Vous êtes sur la page 1sur 142

UNIVERSIDAD NACIONAL DEL CALLAO

VICERECTORADO DE INVESTIGACIN
FACULTAD DE INGENIERA QUMICA
INSTITUTO DE INVESTIGACIN DE INGENIERA QUMICA
INFORME FINAL DE INVESTIGACIN
ELBORACIN DEL TEXTO: ALGEBRA LINEAL CON MAPLE
AUTOR: Lic. FERNANDO HIPOLITO LAYZA BERMDEZ
(PERIODO DE EJECUCIN: Del 01 de junio de 2010 al 31 de mayo del 2012
Resolucin No. 704-2010-R)
MAYO DEL 2012
CALLAO PER
i
NDICE
CAPTULO I DESCRIPCIN DEL SOFTWARE MAPLE........................................................ 1
1.1-CONTENIDO DE MAPLE POWER EDITION..................................................................................... 1
1.2.-REQUISITOS MNIMOS........................................................................................................................ 2
1.3.-EL ENTORNO OPERATIVO DE MAPLE PARA WINDOWS.......................................................... 2
1.4.-EL ENTORNO GRAFICO DE MAPLE PARA WINDOWS ............................................................... 4
CAPITULO II ESPACIOS VECTORIALES .................................................................................. 6
2.1.-COMANDOS MATRICIALES................................................................................................................ 6
2.2.-INDEPENDENCIA LINEAL, BASES Y CAMBIO DE BASES........................................................... 8
2.3.-GEOMETRIA VECTORIAL EN 2 Y 3 DIMENSIONES................................................................... 14
CAPITULO III TRANSFORMACIONES LINEALES................................................................. 18
3.1.-DEFINICIONES ..................................................................................................................................... 18
3.2.-FORMAS CUADRTICAS................................................................................................................... 22
3.2.1.-DEFINICIONES .............................................................................................................................. 22
CAPITULO IV MATRICES Y DETERMINANTES..................................................................... 25
4.1.-VECTORES Y MATRICES .................................................................................................................. 25
4.2.-OPERACIONES CON MATRICES ..................................................................................................... 26
4.3.-RESOLUCIN DE ECUACIONES, SISTEMA DE ECUACIONES LINEALES........................... 30
4.4.-EL TEOREMA DE ROUCH FROBENIUS..................................................................................... 34
4.5.-SISTEMAS HOMOGENEOS................................................................................................................ 37
CAPITULO V PRODUCTO Y ORTOGONALIDAD.................................................................. 41
5.1.-MATRICES SEMEJANTES, DIAGONALIZACIN Y DESCOMPOSICIN DE MATRICES.. 41
5.1.1.-DEFINICIONES .............................................................................................................................. 41
5.2.-MATRICES ESPECIALES ................................................................................................................... 48
CAPITULO VI VALORES Y VECTORES PROPIOS ................................................................ 53
6.1.-AUTOVALORES Y AUTOVECTORES.............................................................................................. 53
6.1.1.-DEFINICIN................................................................................................................................... 53
6.1.2.-COMANDOS BSICOS.................................................................................................................. 53
CAPITULO VII APLICACIN DEL ALGEBRA LINEAL CON MAPLE............................. 58
7.1.- FUNCIONES VECTORIALES DE VARIABLE REAL.................................................................... 58
7.1.1.-DEFINICIN................................................................................................................................... 58
7.1.2.-GRAFICA DE UNA FUNCIN VECTORIAL ............................................................................ 59
7.1.3.-OPERACIONES CON FUNCIONES VECTORIALES .............................................................. 61
7.1.4.-LMITE DE UNA FUNCION VECTORIAL ................................................................................ 64
ii
7.1.5.-CONTINUIDAD DE UNA FUNCION VECTORIAL.................................................................. 66
7.1.6.-DERIVADA DE UNA FUNCION VECTORIAL.......................................................................... 71
7.1.7.-INTEGRAL DE UNA FUNCION VECTORIAL.......................................................................... 73
7.1.8.-TEOREMAS FUNDAMENTALES................................................................................................ 74
7.2.-CURVAS EN EL ESPACIO................................................................................................................... 77
7.2.1.-DEFINICIN................................................................................................................................... 77
7.2.2-DEFINICIN DE UNA CURVA REGULAR................................................................................ 77
7.2.3.-PARAMETRIZACIN DE UNA CURVA REGULAR, GRAFICA .......................................... 79
7.2.4.-LONGITUD DE ARCO................................................................................................................... 80
7.2.5.-VECTORES UNITARIOS: TANGENTE, NORMAL PRINCIPAL Y BINORMAL ............... 82
7.2.6.-RECTA TANGENTE, NORMAL Y BINORMAL....................................................................... 89
7.2.7.-PLANO OSCULADOR, NORMAL Y RECTIFICANTE............................................................ 91
7.2.8.-CURVATURA Y TORSION........................................................................................................... 93
7.3.-CLCULO DIFERENCIAL VECTORIAL......................................................................................... 96
7.3.1.-DEFINICIONES .............................................................................................................................. 96
7.3.2.-REGLA DE LA CADENA .............................................................................................................. 98
7.3.3.-TEOREMA DE LA FUNCIN IMPLCITA.............................................................................. 101
7.3.4.-TEOREMA DE LA FUNCIN INVERSA.................................................................................. 104
7.3.5.-EL TEOREMA DEL CAMBIO DE VARIABLE ....................................................................... 108
7.3.7.-GRAFICOS EN 3D DE CURVAS, CAMPOS VECTORIALES ............................................... 116
7.4.-PROGRAMACIN LINEAL, EL METODO DEL SIMPLEX........................................................ 121
7.5.-TEORA DE GRAFOS......................................................................................................................... 129
BIBLIOGRAFA.............................................................................................................................. 134
APNDICE ................................................................................................................................ 135
1
CAPTULO I DESCRIPCIN DEL SOFTWARE MAPLE
1.1-CONTENIDO DE MAPLE POWER EDITION
Maple proporciona una extensa librera con ms de 2500 funciones y rutinas, que usaremos
en el desarrollo de esta investigacin, las cuales se detallan:
Clculo numrico y simblico
Clculo :
Diferenciacin
Integracin numrica
Integracin Simblica
Limites y series
Sumatoria y Productorio
Transformaciones integrales: Laplace, Hankel, Fourier, etc.
