:Diagonalizacin

Clculo de valores propios

Sea T : V V un endomorfismo del Kespacio vectorial V de dimensin finita n, y A la matriz
asociada al mismo en la base B = {~v1 ,~v2 , . . . ,~vn }.
Si K es un valor propio de T , debe existir un vector ~v = x1~v1 + x2~v2 + + xn~vn V no nulo
tal que, T (~v) = ~v, es decir

X 6= 0 tal que AX = X (A I)X = 0

Luego, (A I)X = 0 es un sistema homogneo con solucin no trivial y, en consecuencia,

det(A I) = 0, es decir, es raz del polinomio
p( ) = det(A I)

Definicin 5. 7 (Polinomio caracterstico)

En las condiciones anteriores, al polinomio p( ) = det(A I) se le llama polinomio caracterstico del endomorfismo.

Nota 5. 2
Las soluciones de la ecuacin p( ) = 0 son todos los valores propios del endomorfismo T .
Obsrvese que este polinomio es independiente de la base elegida (se dice que es invariante por
cambios de base), ya que si M es la matriz asociada a T en otra base cualquiera, existe una matriz P
regular que las relaciona como sigue: M = P1 AP, por lo tanto
det(M I) = det(P1 AP P1 P) =
= det(P1 ) det(A I) det(P) = det(A I)

ctasis-Grupo B

Pagina 5.8

Tema 5:Diagonalizacin

Nota 5. 3 (Clculo del polinomio caracterstico)

p( ) = det(A I) = det

a11
a12

a1n
a21
a22
a2n
..
..
..
.
.
.
an1
an2
ann

= (1)n n + (1)n1tr(A) n1 + + det(A)

La suma de los elementos de la diagonal principal de A, tr(A) = a11 +a22 + +ann , se denomina
traza de la matriz A
Ntese que el polinomio caracterstico, p( ), de una matriz de orden n, tiene grado n.
Conocida ya, la forma de calcular los valores propios y las bases de los subespacios propios
veamos, ahora, como podemos construir sistemas de vectores propios linealmente independientes.
Esto se recoge en el las siguientes proposiciones.

Proposicin 5.1
Vectores propios no nulos asociados a valores propios distintos son linealmente independientes.

Proposicin 5.2
Si B1 , B2 , . . . , B p son bases de subespacios propios de T asociados a valores propios distintos
entonces, su unin


B1 B2 B p
es un sistema libre.


As, si una vez calculadas las bases de los distintos subespacios propios, el sistema B1 B2 B p
tiene n vectores, habremos conseguido construir una base de vectores propios de T para V y, con ella,
una matriz diagonal asociada a T.
A continuacin resumimos los pasos para diagonalizar un endomorfismo diagonalizable.

ctasis-Grupo B

Pagina 5.9

Tema 5:Diagonalizacin

Pasos para diagonalizar un endomorfismo diagonalizable

Se calcula la matriz A asociada al endomorfismo en una base B y se siguen los pasos siguientes:
Se calcula el polinomio caracterstico:
p( ) = det(A I)

Se calculan los valores propios: Resolviendo la ecuacin caracterstica:

p( ) = 0

Se calcula una base para cada subespacio propio: Para cada valor propio calculamos el subespacio propio resolviendo el sistema de ecuaciones:

(A I)X = 0

La base formada por la unin de las bases de los subespacio propios es la base buscada.
La matriz P cuyas columnas son las coordenadas de los vectores propios obtenidos es la matriz
de cambio de base de la base B a la base de vectores propios.
As
P1 AP = D

Ejemplo 5.4 En R3 [x] se define el endomorfismo T por T (ax3 + bx2 + cx + d) = dx3 + cx2 + bx + a.
a) Determinar la matriz de T en la base {1, x, x2 , x3 }.
b) Hallar una base donde la matriz asociada a T sea diagonal, y calcular dicha matriz.

ctasis-Grupo B

Pagina 5.10

Tema 5:Diagonalizacin

2.2.

Diagonalizacin de matrices diagonalizables

Definicin 5. 8 (Matriz diagonalizable)

Se dice que una matriz A Mn (K) es diagonalizable si existe una matriz P regular tal que
D = P1 AP, siendo D una matriz diagonal.

