Sie sind auf Seite 1von 10

TEMA

EIGEN VALORES, EIGEN VECTORES Y APLICACIÓN EN LA ING CIVIL

FACULTAD INGENIERIA

ESCUELA PROFESIONAL INGENIERIA CIVIL

CENTRO ULADECH

ASIGNATURA

ALBAÑILERIA ESTRUCTURAL

CICLO IX

DOCENTE TUTOR

MARCO ANTONIO VASQUEZ SANCHEZ

INTEGRANTES

 MATTA ALVARADO IRWIN JAIME

AÑO 2017
EIGENVALORES Y EIGENVECTORES

DEFINICION

Sea A una matriz cuadrada, un número real λ se dice que es un valor propio o un eigenvalor o
un valor característico de A si existe un vector, diferente del vector cero, x tal que:
Ax = λx
Es decir, es un vector que al transformarlo mediante la multiplicación por A el vector resultante
mantiene su dirección, posiblemente solo su longitud y/o sentido se modifique. El vector x se
llama vector propio o eigenvector asociado al valor propio λ.

El vector característico, propio o eigenvector de la matriz A de n x n es una matriz de nx


1 tal que donde es un valor escalar real que recibe el nombre de valor
característico, propio o eigenvalor.

OPINION PERSONAL

La definición más general de lo que es un eigenvalor así como de lo que es un eigenvector, es


muy sencilla. Ya hemos especificado, a lo largo del último mes, lo que un vector representa en
álgebra lineal (o al menos para los temas que hemos abordado), así pues, proseguiré bajo el
supuesto de que tal concepto es conocido.
Dicho esto, me atrevo a definir, a un eigenvalor y a un eigenvector de la siguiente forma: Si
tengo un vector (v) que es diferente de cero y tengo un escalar (λ), de manera que el producto de
dicho vector (v) por una matriz cuadrada sea igual al producto del escalar (λ) por el vector (v)
anteriormente mencionados, entonces el vector (v) es un eigenvector y el escalar (λ) es un
eigenvalor.
Dicho esto, me atrevo a definir, a un eigenvalor y a un eigenvector de la siguiente forma: Si
tengo un vector (v) que es diferente de cero y tengo un escalar (λ), de manera que el producto de
dicho vector (v) por una matriz cuadrada sea igual al producto del escalar (λ) por el vector (v)
anteriormente mencionados, entonces el vector (v) es un eigenvector y el escalar (λ) es un
eigenvalor

Matriz X Vector = Numero x Vector


cuadrada escalar

Egeinvector
Egeinvector Egeinvalor
Ecuación y polinomio característicos Sea A una matriz de n x n. Entonces λ es un valor propio
de A si y sólo si p(λ) = det (A – λI) = 0

“La ecuación anterior se llama la ecuación característica de A; p(λ) se llama el polinomio


característico de A.”

Es pertinente destacar que p(λ) es un polinomio de grado n en λ. Por ejemplo, si A = , entonces


A – λI = - = y p(λ) = det A – λI) = (a – λ) (d – λ) – bc = λ 2 – (a + d) λ + (ad + bc).
Según el teorema fundamental del algebra, cualquier polinomio de grado n con coeficientes
reales o complejos tiene exactamente n raíces (contando multiplicidades). Esto significa, por
ejemplo, que el polinomio (λ – 1)5 tiene cinco raíces, todas iguales al número 1. Como
cualquier eigenvalor de A es una raíz de la ecuación característica de A, se concluye que
Contando multiplicidades, toda matriz de n x n tiene exactamente n eigenvalores.

Cálculo de eigenvalores y eigenvectores

Ejemplo 1.

Sea una matriz

Determinar sus valores y vectores propios.


La matriz identidad I multiplicada por λ para matrices queda

La diferencia

Cuyo determinante se puede escribir

que es el polinomio característico. Mediante factorización o por la fórmula general obtenemos


sus raíces, o valores característicos,
Para encontrar los vectores propios o eigenvectores de la matriz A se

utiliza donde es el vector propio:

Substituyendo se tiene

Que representa el siguiente sistema homogéneo de ecuaciones lineales:

Cuya solución evidentemente es

Y y es variable libre. De modo que el vector propio que corresponde a es:

Si y = 1

A manera de comprobación se puede verificar que .