Transformaciones discretas : Funcin Z, Transformaciones rpidas de Fourier
Funciones definidas a trozos
Clculo de ecuaciones
Sistemas de ecuaciones lineales y no lineales
Ecuaciones diferenciales ordinarias (ODE) y en derivadas parciales(PDE)
Resolucin simblica y numrica de ODE y PDE va series de Potencial y mtodos
aproximados de clculo numrico (Runge Kuta, Euler, etc.)
Funciones especiales y elementales
Funciones trigonomtricas, exponenciales, de error, logartmica, Bessel, Zeta, Gama,
Hipergeomtricas, etc.
2
Algebra Lineal:
Operaciones matriciales, simblicas y numricas
Valores y Vectores propios de matrices simblicas y numricas
Matrices especiales, matrices dispersas, bloques matriciales, etc
Coordenadas Curvilneas
Formas matriciales normales, descomposicin y diagonalizacin
Espacios vectoriales, bases, aplicaciones lineales, formas cuadrticas, etc.
Grficos
Grficos en 2D
Grficos en 3D
Animacin
1.2.-REQUISITOS MNIMOS
En cuanto al hardware, el programa exige como mnimo para su correcto funcionamiento las
siguientes caractersticas:
Un ordenador tipo PC- Compatible con miniprocesador 396 o superior
Es conveniente la presencia de coprocedor matemtico
Un mnimo de 8 megabytes de memoria RAM
Disco duro con un espacio libre de entre 18 y 46 megabytes aproximadamente
Es indispensable utilizar un ratn, dadas las caractersticas de los entornos Windows
1.3.-EL ENTORNO OPERATIVO DE MAPLE PARA WINDOWS
Maple Bajo Windows goza de todas las ventajas que ofrece este entorno de Microsoft. Se
trata de un entorno amigable y fcil de manejar. Maple utiliza todos los perifricos que
aportan las diferentes versiones de Windows para manejar sus aplicaciones y se puede
3
comunicar directamente con todas las aplicaciones que corren bajo este estndar actual. Por
otra parte, el uso de men, el acceso a ms memoria y el manejo de ratn agilizan bastante
los procesos.
Para entrar a maple se presenta la pantalla de la figura 1. En la lnea superior de esta pantalla
vemos el nombre del documento actual (entre corchete). En la lnea siguiente se presenta el
men general de la aplicacin (barra de men principal) con todas sus opciones (File, Edit,
View, Insert, Format, Options, Window, Help). La tercera lnea presenta una serie de
iconos que facilitan el manejo rpido con el raton de las opciones ms usadas del men
general ( Barra de herramienta). La cuarta lnea o de salida/ texto (barra de contexto)
FIGURA 1
4
1.4.-EL ENTORNO GRAFICO DE MAPLE PARA WINDOWS
Las representaciones grficas en dos y tres dimensiones se realizan a travs del comando
plot2D y plot3D respectivamente. No se trata aqu de analizar el comando plot con todas sus
opciones (tarea que se abordar en captulos posteriores), sino de ver las posibilidades de
trabajo que nos ofrecen los mens que se presentan en las ventanas graficas. En la figura 2
tenemos la funcin x x sen x f ), ( ) ( para representarlo grficamente se usa el
comando polt2D
FIGURA 2
5
En la figura 3 tenemos la funcin 1 1 , 1 1 ), ( ) ( y x y x sen x f y para
representarlo grficamente se usa el comando polt3D
FIGURA 3
6
CAPITULO II ESPACIOS VECTORIALES
2.1.-COMANDOS MATRICIALES
El algebra matricial tiene un fuerte campo de aplicaciones en la teora de espacios
vectoriales, as como en todo tipo de transformaciones lineales definidas entre espacios
vectoriales, como son las aplicaciones lineales, las formas lineales, las formas bilineales, la
formas cuadrticas, etc. Tambin es de fuerte aplicacin el lgebra lineal en el estudio de los
sistemas de ecuaciones lineales.
Se presentan ejemplos, referentes a los campos antes mencionados, en los que la solucin
envuelve comandos matriciales ya estudiados anteriormente, As tenemos:
Nullspace(A) o kernel(A) Devuelve una base para el ncleo de A
Nullspace(A,n) o kernel(A,n) Devuelve una base para el ncleo de A y asigna a
n la dimensin del ncleo.
colspace(A) Devuelve una base para la columna de A
colspan(A) Devuelve el conjunto de generadores de vectores
para el espacio columna de la matriz A.
colspan(A,n) :Devuelve el conjunto de generadores de
vectores para el espacio columna de la matriz A
y asigna a n la dimensin del espacio columna.
rowspace(A) :Devuelve una base para la fila de A.
rowspace(A,n) :Devuelve una base para la fila de A y asigna a n
la dimensin del espacio fila.
rowspan(A) :Devuelve el conjunto de generador de vectores
para el espacio fila de la matriz A.
