Parte IX

Apéndices
A
Deducción de las Ecuaciones de
Lagrange
Consideremos unsólidodeformableevolucionandoenrespuestaaunas
fuerzas exteriores, en general dependientes del tiempo. Consideremos asi-
mismounelementodiferencial demasad: pertenecienteal sólido. Lapo-
1026
sición del elemento demasaen cadainstantequedadefinidamediantesus
tres coordenadasr(t), j (t) y . (t) conrespectoaunsistemadecoordena-
das inercial. Agruparemos estas tres coordenadas enunvector r, vector de
posición del elementodemasa,
r (t) =





r(t)
j (t)
. (t)





(A.1)
Lavelocidadyaceleracióndel elementodemasavendrándadaspor
˙ r (t) =





˙ r(t)
˙ j (t)
˙ . (t)





y ¨r (t) =





¨ r(t)
¨ j (t)
¨ . (t)





(A.2)
respectivamente.
La segunda Ley de Newton, aplicada al elemento diferencial de masa
estableceque
d: ¨r = df (A.3)
endondedf esel vector diferencial delaresultantedetodaslasfuerzasque
actúansobreel elementodemasa.
Si hemosmodelizadonuestrosistemacomosistemadiscreto, laposición
decualquier puntodel sólidovendrádadaenfunciónde: coordenadas ge-
neralizadas, ¡
1
, ¡
2
, ..., ¡
a
, detal maneraque
1
r = r (¡
1
, ¡
2
, · · · , ¡
a
) (A.4)
endonde¡
1
, ¡
2
, · · · , ¡
a
nodependenmásquedel tiempo. Supondremosade-
más quelas coordenadas generalizadas son independientes, es decir, para
cualquier valor queadquieran, el vector deposicióndecualquier elemento
demasaverificalascondicionesdecontornodel problema.
Escojamosunacualquieradeestascoordenadasgeneralizadas, ¡
i
, ypro-
duzcamos unavariación arbitraria c¡
i
, manteniendo las demás constantes,
es decir, c¡
)
= 0, para , 6= i. Puesto que las coordenadas generalizadas
sonindependientes, lavariaciónc¡
i
, queescompletamentearbitraria, respe-
talasligaduras. El vector deposiciónr del elementodiferencial demasaen
1
Suponemos queel vector deposición r no dependeexplícitamente del tiempo. Por el
contrario, la dependencia del tiempo es a través de las coordenadas generalizadas q
.
. La
dependencia explícita del tiempo aparece en problemas no carentes de interés, como por
ejemplocuandolaestructurasehalleenrotaciónconrespectoaunareferenciafija.
CAPÍ TULO A DEDUCCI ÓN DE LAS ECUACI ONES DE LAGRANGE 1027
estudioexperimentaráunavariacióndadapor
2
cr =
0r

i

i
(A.5)
Multiplicandoambosmiembrosde(A.3) por el vector cr eintegrandopara
todoel sólidodeformable

i
µZ
\
¨r
T
0r

i
d:

= c¡
i
µZ
\
df
T
0r

i

(A.6)
en dondesehasacado c¡
i
fueradel signo integral puesto queno depende
másquedel tiempo.
Físicamente, el primer miembro de(A.6) representael trabajo virtual,
cambiadodesigno, querealizanlasfuerzasdeinerciaal producirseunava-
riaciónvirtual deunadelas coordenadas generalizadas. El segundo miem-
bro, por suparte, representael trabajovirtual realizadopor todaslasfuerzas
exterioresalapartícula. Puestoqueambosdebenser iguales, paracualquier
variación c¡
i
, habrádeverificarse
Z
\
¨r
T
0r

i
d: =
Z
\
df
T
0r

i
(A.7)
Quedaclaro quepodemos plantear : ecuaciones como la(A.7), esco-
giendocadaunadelas: coordenadasgeneralizadas.
Para obtener las Ecuaciones de Lagrange transformaremos adecuada-
menteambosmiembrosdelaecuación(A.7).
Nuestroplanesel siguiente:
1. Demostraremosenprimer lugar queel primer miembrodelaecuación
(A.7) puedeescribirsedelaforma
Z
\
¨r
T
0r

i
d: =
d
dt
µ
0T
0 ˙ ¡
i


0T

i
en dondeT es laenergíacinéticatotal del sólido (nótesequees un
escalar)
T =
1
2
Z
\
˙ r
T
˙ r d: (A.8)
2. En segundo lugar analizaremos en detalle el segundo miembro de
(A.7)
2
Suprimimosapartir deahoralaindicacónexplícitadeladependenciadel tiempodeq,
parahacer másligeralanotación.
1028
1. Primer paso
Vayamosconel primer paso. Laenergíacinéticaquealmacenael ele-
mentodiferencial demasaes
dT =
1
2
·
2
d: =
1
2
( ˙ r
2
+ ˙ j
2
+ ˙ .
2
)d: =
1
2
˙ r
T
˙ rd:
yladetodoel sólido
T =
1
2
Z
\
˙ r
T
˙ r d:
Deaquí podemoscalcular el valor de
o
ot
³
0T
0 ˙ q
.
´
d
dt
µ
0T
0 ˙ ¡
i

=
d
dt
µ
0
0 ˙ ¡
i
µ
1
2
Z
\
˙ r
T
˙ r d:
¶¶
=
d
dt
µZ
\
˙ r
T
0˙ r
0 ˙ ¡
i
d:

(A.9)
Sinembargo, puedecomprobarseque
0˙ r
0 ˙ ¡
i
=
0r

i
(A.10)
debidoaque
˙ r =
i=a
X
i=1
0r

i
˙ ¡
i
(A.11)
yaquer nodependede ˙ ¡
i
.Enconsecuencia
d
dt
µ
0T
0 ˙ ¡
i

=
d
dt
µZ
\
˙ r
T
0r

i
d:

=
Z
\
µ
¨r
T
0r

i
+ ˙ r
T
0˙ r

i

d:
(A.12)
pero
Z
\
˙ r
T
0˙ r

i
d: =
0T

i
(A.13)
conloqueobtenemosfinalmenteque
d
dt
µ
0T
0 ˙ ¡
i


0T

i
=
Z
\
¨r
T
0r

i
d:
comopretendíamosdemostrar. Estocompletael primer pasodenues-
troplan
CAPÍ TULO A DEDUCCI ÓN DE LAS ECUACI ONES DE LAGRANGE 1029
2. Vayamosahoraconel segundomiembrode(A.7).
Z
\
df
T
0r

i
Recordemosquedf eralaresultantedetodas lasfuerzasqueactuaban
sobrelapartículamaterial. Desdeel punto devistadel elemento de
masa, todas estas fuerzas sonexteriores aél. Desdeel puntodevista
del sistema completo, parte serán fuerzas exteriores al sistema. Un
ejemplotípicodeesetipodefuerzasesel peso. Perootrapartedeellas
seránoriginadaspor otraspartículasvecinas, por loqueseránfuerzas
internas del sistema completo. Un ejemplo de estas últimas son las
fuerzaselásticasolasdeamortiguamiento. Nosconvieneresaltar esta
diferencia, así quepondremos
df = df
ext
+ df
int
por loqueel segundomiembrode(A.6) loescribimos

i
Z
\
df
T
0r

i
= c¡
i
Z
\
df
T
ext
0r

i
+ c¡
i
Z
\
df
T
int
0r

i
(A.14)
El primero de los dos términos del segundo miembro representa el
trabajoquerealizanlasfuerzasexteriores al sistemaal producirseuna
variaciónarbitrariac¡
i
delacoordenadageneralizada¡
i
manteniendo
constantestodaslasdemás. Estetrabajopodemosescribirlo
c\
i
= )
i

i
(A.15)
donde
)
i,ext
=
Z
\
df
T
ext
0r

i
d\ (A.16)
recibeel nombredefuerza exterior generalizada asociadaalacoorde-
nadageneralizada¡
i
Lasfuerzasexteriorespuedenclasificarseendosgrupos:
Fuerzas exteriores conservativas. Son aquellas para las que el
trabajoquerealizanal pasar el sólidodeunestadodedeforma-
ción aotro, no dependemás quedelos estados inicial y final,
es decir, no dependedel caminoquehayaseguidoel sólidopa-
rapasar deunoaotro. Enconsecuencia, el trabajorealizadopor
ecalcularsemediantelavariacióndeunafunciónpotencial que
1030
dependesólodel estadodedeformación. Así, al producir unava-
riaciónarbitrariadeunacoordenadageneralizadacualquierac¡
i
lafuerzageneralizadaasociadaaellaes
c\
cat,ccac
= −c\
endonde\ es lafunciónpotencial mencionada. Las fuerzas se
calculanprecisamentemediante
)
i,cat,ccac
= −
0\

i
Fuerzas exteriores no conservativas. Cuandoel trabajorealizado
por lasfuerzasdependenosóloel estadoiniciayfinal dedefor-
maciónsinotambiéndel caminotrazadoparapasadeunoaotro,
las fuerzas exteriores sellamanno conservativas. Enestecaso,
el trabajovirtual secalculamediantelaexpresióngeneral
)
i,cat,ac
=
Z
\
df
T
ext
0r

i
d\
Analicemosahorael términocorrespondientealasfuerzas internas. A
pesar dequelanaturalezadeestas fuerzas puedeser muy variada, el
origenfísico comúnatodas ellas resideenlas ligaduras queexisten
entrelasdiferentespartículasquecomponenunsistema. Precisamente
estasligadurassonlasqueocasionanunmovimiento”coherente” en-
trelas partículas, loquenos permitehablar de”sistema”, puestoque
si no existieran, las partículas semoveríandemaneraautónomay el
concepto de”sistema” seperdería. En resumen, estas ligaduras con-
siguen queel movimiento deunapartículano sea independiente del
movimientodelasdemás.
Consideraremosdiversasclasesdefuerzasinternas:
Fuerzas provenientes de ligaduras rígidas. Consideremos dos
partículascuyasposicionesvengandefinidaspor susvectoresde
posición r
1
y r
2
. Las partículas ejercen unasobreotrafuerzas
igualesycontrarias, envirtuddel principiodeacciónyreacción.
Demaneraquesi llamamosf
12
alafuerzaqueejercelapartícula
1 sobrela2, éstaejercesobreaquéllaunafuerzaqueesprecisa-
mentef
21
= −f
12
. El trabajovirtual querealizanestasfuerzasal
producirseunavariaciónvirtual desusposicioneses
c\ = cr
T
1
f
21
+cr
T
2
f
12
=
¡
cr
T
2
−cr
T
1
¢
f
12
=
¯
¯
cr
T
2
−cr
T
1
¯
¯
. |f
12
| senc = cd. |f
12
| senc
CAPÍ TULO A DEDUCCI ÓN DE LAS ECUACI ONES DE LAGRANGE 1031
siendo c el ángulo queformanlos vectores
¡
cr
T
2
−cr
T
1
¢
y f
12
,
y cd es lavariación deladistanciarelativa. Ahorabien, al ser
unaligadurarígida, cd = 0. Enconsecuencia, el trabajovirtual
producidopor fuerzasdeligadurarígidaesnulo: estasfuerzasno
apareceránenlasEcuacionesdeLagrange
3
.
Fuerzas de ligaduras elásticas. Unafuerzaelásticaproducetra-
bajocuandoel sólidosedeforma. Si estetrabajoesrecuperable
completamenteal cesar ladeformación, lafuerzaeselástica. En
estecaso, el trabajo puedecalcularsemediantelavariación de
unafunciónpotencial quedependesólo del estado dedeforma-
cióndel sólido. Deestaforma, el trabajoqueproducenlasfuer-
zaselásticaspuedecalcularsemediantelaexpresión
c\
elas
= −cl
siendol laenergíadedeformación. Lafuerzaelásticaasociada
conlacoordenadageneralizada¡
i
es
f
i,elas
= −
0l