Para diagonalizar una matriz A Mn (K), se puede pensar en ella como matriz de un endomorfismo T : Kn Kn que en la base cannica tenga como asociada la matriz A.
Entonces, A es diagonalizable si y slo si T es diagonalizable.
Adems, en tal caso, la matriz P es la matriz del cambio de base de la base cannica a una base de
vectores propios respecto de la cual la matriz asociada es diagonal.
Los conceptos necesarios para diagonalizar T que vimos en el apartado anterior se pueden trasladar de forma sencilla a una matriz A asociada, como se muestra a continuacin.

Definicin 5. 9 (Valores y vectores propios de una matriz)

Dada una matriz A Mn (K) y el endomorfismo T : Kn Kn que en la base cannica tiene
asociada la matriz A , por definicin de vector propio de T, ~0 6= ~v, de coordenadas X respecto de la
base cannica, es un vector propio de T asociado al valor propio K si y slo si
T (~v) = ~v AX = X
Se dir entonces que X Kn es un vector propio de A asociado al valor propio .
El polinomio p( ) = det(A I) se dir polinomio caracterstico de la matriz A.

Tras esto, en la prctica, para diagonalizar una matriz diagonalizable no ser necesario construir
ningn endomorfismo. Simplemente, seguiremos los pasos siguientes:

ctasis-Grupo B

Pagina 5.11

Tema 5:Diagonalizacin

Pasos para diagonalizar una matriz diagonalizable

Calculamos el polinomio caracterstico:

p( ) = det(A I)

Resolvemos la ecuacin caracterstica:

p( ) = 0

Para cada solucin, calculamos el subespacio propio y una base del mismo, resolviendo el
sistema de ecuaciones:
(A I)X = [0]

Se consideran n vectores columna Xi , soluciones de los sistemas del apartado anterior y linealmente independientes, y se construyen las matrices
P = [X1 X2 Xn ] y D = P1 AP
donde D es la matriz diagonal tal que dii = i , es el valor propio asociado a Xi .

Aplicacin: Clculo de la potencia k-sima de una matriz diagonalizable

Supongamos que D = P1 AP con D =

1 0 0
0 2 0
..
..
..
.
.
.
0 0 n

, entonces:

D2 = (P1 AP)(P1 AP) = P1 A (PP1 ) AP = P1 AAP = P1 A2 P

| {z }
I

D3 = DD2 = (P1 AP)(P1 A2 P) = P1 A (PP1 ) A2 P = P1 AA2 P = P1 A3 P

| {z }
I

ctasis-Grupo B

Pagina 5.12

Tema 5:Diagonalizacin

y, reiterando:

Dk = P1 An P = PDk P1 = Ak , siendo Dk =

1k 0 0
0 2k 0
..
..
..
.
.
.
0 0 nk

Ejemplo 5.5 Calcular la potencia n-sima de la matriz

0 1 1
A= 1 0 1
1 1 0

3.

Condiciones de diagonalizacin
Como ya hemos comentado anteriormente no todos los endomorfismos son diagonalizables.
Por ejemplo, si consideramos el endomorfismo T de R3 cuya matriz asociada a la base cannica

es

1 1 0
A= 0 1 0
0 0 2

y calculamos sus subespacios propios, vemos que solo podemos obtener sistemas de vectores propios
linealmente independientes con 2 elementos.
Si consideramos el endomorfismo T de R2 cuya matriz asociada a la base cannica es


0 1
A=
1 0
vemos que T no tiene valores propios en R, por lo que tambin es imposible encontrar una base de
vectores propios para T.
En esta seccin vamos a ver las condiciones que han de darse para garantizar la diagonalizacin
de T.
( Todos los resultados se trasladan fcilmente, como ya hemos visto con anterioridad, al estudio
de la diagonalizacin de matrices.)

ctasis-Grupo B

Pagina 5.13

Tema 5:Diagonalizacin

Definicin 5. 10 (Multiplicidad algebraica)

Sea T un endomorfismo del K-espacio vectorial V y sea 0 un valor propio de T. Se llama multiplicidad algebraica de 0 a la multiplicidad de 0 como raz del polinomio caracterstico p( ).
Esto es, 0 tiene multiplicidad algebraica m p( ) = (0 )m q( ) con q(0 ) 6= 0.

