You are on page 1of 143

0.

Generalidades 11

CAPITULO 0: GENERALIDADES

1 Nocion de matriz polinomial


Consideremos una matriz L() cuadrada de orden n cuyos coe cientes son polinomios
en la variable  y a coe cientes complejos:
0 p () : : : p () 1
11 1n
B
L() = @ .. . .. C
. A 2 Mnn(C[])
pn1 () : : : pnn()
Esto es, pij () 2 C[], y para todo 0 2 C , L(0 ) 2 Mnn(C).

De nicion 1:
La matriz L() se denomina matriz polinomial o  -matriz.

Ejemplo 1:  3 +  + 2 
L() = 2+
, + 22 3
Notese que

L() = A` ` + A`,1 `,1 + : : : + A1 + A0 = Ai i
i=0
donde ` es el grado del polinomio pij () de L() de mayor grado.
Es decir, L() es un polinomio de grado ` cuyos coe cientes son matrices cuadradas
a coe cientes complejos.

© los autores, 1998; © Edicions UPC, 1998. Quedan rigurosamente prohibidas, sin la autorización escrita de los titulares del "copyright", bajo las sanciones
establecidas en las leyes, la reproducción total o parcial de esta obra por cualquier medio o procedimiento, comprendidos la reprografía y el tratamiento
informático, y la distribución de ejemplares de ella mediante alquiler o préstamo públicos, así como la exportación e importación de ejemplares para su
distribución y venta fuera del ámbito de la Unión Europea.
12 Introduccion a la teora de matrices polinomiales

Ejemplo 2:
a) Considerando L() de nida en el ejemplo 1,
1 0  1 1 3 2
2
L() =  2 0 +  ,1 0 + 0 3

b) Sea A 2 Mnn(C). La matriz L() = A , I es una matriz polinomial.


c) Toda matriz A 2 Mnn (C) puede ser vista como caso particular de matriz polino-
mial (de grado cero).

De nicion 2:
Diremos que una matriz polinomial L() es monica si y solo si A` = In .

Ejemplo 3:
a) La matriz polinomial
1 0 1
1 3 2
  
L() = 2 0 1 +  ,1 0 + 0 3
es monica; no as la matriz polinomial considerada en el ejemplo 2 (a).
b) I , A es una matriz polinomial monica; no as A , I .

De nicion 3:
Dada una matriz polinomial L(), diremos que es regular si det L() no es identicamente
nulo.
Notese que si L() no es regular los coe cientes del polinomio det L() son todos
identicamente nulos.

Ejemplo 4:
La matriz polinomial A , I es siempre regular (el polinomio caracterstico de una
matriz tiene grado n ).

© los autores, 1998; © Edicions UPC, 1998.


0. Generalidades 13

2 Operaciones con matrices polinomiales


Matrices polinomiales del mismo orden pueden ser sumadas y multiplicadas con las
operaciones habituales de suma y producto de matrices; y en cada caso se obtiene otra
matriz polinomial.
Ejemplo 1:
 2 +  , 2  
1 ,  , L = 1  . Entonces su suma es:

Sean L1 = 2 + 22 , 2 2 ,
 
L1() + L2 () = 32+ + ,32 ,12
2

y su producto es:
 
L1()  L2() = 22++ 2,2 , 3  3+22+ 2,3
3 2 3

Proposicion 1:
El conjunto de matrices polinomiales del mismo orden, con las operaciones de suma y
producto, tiene estructura de anillo.

De nicion 1:
Diremos que una matriz polinomial L1 () es inversible si existe una matriz polinomial
L2 () del mismo orden que L1 () tal que
L1 ()  L2 () = L2 ()  L1 () = I

La matriz polinomial L2 () la llamaremos matriz polinomial inversa de L1 () y es-


cribiremos
L2 () = (L1 ()),1

Proposicion 2:
Una matriz polinomial L() es inversible si y solo si

© los autores, 1998; © Edicions UPC, 1998.


14 Introduccion a la teora de matrices polinomiales

det L() = a 2 C; a 6= 0

Demostracion:
Se deja, como ejercicio, para el lector.

De nicion 2:
Una matriz polinomial L() se dice que es unimodular si
det L() = a 2 C; a 6= 0

Despues de esta de nicion, la proposicion anterior puede enunciarse de la siguiente


manera:
Proposicion 3:
Una matriz polinomial L() es inversible si y solo si es unimodular.

3 Equivalencia y forma normal de Smith


3.1 Equivalencia de matrices polinomiales

De nicion 1:
Dadas dos matrices polinomiales del mismo orden, L1 () y L2 (), diremos que son
equivalentes, y lo notaremos por L1 ()  L2 (), si y solo si existen dos matrices
polinomiales inversibles E () y F () tales que
L2 () = E ()L1()F ()

O bviamente las matrices E () y F () tienen el mismo orden que Li ().

© los autores, 1998; © Edicions UPC, 1998.


0. Generalidades 15

Proposicion 1:
Esta relacion es de equivalencia.
Demostracion:
a) Es re exiva: L()  L() para toda matriz polinomial L().
b) Es simetrica: si L2 () = E ()L1()F () se tiene L1 () = (E ()),1L2 ()(F ()),1 .
c) Es transitiva: si L2 () = E1 ()L1 ()F1 () y L3 () = E2 ()L2()F2 () entonces
L3 () = (E2()E1())L1()(F1 ()F2 ()).

Proposicion 2:
Sean I , A y I , B dos matrices polinomiales lineales monicas. Si I , A y I , B
son equivalentes, entonces A y B son semejantes.
Demostracion:
Recordemos que dos matrices cuadradas de orden n se dice que son semejantes si y
solo si existe una matriz inversible S tal que
B = S ,1AS

Supongamos que I , A y I , B son equivalentes. Entonces existen E () y F ()


inversibles tales que
I , B = E ()(I , A)F ()
Esto es,
(E ()),1(I , B ) = (I , A)F () (1)

La matriz (E ()),1 puede ponerse de la forma


(E ()),1 = (I , A)S () + R0 ; (2)
con R0 como una matriz constante. En efecto, tenemos que

(E ()),1 = E0 + E1 + 2 E2 + : : : + ` E` = Ej j
j =0

© los autores, 1998; © Edicions UPC, 1998.


16 Introduccion a la teora de matrices polinomiales

y escribiendo

` , X
`,1
S () = S0 + S1 + 2 S 1
2 + : : : +  S`,1 = Sj j
j =0
tenemos que
(I , A)S () =
= S0 + 2 S1 + 3 S2 + : : : + ` S`,1 , AS0 , AS1 , 2 AS2 , : : : , `,1AS`,1 =
= ,AS0 + (S0 , AS1 ) + 2 (S1 , AS2 ) + : : : + `,1 (S`,2 , AS`,1 ) + ` S`,1

Obligando a que
(I , A)S () + R0 = (E ()),1
tenemos que
E0 = ,AS0 + R0; E1 = S0 , AS1 ; : : :; E`,1 = S`,2 , AS`,1 ; E` = S`,1
y recurrentemente se pueden obtener las matrices Si y R0 . Analogamente, F () puede
escribirse como
F () = T ()(I , B ) + U0 (3)
con U0 como una matriz constante.
Sustituyendo (2) y (3) en la ecuacion (1), tenemos
((I , A)S () + R0 )(I , B ) = (I , A)(T ()(I , B ) + U0 )
de donde
(I , A)(S () , T ())(I , B ) = ,R0 (I , B ) + (I , A)U0

Puesto que ,R0 (I , B ) + (I , A)U0 es de grado como maximo 1, ha de ser S () =
T () ya que, de lo contrario, en este primer lado de la igualdad la matriz polinomial
sera de grado por lo menos 2.
Luego
R0(I , B) = (I , A)U0
de donde R0 = U0 y R0 B = AR0 .

© los autores, 1998; © Edicions UPC, 1998.


0. Generalidades 17

Para concluir la implicacion basta probar que R0 es inversible, con lo cual tendremos
B = R,0 1 AR0 . Para ello escribamos
E () = (I , B )W () + V0
donde V0 es una matriz constante. Veamos que
I = (E ()),1E () = (E ()),1(I , B)W () + (E ()),1V0 =
= (I , A)F ()W () + ((I , A)S () + R0 )V0 =
(a)
= (I , A)(F ()W () + S ()V0) + R0 V0
(a) teniendo en cuenta (1)
de donde F ()W () + S ()V0 = 0 y R0 V0 = I .
Para ver la implicacion en sentido contrario, supongamos que A y B son semejantes.
En este caso existe una matriz inversible S tal que
B = S ,1AS
de donde
I , B = I , S ,1AS = S ,1(I , A)S
Puesto que S y S ,1 son matrices polinomiales de grado cero inversibles, I , A y
I , B son equivalentes.

3.2 Forma normal de Smith


Proposicion 3:
Para cada matriz polinomial L() existe una representacion
L() = E ()D()F ()
0 d1() 1
BB ... C
C
BB d ( ) C
C
con D() = B BB
r C
C matriz polinomial diagonal con di ()
0
@ ... C A
0
polinomios monicos, tales que di () es divisible por di,1 ().
E sta es la llamada forma normal de Smith.

© los autores, 1998; © Edicions UPC, 1998.


18 Introduccion a la teora de matrices polinomiales

Demostracion:
Supongamos primero que la matriz polinomial L() tiene una sola la y n columnas:
L() = ( a11 () : : : a1n ())

Supongamos que el polinomio a11 () es el de menor grado de entre todos los polinomios
a1i de L() (si esto no es as se puede conseguir permutando columnas), en cuyo caso
a12 () = a11 b2 () + r2 ()

Entonces
0 1 ,b2() 1
B
( a11 () : : : a1n ()) B
1 C
C
@ ... A = ( a11 () r2 () : : : a1n ())
1

Si r2 () 6= 0, puesto que grado r2 () < grado a11 (), permutamos las dos primeras
columnas y repetimos el proceso hasta conseguir que r() = 0.
Si r2 () = 0 repetimos este proceso con las demas columnas, hasta conseguir
L()  ( a111 () 0 : : : 0 )

Si la matriz L() es de m las y una sola columna procedemos analogamente.


Sea ahora L() matriz de m las y n columnas con m > 1 y n > 1. Procederemos por
induccion suponiendo que lo hemos probado hasta matrices de tama~no (m , 1)  (n , 1).
Si L() = 0 no hay nada que decir. Consideremos, pues, la matriz
0 a () : : : a () 1
11 1n
B
L() = @ .. . .. C
. A
am1 () : : : amn ()
no identicamente nula, y supongamos que el polinomio a11 () es el de menor grado
de entre todos los polinomios aij () de la matriz (si no es as, permutando las y
columnas se puede conseguir este hecho).

© los autores, 1998; © Edicions UPC, 1998.


0. Generalidades 19

Realizando los mismos pasos que para el caso 1  n y m  1 podemos conseguir


0 a111() 0 ::: 0 1
B
B 0 a122 () : : : a12n () C
L()  L1 () = @ .. .. C
. A
..
. .
0 a1m2 () 1
: : : amn()
Si algun a1ij () no fuera divisible por a111 (), sumamos a la primera la la i -esima la
y repetimos el proceso anterior, con lo que obtendremos una matriz
0 a211() 0 : : : 0 1
L()  L2 () = B
B 0 a222 () : : : a22n() C
@ ... .. C
. A
..
.
0 a2m2 () : : : a2mn()
donde el grado de a211 () es menor que el grado de a111 (). Si todava hay algun a2ij ()
que no es divisible por a211 () repetimos la operacion, y con un numero nito de pasos
obtenemos 0 a311() 0 : : : 0 1
B
B 0 a322 () : : : a32n () C
L()  L3 () = @ .. .. C
. A
..
. .
0 a3m2 () : : : a3mn()
con todos los a3ij () divisibles por a311 ().
Multiplicando la primera la o columna por una constante no nula podemos conseguir
que el coe ciente de mayor grado de a311 () sea 1. Ahora, escribiendo
0 a3 () : : : a3 () 1
22 2n
L4 () = a3 1() B
@ ..
.
.. C
. A
11 3 3
am2 () : : : amn ()
podemos aplicar la hipotesis de induccion a esta matriz que es de tama~no (m , 1) 
(n , 1).

Proposicion 4:
Sea L() una matriz polinomial cuadrada de orden n con det L() no identicamente
nulo. Entonces para cada 0 2 C , la matriz L() admite una representacion de la
forma 0 ( ,  )k1 1
0
L() = E0 () B
@ ... C
A F0 ()
k
( , 0 ) n

© los autores, 1998; © Edicions UPC, 1998.


20 Introduccion a la teora de matrices polinomiales

donde E0 () y F0 () son matrices polinomiales inversibles en 0 , y k1  : : :  kn


son enteros no negativos.

3.3 Polinomios invariantes y divisores elementales

Sea L() una matriz polinomial y sea


0 d1() 1
B
D() = B
... C
C
@ dr () A
0
su forma reducida de Smith.

De nicion 1:
Llamaremos polinomios invariantes de L() a los elementos
d1 (); : : :; dr ()
de la diagonal de D().

Proposicion 1:
El numero r de polinomios invariantes es
r = max frango L()g
2C

Demostracion:
Puesto que L() = E ()D()F (), con E () y F () matrices inversibles, tenemos
que
rango L() = rango D(); 8 2 C
Por otra parte
rango D(0 ) = r; 80 2 C con di (0 ) 6= 0; i = 1; : : :; r

© los autores, 1998; © Edicions UPC, 1998.


0. Generalidades 21

y rango D(0 ) < r , para todo 0 2 C con di (0 ) = 0; para algun i; i = 1; : : :; r; de


donde el resultado.

Descompongamos (en C) cada di () en producto de factores primos:


d1 () = ( , 11 ) 11 : : : ( , 1k1 ) 1k1
..
.
dr () = ( , r1 ) r1 : : : ( , rkr ) rkr

De nicion 2:
Llamaremos divisores elementales de L() a
( , 11 ) 11 ; : : :; ( , 1k1 ) 1k1 ; : : :; ( , r1 ) r1 : : : ( , rkr ) rkr

Diremos que el divisor elemental ( , ij ) ij es lineal si y solo si ij = 1.

Ejemplo 1:
Sea  
L() =  ,1 2 2 0, 
2

Haciendo transformaciones elementales tenemos


 2 , 2 0
  0 ,(2 , 2)(2 , )   0 ,(2 , 2)(2 , ) 
1 2 ,   1 2 
 , 1 0
   
 10 ,(2 , 20)(2 , )  10 (2 , 20)(2 , )

Luego, los divisores elementales son 2 , ( , 2) y ( , 1).


Observamos ademas que ( , 2) y ( , 1) son lineales.

© los autores, 1998; © Edicions UPC, 1998.


22 Introduccion a la teora de matrices polinomiales

Proposicion 1:
Sea L() una matriz polinomial monica tal que det L() no sea identicamente nulo.
Entonces la suma de los grados de sus divisores elementales coincide con el grado de
det L(), esto es
X
r X
ki
ij = grado det L()
i=1 j =1

Proposicion 2:
Sea  L () 
L() = 0 L 0() 1
2
Entonces el conjunto de divisores elementales de L() es la union de los divisores
elementales de L1 () y L2 ().

4 Funciones de matrices
Sea A 2 Mn (C) y sea f () = an n + : : : + a1  + a0 una funcion polinomica.

De nicion 1:
De nimos f (A) como
f (A) = anAn + : : : + a1 A + a0 I

Pretendemos generalizar esta nocion al caso en que f () es una funcion a variable
compleja analtica en un entorno U que contenga el espectro 1  (A) de la matriz A .
Sea , un contorno recti cable 2 tal que  (A) este dentro de ,. Por ejemplo, si
1 Espectro  (A) de una matriz cuadrada A 2 Mn (C) es el conjunto de valores propios de la matriz
A.
2 Se dice que un arco ' : [a; b] ,! C es recti cable si y solo si el supremo de

j'(t1) , '(a)j + j'(t2) , '(t1 )j + : : : + j'(b) , '(tn,1)j


donde a < t1 < : : : < tn,1 < b , es nito.
Es facil probar que toda curva diferenciable a trozos es recti cable.

© los autores, 1998; © Edicions UPC, 1998.


0. Generalidades 23

 (A) = f1; : : :; rg , podemos considerar , = [ri=1 B (i ; i) con i > 0 su ciente-
mente peque~nos para asegurar que ,  U .

De nicion 2:
En estas condiciones de nimos funcion de matriz f (A) como
1 Z
f (A) = 2i f ()(I , A),1 d
,

Proposicion 1:
La matriz f (A), as de nida, no depende del contorno recti cable ,, escogido con
 (A) dentro de ,.

Veamos ahora que esta de nicion es \consistente"con la de nicion 1. Es decir, que si


f () es un polinomio ambas de niciones coinciden.
Para ello necesitamos el siguiente

Lema 1:
Si B = S ,1AS , entonces
f (B ) = S ,1f (A)S

Demostracion:
1 Z
f (B ) = 2i f ()(I , B),1 d =
1 Z,
= 2i f ()(I , S ,1 AS ),1d =
1 Z,
= 2i f ()S ,1(I , A),1 Sd =
, 1 Z 
=S , 1 , 1
f ()(I , A) d S =
2i ,
= S ,1 f (A)S

© los autores, 1998; © Edicions UPC, 1998.


24 Introduccion a la teora de matrices polinomiales

Proposicion 2:
Sea f () = i . Entonces

1 Z
f (A) = 2i i(I , A),1 d = Ai ; 8i = 0; 1; : : :
,

Demostracion:
El lema anterior nos permite suponer que la matriz A esta en su forma reducida de
Jordan
0 J1;1 1
BB ... C
C
BB J1; 1
C
C
B C
A=B BB ... C
C
C
BB Jr;1 C
C
B@ ... C
A
Jr; r
con
0 ai 1 : : : 0 01
BB 0 ai : : : 0 0C
Ji;j = B .. C
B@ ... ... . . . ... .CC
0 0 : : : ai 1A
0 0 : : : 0 ai
por lo que
0 I , J1;1 1
BB ... C
C
BB I , J1; 1
C
C
B C
I , A = B BB ... C
C
C
BB I , Jr;1 C
C
B@ ... C
A
I , Jr; r

© los autores, 1998; © Edicions UPC, 1998.


0. Generalidades 25

y 0 (I,J1),1 1
BB . .. C
C
BB (I ,J1; 1 ),1 C
C
(I , A),1 = B B . .. C
C
BB (I ,Jr;1 ),1
C
C
B@ .. . C
A
(Ir ,Jr; r ),1
R
Luego 1 , j (I , A),1 d es igual a
2i
0 R j (I,J1;1),1d 1
BB , .. . C
C
BB R j (I,J1; ),1d C
C
1 B BB , 1
... C
C
2i B R j (I,Jr;1 ),1d C
C
BB , C
C
@ .. .R A
,
j (Ir ,Jr; r ),1 d

Podemos, pues, restringirnos al caso en que la matriz A esta en forma reducida de


Jordan:
0a 1 ::: 0 01
BB 0. a. : : : 0. 0C
.. C
A=BB@ .. .. . . . .. .CC
0 0 ::: a 1A
0 0 ::: 0 a

Es facil comprobar que


0 1 1 1 1
: : :
BB  , a ( , a)2 ( , a)n C
C
,
BB 0 1 : : : 1 C
C
(I , A) = B
1
BB ..  , a (  , a ) n, 1 C
C
@ .
..
.
... ..
. C
A
0 0 1 ::: ,a

© los autores, 1998; © Edicions UPC, 1998.


26 Introduccion a la teora de matrices polinomiales

Luego, calculando la integral 3 , tenemos

1 Z j (I , A),1 d =
2i ,
0 j j j 1
BB  , a ( , a)2 : : : ( , a)n C
Z B  j  j C
C
1
= 2i B
B
B 0 ,a : : : ( , a) Cn , 1
C d =
, B .. .. ... ..
C
C
B@ . . .j C
A
0 0 ::: 
,a
0 aj ,jaj,1 ,jaj,2 : : : 1
BB 0 1 aj ,21jaj,1 : : : CC = Aj
= B .. .. .. C
@. .
...
. A
0 0 ::: aj

5 Ejercicios
1) Sea L() una matriz polinomial monica de grado ` cualquiera. Probar que el grado
del polinomio det L() es n  ` .

2) Estudiar si
0 1  2 3 1 0 3 2  1 1
L1 () = B
@ 00 10 1  C L2() = B
@ 00 0 3 2 C
2 3 2
A; A
0 0 0 1 30 0 0 

son unimodulares.
En caso a rmativo, determinar su inversa.
R j di,1 ( , a)i  j
 
3 Si la curva , encierra al polo a entonces , ( , a)i = 2ilim
!a d ( , a)i =
, 
2i j ,j i aj .

© los autores, 1998; © Edicions UPC, 1998.


0. Generalidades 27

3) Probar que si L() es una matriz polinomial unimodular, entonces es equivalente a


la matriz identidad.

4) Probar que una matriz polinomial es unimodular si y solo si puede descomponerse


en producto de matrices elementales.

5) Estudiar la equivalencia entre los pares de matrices polinomiales siguientes:


01 0 01 0  1 0
1
a) @0 1 0A; @ 1   A
 0 ,01 0 2   ,11  ,01  , 
2 2 2

b) 2  + 1 ;
0 1  0,
4 2+1
  +1 
c) 2 ,  2 , 1 ; 0 0
En caso de ser equivalentes, determinar las matrices P () y Q() que transforman
una matriz en la otra.

6) Determinar la forma normal de Smith de las matrices polinomiales siguientes:


0 2 0 0 1 0  0 1
1
a) @ 0  2 A b) @ 1   A
3 5  ,1  ,  ,1
2 2 2
0 02  1 
1 0  , 1 2 0 1
c) @   1 A d) @ 3 5 0 A
2 ,  2 , 1  , 12 3  0 2

7) Determinar los divisores elementales de


 2 ,  1

L() = 0 2 , 

8) Sea 0 3  2 1
L() = @  , 1 0 2 , 1 A
2
+1  3

© los autores, 1998; © Edicions UPC, 1998.


28 Introduccion a la teora de matrices polinomiales

a) Calcular det L().


b) Determinar los divisores elementales de L().

9) Calcular f (A) con f () = e2 y


 
A = 63 ,21

10) Si 03 1
0 0
A = @0 2 1A
0 0 2
Calcular f (A) si f () = sen  .

11) Calcular eA si A 2 Mn (C) cualquiera.

12) Sea 0 1
2 0 0
A=@ 1 2 0A
,1 1 2
p
Calcular f (A), si f () = 3  .

13) Sea 0 1
3 ,2 5
A=@ 2 ,2 2 A
,1 1 ,1
a) Calcular f (A) y g (A), si f () = cos  y g () = sen  .
b) Probar que para toda matriz A se cumple
cos2 A + sen2 A = I

14) Sea A 2 Mn (C) cualquiera y sea f () = det(I , A). Probar que f (A) = 0
(teorema de Cayley-Hamilton).