i
Al calcularsemediantelavariación deunafunción quedepen-
desólo del estado dedeformación, el trabajo querealizansólo
depende del estado inicial y final de la deformación y por con-
siguienteno dependedel camino quetransitemos parapasar de
uno aotro. Estetipo defuerzas reciben el nombregenérico de
fuerzas conservativas.
Fuerzas disipativas. Lasfuerzasdeorigendisipativosecaracte-
rizanpor el hechodequellevanunadirecciónopuestaal vector
velocidadrelativaentredospartículasyesfuncióndesumódulo.
Sonfuerzasdetipono conservativo enel sentidodequesiempre
realizan un trabajo negativo, es decir, eliminan energíadel sis-
tema, generalmenteenformadecalor. Suexpresión general es
puesdelaforma, paraunacoordenadageneralizadacualquiera,
f
i,dis
= −c
i
c(|v
i
|)
v
i
|v
i
|
3
EstaesunadelasprincipalesventajasdelasEcuacionesdeLagrangefrenteal Método
directo de Newton. En éste, al basarseen el equilibrio defuerzas, las fuerzas de ligadura
rígidatienen que aparecer enlas ecuaciones y deben ser después elimnadas. Mediantelas
ecuaciones deLagrange, al basarseenlos trabajos queproducenlas fuerzas, las originadas
por ligadurasrígidas, al noproducir trabajodesaparecendirectamentedelasecuaciones.
1032
El factor v
i
, |v
i
| yel signo(−) garantizanquelafuerzasiempre
seoponealavelocidad y el factor c(|v
i
|) indicaquesu valor
depende del módulo de la velocidad. Puede definirse una fun-
ción querecibeel nombredefunción de disipación D, elegida
detal maneraquelasfuerzasdisipativaspuedancalcularsecomo
su variación con respecto alavelocidad generalizada, en clara
analogíaconel casoanterior,
f
i,dis
= −
0D
0 ˙ ¡
i
Sinembargo, nosotrospreferimosmantener lasfuerzasensuex-
presiónoriginal, así queapareceránenlasecuacionesdeLagran-
gedirectamentedelaformaf
oic, i
. Sólamente, atítulomeramen-
teinformativo, laexpresióndelafuncióndedisipaciónes
D =
Z
\
µZ
·
.
0
c
i
c(¸) d¸

d\
Ejemplo de estas fuerzas son las provenientes de rozamientos
internos, las originadas por amortiguadores detipo viscoso, las
fuerzasderesistenciaaerodinámica, etc. Convienaclarar quelas
fuerzas disipativas, aunque aquí se han definido como fuerzas
internas, puedentener tambiénunorigenexterno. Tal esel caso
delasfuerzasderesistenciaaerodinámica.
Agrupandotodoslostérminosdelosquehemoshablado, llegamosala
expresiónfinal delasEcuaciones de Lagrange enlaformaenqueharemos
usodeellas
d
dt
µ
0T
0 ˙ ¡
i


0T

i
+
0l

i
+
0\

i
= )
i ext, nc
+ )
iint,nc
(A.17)
El sistema(A.17) consisteen: ecuacionesdiferencialesdesegundoor-
den, engeneral nolineales, enlas queaparecen: incógnitas queson: las
coordenadas generalizadas ¡
i
(t). El planteamiento completo del problema
requierelaespecificacióndelas condiciones iniciales paracadaunadelas
coordenadas generalizadas, es decir, ent = 0 esnecesarioconocer ¡
i
(0) y
¡
i
(0) , (i = 1, . . . , :)
Recordemosqueenlaecuación(A.17),
¡
i
eslai-ésimacoordenadageneralizada
CAPÍ TULO A DEDUCCI ÓN DE LAS ECUACI ONES DE LAGRANGE 1033
T eslaenergíacinéticadel sistema
l eslaenergíaelásticadedeformacióndel sistema
\ eslaenergíapotencial delasfuerzasexterioresconservativas
)
i,ext,nc
eslafuerzaexterior noconservativageneralizadaasociadaala
coordenadageneralizada¡
i
)
iint,nc
es lafuerzainternageneralizadanoconservativaasociadaala
coordenadageneralizada¡
i
El términocorrespondientealaenergíacinética
d
dt
µ
0T
0 ˙ ¡
i


0T

i
representa las fuerzas de inercia generalizadas, porque son las fuerzas de
inerciaasociadasacadacoordenadageneralizada.
Finalmente, laexpresióndelaenergíacinéticadadapor (A.8), teniendo
encuentaque
˙ r =
0r
0q
˙ q
endonde0r,0q esunamatrizde3×·, siendo· el númerodecoordenadas
generalizadas, podemosescribirladelaforma
T =
1
2
Z
\
˙ r
T
˙ r d: =
1
2
˙ q
T
µZ
\
0r
T
0q
0r
0q
d:

˙ q (A.18)
Lamatriz
M =
Z
\
0r
T
0q
0r
0q
d:
esunamatriz siempre simétrica porqueesel productodeunamatriz por su
traspuesta, y recibeel nombredematriz demasadel sistema. Nóteseque
la matriz de masa depende, en general, de las coordenadas generalizadas,
M = M(q) aunqueno desus derivadas. Endefinitiva, laexpresióndela
energíacinéticaes
T =
1
2
˙ q
T
M˙ q (A.19)
A.1. Linealización de las Ecuaciones de Lagran-
ge
Enpreparación
1034 A.1LI NEALI ZACI ÓN DE LAS ECUACI ONES DE LAGRANGE
B
Fundamentos de cálculo matricial
EnesteApéndiceseexponenlos conceptos básicos sobreel empleode
matricesdentrodel campodeestudioabarcadoenestelibro. . Paraunestu-
diomuchomásprofundo, lasReferencias[24] y[32]. Si el interésdel lector
resideenaspectosdeprogramaciónyalgorítmicosdelasoperacionesmatri-
ciales, lareferenciaobligadaesla[13].
1036 B.1DEFI NI CI ONES
B.1. Definiciones
Matrices
Unamatriz esunconjuntode:×: númerosordenadosen: filasy:
columnas. Por ejemplo, los12 númerosa
i,)
agrupadosentresfilasycuatro
columnasformanunamatriz A
A =



a
1,1
a
1,2
a
1,3
a
1,4
a
2,1
a
2,2
a
2,3
a
2,4
a
3,1
a
3,2
a
3,3
a
3,4



Vectores
Un vector de orden : es un conjunto de : valores ordenados en una
columna,
· ≡ v =






−8
2
1
7






o lo quees lo mismo, unamatriz deorden : × 1. Por estarazón, un vec-
tor sedenominaavecescomouna«matriz columna»osimplementevector
columna.
Si loselementosdel vector estándispuestosenunafila,
v =
h
−8 2 1 7
i
esunamatriz de1 filay· columnasysedenomina«matriz fila»osimple-
mentevector fila.
B.2. Notación
Siemprequeseaposible, emplearemoslasletrasnegritasmayúsculaspa-
rarepresentar matrices, reservando las letras minúsculas paralos vectores.
Lossímbolosquenoesténennegritashabrándeser entendidoscomoesca-
lares.
Matriz Cuadrada
Unamatriz cuadrada esunamatriz quetieneel mismonúmerodefilas
CAPÍ TULO B FUNDAMENTOS DE CÁLCULO MATRI CI AL 1037
quedecolumnas.
A =



−1 1 0
−2 −3 1
1 −3 −3



Matriz nula
Aquellaenquetodossuselementossoncero
A =



0 0 0
0 0 0
0 0 0



Matriz Diagonal
Unamatrizesdiagonal si sóloloselementosdeladiagonal principal son
distintosdecero,
A =



a 0 0
0 / 0
0 0 c



Matriz Unidad
Sellamamatrizunidad aunamatrizdiagonal enlaqueloselementosde
ladiagonal principal sonigualesalaunidad. Serepresentapor laletraI
I =






1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1






Matrices Triangulares
Unamatriz triangular superior oinferior esaquellaenlaquesóloson
distintosdeceroloselementospor encimaodebajodesudiagonal principal,
incluyendoéstos,



a / c
0 d c
0 0 )






a 0 0
/ d 0
c c )



Matriz traspuesta
1038 B.2NOTACI ÓN
Unamatriztraspuestadeotraesaquellaqueseobtienendisponiendosus
filascomocolumnas. Sedesignaconel superíndiceT.
A =



4 −1 0 5
1 5 −2 3
−5 −5 1 5


⎦ →A
T
=






4 1 −5
−1 5 −5
0 −2 1
5 3 5






Matriz Simétrica
Unamatriz simétrica esunamatriz cuyostérminosverifican
a
i,)
= a
),i
∀i, ∀,
esdecir, unamatriz simétricaesigual asutraspuesta
A = A
T
↔Asimétrica
Por ejemplo, lamatriz
A =



4 −3 −4
−3 −1 0
−4 0 5



esunamatriz simétrica.
Matriz antisimétrica
Unamatrizantisimétrica
1
esaquellaqueesigual asutraspuestacambia-
dadesigno
A = −A
T
↔Aantisimétrica
Por ejemplo, lamatriz
A =



0 −3 4
3 0 14
−4 −14 0



es antisimétrica. Una matriz antisimétrica tiene todos los elementos de la
diagonal principal nulos y los elementos situados en posiciones simétricas
sonigualesydesignocontrario.
Traza de una matriz
1
Enotrossitiossedenominamatrizhemisimétrica.
CAPÍ TULO B FUNDAMENTOS DE CÁLCULO MATRI CI AL 1039
Latrazadeunamatriz cuadradaesel escalar queseobtieneal sumar los
elementosdeladiagonal principal. SedesignaconlanotaciónTr (A)
A =



−2 1 −1
3 5 4
6 0 −5



→Tr (A) = −2 + 5 −5 = −2
Determinante de una matriz
El determinantedeunamatriz cuadrada
2
, designadopor det (A) osim-
plemente|A| esunescalar queseobtieneapartir desuselementosa
i)
. Para
calcularlonecesitamosunadefiniciónadicional:
Sellamamenor '
i)
deunamatriz cuadradaA correspondienteal ele-
mentoa
i)
, al determinantedelamatrizcuadradadeorden(: −1) ×(: −1)
obtenidaeliminandolafilai ylacolumna,. Por ejemplo, enlamatriz
A =



−2 1 −1
3 5 4
6 0 −5



el menor '
2,1
correspondienteal elementoa
2,1
(= 3) esel determinantede
lamatriz
'
2,1
= det
"
1 −1
0 −5
#
yel correspondienteaa
3,3
'
3,3
= det
"
−2 1
3 5
#
Por definición, el determinantedeunamatriz deorden1 × 1 es el valor de
suúnicoelemento. Conestospreliminares, el determinantedeAvale
det (A) =
a
X
i=1
(−1)
i+)
a
i)
'
i)
endonde, serefiereaunafilaocolumnaespecífica(puedesercualquiera) de
A. Puededemostrarsequeel resultadoesindependientedelafilaocolumna
, seleccionada.
2
Noexisteel determinantedeunamatrizquenoseacuadrada.
1040 B.2NOTACI ÓN
Por ejemplo, calculemosel determinantedelamatriz de2 ×2
A =
"
a
1,1
a
1,2
a
2,1
a
2,2
#
Seleccionamosarbitrariamentelacolumna, = 1.
det (A) =
2
X
i=1
(−1)
i+)
a
i1
'
i1
= (−1)
1+1
a
11
'
11
+ (−1)
2+1
a
21
'
21
= a
11
a
2,2
−a
2,1
a
1,2
Si hubiéramosseleccionadolacolumna, = 2,
det (A) =
2
X
i=1
(−1)
i+2
a
i2
'
i2
= (−1)
1+2
a
12
'
12
+ (−1)
2+2
a
22
'
22
= −a
12
a
21
+ a
22
a
11
queesel mismoresultado.
A partir del cálculodel determinantedeunamatriz de2 ×2 puedeobte-
nerseel deunamatriz de3 ×3 yasí sucesivamente,
det