7
rowspan(A,n) :Devuelve el conjunto de generador de vectores
para el espacio fila de la matriz A y asigna a n la
dimensin del espacio fila.
Dotprod(A,B) :Da el producto escalar de los vectores A y B.
Dotprod(A,B,ortogonal) :Da el producto escalar de los vectores A y B en
espacio ortogonal.
crossprod(A,B) :Da el producto vectorial de los vectores Ay B.
angle(A,B) :De el ngulo formado por los vectores A y B.
normalize(V) :Normaliza el vector V(con la norma de V)..
basis({v1,v2,..vn}) :Da una base del espacio vectorial generado por
el conjunto de vectores {v1,v2,..vn}.
sumbasis({Vs1,},{Vs2},..,{Vsn}) :Da una base para la suma para los espacios
vectoriales generados por el conjunto de vectores
{Vs1,},{Vs2},..,{Vsn}
intbasis({Vs1,},{Vs2},..,{Vsn}) :Da una base para la interseccin para los
espacios vectoriales generados por el conjunto de
vectores {Vs1,},{Vs2},..,{Vsn}
GramSchmidt({Vs1,},{Vs2},..,{Vsn})
:Devuelve una base ortogonal deducida a partir
del conjunto de vectores {Vs1,},{Vs2},..,{Vsn}
por el procedimiento de ortogonalizacin de
Gran Schmidt. La base no tiene por qu ser
ortonormal.
8
Norm(V) :Halla la norma infinita del vector V(mximo de
sus elementos)
2.2.-INDEPENDENCIA LINEAL, BASES Y CAMBIO DE BASES
DEFINICIONES
1.-Un vector v en un espacio vectorial V se denomina combinacin lineal de los vectores
u
1
, u
2
, u
3
,.u
k
en V si v puede expresarse en la forma
v= c
1
u
1
+c
2
u
2
+c
3
u
3
,+.+c
k
u
k
donde c
1
,c
2,
c
3
,,c
k
son escalares.
2.-Sea S={v
1
, v
2
, ,v
k
} un subconjunto del espacio vectorial V. El conjunto S se denomina
conjunto generador de V si todo vector en V puede expresarse como una combinacin lineal
de vectores en S. En este caso se dice que S genera a V.
3.-Un conjunto de vectores S={v
1
, v
2
, ,v
k
} en un espacio vectorial V se denomina
linealmente independiente si la ecuacin vectorial
c
1
v
1
+c
2
v
2
+c
3
v
3
,+.+c
k
v
k
= 0
tiene solamente solucin trivial, c
1
=c
2
=.c
k
= 0. Si tambin hay solucin no trivial, entonces
S de denomina linealmente dependiente.
4.-Un conjunto de vectores S={v
1
, v
2
, ,v
n
} en un espacio vectorial V se denomina base de
V si se cumple las siguientes condiciones:
a.-S genera a V
b.-S es linealmente independiente
EJEMPLOS
Estudiar cuales de los siguientes conjuntos de vectores son linealmente independientes:
1.-{{2,3,-1},{0,0,1},{2,1,0}}
2.-{{1,4,-3,4},{3,-1,2,1},{1,-5,1,-1}}
9
3.-{{1,2,2,1},{3,4,4,3},{1,0,0,1}}
4.-{{1,3,1},{0,1,2},{1,0,-5}}
SOLUCIN
1.-{{2,3,-1},{0,0,1},{2,1,0}}
Como el determinante de la matriz es diferente de cero entonces los vectores no son
linealmente independientes.
2.-{{1,4,-3,4},{3,-1,2,1},{1,-5,1,-1}}
Como el determinante de la matriz es cero entonces los vectores son linealmente
independientes.
3.-{{1,2,2,1},{3,4,4,3},{1,0,0,1}}
10
Como el rango es 2 entonces los vectores no son linealmente independientes
4.-{{1,3,1},{0,1,2},{1,0,-5}}
Como el determinante de la matriz es cero entonces los vectores son linealmente
independientes.
2.-Dado el conjunto de vectores:
{{2,3,4,-1,1},{3,4,7,-2,-1},{1,3,-1,1,8},{0,5,5,-1,4}}
Obtener la dimensin de la variedad lineal engendrada por ellos y una base de dicha variedad
lineal.
SOLUCIN
La dimensin de la variedad lineal engendrada por un conjunto de vectores ser el rango de la
matriz formada por los vectores:
El rango de la matriz es 3, luego la dimensin es 3
11
Para hallar una base, se considera cualquier menor de orden 3 distinto de cero de la matriz.
Los vectores que contengan componentes incluidas en ese menor orden formaran una base.
Como el determinantes de la matriz es distinto de cero, entonces los vectores son {2,3,4},
{3,4,7},y {0, 5, 5} son linealmente independientes,
Luego una base de la variedad lineal generada ser el conjunto de vectores
{{2,3,4,-1,1},{3,4,7,-2,-1},{0,5,5,-1,4}}
Se puede calcular una base directamente de la siguiente forma:
3.-Dado el conjunto de vectores:
{{1,2,3},{0,1,2},{-2,0,1}}
Estudiar si forman una base de R
3
, y en caso positivo, obtener las componentes del vector
x=(3,5,1) en dicha base.
SOLUCIN
Calculando la matriz A
12
Como tenemos tres vectores de un espacio de dimensin 3, formarn una base si su
determinante es distinto de cero (linealmente independiente). Luego, los vectores dados
forman una base en R
3
.
En efecto.