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 29

CAPITULO 1: LINEALIZACIO N Y PAREJAS ESTA NDARES

1. Linealizacion
Si tenemos un polinomio monico
p() = ` + a`,1 `,1 + : : : + a1 + a0
le podemos asociar una matriz
0 0 1 0 ::: 0 1
B 0 0 1 ::: 0 C
B@ : : : : : : : : : : : : : : : : : : : : : : : : : : : : : C
Cp = B C
0 0 0 ::: 1 A
,a0 ,a1 ,a2 : : : ,a`,1
cuyo polinomio caracterstico es precisamente p(). Dicha matriz recibe el nombre de
matriz compa~nera.
Este proceso es de gran utilidad para la resolucion de ecuaciones diferenciales ordinarias
y ecuaciones en diferencias de orden n a coe cientes constantes.
Pretendemos aqu extender este proceso de linealizacion a matrices polinomiales y
aplicarlo a la resolucion de ecuaciones diferenciales y ecuaciones en diferencias de orden
n cuyos coe cientes son matrices a coe cientes constantes:

dnx + nX
,1 dj x
dtn j =0 Aj dtj = f (t); ,1 < t < 1
nX
,1
y(k + n) + Aj y(k + j ) = '(k); k 2 N
j =0

© los autores, 1998; © Edicions UPC, 1998. Quedan rigurosamente prohibidas, sin la autorización escrita de los titulares del "copyright", bajo las sanciones
establecidas en las leyes, la reproducción total o parcial de esta obra por cualquier medio o procedimiento, comprendidos la reprografía y el tratamiento
informático, y la distribución de ejemplares de ella mediante alquiler o préstamo públicos, así como la exportación e importación de ejemplares para su
distribución y venta fuera del ámbito de la Unión Europea.
30 Introduccion a la teora de matrices polinomiales

Si tenemos una matriz polinomial monica


L() = Ai i;
i=0

le podemos asociar la matriz

0 0 In 0 : : : 0 1
BB 0 0 In : : : 0 C
C
CL = B@ : :0: : : : : : 0: : : : : : :0: : : : ::::::: : : : :I:n: : C
A 2 M`n(C)
,A0 ,A1 ,A2 : : : ,A`,1

Esta matriz recibe el nombre de primera compa~nera de L().


Una primera relacion entre las matrices L() y CL la tenemos con la siguiente

Proposicion 1:
Con las mismas notaciones, se tiene que

det L() = det(I`n , CL )

Demostracion:
Haciendo transformaciones elementales por bloques la tenemos que

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 31

0 In ,In 0 : : : 0 0 1
B 0 In ,In : : : 0 0 C
det(I`n , CL ) = det B
B@ : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : CC =
0 0 0 : : : In ,In A
A0 A1 A2 : : : A`,2 In + A`,1
0 In ,In 0 : : : 0 0 1
B 0 In ,In : : : 0 0 C
= det BB@ : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : C
C
A =
0 0 0 ::: In ,In
A0 A1 A2 : : : A`,2 + 2In + A`,1 0
=:::
0 In ,In 0 : : : 0 0 1
B 0 In ,In : : : 0 0 C
B@ : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : C
= det B C =
0 0 0 : : : In ,In A
A0 + A1 + : : : + ` In 0 0 ::: 0 0
0 ,In 1
=(,1)`,1 det L() det B
B In ,In C
C
@ . .. . .
. A = det L()
In ,In

Corolario 1:
El grado del polinomio det L() es n  ` .

Observacion 1:
Si la matriz polinomial L() no es monica este corolario es falso. Basta verlo con un
ejemplo. Sea  2 2 
L() =  
Se tiene que det L() = 0 y, sin embargo, n  ` = 4.

Corolario 2:
Las races de det L() coinciden con los valores propios de CL .

© los autores, 1998; © Edicions UPC, 1998.


32 Introduccion a la teora de matrices polinomiales

No obstante, la relacion entre L() y C () es mas profunda, como veremos a conti-
nuacion.
I`n , CL es una matriz polinomial lineal que llamaremos linealizacion de L(). Esta
matriz polinomial no es equivalente a L() (notese que L() es una matriz n  n y
I`n , CL de tama~no `n  `n ). Sin embargo tenemos

Proposicion 2:
Dada una matriz polinomial monica L() de orden n y grado ` , se tiene que
 L() 0

I`n , C  0 I(`,1)n
Esta proposicion nos permite dar una de nicion precisa de linealizacion de una matriz
polinomial.

De nicion 1:
Una matriz polinomial lineal I , A de tama~no (n + p)  (n + p) es una linealizacion
(y diremos que la matriz A es la linealizacion) de L() matriz polinomial monica de
grado ` y orden n , si y solo si
 L() 0

In+p , A  0 Ip
para algun entero p  0.

Proposicion 3:
Toda linealizacion de una matriz polinomial monica de orden n y grado ` es de orden
n` .

Demostracion:
Basta comparar los grados de los polinomios det(In+p , A) y det L().

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 33

Proposicion 4:
Dos linealizaciones A y B cualesquiera de una matriz polinomial monica son seme-
jantes. Recprocamente, si A es una linealizacion de una matriz polinomial monica y
B es una matriz semejante a A , entonces B tambien es una linealizacion.
Demostracion:
Sean A y B dos linealizaciones de L(). Llamemos M () a la matriz
 L() 0

0 I(`,1)n

Se tiene:
I , A  M () ) I , A = E1 ()M ()F1() (a)
I , B  M () ) I , B = E2()M ()F2() (b)

De (a) tenemos
M () = (E1 ()),1(I , A)(F1()),1
por lo que sustituyendo esta expresion de M () en (b) tenemos que
I , B = E2()(E1()),1(I , A)(F1 ()),1F2 () = E3 ()(I , A)F3()
es decir, I , A y I , B son equivalentes. Basta ahora aplicar la proposicion (3.2)
del captulo anterior.
Recprocamente, por ser A una linealizacion tenemos que

I , A  M ()

Si B es semejante a A , existe una matriz inversible S tal que A = S ,1 BS , por lo que


I , S ,1BS = S ,1(I , B )S = E ()M ()F ()
y
I , B = SE ()M ()F ()S ,1 = E1()M ()F1()
Es decir, I , B es una linealizacion de L().

© los autores, 1998; © Edicions UPC, 1998.


34 Introduccion a la teora de matrices polinomiales

2 Aplicacion a la resolucion de ecuaciones diferenciales y ecua-


ciones en diferencias
2.1 Aplicacion a la resolucion de ecuaciones diferenciales

Consideremos la siguiente ecuacion diferencial homogenea:


   
d2 x + 3 0 dx + 1 2 x = 0
dt2 2 1 dt 1 3

Es facil comprobar que la solucion general de esta ecuacion viene dada por
x(t) = P1 etCL x0
donde x0 2 C4 cualquiera, CL es la matriz primera compa~nera de la matriz polinomial
   
L() = I2 + 32 01  + 11 23
asociada a la ecuacion dada y
1 0 0 0
P1 = 0 1 0 0 2 M222 (C)

En efecto, teniendo en cuenta que


dx(t) = P C etCL x
dt 1 L 0
2
d x(t) = P C 2 etCL x
dt2 1 L 0
es una simple comprobacion que
 ,1 ,2 ,3 0   3 0  0 0 1 0 
tC tCL
,1 ,3 ,2 ,1 e x0 + 2 1 0 0 0 1 e x0 +
L
1 2 0 0
+ 1 3 0 0 etCL x0 = 0

De hecho, este resultado es general: la matriz primera compa~nera de la matriz poli-


nomial monica asociada a una ecuacion diferencial nos proporciona la solucion general
de dicha ecuacion. Empecemos con las ecuaciones homogeneas:

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 35

Proposicion 1:
Dada la ecuacion diferencial homogenea
d` x + X
`,1 dj x
dt` j =0 Aj dtj = 0 (1)

relacionada con la matriz polinomial monica


X
`,1
L() = I` + Aj j
j =0
de orden n y grado ` , el conjunto de soluciones de la ecuacion (1) es un espacio
vectorial, que notaremos por S (L), de dimension n  ` .

Proposicion 2:
Con las mismas notaciones que en la proposicion anterior, la solucion general de dicha
ecuacion viene dada por
x(t) = P1 etCL x0
con x0 2 Cn` cualquiera y P1 = ( I 0 : : : 0 ) 2 Mnn`(C).

Pasemos ahora a estudiar el caso general. Consideremos la ecuacion diferencial


d` x + X
`,1 dj x
dt` j =0 Aj dtj = f (t) (2)

donde f (t) es una funcion vectorial continua a trozos, relacionada con la matriz poli-
nomial monica
X
`,1
L() = I` + Aj j
j =0
de orden n y grado ` .

Proposicion 3:
Con estas notaciones, el conjunto de soluciones de la ecuacion (2) es una variedad lineal
cuyo subespacio director es S (L), espacio de soluciones de la ecuacion homogenea
d` x + X
`,1 dj x
dt` j =0 Aj dtj = 0

© los autores, 1998; © Edicions UPC, 1998.


36 Introduccion a la teora de matrices polinomiales

asociada a dicha ecuacion diferencial, y el punto de paso es una solucion particular de


dicha ecuacion.

Proposicion 4:
Con las mismas notaciones, la solucion general de la ecuacion (2) viene dada por
Zt
x(t) = P1 etCL x0 + P1 e(t,s)CL R1 f (s)ds;
0
001
donde P1 y x0 son como en la proposicion 2 de este apartado y R1 = @ ... A 2
I
Mn`n(C).

2.2 Aplicacion a la resolucion de ecuaciones en diferencias

Consideremos la siguiente ecuacion en diferencias homogenea


3 0 1 2
x(j + 2) + 2 1 x(j + 1) + 1 3 x(j ) = 0

Es facil comprobar que la solucion general de esta ecuacion viene dada por
x(i) = P1 CLi z0
donde z0 2 C4 cualquiera,
 3 0CL es la 1matriz
 primera compa~nera de la matriz poli-
2
nomial L() = I2 + 2 1  + 1 3 asociada a la ecuacion dada, y P1 =
1 0 0 0
0 1 0 0 2 M222 (C).
En efecto, teniendo en cuenta que
x(j ) = P1 CLj z0
x(j + 1) = P1 CLj +1 z0
x(j + 2) = P1 CLj +2 z0

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 37

y sustituyendo en la ecuacion, tenemos


   
P1 CLj +2 z0 + 32 01 P1 CLj+1 z0 + 11 23 P1CLj z0
Es una simple comprobacion que
 ,1 ,2 ,3 0 3 0
   0 0 1 0 j

j
,1 ,3 ,2 ,1 CL z0 + 2 1 0 0 0 1 CL z0 +
1 2 0 0
+ 1 3 0 0 CLj z0 = 0

De hecho, este resultado es general. La matriz primera compa~nera de la matriz polino-


mial monica asociada a una ecuacion en diferencias nos proporciona la solucion general
de dicha ecuacion. Empecemos con las ecuaciones homogeneas.
Consideremos la siguiente ecuacion en diferencias homogenea

x(j + `) + A`,1 x(j + ` , 1) + : : : + A0 x(j ) = 0 (3)


donde x = (x(0); x(1); : : :; ) es la sucesion vectorial ( x(m) 2 Cn ) que se quiere deter-
minar, relacionada con la matriz polinomial monica
X
`,1
L() = I` + Aj j
j =0
de orden n y grado ` .

Proposicion 5:
Con estas notaciones, el conjunto de soluciones de la ecuacion (3) es un espacio vecto-
rial, que notaremos por S (L), de dimension n  ` .

Proposicion 6:
Con las mismas notaciones que en la proposicion anterior, la solucion general de la
ecuacion en diferencias (3) viene dada por

x(i) = P1 CLi z0

© los autores, 1998; © Edicions UPC, 1998.


38 Introduccion a la teora de matrices polinomiales

con z0 2 Cn` cualquiera y P1 como en la proposicion 2 de este apartado.

Pasemos ahora a estudiar el caso general. Consideremos la ecuacion en diferencias

x(j + `) + A`,1 x(j + ` , 1) + : : : + A0 x(j ) = y (j ) (4)

donde y = (y (0); y (1); : : :; ) es una sucesion vectorial ( y (m) 2 Cn ) dada, relacionada


con la matriz polinomial monica
X
`,1
L() = I` + Aj j
j =0
de orden n y grado ` .

Proposicion 7:
Con estas notaciones, el conjunto de soluciones de la ecuacion (4) es una variedad lineal
cuyo subespacio director es S (L), espacio de soluciones de la ecuacion homogenea

x(j + `) + A`,1 x(j + ` , 1) + : : : + A0 x(j ) = 0


asociada a dicha ecuacion en diferencias, y el punto de paso es una solucion particular
de dicha ecuacion.

Proposicion 8:
Con las mismas notaciones, la solucion general de la ecuacion (4) viene dada por
X
i,1
x(i) = P1 CLi z0 + P1 CLi,k,1R1 y (k)
k=0
donde R1 es como en la proposicion 4.

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 39

3 Cadenas de Jordan y soluciones de ecuaciones diferenciales


En este apartado vamos a generalizar la nocion de cadena de Jordan que tenemos para
matrices cuadradas y que nos va a ser de utilidad para la construccion de soluciones
de ecuaciones diferenciales homogeneas asociadas a matrices polinomiales monicas
X
`,1
L() = I` + Aj j
j =0

De nicion 1:
Llamaremos cadena de Jordan de longitud k + 1, correspondiente al numero complejo
0 , a la sucesion de vectores xi 2 Cn , x0 6= 0, tales que
Xi 1
p ! L(p) (0)xi,p = 0; i = 0; : : :; k
p=0
donde L(p) denota la p -esima derivada de L() respecto de  .

De nicion 2:
Un numero complejo 0 2 C para el cual existe una cadena (x0 ; x1 ; : : :; xk ) de Jordan,
recibe el nombre de valor propio de L(). El vector x0 6= 0 recibe el nombre de vector
propio y los vectores x1 ; : : :; xk de vectores propios generalizados.
El conjunto
 (L) = f0 2 C j 0 es un vector propio de L()g
se denomina espectro de L().

Proposicion 1:
0 es un valor propio de L() si y solo si Ker L(0) 6= f0g .
Demostracion:
Si 0 es un valor propio de L(), existe una cadena de Jordan de longitud k + 1 para
un cierto k . Luego
L(0 )x0 = 0; con x0 6= 0

© los autores, 1998; © Edicions UPC, 1998.


40 Introduccion a la teora de matrices polinomiales

es decir, x0 2 Ker L(0 ).


Recprocamente, si Ker L(0 ) 6= f0g , existe x0 6= 0 tal que L(0 )x0 = 0; luego para
0 existe una cadena de Jordan de longitud por lo menos 1.

Corolario 1:
0 es un valor propio de L() si y solo si 0 es una raz de det L(). Es decir, si y
solo si det L(0 ) = 0.

Proposicion 2:
Las soluciones del sistema
0 L(0) 0 : : : 0 1 0 x0 1
BB L0(0) L(0 ) ::: 0 C C B x1 C
BB ... ... C
C B
@ .. C
A=0
@ 1 ( ) 1 ( ,1) (0 ) : : : L(0 )
A .
! L (0 ) ( , 1)! L x
forman el conjunto de todas las cadenas de Jordan x0 ; x1 ; : : :; x de L() de longitud
no superior a +1 correspondiente a 0 (despues de eliminar, claro esta, las soluciones
x0 = : : : = xi = 0).

Ejemplo 1:
Consideremos la siguiente matriz polinomial monica de orden 1:
0  , 1 ,1 0 1
L() = @ 0  , 1 0 A = I , A
0 0 ,2

Se tiene que det L() = ( , 1)2 ( , 2), por lo que hay dos valores propios  = 1 y
 = 2.
Busquemos cadenas de Jordan para  = 1. Los vectores propios x0 = (x01 ; x02 ; x03 ),
son tales que
L(1)x0 = 0
esto es, 0 0 ,1 0 1 0 x 1 0 0 1
@ 0 0 0 A @ x0102 A = @ 0 A
0 0 ,1 x03 0

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 41

Luego
x0 = (x01 ; 0; 0); con x01 6= 0
Notese que x0 es un vector propio de A de valor propio 1.
Puesto que 01 1
0 0
L0(1) = @ 0
1 0A
0 0 1
un primer vector propio generalizado x1 = (x11 ; x12 ; x13 ), sera tal que
01 0 0
10
x01 0 ,1 0
1 0 x11 0
10 1 0 1
@0 1 0 A @ 0 A + @ 0 0 0 A @ x12 A = @ 0 A
0 0 1 0 0 0 ,1 x13 0
esto es, 0x , x 1 001
@ 01 0 12 A = @ 0 A
,x13 0
Luego
x1 = (x11 ; x01; 0)
Notese que x1 es tal que (A , I )x1 = x0 .
Puesto que
L(2) () = 0
un segundo vector propio generalizado x2 = (x21 ; x22 ; x23 ) ha de ser tal que
00 0 0
10
x01
1 0
1 0 0 x11 0 ,1 0
10 1 0
x21 0
10 1 0 1
1 @0 A @ A @ A @ A @
x01 + 0 0 0 A @ x22 = 0 A
A @
2 0 00 00 0 + 0 1 0
0 0 0 1 0 0 0 ,1 x23 0
esto es, 0x , x 1 001
@ 11x01 22 A = @ 0 A
,x23
0
Esto implica que x01 = 0, lo que esta en contradiccion con la condicion de vector
propio. Por lo tanto, ninguna cadena de Jordan tiene longitud superior a 2.
Analicemos el valor propio  = 2:

© los autores, 1998; © Edicions UPC, 1998.


42 Introduccion a la teora de matrices polinomiales

Los vectores propios x0 = (x01 ; x02 ; x03 ) han de cumplir que


L(2)x0 = 0
esto es, 0 1 ,1 0 1 0 x 1 0 0 1
@ 0 1 0 A @ x0102 A = @ 0 A
0 0 0 x03 0
Luego
x0 = (0; 0; x03); con x03 6= 0
Notese que x0 es vector propio de A de valor propio 2.
Puesto que 01 1
0 0
L0 () = @ 01 0A
0 0 1
un primer vector propio generalizado para este valor ha de ser tal que
01 0 0
10 0
1 0
1 ,1 0 x11 0
10 1 0 1
@0 1 0 A @ A @
0 + 0 1 0 A @ x12 = 0 A
A @
0 0 1 x03 0 0 0 x13 0
esto es, 0x , x 1 001
@ 11x12 12 A = @ 0 A
x03 0
y x03 = 0, lo que esta en contradiccion con el hecho de que x0 sea vector propio.
Luego para  = 2 todas las cadenas de Jordan son de longitud 1.
Obviamente para  6= 1; 2 no hay cadenas de Jordan.
Observamos que todas las posibles cadenas de Jordan para esta matriz polinomial
de nen bases de Jordan para la matriz A . Esto es cierto para todas las matrices
polinomiales monicas de grado 1; no as en general, como veremos en el siguiente

Ejemplo 2:
Consideremos  2 , 2 + 1 

L() = 0 2 , 2 + 1

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 43

Puesto que det L() = ( , 1)4 , existe un unico valor propio 0 = 1. Un vector propio
puede ser x0 = (1; 0) ( x0 2 Ker L(1)).
El primer vector propio generalizado x1 = (x11 ; x12 ) puede ser, por ejemplo:
   
L0 () = 2 , 2 0
1
2 , 2 L0 (1) = 0 1 0 0
por lo que
L0(1)x0 + L(1)x1 = 0
 0 1  1   0 1  x   0 
11
0 0 0 + 0 0 x12 = 0
Luego x12 = 0 y x11 es libre. Podemos tomar, por ejemplo, x1 = (1; 0).
El segundo vector propio generalizado x2 = (x21 ; x22 ) puede ser
2 0 2 0
(2)
L () = 0 2 (2)
L (1) = 0 2
   
1 2 0 1 + 0 1 1 + 0 1
    x   0 
21
2 0 2 0 0 0 0 0 0 x22 = 0
por lo que x22 = ,1 y x21 es libre. Podemos, pues, tomar x2 = (1; ,1).
Hemos obtenido una cadena de Jordan de longitud tres (x0 ; x1 ; x2). De hecho, puede
extenderse a longitud superior. Veamoslo:
L(3) () = 0, luego

1 0 0
 1  1 2 0
  1   0 1  1   0 1  x   0 
31 =
3! 0 0 0 +2 0 2 + 0 + 0 0 ,1 0 0 x32 0
es decir, x  0
32 = 0
0
Podemos, pues, tomar x3 = (1; 0).
L(4) () = 0, luego

1 0 0
 1  1 0 0
 1 1
 2 0  1 
4! 0 0 0 + 3! 0 0 0 + 0 2 ,1 +
 02 1
 1   0 1  x   0 
+ 0 41
0 ,1 + 0 0 x42 = 0

© los autores, 1998; © Edicions UPC, 1998.


44 Introduccion a la teora de matrices polinomiales

es decir, 1+ x  0


= 042
,1
que es una contradiccion. Luego no existe x4 , y la cadena tiene longitud 4.
Observamos que a diferencia de las matrices polinomiales monicas de primer orden, las
cadenas de Jordan no tienen por que estar formadas por familias de vectores indepen-
dientes, sino que pueden incluso contener el vector nulo.

Los vectores propios generalizados de una matriz polinomial monica


X
`,1
L() = I + Aj j ;
`
j =0
permiten describir soluciones de la ecuacion diferencial homogenea
d` x + X
`,1
A dj x = 0; (*)
dt` j =0 dtjj

asociada a esta matriz polinomial.

Proposicion 3:
Sea  tk t k ,1 
u(t) = k! x0 + (k , 1)! x1 + : : : + xk e0t
con xj 2 Cn , x0 6= 0.
Entonces u(t) es solucion de la ecuacion () si y solo si x0 ; : : :; xk es una cadena de
Jordan para el valor 0 de L().

Ejemplo 3:
Consideremos
0 d2 d1 d0 d1 1
, 2 +
B@ dt2 dt dt 2 dt1 0 C  u (t)   0 
d d d A u12(t) = 0
0
dt2 , 2 dt + dt

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 45

asociada a la matriz polinomial del ejemplo 2 de este apartado:


 
L() =  , 20 + 1 2 , 2 + 1 :
2

Tomando la cadena de Jordan hallada en dicho ejemplo,


x0 = (1; 0); x1 = (1; 0); x2 = (1; ,1); x3 = (1; 0);
y aplicando la proposicion 3 tenemos que
 t3 t 2 
u(t) = 3! (1; 0) + (1; 0) + t(1; 0) + (1; ,1) et =
2!
 t3 t2  
= t
+ + t + 1 e ; ,et
3! 2
es solucion de la ecuacion dada.

4 Conjunto canonico de cadenas de Jordan


4.1 Races polinomiales

En vistas a construir un sistema canonico de cadenas de Jordan de una matriz poli-


nomial monica L() para un valor propio 0 , nos va a ser de utilidad introducir el
concepto de raz polinomial.

Sea L() una matriz polinomial monica de orden n y sea p() un vector polinomial
n -dimensional, es decir, un vector cuyas coordenadas son polinomios en  .

De nicion 1: Diremos que p() es una raz polinomial de L() correspondiente a 0


6 0 y L(0)p(0) = 0. Es decir, de acuerdo con la proposicion 1 del
si y solo si p(0 ) =
apartado 3 de este captulo, p(0 ) es un vector propio de L() de valor propio 0 .
El orden de 0 como cero de L()p() recibe el nombre de orden de la raz polinomial.

© los autores, 1998; © Edicions UPC, 1998.


46 Introduccion a la teora de matrices polinomiales

Proposicion 1:
P
Sea p() una raz polinomial de L() para 0 . Sea qj=0 ( , 0 )j pj el desarrollo de
Taylor en 0 de p(). Entonces p0 ; : : :; pk,1 (donde k es el orden de p()) forma una
cadena de Jordan de L() para el valor 0 . Recprocamente, si p0 ; : : :; pk,1 es una
cadena de Jordan de L() para 0 , entonces
kX
,1
p() = ( , 0 )j pj + ( , 0 )k q ()
j =0
con q () como algun vector polinomial, es una raz polinomial de L() de orden k
correspondiente a 0 .

