Documentos de Académico
Documentos de Profesional
Documentos de Cultura
“FACULTAD DE INGENIERÍA”
E.A.P. INGENIERÍA MECÁNICA
“EIGENVALORES Y EIGENVECTORES”
DOCENTE:
RISCO OJEDA, Rusber Alberto
CARRERA:
INGENIERÍA MECÁNICA
CICLO:
V
ESTUDIANTE:
CURSO: SIMULACIÓN
2020
1
ÍNDICE
INTRODUCCIÓN ............................................................................................................. 4
CAPÍTULO I
1. OBJETIVOS .............................................................................................................. 6
1.1. OBJETIVO GENERAL ........................................................................................ 6
1.2. OBJETIVOS ESPECÍFICOS ................................................................................. 6
2. EIGENVALORES Y EIGENVECTORES ...................................................................... 6
2.1. INTERPRETACIÓN GRÁFICA ............................................................................ 7
2.2. EIGENVALORES Y EIGENVECTORES DE UNA MATRIZ ................................... 7
2.2.1. EJEMPLOS ................................................................................................. 8
3. POLINÓMIO CARACTERISTICO............................................................................... 8
3.1. EJEMPLOS ........................................................................................................ 9
4. MULTIPLICIDAD ....................................................................................................10
4.1. MULTIPLICIDAD GEOMÉTRICA ......................................................................10
4.2. MULTIPLICIDAD ALGEBRAICA ......................................................................11
4.3. RELACION ENTRE MULTIPLICIDAD ALGEBRAICA Y GEOMÉTRICA..............12
5. TIPOS DE EIGENVALORES PARA 𝜆0ϵ Λ(A),............................................................12
5.1. EIGENVALOR DEFECTUOSO ...........................................................................12
5.2. EIGENVALOR SIMPLE .....................................................................................13
5.3. EIGENVALOR SEMISIMPLE .............................................................................13
6. PROBLEMAS ..........................................................................................................13
7. DIAGONALIZACIÓN ...............................................................................................16
7.1. TEOREMAS ......................................................................................................18
7.1.1. FORMA CANÓNICA DE JORDAN ..............................................................18
7.1.2. TEOREMA DE BAUER-FIKE ......................................................................19
8. POTENCIA DE MATRICES ......................................................................................21
8.1. EJEMPLO .........................................................................................................22
9. ECUACIONES EN DIFERENCIA...............................................................................22
10. TIPOS DE MATRICES...........................................................................................23
10.1. MATRIZ SIMETRICA ....................................................................................23
10.2. MATRIZ ORTOGONAL .................................................................................24
10.2.1. DEMOSTRACIÓN ......................................................................................24
2
10.3. MATRIZ UNITARIA ......................................................................................26
10.3.1. EJEMPLO ..................................................................................................26
10.4. MATRIZ NORMAL .......................................................................................26
10.5. MATRIZ HERMITIANA .................................................................................26
10.5.1. DEMOSTRACIÓN ......................................................................................27
CAPITULO II
11. TRAYECTORIA DE UN PROYECTIL.....................................................................29
12. FLEXION DE VIGAS ............................................................................................30
13. CIRCUITOS ELECTRICOS ....................................................................................31
ESTUDIO DE LA VIBRACIÓN DEL AMORTI GUAMI ENTO DE UN AUTO ...................31
RECOMENDACIONES ....................................................................................................39
CONCLUSIONES ............................................................................................................39
REFERENCIAS BIBLIOGRÁFICAS ..................................................................................40
3
INTRODUCCIÓN
Ingeniería””, ha sido realizada para el curso de Simulación I, dentro del marco del
Del Santa.
Nuestro producto enfocado en los conceptos matemáticos empleados en los cálculos de las
matrices. Este informe se encontrara un repaso en el curso de Algebra lineal con un gran
énfasis en el tema de Análisis numérico. A su vez se planteara los usos y las adaptaciones de
esta razón tenemos como objetivo específico identificar cada uno de los pasos para llevar a
específico es encontrar la importancia que tiene estos a nivel general, es decir, en cualquier
Esperamos que este trabajo sirva de agrado y de motivación para prósperas investigaciones,
puesto que, el tema selecto es de gran interés para el mejoramiento del ecosistema y se desea
que cumpla las expectativas del público lector en especial las de nuestro docente.
4
CAPITULO I
(CONCEPTOS BÁSICOS)
5
1. OBJETIVOS
Eigenvectores.
2. EIGENVALORES Y EIGENVECTORES1
𝐴𝑥 = 𝜆0 𝑥
(Anton, 1994).
