APÉNDICE I

FUNCIÓN GAMMA

La definición integral de Euler de la función gamma es

F(.v) = I t‘ [e~' di. (1)

La convergencia de la integral requiere que * — 1 > -1 o * > 0. La relación de

recurrencia

r(* + i) = *r(*>, (2)

como vimos en la sección 6.3, se puede obtener de (1) al integrar por partes. Ahora
cuando * = 1 . T (l) = Jo e~' dt = 1 , y por tanto de la ecuación (2 ) se obtiene

T(2 ) = ÍTU) = 1
r (3) = 2 r ( 2 ) = 2 - i
R 4 ) = 3R 3) = 3 - 2 - 1

y así sucesivamente. Así de esta manera vemos que cuando n es un entero positivo,
R n + I ) n\. Por esto a la función gamma se le llama con frecuencia función fac­
torial generalizada.
Aunque la forma integral (1) no converge cuando * < 0, se puede demostrar por
medio de definiciones alternativas, que la función gamma está definida para todos
los números reales y complejos, excepto * = —n, n = 0, 1 , 2 , . . . Como una conse­
cuencia, la ecuación (2) sólo es válida para * ¥= - n . La gráfica de R*), considerada
como una función de una variable real *, se presenta en la figura 1.1. Observe que los
enteros no positivos corresponden a las asíntotas verticales de la gráfica.
En los problemas 31 y 32 de los ejercicios 6.3 hemos usado el hecho de que
r ( j) = \ í ñ . Este resultado se puede deducir a partir de (1) y haciendo * = ¿ :

FIGURA 1-1 Gráfica de R*) para* r(í) - JO

ft U2e ' dt. (3)

distinto de cero y que no sea un entero

negativo. Cuando se hace t = u2. la ecuación (3) se puede escribir como r ( ') = 2 /o e du.
Pero /o e ~ “2 du = /q e ~ v* dv, por lo que

[r(i)f = ( 2^ du^iylj e -v'dv^j = 4^ J e ~ ^ +vi)du dv.

El cambiar a coordenadas polares, u = r eos 0, v = r sen 0 nos permite evaluar la

integral doble:

f nn f "

n
"
e~(u'+v2)du dv = 4 I I e~r' r dr dO = v.
1 Jo Jo
Por tanto = 77
o r(!) = V tt. (4)

APE-1
APE-2 • APÉN D IC E I FUNCIÓN GAMMA

| E JE M P L O 1~ Valor de r(- |)
Evalúe r ( - í ) .

SOLUCIÓN Usando las ecuaciones (2) y (4), con x =

rQ) = -ír(-i).

Por tanto r ( — = —2 T (|) = ~ 2 y /ñ .

EJERCICIOS PARA EL APÉN D ICE I impar comienzan en la página RES-29. ___

1. Evalúe.
a) T(5) b) T(7)
4. Evalúe J x3 ^ l n - j dx [Sugerencia: Haga t = - l n x ]

c) r(-|) d) r(-f) 5. Utilice el hecho de que T(x) > t*~le~'dt parademos-

Jo
2. Utilice la ecuación (1) y el hecho de que r ( |) = 0.92 para trar que T(x) no está acotada cuando x —* 0 +.
r»
evaluar x5e X'd x. [Sugerencia: Haga / = x 5.]
Jo 6 . Utilice (1) para deducir (2) cuando x > 0.

3. Utilice la ecuación (1) y el hecho de que T(|) = 0.89

para evaluar I x*e~x dx.

Jo
APÉNDICE II
MATRICES

II. 1 DEFINICIONES BÁSICAS Y TEORÍA

¡DEFINICIÓN II.1 Matriz

Una matriz A es cualquier arreglo rectangular de números o funciones:

au an ’ ■ <*ln
a 2i a2 2 • ’ a2n
A = (1)
•

1 &m2 a mn

Si una matriz tiene m renglones y n columnas, se dice que su tamaño es m por n

(se escribe como m X n). Una matriz n X n se llama matriz cuadrada de orden n.
El elemento, o entrada del /-ésimo renglón y la J-ésima columna de una matriz
A r a X n s e representa por a... Una matriz A m X ti se representa en la forma A =
(a ¡)m x , ° simplemente A = (a.!). Una matriz 1 X 1 es sólo una constante o función.

DEFINICIÓN II.2 Igualdad de matrices

Dos matrices m X n A y B son iguales si a.. = b.. para toda i y j.

¡ DEFINICIÓN II.3 Matriz columna

Una matriz columna X es cualquier matriz que tenga n renglones y una

columna:
Ib íi
¿21
X= — (b¡¡)nXl-

bnl

Una matriz columna también se llama vector columna o simplemente vector.

[ DEFINICIÓN II.4 Múltiplos de matrices

Un múltiplo de una matriz A se define como

kau kan ■■■ kau
k a 2\ k a 22 ■■■ ka^
k\ =

kam2 ■ ■ ■ kam

donde k es una constante o una función.

APE-3
APE-4 • A PÉN D IC E I I MATRICES

E JE M P L O 1 Múltiplos de matrices

Observamos que para toda matriz A el producto kA es igual al producto Ak. Por
ejemplo,

DEFINICIÓN II.5 Suma de matrices

La suma de dos matrices A y B m X n se define como la matriz

A + B = (a¡j + bjj)mXn.

En otras palabras, cuando se suman dos matrices del mismo tamaño se suman los
elementos correspondientes.

j E JE M P L O 2 Suma de matrices

/ 2 -1 3\ /4 7
La suma de A = 0 4 6 y B = 9 3 5
1-6 10 -5 / \1 -1 2/
s—
ex^

-
U)

/ 2 + 4 ' 6 6
+

1+7
1

" 5\
A + B = 0 + 9 4 + 3 6 + 5 = 9 7
11
\—6 + 1 1 0 + ( - 1) -5 + 2 j 1 -5 9 -3 /

[ E JE M P L O 3 Una matriz escrita como una suma de matrices columna

/ 3í2 - 2 é \
La matriz sola t2 + It ] se puede escribir como la suma de tres vectores columna:
\ 51