3 −1 −1
−4 −1 −4
−2 3 5


⎦ = (+1) ×3 ×det
"
−1 −4
3 5
#
+ (−1) (−4) det
"
−1 −1
3 5
#
+ (+1) (−2) det
"
−1 −1
−1 −4
#
= 3 ×((−1) (5) −(−4) ×(3)) −(−4) ×((−1) (5) −(−1) (3))
+ (−2) ×((−1) (−4) −(−1) (−1))
= 7
El determinantedeunamatriz tienemuchaspropiedadesinteresantes:
El determinantedeunamatriz esigual al determinantedesutraspues-
ta.
det (A) = det
¡
A
T
¢
Al intercambiar deposicióndosfilasodoscolumnas, el determinante
cambiadesigno.
CAPÍ TULO B FUNDAMENTOS DE CÁLCULO MATRI CI AL 1041
Si unafila(ocolumna) puedeobtenersecomocombinaciónlineal de
lasdemás, el determinanteesnulo. Por ejemplo, si
A =



−2 3 −3
3 5 3
−1 11 −3



latercerafilaessimplementelasumadelasegundamásel dobledela
primera, luegosudeterminanteescero, comopuedecomprobarse.
Si semultiplicanloselementosdeunafila(ocolumna) por unescalar,
el valor del determinantesemultiplicapor el mismoescalar
Si sesustituyeunafila(columna) por el resultadodesumarla(orestar-
la) conotrafila(columna) multiplicadapor unescalar cualquiera, no
nulo, el determinantenocambia.
El cálculodel determinantedeunamatrizporel procedimientoexplicado
esenormementeinteresantedesdeel puntodevistateórico, peroundisparate
desdeel puntodevistacomputacional.
Enefecto: undeterminantede2 × 2 suponelasumade2 términos, ca-
da uno compuesto por el producto de 2 factores. Uno de 3 × 3 supone 6
términos, cadaunocompuestopor el productode3 factores. Engeneral, el
determinantedeunamatrizdeorden:×: suponelasuma:! términos, cada
unocompuestopor el productode: factores. Por ejemplo, el determinante
deunamatrizde30×30 suponealrededorde30! (≈ 10
32
) sumasdenúmeros
formados por productos de32 factores cadauno. Unordenador quehiciera
1000 billones desumas por segundo
3
, tardaríaalrededor ¡1000 millones de
añosencompletar el determinante! Hayquegozar demuybuenasaludpara
ver el resultado final. Puesto queen el cálculo actual semanejan matrices
dedecenasocentenaresdemilesdefilasycolumnas, ¿cómoesposibleque
puedancalcularsedeterminantes, inversas, etc? Larespuestaesquesehace
deotraforma.
Esfácil comprobar queel determinantedeunamatriz triangular essim-
plementeel productodeloselementosdeladiagonal principal:
det



4 −3 −3
0 −1 0
0 0 5


⎦ = 4 ×det
"
−1 0
0 5
#
= (4) (−1) det (5)
(4) (−1) (5) = −20
3
Ni siquieraexisteunordenador deesavelocidad
1042 B.2NOTACI ÓN
Todoloquehayquehacer entoncesestransformar lamatriz original enuna
matriztriangular quetengael mismodeterminante. Paraelloharemosusode
laspropiedadescitadasanteriormente, enparticular delaúltimadeellas. Y
estoconduceaunprocedimientoincomparablementemenoscostosoqueel
anterior.
Paraentender cómofunciona, consideremoslamatriz
A =



3 −1 −1
−4 −1 −4
−2 3 5



Si queremos hacer el elementoa
2,1
= 0, sustituimos lasegundafilapor el
resultadodesumarlaconlaprimeramultiplicadapor (4,3)
h
−4 −1 −4
i
→(4,3)
h
3 −1 −1
i
+
h
−4 −1 −4
i
=

0 −
7
3

16
3
¸
conloquelamatriz quedatransformadaen
A
1
=




3 −1 −1
0 −
7
3

16
3
−2 3 5




Si ahoraqueremoshacer el términoa
3,1
nulo, sustituimoslatercerafilapor
el resultadodesumarlaconlaprimeramultiplicadapor (2,3)
h
−2 3 5
i
→(2,3)
h
3 −1 −1
i
+
h
−2 3 5
i
=

0
7
3
13
3
¸
conloque
A
2
=





3 −1 −1
0 −
7
3

16
3
0
7
3
13
3





Si finalmentequeremos hacer el término a
3,2
nulo, sumamos latercerafila
conlasegunda, multiplicadapor 1

0
7
3
13
3
¸
→(1)

0 −
7
3

16
3
¸
+

0
7
3
13
3
¸
=
h
0 0 −1
i
CAPÍ TULO B FUNDAMENTOS DE CÁLCULO MATRI CI AL 1043
conloquequedafinalmente
A
3
=




3 −1 −1
0 −
7
3

16
3
0 0 −1




cuyodeterminantees
det A
3
= (3)
µ

7
3

(−1) = 7
queesel mismoqueel delamatriz original.
Latransformaciónenunamatriz triangular, requiereunnúmerodeope-
raciones del ordende:
3
, siendo: el tamañodelamatriz. Enel casodela
matriz de30 ×30 citadoanteriormente, estenúmeroesdel ordende30
3
=
27 000 operaciones, comoseve, bastantesmenosquelas10
32
necesariaspor
el procedimientodel cálculopor menores.
Matriz definida y semidefinida positivaC.0.1
Unamatriz es definidapositivaseverificacualquieradelas tres condi-
cionessiguientes(sontodasequivalentes)
1. Losmenoresprincipalessontodospositivos
2. Todossusautovaloressonpositivos
3. El escalar
x
T
Ax
espositivoparacualquier vector x.
Ladefinicióndematrizsemidefinida positiva eslamisma, salvoque«po-
sitivo»sesustituyepor «positivoonulo». Delamismaforma, sedefinenlas
matricesdefinidas y semidefinidas negativas, cambiandoenloanterior posi-
tivopor negativo.
Por ejemplo, lamatriz
A =
"
6 1
1 5
#
esdefinidapositiva. Verifiquemoslastresdefiniciones
1044 B.3OPERACI ONES MATRI CI ALES BÁSI CAS
1. Losmenoresprincipalessontodospositivos
6 0
det
"
6 1
1 5
#
= 29 0
2. Losautovaloressonlasolucióndel sistema
det
Ã"
1 0
0 1
#
−`
"
6 1
1 5
#!
= 0
29`
2
−11` + 1 = 0
cuyasraícesson
`
1,2
=
1
58

5 +
11
58
,
11
58

1
58

5
lasdospositivas.
3. Finalmente, si tomamosunvector arbitrario, el escalar
h
a /
i
"
6 1
1 5
#"
a
/
#
= 6a
2
+ 2a/ + 5/
2
= 5a
2
+ 4/
2
+ (a + /)
2
0
cualesquieraqueseana y/.
B.3. Operaciones matriciales básicas
Suma y resta de matrices
Sedefinelasumaorestadedos matrices A y B comolamatriz cuyos
elementossonlasumaorestadeloselementosdeambasmatrices
A+B = C =⇒c
i)
= a
i)
+ /
i)
A−B = C =⇒c
i)
= a
i)
−/
i)
Producto de matrices
LamatrizCproductodelasmatricesAyBsedefinecomoaquellacuyo
elemento(i, ,) es el escalar obtenidomultiplicandolafilai delamatriz A
por lacolumna, delamatriz B, estoes
CAPÍ TULO B FUNDAMENTOS DE CÁLCULO MATRI CI AL 1045
c
i)
=
X
I
a
iI
/
I)
dondeel índice/ seextiendeal número decolumnas deA, que, por otra
parte ha de ser igual al número de filas de B, para que el producto esté
definido.
Engeneral, el productodematricesnoesunaoperaciónconmutativa,
AB 6= BA
Latrasposicióndeunproductodematricesobligaacambiarlasdeorden
(BA)
T
= A
T
B
T
Unapropiedadinteresantedelasmatricesantisimétricasesqueel escalar queseobtiene
al preyposmultiplicarlapor unvector cualquieraessiemprecero:
v
T
Av = 0 ∀v si Aesantisimétrica
_
_
_
·1
·
2
·
3
_
¸
_
T
_
_
_
0 −3 4
3 0 14
−4 −14 0
_
¸
_
_
_
_
·1
·
2
·
3
_
¸
_ =
_
_
_
·1
·
2
·
3
_
¸
_
T
_
_
_
4·3 −3·2

1
+ 14·
3
−4·
1
−14·
2
_
¸
_ =
= ·
1
(4·
3
−3·
2
) + ·
2
(3·
1
+ 14·
3
) + ·
3
(−4·
1
−14·
2
) = 0
Sedefineel producto escalar dedosvectoresa yb comoel escalar queseobtienedela
operación
o ·

/ =
n

I=1
o
I
/
I
Por ejemplo, el productoescalar de
o =
_
_
_
−8
2
1
_
¸
_

/ =
_
_
_
2
1
7
_
¸
_
es
o ·

/ = (−8) ×2 + 2 ×1 + 1 ×7 = −7
Ennotaciónmatricial, el productoescalar seescribe
o ·

/ = a
T
b = b
T
a =
_
_
_
−8
2
1
_
¸
_
T
_
_
_
2
1
7
_
¸
_ =
_
−8 2 1
_
_
_
_
2
1
7
_
¸
_ = −7
1046 B.3OPERACI ONES MATRI CI ALES BÁSI CAS
El producto vectorial dedosvectoresdeorden3
o =
_
_
_
o
1
o
2
o3
_
¸
_

/ =
_
_
_
/
1
/
2
/3
_
¸
_
esel vector quetienepor componentes
c = o ×

/ =
_
_
_
o2/3 −o3/2
o
3
/
1
−o
1
/
3
o
1
/
2
−o
2
/
1
_
¸
_
Estaexpresiónesfácil derecordar apartir del determinante
¸
¸
¸
¸
¸
¸
¸
i j k
o
1
o
2
o
3
/1 /2 /3
¸
¸
¸
¸
¸
¸
¸
= (o
2
/
3
−o
3
/
2
) i+(o
3
/
1
−o
1
/
3
) j + (o
1
/
2
−o
2
/
1
) k
Expresión matricial del producto vectorial. Matriz de espín de un vector
Seael vector deorden3
o =
_
_
_
o1
o2
o
3
_
¸
_
Sedefinelamatriz espíndeestevector, yladesignamospor
˜
Aalamatriz antisimétrica
˜
A =
_
_
_
0 −o
3
o
2
o
3
0 −o
1
−o2 o
1
0
_
¸
_
Lautilidaddelamatriz espín, entreotras, esladeexpresar el productovectorial dedos
vectoresenformamatricial. Enefecto, puedecomprobarseque
o ×