𝑆𝜆0 = {𝑥 ϵ ℂ𝑛 |𝐴 𝑥 = 𝜆0 𝑥}
𝑥 ϵ 𝑆𝜆0 ⇔ (𝜆0 𝐼𝑛 − 𝐴 )𝑥 = 0
1
Eigenvalor: Valor propio y Eigenvector: Vector propio
6
Resulta en que el subespacio propio de A agregado a 𝜆0 es de 𝐾𝑒𝑟(𝜆0 𝐼𝑛 − 𝐴). Además
si 𝑥 ϵ 𝑆𝜆0 entonces
Los términos Eigenvalor y vector propio correspondientes a los términos Valor propio y
Vector Propio.
𝑑𝑒𝑡(λI − 𝐴 )
7
2.2.1. EJEMPLOS
EJEMPLO 1
1 2
𝐴= ( )
3 2
1 0 1 2 λ − 1 −2
λI − 𝐴 = λ ( )− ( )= ( )
0 1 3 2 −3 λ − 2
det (λI − 𝐴 ) = λ2 − 3λ − 4 = 0
λ = 4 o λ = −1
3. POLINÓMIO CARACTERISTICO
Sea una matriz de 𝑛 𝑥 𝑛 y sea λ un escalar. Es decir, que al desarrollar (λI − 𝐴), cuyos
8
3.1. EJEMPLOS
EJEMPLO 1
4 −5
𝐴=( )
2 −3
1 0 1 2 λ − 1 −2
λI − 𝐴 = λ ( )− ( )= ( )
0 1 3 2 −3 λ − 2
λ − 1 −2
= 𝑑𝑒𝑡 ( )
−3 λ − 2
= λ2 − λ − 2
EJEMPLO 2
1 1 3
𝐴 = (1 3 1)
1 2 2
λ 0 0 1 1 3
= 𝑑𝑒𝑡 (0 λ 0) − (1 3 1)
0 0 λ 1 2 2
λ − 1 −1 −3
= 𝑑𝑒𝑡 ( −1 λ − 3 −1 )
−1 −2 λ − 2
= λ3 − 6λ2 + 5𝑣
9
4. MULTIPLICIDAD
𝜆0 ϵ Λ(A):
(𝜆𝐼𝑛 − 𝐴 𝜖 𝔽[𝜆]𝑛𝑥𝑛 )
10
4.2. MULTIPLICIDAD ALGEBRAICA
𝑚𝑎𝐴 (𝜆𝑖 )
y geométricas ( 𝑚𝑎𝐴 (𝜆0 ) y 𝑚𝑔𝐴 (𝜆0 ) ) se suprime los subíndices que se referencia la
Por otro lado, si A, B 𝜖 𝔽𝑛𝑥𝑛 son semejantes, i.e., 𝐴 = 𝑇 −1 𝐵𝑇 para cualquier matriz
donde 𝑇 𝜖 𝐹𝐼𝑛 (𝔽), estos cuentan con el mismo polinomio característico, 𝑝𝐴 (𝜆) =
Una inferencia de esta propiedad es que Λ(A) = Λ(B) y para cada 𝜆0 𝜖 Λ(A) = Λ(B),
𝑚𝑎𝐴 (𝜆0) = 𝑚𝑎 𝐵 (𝜆0 ). Asimismo se conoce que 𝑚𝑔𝐴 (𝜆) = 𝑚𝑔𝐵 (𝜆) porque
ker ( 𝜆0 𝐼𝑛 − 𝐴 ) = 𝑇 −1 ker(𝜆0 𝐼𝑛 − 𝐵)
11
4.3. RELACION ENTRE MULTIPLICIDAD ALGEBRAICA Y GEOMÉTRICA
vectores. Por lo que 𝐵 = 𝑇 −1 𝐴𝑇. Veamos la forma que tiene esta matriz (Salas &
Villaseñor, 2017).
𝜆 𝐼 𝐶
= [𝑡1 , … … , 𝑡𝑟 𝑡𝑟+1 , … . 𝑡𝑛 ] [ 0 𝑟 ] = 𝑇𝐵
0 𝐷
Por lo que
(𝜆 − 𝜆0 )𝐼𝑟 −𝐶
𝜆𝐼𝑛 − 𝐵 = [ ]
0 𝜆𝐼𝑛−𝑟 − 𝐷
Aplicando la determinante
Se observa que A y B tiene para cada uno de sus Eigenvalores las mismas
12
5.2. EIGENVALOR SIMPLE
Se debe de aclarar que para una matriz se considera igual ser “semisimple” o ser “no
defectuosa” y en el caso de las matrices simples estas tienen siempre sus Eigenvalores
distintos. Lado contrario, las matrices cuales Eigenvalores cuentan con multiplic idad
geométrica, se les conoce con el nombre de “no derogatorias”. Por lo que las matrices simples
ACLARACIÓN
que tan cerca cómo se quiere de una matriz defectuosas hay algunas que no son (Konmal,
2006).
