Documente Academic
Documente Profesional
Documente Cultură
Facultad de Ingeniería
Escuela Académico Profesional de Ingeniería Civil
GRUPO: C1
INTRODUCCIÓN
El perfeccionamiento de los planes de estudios en las diferentes carreras nos exige aún
más en la relación entre las asignaturas de una disciplina y entre las disciplinas del año y
de la carrera para poder enfrentar y resolver los problemas de carácter profesional. Las
Ecuaciones Diferenciales tienen una gran importancia por su carácter integrador de la
matemática. Compartimos el criterio de ( Judson. T. 1997).
OBJETIVOS
MARCO TEÓRICO
1.1. DEFINICIÓN:
Los vectores propios de las transformaciones lineales son vectores que, no se ven
afectados por la transformación o se ven multiplicados por un escalar, y por tanto no
varían su dirección.
El valor propio de un vector propio es el factor de escala por el que ha sido
multiplicado.
Llamaremos vectores propios de una matriz cuadrada de orden “n” a aquellos vectores
cuya dirección no se modifica al transformarlos mediante la matriz. Por tanto u es un
vector propio de la matriz A si verifica que:
Au=λu …….(1)
(A-λI)u=0
|A − λI| = 0.
Esta ecuación se denomina la ecuación característica de la matriz. Es una ecuación
polinómica en λ de orden n y sus n raíces se denominan valores propios de la matriz.
Es inmediato de la definición que si una matriz es diagonal los valores propios son los
elementos de la diagonal principal. En efecto, tendremos:
𝑎1 … 0 𝜆 … 0 𝑎1 − 𝜆 … 0
|𝐴 − 𝜆𝐼| = |[ ∶ 𝑎2 ∶ ] − [∶ 𝜆 ∶ ]| = | ∶ 𝑎2 − 𝜆 ∶ |
0 … 𝑎𝑛 0 … 𝜆 0 … 𝑎𝑛 − 𝜆
(donde I es la matriz identidad) tiene una solución no nula v (un vector propio),
y de esta forma es equivalente al determinante:
𝑑𝑒𝑡(𝐴 − 𝜆𝐼) = 0
Una forma más sencilla de obtener vectores propios sin resolver un sistema de
ecuaciones lineales se basa en el teorema de Cayley-Hamilton que establece que
cada matriz cuadrada satisface su propio polinomio característico. Así, si
𝜆1 , 𝜆2 , … , 𝜆𝑛 son los valores propios de A se cumple que
(𝐴 − 𝜆1 𝐼)(𝐴 − 𝜆2 𝐼) … (𝐴 − 𝜆𝑛 𝐼) = 0
1.4.CÁLCULO NUMÉRICO:
En la práctica, los valores propios de las matrices extensas no se calculan usando el
polinomio característico. El teorema de Abel-Ruffini implica que las raíces de los
polinomios de grado alto (5 o superior) no pueden expresarse usándose simplemente
raíces enésimas. Existen algoritmos eficientes para aproximar raíces de polinomios,
pero pequeños errores en la estimación de los valores propios pueden dar lugar a
errores grandes en los vectores propios. En consecuencia, los algoritmos generales
para encontrar vectores propios y valores propios son iterativos. La manera más fácil
es el método de las potencias: se escoge un vector aleatorio "𝑣" y se calcula una
secuencia de vectores unitarios:
𝐴𝑣 𝐴2 𝑣 𝐴3 𝑣
, ,
‖𝐴𝑣‖ ‖𝐴2 𝑣‖ ‖𝐴3 𝑣‖
1.5. GRÁFICAS:
Una gráfica es un conjunto de puntos llamados vértices o nodos conectados por líneas
llamadas aristas o ramas.
Dos nodos A y B conectados por una arista “a” se llaman adyacentes o vecinos, y en
tal caso, los nodos A y B se denominan incidentes a la arista “a”.
Una rama que parte de un nodo y regresa al mismo nodo se denomina lazo o bucle.
La matriz de una gráfica es una matriz G cuadrada de orden n cuyo elemento gij indica
la cantidad de aristas que unen al i-ésimo con el j-ésimo nodo. La matriz de adyacencia
de una gráfica es una matriz A cuadrada cuyo elemento aij es 1 si los nodos i y j son
adyacentes y 0 si no lo son.