Demostracion:
Desarrollando L() en serie de Taylor:
 P` 1 (j )

j
L() = j =0 j ! L (0 )( , 0 )
tenemos
 P` 
1 (j ) j Pq
j =0 j ! L (0 )( , 0 ) ( j =0 ( , 0 ) pj )
L()p() = j

= L(0 )p0 + ( , 0 )(L(0)p1 + L(1) (0)p0 )+


1 
2 (2) (1)
+ ( , 0 ) 2! L (0 )p0 + L (0 )p1 + L(0 )p2 + : : :

Puesto que el orden de la raz es k , tenemos


L(0 )p0 = 0
L(0 )p1 + L(1) (0)p0 = 0
..
.
1 L(k,1) ( )p + : : : + L( )p = 0
(k , 1)! 0 0 0 k ,1

Aplicando la proposicion 2 del apartado 3 de este captulo, obtenemos que p0 ; : : :; pk,1


es un cadena de Jordan de L() para 0 .
El recproco es obvio.

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 47

Proposicion 2:
Sea L() una matriz polinomial de orden n y sean A() y B () matrices polino-
miales de orden n tales que A(0 ) y B (0 ) son no singulares para algun 0 2 C .
Entonces y0 ; : : :; yk es una cadena de Jordan de la matriz polinomial A()L()B ()
correspondiente a 0 si y solo si
X
j
1
zj = i ! B (i) (0 )yj,i ; j = 0; : : :; k
i=0
forma una cadena de Jordan de L() correspondiente a 0 .

Corolario 1:
El orden de cualquier raz polinomial no excede a la multiplicidad de 0 como cero de
det L().

Demostracion:
Basta considerar la forma de Smith de L() y aplicar la proposicion anterior.

4.2 Conjunto canonico

Vamos a construir ahora un conjunto canonico de cadenas de Jordan de una matriz


polinomial monica L(). Sea 0 un valor propio de L().
P 1,1( ,  )j p una raz polinomial del mayor orden posible k .
Sea p1 () = kj =0 0 1;j 1
P
Sea p2 = kj =02 ,1 ( ,  )j p
0 2;j una raz polinomial de orden k2 , el mayor posible de entre
todos los ordenes de las races polinomiales tales que el vector propio sea independiente
con p1;j . Continuando este proceso construimos
kX
i ,1
pi() = ( , 0 )j pi;j ; i = 1; : : :; r
j =0
con r = dim Ker L(0 ).

© los autores, 1998; © Edicions UPC, 1998.


48 Introduccion a la teora de matrices polinomiales

De nicion 1:
Las cadenas de Jordan
p1;0 ; : : :; p1;k1,1; p2;0 ; : : :; p2;k2 ,1 ; : : : ; pr;0 ; : : :; pr;kr ,1
(**)
diremos que forman un conjunto canonico de cadenas de Jordan de L() correspon-
diente a 0 .

Ejemplo 1:
Consideremos la matriz polinomial siguiente:
0 ( ,  )2 1
0
D() = @ ( , 0 ) A
1

Entonces
p1;0 = (1; 0; 0); p1;1 = (0; 0; 0); p2;0 = (0; 1; 0)
es un conjunto canonico de cadenas de Jordan.

Observacion 1:
Los conjuntos canonicos de cadenas de Jordan
P 2 ,no1(son, unicos. En efecto, en la cadena
(**) podemos sustituir p2 () por p2 () + kj =0 ) j
0 1;jp .
Veremos a continuacion que se mantienen constantes las longitudes de las cadenas de
Jordan.

Proposicion 3:
Sea L() una matriz polinomial monica. Entonces las longitudes k1 ; : : :; kr de las
cadenas de Jordan de un conjunto canonico de cadenas de Jordan de L() correspon-
diente a 0 son exactamente las multiplicidades parciales no nulas de L() en 0 .

Ejemplo 2:
Consideremos la matriz polinomial
1 0

0 2 ( , 1)2

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 49

Los valores propios son 0 = 0 y 1 = 1. Las multiplicidades parciales de 0 son 0


y 2, las de 1 tambien son 0 y 2 y las multiplicidades de  6= 0; 1 son 0. Luego para
0 = 0 es r = 1 y k1 = 2 y para 1 = 1 es r = 1 y k1 = 2.

Corolario 2:
P
La suma ri=1 ki de las longitudes de las cadenas de Jordan de un conjunto canonico
correspondiente al valor propio 0 de una matriz polinomial monica L() coincide con
la multiplicidad de 0 como cero de det L().

5 Par de Jordan de una matriz polinomial monica. Propiedades


Sea
X
`,1
L() = I + Aj j
`
j =0
una matriz polinomial monica. Consideremos 1 ; : : :; r las distintas races de det L(),
es decir, los valores propios de L(), y sea i la multiplicidad de la raz i .
Para cada i escojamos un conjunto canonico de cadenas de Jordan de L() corres-
pondiente al valor propio i :
x(ji0) ; : : :; x(j;
i)
(i),1 ; j = 1; : : :; si :
j

Escribamos
 
Xi = x(10i) : : : x(1i;) (1i),1 x(20i) : : : x(2i;) (2i),1 : : : x(sii)0 : : : x(sii)(sii),1
P
matriz de tama~no n  ( sj i=1 (ji) ) = n  i .
Sea Ji la matriz diagonal por bloques
0 Ji1 1
Ji = @ ... A
Ji;si
donde Jij es un bloque de Jordan de tama~no (ji)  (ji) de valor propio i .

© los autores, 1998; © Edicions UPC, 1998.


50 Introduccion a la teora de matrices polinomiales

De nicion 1:
La pareja de matrices (Xi ; Ji ) construida recibe el nombre de pareja de Jordan de L()
correspondiente al valor propio i .

Observacion 1:
La pareja de Jordan (Xi ; Ji ) no esta unvocamente de nida ya que el conjunto canonico
de cadenas de Jordan no esta unvocamente de nido.

Proposicion 1:
Sea (Xi ; Ji ) un par de Jordan de L() correspondiente al valor propio i . Entonces
A0 Xi + A1 XiJi + : : : + A` Xi Ji`,1 + XiJi` = 0

Demostracion:
Basta considerar 0 Ki1 1
U (t) = Xi @ ... A eit
Kisi
con 0 (i) 1
1 tj ,1
BB 1 t : : : ((i) ,1)
j C
C
Kij = B C
..
BB . . . . . . . C
C
@ ... A
t
1
Entonces, 0 Ji1 1
@ .. . At
U (t) = Xi e Jisi

y basta tener en cuenta la proposicion 3 del apartado 3 de este captulo.

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 51

De nicion 2:
Una pareja de matrices (X; J ) con X de tama~no n  n` y J matriz de Jordan de
tama~no n`  n` . Si la estructura de X y J es como sigue:
X = (X1; : : :; Xr) y J = (J1 ; : : :; Jr );
con (Xi ; Ji), i = 1; : : :; r par de Jordan de L() correspondiente al valor propio i ,
se dice que es un par de Jordan de la matriz polinomial monica L().

Ejemplo 1:
Sea
 3 2
p 2
2  , 4

p
L() = 2 22 + 4 3
Entonces p p
det L() = 2 ( , 2)2 ( + 2)2
y
() = f0; 2; ,2g

Puesto que L(0) = 0, existen dos vectores propios independientes x(0) (0)
10 , x20 corres-
pondientes al valor propio 0. Podemos tomar
1 0
(0)
x10 = 0 ; x20 = 1(0)

Puesto que x(0) (0)


10 , x20 forman un conjunto canonico
1 0 0 0
X0 = 0 1 ; J0 = 0 0
es un par de Jordan para el valor propio 0.
Consideremos ahora el valor propio 2. Puesto que
 8 8(
p
2 , 1)

p
L(2) = 8( 2 + 1) 8
un vector propio x(2)
10 = (x; y ) es tal que
 8 p    
8( 2 , 1) x = 0
p
8( 2 + 1) 8 y 0

© los autores, 1998; © Edicions UPC, 1998.


52 Introduccion a la teora de matrices polinomiales

As, podemos tomar  ,p2 + 1 


x(2)
10 = 1

El primer vector propio generalizado x(2)


11 satisface la ecuacion
L0(2)x(2) (2)
10 + L(2)x11 = 0
Teniendo en cuenta que
 p
4 2 , 4

L0 () = p32 (*)
4 2 + 4 32
y, por lo tanto,  4(2 2 , 1)
p 
L0(2) = p12
4(2 2 + 1) 12
x(2)
11 ha de ser tal que
 12 4(2
p
2 , 1)
 ,p2 + 1   8 8( 2 , 1)
p  x   0 
p + p
4(2 2 + 1) 12 1 8( 2 + 1) 8 y = 0
Luego podemos tomar, por ejemplo,
2 , 1!
p
x(2)
11 = 2
0

Por lo tanto
p p
2 ! 2 1
X2 = , 2 + 1 2 , 1 ; J2 = 0 2
1 0
constituyen un par de Jordan para el valor propio 2.
Para nalizar, consideremos el valor propio ,2. Ya que
 ,8 8( 2 + 1)
p 
L(,2) = p 8( 2 , 1) ,8
un vector propio x(10,2) = (x; y ) es tal que
 ,8 8( 2 + 1)
p  x   0 
p
8( 2 , 1) ,8 y = 0

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 53

y podemos tomar  p2 + 1 
x(10,2) = 1

El primer vector propio generalizado x(11,2) cumple


L0(,2)x(10,2) + L(,2)x(11,2) = 0
Teniendo en cuenta que segun (*) es
 ,4(2 2 + 1)
p 
L0 (,2) = p12
,4(2 2 , 1) 12
x(11,2) ha de ser tal que
 12 p
,4(2 2 + 1)
 p2 + 1   ,8 8(p2 + 1)  x   0 
p + 8(p2 , 1)
,4(2 2 , 1) 12 1 ,8 y = 0
Luego podemos tomar p !
2 +1
x(11,2) = 2
0
Por lo tanto
p p
2 +1
!  ,2 
X,2 = 2+1 ; J,2 = 1
2 0 ,2
1 0
constituyen un par de Jordan para el valor propio -2.
Finalmente, el par de Jordan para L() es (X; J ) si
2 , 1 p2 + 1 2 + 1 !
p p p
X = 1 0 , 2+1 2 2
0 1 1 0 1 0
y 00 1
BB 0 C
C
J =BBB 2 1
2
C
C
C
@ ,2 1 A
,2

© los autores, 1998; © Edicions UPC, 1998.


54 Introduccion a la teora de matrices polinomiales

6 Pares estandares de una matriz polinomial monica

De nicion 1:
Diremos que una pareja de matrices (X; T ) con X 2 Mnn` (C) y T 2 Mn`n`(C) es
un par estandar de la matriz polinomial monica L(), si y solo si
i) la matriz
0 X 1
B
B XT C
@ ... C
A
XT `,1

es no singular
ii) A0 X + A1 XT + : : : + A`,1 XT `,1 + XT ` = 0.

Proposicion 1:
Todo par de Jordan es un par estandar.

Demostracion:
Basta tener en cuenta que

0 J1;1 1k 0 J1k;1 1
BB . . . C B
B ... C
C
BB C
C B C
J1;s1
C B
B
J1k;s1 C
C
k
J =B B ... C
C =B ... C
BB C B
B C
C
@
Jr;1 C
A B Jr;k 1 C
... @ ... A
Jr;sr k
Jr;s r

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 55

por lo que
0 J1k;1 1
B
B . .. C
C
B
B J1k;s1 C
C
k B
XJ = ( X1 ::: X1;s1 ::: Xr;1 ::: Xr;sr ) B ... C
C =
B
B Jr;k 1
C
C
B
@ ... C
A
k
Jr;s r

0 X1J1k;1 1
BB .. . C
C
BB X1;s1 J1k;s1 C
C
=B B ... C
C
BB Xr;1 Jr;k 1
C
C
B@ ... C
A
k
Xr;sr Jr;s r

El resultado se deduce de la proposicion 1 del apartado 5 de este captulo.

Observacion 1:
El recproco es falso. En efecto, basta observar que si (X; J ) es un par de Jordan, el par
(XS; S ,1JS ) veri ca tambien las condiciones dadas en la de nicion de par estandar.

Proposicion 2:
Sea 0 0 I 0 ::: 0 1
BB 0
..
0
..
I
..
::: 0 C
.. C
CL = BB@ . . . ::: . CC
0 0 0 ::: I A
,A0 ,A1 ,A2 : : : ,A`,1
la matriz compa~nera de la matriz polinomial L(), y sea
PL = ( I 0 : : : 0 )
Entonces (PL ; CL ) es un par estandar de L().

© los autores, 1998; © Edicions UPC, 1998.


56 Introduccion a la teora de matrices polinomiales

Demostracion:
Tenemos que
X = PL
XT = PL CL = ( 0 I 0 : : : 0 )
XT 2 = ( 0 0 I 0 : : : 0 )
..
.
XT `,1 = ( 0 : : : 0 I )
XT ` = ( ,A0 ,A1 : : : ,A`,1 )
por lo que claramente se cumplen i) y ii).

Proposicion 3:
Si (X; T ) y (X 0; T 0) son dos pares estandares de una matriz polinomial L(), entonces
existe una matriz inversible S de orden n` tal que
X 0 = XS y T 0 = S ,1 TS
Recprocamente, si (X; T ) es un par estandar para L(), y (X 0; T 0) es tal que
X 0 = XS y T 0 = S ,1 TS
para una cierta matriz inversible S de orden n` , entonces (X 0; T 0) es tambien un par
estandar para L().

Observacion 2:
La proposicion 3 nos dice que si (X; J ) es un par de Jordan para la matriz polinomial
L(), entonces J es la forma reducida de Jordan de CL , matriz compa~nera de L().

7 Ejercicios
1) Determinar si I , A y I , B con
0 0 0 1 01 01 1 0 01
A=B @ ,10 0 0 1C
1 2 ,1 A ; y B=B
@ 00 1
0
1
1
0C
0A
0 ,1 0 2 0 0 0 1

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 57

son, o no, linealizaciones de la matriz polinomial


1 0  ,2 1

1 ,1
 
L() = 0 1 2 + 0 ,2  + 0 1

2) Sea L() = A0 + A1 + 2 A2 con det A2 6= 0. Probar que x0 es un vector propio


de L() asociado al valor propio 0 si y solo si
 A 0
  0 ,A  x 
0 2 A1 A2 + 2
A0
0 =0 0 0x0

3) Determinar una cadena de Jordan para cada una de las matrices polinomiales
monicas siguientes:
 2 , 
a) L1 () = 02 
 2( , 1)(2 + 1) 3( , 1) 
b) L2 () = 2  ( , 1)
2 3 2  ( , 1)

4) Sea  2( , 1)(2 + 1) 3( , 1) 


L() = 2  ( , 1)
2 3 2  ( , 1)
Probar que
(0; 1); (,1; 0); (0; 0); (0; 0); (0; 0); (1; 0); (0; 0)
y
(0; 1); (,1; 100); (,100; i); (0; 0); (0; 7); (2i; 12); (1; 1)
son conjuntos canonicos de cadenas de Jordan de L() correspondientes al valor propio
 = 0.

5) Sea xi0 ; : : :xii ,1 , i = 1; : : :; s , un conjunto de cadenas de Jordan de una matriz


polinomial monica L() correspondiente al valor propio 0 . Probar queP este conjunto
es canonico si y solo si x10 ; : : :; xs0 son linealmente independientes y si=1 i =  ,
donde  es la multiplicidad de 0 como cero de det L().

© los autores, 1998; © Edicions UPC, 1998.


58 Introduccion a la teora de matrices polinomiales

6) Sea L() = ( , 1)3 . Determinar un par de Jordan.

7) Determinar un par de Jordan para cada una de las matrices polinomiales monicas:
 p22 +  
a) L() = p 23
 3 p222 ,,  
3

b) L() = p22 +  3

8) Resolver el sistema de ecuaciones diferenciales siguiente:


0 d5 d4 d3 d2 4 3 1
d B , + 3, 2 d , d
C u (t) 
L dt u(t) = @ dt d4 dt d3 dt d2dt d5 dt d4dt d3 A u1 (t) = 0
5 4 4 3
, 2 3+ 2 , 2 4+ 3 2
dt4 dt dt dt 5 dt dt

9) Resolver el sistema de ecuaciones diferenciales siguiente:


0 d2 1
d B 0 C  u1 (t) 
L dt u(t) = @ ddt 2
2 A u2 (t) = 0
d d
dt + 1 dt2 , dt

10) Resolver el sistema de ecuaciones en diferencias siguiente:


1 0 0
0
 0 0
 
0 1 y (k + 2) + 1 ,1 y (k + 1) + 1 0 y (k) = 0; k = 0; 1; : : ::

11) Resolver el sistema de ecuaciones en diferencias siguiente:

01 0 0
1 0 0 0 0
1 0 0 0
0 1
@0 1 0 A y (k +3)+ @ 1 ,1 1 A y (k +2)+ @ 1 0 0 A y (k) = 0; k = 0; 1; : : ::
0 0 1 0 1 ,1 0 0 1

© los autores, 1998; © Edicions UPC, 1998.


1. Linealizacion y parejas estandares 59

12) Resolver el sistema de ecuaciones en diferencias siguiente:

1 0 0 1
 1 0
 1
   
0 1 y (k + 2) + 2 ,2 y (k + 1) + 2 0 y (k) = 1 ; k = 0; 1; : : ::

13) Una empresa ofrece cada a~no dos productos, s1 (k), s2 (k), dados en funcion de sus
precios, p1 (k), p2 (k), segun la relacion
 s (k )   d1   1 0
 p (k) 
S (k) = s1 (k) = d02 , 03 1
1
p2 (k) =
2 0 2 (1)
= D0 , AP (k)
(para que haya equilibrio de mercado).
La prevision de la produccion para el a~no siguiente es
 s (k + 1)   s1   0 1   (k + 1) 
S (k + 1) = 1 = 02 +
s2 (k + 1)
1
s0 = 1 0 2(k + 1)
(2)
= S0 + B (k)
donde (k + 1) es la prevision de precios para el a~no k + 1.
Estudiar la evolucion del mercado suponiendo que la prevision de precios para cada
uno de los productos, es:
a) 1 (k + 1) es la media aritmetica de los precios de los dos productos en los dos
ultimos a~nos
b) 2 (k + 1) es la media aritmetica de los precios de este producto en los dos
ultimos a~nos.

14) Sea L() = I2 + A1  + A0 , con I; A1 ; A0 2 Mn (C), y sea (X; T ) un par estandar
para L(). Demostrar que
 X ,1
( A0 A1 ) = ,XT 2 XT

© los autores, 1998; © Edicions UPC, 1998.


60 Introduccion a la teora de matrices polinomiales

15) Considerar la matriz polinomial


 2 + 2 
L() =  , 4 2 , 2

a) Encontrar los valores propios de CL .


b) Buscar un conjunto canonico de cadenas de Jordan para cada uno de los valores
propios de CL .
c) Resolver el sistema de ecuaciones diferenciales
   d2  u (t) 
L dtd u(t) = dtd2,+24 d2 dt,2 d
d
1 =0
dt dt2 dt u 2 (t)

16) La aceleracion con la que se mueve una partcula en el plano viene dada por la
siguiente relacion con la posicion y la velocidad:
 d2 , d ,2  x(t)   0 
y (t) = 0
dt2 2 dt
d d d
dt +2 dt2 +4 dt +4

a) Sea L() la matriz polinomial de segundo grado asociada a la ecuacion del


movimiento. Comprobar que
detL() = (2 + 1)( + 2)2 = ( , i)( + i)( + 2)2

b) Probar que fx0 = (,2 , i; 1)g , fy0 = (,2 + i; 1)g , fz0 = (0; 4); z1 = (1; 0)g
son conjuntos canonicos de cadenas de Jordan de L() para los valores propios i , ,i
y 2, respectivamente.
c) Comprobar que (X; J ) con
0i 1
 ,2 , i ,2 + i 
X= 1 1
0
4 0
1 ; J =B
@ ,i ,2 1
C
A
,2
es un par de Jordan para la matriz L().
d) Dar la ecuacion del movimiento (x(t); y (t)) de la partcula y hallar tlim
!1(x(t); y (t)).
Interpretar el resultado.

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 61

CAPITULO 2: REPRESENTACIO N DE MATRICES POLI-


NOMIALES MONICAS

1 Triples estandares y triples de Jordan


Consideremos la matriz polinomial monica

L() = Ai i
i=0

y sea (X; T ) un par estandar para dicha matriz polinomial.


Teniendo en cuenta la de nicion de par estandar (de nicion 1 del apartado 3 del
captulo 1), tenemos que la matriz
0 X 1
B
B XT C
@ ... C
A
XT `,1
es inversible, por lo que podemos considerar
0 X 1,1 0 0 1
B XT C B .. C
B
Y = @ .. A @ . C
C B (1)
. 0A
XT `,1 In
e introducir la siguiente de nicion:

© los autores, 1998; © Edicions UPC, 1998. Quedan rigurosamente prohibidas, sin la autorización escrita de los titulares del "copyright", bajo las sanciones
establecidas en las leyes, la reproducción total o parcial de esta obra por cualquier medio o procedimiento, comprendidos la reprografía y el tratamiento
informático, y la distribución de ejemplares de ella mediante alquiler o préstamo públicos, así como la exportación e importación de ejemplares para su
distribución y venta fuera del ámbito de la Unión Europea.
62 Introduccion a la teora de matrices polinomiales

De nicion 1:
Llamaremos triple estandar de la matriz polinomial L(), al triple de matrices (X; T; Y )
donde (X; T ) es un par estandar para la matriz polinomial L() e Y es como en (1).

Ejemplo 1:
Sea L() una matriz polinomial monica. El triple de matrices (X; T; Y ) con
i) X = ( In 0 : : : 0 )
ii) T la matriz compa~nera de L():
0 0 In 0 : : : 0 1
BB 0 0 In : : : 0 C
C
CL = B@ : :0: : : : : : 0: : : : : : :0: : : : ::::::: : : : :I:n: : C
A 2 M`n(C)
,A0 ,A1 ,A2 : : : ,A`,1
iii) 001
B ... C
Y =B
@ C A 0
In
es un triple estandar para L().

De nicion 2:
Diremos que (X; T; Y ) es un triple de Jordan de la matriz polinomial monica L() si
el par de matrices (X; T ) es un par de Jordan para L().

Proposicion 1:
Si (X; T; Y ) y (X 0; T 0 ; Y 0 ) son dos triples estandares para la misma matriz polinomial
L(), entonces existe una matriz inversible S de orden n`  n` tal que
X 0 = XS; T 0 = S ,1TS; Y 0 = S ,1 Y

Recprocamente, si (X; T; Y ) es un triple estandar para L() y (X 0; T 0; Y 0 ) es tal que


X 0 = XS; T 0 = S ,1TS; Y 0 = S ,1 Y

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 63

para una cierta matriz inversible S de orden n`  n` , entonces (X 0; T 0; Y 0) es tambien


un triple estandar para L().