6. PROBLEMAS
matrices
4 2
𝑎) 𝐴 = ( )
3 3
13
1 −1 4
𝑏) 𝐴 = (3 2 −1)
2 1 −1
Solución
4 2
𝑎) 𝐴 = ( )
3 3
λ −1 −2
det (𝐴 − λI) = 𝑑𝑒𝑡 ( )
−3 λ− 2
= λ2 − 7λ + 6
(λ − 1)(λ − 6) = 0
Para λ1 = 1, se resuelve
3 2 𝑥1 0
( )( )= ( )
3 2 𝑥2 0
2
𝑥1 = ( ) , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠
−3
2
𝐸1 = 𝑔𝑒𝑛 {( ) }
−3
Para λ2 = 6, se resuelve
−2 2 𝑥1 0
( ) (𝑥 ) = ( )
3 −3 2 0
1
𝑥 2 = ( ) , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠
1
2
𝐸2 = 𝑔𝑒𝑛 {( ) }
−3
Se observa como x1 y x2 son totalmente independientes uno del otro, se demuestra de tal
14
1 −1 4
𝑏) 𝐴 = (3 2 −1)
2 1 −1
1 −λ −1 4
det (𝐴 − λI) = 𝑑𝑒𝑡 ( 3 2− λ −1 )
2 1 −1 − λ
= λ3 − 2λ2 + 5λ + 6
Para λ1 = 1 se tiene
1 −1 4 𝑥1 0
(A − I)v = (3 2 −1) (𝑥 2 ) = (0 )
2 1 −1 𝑥 3 0
−1
𝑥1 = ( 4 ) , entonces
1
−1
𝐸1 = 𝑔𝑒𝑛 {( 4 ) }
1
Para λ1 = −2 se tiene
3 −1 4 𝑥1 0
(A − 2I) v = (3 4 −1) (𝑥 2 ) = ( 0)
2 1 −1 𝑥 3 0
1
𝑥1 = (−1) , entonces
−1
1
𝐸1 = 𝑔𝑒𝑛 {(−1 ) }
−1
Para λ1 = 3 se tiene
−2 −1 4 𝑥1 0
(A − 3I)v = ( 3 −1 −1) (𝑥 2) = (0)
2 1 −4 𝑥 3 0
15
1
𝑥1 = (2 ), entonces
1
1
𝐸1 = 𝑔𝑒𝑛 {(2) }
1
7. DIAGONALIZACIÓN
Si A se puede diagonalizar, las “matrices diagonales” a las que son similares son matrices
Mutuamente, si A es no defectuosa en tal caso para cada 𝜆0 ϵ Λ(A) se tiene que 𝑚𝑎( 𝜆0 ) =
Λ(A) = {𝜆1 , … . . , 𝜆𝑠 } Y
𝑚𝑎( 𝜆1 ) = 𝑚𝑔(𝜆1 ) = 𝑚 𝑖 , 𝑖 = 1, … . , 𝑠
ker (𝜆1 − 𝐴 ) +. . . + dim ker ( 𝜆𝑠 𝐼𝑛 − 𝐴 ) es directa, de tal manera que dim (ker (𝜆1 −
ker ( 𝜆𝑠 𝐼𝑛 − 𝐴 ) y 𝑇 = {𝑡11 , … , 𝑡1𝑚1 … . . . 𝑡𝑠1 … … , 𝑡𝑠𝑚𝑆 }, las columnas que forman parte
lo que
𝜆1
…
𝜆1
= [ 𝑡11 … 𝑡1𝑚1 … . . 𝑡𝑠1 … . . 𝑡𝑠𝑚𝑠 ] … =
𝜆𝑠
…
[ 𝜆𝑠 ]
= 𝑇𝐷
Todo esto nos demuestra que A es diagonalizable y si se forma una matriz T cuyas
columnas sean Eigenvectores relacionados con los Eigenvalores de A (un Eigenvalor por
17
7.1.TEOREMAS
𝜆𝑖 1 … 0 0
0 𝜆𝑖 … 0 0 𝑥𝑛𝑖𝑗
𝑛𝑖𝑗
𝐽𝑛𝑖𝑗 (𝜆 𝑖) = … … … … … 𝜖ℂ
0 0 … 𝜆𝑖 1
[0 0 … 0 𝜆𝑖 ]
2
Formativa=Canónica
18
7.1.1.1. CONDICIÓN
- La matriz no siempre es dependiente de A ya que a pesar de que existen errores
de redondeos, estos así sean minúsculos pueden llegar a cambiar completamente
la matriz.
