P. 1
Fisica Conceptos y Aplicaciones - Paul Tippens - Septima Edicion

Fisica Conceptos y Aplicaciones - Paul Tippens - Septima Edicion

|Views: 123|Likes:
Publicado porSAg KMus

More info:

Published by: SAg KMus on Nov 13, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/27/2014

pdf

text

original

Determinaci´ on Num´ erica de Eigenvalores y Eigenvectores.

Jos´ e Mar´ ıa Rico Mart´ ınez Departamento de Ingenier´ ıa Mec´ anica. Universidad de Guanajuato, F. I. M. E. E. Calle Tampico No. 912, Col. Bellavista. CP 36730, Salamanca, Gto., M´ exico Tel. +52-464-6480911, Fax: +52-464-6472400. E-mail: jrico@salamanca.ugto.mx

1

Introducci´ on

Estas notas tienen como objetivo presentar los conceptos fundamentales de la teor´ ıa de Eigenvalores y Eigenvectores, tambi´ en conocidos como valores y vectores carater´ ısticos o como valores y vectores propios, de una matriz cuadrada, as´ ı como una revisi´ on somera de los m´ etodos num´ ericos empleados para su determinaci´ on.

2

Establecimiento del problema y definiciones.
n×n

Considere una matriz A ∈

dada por     A=   a11 a21 a31 . . . an1 a12 a22 a32 . . . an2 a13 a23 a33 . . . an3 ... ... ... . . . a1n a2n a3n . . .        (1)

. . . ann

Definici´ on: Eigenvalor y Eigenvector. Un vector b ∈ n , tal que b = 0, se dice que es un eigenvector, vector propio o vector caracter´ ıstico, de la matriz A si y s´ olo si1 Ab = λb, donde λ ∈ C. (2)

Adem´ as, se dice que el escalar λ es el eigenvalor, valor propio o valor characteristico de la matriz A asociado al eigenvector b; de manera rec´ ıproca, se dice que b es un eigenvector de A asociado al eigenvalor λ. Debe notarse que, a´ un cuando la matriz A es real, los eigenvalores asociados a la matriz pueden ser n´ umeros complejos. Teorema I. El conjunto de todos los eigenvectores b asociados al eigenvalor λ constituyen un subespacio vectorial de n , concido como el eigenespacio asociado al eigenvalor λ. Prueba: Es suficiente mostrar que el conjunto de vectores E = {b ∈
n

| Ab = λ b}

est´ a cerrado respecto a la adici´ on de vectores y la multiplicaci´ on por escalar.
1 Debe

notarse que la ecuaci´ on (2) requiere necesariamente que la matriz deba ser cuadrada.