El segundo vector propio se obtiene, de la misma manera, sustituyendo , y queda

de donde el vector es

Si y = 6

Se puede verificar que .


Ejemplo 2.

Sea una matriz

se busca que el determinante de la matriz sea cero:

El determinante de la matriz igualado a cero, está dado por

Cuyas raíces son

que son los valores propios o eigenvalores de la matriz A.

Para encontrar los vectores propios o eigenvectores de la matriz A se

utiliza donde es el vector propio:

Se substituyen los valores propios , y se resuelve el sistema homogéneo de


ecuaciones lineales resultante

Cuyas soluciones son:


El vector propio, que por ahora se denominará se puede expresar como

Si y = 5

Para el valor propio

se obtiene el vector propio

Si y = 15

El conjunto de todos los vectores propios asociados a un valor propio dado , junto con el

vector 0, forman un espacio vectorial. Por lo tanto, representa un subespacio


de porque es el espacio solución de un sistema homogéneo de ecuaciones lineales y está
conformado por matrices columna de n x 1 que pertenecen a .

Los vectores característicos , asociados a los valores característicos


distintos de la matriz A, son linealmente independientes, y este conjunto es una
base en . Si la matriz A es simétrica y real, entonces la base es ortogonal.
Ejemplo 3.

Sea la matriz simétrica

Cuya ecuación característica es

Con raíces

Los vectores característicos

VECTORES RITZ

La investigación indica que las formas modales de libre-vibración natural no son la mejor base
para un análisis modal superpuesto de estructuras sujetas a cargas dinámicas. Se ha demostrado
(Wilson, Yuan, y Dickens 1982) que los análisis dinámicos basados en los vectores
dependientes-decarga Ritz producen resultados mas precisos que usando el mismo número de
formas modales naturales.

Los vectores Ritz producen excelentes resultados porque son generados tomando en cuenta la
distribución espacial de cargas dinámicas, mientras que el uso directo de formas modales
naturales no toma en cuenta esta información tan importante. Adicionalmente, el algoritmo de
vector-Ritz automáticamente incluye las ventajas de las aprobadas técnicas numéricas de
condensación estática, reducción Guyan, y corrección estática debido al truncamiento de
modos-altos.

La distribución espacial del vector de carga dinámico sirve como un vector de carga de inicio
para comenzar el procedimiento. El primer vector Ritz es el vector estático de desplazamiento
correspondiente al vector de carga inicial. Los vectores restantes se generan a partir de una
relación recurrente en la cual la matriz de masa es multiplicada por el vector Ritz obtenido
previamente y usado como el vector de carga para la siguiente solución estática.
A cada solución estática se le llama un ciclo de generación. Cuando la carga dinámica esta
constituída de varias distribuciones espaciales independientes, cada una de ellas puede servir
como un vector de carga de inicio para general un grupo de vectores Ritz. Cada ciclo de
generación crea tantos vectores Ritz como haya vectores de carga inicial. Si un vector Ritz
generado es redundante o no excita ningún grado de libertad de masa, entonces es descartado y
el vector de carga inicial correspondiente es removido de todos los ciclos de generación
subsecuentes.

Se usan técnicas de eigen-solución estandares para ortogonalizar el grupo de vectores Ritz


generado, resultando en un grupo final de modos de vectores-Ritz. Cada modo de vector-Ritz
consiste de una forma modal y frecuencia. El grupo total de modos de vectores-Ritz puede
usarse como una base para representar el desplazamiento dinámico de la estructura. Cuando un
número suficiente de modos de vectores-Ritz se haya encontrado, algunos de ellos pueden
aproximarse mucho a las formas modales naturales y frecuencias. Sin embargo, en general los
modos de vectores-Ritz no representan las características intrínsecas de la estructura de la
misma manera en que lo hacen los modos naturales.

Los Modos de vectores-Ritz están basados en los vectores de carga inicial.

