INSTITUTO TECNOLÓGICO DE TAPACHULA

MATERIA:
FUNDAMENTOS DE LA MECÁNICA DE LOS MEDIOS CONTINUOS

CATEDRATICO:
ANDRADE CAMPOS FRANCISCO ANTONIO

ALUMNO:
RODRIGUEZ PEREZ GLEYSER

SEMESTRE: 4° GRUPO: B

TAREA:
INVESTIGACION
(NOTACION INCIAL Y OPERACIÓN DE TENSORES)

A 03 DE ABRIL DEL 2021

 INDICE

Introducción -------------------------------------------------------------- (1)

Desarrollo ---------------------------------------------------------------- (2-17)

Conclusiones ------------------------------------------------------------- (18)

Referencias --------------------------------------------------------------- (19)

 INTRODUCCION

En este tema se va hablar mucho sobre calculo que una rama que se
basa en conocimiento. La noción de un “campo eléctrico” fue madurando
lentamente entre los físicos de los siglos XVIII y
XIX, como un resultado de la idea de describir “acciones a distancia”, es
decir como una fuerza que no requiere de un contacto directo para
manifestarse.

1
 MÉTODOS PARA EL CÁLCULO DE VALORES Y VECTORES
PROPIOS.

En algebra lineal, los vectores propios, autovectores o eigenvectores de un operador lineal son
los vectores no nulos que, cuando son transformados por el operador, dan lugar a un múltiplo
escalar de sí mismos, con lo que no cambian su dirección. Este escalar λ recibe el
nombre valor propio, autovalor, valor característico o eigenvalor. A menudo, una
transformación queda completamente determinada por sus vectores propios y valores propios.
Un espacio propio, autoespacio o eigenespacio es el conjunto de vectores propios con un
valor propio común.
Las transformaciones lineales del espacio —como la rotación, la reflexión, el ensanchamiento,
o cualquier combinación de las anteriores; en esta lista podrían incluirse otras
transformaciones— pueden interpretarse mediante el efecto que producen en los vectores.
Los vectores pueden visualizarse como flechas de una cierta longitud apuntando en una
dirección y sentido determinados.

2
Los vectores propios de las transformaciones lineales son vectores que, o 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.
Un espacio propio es un espacio formado por todos los vectores propios del
mismo valor propio, además del vector nulo, que no es un vector propio.

La multiplicidad geométrica de un valor propio es la dimensión del espacio propio

asociado.

El espectro de una transformación en espacios vectoriales finitos es el conjunto de

todos sus valores propios.

3
Por ejemplo, un vector propio de una rotación en tres dimensiones es un
vector situado en el eje de rotación sobre el cual se realiza la rotación. El
valor propio correspondiente es 1 y el espacio propio contiene a todos los
vectores paralelos al eje. Como es un espacio de una dimensión, su
multiplicidad geométrica es uno. Es el único valor propio del espectro (de
esta rotación) que es un número real.

Formalmente, se definen los vectores propios y valores propios de la

siguiente manera: Si A: V → V es un operador lineal en un cierto espacio
vectorial V, v es un vector diferente de cero en V y c es un escalar tales
que

𝐴𝒗 = 𝑐𝒗

4
Entonces decimos que v es un vector propio del operador A, y su valor propio asociado
es c. Observe que si v es un vector propio con el valor propio c entonces cualquier
múltiplo diferente de cero de v es también un vector propio con el valor propio c. De
hecho, todos los vectores propios con el valor propio asociado c junto con 0, forman un
subespacio de V, el espacio propio para el valor propio c. Observe además que un un
espacio propio Z es un subespacio invariante de A, es decir dado w un vector en Z, el
vector Aw también pertenece a Z. espacio propio Z es un subespacio invariante de A, es
decir dado w un vector en Z, el vector Aw también pertenece a Z.

5
 Casos de interes espcial. Intuitivamente, para las transformaciones lineales
del espacio de dos dimensiones

, los vectores propios son:

•Rotación: ningún vector propio de valores reales (existen en cambio pares valor
propio, vector propio complejos).
•Reflexión: los vectores propios son perpendiculares y paralelos al eje de
simetría, los valores propios son -1 y 1, respectivamente.
•Escalado uniforme: todos los vectores son vectores propios, y el valor propio es
el factor de escala.
•Proyección sobre una recta: los vectores propios con el valor propio 1 son
paralelos a la línea, vectores propios con el valor propio 0 son paralelos a la
dirección de la proyección.
6
Cálculo de valores propios y vectores propios de matrices. Si se quiere
calcular los valores propios de una matriz dada y ésta es pequeña, se puede
calcular simbólicamente usando el polinomio característico. Sin embargo, a
menudo resulta imposible para matrices extensas, caso en el que se debe usar
un método numérico.