1 /-2 e ' l-2 \

r2 + ' = A It 0 O l e 1.
i + 1
\ 51 .51) l 0 \ 0/

La diferencia de dos matrices m X n se define en la forma usual: A - B = A +

(-B ), donde -B = (—1)B.
 A PÉN D IC E I I MATRICES • APE-5

^DEFINICIÓN II .6 Multiplicación de matrices

Sea A una matriz con m renglones y n columnas y B una matriz con n renglo­
nes y p columnas. El producto AB se define como la matriz m X p
fa ii ^12 ‘ <>\n\ bu bn ■ • M
1^21 a22 * • 02n| b2\ ¿22 • • by
AB =

1 &m2 bnl bn2 - bnp

a\\b\\ + 0 ) 2^21 + • ' + O lA l • • aiib\p + aub2p + • • + nbnp'

a 21^11 + a 22^21 + ' • + «2A i ■ ' a 21^1p + a22b2p + ■ ■+ «2A p

am\b\\ + «m2^21 + ' ■+ amnb„ , ■ ' am\b\p + a„, 2 ^ 2p + •

Observe con cuidado en la definición II.6 , que el producto AB = C está definido

sólo cuando el número de columnas en la matriz A es igual al número de renglones en
B. El tamaño del producto se determina de
A ntXn^nXp C mXp'

También reconocerá que los elementos en, digamos, el í-ésimo renglón de la matriz
producto AB se forman aplicando la definición en componentes del producto interior,
o punto, del z'-ésimo renglón de A con cada una de las columnas de B.

EJEM PLO 4 Multiplicación de matrices

4 •9 + 7 •6 4 • ( - 2 ) + 7 • 8\ /78 48
AB =
3 •9 + 5 •6 3 • ( - 2 ) + 5 • 8 / “ \57 34

-4 -
b) Para A = 1 0 y B=
2 o)

(-4 ) + 8 -2 5 • ( - 3 ) + 8 -0 ^ [ i( - 4 ~ 15\
AB = (-4 ) + 0 - 2 1 • (-3 ) + 0 - 0 -4 ~3
' - 1
(-4 ) + 7 -2 2 • ( - 3 ) + 7 • o) l 6 - 6/

En general, la multiplicación de matrices no es conmutativa; es decir, AB + BA.

/3 0 53\
Observe en el inciso a) del ejemplo 4, que B A = I I, mientras que en el inciso

b) el producto BA no está definido, porque en la definición n .6 se requiere que la

primera matriz, en este caso B, tenga el mismo número de columnas como renglones
tenga la segunda.
Nos interesa en particular el producto de una matriz cuadrada por un vector co­
lumna.
 APÉN D IC E I I MATRICES • APE-5

| DEFINICIÓN II .6 Multiplicación de matrices

Sea A una matriz con m renglones y n columnas y B una matriz con n renglo­
nes y p columnas. El producto AB se define como la matriz m X p
a¡i an ■ ' Gin’ bu b i2 ■ • M

\<hi ^22 • <*2*1 bu ¿>22 • • b2p

AB =

ami «m2 ’ &mnl K 1 bn2 • bnp

a u bu + « 12^21 + • ■ + f liA i ' ' ‘ a \\b\p + o l2b2p + • ^1 r¡bnp

^ 2 1 ^11 ^22^21 * •+ a2nbn\ ’ ' • °2\b\p + a 22^2p + ’ ■ + a - J ) np

am\b\\ + fl/n2^21 + ' •+ « m A l • • • am\bip + + • amnbnPl

í É aubk\
\k=1 ImXp

Observe con cuidado en la definición II.6, que el producto AB = C está definido

sólo cuando el número de columnas en la matriz A es igual al número de renglones en
B. El tamaño del producto se determina de

También reconocerá que los elementos en, digamos, el i-ésimo renglón de la matriz
producto AB se forman aplicando la definición en componentes del producto interior,
o punto, del /'-ésimo renglón de A con cada una de las columnas de B.

EJEM PLO 4 Multiplicación de matrices

a) Para A
-C S’ "C D
4 •9 + 7 •6 4 • (-2 ) + 7 -8 78 48
AB =
3 •9 + 5 •6 3 • (-2 ) + 5 -8 57 34

b) Para A = 1 B=
\2
Í5 • (- 4 ) + 8- 2 5 • (- 3 ) + 8 •0\ (-4 -i5 \
AB = 1 • (- 4 ) + 0 - 2 1 • ( —3) + 0 • 0 1= -4 " 3
\2 • (- 4 ) + 7 - 2 2 • ( - 3 ) + 7-0/ l 6 - 6/

En general, la multiplicación de matrices no es conmutativa; es decir, AB + BA.

(30 53\
Observe en el inciso a) del ejemplo 4, que B A = I ^ I, mientras que en el inciso

b) el producto BA no está definido, porque en la definición U.6 se requiere que la

primera matriz, en este caso B, tenga el mismo número de columnas como renglones
tenga la segunda.
Nos interesa en particular el producto de una matriz cuadrada por un vector co­
lumna.
APE-6 • A PÉN D IC E I I MATRICES

[ E JE M P L O 5 Multiplicación de matrices

'2 -i 3\ Í - A Í2 • ( - 3 ) + (—1) • 6 + 3 • 4\ i o\
a) 0 4 5 6 0 • (-3 ) + 4 • 6 + 5 • 4 = 44
U -7 9/ A) \ l ■( - 3 ) + ( - 7 ) • 6 + 9 • 4/ 1 -9 /
-4 2 - 4 x + 2y
b)
3 8)J \ y( H 3x + 8y

IDENTIDAD MULTIPLICATIVA Para un entero positivo n, la matriz n X n

ll 0 0 • • • 0\
0 1 o ••• o
I=

\o o o 1

se llama matriz de identidad multiplicativa. Por la definición £1.6, para toda matriz
A n X n.
AI = IA = A.

También se comprueba con facilidad que si X es una matriz columna n X l , entonces

IX = X.
MATRIZ CERO Una matriz formada sólo por elementos cero se conoce como ma­
triz cero y se representa por 0. Por ejemplo,

0 =
o ~ c» - E :¡
y así sucesivamente. Si A y 0 son matrices m X n, entonces

A + 0 = 0 + A = A.
LEY ASOCIATIVA Aunque no lo demostraremos, la multiplicación de matrices es aso­
ciativa. Si A es una matriz m X p. B una matriz p X r y C una matriz r X n, entonces

A(BC) = (AB)C
es una matriz m X n.