Demostracion:
Si (X; T; Y ) y (X 0; T 0; Y 0 ) son dos triples estandares para la matriz polinomial L(),
entonces (X; T ) y (X 0; T 0 ) son pares estandares para la matriz polinomial L().
Luego, y segun la proposicion 3 del apartado 6 del captulo 1, se tiene que existe
una matriz inversible S de orden n`  n` tal que

X 0 = XS; T 0 = S ,1TS

Por lo que

0 X 0 1,1 0 0 1 0 XS 1,1 0 0 1
B X 0T 0 C B .. C B XSS ,1TS C B .. C
Y = @ .. A @ . C
0 B C B =B .. C
A @.C
B
. 0A @ . 0 A
X 0T 0 `,1 In XSS ,1T 0 `,1 S In
0 0 X 1 1, 1 0 0 1 0 X 1,1 0 0 1
BBB XT. CC S CC B .. C .. C
=B B . C = S ,1 B
B XT C B
@@ .. A A @ 0 A @ .. A @ 0. C
. C B A
XT `,1 In XT `,1 In

= S ,1 Y

Recprocamente, si (X; T; Y ) es un triple estandares para L() y (X 0; T 0; Y 0 ) es tal


que
X 0 = XS; T 0 = S ,1TS; Y 0 = S ,1 Y

para una cierta matriz inversible S de orden n`  n` , entonces (X 0; T 0 ) es un par

© los autores, 1998; © Edicions UPC, 1998.


64 Introduccion a la teora de matrices polinomiales

estandar para L() y


0 X 1,1 0 0 1 00 X 11,1 0 0 1
B XT. CC B .. C BB XT CC B .. C
@ .. A @ 0. C
S ,1Y = S ,1 B B A=B @B
@ ... C AC
A B@ 0. CA
XT ` , 1 I `
XT S, 1 I
0 XS 1,1 0 0 1n 0 XS 1,1 0 0 n1
=B
B XTS CC BB ... C
C B
B XSS ,1TS CC B .. C
.
@ . A @ A @
.
=
0
.
. A @.C
B A . 0
XT `,1S In XSS ,1T `,1S I
0 XS 1,1 0 0 1 0 X0 1 0 0 n1
B XSS ,1TS C B .. C B X 0 T 0 C B .. C
B
=@ .. C
A B @ 0. C
A=B
@ .. C
A@ . C
B A
. . `,1 0
XS (S ,1TS )`,1 In X 0T 0 In
Luego (X 0; T 0; Y 0 ) es tambien un triple estandar.

Proposicion 2:
Sea (X; T; Y ) un triple estandar de la matriz polinomial monica L(). Entonces
a) ( Y TY : : : T `,1 Y ) es una matriz no singular de orden n`  n` .
b) X esta unvocamente de nida por T e Y , de la siguiente forma:
X = ( 0 : : : 0 In ) ( Y TY : : : T `,1 Y ),1
c) Y A0 + TY A1 + : : : + T `,1 Y A`,1 + T ` Y = 0.

Demostracion:
a) Si ( Y TY : : : T `,1 Y ) es una matriz no singular
,  (X; T; Y )
para un triple estandar
de la matriz polinomial monica L(), entonces Y 0 T 0 Y 0 : : : T 0 `,1 Y 0 es no sin-
gular para cualquier otro triple estandar (X 0; T 0; Y 0 ) de L(), ya que T 0 = S ,1TS e
Y 0 = S ,1 Y para una cierta matriz inversible S . Por lo que
, 
rango Y 0 T 0 Y 0 : : : T 0`,1 Y 0 =
= rango ( S ,1Y S ,1TSS ,1 Y : : : S ,1T `,1 SS ,1Y )
= rango ( S ,1Y S ,1TY : : : S ,1T `,1 Y )
= rango ( S ,1(Y TY : : : T `,1 Y )
= rango ( Y TY : : : T `,1 Y )

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 65

Podemos, pues, considerar (X; T; Y ) como el triple estandar dado en el ejemplo


0 0 In 0 : : : 0 1 001
BB 0 0 In : : : 0 C
C B .. C
X = ( In 0 ::: 0); T = B C B .C
@ : :0: : : : : : 0: : : : : : :0: : : : ::::::: : : : :I:n: : A; Y = @ 0 A
,A0 ,A1 ,A2 : : : ,A`,1 In
Ahora basta probar que la matriz
0 X 1 0 XY XTY : : : XT `,1 Y 1
B XT. CC ( Y TY : : : T `,1Y ) = B
M=B B XTY XT 2 Y : : : XT ` Y C
.. C
@ .. A @ ... ..
. . A
XT `,1 XT `,1Y XT ` Y : : : XT `,2 Y
es no singular.
Calculemos XT iY :
0 0 In 0 : : : 0 1i 0 1
0
B 0 0 I : : : 0 C B .. C
XT iY = ( In 0 : : : 0 ) B
B@ : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : C
n
C B
@ .C
A
0 0 0 : : : In A 0
,A0 ,A1 ,A2 : : : ,A`,1 In
0 0 ::: 0 I 0 ::: 0
Puesto que XT i = _n ,
i+1

XT iY = 0 i = 0; : : :; ` , 2
XT iY = In i = ` , 1
y teniendo en cuenta que (X; T ) es un par estandar de L(), obtenemos
A0 X + A1 XT + A1 XT + : : : + A`,1 XT `,1 + XT ` = 0
de donde
A0 XY + A1 TY + : : : + A`,1 XT `,1 Y + XT ` Y = A`,1 + XT ` Y = 0
y
XT ` Y = ,A`,1
Se pueden deducir inductivamente expresiones de XT i Y para i > ` en funcion de Ai ,
si bien no hacen falta para el resultado.

© los autores, 1998; © Edicions UPC, 1998.


66 Introduccion a la teora de matrices polinomiales

Tenemos, pues,
0 X 1
BB XT. CC ( Y TY : : : T `,1Y ) =
@ .. A
XT `,1
0 0 0 ::: 0 In 1
BB 0 0 : : : In XT ` Y C
B@ : : : : : : : : : : : : : : : : : : : : : :2:`,: :4: : : : : : : : 2: `:,: :3: : C
C
A =M
0 In : : : XT Y XT Y
In XT `Y : : : X 2`,3Y XT 2`,2Y
0 X 1
B XT. C
M es no singular y teniendo en cuenta que tambien B
Esta matriz @ .. CA es no
XT `,1
singular se obtiene el resultado.
b) Sabemos que 0 X 1
BB XT. CC ( Y TY : : : T `,1 Y ) = M
@ .. A
XT `,1
Luego 0 X 1
BB XT. CC = M ( Y TY : : : T `,1Y ),1
@ .. A
XT `,1
y, teniendo en cuenta la expresion de M , es
X = ( 0 : : : 0 In ) ( Y TY : : : T `,1 Y ),1

c) Teniendo en cuenta que


0 X 1,1
B XT. C
( Y TY : : : T `,1 Y ) = B
@ .. CA M
XT `,1

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 67

tenemos que
0 X 1,1 0 A0 1
B XT. C
Y A0 + TY A1 + : : : + T `,1Y A`,1 = B
B A1 C
@ .. A @ ... C
C M B A
XT `,1 A`,1
0 X 1,1 0 A`,1 1
B XT. CC BB
=B
A`,2 + XT `Y A`,1 C
C
@ .. A @ ..
. A
XT `,1 A0 + XT `Y A1 + : : : + XT 2`,2 Y A`,1
0 X 1,1 0 X 1
=B
B XT. CC BB XT. C
C (,T ` Y ) = ,T ` Y
() @ .. A @ .. A
XT `,1 XT `,1
() XT ` Y = ,A`,1 ; : : : .

Terminamos este apartado introduciendo la nocion de par estandar por la izquierda de


una matriz polinomial monica.

De nicion 3:
Dado un par de matrices (T; Y ) con T 2 Mn`n` (C), Y 2 Mn`n(C), diremos que es
un par estandar por la izquierda de la matriz polimomial monica L() si y solo si
a) ( Y TY : : : T `,1 Y ) es inversible,
b) Y A0 + TY A1 + : : : + T `,1 Y A`,1 + T ` Y = 0.

Obviamente de la proposicion 2 se deduce

Proposicion 3:
Si (X; T; Y ) es un triple estandar de L() entonces (T; Y ) es un par estandar por la
izquierda de L().

© los autores, 1998; © Edicions UPC, 1998.


68 Introduccion a la teora de matrices polinomiales

Tambien de forma inmediata se tiene el siguiente resultado:


Proposicion 4:
a) (T; Y ) es un par estandar por la izquierda de L() si y solo si (Y t ; T t) es un par
estandar de Lt ().
b) Si (X; T; Y ) es un triple estandar de L() entonces (Y t ; T t ; X t) es un triple estandar
de Lt ().
P P
(Si L() = `i=0 Ai i entonces Lt () = `i=0 Ati i ).

2 Representacion de matrices polinomiales monicas


La nocion de triple estandar introducido en 1 sera fundamental para el siguiente teo-
rema de representacion.

Proposicion 1:
P
Sea L() = I` + `j,=01 Aj j una matriz polinomial monica y sea (X; T; Y ) un triple
estandar para dicha matriz polinomial. Se tiene que
a) Forma canonica por la derecha
L() = I` , XT ` (V1 + V2  + : : : + V` `,1), si Vi 2 Mn`n (C) son tales que
0 X 1,1
B XT. C
( V1 : : : V` ) = B
@ .. CA
XT `,1

b) Forma canonica por la izquierda


L() = ` I , (W1 + W2 + : : : + `,1 W`)T ` Y , si Wi 2 Mnn`(C) son tales que
0 W1 1
@ ... A = ( Y TY : : : T `,1Y ),1
W`

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 69

c) Forma resolvente
(L()),1 = X (I , T ),1 Y , con  2 C ,  ()

Demostracion:
a) Teniendo en cuenta que
XT ` = ,A0 X , A1 XT , : : : , A`,1 XT `,1
0 X 1
B XT. C
= ( ,A0 ,A1 : : : ,A`,1 ) B
@ .. CA
XT `,1
y, por otra parte,
0 In 1
B In C
V1 + V2  + : : : + V` `,1 = ( V1 V2 : : : V` ) B
@ ... C
A
`,1 In
se obtiene
XT `(V1 + V2  + : : : + V``,1 ) =
0 X 1 0 In 1
B XT. C
= ( ,A0 ,A1 : : : ,A`,1 ) B
B In C
@ .. CA ( V1 V2 : : : V` ) B
@ ... C
A
XT `,1 `,1 In
= ,A0 , A1 , : : : , `,1 A`,1

b) Teniendo en cuenta que


T `Y = ,Y A0 , : : : , T `,1Y A`,1
0 ,A0 1
= ( Y : : : T `,1 Y ) @ ... A
,A`,1
y, por otra parte, que
0 W1 1
B W2 C
W1 + W2 + : : : + `,1 W` = ( In In : : : `,1 In ) B
@ ... C
A
W`

© los autores, 1998; © Edicions UPC, 1998.


70 Introduccion a la teora de matrices polinomiales

se tiene que
(W1 + W2 ) + : : : + `,1 W` )T ` Y =
0 W1 1 0 ,A0 1
B
= ( In In : : : `,1 In ) B
W C
@ .. CA ( Y : : : T `,1Y ) @ .. A =
2 .
. ,A`,1
W`
= ,A0 , A1 , : : : , `,1 A`,1

c) Basta tener en cuenta que

(I , T ),1 = 1 I + 12 T + 13 T 2 + : : : + i1+1 T i + : : :


y las expresiones de XT i Y .

Proposicion 2:
Sea L() una matriz polinomial monica de grado ` y supongamos que existen matrices
Q , T y R de tama~nos convenientes tales que
(L()),1 = Q(I , T ),1 R
Entonces (Q; T; R) es un triple estandar para L().

3 Aplicaciones
3.1 Forma resolvente y teora de sistemas lineales

De nicion 1:
Llamaremos sistema lineal dinamico constante en el tiempo a un sistema de ecuaciones
diferenciales lineales a coe cientes constantes del tipo
dx = Ax(t) + Bu(t)9
=
dt
y(t) = Cx(t) ; con las condiciones iniciales x(0) = 0 (1)

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 71

con A 2 Mn (C), B 2 Mnm (C), C 2 Mpn(C). Las coordenadas del vector


x(t) = ( x1(t) : : : xn(t) )t representan las variables que se denominan de estado,
y las coordenadas del vector y (t) = ( y1 (t) : : : yp (t) )t representan las variables de
salida, mientras que las coordenadas de u(t) = ( u1 (t) : : : um (t) )t representan las
variables llamadas de control.

Nos interesa expresar las salidas y (t) del sistema como funcion del vector de control
u(t). Para ello utilizamos la transformada de Laplace de una funcion f que se de ne
de la siguiente forma:

De nicion 2:
Sea f : R ,! R , tal que f (t) = 0 para todo t 2 (,1; 0). Se de ne la transformada
de Laplace de dicha funcion, mediante
Z +1
L[f (t)]  f^(s) = e,stf (t)dt
0
Aqu s es un numero complejo s = a + bi y f^(s) esta de nida para aquellos valores
s 2 C para los cuales converge la integral.
Cabe destacar:

Propiedades
1. Linealidad:
a) L[(f + g )(t)] = L[f (t)] + L[g (t)]
b) L[(f )(t)] = L[f (t)]
2. Diferenciacion respecto de la variable tiempo
L[Dnf (t)] = snf^(s) , sn,1f (0) , sn,2Df (0) , : : : , Dn,1f (0)

3. Integracion respecto de la variable tiempo


Z t  f^(s)
L f (x)dx = s
0

© los autores, 1998; © Edicions UPC, 1998.


72 Introduccion a la teora de matrices polinomiales

Proposicion 1:
La relacion entre las variables de salida y (t) y de entrada x(t) viene dada por la
relacion:
y^(s) = C (sI , A),1B u^(s)
donde y^(s) y u^(s) son las transfomada de Laplace de y (t) y u(t) respectivamente.

Demostracion:
Aplicando transformada de Laplace a (1), tenemos
sx^(s) = Ax^(s) + Bu^(s)
y^(s) = C x^(s)
por lo que
sx^(s) , Ax^(s) = Bu^ (s)
(sI , A)^x(s) = B u^(s)
x^(s) = (sI , A),1 Bu^(s)

Luego

y^(s) = C (sI , A),1B u^(s):

De nicion 2:
LLamaremos funcion matriz de transferencia del sistema dinamico lineal de nido en
(1) a la funcion a valores matrices racionales siguiente:

F (s) = C (Is , A),1B (2)

De nicion 3:
Llamaremos realizacion de la funcion a valores matrices racionales (2) a un sistema
dinamico lineal como (1) tal que su matriz de transferencia sea (2).

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 73

Observacion 1:
La realizacion no es unica. Para ello basta observar que
F (s) = C (sI , A),1 B
 sI , A 0 ,1  B 
= (C 0) 0 0 0
= C1 (sI , A1 ),1 B1
con A1 2 Mn+n1 (C) y n1 tan grande como queramos. (Obviamente C1 2 Mp(n+n1) (C)
y B1 2 M(n+n1)m (C)).

De nicion 4:
Diremos que una realizacion es minimal si la matriz A es del tama~no mas peque~no
posible.

Proposicion 2:
Una realizacion A , B , C con A 2 Mn (C) de F (s) es minimal si y solo si
\
1 X
1
Ker CAj = f0g y Im Aj B = Cn:
j =0 j =0

Proposicion 3:
Todas las realizaciones minimales son semejantes. Es decir, si A1 , B1 , C1 y A2 ,
B2 , C2 son dos realizaciones minimales de una misma funcion matriz de transferencia
F (s), entonces existe una unica matriz S inversible tal que
A2 = S ,1 A1 S; B2 = S ,1B1 ; C2 = C1 S

Observando el apartado c) de la proposicion 1 del apartado 2, vemos que la inversa


(L()),1 de una matriz polinomial monica L() puede ser considerada como la funcion
matriz de transferencia de un sistema lineal dinamico a coe cientes constantes:
(L()),1 = X (I , T ),1 Y

© los autores, 1998; © Edicions UPC, 1998.


74 Introduccion a la teora de matrices polinomiales

donde (X; T; Y ) es un triple estandar para L().


La realizacion de la funcion matriz de transferencia es
A = T; B = Y; C =X

Proposicion 4:
Esta realizacion de (L()),1 es minimal.

Demostracion:
El teorema 2 del apartado 2 nos asegura que (X; T; Y ) es un triple estandar y la
dimension del espacio variables de estado es n` . Por lo tanto, cualquier otro triple de
matrices (X1 ; T1 ; Y1 ) con T1 2 Mn` (C) y (L()),1 = X1 (I , T1 ),1 Y1 es equivalente
a (X; T; Y ). Es decir,
X1 = XS; T1 = S ,1 TS; Y1 = S ,1Y

Puesto que
0 X 1 00 0 ::: I1
BB XT. CC ( Y TY : : : T `,1 Y ) = B
B ..
. ... C
C
@ .. A B
@0 ...
C
.. A
.
XT `,1 I  ::: 
se veri ca la proposicion 2, por lo que la realizacion es minimal.

Vamos a analizar ahora cuando la funcion de transferencia


F (s) = X (I , T ),1 Y (3)
es la inversa de una matriz polinomial monica L():

De nicion 5:
Diremos que un triple de matrices (X; T; Y ) es un triple polinomial si y solo si la matriz
racional F (s) dada en (3) es la inversa de una matriz polinomial monica.

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 75

Teorema 1:
Un triple (X; T; Y ) es polinomial si y solo si
0 para i = 0; : : :; ` , 2;
XT iY =
I para i = ` , 1
y 0 XY XTY : : : XT m,1 Y 1
B XTY
rango B
XT 2Y : : : XT m Y C C
@ .. .
..
.
..
. A = n`
XT m,1 Y XT m Y : : : XT 2m,2 Y
para todo m  ` .

3.2 Problema del valor inicial para ecuaciones diferenciales

Los triples estandares asociados a matrices polinomiales nos permiten obtener solu-
ciones generales de las ecuaciones diferenciales asociadas a matrices polinomiales monicas:

d` x + X
`,1 dj x
t 2 [a; b]
dt` j =0 Aj dtj = f (t); (*)

P
con L() = I` + `j,=01 Aj j matriz polinomial monica y f (t) funcion vectorial con-
tinua a trozos de nida en el intervalo [a; b].

Teorema 1:
La solucion general de (*) viene dada por
Zt
x(t) = XetT c + X e(t,s) Y f (s)ds; t 2 [a; b]
a

donde (X; T; Y ) es un triple estandar de L() y c 2 Cn` es una constante arbitraria.

© los autores, 1998; © Edicions UPC, 1998.


76 Introduccion a la teora de matrices polinomiales

Demostracion:
Aplicando la proposicion 4 del apartado 2.1 del captulo 1, tenemos que
Zt
x(t) = P1 etCL x0 + P1 e(t,s) R1 f (s)ds
a
y (P1 ; CL ; R1) es un triple estandar.
Teniendo en cuenta que dos triples estandares son equivalentes, tenemos que
P1 = XS; CL = S ,1TS; R1 = S ,1Y;
por lo que Zt
x(t) = XSetS,1TS x0 + XS e(t,s) S ,1Y f (s)ds =
a Zt
= XSS ,1etT Sx0 + XSS ,1 e(t,s) Y f (s)ds =
a
Zt
= XetT (Sx0 ) + X e(t,s) Y f (s)ds;
a
y Sx0 = c es una constante arbitraria.

Consideremos ahora el problema del valor inicial: determinar x(t) tal que
x(i) (a) = xi ; i = 0; : : :; ` , 1 (**)
con xi vectores conocidos.

Teorema 2:
Para cada conjunto de vectores x0 ; : : :; x`,1 , existe una unica solucion x(t) del pro-
blema del valor inicial asociado a la ecuacion (*) y condiciones iniciales (**). Dicha
solucion viene dada por
0 A1 A2 : : : A`,1 I1
0 x0 1
B A2 A3 : : : I 0C B
B x1 C
B .. C B .. C
` ,1 B
c = ( Y TY : : : T Y ) B ... .. . . .. C
. CB . C
C
@ A`,1 I. :. : : 0. 0 A B
@ . C
. A
.
I 0 ::: 0 0 x`,1

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 77

Corolario 1:
La funcion matricial  XeT (t,s)Y t  s
G(t; s) =
0 t<0
es la funcion de Green para el problema del valor inicial.

Observacion 1:
Recordemos que la funcion de Green se de ne como G(t; s) tal que
Zt
x(t) = G(t; s)f (s)ds
a
es la solucion de (*) para las condiciones iniciales x(i) (a) = 0 para i = 0; : : :; ` , 1.

3.3 Problema del valor inicial para ecuaciones en diferencias

Consideremos la ecuacion en diferencias


A0 u(j ) + A1 u(j + 1) + : : : + A`,1 u(j + ` , 1) + u(j + `) = '(j ); j = 0; 1; : : : (1)
asociada a la matriz polinomial

L() = Ai i ; A` = I;
i=0
y sea (X; T; Y ) un triple estandar para L().

Teorema 1:
Toda solucion de la ecuacion en diferencias (1) viene dada por
u(0) = Xc
X
i,1
u(i) = XT c + X T i,k,1Y '(k)
i
k=0

© los autores, 1998; © Edicions UPC, 1998.


78 Introduccion a la teora de matrices polinomiales

si c 2 Cn` es un vector arbitrario.

Corolario 1:
Si la ecuacion (1) es homogenea (esto es, '(j ) = 0, j = 0; 1; : : : ), la solucion viene
dada por
u(i) = XT ic; i = 0; 1; : : :
con c 2 Cn` un vector arbitrario.

Corolario 2:
Existe una unica solucion de la ecuacion (1) con las condiciones iniciales
u(r) = ar ; r = 0; : : :; ` , 1;
y esta solucion viene dada por
0 A1 A2 : : : A`,1 I 1 0 a0 1
BB A2 ... ...
.. C B a1 C
. CB C
c = ( Y TY : : : T `,1 Y ) BB C
C B
B .. C
C
B@ ... . . . . . . C
AB@
.
.. C
A
A`,1 I .
I 0 0 a`,1

Demostracion:
Aplicando el teorema 1, tenemos que
u(0) = Xc = a0
u(1) = XTc = a1
u(2) = XT 2 c + XTY '(0) + XY '(1) = a2
..
.
u(` , 1) = XT `,1c + XT `,2Y '(0) + XT `,3Y '(1) + : : : + XY '(` , 2) = a`,1
Ahora bien,
XT iY = 0; i = 0; : : :; ` , 2

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 79

por lo que
u(0) = Xc = a0
u(1) = XTc = a1
u(2) = XT 2c = a2
..
.
u(` , 1) = XT `,1 c = a`,1
Matricialmente,
0 u(0) 1 0 X 1 0 a0 1
BB u(1) CC = BB XT. C B a1 C
@ .. . A @ .. C Ac = B
@ ... C
A
u(` , 1) XT `,1 a`,1
La matriz
0 X 1
B
B XT C
@ ... C
A
XT `,1
es inversible, por lo que 0 X 1,1 0 a0 1
B XT. C
c=B
B a1 C
C B
@ .. A @ ... C
A
XT `,1 a`,1
y esta univocamente determinado.
Ademas, teniendo en cuenta la descripcion de la matriz M de la proposicion 2 del
apartado I, es
0 X 1 0 A1 A2 : : : A`,1 I 1,1
B A ... ... C
BB XT. CC ( Y TY : : : T `,1 Y ) = B
B ..
2
. . C
C
@ .. A B . .. .. C
`,1
@ A `,1 I A
XT I 0

de donde obtenemos el resultado.

© los autores, 1998; © Edicions UPC, 1998.


80 Introduccion a la teora de matrices polinomiales

4 Ejercicios
1) Construir un triple de Jordan para matriz polinomial monica
 3 p
22 , 

L() = p 2 2 +  3

2) Sea
0 0 0 : : : 0 ,A0 1
C2 = B
@ I:n: : : :0: : ::::::: : :0: : : : :,: :A:1: : C
A
0 0 : : : In ,A`,1

(dicha matriz recibe el nombre de segunda compa~nera de L()). Sean

X = ( 0 : : : 0 In )

T = C2
0 In 1
B 0. C
Y =B
@.C. A
0
Probar que (X; T; Y ) es un triple estandar para L().