1

se tiene que A b1 + b2 = Ab1 + Ab2 = λb1 + λb2 = λ b1 + b2 por lo tanto. Las observaciones indicadas al t´ ermino de la secci´ on 2. la ecuaci´ on caracter´ ıstica de orden n es real. por lo tanto. es decir p(λ) =| A − λIn |= 0. por lo tanto Ab1 = λ b1 . las raices complejas o imaginarias de una ecuaci´ on polinomial real siempre aparecen como pares conjugados. se tiene que A µ b1 = µAb1 = µλb1 = λµb1 = λ µb1 . 2. Sea b1 ∈ E y µ ∈ . cuantas veces aparece como repetida una raiz. que puede reescribirse de la siguiente forma Ab = λb. 2 . se obtiene una ecuaci´ on polinomial real de n-´ esimo orden en λ. o [A − λIn ] b = 0 (3) on. Los pasos necesarios para esta determinaci´ on se indican a continuaci´ on. Es importante se˜ nalar que si la matriz A es real. En otras palabras. o Ab = In λb. tambi´ en es raiz de la ecuaci´ on. el conjunto est´ a cerrado respecto de la adici´ on. 1. Sean b1 . el conjunto est´ a cerrado respecto a la multiplicaci´ on por escalar. b = 0. si la ecuaci´ on (4) tiene una raiz compleja o imaginaria. b2 ∈ E . por lo tanto Ab1 = λ b1 y Ab2 = λ b2 Puesto que la multiplicaci´ on de matrices es una operaci´ on lineal. Puesto que. Puesto que la multiplicaci´ on de matrices es una operaci´ on lineal. Una condici´ on necesaria y suficiente para que la matriz [A − λIn ] sea singular es que su determinante sea cero. Esta ecuaci´ on se denomina la ecuaci´ on caracter´ ıstica de la matriz A. 2.1. es decir determine p(λ) =| A − λIn |= 0. tomando en cuenta la multiplicidad de una raiz. el complejo conjugado de esa raiz. la u ´ nica posibilidad para que donde In es la matriz identidad de orden n. Estas dos pruebas parciales verifican que el conjunto de todos los eigenvectores b asociados al eigenvalor λ constituyen un subespacio vectorial de n Considere ahora la ecuaci´ on (2). (4) Expandiendo el determinante de la ecuaci´ on (4). Encuentre las n raices de la ecuaci´ on caracter´ ıstica. Determine la ecuaci´ on caracter´ ıstica de la matriz. Del teorema fundamental del algebra. Estas raices son los eigenvalores de la matriz. la matriz [A − λIn ] sea singular y que b sea un elemento del espacio nulo o kernel de la matriz. constituyen las bases de la determinaci´ on de eigenvalores y eigenvectores por el m´ etodo directo. es decir. Adem´ as. por definici´ la ecuaci´ on (3) se satisfaga es que. se sabe que la ecuaci´ on (4) tiene n raices cuando se analiza en el campo de los n´ umeros complejos. Las raices de la ecuaci´ on caracter´ ıstica son los eigenvalores de la matriz y los vectores que satisfacen la ecuaci´ on (3) son los eigenvectores asociados a los eigenvalores respectivos. 3 M´ etodo directo de determinaci´ on de los eigenvalores y eigenvectores de una matriz.

Para cada uno de los eigenvalores determine el subespacio soluci´ on de la ecuaci´ on [A − λIn ] b = 0.382430513  −2 3 3 4 1 1 0 13. λ2 = 3. λ1 = −8. los eigenvalores de la matriz A est´ an dadas por 2.339424118.000 lambda −8 −6 −4 −2 0 0 2 4 6 8 10 −1. 1.094656787.38243051 2 4   2 14.000 Figure 1: Gr´ afica de la Ecuaci´ on Caracter´ ıstica de la Matriz A.3.382430513. λ4 = 9.000 −3.000 −4.000 −2.1 Ejemplo 1.000 1. es evidente.    2 6  A=  4 3  −2 3 8 2  −2 1    −8 0   4 5 4 1  Considere la matriz dada por La ecuaci´ on caracter´ ıstica de la matriz A est´ a dada por 0 =| A − λI4 |= p(λ) = −1636 + 756 λ − 49 λ2 − 11 λ3 + λ4 La figura 1 muestra la gr´ afica de la ecuaci´ on caracter´ ıstica.38243051        .948349608. 3.38243051 −2  A − λ1 I4 =   4 3 0. se tienen que realizar los siguientes c´ alculos. Para la determinaci´ on de los eigenvectores asociados a λ1 = −8. por lo tanto.382430513. λ3 = 6. de la figura que existen 4 raices reales Las raices de la ecuaci´ on caracter´ ıstica y. Estos subespacios soluci´ on constituyen el eigenespacio asociado al eigenvalor λ. dada por  16. Determinar la matriz A − λ1 I4 .