Definicin 5. 11 (Multiplicidad geomtrica)

Sea T un endomorfismo del K-espacio vectorial V y sea 0 un valor propio de T.
Se llama multiplicidad geomtrica de 0 a la dimensin de su subespacio propio asociado, esto
es a dim(S(0 )).
Obsrvese que si A es la matriz asociada a T respecto de una base de V, y 0 es un valor propio
de T, entonces:

dim(S(0 )) = n rg(A 0 I), siendo n la dimensin de V.

La relacin entre los dos tipos de multiplicidad se recoge en el siguiente teorema:

Teorema 5.3
Sea T : V V un endomorfismo de V , sea 0 (T ) tal que 0 es raz con multiplicidad m del
polinomio caracterstico de T , entonces:
1 dim S (0 ) m

Teorema 5.4 (Condiciones necesarias y suficientes)

Sea T : V V un endomorfismo de V , con dim(V ) = n, entonces T es diagonalizable en K si y
slo si se verifican las dos condiciones siguientes:

1) p( ) = (1 )n1 (2 )n2 ( p )n p con

2) dim S(i ) = ni
ctasis-Grupo B

i = 1, 2, ..., p

n1 + n2 + + n p = n, ni 1 i

Pagina 5.14

Tema 5:Diagonalizacin

Nota 5. 4
La primera condicin exige que el polinomio caracterstico tenga sus n races en K
La segunda, que para cada valor propio sus multiplicidades algebraica y geomtrica coincidan.

Ejemplo 5.6 Dado el endomorfismo T : R3 R3 cuya matriz asociada en la base cannica es:

2 1 0 2 2

2
A=
1 0 2
Para qu valores de es T diagonalizable?

3.1.

Diagonalizacin de matrices en R y en C

De acuerdo con la nota 5.4, una matriz con coeficientes reales cuyo polinomio caracterstico tenga
valores propios complejos no puede ser diagonalizable en R, pero tal vez pueda serlo en C.
Estudiaremos, a continuacin este tipo de situaciones.
Comenzaremos por recordar el teorema fundamental de lgebra, visto en el tema 1:

Teorema 5.5 (Fundamental del lgebra)

Sea p(x) = a0 + a1 x + a2 x2 + + an xn un polinomio con coeficientes en C, an 6= 0, entonces
existen x1 , x2 , . . . , xk C de forma que
p(x) = an (x x1 )n1 (x x2 )n2 (x xk )nk
n1 + n2 + + nk = n

ni 1

Adems:

Nota 5. 5
Si el polinomio caracterstico de una matriz compleja A tiene los coeficientes reales y a + bi con
b 6= 0 es un valor propio de A, necesariamente a bi tambin es valor propio de A, y ambos tienen la
misma multiplicidad.
As:
|A I| = [( a)2 + b2 ]m q( ), q(a bi) 6= 0
ctasis-Grupo B

Pagina 5.15

Tema 5:Diagonalizacin

Ejemplo 5.7 Estdiese si la matriz:



0 1
1 0

A=

es diagonalizable en R y en C. Diagonalcese cuando sea posible.

Ejemplo 5.8 Diagonalcese la matriz:

i
i

2
A= 2

i
i
2 2

4.

Sistemas lineales de ecuaciones diferenciales

4.1.

Introduccin a las ecuaciones diferenciales

Definicin 5. 12 (Ecuacin diferencial)

Se llama ecuacin diferencial a cualquier ecuacin que contiene las derivadas de una o ms
variables dependientes con respecto a una o ms variables independientes.
Ejemplo 5.9
1.
dy
= 2y2
dx
(variable independiente x, variable dependiente y)
2.

d4x
d2x
+
5
+ 3x = sent
dt 4
dt 2
(variable independiente t, variable dependiente x)

ctasis-Grupo B

Tema 5:Diagonalizacin

3.

