Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Conclusiones
Los valores propios, (eigenvalores o eigenvectores) son los vectores no nulos que,
cuando son transformados por el operador, dan lugar a un mltiplo escalar de s
mismos, con lo que no cambian su direccin.
Atreves de la aplicacin de los valores propios se realizan procesos matemticos
esencial durante el anlisis modal computarizado de una estructura, para estimar su
comportamiento dinmico, as mismo tienen utilidad en clculo de tensores de
inercia y tensores de tensin.
Entre las propiedades de un valor propio o eigenvalor estn: su multiplicidad
algebraica y su multiplicidad geomtrica.
La dimensin geomtrica de un valor propio es menor o igual que la dimensin
algebraica pero nunca mayor.
Si los vectores v1, v2, , vn son vectores propios asociados a valores propios
diferentes entonces el conjunto formado por ellos es linealmente independiente.
Recomendaciones
Presentar en clase un desarrollo esquemtico sobre la aplicacin de los eigenvalores
durante el anlisis modal de una estructura simple, para ampliar su comprensin.
Base de Valores Propios
Dentro del Algebra lineal los vectores propios son tambin conocidos con el nombre de
autovectores o eigenvectores, los cuales son un operador lineal que funcionan como
vectores no nulos que, cuando son transformados por el operador, dan lugar a un mltiplo
escalar de s mismos, con lo que no cambian su direccin.
Este escalar se conoce con la letra , este recibe el nombre de valor propio, autovalor, valor
caracterstico o eigenvalor. A menudo, una transformacin queda completamente
determinada por sus vectores propios y valores propios. Un espacio propio, autoespacio,
eigenespacio o subespacio fundamental asociado al valor propio es el conjunto de vectores
propios con un valor propio comn.
Los vectores propios de las transformaciones lineales son vectores que, o no son
afectados por la transformacin o slo resultan multiplicados por un escalar; y, por
tanto, no varan su direccin.
Un espacio propio es un espacio formado por todos los vectores propios del mismo
valor propio, adems del vector nulo, que no es un vector propio.
1. Definicin:
Sea A una matriz cuadrada, un nmero real se dice que es un valor propio o un eigenvalor
o un valor caracterstico de A si existe un vector, diferente del vector cero, x tal que:
=
Es decir, es un vector que al transformarlo mediante la multiplicacin por A el vector
resultante mantiene su direccin, posiblemente solo su longitud y/o sentido se modifique.
El vector x se llama vector propio o eigenvector asociado al valor propio .
Ejemplo:
1 2
=[ ]
2 1
1 2 1 0
1 = ( ) , 2 = ( ) , 3 = ( ) , 4 = ( )
1 3 1 2
Solucin:
Debemos multiplicar cada vector por la matriz A y ver si el vector resultante es un mltiplo
escalar del vector.
1 2 1 3 1
1 = [ ]( ) = ( ) = 3( )
2 1 1 3 1
1 2 2 8 2
2 = [ ]( ) = ( ) ( )
2 1 3 7 3
V2 no es vector propio de A.
1 2 1 1 1
3 = [ ] ( ) = ( ) = 1 ( )
2 1 1 1 1
1 2 0 4 0
4 = [ ]( ) = ( ) ( )
2 1 2 2 2
Sea o un valor propio de la matriz cuadrada A, as existe un vector diferente cero de xo tal
que:
x = 0 =
Por lo tanto
= ( ) =0
= 0
Tiene adems de la solucin trivial otro solucin ( = 0). Por consiguiente, no tiene
solucin nica. Y por tanto, el determinante de la matriz B debe ser cero:
det() = det( = 0
Resumiendo:
Todo valor propio debe ser raz del polinomio caracterstico asociado a A:
() = ( )
Y un vector propio asociado al valor propio debe ser solucin al sistema homogneo:
( ) = 0
Ejemplo:
Determine los valores y los vectores propios correspondientes de la matriz:
1 2 1 1 1 2
1 = [ ], 2 = [ ], 3 = [ ]
2 1 0 1 1 2
Solucin:
Para 1
1 2 1 0
() = ( 2 ) = ([ ][ ])
2 1 0 1
1 2 0 1 2
1 () = ([ ][ ]) = ([ ])
2 1 0 2 1
1 2
1 () = | | = (1 )2 4
2 1
1 () = 2 2 3 = ( 3) ( + 1)
Por tanto, los nicos valores propios de A1 son 1 = 3 y 2 = -1.