/ =
˜
Ab =
_
_
_
0 −o
3
o
2
o
3
0 −o
1
−o2 o
1
0
_
¸
_
_
_
_
/
1
/
2
/3
_
¸
_ =
_
_
_
o
2
/
3
−o
3
/
2
o
3
/
1
−o
1
/
3
/2o1 −o2/1
_
¸
_
Producto de una matriz por un escalar
Lamatriz C = cA tienepor elementos los deA multiplicados por el
escalar c,
c
i)
= ca
i)
Inversión
La matriz cuadrada B es la inversa de la matriz cuadrada A, esto es,
B = A
−1
, si severifica
BA = AB = I
CAPÍ TULO B FUNDAMENTOS DE CÁLCULO MATRI CI AL 1047
endonde I eslamatriz unidad.
Notodaslasmatricescuadradastieneninversa, llamándosesingulares a
lasquenolatienen.
Lamatriz inversadeunproductodematrices, casodeexistir, esigual al
productodelasinversasdeambas, cambiadasdeorden,
(BA)
−1
= A
−1
B
−1
Lamatriz inversadeunatraspuestaesigual alatraspuestadelainversa,
casodeexistir ésta,
¡
A
T
¢
−1
=
¡
A
−1
¢
T
Matriz ortogonal
UnamatrizQesortogonal si severificaqueescuadradayquesuinversa
esigual asutraspuesta:
Q
−1
= Q
T
↔Qantisimétrica
oloqueeslomismo,
QQ
T
= Q
T
Q = I
Por ejemplo, lamatriz
Q =



0 −1 0
0 0 1
−1 0 0



esortogonal, yaque
QQ
T
=



0 −1 0
0 0 1
−1 0 0






0 −1 0
0 0 1
−1 0 0



T
=



0 −1 0
0 0 1
−1 0 0






0 0 −1
−1 0 0
0 1 0



=



1 0 0
0 1 0
0 0 1



Particiones y fusiones
Unaparticióndeunamatriz ensubmatricesconsisteengenerar variasa
partir delaoriginal escogiendofilasycolumnasdeterminadas. Por ejemplo:
1048 B.3OPERACI ONES MATRI CI ALES BÁSI CAS
A =








a
1,1
a
1,2
a
1,3
a
1,4
a
2,1
a
2,2
a
2,3
a
2,4
a
3,1
a
3,2
a
3,3
a
3,4
a
4,1
a
4,2
a
4,3
a
4,4
a
5,1
a
5,2
a
5,3
a
5,4








puedeparticionarsedelaforma
A =
"
A
11
A
12
A
21
A
22
#
endonde
A
11
=



a
1,1
a
1,2
a
1,3
a
2,1
a
2,2
a
2,3
a
3,1
a
3,2
a
3,3



A
12
=



a
1,4
a
2,4
a
3,4



A
21
=
"
a
4,1
a
4,2
a
4,3
a
5,1
a
5,2
a
5,3
#
A
22
=
"
a
4,4
a
5,4
#
El procesoinversodelaparticióneslafusión, medianteel cual secons-
truyeunamatriz apartir devariasdemenor tamaño. Ni quedecir tieneque
el número defilas y decolumnas delas matrices constituyentes hadeser
consistenteparaquelafusiónseaposible.
CAPÍ TULO B FUNDAMENTOS DE CÁLCULO MATRI CI AL 1049
B.4. Resolución de sistemas de ecuaciones li-
neales
Laresolucióndel sistemadeecuacioneslineales
Ax = b
seexpresasimbólicamente
x = A
−1
b
aunqueno es necesario invertir lamatriz A para encontrar x. El procedi-
mientomás efectivodesdeel puntodevistacomputacional pararesolver el
sistemaconsisteendescomponer lamatriz Aenproductodedosmatrices
A = LU
en donde L y U son matrices triangulares, inferior (del inglés, Lower) y
superior (Upper) respectivamente, estoes
L =








|
11
0 0 · · · 0
|
21
|
22
0 · · · 0
|
31
|
32
|
33
· · · 0
· · · · · · · · · · · · · · ·
|
a1
|
a2
· · · · · · |
aa








U =








1 n
12
n
13
· · · n
1a
0 1 n
23
· · · |
2a
0 0 1 · · · n
3a
· · · · · · · · · · · · · · ·
0 0 0 · · · 1








Todamatrizcuadradano singular puedesiempredescomponersedeesta
forma. Además, los elementos |
i)
y n
i)
pueden calcularse recursivamente
mediante
|
i)
= a
i)

)−1
X
v=1
|
iv
n
v)
i ≥ ,
n
i)
=
a
i)

P
i−1
v=1
|
iv
n
v)
|
ii
i < ,
n
ii
= 1
1050 B.4RESOLUCI ÓN DE SI STEMAS DE ECUACI ONES LI NEALES
Si enel procesodecálculoseobtuviera|
ii
= 0, esnecesariointercambiar
lafilai conalgunadelassiguienteshastaqueel nuevo|
0
ii
seadistintodecero
ypuedaproseguirseel cálculo. Estoserepitetantasvecescomoseencuentre
un|
ii
nulo. Si ocurrieraquenoesposible, medianteesteintercambiodefilas,
escaparsedetal condición, hadedarseel cálculopor terminadopuestoque
lamatriz Aessingular, yel sistemanotienesoluciónúnica.
Unavezdescompuestadeestaforma, el sistemaoriginal sedescompone
endos, yaque
Ax = LUx = b
por loque
Lz= b
Ux= z
siendo el primero deellos muy sencillo deresolver teniendo en cuenta la
definicióndelamatriz L dadaanteriormente. Obsérvesequesuprimerafila
sólocontieneunelementononulo, por loque.
1
secalculainmediatamente.
Conocido.
1
lasegundafilaproporciona.
2
yasí sucesivamentehastacalcu-
lar .
a
. Conocido el vector . el segundo sistemadeecuaciones nos permite
calcular x queeranuestro objetivo. Enestaocasión, es necesario empezar
por laúltimaecuaciónqueproporcionadirectamenter
a
= .
a
. Delapenúlti-
maobtenemosr
a−1
yasí vamosremontandohastaobtener todoslosvalores
der
i
, conloqueel sistemadeecuacionesquedaresuelto.
Enanálisis estructural por el MétododelosDesplazamientos, lamatriz
del sistema(Matriz deRigidez) es simétricay definidapositiva. Elloes es-
pecialmenteinteresantedesdeel punto devista computacional, porquetal
matriz siemprepuededescomponersedelaforma
A = LL
T
en donde, como antes, L es una matriz triangular inferior. En este caso,
el calculo de los elementos |
i)
se realiza particularizando las expresiones
obtenidasanteriormente, detal formaque
CAPÍ TULO B FUNDAMENTOS DE CÁLCULO MATRI CI AL 1051
|
ii
=
v
u
u
t
a
ii

i−1
X
v=1
|
2
iv
(B.1)
|
i)
=
a
i)

P
)−1
v=1
|
iv
|
)v
|
))
i ,
|
i)
= 0 i < ,
Obtenidos los elementos |
i)
el sistema se resuelve como antes en dos
partes
Lz= b
L
T
x= z
queesformalmenteidénticoal descritoanteriormenteparamatricesgenera-
les, nosiendonecesariocomentarioadicional alguno.
Nótese que el cálculo de |
i)
hace intervenir una raíz cuadrada. Puede
demostrarsequesi duranteel procesoderesoluciónsellegaraaobtener un
radicandonegativoonulo, elloindicaríaquelamatriz A no es definida po-
sitiva yel procedimientonopuedecontinuar. Si estosucedeenunproblema
estructural esnecesariorevisar el procedimientopor el quesecalculólama-
trizA. Nótese que esta circunstancia no indica que la matriz Asea singular:
simplemente indica que no es definida positiva.
Ejemplo B.1
Encontrar la descomposición de Choleski de la matriz simétrica
A =
_
o11 o12
o12 o22
_
y discutir las condiciones de existencia de tal descomposición
Solución
1052 B.4RESOLUCI ÓN DE SI STEMAS DE ECUACI ONES LI NEALES
Pretendemosencontrar unamatriz triangular inferior,
L =
_
|
11
0
|
12
|
22
_
tal que
A = LL
T
esdecir,
_
o
11
o
12
o
12
o
22
_
=
_
|
11
0
|
12
|
22
__
|
11
|
12
0 |
22
_
Igualandoel elemento(1, 1)
o
11
= |
2
11
→|
11
=

o
11
loqueobligaaqueo
11
0. Denoser así, lamatriz A noesdefinidapositivayladescom-
posiciónnopuedeproseguir. El término(1, 2)
o
12
= |
11
|
12
→|
12
=
o12
|11
loqueobligaaque|11 debeser distintodecero, esdecir, o11 nosólohadeser positivosino
ademásdistintodecero. Finalmente, el término(2, 2)
o
22
= |
2
12
+ |
2
22
→|
22
=
_
o
22
−|
2
12
=
¸
o
22

o
2
12
|
2
11
=
¸
o
22

o
2
12
o11
loqueobligaaque
o22 o
2
12
¸o11
Si severificaraque
o
22
= o
2
12
¸o
11
lamatriz Aseríasingular yaquesudeterminantees
det (A) = o
11
o
22
−o
2
12
Endefinitiva, lascondicionesquedebeverificar lamatriz Aparaqueladescomposiciónsea
posibleson
o11 0
o22 o
2
12
¸o11
quesonlasmismasqueserequierenparaquelamatrizAseadefinida positiva.
Enefecto, sabemosqueunamatrizdefinidapositivadebeverificar cualquieradelascon-
diciones equivalentesenunciadas enlaSecciónC.0.1. Supongamospor ejemploqueo22 <
o
2
12
¸o
11
. Entonces, el menor deorden2×2 tendríaunvalor o
11
o
22
−o
2
12
queseríanegativo,
violandolaprimeradelascondiciones. Tambiénseviolaríalatercera. Enefecto, formemos
el productoescalar
c = x
T
Ax
conunvector x 6= 0. Esteescalar debeser positivoparacualquier vector x. Vamosacom-
probarlo
c =
_
r1 r2
_
_
o
11
o
12
o
12
o
22
__
r
1
r
2
_
= o
11
r
2
1
+ 2o
12
r
1
r
2
+ o
22
r
2
2
CAPÍ TULO B FUNDAMENTOS DE CÁLCULO MATRI CI AL 1053
Por ejemplo, supongamoslamatriz
_
1 2
2 3
_
queverificalacondicióno22 < o
2
12
¸o11. Enestecaso, el vector x =
_
1 −2¸3
_
por
ejemploestal que
_
1 −2¸3
_
_
1 2
2 3
__
1
−2¸3
_
= −
1
3
queesnegativo.
LasegundadelascondicionesenunciadasenlaSecciónC.0.1tambiénfalla, yaquelos
autovaloresdelamatriz
_
1 2
2 3
_
son
`1,2 =
_
2 −

5
_
,
_
2 +

5
_
unodeloscualesesnegativo.
¥
Ejemplo B.2
Resolver por descomposición de Choleski el sistema de ecuaciones
_
_
_
6 5 −4
5 6 −3
−4 −3 5
_
¸
_
_
_
_
r
1
r
2
r
3
_
¸
_ =
_
_
_
4
8
5
_
¸
_
Solución
Recordemoslasfórmulasrecurrentesquenospermitenconstruir lamatriz L
|.. =
¸
¸
¸
_
o.. −
.−1

r=1
|
2
.r
|

=
o

¡−1
r=1
|
.r
|
¡r
|¡¡
i )
1054 B.4RESOLUCI ÓN DE SI STEMAS DE ECUACI ONES LI NEALES
Aplicándolassucesivamente.
|
11
=