339424118. se coment´ o que 4 . dada por  16.2856490351 0.38243051 2.3803107842 T . Obtener la forma escalonada reducida de la matriz A − λ1 I4 .0 4. si los c´ alculos se hubieran realizado de manera exacta.488328029 0.06478833904 −0. es decir: AT = A. la matriz A − λ1 I4 debe ser singular.13826650 −2. en la secci´ on 2. se tiene que bλ2 = 0.05446763308 T . Definici´ on.4579574956 −0.0   0 14.38243051 2.3756429166 0.948349608. Esta secci´ on inicia definiendo de manera formal una matriz sim´ etrica.0 4.2.5802494150 0.30306562 x4 La soluci´ on est´ a dada por bλ1 = −0. su transpuesta es igual a la matriz original.1168015068 1 T . si y s´ olo si. 4) de la forma escalonada reducida deber´ ıa ser igual a 0. Es importante se˜ nalar que cualquier m´ ultiplo escalar de bλ1 es igualmente un eigenvector de la matriz A asociado al eigenvalor λ1 .8779179928     x3  = 0 0 0 0 5. entonces es posible encontrar interesantes resultados te´ oricos que simplifican esa determinaci´ on. 2.0000000009        Este resultado parece contradictorio.0 1. 4 Determinaci´ on de Eigenvalores y Eigenvectores de Matrices Sim´ etricas. a dado por 3. se tiene que 1. Para λ3 = 6.8779179928    0 0 5.13826650 −2.0 x1 0    x2       0 14.2153771052 −0.488328029 0.059299318 13.059299318 13. 3. Procediendo de manera semejante con los restantes eigenvalores. el eigenvector asociado al eigenvalor λ1 est´ la soluci´ on del sistema      16. Para λ4 = 9. Por ejemplo. Para λ2 = 3.1004735120 1 T .094656787.30306562  0 0 0 0.0 1. Una matriz A ∈ n×n se dice que es sim´ etrica. y el t´ ermino (4. Despreciando el error indicado en el punto anterior. se tiene que bλ3 = −0. se tiene que bλ4 = 1 0. La diferencia es el resultado de no realizar los c´ alculos de manera exacta.2453188593 0. Si la matriz cuyos eigenvalores y eigenvectores se desea determinar es sim´ etrica.1996149746 1 −0.

es necesario emplear algunos resultados acerca de matrices definidas sobre el campo de los n´ umeros complejos y de espacios vectoriales complejos. n. Entonces umero real para todo x ∈ C n . entonces A = AT . por lo tanto es hermitiana. y se tiene el siguiente resultado. Prueba: Para la primera parte. definidas sobre el campo de los n´ umeros n×n complejos. Prueba: Es evidente que q (v ) ≥ 0 ∀v ∈ C n . si la matriz es sim´ etrica. Donde. entonces n j =1 2 (a2 j + bj ) = 0 ⇔ aj = bj = 0 ∀j = 1. Es necesario probar que la imagen de este mapeo es efectivamente un n´ umero real q (v ) = v v = j =1 T n n n v j vj = j =1 (aj + i bj )(aj + i bj ) = j =1 2 (a2 j + bj ) ∈ Teorema II. . Considere el a ´lgebra de matrices cuadradas. para probar estos resultados. entonces a = a. . si q (v ) = 0. definido sobre el campo de los n´ posible definir la siguiente forma cuadr´ atica q : Cn → q (v ) = v v. x A x es un n´ 2. C . . real. es Definici´ on. si la matriz es igual a su transpuesta conjugada. Por lo tanto. < C . La forma cuadr´ atica definida en la definici´ on anterior es positiva definida. q (v ) = 0 ⇔ v = 0. Puesto que el campo de los n´ umeros reales es un subcampo de los n´ umeros complejos. umeros complejos. ∗ etrica. y 1. sin embargo. . Teorema III. C n×n . puede probarse que todos sus eigenvalores son reales. A representa la transpuesta conjugada de la matrix A. una matriz es hermitiana. Teorema IV. En particular. entonces si a ∈ . Todos los eigenvalores de A son reales. Es decir. Sin embargo. Sea A ∈ C n×n una matriz hermitiana. Una matriz A ∈ C se denomina hermitiana si A = A. considere el n´ umero complejo x Ax ∗ ∗ ∗ ∗ ∗ ∗ =x A x 5 ∗ ∗ ∗∗ = x Ax ∗ . 2. Definici´ on. ∗ donde la barra indica la transpuesta conjugado del vector. y se tiene que Prueba: Suponga que A ∈ n×n < C n×n es sim´ A = AT = A. Ahora se analizar´ an algunas propiedades de matrices complejas. Considere el espacio vectorial C n . Una matriz sim´ etrica.los eigenvalores de una matriz real pueden ser reales o complejos. es una matriz hermitiana.