0 1
𝐽𝑛 (0) = [ … … ]
… … 1
0
Se presenta una matriz de Jordan. Entonces, para ɛ todo lo pequeño que
Donde ‖ . ‖ se representa por cualquier norma que tenga una matriz inducida
19
Teniendo en cuenta que el número de condición de T es 𝑘(𝑇) =
7.1.2.1.DEMOSTRACIÓN
= 𝑇 (𝜆𝐼𝑛 − 𝐷) 𝑇 −1 𝑥
Sabiendo
𝑇 −1 𝑥 = 𝑦
𝑇 −1 𝐸𝑥 = (𝜆𝐼𝑛 − 𝐷) 𝑦
Se sabe qué y ≠ 0
1 1
Si, (𝜆𝐼𝑛 − 𝐷) −1 = 𝐷𝑖𝑎𝑔 ( , … ., ) y con la condición de que
𝜆−𝜆1 𝜆−𝜆𝑛
20
‖𝐵‖ = 𝑚á𝑥1≤𝑖≤𝑛 |𝐵𝑥|𝑝
Pero
𝑏1 𝑥1
𝑏 𝑥
𝐵𝑥 = [ 2 2 ]
⋮
𝑏𝑛 𝑥𝑛
1 1
||(𝜆𝐼𝑛 − 𝐷) −1|| = max =
1≤i≤n |𝜆 − 𝜆1 | min |𝜆 − 𝜆1 |
1≤i≤n
8. POTENCIA DE MATRICES
para una matriz en varios casos resulta bastante útil, pues se resuelve fácilmente cuando
𝐴 = 𝑃𝐷𝑃 −1
𝐴. 𝐴 = (𝑃𝐷𝑃 −1 )(𝑃𝐷𝑃 −1 )
𝐴. 𝐴 = 𝑃𝐷 2 𝑃 −1
Resumiendo la fórmula:
𝐴 𝑛 = 𝑃𝐷 𝑛 𝑃 −1
21
8.1.EJEMPLO
7 2
𝐴= [ ] , donde
−4 1
1 1 5 0
𝑃=[ ] Y 𝐷=[ ]
−1 −2 0 3
𝐴 2 = (𝑃𝐷𝑃 −1 )(𝑃𝐷𝑃 −1 ) = 𝑃𝐷 2 𝑃 −1
2
1 1 5 0 2 1
=[ ][ ] [ ]
−1 −2 0 3 −1 −1
2 2 52 − 32 ]
= [ 2𝑥52 − 3 2
−2𝑥5 + 2𝑥3 −52 + 2𝑥32
9. ECUACIONES EN DIFERENCIA
Se interpreta por una expresión que guarda relación con distintas sucesiones,
Se tiene:
A es una matriz nxn, por lo que la ecuación presentada es una presentación recursiva de
una sucesión {𝑥1 } en Rn. Una de las soluciones de la ecuación no depende de A pues,
esta es una descripción explicita para cada x (Salas & Villaseñor, 2017).
22
Una de las formas para hallar una solución es representar la ecuación con un vector propio
𝑥 𝑘 = 𝜆 𝑘 𝑥𝑜
= 𝜆𝑘+1 𝑥𝑜 = 𝑥 𝑘+1
algunos casos estas matrices solamente presentan valores reales en caso presente
valores complejos esta deja de ser simétrica. Se sabe que si λ se muestra como un
𝐴 = 𝐴𝑇
10.1.1. DEMOSTRACIÓN
A simple vista se ve que puede simétrica, pues solo cuenta con valores reales,
23
𝜆−𝑎 −𝑐
𝑝(𝜆) = |𝜆𝐼 − 𝐴 | = | | = 𝜆2 − (𝑎 + 𝑏) 𝜆 + 𝑎𝑏 − 𝑐 2
−𝑐 𝜆 −𝑏
Discriminante (𝑎 + 𝑏) 2 + 4𝑐 2
𝑃 −1 = 𝑃 𝑇
10.2.1. DEMOSTRACIÓN
𝑝11 𝑝12 … 𝑝1𝑛
𝑝21 𝑝22 … 𝑝2𝑛
𝑝=[ ⋮ ⋮ ⋱ ⋮ ]
𝑝𝑛1 𝑝𝑛2 … 𝑝𝑛𝑛
𝑣1 . 𝑣1 𝑣1 . 𝑣2 … 𝑣1 . 𝑣𝑛
𝑣2 . 𝑣1 𝑣2 . 𝑣2 … 𝑣2 . 𝑣𝑛
=[ ⋮ ⋮ ⋱ ⋮
]
𝑣𝑛 . 𝑣1 𝑣𝑛 . 𝑣2 … 𝑣𝑛 . 𝑣𝑛
24
Por lo tanto considerando estas condiciones obtenemos
1 0 … 0
0 1 … 0]
𝑝𝑝 𝑇 = [ = 𝑙𝑛