LEY DISTRIBUTIVA Si todos los productos están definidos, la multiplicación es

distributiva respecto de la suma:
A(B + C) = AB + AC y (B + C)A = BA + CA.

DETERMINANTE DE UNA MATRIZ Asociado a toda matriz cuadrada A de cons­

tantes hay un número llamado determinante de la matriz, que se denota por det A.

[ E JE M P L O 6 Determinante de una matriz cuadrada

3 6 2)
Para A = 2 5 1 I desarrollamos det A por cofactores del primer renglón:

5 1 2 1 2 5
det A — = 3 —6 + 2
2 4 -1 4 -1 2

= 3(20 - 2) - 6(8 + 1) + 2(4 + 5) = 18.

 A PÉN D IC E I I MATRICES • APE-7

Se puede demostrar que un determinante, det A se puede desarrollar por cofactores

usando cualquier renglón o cualquier columna. Si det A tiene un renglón (o una co­
lumna) con muchos elementos cero, el sentido común aconseja desarrollar el determi­
nante por ese renglón (o columna).

DEFINICIÓN II.7 Transpuesta de una matriz

La transpuesta de la matriz (1) m X n es la matriz Ar d e n X m dada por

«n «21 - «m i

«12 «22 • • am2

«1 n «2 n ■ « mn

Es decir, los renglones de una matriz A se convierten en las columnas de su

transpuesta Ar.

[ T je m p l o 7 Transpuesta de una matriz

6 (3 2 -l\
l 3
2 5 1 es Ar = 6 5 2
1-1 2 a) \2 1 4/

b) Si X = | 0 I, entonces X T = (5 0 3).

DEFINICIÓN 11.8 Inversa multiplicativa de una matriz

Sea A una matriz n X n. Si existe una matriz B n X n tal que

AB = BA = I,
en donde I es la identidad multiplicativa, se dice que B es la inversa multipli­
cativa de A y se denota por B = A '1.

DEFINICIÓN II.9 Matrices no singular/singular

Sea A una matriz n X n. Si det A # 0, entonces se dice que A es no singular.

Si det A = 0, entonces A es singular.

El siguiente teorema especifica una condición necesaria y suficiente para que una
matriz cuadrada tenga inversa multiplicativa.

| TEOREMA II. 1 La no singularidad implica que A tiene una inversa

Una matriz A n X n tiene una inversa multiplicativa A ' 1 si y sólo si A es no

singular.

El siguiente teorema describe un método para determinar la inversa multiplicativa

de una matriz no singular.
APE-8 • A PÉN D IC E I I MATRICES

| TEOREMA II.2 Una fórmula para la inversa de una matriz___________

Sea A una matriz no singular n X n y sea Ct¡ = (—l)i+J A f. donde Af. es el de­
terminante de la matriz de (« — 1) X (n — 1) obtenido all eliminar el í'-ésimo
renglón y la j-ésima columna de A, entonces

A" - s b <c»>r - (2>

Cada C.j en el teorema II.2 es simplemente el cofactor (el menor con signo) del ele­
mento a en A. Observe que en la fórmula (2) se utiliza la transpuesta.
Para futuras referencias observe que en el caso de una matriz no singular 2 X 2
{a.11 <*12
A =
«21 «22
que Cu = a 22, C 12 = - a 2V C 21 = ~ a n, y C 22 = a,,. Portanto
- a-n ~ « I2
A" 1 = (3)
det A \ —a l2 a ,,) det A \ —a 2\ an
Para una matriz no singular 3 x 3

f« ll ü\2 «13
A - l a a 22 «23
W 31 a 32 «33

f l 22 «23 —_ a 2l «23 a 21 a 22
Cu — > C 12 C„ =
a 32 «33 «31 «33 «31 a 32

y así sucesivamente. Al realizar la transposición se obtiene

¡Cu C 2,
A’ 1 = C, 2 C 22 C ,2 • (4)
det A
\C |3 C 23 C 33/

E JE M P L O 8 Inversa de una matriz 2 x 2

[
1 4
Encuentre la inversa multiplicativa de A =
2 10
SOLUCIÓN Puesto que det A = 10 - 8 = 2 0, A es no singular. De acuerdo con
el teorema n. 1, A -1 existe. Utilizando la ecuación (3) encontramos que

(2 2\
No toda matriz cuadrada tiene inversa multiplicativa. La matriz A = I I
es singular, porque det A = 0. Por tanto, A " 1no existe.

E JE M P L O 9 Inversa de una matriz 3 x 3

[
Encuentre la inversa multiplicativa de A =
 A PÉN D IC E I I MATRICES • APE-9

SOLUCIÓN Puesto que det A = 12 + 0, la matriz dada es no singular. Los cofactores

correspondientes a los elementos de cada renglón de det A son
1 1 -2 1 -2
=1 C\2 = = 5 Q3 — = -3
0 1 3 1 3
2 0 2 0 2
= -2 C 22 = 2 ^23 = = 6
0 1 3 1 3
2 0 2 0 2

O
=2 C 32 = = -2 = 6.

II
'31
= 1 1 -2 1 -2

Utilizando la ecuación (4) se tiene que

1 -2 \
\
/
jI
1
12
- i
6
í\
6 1

A -1 = 5 2 - 1
12
I
6
- I
6
1 I 1
V-3 6 /
4 2 2/

Le pedimos que compruebe que A ”'A = AA *1 = 1. ■

La fórmula (2) presenta dificultades obvias cuando las matrices no singulares son
mayores de 3 X 3. Por ejemplo, para aplicarla a una matriz 4 X 4 necesitaríamos calcular
dieciséis determinantes 3 X 3.* Para una matriz grande, hay métodos más eficientes para
calcular A '1. El lector interesado puede consultar cualquier libro de álgebra lineal.
Puesto que nuestra meta es aplicar el concepto de una matriz a sistemas de ecuacio­
nes diferenciales lineales de primer orden, necesitaremos las definiciones siguientes:

DEFINICIÓN 11.10 Derivada de una matriz de funciones

Si A(r) = (a(t)) es una matriz cuyos elementos son funciones derivables en

un intervalo común, entonces

dA = (d_ )
dt ~ \ d t aV mXn

[DEFINICIÓN 11.11 Integral de una matriz de funciones

Si A(t) = (a.J(t))mXjes una matriz cuyos elementos son funciones continuas en

un intervalo que contiene a t y íQ, entonces

£ A(j) ds = a¡j(s) ds

Para derivar o integrar una matriz de funciones, sólo se deriva o integra cada uno
de sus elementos. La derivada de una matriz también se denota por A '(t).