3) Sea
 
L() =  , +22+ 2 2 , +22+ 2
2

a) Probar que  (A) = f,1; 0; 1; 4g .


b) Construir un triple de Jordan para L().

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 81

4) Construir un triple de Jordan para la siguiente matriz polinomial monica:


 3 p
22 , 

L() = p 2 2 +  3

5) Determinar un triple de Jordan para la siguiente matriz polinomial:


 4 p
22 , 2

L() = p 2 2 +  4

6) Consideremos la ecuacion diferencial

d` x(t) + A d`,1 x(t) + : : : + A dx(t) + A x(t) = f (t)


dt` `,1 dt`,1 1 dt 0

Supongamos que
 C 8t  0
f (t) =
0 8t < 0
A0 es una matriz inversible y que cada valor propio  de la matriz polinomial asociada
a la ecuacion diferencial es tal que Re  < 0.
Demostrar que

lim x(t) = A,o 1 C


t!1

7) Consideremos la ecuacion en diferencias

A0u(j ) + A1 u(j + 1) + : : : + A`,1 u(j + ` , 1) + u(j + `) = '(j ); j = 0; 1; : : : (1)


tal que '(j ) = ' para todo j = 0; 1; 2; : : : Supongamos que jj < 1 para cada valor
propio de la matriz polinomial L() asociada a la ecuacion en diferencias dada.

© los autores, 1998; © Edicions UPC, 1998.


82 Introduccion a la teora de matrices polinomiales

Demostrar que

j !1
lim u(j ) = (I + A`,1 + : : : + A0 ),1 '

8) Determinar un triple de Jordan para la matriz polinomial


L() = ( , 1)p ( , 2 )q
con 1 6= 2 y p; q 2 N .

9) Para la matriz polinomial


 3 p
22 , 

L() = p 2 2 +  3
dar una representacion en
a) forma canonica por la derecha
b) forma canonica por la izquierda
c) forma resolvente.

10) Hacer lo mismo para la matriz polinomial


 4 p
22 +  :

L() = p22 ,  4

11) Sea 0 1
F (s) = 1 0
s
s
una matriz racional.
Determinar una realizacion minimal.

© los autores, 1998; © Edicions UPC, 1998.


2. Representacion de matrices polinomiales monicas 83

12) Sea

F (s) = C (sI , A),1B


una realizacion minimal.
Probar que
  A BC ,1  0 
(C 0) I ,
0 A B
es una realizacion de (F (s))2 . >Es minimal dicha realizacion?

13) Resolver la ecuacion en diferencias matricial


A0 U (j ) + A1 U (j + 1) + : : : + A`,1 U (j + ` , 1) + U (j + `) = 0;
si fU (h)g es una sucesi
P on de matrices cuadradas por determinar, asociada a la matriz
`
polinomial L() = i=0 Ai i , con A` = I .

14) Sea L() = I2 + A1  + A0 y (X; T; Y ) un triple estandar para L(). Demostrar
que

A1 = ,T 2 Y; A2 = ,XT 3 Y + A21

15) La aceleracion con la que se mueve un satelite en el espacio viene dada por la
siguiente relacion con la posicion y la velocidad:
9
x(t) = 3y_ (t) , 4x(t) >
=
y(y ) = ,3x_ (t) , 4y(t) > (1)
z(t) = x_ (t) , y_ (t) , 4z (t) , 2z_ (t);
a) Determinar la matriz polinomial L() de segundo grado asociada a la ecuacion
del movimiento (1).
b) Comprobar que

© los autores, 1998; © Edicions UPC, 1998.


84 Introduccion a la teora de matrices polinomiales

detL() = (2 + 2 + 4)(2 + 1)(2 + 16)


p p
= ( , (1 + 3i))( , (1 , 3i))( + i)( , i)( + 4i)( , 4i)

c) Determinar un triple de Jordan para L().


d) Dar la ecuacion del movimiento (x(t); y (t); z (t)) del satelite.

!1 (x(t); y (t); z (t)) e interpretar el resultado.


e) Hallar tlim
f) Supongamos que el satelite esta sometido a una aceleracion externa dada por
(e,t ; e,2t; e,3t). Determinar la ecuacion del movimiento (x1 (t); y1 (t); z1 (t)). Hallar
lim (x (t); y1 (t); z1 (t)) e interpretar el resultado.
t!1 1

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 85

CAPITULO 3: MULTIPLICACIO N Y DIVISIBILIDAD

1 Multiplicacion

Sea L() una matriz polinomial monica y supongamos que puede descomponerse en
producto de dos matrices polinomiales monicas:
L() = L2 ()  L1()

De nicion 1:
Diremos que L1 () es un divisor por la derecha de L() y L2 () un divisor por la
izquierda de L().

Vamos ahora a expresar la inversa (L()),1 de un producto de matrices polinomiales


monicas L() = L2 ()  L1 (), en funcion de sus triples estandares. Esto va a ser de
gran utilidad para expresar el producto de matrices polinomiales monicas en terminos
de sus triples estandares.

Teorema 1:
Sean L1 (), L2 () dos matrices polinomiales monicas y sean (Q1 ; T1 ; R1), (Q2 ; T2; R2 )
triples estandares para L1 () y L2 (), respectivamente. Sea L() = L2 ()  L1 ().
Entonces 0
, 1
(L()) = ( Q1 0 ) ( I , T ) , 1
R 2
con T R Q 
T= 1 1 2 0 T2

© los autores, 1998; © Edicions UPC, 1998. Quedan rigurosamente prohibidas, sin la autorización escrita de los titulares del "copyright", bajo las sanciones
establecidas en las leyes, la reproducción total o parcial de esta obra por cualquier medio o procedimiento, comprendidos la reprografía y el tratamiento
informático, y la distribución de ejemplares de ella mediante alquiler o préstamo públicos, así como la exportación e importación de ejemplares para su
distribución y venta fuera del ámbito de la Unión Europea.
86 Introduccion a la teora de matrices polinomiales

Demostracion:
Calculemos la inversa de la matriz ( I , T ):
 I , T ,R Q ,1  (I , T ),1 (I , T ),1R Q (I , T ),1 
1 1 2 = 1 1 1 2 2
0 I , T2 0 (I , T2 ),1
por lo que
0
( Q 0 ) ( I , T ) , 1 =
1 R2
 (I , T ),1 (I , T ),1R Q (I , T ),1  0 
= ( Q1 0 ) 1 1 1 2 2
0 (I , T2 ),1 R2

= Q1 (I , T1 ),1 R1 Q2 (I , T2 ),1 R2


Teniendo en cuenta la proposicion 1 del apartado 2 del captulo anterior tenemos que
(L1 ()),1 = Q1 (I , T1 ),1R1

(L2 ()),1 = Q2 (I , T2 ),1R2


es decir,
0
( Q1 0 ) ( I , T ),1 ,1
R2 = (L1())  (L2())
,1

(L()),1 = (L2 ()  L1 ()),1 = (L1 ()),1  (L2 ()),1

Teorema 2:
Si L() = L2 ()  L1 () con Li (), i = 1; 2, matrices polinomiales monicas con triples
estandares (Qi ; Ti ; Ri), i = 1; 2 respectivamente, entonces el triple (Q; T; R) con
   
Q = ( Q1 0 ) ; T = T01 RT1 Q2 ; R = R0
2 2
es un triple estandar para L().

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 87

Demostracion:
Por la proposicion anterior tenemos que
(L()),1 = Q(I , T ),1 R
Ahora basta aplicar la proposicion 2 del apartado 2 del captulo anterior.

Observacion 1:
Aunque los triples estandares (Qi ; Ti; Ri) de Li () para i = 1; 2 sean triples de Jordan,
el triple (Q; T; R) de L(), obtenido en el teorema anterior, no tiene por que ser un
triple de Jordan.

2 Division

2.1 Proceso de division

Vamos a generalizar en este apartado y, en la medida de lo posible, la nocion de division


de polinomios a coe cientes en un cuerpo.
Debido a la no conmutatividad del producto de matrices, debemos distinguir dos divi-
siones segun operemos por la derecha o por la izquierda.

De nicion 1:
Dadas dos matrices polinomiales (no necesariamente monicas) de orden n ,
X̀ X
k
L1() = Ai i; L2 () = Bi i
i=0 i=0
llamaremos division por la derecha de estas matrices polinomiales a una representacion
de la forma
L1() = Q()L2() + R()
donde Q() es una matriz polinomial de orden n (que llamaremos cociente por la
derecha) y R() es una matriz polinomial de orden n que, o bien es cero, o bien tiene
grado menor que el grado de L2 () (y la llamaremos resto por la derecha).

© los autores, 1998; © Edicions UPC, 1998.


88 Introduccion a la teora de matrices polinomiales

De nicion 2:
Dadas
P` Ados matrices polinomiales
P (no necesariamente monicas) de orden n , L1 () =
i k i
i=0 i  , L2 () = i=0 Bi  , llamaremos division por la izquierda de estas matrices
polinomiales a una representacion de la forma
L1 () = L2 ()Q1() + R1 ()
donde Q() es una matriz polinomial de orden n (que llamaremos cociente por la
izquierda) y R() es una matriz polinomial de orden n que, o bien es cero, o bien tiene
grado menor que el grado de L2 () (y la llamaremos resto por la izquierda).

De nicion 3:
Diremos que L2 () es un divisor por la derecha de L1 () si y solo si
L1 () = Q()L2()
es decir, si el resto por la derecha es cero.

De nicion 4:
Diremos que L2 () es un divisor por la izquierda de L1 () si y solo si
L1() = L2 ()Q1()
es decir, si el resto por la izquierda es cero.

Observacion 1:
En general Q() 6= Q1 () y R() 6= R1 ().

Observacion 2:
La division no siempre es posible; para ello basta dar un ejemplo: sean L1 () = L1
una matriz constante inversible y L2 () = L2 tambien una matriz constante, pero
singular. Si la division fuera posible sera
L1 = Q()L2 ; L1 = L2 Q1 () (1)

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 89

(notar que, puesto que L2 es de grado cero, los restos han de ser cero).
Puesto que L1 es inversible, no existen matrices polinomiales Q() ni Q1 () de manera
que se satisfagan las igualdades de (1).

Sin embargo, si las matrices polinomiales son monicas tenemos el siguiente resultado:

Proposicion 1:
Sean L1 () y L2 () matrices polinomiales monicas; entonces tanto la division por la
derecha como por la izquierda existen y los cocientes y restos por la derecha y por la
izquierda estan unvocamente determinados.

Demostracion:
Vamos a hacer la demostracion para la division por la derecha.
Empecemos probando que se puede efectuar la division. Para ` < k es obvio: basta
tomar Q() = 0 y R() = L1 (). Supongamos, pues, que `  k .
P P
Sea L1 () = `i=0 Ai i y L2 () = ki=0 Bi i y escribamos
X̀ X
`,k ! X
k ! kX
,1
Aii = Qi  i Bi  +i Rii
i=0 i=0 i=0 i=0
con Qi y Ri matrices incognitas.
Comparando los coe cientes de i , i = 0; : : :; ` en ambos lados de la igualdad tenemos
A` = Q`,k = I
A`,1 = Q`,k,1 + Q`,k Bk,1
..
. (*)
kX
,1
Ak = Q0 + Qk,i Bi
i=0
Q0 , ( Q`,k = I , Q`,k,1 = A`,1 ,
y de forma recurrente podemos obtener Q`,k ; : : :;P
,k iQ .
Bk,1 , : : : ); obtendremos, pues, la matriz Q() = `i=0 i
Basta ahora de nir

© los autores, 1998; © Edicions UPC, 1998.


90 Introduccion a la teora de matrices polinomiales

Xi
Ri = Ai , Qj Bi,j ; i = 0; : : :; k , 1: (**)
j =0

Probemos ahora la unicidad.


Supongamos que

L1 () = Q()L2 () + R() = Q()L2 () + R()


con grados de R() y R() menores que k . Entonces

(Q() , Q())L2() + R() , R() = 0

Puesto que L2 () es monico de grado k y R() , R() es una matriz polinomial de
grado estrictamente inferior a k ha de ser

Q() , Q() = 0
y, por lo tanto,
R() , R() = 0
Para la division por la izquierda se procedera de forma analoga.

Observacion 3:
De hecho, en la proposicion anterior basta exigir que sea monica la matriz polinomial
L2 ().

Observacion 4:
6 I en la primera ecuacion de (*) tendramos A` = Q`,k Bk , por lo que no
Si Bk =
siempre existira Q`,k (por ejemplo, si A` es no singular y Bk es singular, el sistema
es incompatible).

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 91

Ejemplo 1:
Sea
1 0 2 1  1 ,1   2 0  X3
L1 () = 0 1 3 + 3 2 2 + 0 2  + 0 2 = Ai i
i=0
y
 X2  
L2() = 10 01 2 + 31 03 = Bi i:
i=0
Entonces
L1 () = (Q1  + Q0 )L2 () + (R1  + R0 )
con
1 0
Q1 = A3 = 0 1
 2 1   1 0  0 0   2 1 
Q0 = A2 , Q1 B1 = 3 2 , 0 1 0 0 = 3 2
 1 ,1   2 1  0 0   1 0  3 0 
R1 = A1 , (Q0 B1 + Q1 B0 ) = 0 2 , 3 2 0 0 + 0 1 1 3
 ,2 ,1 
= ,1 ,1
 2 0   2 1  3 0   ,5 ,3 
R0 = A0 , Q0 B0 = 0 2 , 3 2 1 3 = ,11 ,6

Corolario 1:
Supongamos que el divisor es lineal es decir L2 () = I , X . Entonces

L1 () = Ai i = Q()(I , X ) + R =
i=0
= (I , X )Q1 () + R1
con
X̀ X̀
R= AiX i; y R1 = X i Ai
i=0 i=0

© los autores, 1998; © Edicions UPC, 1998.


92 Introduccion a la teora de matrices polinomiales

Demostracion:
Basta utilizar las expresiones (*) y (**) del teorema anterior para este caso particular.

Corolario 2:
Si L() = I2 + A1  + A2 . Entonces I , S es un divisor monico por la derecha si y
solo si
S 2 + A1 S + A2 = 0

2.2 Aplicacion a las ecuaciones diferenciales de segundo orden

La siguiente proposicion nos permite describir completamente las soluciones de la


ecuacion diferencial
d2 u + A du + A = 0
dt2 1 dt 2
as como de forma algebraica, el problema de contorno de dos puntos.

Proposicion 2:
Sean I , S1 y I , S2 dos divisores por la derecha monicos de
L() = I2 + A1  + A2 ;
tales que S2 , S1 sea inversible. Entonces
a) Toda solucion de la ecuacion
d2u + A du + A u = 0
dt2 1 dt 2
es de la forma
u(t) = eS1 t c1 + eS2 t c2
con c1 ; c2 2 C n constantes cualesquiera.
b) Si eS2 (b,a) , eS1 (b,a) es inversible, entonces el problema de contorno de dos puntos
d2u + A du + A u = f (t)
dt2 1 dt 2
u(a) = u(b) = 0

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 93

tiene solucion unica y vale


Zb Z b  eS1(a, ) 
u(t) = G0 (t;  )f ( )d , (eS1(t,a); eS2 (t,b) )W eS2(b, ) Zf ( )d
a a
donde  
Z = (S2 , S1 ),1; W = eS1 (Ib,a) eS2(Ib,a)
y  eS1 (t, )Z a  t  
G (t;  ) =
0
eS2 (t, )Z   t  b

2.3 Division y triples estandares

Vamos a describir la division de matrices polinomiales monicas en terminos de sus


triples estandares.

Teorema 1:
P ,1 A i una matriz polinomial monica de grado ` y sea
Sea L1 () = I` + `i=0 i

L2 () = Ik , X2T2k (V1 + : : : + Vk k,1 )


una matriz polinomial monica de grado k con k  ` , expresada en su forma canonica
por la derecha donde (X2 ; T2) es un par estandar de L2 () y
0 X2 1,1
B X2 T2 C
( V1 : : : Vk ) = B
@ ... C A
X2 T2k,1
Entonces
L1 () = Q()L2 () + R();
con 0 1
X
`, k X̀
Q() = i @ Aj X2T2j,i,1 Vk A
i=0 j =i+1

© los autores, 1998; © Edicions UPC, 1998.


94 Introduccion a la teora de matrices polinomiales

y 0 1
X
k X̀
R() = i,1 @ Ai X2T2j A Vi
i=1 j =0
donde hemos puesto A` = I .

Demostracion:
Basta observar que
0 X2 1 0 X2 V1
B X T C ::: X2 Vk 1 0 I 1
B
@ ... CA ( V1 : : : Vk ) = @ k..,1
2 2 . ..
. A=@ ... A
X2 T2k,1 X2 T2 V1 : : : X2T2k,1Vk I

y aplicar el proceso de division.

Corolario 2:
L2 () es un divisor por la derecha de L1 () si y solo si para un par estandar (X2 ; T2)
de L2 () se veri ca que
A0 X2 + A1 X2 T2 + : : :A`,1X2 T2`,1 + X2 T2` = 0

Demostracion:
Si esta igualdad se veri ca se tiene que
R() = i,1(0)Vi = 0;
luego L2 () es un divisor.
P ` j

Recprocamente, si L2 () es divisor se tiene que R() = 0, luego j =0 Ai X2 T2 Vi =
0 para todo i y, por lo tanto,

Ai X2 T2j ( V1 : : : Vk ) = ( 0 : : : 0 )
j =0

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 95

Ahora bien, la matriz ( V1 : : : Vk ) es inversible, luego



Ai X2T2j = 0
j =0

Tenemos resultados analogos para la division por la izquierda.

Teorema 2:
P ,1 A i una matriz polinomial monica de grado ` y sea
Sea L1 = I` + `i=0 i
L2 () = Ik , (W1 + : : : + Wk k,1 )T2k Y2
una matriz polinomial monica de grado k con k  ` , expresada en su forma canonica
0porWla1 1izquierda, donde (T2; Y2) es un par estandar por la izquierda de L2 () y
@ ... A = ( Y2 T2Y2 : : : T2k,1 Y2 ),1 . Entonces
Wk
L1 () = L2()Q1 () + R1 ()
con
`X
0 1
,k X̀
Q1() = i @ Wk T2j,i,1Y2 Aj A
i=0 j =i+1
y 0 1
X
k X̀
R1() = i,1 @Wi T2j Y2 Ai A
i=1 j =0
donde hemos puesto A` = I .

Demostracion:
Se deduce del teorema 1, sin mas que considerar las matrices polinomiales traspuestas
(L1 ())t y (L2 ())t en que evidentemente la division por la izquierda
L1 () = L2 ()Q1() + R1 ()

© los autores, 1998; © Edicions UPC, 1998.


96 Introduccion a la teora de matrices polinomiales

por trasposicion pasa a ser division por la derecha


(L1 ())t = (Q1 ())t(L2 ())t + (R1 ())t

Corolario 3:
L2 () es un divisor por la izquierda de L1 () si y solo si para un par estandar (T2 ; Y2)
de L2 () se veri ca que
Y2 A0 + Y2 T2 A1 + : : : + Y2 T2` A`,1 + Y2 T2` = 0

La demostracion es analoga a la del corolario 1.

3 Caracterizacion de divisores por la derecha y subespacios


soporte

Vamos a caracterizar geometricamente los divisores por la derecha monicos.


Sea L() = L2 ()  L1 () y sean ` , k los grados de L(), L1 (), respectivamente.
Analizando la matriz
T X Y 
1 1 2
0 T2
obtenida en el teorema 2 del apartado I, a partir de los triples estandares (Xi ; Ti; Yi )
de Li (), observamos que interpretando dicha matriz como la matriz de una aplicacion
lineal de Cn` en Cn` en la base canonica, el subespacio
M = [e1; : : :; enk]
es invariante por T y su matriz restriccion es precisamente T1 .
Podemos, pues, relacionar M con L1 (). De hecho, tenemos la siguiente correspon-
dencia entre subespacios invariantes y divisores:

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 97

Teorema 1:
Sea L() una matriz polinomial monica de grado ` con par estandar (X; T ). Entonces
para cada subespacio vectorial M de dimension nk invariante por T y tal que la matriz
restriccion 0 1 X
BB XjMjMTjM C
C
B@ .. C
A
.
XjM (TjM )k,1
sea inversible, existe un unico divisor por la derecha

L1 () = Ik , XjM (TjM )k (V1 + V2  + : : : + Vk k,1 )


con 0 X 1,1
jM
B X TjM C
( V1 : : : Vk ) = B C
jM
B
@ .
.. C
A
XjM (TjM )k,1
de L() de grado k tal que su par estandar es semejante a (XjM ; TjM ).
Recprocamente, para cada divisor por la derecha monico L1 () de L() de grado k
con par estandar (X1 ; T1 ), el subespacio de dimension nk
0 X 1,1 0 X1 1
B XT. C
M = Im B
B X1 T1 C
@ .. A @ ... C
C B A (2)
XT `,1 X1 T1`,1
es invariante por T , la matriz 0 XjM 1
BB XjM TjM C
C
B@ ... C
A
XjM TjkM,1

es inversible, y (XjM ; TjM ) es semejante a (X1 ; T1).

© los autores, 1998; © Edicions UPC, 1998.


98 Introduccion a la teora de matrices polinomiales

Observacion 1:
El subespacio M de nido en (2), no depende del par estandar (X1 ; T1) escogido de
L1 (). En efecto, basta observar que
0 X1 1 0 X1 S 1
B
B X1T1 C
C B
B
Im @ .. A = Im @
( X1 S ,1T1 S )
S )( C
C
.
..
. A
X1T1`,1 (X1 S )(S ,1T1`,1 S )
para cualquier matriz inversible S de orden conveniente.
Esto nos lleva a la siguiente

De nicion 1:
Para cada divisor por la derecha monico L1 () de L() de grado k , llamaremos
subespacio soporte de L1 () al subespacio vetorial M de dimension nk construido en
(2).

Proposicion 1:
Fijado (X; T ), el subespacio soporte M de L1 () esta unvocamente determinado por
la siguiente propiedad
(XjM ; TjM ) es un par estandar para L1 ()

Demostracion:
0 X 1,1 0 XjM 1
B XT C B
B XjM TjM C
B C
M = Im @ .. A B@ .. C C
. . A
XT `,1 XjM Tj`M,1

Corolario 1:
Hay una correspondencia biyectiva entre los divisores por la derecha monicos de grado
k y los subespacios M  Cn` invariantes por T tales que

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 99

1) dim M = nk
0 XjM 1
B XjM TjM CC
2) B
B@ ... CA es inversible
XjM TjkM,1
(que son, de hecho, los subespacios soporte de los divisores por la derecha).

Corolario 2:
Sea L1 () un divisor monico de L() con subespacio soporte M . Entonces  (L1 ()) =
 (JjM ); ademas, los divisores elementales de L1 () coinciden con los divisores elemen-
tales de I , JjM .

Corolario 3:
Sean M1 y M2 los subespacios soporte de los divisores por la derecha monicos L11 () y
L12 (), respectivamente, de la matriz polinomial L(). Entonces L11 () es un divisor
por la derecha de L12 () si y solo si
M1  M2

Ejemplo 1:
Sea  ( , 1)2 

L() =0 2 ( , 2)
Claramente,  (L) = f0; 1; 2g . Tomemos el par de Jordan
 ,1 0 1 1 0 ,1

X= 1 0 0 0 0 1
00 1 0 0 0 01
BB 0 0 0 0 0 0C
J =BBB 00 0 0 0 0 0CC
@0 0 0 1 1 0CC
0 0 0 1 0A
0 0 0 0 0 2

© los autores, 1998; © Edicions UPC, 1998.