⋮ ⋮ ⋱ ⋮
0 0 … 1
10.2.2. DIAGONALIZACIÓN
cumple
𝑃−1 𝐴𝑃 = 𝐷
𝐴 = 𝑃𝐷𝑃 −1 = 𝑃𝐷𝑃 𝑇
𝐴 = (𝑃𝐷𝑃 𝑇 ) = (𝑃 𝑇 )𝐷 𝑇 𝑃𝑇 = 𝑃𝐷 𝑃 𝑇 = 𝐴
10.2.3. EJEMPLO
4 3
−
0
5 5
𝑃= 0 1 0
3 4
[ 6 0 5]
25
4 3 4 3
− 0 − 0 1 0 0
5 5 5 5
𝑃𝑃 𝑇 = 0 1 0 0 1 0 = [0 1 0]
3 4 3 4 0 0 1
[ 6 0 5] [ 6 0
5]
Una matriz es unitaria cuando sus “vectores renglón”, es decir, sus columnas crean
𝐴 −1 = 𝐴 ∗
10.3.1. EJEMPLO
1 1+𝑖 1− 𝑖
𝐴= [ ]
2 1−𝑖 1+ 𝑖
1 1+ 𝑖 1 −𝑖 1 1+ 𝑖 1 −𝑖 1 4 0 1 0
𝐴𝐴 ∗ = [ ] [ ]= [ ]= [ ] = 𝐼2
2 1− 𝑖 1 +𝑖 2 1− 𝑖 1 +𝑖 4 0 4 0 1
La definición de una matriz normal es que si esta conmuta con su matriz opuesta, es
decir, solamente si AAT=ATA. Pero hay excepciones en el caso de que la matriz sea
Esta matriz se caracteriza por que son matrices cuadráticas, solamente con
inspeccionarla podemos resolver la duda. Hay otras condiciones que deben cumplir,
26
la diagonal deben ser Eigenvalores reales. En este caso debe cumplir con la siguiente
𝐴 = 𝐴∗
10.5.1. DEMOSTRACIÓN
𝑎1 + 𝑎2𝑖 𝑏1 + 𝑏2𝑖
𝐴= [ ]
𝑐1 + 𝑐2 𝑖 𝑑1 + 𝑑2𝑖
𝐴𝑇 = 𝐴∗
𝑎1 + 𝑎2𝑖 𝑏1 + 𝑏2𝑖
=[ ]
𝑐1 + 𝑐2 𝑖 𝑑1 + 𝑑2𝑖
𝑎1 − 𝑎2𝑖 𝑐1 − 𝑐2 𝑖
=[ ]
𝑏1 − 𝑏2𝑖 𝑑1 − 𝑑2𝑖
𝑎1 𝑐1 − 𝑐2 𝑖
=[ ]
𝑏1 − 𝑏2𝑖 𝑑1
𝐸𝑠𝑡𝑜 𝑑𝑒𝑏𝑖𝑑𝑜 𝑎 𝑙𝑜 𝑚𝑒𝑛𝑐𝑖𝑜𝑛𝑎𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑚𝑒𝑛𝑡𝑒 𝑞𝑢𝑒 𝑠𝑢 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑑𝑒𝑏𝑒𝑛 𝑠𝑒𝑟 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑎𝑙𝑒𝑠
27
CAPÍTULO II
(Aplicaciones a la Ingeniería)
28
En la variedad de aplicaciones de estos métodos en la ingeniería están basados en ecuaciones
matemáticas que describen nuestra realidad, y mediante el curso de métodos numéricos
sabemos que las aproximaciones en ingeniería son el pan de cada día, es por eso que por
ejemplo para el ajuste de curvas, utilizamos métodos a base de valores principales con la
intención de obtener el polinomio característico de dicho fenómeno físico.
En otras palabras, Beer & Otros (2015) asegura que: “Los Eigenvalores y Eigenvectores son
descritos principalmente en el curso de algebra lineal, pero en aplicaciones de ingeniería son
muy utilizados para resolver ecuaciones diferenciales que describen fenómenos físicos”.