| EJEM PLO 10 Derivada/integral de una matriz

Id \
—- sen 2 1
dt
/ sen 2 1 ¡2 eos 2 í\
Si X(f) = e3' entonces X'(r) = 3e3'
7 ei'
dt
\8 t - 1 ; \ 8

"Estrictamente hablando, un determinante es un número, pero a veces conviene manejarlo como si fuera
un arreglo.
APE-10 • A PÉN D IC E I I MATRICES

r I J'0sen2sds \ / - |c o s 2í + |
y X(s)ds = ío ^ d s = f e 3' - £
\/Ó ( 8 j - D rfj/ \ 4 f2 — t

II.2 ELIMINACIÓN DE GAUSS Y DE GAUSS-JORDAN

Las matrices son una ayuda insustituible para resolver sistemas algebraicos de n ecua­
ciones lineales con n incógnitas
a u x i + a n x 2 + • • • + a Xnx„ = b,
a2lx | + a22x2 + • • • + a^x» = b2

anlx { + an2x2 + • • • + a„„x„ = b„.

Si A denota a la matriz de los coeficientes en (5), sabemos que es posible usar la regla de
Cramer para resolver el sistema, siempre que det A # O. Sin embargo, para seguir esa
regla se necesita realizar un gran trabajo si A es mayor de 3 X 3. El procedimiento que
describiremos a continuación tiene la particular ventaja de no sólo ser un método eficiente
para manejar sistemas grandes, sino también una forma de resolver sistemas consistentes
(5), en los que det A = 0 y para resolver m ecuaciones lineales con n incógnitas.

| DEFINICIÓN II.12 M atriz aum entada

La m atriz aum entada del sistema (5) es la matriz n X ( n + l)

*11 «12 • «ln K

«21 «22 ■ « 2,, b2

,«nl «ni • • a nn V

Si B es la matriz columna de las br i = 1 , 2 , , n, la matriz aumentada de (5)

se denota por (A|B).

OPERACIONES ELEMENTALES DE RENGLÓN Recuerde de álgebra que pode­

mos transformar un sistema algebraico de ecuaciones en un sistema equivalente (es
decir, un sistema que tenga 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. A estas operaciones,
sobre un sistema de ecuaciones, se les define como operaciones elementales de ren­
glón en una matriz aumentada:
i) Multiplicar un renglón por una constante distinta de cero.
¡i) Intercambiar dos renglones cualesquiera.
iii) Sumar 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 el método de eliminación de Gauss-
Jordan. En el primero de los métodos se realiza una secuencia de operaciones elementales
de renglón hasta llegar a una matriz aumentada que tenga la forma renglón escalón.
i) El primer elemento distinto de cero en un renglón distinto de cero es 1.
jí) En los renglones consecutivos distintos de cero el primer elemento 1, en el
renglón inferior, aparece a la derecha del primer 1 en el renglón superior.
iii) Los renglones formados únicamente con ceros están en la parte inferior de
la matriz.
 A PÉN D IC E I I MATRICES • APE-11

En el método de Gauss-Jordan se continúa con las operaciones de renglón hasta obtener

una matriz aumentada que esté en la forma escalonada reducida. Una matriz escalo­
nada reducida presenta las mismas tres propiedades de arriba, además de la siguiente:
jv ) Una columna que contiene un primer elemento 1 tiene ceros en todos sus
demás lugares.

E JE M P L O 11 Formas escalonada/escalonada reducida

a) Las matrices aumentadas

5 0 2 '
/» /
(o -6
1 0 - 1
0 \\0 0
\o 0 0 o)

están en su forma escalonada. Debe comprobar que se satisfacen los tres criterios,
b) Las matrices aumentadas

/I 0 0 A 0 0 -6 -6
1 0 y (\0
0 0 0
lo 0 0 o)
están en su forma escalonada reducida. Observe que los elementos restantes en las co­
lumnas contienen un 1 como entrada principal y que los elementos son iguales a 0 . ■

Observe en la eliminación de Gauss que nos detenemos una vez obtenida una
matriz aumentada en su forma escalonada. En otras palabras, al usar operaciones con­
secutivas de renglón llegaremos a formas escalonadas distintas. Este método requiere
entonces del uso de sustitución regresiva. En la eliminación de Gauss-Jordan nos de­
tenemos cuando se ha llegado a la matriz aumentada en su forma escalonada reducida.
Cualquier orden de operaciones de renglón conduce a la misma matriz aumentada en su
forma escalonada reducida. Este método no necesita sustitución regresiva; la solución
del sistema se conocerá examinando la matriz final. En términos de las ecuaciones del
sistema original, nuestra meta con ambos métodos es simplemente hacer el coeficiente
de Jtj en la primera ecuación' igual a 1 y después utilizar múltiplos de esa ecuación para
eliminar *, de las otras ecuaciones. El proceso se repite con las otras variables.
Para mantener el registro de las operaciones de renglón, que se llevaron a cabo en
una matriz aumentada, se utilizará la siguiente notación:

Símbolo Significado

R Intercambio de los renglones i y j

cR, Multiplicación del i-ésimo renglón por la constante c, distinta
de cero
cR + R, Multiplicación del i'-ésimo renglón por c y suma del
resultado al y'-ésimo renglón

I E JE M P L O 12 Solución por eliminación

Resuelva + 6x* + *» = 7
*, + 2x2 - *3 = - 1

5a-, + 7 .í2 - 4 *3 = 9

utilizando a) eliminación de Gauss y b) eliminación de Gauss-Jordan.