100 Introduccion a la teora de matrices polinomiales

(((,1; 1); (0; 0)); (1; 0) forma un conjunto canonico de cadenas de Jordan de L() para
0 = 0).
Queremos buscar los divisores por la derecha monicos de grado 2. Para ello empecemos
buscando los subespacios invariantes por J de dimension 4 = nk tales que
X
XJ jM
sea inversible: 0
 X  B ,11 00 1 1 0 ,1 1
0 0 0 1C
XJ = @ 0 ,1 0 1 1 ,2 A
0 1 0 0 0 2

Busquemos primero los subespacios invariantes y despues estudiaremos la condicion de


inversibilidad:
M = M0  M1  M2
de forma que Mi es invariante por J y  (Mi ) = fig para i = 0; 1; 2. Luego
dim M0  3; dim M1  2; dim M2  1;
por lo que tenemos los siguientes casos posibles:
caso dim M0 dim M1 dim M2
i) 3 1 0
ii) 3 0 1
iii) 2 2 0
iv ) 2 1 1
v) 1 2 1
Estudiemos el primer caso (los demas se dejan como ejercicio).
Hay un unico subespacio M invariante por J :
21 0 0 03
66 0 1 0 0 77
M = 666 00 0
0
1
0
0 77
1 75
40 0 0 0
0 0 0 0

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 101
0 ,1 0
1 11
X B 1 0
0 0C
XJ jM = @ 0 ,1
0 1A
0 1 0 0
Esta matriz es claramente inversible. Luego M es el subespacio soporte de algun
divisor por la derecha monico LM () de L().
Concretamente,
LM () = I2 , XjM Jj2M (V1 + V2 )
donde 0 0 01
 X  !,1 B 00 1
0 0 1C
( V1 V2 ) = XJ = @1 1 ,1 ,1 A
jM
0 0 1 1
0 0 0 12
 ,1 0 1 1  B 00 1
0 0 0C
XjM (JjM )2 = 1 0 0 0 @ 0 0 0 0A =
0 0 0 1 0 0 0 1
= 0 0 0 0
Por lo tanto,   2 ,  , 
LM () = 2 0 

4 Descripcion del cociente y divisores por la izquierda

Vamos a describir el cociente


L2 () = L()(L1()),1
en terminos de triples estandares.
Lema 1:
Sea L() una matriz polinomial monica de grado ` con triple estandar (X; T; Y ). Sea
P : Cn` ,! Cn` un proyector. Entonces, la aplicacion
0 X 1
BB XT. CC : Im P ,! Cn`
@ .. A
XT k,1 jIm P

© los autores, 1998; © Edicions UPC, 1998.


102 Introduccion a la teora de matrices polinomiales

(con k < ` ) es inversible si y solo si


(I , P ) ( T `,k,1 : : : TY Y ) : Cn(`,k) ,! Ker P
es inversible.

Demostracion:
Llamemos 0 X 1
B XT. CC ;
A=B B = ( T `,1 : : : TY Y )
@ .. A
XT `,1
y partamos dichas matrices en bloques correspondientes a las descomposiciones
Cn` = Im P  Ker P; Cn` = Cnk  Cn(`,k)
   
A= A1 A2
A3 A4 ; B= B1 B2
B3 B4
con
A1 : Im P ,! Cnk B1 : Cnk ,! Im P
A2 : Ker P ,! Cnk B2 : Cn(`,k) ,! Im P
A3 : Im P ,! Cn(`,k) B3 : Cnk ,! Ker P
A4 : Ker P ,! Cn(`,k) B4 : Cn(`,k) ,! Ker P
Observamos que 0 X 1
B XT. C
A1 = B
@ .. CA
XT k,1
y
B4 = (I , P ) ( T `,k,1 : : : TY Y ) :
Tenemos que A B + A B A B + A B 
AB = 1 1 2 3 1 2 2 4
A3 B1 + A4B3 A3 B2 + A4 B4
pero 0 XT `,1Y : : : 1
XY
AB = @ ... ..
. A
XT 2`,2Y : : : XT `,1Y

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 103

y, segun se ha visto en el captulo 2,


 0 j = 0; : : :; ` , 2
XT j Y =
I j =`,1
por lo que
D 0

AB = 1
D2 D3
con D1 , D3 matrices inversibles y A1 B2 + A2 B4 = 0.
Veamos que A1 es inversible si y solo si lo es B4 .
Empecemos suponiendo que B4 es inversible.
Puesto que B es inversible tambien lo es la matriz
 I 0 ,1  B B  I 0

B B3 B4 = 1 2 B3 B4 ,B4,1 B3 B4,1 =
 B , B B,1 B B B,1 
= 1 02 4 3 2 I 4

por lo que B1 , B2 B4,1 B3 es inversible.


Ahora bien, al ser A1 B2 + A2 B4 = 0 y B4 inversibles, tenemos que A2 = ,A1 B2 B4,1 ,
de donde

D1 = A1 B1 + A2 B3 = A1B1 , A1 B2 B4,1 B3 = A1 (B1 , B2 B4,1 B3 )


Concluimos, pues, que A1 ha de ser inversible.
Supongamos ahora que A1 es inversible.
Puesto que A es inversible tambien lo es la matriz
 A A ,1  A A  A,1 ,A,1 A 
A 01 I2 = A1 A2 1
0
1 2
I
3 4
 I 0

= A A,1 ,A A,1 A + A
3 1 3 1 2 4

© los autores, 1998; © Edicions UPC, 1998.


104 Introduccion a la teora de matrices polinomiales

por lo que ,A3 A,1 1 A2 + A4 es inversible.


Ahora bien, al ser A1 B2 + A2 B4 = 0 y A1 inversibles, tenemos que B2 = ,A,1 1 A2 B4 ,
de donde

D3 = A3 B2 + A4B4 = ,A3 A,1 1A2 B4 + A4 B4 = (,A3 A,1 1 A2 + A4 )B4


Concluimos, pues, que B4 ha de ser inversible.

De nicion 1:
Diremos que P es un proyector soporte para el triple (X; T; Y ) si Im P es un subespacio
no trivial invariante por T y la aplicacion
0 X 1
BB XT. C
@ .. CA : Im P ,! Cnk (3)
XT k,1 jIm P
es inversible para algun k .

Proposicion 1:
El entero k es unico y es tal que k < ` .

De nicion 2:
Llamaremos grado del proyector soporte al valor de k que hace inversible la aplicacion
(3).

Proposicion 2:
P es un proyector soporte de grado k si y solo si Im P es un subespacio soporte para
algun divisor por la derecha monico de grado k .

Demostracion:
Es consecuencia inmediata del teorema 1 del apartado 3 de este captulo.

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 105

Proposicion 3:
Sea P un proyector soporte para (X; T; Y ) de grado k . Sea
T1 : Im P ,! Im P
y ,! T1 (y ) = T (y )

X1 : Im P ,! Cn
y ,! X1 (y ) = X (y):
Entonces
0 X1 1
BB X1T1 C
@ ... CA : Im P ,! Cnk
X1T1k,1
es inversible.

Demostracion:
Por ser P un proyector soporte
0 X 1
BB XT. CC : Im P ,! Cnk
@ .. A
XT k,1 jIm P
es inversible.

Corolario 1:
Existe una unica aplicacion lineal Y1 : Cn ! Im P tal que (X1 ; T1; Y1 ) es un triple
estandar para alguna matriz polinomial monica de grado k .

De nicion 3:
Llamaremos proyeccion por la derecha de (X; T; Y ) asociado a P al triple (X1 ; T1; Y1 ).

© los autores, 1998; © Edicions UPC, 1998.


106 Introduccion a la teora de matrices polinomiales

Proposicion 4:
Sea P un proyector soporte para (X; T; Y ) de grado k . Sean
T2 : Ker P ,! Ker P
y ,! T2 (y ) = (I , P )T (y )

Y2 : Cn ,! Ker P
x ,! Y2 (x) = (I , P )Y (x)
Entonces
( Y2 T2 Y2 : : : T2`,k,1 Y2 ) : Cn(`,k) ,! Ker P
es inversible.

Demostracion:
Por ser P un proyector soporte,
( Y TY : : : T `,k,1 Y2 ) : Cn(`,k) ,! Ker P
es inversible.
Por ser Im P invariante por T , tenemos que PT (x) = Tx para cada vector x 2 Im P ,
por lo que
(I , P )T (I , P ) = (I , P )T
y, por lo tanto,
( Y2 T2 Y2 : : : T2`,k,1 Y2 ) =
= ( (I , P )Y (I , P )T (I , P )Y : : : ((I , P )T )`,k,1 (I , P )Y )
= ( (I , P )Y (I , P )TY : : : (I , P )T `,k,1 Y )
= (I , P ) ( Y TY : : : T `,k,1 Y )

Corolario 2:
Existe una unica aplicacion lineal X2 : Ker P ,! Cn tal que el triple (X2 ; T2; Y2 ) sea
un triple estandar para alguna matriz polinomial monica L2 () de grado ` , k .

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 107

De nicion 4:
Llamaremos proyeccion por la izquierda de (X; T; Y ) asociada a P al triple (X2 ; T2 ; Y2 ).

Teorema 1:
Sea L() una matriz polinomial monica con triple estandar (X; T; Y ). Sea P un
proyector soporte de (X; T; Y ) de grado k generado por la proyeccion por la derecha
de (X; T; Y ) asociada a P . Entonces
L() = L2 ()  L1()

Recprocamente, toda factorizacion de L() es producto de factores monicos de grados


` , k y k , respectivamente, y se puede obtener usando algun proyector soporte de
(X; T; Y ).

Ejemplo 1:
Sea  ( , 1)2 

L() = 0 2 ( , 2)
la matriz polinomial del ejemplo 1 del apartado anterior.
Sea 01 0 0 01
B
B 0 1 0 0C
M=B
B 0 1 0 0CC
B 0CC
@ 00 0
0
1
0 0A
0 0 0 1
el subespacio soporte y  2 ,  , 
LM () = 2 0 
el divisor por la derecha obtenido.
Calculemos
L2 () = L()(LM ()),1
que es una matriz polinomial de grado 1. Luego
L2 () = I , N

© los autores, 1998; © Edicions UPC, 1998.


108 Introduccion a la teora de matrices polinomiales

con

N = ZP JP Y
donde
P es un proyector tal que Ker P = M ,
0 X 1,1 0 0 1
Y = @ XJ A @ 0 A
XJ 2 I
Z = (PY ),1 aplicacion de Im P sobre C2 .
La matriz Y es 0 11
B 0 , 4C
B
B C
0 , 12 C
B
B C
C
Y =B
B 1 1 C
B , 1 ,1 C C
@ 1 11 C
B A
0 4

Tomemos como P la siguiente matriz:


00 0 0 0 0 01
BB 0 1 ,1 0 0 0 C
P =BBB 00 0 0 0 0 0C C
0 0 0 0 0C C
@0 0 0 0 1 0A
0 0 0 0 0 0
Claramente Ker P = M y P es proyector.
2 0 0 1 0 0 13
66BB 1 C C B
B 0CC 77
Im P = 666B BB 00 C
C ;B
B 0CC 77 = [v1; v2]
C B
4@ 0 A @ 1 A75
0 C
0 0

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 109

Luego PY : C2 ,! Im P viene dada por la matriz


!
,1 , 32
1 1
y, por lo tanto,  
Z = ,22 ,32
Calculemos nalmente PJP :
PJP (v1 ) = 0
PJP (v2 ) = v2
La matriz es, pues, 0 0
P JP = 0 1

Multiplicando las matrices obtenemos


  0 0  !
N = ,22 ,23 ,1 , 32 =
0 1 1 1
3 3
= 2 2

5 Descomposicion en producto de factores lineales


Nos preguntamos si podemos descomponerse una matriz L() en producto de factores
lineales, es decir en producto de matrices polinomiales de grado 1.

Teorema 1:
Sea L() una matriz polinomial monica cuyos divisores elementales sean todos lineales.
Entonces L() puede descomponerse en producto de factores lineales:
Y
L() = (I , Ai )
i

© los autores, 1998; © Edicions UPC, 1998.


110 Introduccion a la teora de matrices polinomiales

Observacion 1:
El recproco es falso. Basta verlo con un ejemplo.

Ejemplo 1:
Consideremos  2 ,1 
L() = 2 0 
y sea 00
1  1 0 01
X = 0 00 01 0 0 ; J =B
@ 00 0
0
1
0
0C
1A
0 0 0 0
un par estandar para dicha matriz polinomial.
Para que exista un divisor por la derecha de grado 1, teniendo en cuenta el teorema 1
del apartado 3 de este captulo, la matriz J ha de tener un subespacio invariante M
de dimension dos para el cual XjM sea inversible.
El unico subespacio invariante por J de dimension 2 es
20 1 1 0 0 13
M = 64B
@ 00 C
A;B
@ 100 C
A75
0 0
Ahora bien, tenemos 1 0
XjM = 0 0
que no es inversible. Luego L() no admite ningun factor de grado 1.

6 Ejercicios
1) Considerando  3 p 
L() = p 2 22 , 
2 +  3

a) determinar un triple estandar para L() y deducir uno para L()2 ;

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 111

b) encontrar la multiplicidad parcial simple de L()2 en 0 = 1.

2) Sean
       
L1 () = 10 01 4 + 10 ,12 3 + 21 10  + 01 ,10
1 0 3 1
L2 () = 0 1 2 + 0 2
Determinar Q1 (), R1 (), Q2 () y R2 () tales que
L1 () = Q1()L2 () + R1()
L1 () = L2 ()Q2 () + R2()

3) Sean
1 0 0 1  
1 1  + ,1 2 ;
 
L1 () = 0 0 4 + 3 + ,1 2
1 0  21 01  0 0
L2 () = 0 1 2 + 0 0
Determinar Q1 (), R1 (), Q2 () y R2 () tales que
L1 () = Q1()L2 () + R1()
L1 () = L2 ()Q2 () + R2()

4) Considerar la matriz polinomial


 ( , 1)2 b

L() = 0 2 ( , 2) ; con b 2 C

Encontrar todos los divisores monicos por la derecha de L() de grado 2, segun los
distintos valores que tome b .

5) Encontrar los divisores por la izquierda de L(), si L() es la matriz polinomial


del ejercicio anterior.

© los autores, 1998; © Edicions UPC, 1998.


112 Introduccion a la teora de matrices polinomiales

6) Encontrar todos los divisores de la matriz polinomial


 2 1

L() = 0 2

7) Sea 1 0  ,4   
L() = 0 1 2 + 0 3 0
0 ,3  + 0 2

Probar que
1 0 3 0 1 0 1 0
L1 () = 0 1  , 0 1 y L2 () = 0 1  , 1 2

son divisores monicos por la derecha de L().

8) Sean  3 +  
L1 () = 2 +  3 + 2++1 + 1
 4 2 2 
L2 () =  +3 +  24+++2 1
dos matrices polinomiales monicas.
Determinar, si existe, un divisor por la derecha monico de segundo grado D(), comun
a L1 () y L2 (), y, en caso a rmativo, calcular Q1 () y Q2 () tales que
L1() = Q1 ()D()
L2() = Q2 ()D()

9) Sean  
L1 () =  3,2 2
2

 2 , 2 + 1 2

L () =
2 0 2
 +
dos matrices polinomiales monicas.

© los autores, 1998; © Edicions UPC, 1998.


3. Multiplicacion y divisibilidad 113

Determinar, si existe, un divisor por la izquierda monico de grado uno D(), comun
a L1 () y L2 (), y, en caso a rmativo, calcular Q1 () y Q2 () tales que
L1 () = D()Q1()
L2() = D()Q2()

10) Encontrar todos los divisores por la derecha monicos de


L() = I` , N
00 1 ::: 0 01
BB 0. 0. : : : 0. 0. C
con `  2 y N = B ... . . C
B@ .
. .
. . .C C .
0 0 ::: 0 1 A
0 0 ::: 0 0

11) Determinar una solucion de


d2 u +  ,4 0  du +  3 0  u =  0 0 
dt2 0 ,3 dt 0 2 0 0

12) Determinar una solucion de


d2 u ,  3 1  du +  0 3  u =  0 0 
dt2 2 3 dt 6 0 0 0

13) Sea L() una matriz polinomial monica de grado ` , que tiene solo divisores ele-
mentales lineales.
a) Demostrar que, en estas condiciones, L() puede descomponer en producto de
factores lineales. Esto es, existen B1 ; : : :; B` 2 Mn (C) tales que
L() = (I , B1 )  : : :  (I , B` )
b) Supongamos ahora que L() tiene todos los valores propios distintos. Probar
que por lo menos existen
(n + 1)(2n + 1)  : : :  ((` , 1)n + 1)
factorizaciones en producto de factores lineales.

© los autores, 1998; © Edicions UPC, 1998.


114 Introduccion a la teora de matrices polinomiales

14) Sea L() y (X; J ) la matriz polinomial y el par de Jordan dados en el ejemplo 1
del apartado V del captulo 1. >Es
20 0 0 03
66 1 0 0 0 77
M = 666 00 0
1
0
0
0 77
07
40 0 1 05
0 0 0 1
el subespacio soporte de algun divisor monico por la derecha de grado 2 de L()?

15)
P`,Sea M el subespacio soporte de algun divisor por la derecha de L() = I` +
1 A j . Probar que M ? es el subespacio soporte de algun divisor monico por la
j =0 j P
derecha de L () = I` + `j,=01 Atj j .

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 115

CAPITULO 4: DIVISORES ESPECTRALES Y FACTORI-


ZACIO N CANO NICA

1 Divisores espectrales

Vamos a estudiar ahora la factorizacion de matrices polinomiales monicas para el caso


especial en que los factores son matrices polinomiales monicas con espectros disjuntos.

De nicion 1: Sea L() una matriz polinomial monica y supongamos que puede des-
componerse en producto de dos matrices polinomiales monicas
L() = L2 ()  L1()
Diremos que Li () son divisores espectrales si y solo si los espectros  (L1 ()) de L1 ()
y  (L2 ()) de L2 () son disjuntos.

Ejemplo 1:
Consideremos
L() = (I , A1 )(I , A2 )
con 3 1 2 1
A1 = 0 3 y A2 = 0 2
Puesto que
(I , A1 ) = f3g
y  (I , A2 ) = f2g
I , A1 y I , A2 son divisores espectrales.

Los resultados sobre existencia de divisores espectrales se aplican a la forma matricial


del algoritmo de Bernouilli para la solucion de ecuaciones polinomiales y al problema
de estabilidad de soluciones de ecuaciones diferenciales.

© los autores, 1998; © Edicions UPC, 1998. Quedan rigurosamente prohibidas, sin la autorización escrita de los titulares del "copyright", bajo las sanciones
establecidas en las leyes, la reproducción total o parcial de esta obra por cualquier medio o procedimiento, comprendidos la reprografía y el tratamiento
informático, y la distribución de ejemplares de ella mediante alquiler o préstamo públicos, así como la exportación e importación de ejemplares para su
distribución y venta fuera del ámbito de la Unión Europea.
116 Introduccion a la teora de matrices polinomiales

De nicion 2:
Un punto 0 2 C diremos que es un punto regular de una matriz polinomial L() si
L(0 ) es no singular.

De nicion 3:
Sea , un contorno de C formado por puntos regulares de L(). Dado un divisor por
la derecha monico L1 (), diremos que es un divisor por la derecha , -espectral si
L() = L2 ()L1();
y, ademas,  (L1 ()) esta en el interior de , y  (L2 ()) en el exterior de ,.

Teorema 1:
Sea L() es una matriz polinomial monica de grado ` , T una linealizacion y L1 () un
divisor por la derecha ,-espectral de L(). Entonces el subespacio soporte de L1 ()
con respecto a T es la imagen del proyector de Riesz
I
R, = 21i (I , T ),1d:
,
correspondiente a T y ,.

Demostracion:
Sea M, el subespacio soporte de L1 () relativo a T . Consideremos M 0 , complemen-
tario de M, en C n` . Se tiene que  (TjM, ) esta en el interior de , y  (PTjM 0 , ) en
el exterior de ,, donde P es el proyector tal que Ker P = M, e Im P = M 0 , .
Puesto que M, es invariante por T , la matriz de T respecto de la descomposicion
M,  M 0 , es T T 
T = 011 T12 ;
22
es decir, T11 = TjM, , T12 = (I , P )TjM 0 , , T22 = PTjM 0 , .
Luego  (I , T ),1 (I , T ),1T (I , T ),1 
,
(I , T ) =1 11 11 12 22
0 ,1 (I , T22 )

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 117

Por otra parte, I


(I , T22 ),1d = 0
,

ya que  (P TjM 0 , ) esta en el exterior de ,.


Por lo tanto, I  
R, = 2i (I , T ),1d = I0 0
1
,
e Im R, = M, .

Corolario 1:
Si existe un divisor por la derecha ,-espectral, entonces es unico.

Vamos ahora a dar condiciones necesarias y su cientes para la existencia de divisores


,-espectrales de grado k , para una matriz polinomial L() de grado ` .

Proposicion 1:
Es condicion necesaria para que exista un divisor ,-espectral de grado k , que det L()
tenga exactamente nk ceros en , (contados con su multiplicidad).

Demostracion:
Sea L() = L2 ()  L1(), L1 () divisor ,-espectral de grado k ; luego  (L1 ()) estara
en el interior de , y  (L2 ()) en el exterior de ,.
Puesto que

det L() = det L2 () det L1 ()


se sigue que L() tiene exactamente nk ceros en el interior de , (contados con su
multiplicidad) que coinciden con los ceros de det L1 ().
Para el caso particular en que n = 1, esta condicion es tambien su ciente. Sin embargo,
no es as para el caso matricial general.

© los autores, 1998; © Edicions UPC, 1998.


118 Introduccion a la teora de matrices polinomiales

Ejemplo 2:
Sea
 ( , 1)2 0

L() = 0 ( + 1)2

Sea , un contorno de C con 0 = 1 en el interior de , y 1 = ,1 en el exterior de


,.
Observamos que det L() tiene dos ceros en , ( 0 = 1 doble).
Sin embargo, L() no tiene divisores por la derecha ,-espectrales de grado 1, ya que
si consideramos el par de Jordan de L(),
01 1 0 01
1 
X = 0 00 01 0 ; 0 J=B
@ 00 1 0 0C
0 ,1 1 A
0 0 0 ,1

el proyector de Riesz es
01 0 0 01
I
R, = 21i (I , J ),1 d = B
@ 0
0
1
0
0
0
0C
0A
,
0 0 0 0

20 1 1 0 0 13
Im R, = 64B
@ 00 C
A;B
@ 10 C
A75
0 0
1 0
XjIm R, = 0 0 no es inversible. Luego R, no es un subespacio soporte, por lo
que no hay divisores por la derecha ,-espectrales de grado 1.

Necesitamos, pues, introducir mas condiciones para poder tener un criterio de existen-
cia de divisores ,-espectrales.

