5.

2 El mtodo del eigenvalor para sistemas homogneos

305

se cumpla; esto es, el producto de matrices Av es un mltiplo escalar del vector v.

La pregunta ahora es: cmo encontrar v y l?
Para responder, se reescribe la ecuacin (5) en la forma

(6)

(A I)v = 0.

Dada l, ste es un sistema de n ecuaciones lineales homogneas en las incgnitas v1,

v2,, vn. Por un teorema estndar del lgebra lineal, tiene una solucin no trivial si
y slo si el determinante de su matriz de coecientes se anula; esto es, si y slo si
(7)

|A I| = det(A I) = 0.

En su formulacin ms simple, el mtodo del eigenvalor para resolver el sistema x9

5 Ax consiste en encontrar un valor de l tal que la ecuacin (7) se cumpla, y posteriormente resolver la ecuacin (6) con este valor de l para obtener v1, v2,, vn.
Entonces x 5 velt ser un vector solucin. El nombre del mtodo proviene de la siguiente denicin.

DEFINICIN

Eigenvalores y eigenvectores

El nmero l (cero o diferente de cero) se llama eigenvalor de la matriz A de tamao n 3 n siempre que
(7)

|A I| = 0.

Un eigenvector asociado con el eigenvalor l es un vector no cero v por consiguiente Av 5 lv, tal que
(6)

(A I)v = 0.

Ntese que si v es un eigenvector asociado con el eigenvalor l, de la misma

manera es cualquier mltiplo escalar constante diferente de cero cv de v; esto se
concluye de la multiplicacin de cada lado de la ecuacin (6) por c Z 0.
El prejo eigen es una palabra alemana con la traduccin aproximada de caracterstico en este contexto; los trminos valor caracterstico y vector caracterstico
son de uso comn. Por esta razn, la ecuacin

!
! a11
a12

a1n
!
!
a22
a2n
! a21
|A I| = !!
..
..
..
!
.
.
.
!
! an1
an2
ann

!
!
!
!
!
!=0
!
!
!
!

(8)

se llama ecuacin caracterstica de la matriz A; sus races son los eigenvalores de

A. Despus de desarrollar el determinante en (8), evidentemente se obtiene un polinomio de grado n de la forma
(1)n n + bn1 n1 + + b1 + b0 = 0.

(9)

Por el teorema fundamental del lgebra, esta ecuacin tiene n races posiblemente
algunas sern complejas o repetidas y de este modo una matriz de n 3 n tiene n
eigenvalores (contando repeticiones, si hubiera). Aunque se considera que los ele-

306

Captulo 5 Sistemas lineales de ecuaciones diferenciales

mentos de A son nmeros reales, existe la posibilidad de tener eigenvalores y eigenvectores complejos.
El anlisis de las ecuaciones (4) a (7) proporciona una prueba del teorema que
sigue, el cual es la base del mtodo del eigenvalor para resolver de un sistema lineal
de primer orden con coecientes constantes.

TEOREMA 1

Soluciones de x9 5 Ax con eigenvalores

Sea l un eigenvalor (constante) de la matriz de coecientes A del sistema lineal

de primer orden
dx
= Ax.

dt
Si v es un eigenvector asociado de l, entonces
x(t) = vet

es una solucin no trivial del sistema.

El mtodo del eigenvalor

La descripcin general de este mtodo para resolver el sistema con coecientes constantes homogneos de n 3 n, x9 5 Ax es de la siguiente manera:
1. Primero se resuelve la ecuacin caracterstica dada en (8) para los eigenvalores
l1, l2,, ln de la matriz A.
2. Luego se intenta encontrar n eigenvectores linealmente independientes v1,
v2,, vn asociados con estos eigenvalores.
3. El paso 2 no siempre es posible, pero cuando lo es, se obtienen n soluciones
linealmente independientes
x1 (t) = v1 e1 t ,

x2 (t) = v2 e2 t ,

...,

xn (t) = vn en t .

(10)

En este caso, la solucin general de x95 Ax es una combinacin lineal

x(t) = c1 x1 (t) + c2 x2 (t) + + cn xn (t)

de estas n soluciones.
Se presentarn por separado los diferentes casos que pueden ocurrir, dependiendo de
si los eigenvalores son distintos o repetidos, reales o complejos. El caso de eigenvalores repetidos races mltiples de la ecuacin caracterstica se diere a la seccin 5.4.

Eigenvalores reales distintos

Si los eigenvalores l1, l2,, ln son reales y distintos, entonces cada uno se sustituye
en la ecuacin (6) para obtener los eigenvectores asociados v1, v2,, vn. En este
caso, puede demostrarse que los vectores de la solucin particular dada en (10) son
siempre linealmente independientes. (Por ejemplo, vase la secc. 6.2 de Edwards y
Penney, Elementary Linear Algebra, Prentice Hall, Englewood Cliffs, NY, 1988.) En
cualquier ejemplo en particular esta independencia lineal puede vericarse siempre
utilizando el determinante wronskiano de la seccin 5.1. El siguiente ejemplo ilustra
el procedimiento.