6
|
21
=
o
21
|
11
=
5

6
|
31
=
o31 −

0
r=1
|.r|¡r
|
11
=
−4

6
|22 =
_
o22 −

1
r=1
|
2
2r
=
_
6 −
_
5

6
_
2
=
1
6

6

11
|32 =
o
32
−|
31
|
21
|
22
=
(−3) −
_
−4

6
_
_
5

6
_
1
6

6

11
=
1
33

6

11
|
33
=
_
o
33

2
r=1
|
2
3r
=
_
o
33
−(|
2
31
+ |
2
32
) =
¸
¸
¸
_
5 −
_
_
−4

6
_
2
+
_
1
33

6

11
_
2
_
=
5
11

11
Los resultados demuestran quelamatriz dadaes definidapositivapuesto quelos ele-
mentos deladiagonal principal |
..
son todos positivos. Si alguno delos |
..
hubierasalido
negativooimaginario, el procesodebepararseinmediatamenteyaquelamatriz noseríade-
finidapositivayladescomposicióndeCholeski noexiste. El sistemadeecuacioneshabríade
resolversepor el procedimientogeneral, descomponiendoAenlaforma
A = LU
Lamatriz triangular inferior L espues
L =
_
_
_
_
_

6 0 0
5
6

6
1
6

6

11 0

2
3

6
1
33

6

11
5
11

11
_
¸
¸
¸
_
Puedecomprobarsequeefectivamentequeseverifica
_
_
_
6 5 −4
5 6 −3
−4 −3 5
_
¸
_ =
_
_
_
_
_

6 0 0
5
6

6
1
6

6

11 0

2
3

6
1
33

6

11
5
11

11
_
¸
¸
¸
_
_
_
_
_
_

6 0 0
5
6

6
1
6

6

11 0

2
3

6
1
33

6

11
5
11

11
_
¸
¸
¸
_
T
Pararesolver el sistema
Ax = b
Llamamos
L
T
x = z
conloque
Lz = b
El sistemaseresuelvefácilmente
_
_
_
_
_

6 0 0
5
6

6
1
6

6

11 0

2
3

6
1
33

6

11
5
11

11
_
¸
¸
¸
_
_
_
_
:1
:
2
:
3
_
¸
_ =
_
_
_
4
8
5
_
¸
_
CAPÍ TULO B FUNDAMENTOS DE CÁLCULO MATRI CI AL 1055
Delaprimeraecuación
:1 =
4

6
delasegunda
5
6

6:1 +
1
6

6

11:2 = 8
:2 =
8 −
5
6

6
_
4

6
_
1
6

6

11
=
14

2

33
ydelatercera
:
3
=
5 −
_

2
3

6
_
4

6
__

1
33

6

11
_
14

2

33
_
5
11

11
=
15
11

11
El segundopaso, el remonte hacia atrás consisteenresolver
L
T
x = z
_
_
_
_
_

6
5
6

6 −
2
3

2

3
0
1
6

6

11
1
33

2

33
0 0
5
11

11
_
¸
¸
¸
_
_
_
_
r
1
r
2
r
3
_
¸
_ =
_
_
_
_
_
_
_
4

6
14

2

33
15
11

11
_
¸
¸
¸
¸
¸
_
que se soluciona igual que el anterior, sólo que empezando en esta ocasión por la última
ecuación.
r
3
=
15
11

11
5
11

11
= 3
r
2
=
14

2

33

1
33

2

33 (3)
1
6

6

11
= 2
r1 =
4

6

_

2
3

2

3
_
(3) −
5
6

6 (2)

6
= 1
El resultadoes
_
_
_
r1
r2
r
3
_
¸
_ =
_
_
_
1
2
3
_
¸
_
¥
1056 B.4RESOLUCI ÓN DE SI STEMAS DE ECUACI ONES LI NEALES
C
Cálculo numérico de autovalores
y autovectores
Engeneral, si multiplicamos unamatriz A por unvector cualquierax,
obtenemos otro vector z = Ax que no llevará la dirección del vector de
1058
partida x. Por ejemplo
"
4 0
−1 2
#"
1
2
#
=
"
4
3
#
quenollevaladireccióndel vector original x =
h
1 2
i
T
Sinembargo, si x =
h
0 1
i
T
"
4 0
−1 2
#"
0
1
#
=
"
0
2
#
vemos queel vector resultantees el doblequeel original. Es más, si x =
h
−2 1
i
T
"
4 0
−1 2
#"
−2
1
#
=
"
−8
4
#
el nuevovector escuatrovecesel original. Paraestamatriz sóloexistenes-
tos dos vectores queverificanlacondicióndequeel vector producto lleve
la misma dirección que el vector original: son los dos autovectores de la
matriz A. Las constantes deproporcionalidad(enestecaso, 2 y 4) sonlos
correspondientesautovalores
1
.
Engeneral, unamatriz deorden: × : tiene: vectoresx queverifican
lacondición
Ax = `x
endonde` esunescalar. Laecuaciónanterior puedeescribirsedelaforma
(A−`I) x = 0
endondeI eslamatrizunidaddeorden:×:. Paraqueestesistemadeecua-
cionestengasolucióndistintadex = 0, escondiciónnecesariay suficiente
queseverifique
det (A−`I) = 0 (C.1)
El desarrollodel determinantedelaexpresiónanterior conduceaunpolino-
miodegrado: enlavariable` quetendrá: soluciones, `
i
, (queengeneral
1
Tambiénllamadosvaloresyvectorespropiosovaloresyvectorescaracterísticos
CAPÍ TULO C CÁLCULO NUMÉRI CO DE AUTOVALORES Y AUTOVECTORES 1059
serán números complejos). Paracadaunadeestas raíces `
i
existeun vec-
tor x
i
queverificalaecuaciónanterior. siendolosautovectoreslosvectores
x solucióndel sistema
Ax
i
= `
i
x
i
Losautovectoresquedanindeterminadospor unaconstantedeproporciona-
lidadarbitraria, yaquesi x es un autovector deA, también lo es cx para
cualquier constantec.
Engeneral, losautovaloresyautovectoresdeunamatrizAsoncomplejos. Por ejemplo,
losautovaloresyautovectoresdelamatriz
A =
_
1 2
−1 0
_
son
`
1
=
1
2
−i

7
2
`
2
=
1
2
+i

7
2
x
1
=
_
_

1
2
+ i

7
2
1
_
_
x
2
=
_
_

1
2
−i

7
2
1
_
_
yaque
_
1 2
−1 0
_
_
_

1
2
+ i

7
2
1
_
_
=
_
_
_
3
2
+ i

7
2
1
2
−i

7
2
_
¸
_ =
_
1
2
−i

7
2
_
_
_

1
2
+ i

7
2
1
_
_
_
1 2
−1 0
_
_
_

1
2
−i

7
2
1
_
_
=
_
_
_
3
2
−i

7
2
1
2
+ i

7
2
_
¸
_ =
_
1
2
+ i

7
2
_
_
_
_
3
2
−i

7
2
1
2
+ i

7
2
_
¸
_
Por último, cabedestacar quenotodaslasmatricesdeordenn×n tienenn autovectores.
Puede suceder que haya menos. Este caso se puede presentar cuando existan autovalores
repetidos. Por ejemplo, lamatriz
A =
_
2 1
0 2
_
tienecomoautovaloreslassolucionesdelaecuación
det
__
2 1
0 2
_
−`
_
1 0
0 1
__
= (` −2)
2
esdecir, `
1,2
= 2. Sinembargo, puedecomprobarsenotienemásqueunautovector
x =
_
1
0
_
Lacondicióndequeexistanautovaloresmúltiplesescondiciónnecesariaparalacarenciade
autovectores. Peronoessuficiente. Por ejemplo, lamatriz
1060
A =
_
2 0
0 2
_
tienetambiénunautovalor doble, perotienesusdosautovectores
x
1,2
=
_
1
0
_
,
_
0
1
_
Estetipodedificultadesdesaparecenenel casodequelamatrizAseasimétrica. Puede
demostrarsequetodamatriz real simétrica deorden n × n tienen autovalores y n auto-
vectoresreales. Y puestoqueenel CálculoDinámicoloqueaparecensonsiemprematrices
simétricas, esteesel casoquemásnosinteresa.
C.0.1. Autovalores y autovectores de matrices simétricas
Haquedadodichoquecualquier matrizsimétricatieneunconjuntocom-
pleto deautovalores y autovectores y ello independientementedequehaya
autovaloresrepetidos. Puededemostrarsequesi A esunamatriz real simé-
trica, siempreexisteunamatriz ortogonal real Qtal que
Q
T
AQ = D
endondeD esunamatriz diagonal denúmerosreales(quesonsusautova-
lores)
2
Unamatriz simétrica esdefinida positiva si secumpleunacualquierade
lassiguientestrescondicionesequivalentes:
Todoslosmenoresformadosconladiagonal principal sonpositivos.
Todossusautovaloressonpositivos
El escalar x
T
Ax espositivoparacualquier vector x 6= 0
Por ejemplo, lamatriz A =
"
3 −2
−2 2
#
es definida positiva, lo cual
puedecomprobarsefácilmente
Menoresprincipales: |3| y
¯
¯
¯
¯
¯
3 −2
−2 2
¯
¯
¯
¯
¯
= 2 sonpositivos
2
Enlenguajematemáticoseexpresadiciendoquetoda matriz simétrica es diagonalizable
mediante una transformación ortogonal. Laproposiciónpuedeextenderseamatriceshermí-
ticas quesonlaversiónsimétricaenel campocomplejo.
CAPÍ TULO C CÁLCULO NUMÉRI CO DE AUTOVALORES Y AUTOVECTORES 1061
Susautovalores, quesonlasraícesdesupolinomiocaracterístico, esto
es
¯
¯
¯
¯
¯
3 −` −2
−2 2 −`
¯
¯
¯
¯
¯
= 2 −5` + `
2
son
¡
5
2
+
1
2

17
¢
y
¡
5
2

1
2

17
¢
, ambospositivos.
El escalar
h
r
1
r
2
i
"
3 −2
−2 2
#"
r
1
r
2
#
= 3r
2
1
−4r
1
r
2
+2r
2
2
= r
2
1
+2 (r
2
−r
1
)
2
essiemprepositivoparacualquier r
1
, r
2
.
Si el atributo «mayor que cero» sesustituyepor menor que cero, ma-
yor o igual que cero o finalmentemenor o igual que cero, seoriginan las
correspondientes definicionesdematricesdefinidas negativas, definidas se-
mipositivas odefinidas seminegativas respectivamente.
El problemadeautovaloresqueapareceenel CálculoDinámico
(−`M+K)  = 0 (C.2)
puedeescribirsedelaforma(C.1) sinmás quetener encuentaquelamatriz M (parapro-
blemas lineales) siemprehadeser simétrica y definida positiva. Es sabido quetodamatriz
simétricaydefinidapositivapuedeescribirsedelaforma
M = GG
T
conG unamatriz nosingular
3
. Premultiplicandolaecuación(C.2) por G
−1
ypostmultipli-
candopor Gseobtiene
G
−1
_
−`GG
T
+K
_
cG = 0
_
−`G
T
+G
−1
K
_
cG = 0
yllamando
cG = G
−T
x
seobtiene
_
−`G
T
+G
−1
K
_
G
−T
x = 0
_
−`I +G
−1
KG
−T
_
x = 0
3
Estadescomposiciónnoesúnica. UnaposiblesoluciónesladescomposicióndeCholeski
vistaanteriormente.
1062
quees el resultado buscado, conA = G
−1
KG
−T
, matriz cuyos autovalores sonlos mis-
mosquelosdel sistemaoriginal ysusautovectoresserelacionanconlosmodospropiosdel
sistemaoriginal mediantelaexpresión
 = G
−T
xG
C.0.2. Autovalores y autovectores de matrices antisimé-
tricas
Puedetambiéndemostrarsequeunamatrizantisimétricadeordenimpartienesiempreun
autovalor nuloysuautovector correspondienteesreal. Losdemásautovaloressoncomplejos
conjugados, al igual quelosautovectorescorrespondientes. Si esdeordenpar, engeneral no
existeningúnautovalor nulo.
Por ejemplo, losautovaloresyautovectoresdelamatriz antisimétrica
A =
_
0 −2
2 0
_
son
`
1,2
= ± 2i x
1,2
=
_
−i
1
_
,
_
i
1
_
ylosde
A =
_
_
_
0 −2 1
2 0 3
−1 −3 0
_
¸
_
son
`
1,2,3
= 0, ±i