Vector propio para 1 = 3
Debe ser solucin al sistema homogneo:
(1 2 ) = 0
Es decir:
1 2 1 0
([ ] 3[ ]) = 0
2 1 0 1
13 2 2 2 0 1 1 0
[ ] = 0 ( | )( | )
2 13 2 2 0 0 0 0
1
= 0 = () = ( )
1
1
( )
1
1
( )
1
(1 2 ) = 0
Es decir:
1 2 1 0
([ ] (1) [ ]) = 0
2 1 0 1
1+1 2 2 20 1 10
[ ] = 0 { | }{ | }
2 1+1 2 20 0 00
Convirtiendo en ecuacin y poniendo en la notacin vectorial:
1
+ = 0 = () = ( )
1
1
( )
1
es un vector propio asociado a 2 = -1; nosotros nos conformaremos con uno: digamos el
que se obtiene para y = 1:
1
( )
1
1 1 0 1 1
2 () = ([ ][ ]) = ([ ])
0 1 0 0 1
1 1
2 () = [ ] = (1 )2
0 1
Por tanto, el nico valor propio de A2 es 1 = 1. Vector propio para 1 = 1; Debe ser
solucin al sistema homogneo:
(2 2 ) = 0
Es decir:
1 1 1 0
([ ] 1[ ]) = 0
0 1 0 1
11 1 0 10 0 10
[ ] = 0 ( | )( | )
0 11 0 00 0 00
1
= 0 ( ) = ( )
0
1
( )
0
1 2 0 1 2
3 () = ([ ][ ]) = [ ]
1 2 0 1 2
3 () = 2 3 + 4
Como este polinomio tiene races complejas, A3 no tiene valores ni vectores propios.
Sea p(x) un polinomio. Un nmero c es raz del polinomio p(x), es decir p(x = c) = 0 si y slo
si x - c divide a p(x). Es decir, al hacer la divisin de p(x) entre x - c el residuo es cero. De
hecho, p(c) es precisamente el residuo de la divisin de p(x) entre x - c. Y este residuo puede
calcularse por medio de un proceso elemental conocido como divisin sinttica:
Definicin
Sea A una matriz cuadrada y o un valor propio. Como hemos visto debe ser raz del
polinomio caracterstico de A PA () asi:
( o ) | PA ( )
Al mayor exponente m que cumple
PA ( ) = ( o ) m q( )
5. Espacios Invariantes
Teorema
Sea A una matriz cuadrada y un escalar cualquiera entonces
{ | = }
Es un subespacio lineal de .
Demostracin
Definicin
Por el resultado anterior: Siendo o un valor propio el anterior conjunto es un espacio
lineal diferente de {0} asi tiene dimensin mayor que cero: la dimensin del espacio
anterior se llamar multiplicidad geomtrica del valor propio o.
Teorema
Ejemplo
Determine la dimensin y una base para el espacio propio asociado a = -3 para la matriz:
1 7 9
2 4 4
5 11 5
=
4 8 8
15 63 17
[ 4 8 8]
Solucin:
( ) =
1 0 2/3|0
[0 0 1/3|0]
0 0 0|0
Como slo hay una variable libre, entonces la dimensin geomtrica del espacio propio de
= -3 es 1. Y una base es:
2/3
{(1/3)}
1
Como se trabaja en R3 , el espacio propio es una lnea que pasa por el origen y que tiene
direccin < 2/3, 1/3, 1 >por consiguiente tiene ecuaciones simtricas:
0 0 0
= =
2/3 1/3 1
Teorema
Si los vectores V1, V2 ,, Vk , son vectores propios asociados a valores propios diferentes
entonces el conjunto formado por ellos es linealmente independiente.
Demostracin
Llamemos i al valor propio al cual est asociado el vector vi. Supongamos que el conjunto
de vectores es linealmente dependiente. Puesto que ningn vector propio puede ser
vector cero, de esta suposicin deducimos entonces que un vector vi debe ser
combinacin lineal de los anteriores. Escojamos aquel que tiene el menor ndice posible,
digamos j , as: vj es combinacin lineal de los vectores V1 ,, Vj-1 y ningn vector vi es
combinacin lineal de los anteriores para i = 2, 3, ,j-1. Tenemos
Vj = c1 v1 + c2 v2 ++ cj-1 vj-1
como los propios son diferentes entre si: i j 0. Asi son los ci =0 para i =1,, j-1. Asi la
frmula inicial de este teorema queda:
Vj = 0 v1 ++ 0 vj-1= 0
Pero esto es imposible pues ningn vector propio es el vector cero. Esta contradiccin
afirma que el conjunto formado por los vectores es linealmente independiente.
Ejemplos de aplicacin
ANALISIS MODAL:
Durante el anlisis modal de una estructura se generan diversas ecuaciones que deben de
ser analizadas en agrupaciones matriciales, las cuales se resuelven por medio de la
aplicacin de eigenvectores, una de estas es la siguiente:
En donde la participacin de los mismos en este anlisis se da por medio de los siguientes
parmetros:
Los eigenvalores de la matriz de estado A son las races (i) del polinomio
caracterstico asociado con la matriz de estado, el cual est definido en forma
compacta como
TENSOR DE INERCIA:
TENSOR DE TENSIN:
En mecnica de slidos deformables, el tensor de tensin es simtrico, as que puede
descomponerse en un tensor diagonal cuyos valores propios en la diagonal y los vectores
propios forman una base.