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 119

Teorema 1:
Sea L() una matriz polinomial monica y sea , un contorno de puntos regulares de
L() que contenga exactamente nk valores propios de L() (contados con su multi-
plicidad) en su interior. Entonces L() tendra un divisor ,-espectral por la derecha
si y solo si la matriz de orden nk  n`
0 L(()),1 `,1L(()),1
1
I :::
Mk;` = 21i B @ ..
.
..
.
C
A d
, , , ,
k 1 1
 (L()) : : :  k + ` 2 (L()),1
tiene rango kn .
Si se satisface
P ,1 L laicondicion, entonces el divisor por la derecha ,-espectral L1 () =
Ik + ik=0 1;i viene dado de la siguiente forma:
( L1;0 : : : L1;k,1 ) =
1 I (1)
= , 2i ( k (L()),1 : : : k+`,1 (L()),1 ) d  Mk;`
I
,
I como una inversa por la derecha 1 de Mk;` .
con Mk;`

Observacion 1:
I .
(1) no depende de la eleccion de Mk;`

Observacion 2:
La matriz Mk;` puede formularse en terminos de triples estandares.
En efecto, sea (X; T; Y ) un triple estandar para L(). De namos el proyector de Riesz
R, como en el teorema 1, sea M1 = Im R, y consideremos
X1 = XjM1 ; T1 = TjM1 ; Y1 = R,
1 Se dice que una matriz A 2 Mnm (C) es inversible por la derecha si y solo si existe una matriz
AI 2 Mmn(C) tal que AAI = I 2 Mn(C) .
Analogamente, se dice que una matriz A 2 Mnm (C) es inversible por la izquierda si y solo si
existe una matriz AI 2 Mmn (C) tal que AI A = I 2 Mm (C) .

© los autores, 1998; © Edicions UPC, 1998.


120 Introduccion a la teora de matrices polinomiales

Entonces 0 X1Y1 : : : X1T1`,1 Y1 1


B
B
Mk;` = @
X1 T1 Y1 X1 T1`Y1 C
C
..
.
..
. A=
X1 T1k,1Y1 ::: X1T1k+`,2 Y1
0 X1 1
BB X1 T1 CC
=@ ..
. A ( Y1 T1 Y1 : : : T1`,1 Y1 )
X1 T1k,1

El teorema anterior puede escribirse de la siguiente manera:

Teorema 2:
Sea L() una matriz polinomial monica y , un contorno de puntos regulares de L(),
que contenga exactamente nk valores propios de L() (contados con su multiplicidad).
Entonces L() tendra un divisor ,-espectral por la derecha de grado k si y solo si
rango Mk;` = rango Mk+1;` = nk

De nicion 4:
Sea , un contorno de C formado por puntos regulares de L(). Un divisor por
la izquierda monico L2 () diremos que es un divisor por la izquierda , -espectral si
 (L2()) esta en el interior de , y  (L1 ()) en el exterior de ,.

Teorema 3:
Sea L() una matriz polinomial monica y , un contorno formado por puntos regulares
de L() que contenga en su interior exactamente nk valores propios de L() (contados
con su multiplicidad). Entonces L() tendra un divisor ,-espectral por la izquierda
si y solo si la matriz de orden n`  nk
0 (L()),1 : : : k,1(L()),1
1
I
M`;k = 21i B @ ..
.
..
.
C
A d
,
`,1 (L()),1 : : : k+`,2 ()

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 121

tiene rango kn .
Si se satisface
P la condicion, entonces el divisor por la izquierda ,-espectral L2 () =
k , 1
I + i=0 L2;ii viene dado de la siguiente forma:
k
0L 1 0 k (L()),1 1
2 ;0 I
B@ .. CA = ,M`;kI  1 B C
@ .. A d (2)
. 2i , .
L2;k,1 k+`,1(L()),1
I es una inversa por la izquierda de M`;k .
donde M`;k

Observacion 3:
I .
(2) no depende de la eleccion de M`;k

Vamos a ver con un ejemplo que pueden existir ,-divisores por un lado y no existir
por el otro.

Ejemplo 1:
Sea  ( , 1)( , 2) ,1

L() = 0 ( , 3)( , 4)

Sea , un contorno tal que 0 = 1, 1 = 2 esten en el interior de ,, y 2 = 3, 3 = 4


esten en el exterior de ,.
Si escogemos 1 1 1 0
X1 = 0 0 ; J1 = 0 2
entonces
  1   
Y1 = ,11 ,01 ; X1 Y1 = 00 ,02 ; X1 J1 Y1 = 10 ,01
2
Luego, puesto que
 XY 
M1;2 = ( X1 Y1 X1 J1 Y1 ) ; M2;1 = 1 1
X1 J1 Y1

© los autores, 1998; © Edicions UPC, 1998.


122 Introduccion a la teora de matrices polinomiales

se tiene
rango M1;2 = 1; rango M2;1 = 2;
y, por lo tanto, existe un divisor ,-espectral por la izquierda pero no existe por la
derecha.

2 Aplicaciones
2.1 Divisores lineales y ecuaciones matriciales

Sea la ecuacion matricial


X ` + A`,1X `,1 + : : : + A1 X + A0 = 0 (*)
con Ai 2 Mn (C) y X matriz incognita cuadrada de orden n .
Vamos a ver la relacion que hay entre las soluciones de esta ecuacion y los divisores
lineales monicos por la derecha de la matriz polinomial
L() = I` + A`,1 `,1 + : : : + A1  + A0

Proposicion 1:
X0 es solucion de la ecuacion (*) si y solo si (I , X0 ) es un divisor por la derecha
de L().

Demostracion:
Dividamos por la derecha L() por (I , X0 ). Aplicando el corolario 1 del apartado
2 del captulo 3, tenemos
L() = Q()(I , X0) + R
P
con R = `i=0 Ai X0i .
Ahora bien, si (I , X0 ) es un divisor por la derecha R = 0, luego X0 es solucion de
la ecuacion.

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 123

Recprocamente, si X0 es solucion, R = 0, por lo que (I , X0 ) es un divisor por la


derecha.

Observamos pues, que el problema de existencia de soluciones de la ecuacion (*) se


traslada al de existencia de divisores lineales por la derecha de una matriz polinomial.

Teorema 1:
Sea L() una matriz polinomial monica. (I , X0 ) es un divisor por la derecha de
L() si y solo si 0 I 1
B
B X0 C
2 C
M = Im B B 0 C
X C @ ..
. A
Xo`,1
es un subespacio invariante de la matriz compa~nera CL , de L().

De nicion 1:
Llamaremos solucion por la derecha de L() a una solucion de la ecuacion (*).

De nicion 2:
Una solucion por la derecha X0 diremos que es dominante si cada valor propio  de
X0 es, en valor absoluto, mayor que cada valor propio de
L()(I , X0 ),1

Proposicion 2:
Si X0 es una solucion por la derecha dominante de L(), entonces I , X0 es un
divisor espectral de L().

Ejemplo 1:
Sea 1 0 0 0  ,1 0   0 0 
L() = 0 1 2 + 1 0  + ,1 0 = 0 0

© los autores, 1998; © Edicions UPC, 1998.


124 Introduccion a la teora de matrices polinomiales

Claramente   + 1 ,1   , 1 1

L() = 1 ,1 0 +1
por lo que  , 1 1
 
1 0  , 1 ,1
  
0 +1 = 0 1 0 ,1
es un divisor por la derecha de L().
Tenemos pues, que  
X0 = 10 ,
,1
1

es una solucion por la derecha de la ecuacion matricial


1 0 0 0  ,1 0   0 0 
0 1 X2 + 1 0 X + ,1 0 = 0 0

Los valores propios de X0 son, en valor absoluto, iguales a 1:


det L() = 2 (2 , 1)
por lo que los valores propios de L()(I , X0 ),1 son  = 0 doble.
La solucion X0 es, pues, dominante.

Se puede obtener una solucion dominante a traves del siguiente algoritmo:

Teorema 2:
P
Sea L() = `i=0 Ai i con A` = I . Supongamos que tanto L() como (L())t tienen
una solucion por la derecha dominante.
Sea fUi g una sucesion de matrices cuadradas, solucion del sistema
A0 Ur + A1 Ur+1 + : : : + A`,1Ur+`,1 + Ur+` = 0; r = 1; 2; : : :
con las condiciones iniciales U0 = : : : = U`,1 = 0, U` = I .
Entonces existe Ur+1 Ur,1 para cada r > r0 con r0 su cientemente grande y
lim U U ,1 = S
r!1 r+1 r

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 125

Observacion 1:
La condicion de que (L())t tenga tambien solucion por la derecha dominante no puede
ser eliminada de las hipotesis; basta para ello con dar un ejemplo.

Ejemplo 2:
Consideremos la misma matriz polinomial del ejemplo 1. Determinemos la sucesion
fUig .
Calculemos U3  ,1 0  0 0 0 0
,1 0 U1 + 1 0 U2 + U3 = 0 0
que, con la condicion inicial U0 = U1 = 0, U2 = I , es
 
U3 = ,10 00
Calculemos U4 :  ,1 0  0 0 0 0
,1 0 U2 + 1 0 U3 + U4 = 0 0
 
que, con la condicion inicial U1 = 0, U2 = I , U3 = ,10 00 , es
1 0
U4 = 1 0

Procediendo de esta forma obtenemos


 
U2r+1 = U3 = ,10 00
1 0
U2r+2 = U4 = 1 0
r2
Se tiene que la sucesion fUi g es oscilante y Ur,1 no existe para ningun valor de r por
grande que este sea. Por lo que no existe el lmite de Ur+1 Ur,1 .
En este caso (L())t no tiene solucion dominante. En efecto, si existiera y, puesto que
det(L())t = 2 (2 , 1), la matriz polinomial L()t tendra un divisor espectral por
la derecha con espectro f1; ,1g .

© los autores, 1998; © Edicions UPC, 1998.


126 Introduccion a la teora de matrices polinomiales

Sea 01 1 01 01
 1 ,1 
X= 2 2 0
1
0 0
,1
1 ; T =B
@ ,1 0
C
A; Y = B
@ 10 21 C
A
1 0 0 0
un triple standard para (L())t .
Calculemos el proyector de Riesz
01 0 0 01
I
R, = 21i (I , T ),1d = B
@ 0
0
1
0
0
0
0C
0A
,
0 0 0 0
 1 ,1 
XjIm R, = 02 02
que no es inversible. Luego (L())t no admite divisores ,-espectrales por la derecha.

2.2 Soluciones estables para ecuaciones diferenciales


P
Sea L() = `i=0 Ai i , con A` = I , una matriz polinomial asociada a la ecuacion
diferencial homogenea
d` x + X
`,1 di x
dt` i=0 Ai dti = 0; t 2 [a; 1) (1)

La solucion general de dicha ecuacion es


x(t) = XetJ c
donde (X; J ) es un par de Jordan de L() y c 2 Cn` .
Supongamos que los valores propios de L() son de la forma a + bi 2 C con a 6= 0,
es decir, L() no tiene ningun valor propio sobre el eje imaginario. En dicho caso
podemos separar los valores propios segun esten en el semiplano abierto
H1 = fa + bi 2 C j a < 0g o H2 = fa + bi 2 C j a > 0g

Podemos considerar un par de Jordan de manera que


J 
J= 1
J2

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 127
 
con  (J1 )  H1 y  (J2 )  H2 . Sea X = ( X1 X2 ) y c = cc1 correspondiente a
2
la particion de J en J1 y J2 .
Tenemos
 tJ1    
eJ c 1 X 1 etJ1 c1   x1 (t) 
Xe c = ( X1 X2 ) e tJ
c2 = X2 etJ2 c2 = x2(t) :
2

Claramente se veri ca

Proposicion 1:
lim kx (t)k = 0
t!1 1
lim kx (t)k = 1;
t!1 2
si c2 6= 0

Luego cada solucion de la ecuacion (1) es suma de una estable x1 (t) (es decir que
tiende a cero cuando t ! 1 ) y otra x2 (t), que crece exponencialmente.

La siguiente proposicion nos indica que la determinacion de soluciones estables a partir


de condiciones iniciales esta ligada a la existencia de divisores espectrales por la derecha
de la matriz polinomial asociada al sistema de ecuaciones diferenciales.

Proposicion 2:
P
Sea L() = I` + `j,=01 Aj j la matriz polinomial monica asociada a la ecuacion (1),
tal que
() \ fa + bi 2 C j a = 0g = ;
Entonces, para cada conjunto de k vectores
x00 (a); : : :; xk0,1 (a)
existe una unica solucion x(t) de la ecuacion diferencial dada en (1), tal que
xj (a) = xj0 (a); j = 0; : : :; k , 1
si y solo si la matriz polinomial L() tiene un divisor por la derecha monico L1 () de
grado k tal que  (L1 ())  H1 .

© los autores, 1998; © Edicions UPC, 1998.


128 Introduccion a la teora de matrices polinomiales

3 Factorizacion canonica
Sea , una curva recti cable simple cerrada contenida en C. Denotemos por F + el
dominio de C cuyo borde es ,, y por F , el complemento de F + [ , en C [ f1g .
Supongamos que 0 2 F + (no es restrictivo).
Designemos por C + (,) el conjunto
80 g () : : : g () 19
>
<B 11. 1n >
=
C (,) = >@ . . C
. A>
+ . .
: ;
gn1 () : : : gnn()

con gij () : , [ F + ,! C , funciones analticas en F + .


Designemos tambien, por C , (,) el conjunto
80 g () : : : g () 19
>
<B 11. 1n >
=
,
C (,) = >@ .. . C
.. A
: >
;
gn1() : : : gnn()

con gij () : , [ F , ,! C , funciones analticas en F , .

De nicion 1:
Una matriz cuadrada de orden n a coe cientes funciones de nidas en ,, H (),  2 ,,
diremos que admite una factorizacion canonica por la derecha (relativa a ,) si
H () = H+ ()  H, () 2,
con H+1 () 2 C + (,) y H,1 () 2 C , (,).

De nicion 2:
Una matriz cuadrada de orden n a coe cientes funciones de nidas en ,, H (),  2 ,,
diremos que admite una factorizacion canonica por la izquierda (relativa a ,) si
H () = H,()  H+ () 2,

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 129

con H,1 () 2 C + (,) y H+1 () 2 C , (,).

Proposicion 1:
Sea
H+()  H,()
una factorizacion canonica por la derecha (relativa a ,) de H (). Entonces
(H,())t  (H+ ())t
es una factorizacion canonica por la izquierda (relativa a ,) de (H ())t .

Demostracion:

(H ())t(H+ ()  H,())t = (H, ())t  (H+ ())t:

La existencia de factorizaciones canonicas por un lado no implica la existencia por el


otro. Veamoslo con un ejemplo:

Ejemplo 1:
Sea  1

H () = 0 1

Una factorizacion canonica por la izquierda es
 0 1
 1 0 
,1 1  1
Sin embargo, no admite factorizacion canonica por la derecha.

Teorema 1:
Una matriz racional monica
X
s
R() = Ai i = (Rij ())
i=,r

© los autores, 1998; © Edicions UPC, 1998.


130 Introduccion a la teora de matrices polinomiales

con As = I Rij () funciones analticas en , y R() inversible en ,, admite una


factorizacion canonica por la derecha si y solo si
0 D0 D,1 : : : D,r,s+1 1
B D1 D0 : : : D,r,s+2 C
rango B
@ .. .. .. C A=
. . .
D D ::: D
0 Dr,,11 Dr,,22 : : : D,,r,s s 1
B D0 D,1 : : : D,r,s+1 C
rango B
@ .. .. .. C A = rn;
. . .
Dr,1 Dr,2 : : : D,s
donde
1 I
Dj = 2i ,j,1(R()),1d
,

Teorema 2:
Una matriz racional monica
X
s
R() = Aii = (Rij ())
i=,r
con As = I Rij () funciones analticas en , y R() inversible en ,, admite una
factorizacion canonica por la izquierda si y solo si
0 D,r D,r,1 : : : D,r,s+1 1
B D,r+1 D,r : : : D,r,s+2 C
rango B
@ .. .. .. C A=
. . .
D D ::: D
0 Dr,,s1 D,rs,,21 : : : D,r0,s 1
B D,s+1 D,s : : : D,r,s+1 C
rango B
@ .. .. .. C A = rn
. . .
Dr,1 Dr,2 : : : D,1
donde I
Dj = 21i ,j,1(R()),1d
,

Vamos a dar ahora formulas de obtencion de divisores canonicos:

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 131

De nicion 3:
Un contorno recti cable  situado fuera de , junto con su interior, diremos que es un
complementario de , relativo a L() si  contiene en su interior los puntos espectrales
de L() que estan fuera de ,.

Proposicion 1:
P
Sean R() = si=,r Ai i = (Rij ()), con As = I , Rij () funciones analticas en ,,
y R() inversible en ,.
Sean
X
s
W+ () Wi+ i Ws+ = I
i=0
Xr
W,() Wr,,i i Wr, = I
i=0
los factores de la descomposicion canonica por la derecha de R(). Entonces
r W,()
es un divisor ,-espectral de la matriz polinomial
M () = r R()
por lo que

( Wr,,1 : : : W0, ) =
0 D0 D,1 : : : D,r,s+1 1I
= , ( D,1 D,2
B D1
: : : D,r,s )I B
D0 : : : D,r,s+2 CC
@ .. .
..
.
..
. A
Dr,1 Dr,2 : : : D,s
donde I
Dj = 21i ,j ,1(R()),1d;
,
0 W + 1 0 D,s D,s,1 : : : D,2s+1 1I 0 D,2s 1
B@ ..0 CA = , BB D,.s+1 D.,s : : : D,2. s+2 C
C B
B D,2s+1 C
.. C
.
+
@ .
. .
. .
. A @ . A
Ws,1 Dr,1 Dr,2 : : : Dr,s Dr,s,1

© los autores, 1998; © Edicions UPC, 1998.


132 Introduccion a la teora de matrices polinomiales

donde I
Dj = 21i ,j ,1 (R()),1d:


Tenemos tambien formulas para la factorizacion canonica por la izquierda.

Proposicion 2:
P
Sean R() = si=,r Ai i = (Rij ()), con As = I , Rij () funciones analticas en ,,
y R() inversible en ,.
Sean
X
s
+ () +i i +s = I
i=0
X
r
, () ,r,i i ,r = I
i=0
los factores de la descomposicion canonica por la izquierda de R(). Entonces

0 ,0
1 0 D,s D,s,1 : : : D,r,s+1 1I 0 D,r,s 1
B@ .. C BB D,s+1 D,s : : : D,r,s+2 C
C B
B D,r,s+1 C
A = , @ A @ .. C
. A
. .
. .
. .
.
,r,1 . . .
Dr,1 Dr,2 : : : D0 D,1
donde

1 I
Dj = 2i ,j ,1(R()),1d;
,

( +s,1 : : : +0 ) =
0 D0 D,1 : : : D,r,s+1 1I
B D1 D0 : : : D,r,s+2 C
: : : D,r,s ) B
= , ( D,1 D,2 @ .. .. .. C A
. . .
Dr,1 Dr,2 : : : D,s
con
1 I
Dj = 2i ,j,1(R()),1d


© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 133

Ejemplo 1:
Sea  ,3 1
 
,1 ,2 ,1

R() = I + 4 2 + 2 4 
2

y sea , el crculo unidad.


En nuestro caso particular, r = s = 1.
Veamos si existe una factorizacion canonica por la derecha. Para ello calculemos
D 
rango ( D0 D,1 ) y rango ,1 D,2
D0 D,1
Necesitamos conocer
1

 + 2 + 4,1 ,1 + 2,1

(R()),1 = 2
( , 4)(1 + 2 ,1 ) ,4 , 2,1  , 32 , ,1
1

Multiplicando numerador y denominador por  tenemos


1

2 + 2 + 4 , + 2

(R()),1 =
(2 , 4)( + 12 ) ,4 , 2 2 , 32  , 1

El unico polo de (R()),1 dentro de , es 0 = 21 . Podemos calcular las integrales


Z
1 j (R()),1d para j = 0; 1; ,1
2i ,
utilizando el teorema de los residuos, y obtendremos
Z
1 (R()),1d = , 13 2  
15 , 3
2i , 0 0
Z 
1 (R()),1d = 30 13
13 
2i , 0 0
1 Z ,1 (R()),1d = , 154 31
 
2i , 1 12

Luego , 4 1 , 13 2 
rango ( D0 D,1 ) = 15 31 15 , 3 = 2
1 2 0 0

© los autores, 1998; © Edicions UPC, 1998.


134 Introduccion a la teora de matrices polinomiales

0 , 1315 , 23 1330 , 13 1
D 
D,2 = B
rango ,1
D0 D,1 @ , 1540 130 , 13150 , 203 C
A=2
1 2 1 0 0
De acuerdo con el teorema 1, la matriz racional R() admite una factorizacion canonica
por la derecha.
Teniendo en cuenta la proposicion 1, una factorizacion canonica por la derecha es
 , 2 0
 1 + 1 ,1 ,1 
R() = 4 +2
2
0 1

Veamos si existe factorizacion canonica por la izquierda. Para ello calculemos


0 1
 D  B , 13150 , 230 C  
rango D,1 @ , 4 1A=2 y rango DD,1 D
D
,2 = 2
0 15 3 0 ,1
1 1
2

De acuerdo con el teorema 2, la matriz racional R() admite una factorizacion canonica
por la izquierda.
Teniendo en cuenta la proposicion 2 una factorizacion canonica por la izquierda es
 1 , 13 ,1 , 5 ,1   , 4 12 
R() = 13 14,1 710 ,1 15 7 7
 + 47
7 1+ 7  7

4 Ejercicios
1) Probar que
 2 0

L() = 0 ( , 1)2

no tiene divisores monicos por la derecha ,-espectrales, si , es un contorno de C que


contiene al origen en su interior y 1 en el exterior.

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 135

2) Consideremos la matriz polinomial siguiente


 3 , 422 3002 , 301 + 42

L() = ,62 3 + 422 , 43 + 6

Buscar sus divisores ,-espectrales por la derecha y por la izquierda, si , es la circun-


ferencia en C de centro el origen y radio 12 .

3) Lo mismo que en el ejercicio anterior, para la matriz polinomial


 ( , a )( , a )  , a1

L() = 1 2
0 ( , a3 )( , a4 )
y
a) , el contorno con a1 , a2 dentro de , y a3 , a4 fuera de ,.
b) , el contorno con a3 , a4 dentro de , y a1 , a2 fuera de ,.

4) Sea  2 , 1 
0
L() =  , 1 2 = A2 2 + A1  + A0

Sea fUr gr1 la solucion del sistema A0 Ur + A1 Ur+1 + A2 Ur+2 = 0; r  1 que viene
determinada por las condiciones iniciales U0 = U1 = 0, U2 = I2 .
Probar que la sucesion fUr gr1 oscila y para r > 2 toma solo valores singulares.

5) Probar que
0 1   0 0
S1 = 0 0 ; S2 = ,12 01 ; S3 = 0 1

son soluciones por la derecha de la ecuacion matricial


X 2 + A1 X + A0 ;

© los autores, 1998; © Edicions UPC, 1998.


136 Introduccion a la teora de matrices polinomiales

   
con A1 = ,21 ,31 y A0 = 00 ,12 .

6) Sea A 2 Mn (C) una matriz hermtica (es decir At = A ). Probar que la ecuacion
matricial
X2 , X + A = 0
tiene una solucion hermtica si y solo si el espectro de A esta formado por valores
,
propios reales menores que 14 (esto es  (A)  ,1; 41 ).


7) a) Estudiar si el sistema de ecuaciones diferenciales

d2 u +  1 2  du +  1 0  u =  0 0 
dt2 1 2 dt 0 2 0 0

tiene o no, alguna solucion estable.


b) Hacer lo mismo para el sistema
 
d2 u + 1 2 du + 1 1 u = 0 0 :
   
dt2 1 ,2 dt 0 1 0 0

8) Encontrar una factorizacion canonica por la derecha de


 ,1 1

L() = 0 

>Existe alguna factorizacion canonica por la izquierda?