6 x
1,2,3
=
_
_
_
_
_
1
2
1
2
1
_
¸
¸
¸
_
,
_
_
_
_
_

1
2
i

6 −1
1
2
i

6 −1
1
_
¸
¸
¸
_
,
_
_
_
_
_
1
2
i

6 −1

1
2
i

6 −1
1
_
¸
¸
¸
_
C.0.3. Cálculo numérico de autovalores y autovectores
Cálculo de las raíces de un polinomio
Parael cálculo delas frecuencias propias deunsistemadinámico serequierecomo se
saberesolver laecuación
det
_
−.
2
M+K
_
= 0
loquesetraduceenunpolinomiodeordenn en.
2
.
En el caso dequen seamenor o igual que4, las raíces sepueden calcular deforma
exactay explícita. El lector interesado puedeconsultar cualquier texto deálgebraparaver
cómo sehace. Durantemucho tiempo sepretendieron extender estos procedimientos para
ecuacionesdeordensuperior al cuarto. Peroni el mismoLagrangefuecapaz dehacerlo. No
esdeextrañar: Abel en1825
4
, demostróquetal empeñoeraimposible. Enuncasogeneral,
4
Teníaentonces...¡diecinueveaños!
CAPÍ TULO C CÁLCULO NUMÉRI CO DE AUTOVALORES Y AUTOVECTORES 1063
parapolinomios deorden superior al cuarto, el cálculo delas raíces hay querealizarlo de
formaiterativa.
Los ingenieros antiguos sabíancalcular analíticamentelas raíces depolinomiosdeter-
cer y cuarto orden. Las necesitaban paratareas demuy diversaíndole, no sólo dentro del
campo de los autovalores, sino también por cuestiones de estabilidad en diversos proble-
mas dinámicos. Hoy hay muy pocos quesabríanhacerlo. Uno deellos, el propio autor. En
todoslosejemplosdesarrolladosenestelibro. lasraícessehancalculadoempleandoprogra-
masdecálculosimbólicocomoMuPad
R °
, Maple
R °
, Matlab
R °
(consumódulosimbólico),
Mathematica
R °
, etc.
Procedimientos numéricos
Enconsecuencia, enuncaso general, el cálculo deautovalores y auto-
vectores hadehacersenuméricamenteExistennumerosos procedimientos,
pero unodelos más sencillos decomprender y deprogramar es el Método
delaPotencia, queesel quedescribiremosaquí.
Suponiendo quelamatriz K seano singular, premultiplicando laecua-
cióndeautovalorespor K
−1
¡
−.
2
K
−1
M+I
¢
c = 0 (C.3)
quepodemosescribir delaforma
(A−`I) φ = 0 (C.4)
endonde
A = K
−1
M ` =
1
.
2
Laecuación(C.4) eslaecuacióndeautovaloresyautovectoresescritaen
laformacanónica. NótesequelosautovectoresdelamatrizAsonlosmodos
propiosφ del sistema(C.3) yquesusautovalores` secorrespondenconlos
cuadradosdelasfrecuenciaspropias.
2
a
de(C.3).
Vamos a describir un proceso iterativo que converge hacia el máximo
autovalor ` deA y el autovector correspondiente. Nótesequeel máximo
autovalor ` correspondeal cuadradodelamínima frecuencia natural, aspec-
toéstequenosesútil enel campodel análisisdinámicoenel queloquenos
interesaespecialmentesonlasfrecuenciasnaturalesmásbajas.
El proceso comienza eligiendo un vector cualquiera z
0
de partida. Si
dieralacasualidaddequeseverificaraque
Az
0
= `z
0
con` unaconstante, resultaríaquez
0
seríaunautovector y` sucorrespon-
dienteautovalor. Comoeslógicoestonosucederáengeneral. Perollamamos
z
1
= Az
0
1064
yahorarepetimosel procesoconz
1
obteniendounnuevovector z
2
z
2
= Az
1
= A
2
z
0
yasí sucesivamente, obteniendovectoresz
I
mediantelaoperación
z
I
= Az
I−1
= A
I
z
0
Puededemostrarsequesiguiendoesteprocesolosvectoresz
1
, z
2
, . . . , z
I
«separecen»cadavezmásentresí, salvounaconstantedeproporcionalidad.
Dehecho, amedidaque/ crece, el vectorz
I
escadavez«másproporcional»
al autovector φ
1
, el modo propio correspondientealafrecuenciamás baja
del sistemaoriginal (C.3), esdecir
z
I
= A
I
z
0

I→∞

1
conc unaconstante.
Demostración.
Llamemos
1
, 
2
, . . . , 
^
alosautovectores(modospropios) exactos(desconocidos)
delamatriz A y `
1
`
2
≥ · · · ≥ `
^
asus autovalores (ordenados demayor amenor).
Laestimacióninicial delaquehemospartido, z0, puestoqueel conjuntodeautovectores
.
sonlinealmenteindependientes, siemprepodráexpresarsecomounacombinaciónlineal de
éstos,
z0 = c1
1
+ c2
2
+· · · + c^
^
conloqueel vector obtenidoenlaI−ésimaiteraciónes
z
I
= A
I
z0
= A
I
(c1
1
+ c2c2 +· · · + c^
^
)
Ahorabien, si  eslamatrizdeautovectores(matriz modal) delamatriz A, estoes
 =
_

1

2
. . . 
^
_
ylosautovaloreslosdisponemosenlamatriz diagonal Λ,
Λ =
_
_
_
_
_
_
`
1
`
2
.
.
.
`^
_
¸
¸
¸
¸
_
setieneque
A = ΦΛΦ
−1
ypor consiguiente
A
I
=
_
ΦΛΦ
−1
_ _
ΦΛΦ
−1
_
. . .
_
ΦΛΦ
−1
_
= ΦΛ
I

−1
CAPÍ TULO C CÁLCULO NUMÉRI CO DE AUTOVALORES Y AUTOVECTORES 1065
Podemosescribir
z
I
= A
I
(c1
1
+ c2
2
+· · · + c^
^
) = A
I
Φa
endondehemosllamado
a =
_
c1 c2
.
.
. c^
_
T
por loque
z
I
= ΦΛ
I

−1
Φa = ΦΛ
I
a
Desarrollandolaexpresiónanterior
z
I
= ΦΛ
I
a =
_

1

2
. . . 
^
_
_
_
_
_
_
_
`
I
1
`
I
2
.
.
.
`
I
^
_
¸
¸
¸
¸
_
_
_
_
_
_
_
c
1
c2
.
.
.
c
^
_
¸
¸
¸
¸
_
= c
1
`
I
1

1
+ c
2
`
I
2

2
+· · · + c
^
`
I
^

^
= c
1
`
I
1
_

1
+
c
2
c
1
_
`
2
`
1
_
I
c
2
+· · · +
c
^
c
1
_
`
^
`
1
_
I

^
_
Ahorabien, puestoque, por hipótesis, `
1
`
2
≥ · · · ≥ `
^
el cociente(`
.
¸`
1
)
I
va
haciéndosemáspequeñoamedidaqueI crece. Por consiguiente, podemosdecir que
l´ım
I→∞
z
I
= c
1
`
I
1
c
1
es decir, enel límite, z
I
tiendeaunvector proporcional al primer autovector 
1
, como se
pretendíademostrar.
Nótesequeel factor deproporcionalidad, c
1
`
I
1
puedeser unnúmeromuygrande, enel
casodeque`
1
1, omuypequeño, enel casodeque`
1
< 1, por loque, encadaoperación
z
I
= Az
I−1
convieneintroducir unfactor deescala. Deestaforma,
z

I
= ,
I
z
I
= ,
I
Az
I−1
Estopuedehacersedemuchasmaneras. Unadelasmásusualesesescalar el vector z
I
detal
formaqueel valor máximosealaunidad,
,
I
=
1
m´ax|z
I
|
Si hacemosestoencadaiteración, esfácil comprobar que
l´ım
I→∞
,
I
= `1
l´ım
I→∞
z

I
= 
1
Por consiguiente, unalgoritmoqueproporcionael primer autovalor ysu
autovector correspondienteesel siguiente:
1066
1. Elegir unvector arbitrarioz
0
y hacer queel máximovalor sealauni-
dad, z

0
= ,
0
z
0
2. Hacer / = 1
3. Obtener z
I
= Az

I−1
4. Normalizar z
I
paraquesuvalor máximosealaunidad, z

I
= ,
I
z
I
5. Si ladiferenciaentrez

I
yel anterior z

I−1
essuficientementepequeña,
ir al paso7
6. Si no, hacer / = / + 1 yvolver al paso3
7. Terminar. El autovalor buscadoes`
1
≈ ,
I
yel autovector esφ
1
≈ z

I
Obtención de los demás autovalores y autovectores
Paraobtener el siguienteautovalor `
2
y su autovector correspondiente
φ
2
, procederemos delasiguienteforma. Enprimer lugar, normalicemos el
vector φ
1
, obtenidoanteriormente, conrespectoalamatrizdemasa, estoes,
tomemosunvector
¯
c
1
= ¸φ
1
demaneraque
¯
c
T
1
M
¯
c
1
= 1 →¸
2
φ
T
1
Mc
1
= 1 →¸ =
1
q
φ
T
1
Mc
1
yconstruyamoslanuevamatriz
A
2
= A−`
1
¯
c
1
¯
c
T
1
M
endonde`
1
esel primer autovalor encontradoanteriormente.
Esfácil demostrarqueestanuevamatriztienecomoautovalores0, `
2
, `
3
, . . . , `
.
ycomoautovectoreslosmismosquelamatrizoriginal A. Esdecir, tienelos
mismos autovalores (a excepción del primero, que es nulo) y los mismos
autovectores quelamatriz original. Paracalcular el segundoautovalor más
grande(queahoraes`
2
), podemosprocederdel mismomodoqueantes, pero
ahoraconlamatriz A
2
, y el procesoconvergeráhaciael máximoautovalor
de A
2
(`
2
, el segundo autovalor más grande de A) y su correspondiente
autovector φ
2
(queel mismoqueel deA).
Demostración
La matriz A2 tiene un autovalor nulo correspondiente al autovector 
1
CAPÍ TULO C CÁLCULO NUMÉRI CO DE AUTOVALORES Y AUTOVECTORES 1067
Paraello, formemosel productoA2
1
con
1
= ¸
¯
c1
A
2