1 Ejemplo 2. ∗ ∗ ∗ 4. por lo tanto. Debe notarse que por el primer resultado de este teorema λ es un n´ umero real. en realidad. Debe recordarse que como indica el Teorema III. mostrarse que si la matriz es sim´ etrica los eigenvectores son ortogonales. entonces el n´ umero “complejo” es. la prueba de este resultado requiere de conceptos bastante mas complicados.000 lambda 0 0 2 4 6 8 10 1.puesto que el n´ umero complejo satisface la propiedad de que su conjugado es igual al n´ umero.    2 6  A=  4 −2  1 1 8 2  −2 1    −8 0   0 5 4 1  Considere la matriz dada por La ecuaci´ on caracter´ ıstica de la matriz A est´ a dada por 0 =| A − λI4 |= p(λ) = −2444 + 946 λ − 60 λ2 − 11 λ3 + λ4 La figura 2 muestra la gr´ afica de la ecuaci´ on caracter´ ıstica. 6 . un eigenvalor λ de la matriz A hermitiana y sea x un eigenvector de A ∗ asociado a λ y con la propiedad que su forma cuadr´ atica q (x) = x x = 1. Puede. es evidente. los eigenvalores de la matriz A est´ an dadas por 3.000 2.000 −4. de la figura que existen 4 raices reales Las raices de la ecuaci´ on caracter´ ıstica y. sin embargo. adem´ as. un n´ umero real.000 −2.000 −3.000 −6. todas las matrices sim´ etricas son hermitianas. de manera que todos los resultados del Teorema IV son aplicables a todas las matrices sim´ etricas.000 Figure 2: Gr´ afica de la Ecuaci´ on Caracter´ ıstica de la Matriz A. entonces Ax = λx Adem´ as λ = λ x x = x λ x = x A x.000 −10 −8 −6 −4 −2 −1.000 −5. Para la segunda parte considere.

32550231 2 4   2 15. dada por  17.446795311. y el t´ ermino (4. Para la determinaci´ on de los eigenvectores asociados a λ1 = −9. 7 . Para λ2 = 4.09462877 −2.0   0 15.21594747  0 0 0 −0.1674317099 0.915205526. la matriz A − λ1 I4 debe ser singular.3014344054 T .0866122253 14. Despreciando el error indicado en el punto anterior.2500102856 0.446795311. se tiene que 1. λ3 = 5.461747074 0. se tienen que realizar los siguientes c´ alculos.963501476. Obtener la forma escalonada reducida de la matriz A − λ1 I4 .461747074 0.8845632315    0 0 −0.00000000332 Este resultado parece contradictorio.325502313.3109782378 0. el eigenvector asociado al eigenvalor λ1 est´ la soluci´ on del sistema      17.963501476. Determinar la matriz A − λ1 I4 .0 4.325502313. λ2 = 4.0866122253 14.006092610111 T .32550231        2. 1.915205526.λ1 = −9. 2.1627305853 1 0.0 4.4816374493 0.8845632315     x3  = 0 0 x4 0 0 −0. Es importante se˜ nalar que cualquier m´ ultiplo escalar de bλ1 es igualmente un eigenvector de la matriz A asociado al eigenvalor λ1 .32550231 2.0 x1 0    x2       0 15.21594747 La soluci´ on est´ a dada por bλ1 = −0.4961701156 0. se tiene que bλ4 = 1 0. se tiene que bλ2 = −0. se tiene que bλ3 = −0. λ4 = 9. La diferencia es el resultado de no realizar los c´ alculos de manera exacta.4569120971 T .05439198782 1 T . a dado por 3.32550231 −2  A − λ1 I4 =   4 −2 1.32550231 2. si los c´ alculos se hubieran realizado de manera exacta.07156723992 −0.325502313  1 1 0        1 1 0 14. Procediendo de manera semejante con los restantes eigenvalores.0 1.5818315235 1 −0. 4) de la forma escalonada reducida deber´ ıa ser igual a 0.09462877 −2. Para λ4 = 9. Para λ3 = 5. dada por  17.0 1. 3.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->