Hallando la matriz inversa de A para calcular las componentes en la base
Evaluando para encontrar las componentes del vector x=(3,5,1) en la base
Luego los componentes del vector x en la base {{1,2,3},{0,1,2},{-2,0,1}}
Es dado por :
4.-Consideremos las bases B , B del espacio vectorial real tridimensional:
B:={{1,0,0},{-1,1,0},{0,1,-1}}
B:={{1,0,-1},{2,1,0},{-1,1,1}}
Hallar la matriz de cambio de base de B a B y calcular las componentes del vector {2,1,3}
en la base B y en la base B.
SOLUCIN
Construimos la matriz B y B
13
Calculando la matriz de cambio de base se tiene:
Ahora hallamos las componentes del vector X
5.-Consideremos las bases B , B del espacio vectorial real tridimensional:
B:={{1,0,0},{0,1,0},{0,0,1}}
14
B:={{1,0,1},{0,-1,2},{2,3,-5}}
Hallar la matriz de transicin de B a B
SOLUCIN
La matriz obtenida representa la matriz de transicin de B a B.
2.3.-GEOMETRIA VECTORIAL EN 2 Y 3 DIMENSIONES
Usaremos algunos comandos de maples para obtener realizar operaciones con vectores como
la suma, el producto punto, el producto vectorial, el producto mixto, etc.
EJEMPLOS
1.-Dados los vectores:
15
x1={1, 1 ,-1} ; x2={1, 1,1}
Hallar su expresin normalizada, ver si estos vectores son ortogonales y hallar su producto
vectorial.
SOLUCIN
Los vectores sern ortogonales si su producto escalar es cero
Como el producto escalar es 1 distinto de cero los vectores no son ortogonales.
Luego, el producto vectorial es el vector (2, -2 ,0)
2.-Dados los vectores:
{{1, 1 ,2},{0,1,0},{0, 1,1}}
Hallar su producto mixto.
SOLUCIN
El producto mixto se ha calculado a partir del producto escalar y del producto vectorial.
16
3.-Dados los vectores:
{{1, 0 ,2},{1,1,1},{0, -1,-1}}
Hallar una base ortogonal a partir de ellos por el procedimiento de Gram-Schmit.
SOLUCIN
Usando el comando de Gram-Schmit para hallar dicha base, se tiene:
4.-Hallar el rea del triangulo cuyos vrtices son los vectores (0,0), (5,1) y (3,7)
SOLUCIN
Aplicando la frmula del rea del triangulo en funcin de las coordenadas de sus vrtices se
tiene:
Por tanto, el rea del triangulo es de 6 unidades cuadradas.
5.-Hallar el ngulo que forman los vectores
a).- x= (1,2,3) , y= (0,3,1)
b).- x= (1,-2,1) , y= (1,0,1)
c).- x= (-1,-3,2) , y= (3,-1,3)
SOLUCIN
a).- x= (1,2,3) , y= (0,3,1)
17
b).- x= (1,-2,1) , y= (1,0,1)
c).- x= (-1,-3,2) , y= (3,-1,3)
18
CAPITULO III TRANSFORMACIONES LINEALES
3.1.-DEFINICIONES
1.-Sea A una matriz de mxn.
a).-El espacio rengln de A es el subespacio de R
n
generado por los vectores rengln de A.
b).- El espacio columna de A es el subespacio de R
m
generado por los vectores columna de A
2.-Si una matriz A por renglones a una matriz B que est en forma escalonada por
3.-La dimensin del espacio rengln (o columna) de una matriz A se llama rango de A y se
denota por rango(A).
4.-Sea T: V W una transformacin lineal. Entonces, el conjunto de todos los vectores en V
que cumplen T(v)=0 se denomina Kernel de T y se denota por Ker(T).
5.- Sea T: V W una transformacin lineal. Entonces, el conjunto de todos los vectores en
W que son imgenes de vectores de V se llama rango de T y se denota por rang(T).
EJEMPLOS
1.-Dada la aplicacin lineal cuya matriz est formada por el conjunto de vectores
{{0, -3,-1,-3,-1}, {-3, 3,-3, -3-1}, {2,2, -1, 1,2}}
Encontrar una base de su ncleo. Hallar tambin la imagen de los vectores
{4, 2, 0, 0,-6}, {1, 2,-1,-2,3} mediante la aplicacin lineal
SOLUCIN
19
La imagen del vector {1, 2,-1,-2,3} es dado por
Y la imagen del vector {4, 2, 0, 0,-6}esta dado por
2.-Consideremos la aplicacin lineal f entre dos subespacios vectoriales U y V, de tal forma
que : f(e1)=v1-v2, f(e2)=v2-v3, f(e3)=v3-v4, siendo: B={e1, e2 ,e3}una base de U
(subespacio de R
3
) y B={v1, v2, v3, v4 } una base de V (subespacio de R
4
)
Hallar la matriz asociada a la aplicacin lineal f. Hallar la imagen en V del vector {1,2,2},de
U mediante la aplicacin lineal f.
SOLUCIN
La matriz asociada a f es evidente slo con que observar la definicin de f (para los
elementos de ambas bases):
Esta matriz representa la matriz asociada a la aplicacin lineal f.
Luego, la imagen del vector {1,1,2} es dado por el vector [1, 0, 1 -2] como sigue
3.-Consideremos la aplicacin lineal f entre dos subespacios vectoriales U y V del espacio
real tridimensional de tal forma que f(a,b,c)=(a+b,b+c,a+c), siendo (a,b,c) cualquier punto de
U. Hallar la matriz asociado a las aplicaciones f, (f)
5
.