Pagina 5.16

2T 2T
+ 2 =0
x2
y
(variables independiente x e y, variable dependiente T )

Definicin 5. 13 (Orden de una ecuacin diferencial )

Se denomina orden de una ecuacin diferencial al de la derivada de orden ms alto contenida
en ella.

Ejemplo 5.10
1.

dy
= 2y2 es de orden 1.
dx

2.

d4x
d2x
+
5
+ 3x = sent es de orden 4.
dt 4
dt 2

3.

2T 2T
+ 2 = 0 es de orden 2.
x2
y

Definicin 5. 14 (Ecuacin diferencial ordinaria)

Si en una ecuacin diferencial slo interviene una variable independiente, la ecuacin diferencial
se dice ordinaria y, en caso contrario, se dice que es una ecuacin en derivadas parciales.

Ejemplo 5.11
1.

dy
= 2y2 es una ecuacin diferencial ordinaria (E.D.O.).
dx

2.

d2x
d4x
+
5
+ 3x = sent es una E.D.O.
dt 4
dt 2

3.

2T 2T
+ 2 = 0 es una ecuacin en derivadas parciales(E.D.P.).
x2
y

ctasis-Grupo B

Pagina 5.17

Tema 5:Diagonalizacin

Nota 5. 6 Consideraremos, solamente, ecuaciones diferenciales ordinarias con variable independiente x (real) y variable dependiente y (con valores en Rn ).

Si al sustituir la variable y por una funcin concreta, la ecuacin se transforma en una identidad,
para todo x de un intervalo real I, diremos que dicha funcin es una solucin en I de la ecuacin.

Ejemplo 5.12 Se considera la ecuacin diferencial :

y00 (x) 4y(x) = 0, x R
Comprueba si las siguientes funciones son soluciones en R de la misma.
1. f (x) = ex
2. g(x) = e2x
3. h(x) = e2x
4. y = c1 e2x + c2 e2x , cuando c1 y c2 toman valores reales arbitrarios.

Ejemplo 5.13 Se considera la ecuacin diferencial :

y0 = 2x, x R
Resulvase, integrando, la ecuacin dada y obtnganse todas sus posibles soluciones. Calclese la
solucin que pasa por el punto (1, 7). Esta ltima solucin obtenida se dice que es una solucin
particular de la ecuacin.

ctasis-Grupo B

Pagina 5.18

Tema 5:Diagonalizacin

4.2.

Ecuaciones y sistemas de ecuaciones diferenciales lineales

Definicin 5. 15 (Ecuacin diferencial lineal de orden n )

Una ecuacin diferencial se dice que es lineal de orden n si puede escribirse en la forma
a0 (x)

d n1 y
dy
dny
+
a
(x)
+ + an1 (x) + an (x)y = F(x)
1
n
n1
dx
dx
dx

siendo las ai (x) y F(x) funciones reales de variable real x y a0 (x) no idnticamente nula.

Ejemplo 5.14
1.

dy
= 2y2 es una ecuacin no lineal.
dx

2.

d4x
d2x
+
5
+ 3x = sent es una ecuacin lineal.
dt 4
dt 2

Definicin 5. 16 (Sistema lineal de ecuaciones diferenciales de primer orden)

Dadas n funciones incgnitas y1 (x), y2 (x), . . . , yn (x), n ecuaciones diferenciales de la forma
0
y1 = a11 (x)y1 + a12 (x)y2 + + a1n (x)yn + f1 (x)

y02 = a21 (x)y1 + a22 (x)y2 + + a2n (x)yn + f2 (x)

(3)

...........................................

0
yn = an1 (x)y1 + an2 (x)y2 + + ann (x)yn + fn (x)
constituyen un sistema lineal de ecuaciones diferenciales de primer orden.
Supondremos que todas las funciones que intervienen en el sistema son funciones reales de la variable
real x.
Denotando por Y(x) y F(x) a las funciones vectoriales
Y(x) = (y1 (x), y2 (x), . . . , yn (x))t , F(x) = ( f1 (x), f2 (x), . . . , fn (x))t
ctasis-Grupo B

Pagina 5.19

Tema 5:Diagonalizacin

y por A(x) a la matriz:

a11 (x) a12 (x) a1n (x)

a21 (x) a22 (x) a2n (x)

A(x) =

an1 (x) an2 (x) ann (x)

el sistema se puede representar por la ecuacin

Y0 (x) = A(x)Y(x) + F(x)

(4)

que es la forma vectorial de escribir un sistema de ecuaciones diferenciales.