Cálculo simbólico. Una herramienta importante para encontrar valores propios

de matrices cuadradas es el polinomio característico: decir que λ es un valor
propio de A es equivalente a decir que el sistema de ecuaciones
lineales A v = λ v --> A v - λ v = 0 (Factorizando por v queda) (A - λI) v = 0
(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

7
La función p(λ) = det(A-λI)es un polinomio de λ pues los determinantes se definen como sumas de
productos. Éste es el polinomio característico de A: los valores propios de una matriz son los ceros
de su polinomio característico.

Todos los valores propios de una matriz A pueden calcularse resolviendo la ecuación:
Si A es una matriz n×n, entonces tiene grado n y A tiene como máximo n valores propios.

El teorema fundamental del álgebra dice que esta ecuación tiene exactamente n raíces (ceros),
teniendo en cuenta su multiplicidad. Todos los polinomios reales de grado impar tienen un número
real como raíz, así que para n impar toda matriz real tiene al menos valor propio real. En el caso de
las matrices reales, para n par e impar, los valores propios no reales son pares conjugados.

8
Encontrando vectores propios. Una vez que se conocen los valores propios λ, los
vectores propios se pueden hallar resolviendo el sistema de ecuaciones homogéneo:

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 son los valores propios de A se cumple que

por lo que los vectores columna de son vectores

propios de .

Ejemplo de matriz sin valores propios reales. Un ejemplo de matriz sin valores
propios reales es la rotación de 90 grados en el sentido de las manecillas del reloj:

Cuyo polinomio característico es y sus valores propios son el par de

conjugados complejos i, -i. Los vectores propios asociados tampoco son reales.
9
Ejemplo

Considérese la matriz

que representa un operador lineal R³ → R³. Si se desea computar todos los

valores propios de A, se podría empezar determinando el polinomio
característico:

y porque p(x) = - (x - 2)(x - 1)(x + 1) se ve que los valores propios de A son 2, 1

y -1. El teorema de Cayley-Hamilton establece que cada matriz cuadrada
satisface su propio polinomio característico. Es decir:

Efectivamente, para el caso del valor propio 2, se puede comprobar que

De donde (1, 1, -1) es un vector propio asociado a 2.

10
Cálculo numérico. En la práctica, los valores propios de las matrices extensas no se
calculan usando el polinomio característico. Calcular el polinomio resulta muy costoso,
y extraer las raíces exactas de un polinomio de grado alto puede ser difícil de calcular y
expresar: 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 y se calcula una secuencia de vectores
unitarios:

, , , ...

Esta sucesión casi siempre convergerá a un vector propio correspondiente al

mayor valor propio. Este algoritmo es sencillo, pero no demasiado útil
aisladamente. Sin embargo, hay métodos más populares, como
la descomposición QR, que se basan en él.
11
1.1. Gradiente, divergencia y rotacional.

Gradiente. En cálculo vectorial, el gradiente de un campo escalar es

un campo vectorial. El vector gradiente de evaluado en un punto
genérico del dominio de , ( ), indica la dirección en la cual el
campo varía más rápidamente y su módulo representa el ritmo de variación
de en la dirección de dicho vector gradiente. El gradiente se representa con el
operador diferencial nabla seguido de la función (cuidado de no confundir el
gradiente con la divergencia, ésta última se denota con un punto de producto
escalar entre el operador nabla y el campo). También puede representarse

mediante , o usando la notación . La generalización del concepto de

gradiente a campos vectoriales es el concepto de matriz Jacobiana.

Si se toma como campo escalar el que se asigna a cada punto del espacio una
presión P (campo escalar de 3 variables), entonces el vector gradiente en un punto
genérico del espacio indicará la dirección en la cual la presión cambiará más
rápidamente. Otro ejemplo es el de considerar el mapa de líneas de nivel de una
montaña como campo escalar que asigna a cada pareja de coordenadas
latitud/longitud un escalar altitud (campo escalar de 2 variables). En este caso el vector
gradiente en un punto genérico indicará la dirección de máxima inclinación de la
montaña. Nótese que el vector gradiente será perpendicular a las líneas de contorno
(líneas "equiescalares") del mapa. El gradiente se define como el campo vectorial
cuyas funciones coordenadas son las derivadas parciales del campo escalar, esto es:

12
Esta definición se basa en que el gradiente permite calcular fácilmente las
derivadas direccionales. Definiendo en primer lugar la derivada direccional según
un vector:

Una forma equivalente de definir el gradiente es como el único vector que,

multiplicado por el vector unitario, da la derivada direccional del campo escalar:

Con la definición anterior, el gradiente está caracterizado de forma unívoca. El

gradiente se expresa alternativamente mediante el uso del operador nabla:

13
Interpretación del gradiente. De forma geométrica el gradiente es un vector que se encuentra
normal (perpendicular) a la curva de nivel en el punto que se está estudiando, llámese
(𝑥, 𝑦), (𝑥, 𝑦, 𝑧), (tiempo, temperatura), etcétera. Algunos ejemplos son:

 Considere una habitación en la cual la temperatura se define a través de un campo

escalar, de tal manera que en cualquier punto ∅(𝑥, 𝑦, 𝑧), la temperatura es ∅(𝑥, 𝑦, 𝑧).
Asumiremos que la temperatura no varía con respecto al tiempo. Siendo esto así,
para cada punto de la habitación, el gradiente en ese punto nos dará la dirección en
la cual se calienta más rápido. La magnitud del gradiente nos dirá cuán rápido se
calienta en esa dirección.
 Considere una montaña en la cual su altura en el punto (𝑥, 𝑦) se define como 𝐻(𝑥, 𝑦).
El gradiente de H en ese punto estará en la dirección para la que hay un mayor grado
de inclinación. La magnitud del gradiente nos mostrará cuán empinada se encuentra
la pendiente. 14
Divergencia.
La divergencia de un campo vectorial mide la diferencia entre el flujo entrante y el
flujo saliente de un campo vectorial sobre la superficie que rodea a un volumen de
control, por tanto, si el campo tiene "fuentes" o "sumideros" la divergencia de dicho
campo será diferente de cero.

Divergencia de un campo vectorial. La divergencia de un campo vectorial en un

punto es un campo escalar, y se define como el flujo del campo vectorial por unidad
de volumen conforme el volumen alrededor del punto tiende a cero:

15
Donde es una superficie cerrada que se reduce a un punto en el límite. El
símbolo representa el operador nabla.

Esta definición está directamente relacionada con el concepto de flujo del campo.
Como en el caso del flujo, si la divergencia en un punto es positiva, se dice que
el campo posee fuentes. Si la divergencia es negativa, se dice que
tiene sumideros. El ejemplo más característico lo dan las cargas eléctricas, que
dan la divergencia del campo eléctrico, siendo las cargas positivas manantiales
y las negativas sumideros del campo eléctrico. Se llaman fuentes escalares del

campo al campo escalar que se obtiene a partir de la divergencia de

La divergencia de un campo vectorial se relaciona con el flujo a través

del teorema de Gauss o teorema de la divergencia.

16
 Coordenadas ortogonales. Sin embargo, para un caso más general
de coordenadas ortogonales curvilíneas, como las cilíndricas o las
Coordenadas cartesianas. Cuando la definición de divergencia se aplica
esféricas, la expresión se complica debido a la dependencia de los
al caso de un campo expresado en coordenadas cartesianas,
vectores de la base con la posición. La expresión para un sistema de
coordenadas ortogonales es:
El resultado es sencillo:

Donde los son los factores de escala del sistema de coordenadas,

relacionados con la forma del tensor métrico en dicho sistema de coordenadas.
Esta fórmula general, para el caso de coordenadas cartesianas (

) se reduce a la expresión anterior.

Coordenadas generales. En sistemas de coordenadas generales, no
Para coordenadas cilíndricas ( ) resulta:
necesariamente ortogonales, la divergencia de un vector puede
expresarse en términos de las derivadas parciales respecto a las
coordenadas y el determinante del tensor métrico:
Para coordenadas esféricas ( ) resulta

17
 conclusión

Este tema nos habla que hay que para llegar a un buen calculo debemos
de hacer muchos ejercicios. Primeramente, trata de los campos vectoriales
aparecen con frecuencia en Física, para representar magnitudes
vectoriales: para cada punto x de una región Ω en el plano
o en el espacio, es el valor en ese punto de la magnitud vectorial descrita
por el campo. Piénsese por ejemplo en el campo de velocidades de un
fluido en movimiento o en campos de fuerzas, como un campo gravitatorio
o electromagnético

18
 REFERENCIAS

http://es.wikipedia.org/wiki/C%C3%A1lculo_tensorial

http://w3.mecanica.upm.es/mmc-ig/Apuntes/indices.pdf

http://es.wikipedia.org/wiki/Vector_propio_y_valor_propio

http://es.wikipedia.org/wiki/Divergencia_(matemática)

19