20
SOLUCIN
Por definicin de la forma lineal se tiene
Para hallar la matriz de f, hay que considerar los vectores transformados por f de los de la
base cannica:
Luego, la imagen de cada vector ser respectivamente:
La matriz cuyas columnas son los vectores hallados es la matriz de la aplicacin lineal f.
Luego, la matriz asociada a f
5
ser A
5
y es dado por :
4.-Consideremos la forma bilineal f:UxV R, siendo U y V dos subespacios vectoriales del
espacio real tridimensional, de tal forma que:
f[{x1,x2,x3},{y1,y2,y3}]=x1.y1 - 2x1.y2 + 4.x2.y3 - x2.y3 - x3.y1 3.x3.y3
Hallar la matriz asociada a la forma bilineal f .
SOLUCIN
21
Luego, la matriz de f es {{1,-2,0},{0,0,4},{-1,0,-3}}
5.-Considremos la aplicacin lineal f: U V donde UCR
3
y VCR
4
de tal forma que
f(a,b,c)=(a,0,c,0), siendo (a,b,c) cualquier punto de U.
Hallar la matriz asociada a la aplicacin f, su ncleo y las dimensiones del ncleo y la
imagen.
SOLUCIN
Definimos la transformacin lineal T:
Halando la matriz asociada a la transformacin lineal:
Calculo del ncleo o kernel:
Con lo que el ncleo ser el conjunto de vectores de la forma {0, b, 0} con b variando en U.
Adems, evidentemente el ncleo tiene dimensin 1, ya que la base es el vector {0,1,0}.
La dimensin de la imagen de f ser 2 pues
22
Luego, una base para la imagen de T esta dado por los vectores {{1,0,0,0},{0,0,1,0}}
Pues
3.2.-FORMAS CUADRTICAS
3.2.1.-DEFINICIONES
1.-A la expresin ax
2
+ bxy + c y
2
se denomina forma cuadrtica asociada con la ecuacin
ax
2
+ bxy + c y
2
+ dx + ey + f =0 , y la matriz A se denomina matriz de la forma cuadrtica.
2.-Una forma cuadrtica es definida positiva si y solo si todos los autovalores son positivos
estrictamente.
3.-Una forma cuadrtica es definida negativamente si y solo si todos los autovalores son
negativos estrictamente.
4.-Una forma cuadrtica es semidefinida positiva y solo si todos los autovalores son no
negativos.
5.-Una forma cuadrtica es semidefinida negativa solo si todos los autovalores son no
positivos.
6.-Una forma cuadrtica es indefinida si existen autovalores positivos y negativos.
EJEMPLOS
1.-Consideremos la forma cuadrtica f: U R, siendo U subespacio vectorial del espacio real
tridimensional de tal forma que:
F[{x,y,z}]=x
2
2xy + y
2
+ 6xz 3yz + 4z
2
Demostrar que la matriz A=
4 2 / 3 3
2 / 3 1 1
3 1 1
es la matriz asociada al forma cuadrtica f.
23
SOLUCIN
Por dato tenemos la matriz A
Calculando la forma cuadrtica se tiene:
Simplificando para comparar la forma cuadrtica dada
Por tanto se demuestra que la matriz es la matriz asociada a la forma cuadrtica f.
2.-Consideremos la forma cuadrtica f: U R, siendo U subespacio vectorial del espacio real
tridimensional de tal forma que:
f[{x,y,z}]=x
2
+ 2y
2
+ 4yz + 2z
2
Demostrar que la matriz A=
2 2 0
2 2 0
0 0 1
es la matriz asociada al forma cuadrtica f y calcular
su ecuacin reducida, su rengo.
SOLUCIN
Por dato tenemos la matriz A
24
Calculemos la forma cuadrtica f :
Luego, esta ltima expresin coincide con la forma cuadrtica
Por tanto, queda demostrado que la matriz A es la matriz asociado a la forma cuadrtica.
Para hallar la ecuacin reducida calculemos la matriz de Jordan de A.
Y luego la ecuacin reducida ser:
Para calcular el rango usamos
Luego el rango es
25
CAPITULO IV MATRICES Y DETERMINANTES
4.1.-VECTORES Y MATRICES
Maple implementa la Librera linalg que contiene variedad de comandos referentes al lgebra
matricial. Para trabajar con los conceptos de este tema es preciso cargar en memoria
previamente la citada librera, ejecutando el comando with(linalg).
Para este captulo introduciremos varios comandos que permita el trabajo con vectores y
matrices.
La matriz n j m i
a a
a
a a
a A
mn m
n
ij
,... 1 ,... 1 ,
. . .
. . . . .
. . . . .
. . . .
. . .
) (
1
22
1 11
Se introduce las siguientes formas:
amn am a a n a a matrix A ,... 1 ,... 21 ,..., 21 , 1 ,..., 11 :
amn am a a n a a array A ,... 1 ,... 21 ,..., 21 , 1 ,..., 11 :
amn am n a n a n a a n m matrix A ,.., 1 ,... 2 ,.., 2 , 1 ,.., 11 , , :
A su vez, el vector ) ,..., 2 , 1 ( vn v v V se introduce como caso particular de matriz de una fila
sola fila (matriz de dimensin 1xn) o de las siguientes formas:
vn v vector V ,..., 1 : ; vn v v n vector V ,..., 2 , 1 , : o vn v v array V ,... 2 ,. 1 :
Veamos algunos ejemplos.