‘Siempre se pueden intercambiar ecuaciones de tal forma que la primera ecuación contenga a la variable
APE-12 APÉN D IC E I I MATRICES

SOLUCIÓN a) Usando operaciones de renglón en la matriz aumentada del sistema,

obtenemos

'2 6 1 7’ '1 2 -1 - 1 + R2
-2 R , 'l 2 -1 -l\
/?!■
1-> -5R, ■+■
1 2 -1 -1 2 6 1 7 0 2 3 9
,5 7 -4 91 u 7 -4 9, 0 -3 1 14

/l 2 -1 - l | [1 2 -1 - l | 'l 2 -1 -l\
2 ^2 3 9 }R2 + /?, 3 9 A«, 3 9
0 1 2 2 0 1 2 2 0 1 2 2
11
>0 - 3 1 14 ,0 0 2 5i) ,0 0 1 5

La última matriz está en la forma renglón-escalón y representa al sistema

x, + 2x2 — x3 = —1

3 9

= 5.
Sustituyendo x2 = 5 en la segunda ecuación se obtiene x2 = —3. Sustituyendo ambos
valores en la primera ecuación finalmente se obtiene = 10.
b) Comenzamos con la última de las matrices anteriores. Como los primeros elemen­
tos en el segundo y tercer renglones son 1, debemos hacer que los elementos restantes
en las columnas dos y tres sean iguales a 0:

'l 2 -1 'l 0 -4 -1 0 ’ 4/?3 + /?, 1 0 0 10 ’

3 9 -2 R2 + R, 3 9 - i « , + r2
0 1 2 2 0 1 2 2 0 1 0 -3
l 5 \0 0 1 5j io 0 1 5,
O
O

La última matriz ya se encuentra en su forma escalonada reducida. Debido al signi­

ficado de esta matriz, en términos de las ecuaciones que representa, se ve que la solu­
ción del sistema es x t = 10, x2 = - 3 , = 5. ■

] E IE M P IO 1 3 Eliminación de Gauss-Jordan

Resuelva x + Zy — 2 z — —1
4x+ y + 3z — 5
2 x - 5y + l z = 19.
SOLUCIÓN Resolveremos este sistema con la eliminación Gauss-Jordan:

/! 3 -2 -7 -4 R , + R2 1 3 -2 - 7’
-2 R ,I + /?,
4 1 3 5 0 -11 11 33
,2 - 5 7 19, io -11 11 33,

T,«2 'l 3 -2 - 7 ’ - 3 R2 + «| (1 0 1 l\
hR, —/?5 +
0 1 -1 -3 0 1 -1 -3
,0 1 -1 -3 , lo 0 0 0

En este caso, la última matriz, en su forma escalonada reducida, implica que el sistema
original de tres ecuaciones con tres incógnitas es equivalente, en realidad, a dos ecua­
ciones con tres incógnitas. Puesto que sólo z es común a ambas ecuaciones (los renglo­
nes distintos de cero), le podemos asignar valores arbitrarios. Si hacemos z = t, donde
t representa cualquier número real, veremos que el sistema tiene una cantidad infinita
 APÉN D IC E I I MATRICES • APE-13

de soluciones: x = 2 — t, y = —3 + t ,z = t. Geométricamente, esas ecuaciones son

las ecuaciones paramétricas de la recta de intersección de los planos x + 0}’ + z — 2 y
0* + y - z = 3. ■

USO DE OPERACIONES DE RENGLÓN PARA ENCONTRAR UNA INVERSA

Debido a la cantidad de determinantes que hay que evaluar, casi no se usa la fórmula
(2) del teorema 11.2 para determinar la inversa cuando la matriz A es grande. En el
caso de matrices de 3 X 3 o mayores, el método que se describe en el siguiente teo­
rema es particularmente eficiente para determinar A -1.

| TEOREMA II.3 Determinación de A “1 usando las operaciones elementales

de renglón
Si una matriz A n X n s e puede transformar en la matriz identidad I n X n con
una secuencia de operaciones elementales de renglón, entonces A es no singu­
lar. La misma secuencia de operaciones que transforma a A en la identidad I
también transforma a I en A-1.

Es conveniente realizar estas operaciones de renglón en forma simultánea en A

y en I, mediante una matriz n X 2n obtenida aumentando A con la identidad I, como
aquí se muestra:

«11 a \2 - ■ a in 1 0 • • 0'
a21 a22 ' ■ « 2* 1 0 • • 0
(A 11) =

Un. ^n2 @nn Ó 0 ■ • i,

En el diagrama siguiente se indica el procedimiento para encontrar A ■:

Realice las operaciones de renglón

en A hasta que obtenga I. Esto
significa que A es no singular.

) (I I A“ ')'

Simultáneamente aplique las

mismas operaciones sobre I,
para obtener A-1 .

j E JE M P L O 14 Inversa por operaciones elementales de renglón

/ 2 0 l\
Determine la inversa multiplicativa de A = —2 3 4 .
\ —5 5 6

SOLUCIÓN Usaremos la misma notación que cuando redujimos una matriz aumen­
tada a la forma renglón escalón:

2 0 1 1 0 o\ 1 0 I Í 0 o\ 2«, + *: 1 0 I 5 0 0
-2 3 4 0 1 0 — -2 3 4 0 1 0 --” 1— --U 0 3 5 1 1 0
-5 5 6 0 0 1/ \-5 5 6 0 0 1/ \0 5 § | 0 1,
APE-14 • A PÉN D IC E I I MATRICES

\R¡ 1 0 2
1 1
2 0 0 [l 0
1
2
1
2 0 0
5 1 1 ~ R 2 t- Ry 5 1 1
0 1 3 3 3 0 0 1 3 3 3 0
17 1 1 I 1 1 1
\0 1 10 2 0 51 io 0 30 6 3 51

1 1 +
'l 0 2 2 0 o1 -í* 3 'l 0 0 -2 5 -3 '
30Ry 5 1 i —!/?3 + r 2
0 1 3 3 3 0 0 1 0 -8 17 -10
,0 0 1 5 -1 0 6¡ ,0 0 1 5 -10 6,

Puesto que I se presenta a la izquierda de la recta vertical, concluimos que la matriz a

la derecha de la recta es

Si la reducción de renglones (A|I) conduce a la situación

Operaciones entre
(A |„ (, | c).

donde la matriz B contiene un renglón de ceros, entonces A es necesariamente singu­

lar. Como una reducción adicional de B siempre produce otra matriz con un renglón
de ceros, nunca se transformará A en I.

II.3 EL PROBLEMA DE EIGENVALORES

La eliminación Gauss-Jordan se puede emplear para determinar los eigenvectores
(vectores propios) de una matriz cuadrada.

| DEFINICIÓN 11.13 Eigenvalores y eigenvectores________________

Sea A una matriz n X n. Se dice que un número A es un eigenvalor de A si

existe un vector solución K distinto de cero del sistema lineal

AK = AK. (6 )
El vector solución K es un eigenvector que corresponde al eigenvalor propio A.