1
=
_
A−`
1
¯
c
1
¯
c
T
1
M
_

1
=
1
¸
_
A
¯
c
1
−`
1
¯
c
1
¯
c
T
1
M
¯
c
1
_
=
1
¸
_
¸A
¯
c
1
−`1
¯
c1
¯
c
T
1
M
¯
c
1
_
=
1
¸
_
A
¯
c
1
−`1
¯
c1
_
ypuestoque`
1
esautovalor deAsetendráqueA
¯
c
1
= `
1
¯
c
1
por loque
A
2

1
= 0
locual significaquelamatriz A
2
tieneunautovalor nuloysuautovector correspon-
dientees
1
, comosepretendíademostrar.
La matriz A2 tiene los demás autovalores y autovectores iguales a los de la matriz
original A.
Sea
2
el segundo autovector delamatriz original A y `
2
el autovalor correspon-
diente. MultipliquemosA2 por 
2
A
2

2
=
_
A−`
1
¯
c
1
¯
c
T
1
M
_

2
A
2

2
= A
2
−`
1
¯
c
1
¯
c
T
1
M
_
1
¸
¯
c
2
_
peroteniendoencuentaque
¯
c
T
1
M
¯
c
2
= 0, yaquelosmodospropiossonortogonales
conrespectoalamatriz demasa, y ademásqueA 
2
= `
2
c
2
, puestoque`
2
y 
2
sonel segundoautovalor yautovector deArespectivamente, setieneque
A
2

2
= `
2

2
locual demuestraque`
2
estambiénunautovalor deA
2
y
2
essuautovector corres-
pondiente.
Paracalcular el tercer autovalor yautovector, formamoslamatriz
A
3
= A
2
−`
2
¯
c
2
¯
c
T
2
M
que, al igual que sucedía antes, puede demostrarse que tienedos autovalores nulos y sus
correspondientesautovectoreslosmismosquelamatriz original A. Losdemás, sonlosmis-
mos. El lector puededemostrar queestoes así siguiendounprocedimientosimilar al desa-
rrolladoanteriormente.
Engeneral, el I−ésimoautovalor yautovector secalculanempleandolamatriz
A
I
= A
I−1
−`
I−1
¯
c
I−1
¯
c
T
I−1
M
1068
Ejemplo C.1
Dadas las matrices de masa y de rigidez
M =
_
_
_
3 0 0
0 2 −0
0 0 1
_
¸
_ K =
_
_
_
2 −1 0
−1 2 −1
0 −1 1
_
¸
_
calcular las frecuencias y modos propios por el Método de la Potencia Inversa
Solución
Comenzamosconel vector
z0 =
_
_
_
1
1
1
_
¸
_
Calculamoslamatriz A
A = K
−1
M =
_
_
_
2 −1 0
−1 2 −1
0 −1 1
_
¸
_
−1
_
_
_
3 0 0
0 2 −0
0 0 1
_
¸
_
=
_
_
_
3 2 1
3 4 2
3 4 3
_
¸
_
1. Primeraiteración
z
0
1
= Az
0
=
_
_
_
3 2 1
3 4 2
3 4 3
_
¸
_
_
_
_
1
1
1
_
¸
_ =
_
_
_
6
9
10
_
¸
_ = 10
_
_
_
6¸10
9¸10
1
_
¸
_
z
1
=
_
_
_
6¸10
9¸10
1
_
¸
_ `
1
= 10
CAPÍ TULO C CÁLCULO NUMÉRI CO DE AUTOVALORES Y AUTOVECTORES 1069
2. Segundaiteración
z
0
2
= Az
1
=
_
_
_
3 2 1
3 4 2
3 4 3
_
¸
_
_
_
_
6¸10
9¸10
1
_
¸
_ =
_
_
_
_
_
23
5
37
5
42
5
_
¸
¸
¸
_
=
42
5
_
_
_
_
_
23
42
37
42
1
_
¸
¸
¸
_
`
2
=
42
5
z
2
=
_
_
_
_
_
23
42
37
42
1
_
¸
¸
¸
_
`
2
=
42
5
= 8. 4
3. Terceraiteración
z
0
3
= Az2 =
_
_
_
3 2 1
3 4 2
3 4 3
_
¸
_
_
_
_
_
_
23
42
37
42
1
_
¸
¸
¸
_
=
_
_
_
4. 404 8
7. 166 7
8. 166 7
_
¸
_ = 8. 166 7
_
_
_
0.539 36
0.877 55
1.0
_
¸
_
z3 =
_
_
_
0.539 36
0.877 55
1.0
_
¸
_ `3 = 8. 166 7
4. Cuartaiteración
z
0
4
= Az3 =
_
_
_
3 2 1
3 4 2
3 4 3
_
¸
_
_
_
_
0.539 36
0.877 55
1.0
_
¸
_ =
_
_
_
4. 373 2
7. 128 3
8. 128 3
_
¸
_ = 8. 128 3
_
_
_
0.538 02
0.876 97
1.0
_
¸
_
z4 =
_
_
_
0.538 02
0.876 97
1.0
_
¸
_ `3 = 8. 128 3
5. Quintaiteración
z
0
5
= Az
4
=
_
_
_
3 2 1
3 4 2
3 4 3
_
¸
_
_
_
_
0.538 02
0.876 97
1.0
_
¸
_ =
_
_
_
4. 368
7. 121 9
8. 121 9
_
¸
_ = 8. 121 9
_
_
_
0.537 81
0.876 88
1.0
_
¸
_
z
5
=
_
_
_
0.537 81
0.876 88
1.0
_
¸
_ `
3
= 8. 121 9
6. Sextaiteración
z
0
6
= Az
5
=
_
_
_
3 2 1
3 4 2
3 4 3
_
¸
_
_
_
_
0.538 02
0.876 97
1.0
_
¸
_ =
_
_
_
4. 368
7. 121 9
8. 121 9
_
¸
_ = 8. 121 9
_
_
_
0.537 81
0.876 88
1.0
_
¸
_
z
6
=
_
_
_
0.537 81
0.876 88
1.0
_
¸
_ `
3
= 8. 121 9
1070
Podemosdar por terminadaslasiteraciones. Concluimosqueel autovalor másaltodeA
es
`m´ax = 8. 121 9 →.
1
=
_
1
8. 121 9
= 0.350 89 rad/s
ysucorrespondienteautovector

1
=
_
_
_
0.537 81
0.876 88
1.0
_
¸
_
Parael cálculodel segundoautovalor, primeronormalizamosc
1
conrespectoalamatriz
demasa

1
→¸
1
¸ =
_
1

T
1
Mc
1
_
1¸2
=
_
1
3. 405 6
_
1¸2
= 0.541 88
conloque
¯
c
1
→¸
1
= 0.541 88
_
_
_
0.537 81
0.876 88
1.0
_
¸
_ =
_
_
_
0.291 43
0.475 16
0.541 88
_
¸
_
ycalculamoslanuevamatriz
A
2
= A−`
1
¯
c
1
¯
c
T
1
M
=
_
_
_
3 2 1
3 4 2
3 4 3
_
¸
_ −8. 121 9
_
_
_
0.291 43
0.475 16
0.541 88
_
¸
_
_
_
_
0.291 43
0.475 16
0.541 88
_
¸
_
T
_
_
_
3 0 0
0 2 −0
0 0 1
_
¸
_
=
_
_
_
0.930 59 −0.249 37 −0.282 61
−0.374 06 0.332 52 −9. 122 4 ×10
−2
−0.847 83 −0.182 45 0.615 13
_
¸
_
yrepetimosel procesoiterativo. Partimosahoradel vector inicial
z0 =
_
_
_
1
0
−1
_
¸
_
Primeraiteración
z
0
1
= A
2
z
0
=
_
_
_
0.930 59 −0.249 37 −0.282 61
−0.374 06 0.332 52 −9. 122 4 ×10
−2
−0.847 83 −0.182 45 0.615 13
_
¸
_
_
_
_
1
0
−1
_
¸
_ =
_
_
_
1. 213 2
−0.282 84
−1. 463 0
_
¸
_
= 1.4630
_
_
_
0.829 25
−0.193 33
−1.0
_
¸
_
z
1
=
_
_
_
0.829 25
−0.193 33
−1.0
_
¸
_ `
2
= 1.4630
CAPÍ TULO C CÁLCULO NUMÉRI CO DE AUTOVALORES Y AUTOVECTORES 1071
Segundaiteración
z
0
2
= Az1 =
_
_
_
0.930 59 −0.249 37 −0.282 61
−0.374 06 0.332 52 −9. 122 4 ×10
−2
−0.847 83 −0.182 45 0.615 13
_
¸
_ =
_
_
_
1. 102 5
−0.283 25
−1. 282 9
_
¸
_
=
1
1.2829
_
_
_
1. 102 5
−0.283 25
−1. 282 9
_
¸
_ =
_
_
_
0.859 38
−0.220 79
−1.0
_
¸
_
z
2
=
_
_
_
0.859 38
−0.220 79
−1.0
_
¸
_ `
1
= 1.2829
Terceraiteración
z
0
3
= Az
2
=
_
_
_
0.930 59 −0.249 37 −0.282 61
−0.374 06 0.332 52 −9. 122 4 ×10
−2
−0.847 83 −0.182 45 0.615 13
_
¸
_
_
_
_
0.859 38
−0.220 79
−1.0
_
¸
_ =
_
_
_
1. 137 4
−0.303 65
−1. 303 5
_
¸
_
= 1. 303 5
_
_
_
0.872 57
−0.232 95
−1.0
_
¸
_
z
3
=
_
_
_
0.872 57
−0.232 95
−1.0
_
¸
_ `
3
= 1. 303 5
En la décima iteración, el autovalor vuelve a repetirse con cinco cifras iguales al
anterior,

2
=
_
_
_
0.882 85
−0.241 94
−1.0
_
¸
_ `2 = 1.3192 .2 =
_
1
1.3192
= 0.870 65 rad/s
Paracalcular el tercer y último autovalor y autovector, comenzamos por normalizar el
autovector anterior conrespectoalamatrizdemasa

2
→¸
2
¸ =
_
1

T
1
Mc
1
_
1¸2
=
_
1
3. 455 3
_
1¸2
= 0.537 97

2
→0.537 97
_
_
_
0.882 85
−0.241 94
−1.0
_
¸
_ =
_
_
_
0.474 95
−0.130 16
−0.537 97
_
¸
_
1072
yformamoslanuevamatriz
A
3
= A
2
−`
1
¯
c
2
¯
c
T
2
M
=
_
_
_
0.930 59 −0.249 37 −0.282 61
−0.374 06 0.332 52 −9. 122 4 ×10
−2
−0.847 83 −0.182 45 0.615 13
_
¸
_
−1.3192
_
_
_
0.474 95
−0.130 16
−0.537 97
_
¸
_
_
_
_
0.474 95
−0.130 16
−0.537 97
_
¸
_
T
_
_
_
3 0 0
0 2 −0
0 0 1
_
¸
_
=
_
_
_
3. 784 4 ×10
−2
−8. 626 5 ×10
−2
5. 445 7 ×10
−2
−0.129 4 0.287 82 −0.183 60
0.163 37 −0.367 20 0.233 34
_
¸
_
Repetimosel procesopartiendodel vector inicial
z
0
=
_
_
_
0
−1
1
_
¸
_
yensólotresiteracionesestavez alcanzamoslaconvergenciaa