1.-
26
2.-
3.-
4.-
5.-
6.-
7.-
4.2.-OPERACIONES CON MATRICES
Maple admite la mayora de las operaciones del lgebra matricial (suma, diferencia,
producto, producto por un escalar) siempre y cuando se guarden las normas de
dimensionalidad correspondiente. Daremos algunos comandos que permitan las operaciones
bsicas con matrices.
evalm(expr(A,B,C,)) :Evala la expresin en las matrices A, B, C, Dicha
expresin ha de estar formada por los operadores bsicos
27
suma(+), diferencia(-), producto( &) y potencia ( ^ ). Dentro de
evalm la matriz cero se denota por 0, la matriz identidad se
denota por &*( ) y la matriz inversa por A^(-1) , adems A^0 es
siempre el escalar 1.
Matadd(A,B) :Suma de matrices o vectores A y B ( A+B)
Matadd(A,B,k,r) :Calcula k*A+r*B
Escalarmul(A,k) :Calcula k*A
multiply(A,B,C,) :Calcula el producto de las matrices dadas en el orden
especificado.
minor(A,i,j) :Da el menor complementario del elemento (i,j) de la matriz A
det(A) :Determinante de la matriz cuadrada A
rank(A) :Rango de la matriz A
trace(A) :Suma de los elementos de la diagonal de A
orthog(A) :Dice si A o no matriz ortogonal (A
-1
= A
t
)
diag(A1,A2,..An) :Construye la matriz diagonal cuyos elementos diagonales son
las sub-matrices ( o elementos ) A1, A2,..An.
transpose(A) :Vector o matriz transpuesta de A (A)
adjoint(A) o adj(A) :Matriz adjunta de la matriz cuadrada A
Exponential(A,t) :e
At
calculada a travs de series de Taylor
EJEMPLOS
1.-Consideremos la matriz siguiente:
1 3 2
1 0 1
2 3 1
A
28
Calcular
a) 2*A
b) La transpuesta de A
c) La Adjunta de A
d) La inversa de A
e) El Determinante de A
f) El rango de A
g) La traza de A
SOLUCIN
a) 2*A=
b) La transpuesta de A=
c) La Adjunta de A=
d) La inversa de A=
e) El Determinante de A=
f) El rango de A=
29
g) La traza de A =
2.-Consideremos las matrices siguientes:
1 3 2
1 0 1
2 3 1
A y
1 0 2
4 1 2
3 2 1
B
Calcular
a) 3A - 2B
b) A.B
c) det(A.B)
d) Inversa de A e inversa de B
e) La exponencial de A
SOLUCIN
a) 3A - 2B
b) A.B
c) det(A.B)
30
d) Inversa de A. B
3.-Consideremos la matriz siguiente
1 0 0
1 1 0
0 1 1
A
Calcular la exponencial de A
SOLUCIN
4.3.-RESOLUCIN DE ECUACIONES, SISTEMA DE ECUACIONES LINEALES
Maple ofrece determinados comandos que permiten resolver ecuaciones y sistemas de
ecuaciones Entre ellos tenemos los siguientes:
Solve(ecuacin,variable) :Resuelve la ecuacin dada en la variable dada.
Solve(expresin,variable) :Resuelve la ecuacin expresin=0
en la variable dada.
Solve({expr1,..,exprn},{var1,..varn})
:Resuelve el sitema dado por las ecuaciones dadas para
todas sus posibles variables.
31
Solve(inecuacin) :Resuelve la inecuacin para la variable especificada.
linsolve(M,V) :Halla Vx vector solucin del sistema M&*Vx=V donde
M es la matriz del sistema y V es el vector de termionos
independientes (no de elementos de V= no de filas de
M).
linsolve(M1,M2) :Halla la matriz Mx tal que M1&*Mx=M2. Las
dimensiones de M1, M2 y Mx han de ser las mismas y el
sentido de la multiplicacin es que M1 por cada
columnas de Mx es igual a la correspondiente columna
de M2.
Linsolve(M,V,nombre,variable) :Resuelve el sistema M&*Vx=V y asigna el nombre
especifico al rango de M. Si Maple necesita nombrar
variables para las soluciones usar los nombres
variable[1],variable[2], etc. Si el argumento variable no
se hubiese especificado, maple utiliza los
alores_t[1],_t[2], etc como nombres dela variables
adicionales necesarias en las soluciones.
Leastsqrs({equ1,,equn},{var1,varn})
:Halla var1,varn que satisface el sitema de ecuaciones
dado por equ1,..,equn en el sentido de mnimos
cuadrados.
EJEMPLOS
1.-Resolver
x
4
- 5x
2
+ 6x 2 = 0
32
SOLUCIN
Editamos la ecuacin en maple como:
Resolviendo la ecuacin con el siguiente comando:
Se obtiene las siguientes soluciones:
Escribiendo a solve(eq,x) como una nueva variable
Aplicando el comando evalf para aproximar las soluciones se tiene:
2.-Resolver el sistema de ecuaciones
0 2
3 3
1
w v u
v u
w v u
SOLUCIN
Editando el sistema
Resolviendo usando el comando solve, se tiene:
Por tanto, el conjunto solucin ser
3.-Resolver el sistema sujeto a determinadas condiciones
Si x
2
.y
2
= 0 y x y = 1
33
SOLUCIN
Editando la ecuacin y la condicin y resolviendo, se tiene:
Luego, el conjunto solucin ser:
Si deseamos que x sea distinto de cero , se tiene
4.-Resolver la inecuacin
x
2
+ x > 5
SOLUCIN
5.-Resolver la inecuacin
x
2
-2 x > 0
SOLUCIN
34
4.4.-EL TEOREMA DE ROUCH FROBENIUS
Los sistemas de ecuaciones lineales pueden convertirse a forma matricial y resolverse
utilizando el clculo con matrices. Un sistema puede escribirse en la forma M*X=B, siendo
X el vector de variables y B el vector de trminos independientes y M la matriz de
coeficientes del sistema.