Definicin 5. 17 (Solucin de un sistema)

Dado el sistema Y0 = A(x)Y + F(x), una funcin vectorial : I Rn , donde I es un intervalo
real, se dice solucin en I del sistema, si es derivable en dicho intervalo y se verifica:
(x) + F(x), x I
0 (x) = A(x)

Ejemplo 5.15 Dado el sistema



y01 = xy1 xy2 x + 1

y02 = y1 y2


comprubese que la funcin (x) =

1 (x)
2 (x)


=

x+1
x


es una solucin del mismo en R.

Definicin 5. 18 (Problemas de valores iniciales)

Consideremos el sistema Y0 = A(x)Y + F(x) y fijemos un punto x0 R y un vector

c Rn .
Al problema de encontrar una solucin Y del sistema, en un intervalo real I que contenga a x0 ,

que verifique la condicin Y(x ) =

c se le denomina problema de Cauchy o problema de valores
0

iniciales. La condicin anterior recibe el nombre de condicin inicial.

ctasis-Grupo B

Pagina 5.20

Tema 5:Diagonalizacin

Teorema 5.6 (Existencia y unicidad de solucin)

Consideremos el problema de valores iniciales
( 0
Y
= A(x)Y + F(x)

Y(x0 ) =
c
Supongamos que las funciones ai j y fk que componen A(x) y F(x), respectivamente, son continuas
en un intervalo I que contiene a x0 . Entonces, existe una nica solucin en I de dicho problema.

Ejemplo 5.16
Teniendo en cuenta el ejemplo (5.15), comprubese que la funcin

 

1 (x)
x+1
(x) =
=
2 (x)
x
es la solucin nica en R del problema de valores iniciales




 
x x
x + 1
2
0
Y =
Y+
, Y(1) =
1 1
0
1

4.3.

Ecuaciones y sistemas de ecuaciones diferenciales lineales homogneos

Definicin 5. 19 (Sistema de ecuaciones diferenciales lineal homogneo)

Un sistema lineal se dice homogneo, si, en notacin vectorial, es de la forma
Y0 = A(x)Y

Es decir, es el caso particular en el que la funcin vectorial F, que interviene en la expresin (4),
es idnticamente nula.

Las soluciones de un sistema no homogneo se pueden construir sumando a las soluciones del sistema homogneo asociado una solucin particular del sistema completo. Por ello, vamos a centrarnos
en la resolucin de los sistemas homogneos.
ctasis-Grupo B

Pagina 5.21

Tema 5:Diagonalizacin

Estructura del conjunto de soluciones

Para resolver Y0 = A(x)Y, necesitaremos hallar soluciones en I de dicha ecuacin, es decir, funciones definidas sobre I, con valores en Rn , que satisfagan el sistema.
Por tanto, tendremos que trabajar en el conjunto de funciones vectoriales de I Rn y, en primer
lugar, debemos tener en cuenta que dicho conjunto tiene estructura de espacio vectorial sobre R, con
las operaciones habituales de suma de funciones y producto de una funcin por un escalar.
El subespacio de las soluciones
Si y son soluciones en I de Y0 = A(x)Y y , R, + tambin es solucin del
sistema, por lo que el conjunto de soluciones en I del sistema lineal homogneo es un subespacio
vectorial del espacio de las funciones vectoriales definidas sobre I y, por tanto, las soluciones en I de
un sistema lineal homogneo forman un espacio vectorial sobre R. En cuanto a la dimensin de dicho
espacio, se puede demostrar el siguiente resultado:

Teorema 5.7 El conjunto de soluciones en I del sistema lineal homogneo Y0 = A(x)Y es un

espacio vectorial sobre R de dimensin n.