La palabra eigenvalor es una combinación de alemán y español adaptada de la

palabra alemana eigenwert que, traducida literalmente, es “valor propio”. A los ei­
genvalores y eigenvectores se les llama también valores característicos y vectores
característicos, respectivamente.

| E JE M P L O 15 Eigenvector de una matriz

Compruebe que K = í- 1 es un eigenvector de la matriz

I 0 - 1 -3 \
A = 2 3 3
\-2 1 11
 APÉN D IC E I I MATRICES • APE-15

SOLUCIÓN Al realizar la multiplicación AK vemos que

eiacnvülnr
0 -1 -3 ’ -2 ' l' I
' l\
AK = 2 3 3 -1 = 2 = ( - 2) - 1 = ( —2)K.
-2 1 1; 1 1 , - 2, 1;

Vemos de la definición U.3 y del renglón anterior que A = - 2 es un eigenvalor de A. ■

Usando las propiedades del álgebra matricial, podemos expresar la ecuación (6)
en la forma alternativa
(A - AI)K = 0, (7)
donde I es la identidad multiplicativa. Si hacemos

/ * .\

K =

entonces (7) es igual que

(an A)Aíj ^ 12^2 + a u k„ = 0
(^22 A)^2 + a2j,k„ = 0
(8)
anik\ + anik2 + + (a„„ - \ )k„ = 0 .

Aunque una solución obvia de la ecuación (8) es k¡ = 0, k2 = 0 , . . . , kn = 0, sólo nos inte­

resan las soluciones no triviales. Se sabe que un sistema homogéneo de n ecuaciones linea­
les con n incógnitas (esto es, b. = 0, i = 1, 2 , . . . , n en la ecuación (5)) tiene una solución
no trivial si y sólo si el determinante de la matriz de coeficientes es igual a cero. Por tanto,
para determinar una solución K distinta de cero de la ecuación (7) se debe tener que

del(A - AI) = 0. (9)

Examinando la ecuación ( 8) se ve que el desarrollo del det(A - AI) por cofactores
da como resultado un polinomio en A de grado n. La ecuación (9) se llama ecuación
característica de A. Por lo que, los eigenvalores de A son las raíces de la ecuación
característica. Para encontrar un vector propio que corresponde a un eigenvalor A,
sólo se resuelve el sistema de ecuaciones (A — AI)K = 0 aplicando la eliminación
Gauss-Jordán a la matriz aumentada (A - AI|0).

[ E JE M P L O 16 Eigenvalores/eigenvectores

f 1 2 l\
Determinar los eigenvalores y los eigenvectores de A 6 -1 0
[-1 -2

SOLUCIÓN Para desarrollar el determinante y formar la ecuación característica usa­

remos los cofactores del segundo renglón:

1- A 2 1
det(A - AI) = 6 -1 - A 0 = -A 3 - A2 + 12A = 0.
-1 -2 -1 - A

Puesto que —A3 — A2 + 12A = —A(A + 4)(A — 3) = 0 vemos que los valores propios
son A, = 0, A2 = —4 y A, = 3. Para determinar los eigenvectores debemos reducir tres
veces (A - Al|0), que corresponden a los tres diferentes eigenvalores.
APE-16 • A PÉN D IC E I I MATRICES

Para A, = O tenemos
' l 2 1 o) -bR, ~ 2 1 o 1
/?, - r3
(A - OI I 0) = 6 -l 0 0 -13 -6 0

i-l -2 -1 0, 0 0 o j

i
2 1 o' ’ l 0 13 o ’
-H R , 2K, 6
1 13 0 0 1 13 0

\0 0 0 0, ,0 0 0 0

Por lo que vemos que k, = — y k 2 = ~ ^ k 3. Eligiendo &3 = —13, obtenemos el

eigenvector"

Para Á2 = —4,

1 5 2 1 0 -R , 1 -3 0
(A + 4 1 10) = 6 3 0 0 0 0
i-l -2 3 0, i 1 0/
-6K, R2 1 2 -3 o’ 1 2 -3 0 -2R, * K, 1 o\
-W, R. -R - t /?,
0 -9 18 0 0 1 -2 0 -2 0
0 -8 16 0 , 10 1 -2 0/ lo o 0 0/

lo que implica que k t = - k } y k2 = 2kr Eligiendo = 1 se obtiene el segundo

eigenvector

Finalmente, para A = 3 con la eliminación de Gauss se obtiene

-2 2 1 0 operación fi 0 1 0
0 entre* renglones 0
3
(A - 31 10) = 6 -4 0 1 2 0
-1 -2 -4 0, 0 0 0 0 ,

por lo que k , = —fc3 y k 2 = — La elección de = —2 conduce al tercer eigen­

vector:

K, =

Cuando una matriz A n X n tiene n eigenvalores distintos A,, A , , . . . , An, se puede

demostrar que es posible determinar un conjunto de n eigenvectores linealmente
independientes1 K p K ,,. . . , Kn. Sin embargo, cuando la ecuación característica tiene
raíces repetidas, tal vez no se puedan determinar n eigenvectores de A linealmente
independientes.

"Por supuesto pudo ser cualquier número distinto de cero. En otras palabras, un múltiplo constante distinto
de cero de un eigenvector también es un eigenvector.
fLa independencia lineal de los vectores columna se define igual que la de las funciones.
 A PÉN D IC E I I MATRICES • APE-17

| E JE M P L O 17 Eigenvalores/eigenvectores

3 4
Determine los eigenvalores y los eigenvectores de A =
-1 7

SOLUCIÓN De la ecuación característica

3 - A 4
det(A - AI) = = (A - 5 )2 = 0
-1 7 - A

vemos que A, = A2 = 5 es un eigenvalor de multiplicidad dos. En el caso de una matriz

de 2 X 2 no se necesita usar la eliminación Gauss-Jordan. Para determinar los eigen­
vectores que corresponden a A, = 5, recurriremos al sistema (A - 5I|0) en su forma
equivalente
—2 k \ + 4 k 2 = 0

—k x + 2k2 = 0 .