29
12. FLEXION DE VIGAS
Donde:
v = deflexión
M = Momento flexionaste
EI = rigidez de flexión
30
13. CIRCUITOS ELECTRICOS
Para este estudio utilizaremos una ecuación diferencial ordinaria de segundo orden que
especifica la posición “x” perteneciente a un sistema masa-resorte de amortiguamiento, cual
nos ayudará a dar solución a nuestro problema planteado, donde aplicaremos la teoría de los
Eigenvalores y Eigenvectores.
- Cada uno de los cuatro amortiguadores sostendrá una masa promedio de 1.25 ∗ 103 𝑘𝑔
por lo cual nuestro estudio se centrara en analizar la vibración de uno de los cuadro
amortiguadores.
- Sabemos que la EDO de segundo orden que describe el movimiento de esa masa está
dada por:
𝒅𝟐 𝒙 𝒅𝒙
𝒎 𝟐 + 𝒄31 + 𝒌𝒙 = 𝟎 … (𝒊)
𝒅𝒕 𝒅𝒕
Donde:
m = masa que sostiene el resorte (𝑘𝑔)
c = coeficiente de amortiguamiento (𝑁. 𝑠 ⁄𝑚)
k = constante de rigidez del resorte
- Para nuestro problema se desarrollará con las siguientes condiciones:
𝑑 2𝑥 𝑑𝑥
1.25 ∗ 103 2 + 1 ∗ 104 + 1.5 ∗ 106 𝑥 = 0
𝑑𝑡 𝑑𝑡
Transforme esta ecuación en un par de EDO. para resolver las ecuaciones, de t = 0 a 0.4, para
el caso en que x = 0.5, y dx/dt = 0 en t = 0
Solución:
- Antes de empezar a desarrollar debemos consideras las siguientes condiciones:
𝐦𝛌𝟐 𝒆 𝛌𝐭 + 𝒄 𝛌𝐞 𝛌𝐭 + 𝒌𝒆 𝛌𝐭 = 𝟎
eλt (𝑚 λ2 + 𝑐 λ + k) = 0
Como eλt no puede ser cero entonces:
(𝑚 λ2 + 𝑐 λ + k) = 0
De esta ecuación obtenemos:
𝑐 𝑐 2 𝑘
λ1 = − + √( ) −
2𝑚 2𝑚 𝑚
𝑐 𝑐 2 𝑘
λ1 = − − √( ) −
2𝑚 2𝑚 𝑚
32
𝑐𝑐 2 𝑘
( ) −
2𝑚 𝑚
𝒌
𝒄𝒄 = 𝟐𝒎√ = 𝟐𝒎𝝎𝒏
𝒎
Lo cual nos indica que será un movimiento no vibratorio, porque los eigenvalores λ1 𝑦 λ2
serán negativos y a medida que el tiempo t transucrra de forma indefinida la posición x se
aproximará a cero. Es decir, el sistema volverá a su posición inicial luego de trascurrir un
tiempo finito.
33
- Ahora con estos datos de por medio, empezaremos la solución de nuestro problema
Reducimos la ecuación (i) a una de primer grado con la siguiente sustitución :
𝑑𝑥 𝑑 2 𝑥 𝑑𝑧
=𝑧 =
𝑑𝑡 𝑑𝑡 2 𝑑𝑡
Reemplazando en la ecuación (i) obtendremos:
𝑑𝑧
1.25 ∗ 103 + 1 ∗ 104 𝑧 + 1.5 ∗ 106 𝑥 = 0
𝑑𝑡
Reescribiendo la ecuación
𝑧 ′ + 8𝑧 + 1200𝑥 = 0
Formamos un sistema de ecuación con estas nuevas ecuaciones
𝒛′ = −𝟖𝒛 − 𝟏𝟐𝟎𝟎𝒙
𝒙′ = 𝒛
𝑥 ′ (0) = 0
𝑥 (0) = 0.5
Reescribiremos el sistema en una forma matricial de la siguiente manera:
𝑋′ = 𝐴𝑥
Donde se obtendrá una solución de la forma:
𝑘1
𝑘
𝑋 = ( 2 ) 𝑒 λt = 𝐾𝑒 λt
⋮
𝑘𝑛
La matriz K serían los Eigenvectores y los valores de λ los Eigenvalores
Ahora para obtener los Eigenvalores y Eigenvectores haremos uso de la teoría
del capítulo 1
𝑑𝑒𝑡(λI − 𝐴 ) = 0
1 0 −8 −1200
|λ( )−( )| = 0
0 1 1 0
λ+8 1200
| |=0