Definicin 5. 20 (Sistemas fundamentales)

1 ,
2 , . . . ,
n } es una base del espacio de soluciones en I del sistema homogneo
Si {
Y
Y 0 = A(x)Y
1 ,
2 , . . . ,
n } es un sistema fundamental de soluciones en dicho intervalo.
entonces se dice que {

Definicin 5. 21 (Solucin general)

1 ,
2 , . . . ,
n } es un sistema fundamental de soluciones en I, entonces la solucin general
Si {
en I del sistema es:
Y = c1 1 (x) + c2 2 (x) + + cn n (x)
siendo ci constantes reales arbitrarias.
Por tanto, el problema de obtener la solucin general de un sistema se reduce a obtener n soluciones
particulares linealmente independientes.

ctasis-Grupo B

Pagina 5.22

Tema 5:Diagonalizacin

Ejemplo 5.17 Dado el sistema


1 1
Y =
Y
0 2
 2x 

 x 
e
e
, 2 (x) =
Prubese que 1 (x) =
0
e2x
0

es un sistema fundamental de soluciones en R para el mismo.

4.3.1. Sistemas homogneos de coeficientes constantes

Los sistemas lineales homogneos de coeficientes constantes son de la forma Y0 = A(x)Y, siendo
A = (ai j )ni, j=1 , con los ai j constantes reales.
Estudiaremos exclusivamente el caso en que la matriz A es diagonalizable (en C) que dividiremos,
a su vez, en dos partes:
1. A tiene todos sus valores propios reales
2. A tiene algn valor propio no real.
Caso de valores propios reales:

Teorema 5.8
Si~v1 ,~v2 , . . . ,~vn son vectores propios de A linealmente independientes asociados, respectivamente,
a los valores propios reales 1 , 2 , . . . , n , entonces
{e1 x~v1 , e2 x~v2 , . . . , en x~vn }
es un sistema fundamental de soluciones en R del sistema homogneo Y0 = A(x)Y.
0
y = y1 + y2 y3

1
Ejemplo 5.18 Resulvase el sistema de ecuaciones diferenciales: y02 = y1 y2 + y3

0
y3 = 2y1 + 2y2 2y3

ctasis-Grupo B

Pagina 5.23

Tema 5:Diagonalizacin

Caso en que algn valor propio no es real:

Teorema 5.9
Sea A una matriz real, cuadrada de orden n. Si = a + bi, con b 6= 0, es un valor propio complejo
de dicha matriz y ~w es un vector propio asociado al mismo, entonces es un valor propio de A y ~w
es un vector propio asociado al valor propio .

Lema 5.1
Las funciones complejas
(x) = e(a+bi)x~w y

(x) = e(abi)x~w

verifican el sistema Y0 = A(x)Y, x R.

Construccin de un sistema fundamental cuando un valor propio no es real

Lema 5.2
(x)) e Im(
(x)) son soluciones en R del sistema homogneo
Las funciones reales Re(
Y
Y 0 = A(x)Y
En consecuencia
(x)), Im(
(x)), . . . , en x~vn }
{e1 x~v1 , e2 x~v2 , . . . , Re(
Y.
son n funciones linealmente independientes que verifican el sistema homogneo Y 0 = A(x)Y
Procediendo de este modo con cada pareja (i , i ) de valores propios no reales obtendramos n
soluciones linealmente independientes reales y, por tanto, un sistema fundamental de soluciones en
R.

Ejemplo 5.19 Resulvase el sistema de ecuaciones diferenciales:

0
y = y1 + y2 y3

1
y02 = y3

0
y3 = y1 y2 + y3

ctasis-Grupo B

Pagina 5.24

Tema 5:Diagonalizacin

Bibliografa

Arves J., lvarez R., Marcelln F.

lgebra Lineal y aplicaciones
Sntesis, 1999
Merino L., Santos E.
lgebra Lineal con mtodos elementales
Thomson, 2006
Serrano Mara Luisa
Transparencias para las clases de lgebra lineal (Primer curso-Grados de Ingenieria - EPI de
Gijn)

ctasis-Grupo B