En este sistema se ve que kt = 2kr Por lo que si elegimos k2 = 1, encontraremos un

solo eigenvector:

| E JE M P L O 18 Eigenvalores/eigenvectores

19 i i)
Determine los eigenvalores y eigenvectores de A = 1 9 1
\l 1 91

SOLUCIÓN La ecuación característica

9 - A 1 1
det(A - AI) = 1 9 - A 1 = -(A - 11)(A - 8)2 = 0
1 1 9 - A
muestra que A, = 11 y que A2 = A3 = 8 es un eigenvalor de multiplicidad dos.
Para A, = 11, usando la eliminación Gauss-Jordan se obtiene
-2 1 1 0 operaciones 1 0 - 1 0
(A - 1II | 0) = 1 -2 1 0 entre renglones 0 1 -1 0
, 1 1 - 2 0, L0 0 0 0,

Por tanto, k t = k2y k2 = ky Si k} = 1, entonces

/l'
K, =

Ahora para A, = 8 tenemos que

1 1 1 0 operaciones 1 1 1 0
(A - 8 1 10) = 1 1 1 0 enlre renglones 0 0 0 0

,1 1 1 0, 0 0 0 0
APE-18 • A PÉN D IC E I I MATRICES

En la ecuación k¡ + k, + k} = O seleccionamos libremente dos de las variables.

Eligiendo, por un lado que k2 = 1, &3 = 0 y, por otro, fc, = 0, k3 = 1, obtendremos dos
eigenvectores linealmente independientes:

M l~l\
K: =
l °1/

11
1
l 0)

Las respuestas a los problem as seleccionados con número impar

EJERCICIOS DEL APEN D ICE II comienzan en la página RES-29.______________________________

[1.1 D EFIN IC IO N ES BA SIC A S Y TEO RIA

8. Si A = Q “j y B = ^ “ 7 j, determine

1. Si A =
,- 6
4 5
y
9J ' ~
b = V- 2 8 -10
, determine a) A + B7 b) 2Ar — B 7 c) Ar(A - B)

a) A + B b) B - A c) 2A + 3B 4\ / 5 10\
9. s ¡ A = y B= I ^ I, determine

f-2 /
a) (AB)r b) B7AT
Si A = 4 yB = 03 ~ 2' \ , determine
5 9 -3 11
1 7 3j -4 -2 / 10. Si A = ^ yB = I ^ „ ), determine
,-4
a) A - B b) B - A c) 2(A + B)
a) Ar + Br b) (A + B)7-

3. Si A = yB = | determine En los problemas 11 a 14 escriba la suma en forma de una sola

matriz columna:
a) AB b) BA c) A2 = AA d) B 2 = BB

'1 4\
determine
4 (\ _ 12) - 2
+ 3
(D
^8 12 1 2\ H) /
31 t' + ( ' - O
a) AB b) BA
1 - 1/ - 2(
1 -2
5. Si A =
\~ 2 ;)-e »
4
y e = (3 ^ .d e -
"■(;
í2
\l -V
L H -\ K
termine
/>
a) BC b) A(BC) c) C(BA) d) A(B + C) 14. 2
lo —L

6. Si A = (5 -6 7), B = En los problemas 15 a 22 determine si la matriz dada es sin­

gular o no singular. Si es no singular, determine A “ 1 usando
el teorema II.2 :
/> 2 4
C = 0 1 —1 I, determine
2 5
\3 2 1/ 16. A =
1 4
a) AB b) BA c) (BA)C d) (AB)C
7 10
18. A =
2 2
í 4\
7. Si A = 8 y B = (2 4 5), determine \ j< 3 2 1\
1 - 10 / 19. A = 20. A - 4 1
°
a) \ T\ b) Br B c) A + B 7 / '1 - 2 5 - 1/
 A PÉN D IC E II MATRICES * APE-19

'2 1 í 4 1 35. 2* + y 4- z — 4 36. x + 2z = 8

0
21. A = 1 -2 -3 22. A = 6 2
10* - 2y 4- 2z = ~ 1 * + 2y - 2 z = 4
”3 6* — 2y + 4z = 8 2* + 5y — 6 z = 6
\3 2 4) \~ 2 -1 2/
37. * ( + * 2 — * 3 —* 4 = —1 38. 2*, 4- x 2 + * 3 = 0
En los problemas 23 y 24 demuestre que la matriz dada es
*, + * 2 4- * 3 + * 4 = 3 *, + 3* 2 + *, = 0
no singular para todo valor real de t. Encuentre A '(l) con el
*, —* 2 + * 3 —* 4 = 3 7*, + *, + 3*3 = 0
teorema Ü.2 :
4*! + *, — 2*3 + * 4 = 0
Í2 e - ' e*' \

En los problemas 39 y 40 utilice la eliminación de Gauss-

Jordan para demostrar que el sistema dado de ecuaciones no
24. A(1) - í 2' ' “ " ' ~ 2e‘CO* ') tiene solución.
\ e' eos t é sen t /

En los problemas 25 a 28 determine dX.ldt. 39. * + 2y + 4z = 2 40. *, + *, - * 3 + 3* 4 = 1

2* + 4_v + 3z = 1 * 2 — * 3 — 4* 4 = 0
I \ „ / \ sen 2 r - 4 eos 2 A * + 2_y — z — 7 *, + 2* 2 — 2 * 3 — * 4 = 6
25. X = 2e~‘ 26. X = 2 „ c
4*! + 7* 2 - 7* 3 =9
I \ —3 sen 2 / + 5 eos 2 //

En los problemas 41 a 46 aplique el teorema II. 3 para deter­

minar A “ 1 para la matriz dada o demuestre que no existe la
inversa.
. , „ f e 4' eos TTt \
29. Sea A(r) - I f 3/2 - ])' Deterrn¡ne
/ 4 2 3\
41. A = 2 1 0 42. A
a) — b) | c) i A(s)ds 1-1 -2 0/
di Jo Jo
'l 2 3\
0 1 4
30. Sea A » - ( ' “ * ' ,) > ■ « - ( * * )• ,0 0 8 1
Determine 1 2 3 i\ /I 0 0 0\
dA dB -1 0 2 1 0 0 1 0
b) 46. A =
a) ~dt dt 2 1 -3 0 0 0 0 1
\ 1 1 2 1/ \o 1 0 0
c) A (t) di d) J~B (t) di
Jo

e) A(/)B(/) f) jA (f)B (í)

dt
11.3 EL PR O BLEM A DE LO S EIG EN VA LO RES
En los problemas 47 a 54 encuentre los eigenvalores y los
g) j \(s )B (s )d s
eigenvectores de la matriz dada.