5.2 El mtodo del eigenvalor para sistemas homogneos

Ejemplo 1

Encuntrese la solucin general del sistema

x1 = 4x1 + 2x2 ,
x2 = 3x1 x2 .

Solucin

307

(11)

La forma matricial del sistema en (11) es

"
#
4
2
x =
x.
3 1

(12)

La ecuacin caracterstica de la matriz de coecientes es

!
!
!
!4
2
! = (4 )(1 ) 6
!
! 3
1 !

= 2 3 10 = ( + 2)( 5) = 0,

que tiene eigenvalores reales distintos l1 5 22 y l2 5 5.

Para la matriz de coecientes A en (12) la ecuacin del eigenvector (A 2 lI)
v 5 0 toma la forma
"

4
2
3
1

para el eigenvector asociado v 5 fa

#"

a
b

" #
0
0

(13)

bgT.

Caso 1. l1 5 22. La sustitucin del primer eigenvalor l1 5 22 en la ecuacin

(13) produce el sistema
"

6 2
3 1

#"

a
b

" #
0
;
0

esto es, las dos ecuaciones escalares

6a + 2b = 0,
3a + b = 0.

(14)

En contraste con el sistema lineal (algebraico) no singular cuyas soluciones se presentaron en la seccin 5.1, el sistema lineal homogneo en (14) es singular las dos
ecuaciones escalares obviamente son equivalentes (cada una es un mltiplo de la
otra). Por tanto, la ecuacin (14) tiene una innidad de soluciones diferentes de
cero; se puede seleccionar arbitrariamente a (diferente de cero) y entonces resolver
para b.
La sustitucin de un eigenvalor l en la ecuacin del eigenvector (A 2 lI)v 5 0
siempre conduce a un sistema lineal homogneo singular y, de entre la innidad de
soluciones, generalmente se busca una que sea simple con valores enteros pequeos (si es posible). Observando la segunda ecuacin en (14), la eleccin de a 5 1
admite que b 5 23, y as
"
#
1
v1 =
3
es un eigenvector asociado con l1 5 22 (como lo es cualquier mltiplo constante de
v1 diferente de cero).

308

Captulo 5 Sistemas lineales de ecuaciones diferenciales

Observacin. Si en lugar de hacer la eleccin ms simple a 5 1, b 5

23, se escoge a 5 c Z 0, b 5 23c, debera obtenerse el eigenvector
"
#
"
#
c
1
v1 =
=c
.
3c
3
Debido a que ste es un mltiplo constante del resultado previo, cualquier eleccin
que se haga conduce a (un mltiplo constante de) la misma solucin
"
#
1 2t
x1 (t) =
e .
3

Caso 2. l2 5 5. La sustitucin del segundo eigenvalor l 5 5 en (13) produce el par

a + 2b = 0,
(15)
3a 6b = 0
de ecuaciones escalares equivalentes. Con b 5 1 en la primera ecuacin se obtiene a
5 2, de tal manera que
" #
2
v2 =
1
es un eigenvector asociado a l2 5 5. Una eleccin diferente a 5 2c, b 5 c Z 0 debe
dar un mltiplo (constante) de v2.
Estos dos eigenvalores y eigenvectores asociados obtienen las dos soluciones
"
#
" #
1 2t
2 5t
e
x1 (t) =
e .
x
(t)
=
y
2
3
1
stas son linealmente independientes debido a que su wronskiano
!
! 2t
! e
2e5t !!
3t
!
! 3e2t e5t ! = 7e

es diferente de cero. En consecuencia, una solucin general del sistema dado en (11) es
#
"
" #
1 2t
2 5t
x(t) = c1 x1 (t) + c2 x2 (t) = c1
e + c2
e ;
3
1
4
3
2
1
0
1
2
3
4

en forma escalar,

x2

x1 (t) =
c1 e2t + 2c2 e5t ,
x2 (t) = 3c1 e2t + c2 e5t .

4 3 2 1 0 1 2 3 4

La gura 5.2.1 muestra algunas curvas solucin tpicas del sistema dado en (11). Se
observan dos familias de hiprbolas compartiendo el mismo par de asntotas: la lnea
x1 5 2x2 obtenida de la solucin general con c1 5 0 y la lnea x2 5 23x1 obtenida con
c2 5 0. Dados los valores iniciales x1(0) 5 b1, x2(0) 5 b2, se observa de la gura que

x1

Campo
direccional y curvas solucin para
el sistema lineal x91 5 4x1 1 2x2,
x92 5 3x1 2 x2 del ejemplo 1.
FIGURA 5.2.1.

Si (b1, b2) se encuentra a la derecha de la lnea x2 5 23x1, entonces tanto x1(t)

como x2(t) tienden a 1q, conforme t S 1q.
Si (b1, b2) se encuentra a la izquierda de la lnea x2 5 23x1, entonces tanto x1(t)

como x2(t) tienden a 2q, conforme t S 1q.

Observacin. Como en el ejemplo 1, es conveniente, cuando se trabaja

con un sistema lineal x9 5 Ax, utilizar los vectores x1, x2,, xn para representar las
diferentes soluciones vectoriales, siempre que los escalares x1, x2,, xn representen
los componentes de una solucin vectorial x.