−1 λ
( λ + 8) λ − (−1)(1200) = 0
λ2 + 8 λ + 1200 = 0
Si solucionamos la ecuación cuadrática por medio de la formula general obtendremos:
34
λ1,2 = −4 ± 4√74𝑖
Nos topamos con el caso en el cual nuestros eigenvalores son complejos, 𝑐 <
𝑐𝑐 para el cual la solución de esa ecuación diferencial estará dada de la siguiente
manera:
Si al resolver 𝑑𝑒𝑡(λI − 𝐴 ) = 0
Se obtiene λ = α ± βi
Las soluciones estarán dadas por:
𝑥1 = [𝐵1 𝑐𝑜𝑠𝛽𝑡 − 𝐵2 𝑠𝑒𝑛𝛽𝑡]𝑒 𝛼𝑡
𝑥 2 = [𝐵2 𝑐𝑜𝑠𝛽𝑡 + 𝐵1 𝑠𝑒𝑛𝛽𝑡] 𝑒 𝛼𝑡
Donde:
𝐵1 = 𝑅𝑒(𝑘) ; 𝐵2 = 𝐼𝑚 (𝑘)
Empezamos el análisis del sistema:
λ1,2 = −4 ± 4√74𝑖
Sabemos que λ = α ± βi
Utilizaremos λ = −4 + 4√74i
λ+8 1200 (𝑘1 ) 0
( ) =( )
−1 λ 𝑘2 0
Eigenvector
(4 + 4√74i 1200 ) ( 𝑘1 ) 0
=( )
−1 −4 + 4√74i 𝑘 2 0
Resolvemos la matriz, podemos escoger cualquiera de las dos columnas que nos darán la
solución entonces multiplicamos la fila 2 por la columna del eigenvector y nos quedará:
−𝑘1 + (−4 + 4√74i)𝑘2 = 0
𝑘1
𝑘2 =
−4 + 4√74i
35
𝑘1
𝐾=( ) = (−4 + 4√74i) = (−4) + 𝑖 (4√74)
𝑘2 1 1 0
Donde por teoría de ecuaciones diferenciales la parte real se denomira como 𝐵1 , mientras la
parte imaginaria como 𝐵2 dando así solución a un sistema de la forma:
𝑋 = 𝐶1 𝑥1 + 𝐶2𝑥2
Donde:
𝑥1 = [𝐵1 𝑐𝑜𝑠𝛽𝑡 − 𝐵2 𝑠𝑒𝑛𝛽𝑡]𝑒 𝛼𝑡
𝑥 2 = [𝐵2 𝑐𝑜𝑠𝛽𝑡 + 𝐵1 𝑠𝑒𝑛𝛽𝑡] 𝑒 𝛼𝑡
Nuestras soluciones nos quedarán de la forma:
−4
𝑥1 = [( ) cos(4√74𝑡) − ( 4√74) 𝑠𝑒𝑛(4√74𝑡)] 𝑒 −4𝑡
1 0
−4
𝑥 2 = [( 4√74) cos(4√74𝑡) + ( ) 𝑠𝑒𝑛(4√74𝑡)] 𝑒 −4𝑡
0 1
Aplicando a nuestra solución general:
−4 −4
𝑋 = 𝐶1 [( )cos (4√74𝑡) − (4√ 74) 𝑠𝑒𝑛(4√ 74𝑡)]𝑒 −4𝑡 + 𝐶2 [(4√ 74)cos(4√ 74𝑡) + ( )𝑠𝑒𝑛(4√ 74𝑡)]𝑒 −4𝑡
1 0 0 1
𝑧
Donde 𝑋 = (𝑥 )
𝑧
( ) = 𝐶1 [(−4) cos (4√74𝑡) − (4√74) 𝑠𝑒𝑛(4√74𝑡)] 𝑒−4𝑡 + 𝐶2 [(4√74) cos(4√74𝑡) + (−4) 𝑠𝑒𝑛(4√74𝑡)] 𝑒−4𝑡
𝑥 1 0 0 1
Para nuestro problema nos importa hallar la solución en “x” debido a que “z” es la sustitución que
hicimos para reducir el sistema de segundo orden a uno de primer orden, por lo tanto, quedará:
𝐶1 = 0.5
36
𝑥 ′ (0) = −4√74𝑒−4(0) [𝐶1 sen(0) − 𝐶2 cos(0)] − 4𝑒−4(0)[𝐶1 cos(0) + 𝐶2 𝑠𝑒𝑛(0)]
√74
𝐶2 =
148
Una vez halladas las constantes, podemos reescribir nuestra solución:
1 √74
𝑥(𝑡) = [ cos(4√74𝑡) + 𝑠𝑒𝑛(4√74𝑡)] 𝑒 −4𝑡
2 148
hasta t = 0.4
1 √74
𝑥(0) = [ cos(0) + 𝑠𝑒𝑛(0) ] 𝑒−4(0)
2 148
𝑥(0) = 0.5 𝑚
1 √74 ( )
𝑥(0.4) = [ cos(1.6 √74) + 𝑠𝑒𝑛(1.6√74) ] 𝑒 −4 1.6
2 148
𝑥(0.4) = 0.04775𝑚
Ahora tenemos que analizar la frecuencia natural de vibración del
amortiguador, si bien la solución general de la ecuación es:
37
𝜏𝑑 = 0.1826 𝑠
Para mayor comprension adjuntamos el siguiente grafico que describe el
movimiento de nuestro sistema, donde se describe la posicion en función del
tiempo y el perido de oscilacion del sistema.