Los valores propios de una matriz simétrica representan las magnitudes de los ejes del
elipsoide con centro el origen y determinado por los extremos de los vectores. Los
vectores propios indican las direcciones de estos ejes principales.
2. MATRICES
Casos particulares
Por tanto, una matriz de orden (m x n) tiene m filas y n columnas. En caso de que el
número de filas y el de columnas sea el mismo se habla de matriz cuadrada.
Las matrices cuadradas tienen dos diagonales, de las cuales sobre un ejemplo vemos la
que se llama "diagonal principal" de la matriz
𝑎11 ⋯ 𝑎1𝑛
( ⋮ ⋱ ⋮ )
𝑎𝑛1 ⋯ 𝑎𝑛𝑛
Sean A y B son dos matrices del mismo orden, entonces la matriz suma S = A +
B es:
Sea A una matriz de orden (m x n), m=n y B una matriz de orden (n x r) r=1,
entonces la matriz producto, es una matriz P = A*B de orden (m x r):
Introducción:
1 𝟑
Como se sabe, la solución general del sistema homogéneo 𝑿´ = ( ) 𝑿 es
𝟓 𝟑
𝟏 𝟑
𝑿 = 𝑐𝟏 𝑿𝟏 + 𝑐𝟐 𝑿𝟏 = 𝑐𝟏 ( ) 𝒆−𝟐𝒕 + 𝑐𝟐 ( ) 𝒆𝟔𝒕
−𝟏 𝟓
𝑘
𝑿𝟏 = ( 1 ) 𝒆𝝀𝒊 𝒕 , 𝑖 = 1,2
k2
Donde 𝑘1 , 𝑘2 , 𝜆1 𝑦 𝜆2 son constantes, nos inquieta saber si siempre es posible hallar una
solución de la forma
𝑘1
k2
.
𝑿 = . 𝒆𝝀𝒕 = 𝑲𝒆𝝀𝒕 … … (𝟏)
.
(k 𝑛 )
𝑿´ = 𝑨𝑿 … . (𝟐)
Si (1) es un vector solución del sistema homogéneo lineal (2), entonces 𝑿´= 𝑲𝒆𝝀𝒕 ,
por lo que el sistema se convierte en 𝑲𝝀𝒆𝝀𝒕 = 𝑨𝑲𝒆𝝀𝒕 . Después de dividir entre 𝒆𝝀𝒕
y reacomodando, obtenemos 𝑨𝑲 = 𝝀𝑲 o 𝑨𝑲 − 𝝀𝑲 = 𝟎. Ya que 𝑲 = 𝑰𝑲 , la
última ecuación es igual a
(𝑨 − 𝝀𝑰)𝑲 = 𝟎 (3)
Por lo que para encontrar soluciones 𝑿 de (2), necesitamos primero encontrar una
solución no trivial del sistema anterior; en otras palabras, debemos encontrar un
vector no trivial 𝑲 que satisfaga a (3). Pero para que (3) tenga soluciones que no
sean la solución obvia 𝑘1 = 𝑘1 = ⋯ = 𝑘𝑛 = 0, se debe tener
𝑑𝑒𝑡(𝑨 − 𝝀𝑰) = 𝟎
3 −𝟏𝟖
𝑿´ = ( )𝑿
𝟐 −𝟗
3 3
𝑲𝟏 = ( ), por lo que 𝑿𝟏 = ( ) 𝒆−𝟑𝒕 (11)
1 1
Es una solución de (10). Pero como es obvio que tenemos interes en formar la
solución general del sistema, se necesita continuar con la pregunta de encontrar una
segunda solución.
Segunda solución:
Suponga que 𝝀𝟏 es un valor propio de multiplicidad dos y que solo hay un
eigenvector asociado con este valor. Se puede encontrar una segunda solución
de la forma.
𝑿𝟐 = 𝑲𝒕𝒆𝝀𝟏 𝒕 + 𝑷𝒆𝝀𝟏 𝒕
𝑘1 𝑝1
k2 p2
. .
𝑲= . Y 𝑷= . .
. .