II.2 ELIM IN A C IÓ N DE G A U SS Y DE
O AUSS-JO RD AN
En los problemas 31 a 38 resuelva el correspondiente sistema
de ecuaciones, por eliminación de Gauss o por eliminación de
Gauss-Jordan.
/5 -1 0^ Í3 0
°\
31. x + y - 2 z = \4 32. 5 x - 2 y + 4 z = 10 51. 0 -5 9 52. 0 2
2x- y + z = 0 x+ y+ z=9 °
\5 -1 0) \4 0 1/
6* + 3y + 4z = 1 4jc — 3y + 3z = 1
1 0 4 °\ /I 6
°\
33. y + z = —5 34. 3* + y + z= 4
5* + 4_v — 16z = - 10 4x + 2y — z = 7 53. -4 0 54. 0 2
1
x — y — 5z = 7 *+ y - 3z = 6 k 0 0 -2/ lo 1 2/
APE-20 • A PÉN D IC E I I MATRICES

En los problemas 55 y 56 demuestre que cada matriz tiene 59. Si A es no singular y AB = AC, demuestre que B = C.
eigenvalores complejos. Encuentre los eigenvectores respec­ 60. Si A y B son no singulares, demuestre que (AB )-1 =
tivos de la matriz:

2 -1 0 61. Sean A y B matrices n X n. En general, ¿es

5 2 4 (A + B )2 = A 2 + 2AB + B2?
,0 1 2,
62. Se dice que una matriz cuadrada es una matriz diagonal
si todos sus elementos fuera de la diagonal principal son
P ro b lem as diversos
cero, esto es, a .. = 0, i ¥= j. Los elementos au en la dia­
57. Si A(/) es una matriz de 2 X 2 de funciones derivables y gonal principal pueden ser cero o no. La matriz identidad
X(t) es una matriz columna de 2 X 1 de funciones deriva- multiplicativa 1 es un ejemplo de matriz diagonal.
bles, demuestre la regla de la derivada de un producto a) Determine la inversa de la matriz diagonal de 2 X 2

j [A(/)X(f>] = A(í)X'(í) + A'(r)X(r).

dt

58. Demuestre la fórmula (3). [Sugerencia: Encuentre una cuando a n # 0 , a22 # 0 .

matriz b) Encuentre la inversa de una matriz diagonal A 3 X 3
cuyos elementos au en la diagonal principal son todos
distintos de cero.
c) En general, ¿cuál es la inversa de una matriz diagonal
A n X n cuyos elementos de la diagonal principal a..
para la que AB = I. Despeje b n, b n, b2l y bn . Después
son distintos de cero?
demuestre que BA = I].
APÉNDICE III
TRANSFORMADAS DE LAPLACE

m 2{/(*)} = F(s)

1.1

2. i

n:
3. t" n un entero positivo

4. r l/2

Vìr
5. r1'2
2.7*
Ha + 1)
6. f“ a > -1
s“+l ’

k
7. sen Ari
s2 + k2
s
8. cos kt
¿Te
ik1
9. sen2 kt
sis2 + 4k2)

s2 + 2k2
10. cos2 kt
sis2 + 41c2)

1
1 1 . ea'
s- a

k
12. senh kt
í2 - * 2
i
13. cosh kt

2k2
14. senh2/:/
sis2 - 41c2)

s2 - 21c2
15. cosh2itr
sis2 — 4k2)

1
16. teal
is - a)2

n!
17. t"ea' n un entero positivo
is - aT+l'

APE-21
APE-22 A PEN D IC E I I I TRANSFORMADAS DE LAPLACE

m £{/(»)) = F(s)

18. e“' senti

(ì - a)2 + k1

s- a
19. e“' cos kt
(s - a)2 + t 2

k
20. e“' senhti
(s - a)2 - t 2

s —a
21. e“' cosb kl
(s - a)2 - t 2

2ks
22. i senti
(ì2 + t 2)2

^ - t 2
23. : cos kt
(r + t 2)2
2t i 2
24. senti + t i cos kt
i^ + t 2)2
213
25. sent/ —kt cos t i
(ì 2 + t 2)2

2ks
26. f senhti
(i2 - t 2)3

i^ t2
27. rc o sh t/
(i2 - t 2)2
e "' - e4' I
28.
a —b (i - ìj)(ì - è)
a e“' - be'” s
29~ a — bh (s - a)(s - b)

t2
30. 1 —cos kt
¡(s2 + Ir)

k3
31. kt —sen kt
^(j 2 + t2)
a sen bt - b sen ai I
ab (a2 - è2) ( r + a2)(i2 + i>2)

„„ cos bt - cos ai i
33‘ a2 - fr2 (ì2 + a2) ^ + b2)
2 krs
34. sentisenhti
s4 + 4 k*

kjs2 + 2lr)
35. se n tic o sh ti
S +4f
tf r2 - 2k2)
36. cos t i senhtt
S* + 414
s3
37. cos t i cosh kt
ì4+ 4f
 A PÉN D IC E I I I TRANSFORMADAS DE LAPLACE • APE-23

no set/«) = m
1
38. J0(ki)
V .r +
e*' - e"' s - a
39. In
s —b

2(1 — cos k t) s2 + le1

40. In
s2
2(1 — cosh kr)
41

sen at
42. arelan

se n a /c o si/ 1 a + ¿> l a —b
43. —arctan + - arctan--------

p-aVs
44. —= e - ’f n '
Vñi Vi

45. 2~aVs
2Vñ?
g-aVs
46- e r f c ( ^ )
S
e-aV,
47-2iie
^'-aedc(^ì sì/s
-a\/s
48. e“»«*''erte (bVt + V s (V s + b)

be-“^
49. —e"bet ''erk j^fcV/ +
s(V s + b)

+erfc(iV,)
50. £•“'/(/) F (ì - a)

e
51. °U(t - a)
s
5 2 ./( / - a)ty(/ - a ) e~“’F(s)

53. g o m t ~ a) e - “ X (g (t +a) )

54. /<">(/) s"F(s) - ¿ " '" /(O ) -/<"-n(0)

55. r"/(r) (-iy £ f (S)

56. J/(T)g(l - T) lij F(s)G(s)

57. 6(/) I

58. 8(1 - t0)