Vectores de Carga Inicial: Cualquier número de vectores de carga puede especificarse. Cada
vector de carga inicial puede ser uno de los siguientes:

 Una carga de aceleración en la dirección global X, Y o Z.


 Un caso de carga estático.
 Una carga integrada de deformación no-lineal, como se describe abajo.

Para análisis de espectro-respuesta, solo se necesitan las cargas se aceleración. Para análisis de
tiempo-historia, se necesita un vector de carga inicial para cada caso de carga o carga de
aceleración que sea usado en cualquier caso de tiempo-historia.
Si se realiza algún análisis de tiempo-historia no lineal, se necesita un vector de carga inicial
adicional para cada deformación no lineal independiente, por ejemplo, para cada grado de
libertad no lineal en elementos de conexión. Puede especificar que el programa use las cargas
de deformación no lineal integradas, o puede definir sus propios casos de carga para este
propósito.
Si define sus propios vectores de cargas inicial, haga entonces lo siguiente para cada
deformación no lineal: Explícitamente defina un caso de carga estático que consista en un
grupo de fuerzas auto-equilibrantes que activen la deformación no lineal deseada. Especifique
ese caso de carga como un vector de carga inicial. El número requerido de tales casos de carga
es igual al número de deformaciones independientes no lineales en el modelo.
Si varios elementos de tipo conexión actuan juntos, puede usar menos vectores de carga
inicial. Por ejemplo, suponga que el movimiento horizontal de varios aisladores de base se
acoplen con un diafragma. Solamente se requieren tres vectores de carga iniciales actuando en
el diafragma: dos cargas horizontales perpendiculares y un momento alrededor del eje
vertical. Puede que aun se requieran casos de carga independientes para representar cualquier
movimiento vertical o rotación alrededor de los ejes horizontales para estos aisladores.

Se recomienda ampliamente que la masa (o el momento de inercia de masa) esté presente en


cada grado de libertad que sea introducido por un vector de carga inicial. Esto es automático
para cargas de aceleración, debido a que la carga es causada por la masa. Si un caso de carga
estatico o una carga de deformación no lineal actua en un grado de libertad que no sea de
masa, el programa emite una advertencia. Tales vectores de carga inicial pueden generar
vectores Ritz inexactos, o aun vectores que no sean del todo de tipo Ritz. Generalmente, entre
más vectores de caga iniciales se usen, se solicitarán mas vectores Ritz para cubrir el mismo
rango de frecuencia. De manera que no se recomienda introducir vectores de carga iniciales
inecesarios. En cada ciclo de generación, los vectores Ritz se encuentran en el orden en que se
especificaron los vectores de carga iniciales.

En el últmo ciclo de generación, solamente se encontraran tantos vectores Ritz, como sean
requeridos para alcanzar el número total de modos, N. Por esta razón, se deberán de
especificar primero los vectores de carga iniciales más importantes, especialmente si el
número de vectores de carga iniciales no es mucho menor que el número total de modos

APLICACIÓN GENERAL EN LA INGENIERIA CIVIL

Nosotros dentro de la ingeniería civil aplicamos los métodos de eigenvalores y eigenvectores


para hacer un análisis estructural y poder resolver análisis de matrices muy grandes hacerlas
en pasos resumidos también se puede hacer utilizando software que ayuden a solucionar
dichos resultados
CONCLUSION

Después de haber desarrollado el presente trabajo de investigación, se ha adquirido una


comprensión general sobre lo que son los eigenvalores y sobre lo que son los eigenvectores.
Así mismo, se ha llegado a conocer los conceptos la importancia de estos últimos dos
conceptos radica en que son utilizados en la obtención de los dos primeros. Ahora es claro que
para poder comprender los conceptos, así como los procedimientos abordados durante este
tema, es de vital importancia tener el dominio previo de las operaciones básicas entre
matrices; los diferentes tipos de matrices que hay, tales como matriz identidad y matriz
diagonal; también es preciso dominar el uso y la realización de operaciones que nos lleven a la
obtención de ciertos valores como lo es el determinante de una matriz.