38
RECOMENDACIONES
- Si los procesos se tornan largos y dificultosos, utilice programas que faciliten los
procesos o que le permitan comprobar su avance, tales como: Matlab, Excel, entre
otros.
- Tener en cuenta los fundamentos y demostraciones en que se basan los conceptos,
para así no tener
CONCLUSIONES
- Se conocieron los conceptos tanto técnicos como teóricos sobre los Eigenvalores y
Eigenvectores, y el proceso que se debe seguir para su interpretación y desarrollo.
Llegando a la conclusión que estos están directamente asociados a las matrices.
- Se interpretó que el desarrollo de los diferentes tipos de matrices, se realiza siguiendo
el mismo procedimiento, con la diferencia que existe una condición de desarrollo para
cada una.
- Los Eigenvalores y Eigenvectores permiten realizar cálculos números tanto
computarizado como manual, permitiendo una mejor interpretación y desarrollo de
los datos.
- Empleamos la teoría de los Eigenvalores y Eigenvectores para dar solución a una
ecuación diferencial que describe el movimiento de un sistema masa-resorte para
analizar la vibración del amortiguamiento de un auto.
39
REFERENCIAS BIBLIOGRÁFICAS
- ANTON, H. (1994). “Introducción al álgebra lineal”. CDMX, México. Editorial:
LUMISA S.A.
- KONMAL, B. & HILL, D. (2006). “Algebra Lineal”. Mexico. Editorial: PEARSON
EDUCACIÓN.
- SALAS, J. & VILLASEÑOR, E. (2017). “Valores y Vectores Propios”. Madrid,
España. Recuperado de: http://ocw.uc3m.es/matematicas/algebra -
lineal/teoria/algebra_teoria_08.pdf
- ANÓNIMO (2013). “Valores y Vectores Propios”. Recuperado de:
http://cb.mty.itesm.mx/ma3002/materiales/ma3002-valores-propios.pdf
- LAY. D (2013) “Algebra lineal con enfoque de competencias”. Maryland, USA.
Editorial: PEARSON EDUCACIÓN.
- HIBBELER, R. (2010). “Ingeniería Mecánica-Dinámica”. México. Editorial:
PEARSON EDUCACIÓN
- BEER & OTROS. (2015). “Vector Mechanics for Engineers”. USA. Editorial:
MacGraw-Hill Education
- CHAPRA, S. & CANALLE, R. (2007). “Métodos numéricos para Ingenieros”.
USA. Editorial: MacGraw-Hill Education
- RICO, J. (2015). “Algebra Lineal XXVIII: Eigenvalores y Eigenvectores”.
Recuperado de:
http://www.dicis.ugto.mx/profesores/chema/documentos/Algebra%20Lineal/algebra
_lineal_28.pdf
- AGUILAR, R. (2010). “Eigenvalores y Eigenvectores”. Recuperado de:
http://galia.fc.uaslp.mx/~rmariela/algebra/L5.pdf
- ANÓNIMO. (2018). “Capítulo 9: Algebra de los Eigenvalores”. Recuperado de:
http://www.ehu.eus/izaballa/Ana_Matr/Apuntes/lec9.pdf?fbclid=IwAR3Cu36RWrk
TBiTCWschgoAblfQ7Hlusw9ortmVz7DVXcNtdgzg4vsOIlZM
- ANÓNIMO. (2016). “Capítulo 6: Eigenvalores y vectores propios”. Recuperado de:
https://www.euitt.upm.es/uploaded/docs_personales/hernandez_heredero_rafael_jos
e/old/Algebra/ALApC6.pdf?fbclid=IwAR0zUYKG7d2QIw3pdqWc4z91M-
SnjlHizeBwAAsxN2S0ricRkXET3DQw_vk
40
- GABEM. (2015). “Aplicaciones de Eigenvalores/Eigenvectores”. Recuperado de:
https://www.clubensayos.com/Ciencia/APLICACIONES-DE-EIGENVALORES-
EIGENVECTORES/2317189.html
41