Un sistema de m ecuaciones con n incgnitas tiene solucin si y slo si, el rango de la matriz
de los coeficientes coincide con el rango de la matriz ampliada con el vector columna de los
trminos independientes del sistema. Si los dos rangos son iguales e iguales al nmero de
incgnitas, el sistema tiene solucin nica. Si los dos rangos son iguales, pero menores al
nmero de incgnitas, el sistema tiene infinitas soluciones. Si son distintos, el sistema no
tiene solucin.
EJEMPLOS
1.-Estudiar y resolver el sistema de ecuaciones lineales
1 4 2 3 2 1
1 4 3 2 2 1
1 4 3 2 2 1
1 4 3 2 1 2
x x x x
x x x x
x x x x
x x x x
SOLUCIN
Editando la matiz de los coeficientes del sitema
Editando la matriz ampliada del sistema
35
Calculando el rango de A y de B, se tiene
Ambos rangos son iguales y coinciden con nmero de variables por lo tanto el sistema tiene
solucin nica
Editando el vector independiente para buscar la solucin
Resolviendo
La solucin ser:
2.-Estudiar y resolver el sistema de ecuaciones lineales
5 3 4 2 6 1 5
1 3 2 3 1 2
19 3 8 2 3 1
6 3 3 2 1
x x x
x x x
x x x
x x x
SOLUCIN
Editando la matiz de los coeficientes del sistema
36
Editando la matriz ampliada del sistema
Calculando el rango de A y de B, se tiene
Ambos rangos son iguales y coinciden con numero de variables por tanto el sistema tiene
solucin nica
Editando el vector independiente para buscar la solucin
Resolviendo, se tiene
Por tanto la solucin ser:
2.-Estudiar y resolver el sistema de ecuaciones lineales
6 3 2 1
5 3 2 2 4 1 2
10 3 3 2 2 1
x x x
x x x
x x x
37
SOLUCIN
Editando la matiz de los coeficientes del sistema
Editando la matriz ampliada del sistema
Calculando el rango de A y de B, se tiene
El rango de A es distinto al rango de B. Por tanto, el sistema no tiene solucin.
Luego, el sistema es incompatible.
4.5.-SISTEMAS HOMOGENEOS
El sistema A*X=B se dice homogneo si el vector de trminos independientes B es nulo, con
los que todo sistema homogneo ser de la forma A*X= 0, con solucin trivial el vector
X = 0
En un sistema homogneo, el rango de la matriz de los coeficientes y el rango de la matriz
ampliada con las columna de los trminos independientes siempre coinciden.. Si aplicamos el
teorema de Rouch-Frobenius, un sistema homogneo tendr una nica solucin cuando el
determinante de la matriz A sea distinto de cero.
38
Un sistema homogneo tendr infinitas soluciones cuando el determinante de la matriz sea
cero. En este caso, las infinitas soluciones se calculan igual que el de los sistemas generales o
tambin usando la funcin nullspace(A).
EJEMPLO
1.-Estudiar y resolver el sistema:
0 2 1 3
0 3 2 1 2
0 3 2 2 1
x x
x x x
x x x
SOLUCIN
Editando la matriz de los coeficientes
Calculando el rango de A
Como el determinante de la matriz es nulo, el sistema tendr infinitas soluciones.
Y estas soluciones sern
Si aplicamos el comando nullspace, obtenemos una base del ncleo de la matriz del sistema
En efecto:
39
2.-Estudiar y resolver el sistema:
0 4 3 2 2 1 2
0 4 2 3 2 2 1
0 4 3 2 1 2
0 4 3 2 1 3
x x x x
x x x x
x x x x
x x x x
SOLUCIN
Editando la matriz de los coeficientes
Calculando el determinante de A
Como el determinante de A es distinto de cero, entonces el sistema tiene nica solucin
Resolviendo se tiene
La solucin ser:
3.-Estudiar y resolver segn los valores de m, el sistema:
m x x
m x x m
m mx
3 2
3 1 ) 1 (
2
SOLUCIN
Editando la matriz de los coeficientes
40
Resolviendo el determinante de la matriz A en termino de m e igualando a cero
Si m es distinto a 46/3, el sistema tiene nica solucin, la trivial
Si m = 46/3, entonces el sistema tiene infinitas soluciones
Y estn dadas por
41
CAPITULO V PRODUCTO Y ORTOGONALIDAD
5.1.-MATRICES SEMEJANTES, DIAGONALIZACIN Y DESCOMPOSICIN DE
MATRICES
5.1.1.-DEFINICIONES
1.-Se dice que dos matrices A y B de dimensin mxn son equivalentes si existen dos
matrices regulares U y V tal que A =UBV. El comando de Maple svd(A;U,V) calcula una
matriz diagonal D que es equivalente a A .
2.-Se dice que dos matrices cuadradas de orden n, A y B son congruentes si existe una matriz
regular P tal que A=PBP
t
o A=P
t
BP. La congruencia implica la equivalencia, y dos matrices
congruentes han de tener el mismo rango.
3.-Se dice que dos matrices cuadradas de orden n, A y B son semejantes si existe una matriz
invertible P, llamada matriz de paso, tal que A=PDP
-1
. Se tiene que dos matrices semejantes
son equivalentes.
4.-Una matriz A se dice diagonalizable si es semejante a una matriz diagonal D, esto es , si
existe una matriz de paso P regular tal que A=PDP
-1
5.-El proceso de clculo de la matriz diagonal D y de paso P se denomina diagonalizacin de
A.