3
=
_
_
_
0.23402
−0.78550
1
_
¸
_ `3 = 0.56007 .3 =
_
1
0.56007
= 1. 336 2 rad/s
¥
Observaciones
El procedimiento de la potencia para el cálculo de autovalores y autovectores de un
problemasimétricotienelassiguientesventajas:
1. Esunprocedimientomuysencillodeprogramar. Unapequeñacalculadoraprograma-
blepuedeservir paramanejar problemaspequeños.
2. El procedimientoobtienealavezel autovalor ysucorrespondienteautovector
3. Notenemospor quéobtener todos. Podemosparar el procesounavez quehayamos
obtenidoel númerodeautovaloresyautovectoresdeseado.
4. El procesoobtienelosautovaloresdemayor amenor. Peropuestoque` = 1¸.
2
las
frecuenciasymodospropiosseobtienenparafrecuenciasdemenor amayor, locual
esprecisamenteloquesenecesita.
Tienesinembargoalgunosinconvenientes:
CAPÍ TULO C CÁLCULO NUMÉRI CO DE AUTOVALORES Y AUTOVECTORES 1073
1. El procedimientoexplicadosólosirvecuandoexistelacertezadequelos autovalores
y autovectores de la matriz Ason reales. Enel casoquenosocupa, hemosvistoque
losautovaloresyautovectoresdel problemadinámico
(−`M+K)  = 0
quesí sonreales, sonlosmismosquelosdelamatriz
A = K
−1
M
yaque
(−`M+K)  = 0 →K
−1
(−`M+K) c = 0 →
_
−`K
−1
M+I
_
c = 0
Existenprocedimientossimilaresquesonaplicablesparacasosenquelosautovalores
y/oautovectoressoncomplejos. Peronosotrosnolosnecesitamos.
2. Paraqueel proceso converjaserequierequeel vector departidaz0 déunacompo-
nentesegúnel primer modopropio(laconstantec
1
descritaanteriormentenopuede
ser nula). Estadesventajaes menos gravedelo quepuedaparecer aprimeravista,
porqueaúnenel casodequec1 = 0, lossucesivoserroresderedondeodel proceso
conduciríanavectores z
I
conciertacomponenteenel primer modopropio. Eso sí,
enestecaso, laconvergenciapuedeser lenta.
3. Laconvergenciasebasaen queel autovalor buscado seaestrictamente mayor que
el siguiente. Si se produjera el hecho de que fuera igual o muy poco diferente, la
convergenciapodríahacersedesesperadamentelenta.
4. Enel procedimientodescritosehasupuestoquelamatrizderigidezKeranosingular.
Comosabemos, si laestructurapuedemoversecomocuerpolibre, tancondiciónno
severificayel sistematienefrecuenciaspropiasnulas. Parautilizar el procedimiento
descrito, debeneliminarsedelasecuacionestalesfrecuenciasysuscorrespondientes
modospropios(modosrígidos). Paraver cómosehacever por ejemplo[21].
Espor estasrazonesqueel procedimientodelapotencianoesunmétodohabitual enlos
programasdeordenador dedicadosal cálculodinámico. Losmétodosmáspotentessebasan
enreducir lamatriz original aunamatriz tridiagonal
5
mediantetransformacionesortogona-
les. Lamatriz tridiagonal resultantetienelos mismos autovalores quelaoriginal, pero son
muchomásfácilesdeobtener. El procedimientomásfiableymásutilizadoenlaprácticase
debeaLanczos, peroel lector interesadodeberáconsultar lasreferencias[13], [24] ó[32] si
quiereobtener detalles.
5
Unamatriz tridiagonal esaquellaenlaquesólosondistintosdeceroloselementosde
ladiagonal principal ylosdeladiagonal justopor encimaypor debajodeella.
1074
D
Derivadas de funciones
vectoriales
Enpreparación
1076
E
Cálculo numérico de integrales
Enpreparación
1078
F
Resolución numérica de
ecuaciones diferenciales
Enpreparación
1080
G
Momentos de inercia másicos y
1082 G.1PROPI EDADES ESTÁTI CAS DE ALGUNAS SECCI ONES
estáticos
G.1. Propiedades estáticas de algunas seccio-
nes
Enlafigurasemuestranlosmomentosdeinerciaestáticos, así comola
constantederigidez atorsióndealgunasseccionescomunes
G.2. Momentos de inercia másicos de sólidos
EnlafiguraG.2semuestranlosmomentosdeinerciamásicosdealgunos
sólidosmáscomunes.
CAPÍ TULO G MOMENTOS DE I NERCI A MÁSI COS Y ESTÁTI COS 1083
CDAP_Inercia_2
2
R p
2 Rt p »
3
12
Y
bh
I =
ab p
bh
4
4
Y
R
I
p
=
3
Y
I R t p »
3
4
Y
ab
I
p
=
2R
Z
Y
Z
Y
2R
Z
Y
b
h
Z
Y
2a
2b
4
2
R p
3
2 R t p »
A
I J
t R 
4
0.1406b
(h=b)
Figura G.1. Propiedadesestáticasdealgunassecciones(J eslaconstante
derigidez atorsión)
1084 G.2MOMENTOS DE I NERCI A MÁSI COS DE SÓLI DOS
Cilindro macizo de radio R y masa M
Tubo cilíndrico de muy pequeño
espesor, de radio R y masa M
Tubo cilíndrico de radio exterior
R
e
, radio interior R
i
y masa M
Placa plana de superificie a×b y
masa M
Barra de longitud L y masa M
girando alrededor de su centro
Barra de longitud L y masa M
girando alrededor de uno de sus
extremos
Esfera hueca de pequeño espesor,
radio R y masa M
Esfera maciza, radio R y masa M
2
MR
( )
2 2
2
e i
M R R -
( )
2 2
12
M a b +
2
12
ML
2
3
ML
2
2
3
MR
2
2
5
MR
CDAP_Inercia_1
2
2
MR
Figura G.2. Momentosdeinerciamásicosdealgunossólidos
Bibliografía
[1] Anónimo. MSC.Nastran Dynamics User’s Guide. MSC.NastranCor-
poration, 2004.
[2] J .A. Bannantine, J .J . Comer, andJ.L Handrock. Fundamentals of Metal
Fatigue Analysis. PrenticeHall, EnglewoodCliffs, NewJ ersey07632,
1990.
[3] R.R. CraigJ r. Structural Dynamics. An Introduction to Computer Met-
hos. J ohnWileyandSons, 1970.
[4] S.H. Crandall andW.D. Mark. Random Vibration in Mechanical Sys-
tems. AcademicPress, 1963.
[5] D. Hitchings, (ed). A Finite Element Dynamics Primer. NAFEMS,
1992.
[6] J .P. denHartog. Mechanical Vibrations. DoverPublications, Inc., 1985.
[7] A. Dimarogonas. Vibration for Engineers. PrenticeHall, 1996.
[8] E. delaFuente, J .L. Hernando. Introducción al Método de los Elemen-
tos Finitos. EscuelaUniversitariadeIngenieríaTécnicaAeronáutica,
UniversidadPolitécnicadeMadrid, 2000.
[9] E. Oñate. Cálculo de Estructuras por el Método de Elementos Finitos.
Análisis estático lineal. CentroInternacional deMétodos Numéricos,
Barcelona, 1992.
[10] D.J. Ewins. Modal Testing: Theory and Practice. J ohn Willey and
Sons, Inc., 1995.
1086 BIBLIOGRAFÍA
[11] Y.C. Fung. An Introduction to the Theory of Aeroelasticity. J ohnWiley
andSons, Imc., 1955.
[12] G. Genta. Vibration Dynamics and Control. Springer, 2009.
[13] G.H. Golub and C.F. Van Loan. Matrix Computations. The J ohns
HopkinsUniversityPress, 1996.
[14] Harris, C.M. ed. Harris’ Shock and Vibration Handbook. McGraw-
Hill, 2002.
[15] G. J ames. Advanced Modern Engineering Mathematics. AddisonWes-
ley, ISBN0-201-56519-6, 1993.
[16] J .I.Pritchard. Anoverviewof landinggear dynamics. Technical Report
NASA-TM 1999-209143, ARL-TR-1976, NASA, 1999.
[17] J .L. J unkins and Y. Kim. Introduction of Dynamics and Control of
Flexible Structures. AIAA, EducationSeries, 1993.
[18] F. LafitaandH. Mata. Vibraciones Mecánicas en Ingeniería. INTA,
1964.
[19] M. Géradin, D. Rixen. Mechanical Vibrations. Theory and Applica-
tions to Structural Dynamics. J ohnWileyandSons, 1997.
[20] M. Klein M. Witting. Modal selection by means pf effective modal
mass and effective modal forces - an application example. In Con-
ference on Spacecraft Structures, Materials and Mechanical Testing,
European Space Agency, pages715–722, Marzo1996.
[21] L. Meirovitch. Principles and Techiques of Vibrations. Prentice-Hall
International, Inc., 1997.
[22] D.E. Newland. Random Vibration, Spectral and Wavelet Analysis. Do-
ver PunlicationsInc., 1993.
[23] O.C. Zienkiewicz, R.L. Taylor. The Finite Element Method. McGraw-
Hill, NewYork, 1989. 2volúmenes.
[24] M. TismenetskyP. Lancaster. The Theory of Matrices. AcademicPress,
1995.
[25] ThomasL. Paez. Thehistoryof randomvibrationsthrough1958. Me-
chanical Systems and Signal Processing, 1(20):1783–1818, – 2006.
BIBLI OGRAFÍ A 1087
[26] A. Papoulis. The Fourier Integral and its Applications. McGraw-Hill,
NY, 1962.
[27] M. Paz. Dinámica estructural. Teoría y cálculo. Ed. Reverté, 1992.
[28] J .S. Przemieniecki. Theory of Matrix Structura Analysis. McGraw-Hill
BookCo., 1968.
[29] M.Geradin P.Thomas and B.Guyot. Dynamic simulation of landing
gears. InInternational Forum on Aeroelasticity and Structural Dyna-
nics, France, pages1077–1096, Mayo1993.
[30] P.Wirsching, T. Paez, and K. Ortiz. Random Vibrations. Theory and
Practice. Dover Publications, Inc., 1995.
[31] R. L. HalfmanR. L. Bisplinghoff, H. Ashley. Aeroelasticity. Addison-
WesleyPublixhingCompany, Inc., 1955.
[32] C.R. J ohnson R.A. Horn. Matrix Analysis. Cambridge University
Press, 1997.
[33] S.S. Rao. Mechanical Vibrations. PearsonPrenticeHall, 2004.
[34] K.M. Marshek R.C. J uvinall. Fundamentals of Machine Component
Design. J ohnWileyandSons, Inc., 2006.
[35] J . K.Ñisbett R.G. Budynas. Shigley’s Mechanical Engineering Design.
McGrawHill, octavaedition, 2008.
[36] R. RosenbaumR.H. Scanlan. Introduction to Aircraft Vibration and
Flutter. Dover Publications, Inc., 1968.
[37] J . Schijve. Fatigue of Structures and Materials. Kluwer Academic
Publishers, 2001.
[38] A.A. Shabana. Vibration of Discrete and Continuous Systems. Sprin-
ger, 1997.
[39] W.T. Thomson. Mechanical Vibrations. Prentice-Hall, Inc., 1975.
[40] D. Thorby. Structural Dynamics and Vibration in Practice. An Engi-
neering Handbook. Elsevier Ltd., 2008.
[41] S. Timoshenko. Vibration problems in engineering. OxfordCityPress,
1937.
1088 BIBLIOGRAFÍA
[42] J . Wijker. Spacecraft Structures. Springer, 2008.
[43] J . Wijker. Random Vibrations in Spacecraft Structures Design. Theroy
and Applications. Springer, 2009.
[44] W.C. Young. Roark’s Formulas for Stress and Strain. McGraw-Hill
BookCo., 1989.