9) Encontrar una factorizacion canonica por la derecha y una factorizacion canonica


por la izquierda de la funcion matricial racional
, 3 , 1 1 , 2

R() = 2 
4 + 2  + 2 + 4

© los autores, 1998; © Edicions UPC, 1998.


4. Divisores espectrales y factorizacion canonica 137

10) Encontrar una factorizacion canonica por la derecha y una factorizacion canonica
por la izquierda de la funcion matricial racional
 , 3 + 1 1 + 1

R() = 4 
,2 + 1  + 4

11) Sea H () una matriz cuadrada de orden n inversible a coe cientes funciones
de nidas en un contorno ,. Diremos que H () admite una factorizacion de Wiener-
Hopf por la derecha relativa a , si
0 k1 1
H () = H+() @ ... A H,() ( 2 ,)
kn

con H+ (); (H+()),1 2 C + (,), H, (); (H,()),1 2 C , (,) y k1  : : :  kn enteros


(positivos negativos o nulos) llamados ndices parciales por la derecha de H ().
Analogamente, diremos que H () admite una factorizacion de Wiener-Hopf por la
izquierda relativa a , si
0 k 0 1 1
H () = H 0,() @ ... A H 0+() ( 2 ,)
k0 n

con H 0 + (); (H 0+ ()),1 2 C + (,), H 0, (); (H 0, ()),1 2 C , (,) y k0 1  : : :  k0 n


enteros (positivos negativos o nulos) llamados ndices parciales por la izquierda de
H ().
Encontrar una factorizacion de Wiener-Hopf por la derecha y por la izquierda relativa
al crculo unidad de
1  
L() = 2 0 

12) Sea , un contorno en C y L() = I , A con

© los autores, 1998; © Edicions UPC, 1998.


138 Introduccion a la teora de matrices polinomiales

A 
A= 1
A2
(A1 ) en el interior de , y (A2 ) en el exterior.
Probar que
 I , A 0
 I 0
 I 0

2
0 I 0 I 0 I , ,1 A1

es una factorizacion de Wiener-Hopf por la derecha relativa a , y los ndices parciales


de H () son 0; : : :; 0; 1 : : :; 1 y el numero de veces que aparece el 1 es exactamente el
rango de A1 .

© los autores, 1998; © Edicions UPC, 1998.


5. Perturbacion y estabilidad de divisores 139

CAPITULO 5: PERTURBACIO N Y ESTABILIDAD DE LOS


DIVISORES

1 Continuidad de los espacios soporte y de los divisores


El calculo numerico de divisores, utilizando formulas explcitas, lleva de forma natural
al analisis de problemas de perturbacion y estabilidad. Vamos a hacer una breve
introduccion a dicho analisis enunciando algunos resultados.
Para realizar este estudio necesitamos introducir una topologa (metrica) en el conjunto
de matrices polinomiales monicas de orden y grado jos, as como considerar la metrica
de nida en el conjunto de subespacios vectoriales de Cn` .

1.1 Metricas
Designemos por Pk al conjunto de todas las matrices polinomiales monicas de orden
n y grado k .
Dadas dos matrices polinomiales de Pk ,
X
k X
k
L() = Aii ; M () = Bi i
i=0 i=0
tenemos la siguiente

De nicion 1:
De nimos distancia entre las matrices polinomiales monicas L() y M () de la si-
guiente forma:
X
k kX
,1
dk (L(); M ()) = kAi , Bi k = kAi , Bi k
i=0 i=0

© los autores, 1998; © Edicions UPC, 1998. Quedan rigurosamente prohibidas, sin la autorización escrita de los titulares del "copyright", bajo las sanciones
establecidas en las leyes, la reproducción total o parcial de esta obra por cualquier medio o procedimiento, comprendidos la reprografía y el tratamiento
informático, y la distribución de ejemplares de ella mediante alquiler o préstamo públicos, así como la exportación e importación de ejemplares para su
distribución y venta fuera del ámbito de la Unión Europea.
140 Introduccion a la teora de matrices polinomiales

donde la norma de una matriz viene de nida por


kAk = max fkA(x)k; kxk = 1g
donde kxk la norma hermtica en Cn , esto es
v
u
uXn
kxk = t xi xi
i=1

Observacion 1:
dk , as de nida, veri ca las propiedades de una distancia, es decir:
para todo L(); M (); N () 2 Pk se veri ca
dk (L(M ); M ())  0 y dk (L(M ); M ()) = 0 si y solo si L() = M ()
dk (L(); M ()) = dk (M (); L())
dk (L(); M ())  dk (L(); N ()) + dk (N (); M ())

Observacion 2:
Con esta de nicion, el conjunto Pk es un espacio metrico.

Sea G(Cn` ) el conjunto de todos los subespacios vectoriales de Cn` . Dicho conjunto
es un espacio metrico con la distancia (llamada metrica gap) de nida de la siguiente
forma: dados M; N 2 G(Cn` ),
(M; N ) = kPM , PN k
donde PM y PN son las proyecciones ortogonales de Cn` sobre M y N respectiva-
mente.

Cabe destacar como propiedad importante de esta metrica el hecho de que en un


entorno su cientemente peque~no de cada subespacio M de Cn` todos los subespacios
tienen la misma dimension, consecuencia de la siguiente proposicion.

© los autores, 1998; © Edicions UPC, 1998.


5. Perturbacion y estabilidad de divisores 141

Proposicion 1:
Si (M; N ) < 1, entonces
dim M = dim N

Otra propiedad que tambien merece ser destacada es el hecho de que la descomposicion
de Cn` en suma directa de subespacios es estable por peque~nas perturbaciones, como
a rma la siguiente

Proposicion 2:
Sean M y M1 tales que
M  M1 = Cn`
Sea N con (M; N ) < " para un " > 0 su cientemente peque~no, entonces
N  M1 = Cn`

1.2 Continuidad

De nicion 1:
Llamaremos conjunto soporte al conjunto W 2 G(Cn` )P` formado por pares (M; L())
en los que M es un subespacio vectorial de Cn` invariante por la matriz compa~nera
de L().
Puesto que el conjunto soporte esta provisto de una metrica (la inducida por el producto
cartesiano), tenemos la nocion de entorno de un punto (M; L()) 2 W de radio " en
W , y es el conjunto de todos los pares (M 0; L0()) tales que
(M; M 0 ) + d` (L(); L0()) < "

De nicion 2:
Llamaremos conjunto soporte de orden k , que indicaremos por Wk , al subconjunto de
W formado por todos aquellos pares (M; L()) tales que M es un subespacio soporte

© los autores, 1998; © Edicions UPC, 1998.


142 Introduccion a la teora de matrices polinomiales

(respecto el par estandar ( I 0 : : : 0 ) ; CL ) de L() asociado a un divisor por la


derecha monico de L(), de grado k .

Proposicion 1:
Wk es un conjunto abierto de W . Esto es, para cada (M; L()) 2 Wk existe un " > 0
para el cual todo par (M 0 ; L0()) que diste menos que " de (M; L()) ((M; M 0) +
d` (L(); L0()) < " ), pertenece a Wk .

Vamos a describir la dependencia continua del divisor y del cociente relacionado con
el par (M; L()) 2 Wk .

Teorema 1:
P
Sea L(; ) = `i=0 Ai ()i con Al () = I , una matriz polinomial monica cuyas
matrices coe cientes dependen de forma continua de un parametro  2 D , si D es un
conjunto abierto del plano complejo C. Supongamos que P para cada  2 D , existe un
la derecha monico de L(; ), L1 (; ) = ki=0 Bi ()i cuyo cociente es
divisor por P
,k C ()i . Sea M () el subespacio soporte de L() respecto a C y
L2 (; ) = `i=0 i L
correspondiente a L1 (; ). Entonces
a) si M () es continua en D (respecto la topologa de nida por la metrica ), entonces
L1 (; ) y L(; ) tambien son continuos en D ;
b) si uno de los divisores L1 (; ), L2 (; ) es continuo en D lo es el otro, as como
el subespacio soporte M ().

2 Continuidad de los divisores espectrales

Queremos analizar ahora si la propiedad de ser ,-espectral se mantiene por peque~nas


perturbaciones.

De nicion 1:
Un elemento (M; L()) 2 W diremos que es , -espectral si M es el subespacio soporte
de un divisor ,-espectral.

© los autores, 1998; © Edicions UPC, 1998.


5. Perturbacion y estabilidad de divisores 143

Observacion 1:
Por el teorema 1 del apartado 1 del captulo 4, tenemos que si (M; L()) es ,-espectral,
entonces 1 Z 
M = Im 2i (I , CL ) d ,1
,

Proposicion 1:
Sea (M; L()) 2 W , ,-espectral. Entonces existe un entorno de (M; L()) en W
formado por pares ,-espectrales.

Teorema 1:
Sea (M; L()) 2 Wk , ,-espectral. Entonces existe un entorno de (M; L()) en W
formado por pares ,-espectrales de Wk .

3 Factorizacion estable

Sea L() una matriz polinomial monica.


Consideremos una factorizacion L2 ()  L1 () de L(), si L1 (), L2 () y L() son
matrices polinomiales monicas de grados positivos `1 , `2 y ` , respectivamente.

De nicion 1:
Esta factorizacion se llama estable cuando para todo " > 0 existe un  > 0 de modo
que para toda matriz polinomial L0 () tal que d` (L(); L0()) <  , L0 () admite una
factorizacion L0 () = L02 ()L01 () con L01 () y L02 () de grados `1 y `2 , respectiva-
mente, de forma que
d`1 (L1(); L01()) < "; d`2 (L2 (); L02()) < "

Como consecuencia del teorema 1 del apartado anterior tenemos el siguiente resultado:

© los autores, 1998; © Edicions UPC, 1998.


144 Introduccion a la teora de matrices polinomiales

Teorema 1:
Todo divisor espectral es estable.

Observacion 1:
Existen divisores estables que no son espectrales.

Relacionaremos ahora la existencia de factorizaciones estables con el subespacio so-


porte. Antes, sin embargo, necesitamos la nocion de subespacio invariante estable.

De nicion 2:
Sea A : Cm ,! Cm una aplicacion lineal. Un subespacio N  Cm invariante por A
se dice que es estable si y solo si dado un " > 0 existe  > 0 tal que
kB , Ak < 
para una cierta aplicacion lineal B : Cm ,! Cm , entonces B tiene un subespacio
invariante M con
kPM , PN k
si PM y PN son los proyectores ortogonales de Cn` sobre M y N respectivamente.

La siguiente proposicion nos describe a todos los subespacios invariantes estables.

Proposicion 1:
Sean 1 ; : : :; r los valores propios de A . Un subespacio invariante N es estable si y
solo si
N = N1  : : :  Nr
con Ni como subespacio invariante por A y Ni  Ker (A,iI )m si dim Ker (A,i I ) =
1 y Ni = f0g o Ni = Ker (A , i I )m en caso contrario.

Teorema 2:
Sea L() = L1 ()L2() una factorizacion de la matriz polinomial L(). Esta fac-
torizacion es estable si y solo si el correspondiente subespacio soporte para la matriz
compa~nera CL de L() es estable.

© los autores, 1998; © Edicions UPC, 1998.


5. Perturbacion y estabilidad de divisores 145

El siguiente teorema nos proporciona un criterio practico para determinar cuando una
factorizacion es estable.
Teorema 3:
Sea L() = L1 ()L2 () una factorizacion de la matriz polinomial L(). Esta facto-
rizacion es estable si y solo si para todo valor propio 0 comun de L1 () y L2 () se
tiene que
dim Ker L(0 ) = 1

4 Ejercicios
1) Probar que dk de nida en el apartado 1.1 veri ca las propiedades de una distancia.

2) Estudiar si la siguiente factorizacion es o no estable:


 2  + 2   2 2 , 3 
L() = 2 
0 ( , 1) ,3 +2

3) Estudiar lo mismo para


0 3  + 1  + 2 1 0 3 2 
1
L() = @ 0 ( , 1)2  + 2 A  @ 3  2 A
0 0 2 ( , 2)
3  + 1 2 , 1 ( + 1)2

4) Sea A1 2 Mn1 (C), A2 2 Mn2 (C). Llamemos n = n1 + n2 y consideremos


A A 
A = 01 A0 2 Mn (C)
2

Sea M = [e1 ; : : :; en1 ] el subespacio invariante por A . Probar que M es estable si y


solo si para cada valor propio 0 en comun con A1 y A2 se tiene que
dim Ker (A , 0 I ) = 1

© los autores, 1998; © Edicions UPC, 1998.


146 Introduccion a la teora de matrices polinomiales

5) Sea
1 0  ,(1 + ) 0  0
  
L(; ) = 0 1 2 + 0 ,(2 + 2 )  +  22

a) Determinar los valores propios de L(; ) para cada  2 C .


p p
b) Probar que para cada  2= f, 2; ,1; 1; 2; 2g , existe una matriz X () 2
M24 (C) y una matriz J () 2 M4 (C) continuas en  y tales que
(X (); J ())
p p
forma un par de Jordan para L(; ) y  2= f, 2; ,1; 1; 2; 2g .

6) Sea 01 0 0 01 01 0 ,1  + 2 1
L(; ) = B
@ 00 1
0
0
1
0C B0
0A , @0
1
0
1 ,2 C
2  , 3A
0 0 0 1 0 0 0 
a) Probar que existe un conjunto S  C discreto tal que para cada  2= S , existen
X (); J () 2 M4 (C) continuas en  y tales que
(X (); J ())
es un par de Jordan para L(; ).
b) Determinar (X (); J ()) para cada  2 C , S .
c) Determinar (X (i ); J (i )) para cada i 2 S .

© los autores, 1998; © Edicions UPC, 1998.


Bibliografa 145

BIBLIOGRAFIA

[1] Barnett, S.: Polynomials and Linear Control Systems. Marcel Dekker, Nueva York,
1983.
[2] Elaydi, S. N.: An introduction to di erence equations. Springer Verlag, Nueva York,
1996.
[3] Gantmacher, F. R.: Matrix Theory, vols. I, II. Chelsea, Nueva York, 1977.
[4] Godement, R.: Cours d'Algebre. Hermann, Paris, 1971.
[5] Gohberg, I., Lancaster, P., Rodman, L.: Matrix Polynomials. Academic Press,
Nueva York, 1982.
[6] Gohberg, I., Lancaster, P., Rodman, L.: Invariants subspaces of matrices with
Applications. Wiley, Nueva York, 1986.
[7] Lancaster, P., Tismenetsky, M.: The Theory of Matrices with Applications. Aca-
demic Press, London, 1985.

[8] Lang, S.: Algebra Lineal. Fondo educativo interamericano, Mexico, 1976.
[9] Lay, D. C.: Linear Algebra and its Applications. Addison-Wesley, Reading MA,
1994.
[10] MacDu ee, C. C.: The Theory of Matrices. Chelsea, Nueva York, 1946.
[11] Shilov, G. E.: An Introduction to the Theory of Linear Spaces. Prentice Hall Inc.,
New Jersey, 1961.

© los autores, 1998; © Edicions UPC, 1998.


Introduccion
a la
teora de matrices polinomiales

Ma Isabel Garca Planas


M. Dolors Magret Planas

© los autores, 1998; © Edicions UPC, 1998. Quedan rigurosamente prohibidas, sin la autorización escrita de los titulares del "copyright", bajo las sanciones
establecidas en las leyes, la reproducción total o parcial de esta obra por cualquier medio o procedimiento, comprendidos la reprografía y el tratamiento
informático, y la distribución de ejemplares de ella mediante alquiler o préstamo públicos, así como la exportación e importación de ejemplares para su
distribución y venta fuera del ámbito de la Unión Europea.
A (JL)2 , S y Ma I

© los autores, 1998; © Edicions UPC, 1998.


Presentacion 7

PRESENTACIO N
El presente libro proporciona un tratamiento comprensivo de la teora de matrices
polinomiales. La teora que aqu se expone es una parte del algebra lineal recientemente
desarrollada, cuyos conceptos y resultados principales han sido obtenidos en las dos
ultimas decadas.
La teora de matrices polinomiales tiene importantes aplicaciones en la resolucion de
ecuaciones diferenciales, ecuaciones en diferencias, problemas de frontera, etc. dentro
de los campos de teora de sistemas, analisis de vibraciones, teora de redes y analisis
numerico, entre otros.
Este libro pretende dar a conocer una teora espectral para matrices polinomiales
monicas y, en particular, caracterizar estas matrices en terminos de datos espectrales
(es decir, valores propios y caracterstica de Segre de cada valor propio). Las nociones
fundamentales en teora espectral de matrices polinomiales son la linealizacion y las
cadenas de Jordan. Tambien pretende mostrar algunas aplicaciones, como por ejemplo
en la resolucion de ecuaciones diferenciales y ecuaciones en diferencias. Cada captulo
concluye con una coleccion de ejercicios propuestos.
La estructura del libro es la siguiente:
 El captulo 0 es un tema dedicado a los aspectos generales, es decir, a la de nicion
de matriz polinomial y a la obtencion de la forma normal de Smith de una matriz
polinomial, lo que nos permite saber si son equivalentes dos matrices polinomiales
dadas. Asimismo se incluye en este captulo un breve resumen sobre funciones de
matrices.
 El primer captulo esta dedicado al analisis de la linealizacion y sus aplicaciones a
las ecuaciones diferenciales y ecuaciones en diferencias. La de nicion de cadena de
Jordan es vista como una extension natural de la nocion de cadena de un valor propio
generalizado asociado a un bloque de Jordan de una matriz. Uno de los objetivos de
este captulo es analizar la conexion entre linealizacion y cadenas de Jordan.
 En el segundo captulo se introducen los triples de matrices que permiten determinar

© los autores, 1998; © Edicions UPC, 1998.


8 Introduccion a la teora de matrices polinomiales

completamente toda la informacion espectral acerca de una matriz polinomial y que


tienen importantes aplicaciones en el estudio de ecuaciones diferenciales y ecuaciones
en diferencias. Esencialmente, proporcionan soluciones al problema del valor inicial en
terminos de propiedades espectrales de una matriz polinomial subyacente.
 El tercer captulo esta dedicado a la multiplicacion y divisibilidad. En muchos
problemas se requiere una factorizacion de una matriz u operador de forma que los
factores tengan ciertas propiedades espectrales. Usando tecnicas espectrales es posible
caracterizar divisores para subespacios invariantes espec cos de una linealizacion.
 El cuarto captulo considera el caso especial de factorizacion de matrices polinomiales
monicas en que los factores son tambien matrices polinomiales monicas (los divisores
con esta propiedad se denominan espectrales) y se dan criterios para la existencia de
estos divisores. Una de las aplicaciones mas importantes es la factorizacion canonica.
 Finalmente, el quinto captulo es una introduccion al estudio de perturbaciones y
estabilidad de los divisores. El calculo numerico de divisores lleva de forma natural al
analisis de perturbaciones y problemas de estabilidad. E ste es el caso si la existencia
de divisores depende de algun valor propio de multiplicidad superior a uno, ya que los
errores del calculo computacional llevan al desdoblamiento del valor propio. Se estudian
aqu que divisores son estables bajo peque~nas perturbaciones de los coe cientes de
la matriz polinomial y divisores de matrices polinomiales monicas cuyos coe cientes
dependen continuamente de un parametro, analizando propiedades locales y globales
de los divisores.
Los conocimientos requeridos para la lectura de este libro son los que corresponden
a una asignatura de algebra lineal de una licenciatura de ciencias o de una titulacion
de ingeniera. As, en la bibliografa hemos se~nalado algunos textos basicos de algebra
lineal y algebra matricial que pueden servir de base para los estudiantes poco familiar-
izados con dicha materia.
Creemos que este libro sera de utilidad a aquellos estudiantes que tengan intereses en
algunos de los campos de aplicacion mencionados anteriormente, como base de futuras
investigaciones, y que les permitira abordar el estudio de otros textos de un nivel
superior o mas tecnico, citados asimismo en la bibliografa.

Las autoras

© los autores, 1998; © Edicions UPC, 1998.


Indice 9

INDICE

Captulo 0: Generalidades
1 Nocion de matriz polinomial . . . . . . . . . . . . . . . . . . . . . . 11
2 Operaciones con matrices polinomiales . . . . . . . . . . . . . . . . . 13
3 Equivalencia y forma normal de Smith . . . . . . . . . . . . . . . . . 14
3.1 Equivalencia de matrices polinomiales . . . . . . . . . . . . . . . 14
3.2 Forma normal de Smith . . . . . . . . . . . . . . . . . . . . . 17
3.3 Polinomios invariantes y divisores elementales . . . . . . . . . . . 20
4 Funciones de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 22
5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

Captulo 1: Linealizacion y parejas estandares


1 Linealizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2 Aplicacion a ecuaciones diferenciales y ecuaciones en diferencias . . . . . . 34
2.1 Aplicacion a ecuaciones diferenciales . . . . . . . . . . . . . . . . 34
2.2 Aplicacion a ecuaciones en diferencias. . . . . . . . . . . . . . . 36
3 Cadenas de Jordan y soluciones de ecuaciones diferenciales . . . . . . . . . 39
4 Conjunto canonico de cadenas de Jordan . . . . . . . . . . . . . . . . 45
4.1 Races polinomiales . . . . . . . . . . . . . . . . . . . . . . . 45
4.2 Conjunto canonico . . . . . . . . . . . . . . . . . . . . . . . 47
5 Par de Jordan de una matriz polinomial monica. Propiedades . . . . . . . 49
6 Pares estandares de una matriz polinomial monica . . . . . . . . . . . . 54
7 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

Captulo 2: Representacion de matrices polinomiales monicas


1 Triples de Jordan y triples estandares . . . . . . . . . . . . . . . . . . 61
2 Representacion de matrices polinomiales monicas . . . . . . . . . . . . . 68
3 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

© los autores, 1998; © Edicions UPC, 1998.


10 Introduccion a la Teora de Matrices Polinomiales

3.1 Forma resolvente y teora de sistemas lineales . . . . . . . . . . . . 70


3.2 Problema del valor inicial para ecuaciones diferenciales . . . . . . . . 75
3.3 Problema del valor inicial para ecuaciones en diferencias . . . . . . . 77
4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

Captulo 3: Multiplicacion y divisibilidad


1 Multiplicacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
2 Division . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.1 Proceso de division . . . . . . . . . . . . . . . . . . . . . . . 87
2.2 Aplicacion a las ecuaciones diferenciales de segundo orden . . . . . . 92
2.3 Division y triples estandares . . . . . . . . . . . . . . . . . . . 93
3 Caracterizacion de divisores por la derecha y subespacios soporte . . . . . . 96
4 Descripcion del cociente y divisores por la izquierda . . . . . . . . . . 101
5 Descomposicion en producto de factores lineales . . . . . . . . . . . . 109
6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

Captulo 4: Divisores espectrales y factorizacion canonica


1 Divisores espectrales . . . . . . . . . . . . . . . . . . . . . . . . 115
2 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
2.1 Divisores lineales y ecuaciones matriciales . . . . . . . . . . . . 122
2.2 Soluciones estables para ecuaciones diferenciales . . . . . . . . . 126
3 Factorizacion canonica . . . . . . . . . . . . . . . . . . . . . . . 127
4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

Captulo 5: Perturbacion y estabilidad de los divisores


1 Continuidad de los subespacios soporte y de los divisores . . . . . . . . 139
1.1 Metricas . . . . . . . . . . . . . . . . . . . . . . . . . . 139
1.2 Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . 141
2 Continuidad de los divisores espectrales . . . . . . . . . . . . . . . . 142
3 Factorizacion estable . . . . . . . . . . . . . . . . . . . . . . . . 143
4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145

Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147

© los autores, 1998; © Edicions UPC, 1998.

You might also like