(k 𝑛 ) (p𝑛 )
𝑡 2 𝜆1𝑡
𝑋3 = 𝑘 𝑒 + 𝑃𝑡𝑒 𝜆1𝑡 + 𝑄𝑒 𝜆1𝑡
2
𝑘1 𝑝1 𝑞
Donde 𝑘 = ( ⋮ ), 𝑃=(⋮) y 𝑄=( ⋮ )
𝑘𝑛 𝑝𝑛 𝑞𝑛
( 𝐴 − 𝜆1 𝐼)𝐾 = 0 (16)
( 𝐴 − 𝜆1 𝐼)𝑃 = 0 (17)
( 𝐴 − 𝜆1 𝐼)𝑄 = 0 (18)
Y por supuesto, las soluciones (16) y (17) se pueden usar para formar las
soluciones X1 Y X2
APLICACIONES
EJERCICO 1
2 1 6
𝑌 = (0 2 5) ∗ 𝑋
0 0 2
Solución:
𝑦𝑢 = 𝑢𝛾
𝑦𝑢 − 𝑢𝛾 = 0
(𝑦 − 𝛾𝐼) ∗ 𝑢 = 0
Como u≠ 0 , entonces,
(𝑦 − 𝛾𝐼) ∗ 𝑢 = 0
|𝑌 − 𝐼𝛾| = 0
|𝑌| − |𝛾𝐼| = 0
|𝑌| − 𝛾|𝐼| = 0
2 1 6 1 0 0
|0 2 5| − 𝛾 |0 1 0| = 0
0 0 2 0 0 1
2 1 6 𝛾 0 0
|0 2 5| − |0 𝛾 0| = 0
0 0 2 0 0 𝛾
2−𝛾 1 6
| 0 2−𝛾 5 |=0
0 0 2−𝛾
2−𝛾 5
(2 − 𝛾) ∗ | |=0
0 2−𝛾
(2 − 𝛾) ∗ (2 − 𝛾) ∗ (2 − 𝛾) = 0 , →𝛾=2
2−2 1 6 𝑥
( 0 2−2 5 ) (𝑦) = 0
0 0 2−2 𝑧
0 1 6 𝑥 0
(0 0 5) (𝑦) = (0)
0 0 0 𝑧 0
0 1 6 0
(0 0 5 0)
0 0 0 0
𝑦 + 6𝑧 = 0 → 𝑦 = 0
5𝑧 = 0 → 𝑧 = 0
𝑥=𝑡
𝑡 1 1
𝑘 = (0) → 𝑡 (0) → (0)
0 0 0
1 0
𝑷 = (0 ) y 𝑸 = ( −6/5 )
1 1/5
1 1 0
𝑿 = 𝑐1 (0) 𝒆 + 𝑐2 [(0) 𝑡𝒆 + (1) 𝒆2𝑡 ]
2𝑡 2𝑡
0 0 0
1 𝑡2 0 0
+ 𝑐3 [(0) 𝒆2𝑡 + (1) 𝑡𝒆2𝑡 + (−6/5) 𝒆2𝑡 ]
2 1/5
0 0
EJERCICIO 2
3 −18
𝑋′ = ( )𝑋
2 −9
Solución
3
De (11) se sabe que λ1 = -3 y que la solución es 𝑋1 = ( ) 𝑒 −3𝑡
1
3 𝑝1
Identificando 𝐾 = ( ) 𝑦 𝑃 = ( ), encontramos de (14) que ahora debemos
1 𝑝2
resolver
2p1 – 6p2 =1
Puesto que resulta obvio que este sistema es equivalente a una ecuación, se tiene un
número infinito de elecciones de p1 y p2. Por ejemplo al elegir p1 = 1 se encuentra
que p2 = 1/6. Sin embargo, por simplicidad elegimos p1 = ½ por lo que p2 = 0.
1 1
3
Entonces 𝑃 = ( 2 ). Así de (12) se encuentra que 𝑋2 = ( ) 𝑡𝑒 −3𝑡 + ( 2 ) 𝑒 −3𝑡 . La
0 1 0
3
solución general de (10) es 𝑋 = 𝐶1 𝑋1 + 𝐶2 𝑋2, 0 𝑋 = 𝑐1 ( ) 𝑒 −3𝑡 +
1
1
3
𝑐2 [( ) 𝑡𝑒 −3𝑡 + ( 2 ) 𝑒 −3𝑡 ]
1 0
CONCLUSIONES
BIBLIOGRAFIA