6.-Una matriz cuadrada A es ortogonal si y solo si A
-1
=Q
T
7.-Una matriz cuadrada A es ortogonalmente diagonalizable si existe una matriz ortogonal Q
y una matriz diagonal D tal que Q
T
AQ=D
8.-Si A es una matriz simtrica entonces cualquiera dos eigenvectores distintos
correspondientes a eigenvalores distintos de A son ortogonales.
9.-Dada una matriz A cuadrada de orden n de nmeros reales, si todos los valores propios
42
(autovalores A) son reales y distintos, entonces A es diagonalizable . La matriz D tendr
Como elementos de la diagonal los valores propios de A. La matriz de paso P tiene por
Columnas los vectores propios de A correspondientes a sus valores propios .
Si la matriz A tiene el valor propio r con multiplicidad mayor que 1, ser diagonalizable si y
slo si el ncleo de la matiz A-r*In tiene dimensin igual al grado de multiplicidad del valor
propio.
Maple habilita comandos que permiten la descomposicin de matrices en productos de
vectores ortogonales y matrices diagonales. As tenemos:
Svd(A) :Da un array con los valores singulares de A
Svd(A,V,left) :Da un array con los valores singulares de A y el
array de V con los valores singulares de A por la
izquierda
Svd(A,V,right) :Da un array con los valores singulares de A y el
array de V con los valores singulares de A por la
derecha
Svd(A,U,V) :Da las matrices cuadradas U y V tales que
evalm(transpose(U)&*V)=D, siendo D una
matriz cuya diagonal son los valores singulares
de A. Si A es cuadrada todas las matrices son
cuadradas y de la misma dimensin. Si A es de
dimensin (n, p), entonces U es (n, n), V es (p, p)
y D es (n, p)
Definite(A,opcin) :Determina si la matriz A es definida positiva,
semideinida positiva, definida negaticva o
43
semidefinida negativa para los respectivos
valores de la opcin dados por positive_def ,
positive_semidef,negative def o
negative_semidef
Jordan(A,P) :Devuelve la forma cannica de Jordan J de A
con los valores propios de A en la diagonal, y la
matriz de paso V cuyas columnas son los
autovectores de A, cumplindose la igualdad
evam(V
1
&*A&*V)=J
Orthog(A) :Dice si A es no matriz ortogonal (A
(-1)
=A
t
)
EJEMPLOS
1.-Dada la matriz:
2 1
2 1 1
3 1 1
i i
i i A
Calcular los autovalores, polinomio mnimo, polinomio caracterstico, forma cannica de
Jordan y sus valores singulares.
SOLUCIN
44
2.-Dada la matriz:
) cos( ) ( 0
) ( ) cos( 0
0 0 1
a a sen
a sen a A
Calcular los autovalores, polinomio caracterstico, forma cannica de Jordan, polinomio
mnimo.
SOLUCIN
45
3.-Dada la matriz:
3 0 0 1
0 2 0 1
10 5 1 0
0 0 0 1
A
Calcular auto valores, polinomio caracterstico, forma cannica de Jordan, polinomio
mnimo.
SOLUCIN
4.- Dada la matriz la matriz A de orden 5, definida por 2 / 1
Calcular La matriz A, auto valores, polinomio caracterstico forma diagonal de Jordan.
SOLUCIN
46
5.-Dada la matriz
5 / 4 0 2 / 1
5 / 2 3 / 1 2 / 1
5 / 2 3 / 1 2 / 1
A
Verificar si esta matriz es ortogonal
SOLUCIN
Usando el comando orthog , para ver si matriz A es no ortogonal
En efecto
47
El resultado de aplicar este comando es false lo que significa que la matriz no es ortogonal.
6.-Dada la matriz
2 / 1 2 / 1 2 / 1 2 / 1
2 / 1 2 / 1 2 / 1 2 / 1
2 / 1 2 / 1 2 / 1 2 / 1
2 / 1 2 / 1 2 / 1 2 / 1
A
Demuestre que la matriz A es ortogonal
Encuentre la inversa y la transpuesta de A
SOLUCIN
El resultado de aplicar este comando es true lo que significa que la matriz es ortogonal.
Calculando la matriz inversa
48
La transpuesta de A
Luego, la inversa de A es igual su transpuesta
Por tanto, La matriz A es ortogonal
5.2.-MATRICES ESPECIALES
Maple ofrece comandos para definir determinados tipos especiales de matrices. Entre ellos
tenemos:
hilbert (n) :Matriz de Hilbert de orden n tal que Aij=1/(i+j-
1)
sylvester(p1,p2,x) :Matriz cuadrada de Sylvester de los polinomios
en x expandidos dados, con dimensin m+n,
siendo m=grado (p1) y n=grado(p2). El
determinante de esta matriz es la resultante de los
dos polinomios.
49
fibonacci (n) :Matriz ensima de Fibonacci F(n) cuya
dimensin es la suma de las dimensiones de F(n-
1) y F(n-2).
Vandermonde([exp1,..,expn]) :Matriz de Vandermonde cuyo elemento (i,j) es
exp
i
j-1
.
wroskian(V,x) :Matriz bronskiana del vector V=(f1,..fn)
respecto de la variable x. El elemento (i,j) es
diff(fj,x$(i-1).
Jacobian([expr1,..exprm],[x1,..xn]
:Matriz jacobiana de orden mxn de elementos
(i,j) diff(expri,xj).
Hessian(ex,[x1,..xn]) :Matriz hessiana de orden mxn de elementos (i,j)
diff(ex,xi,xj).
iSmith(A,var) :Da la matriz diagonal S correspondiente a la
forma normal de Smith de la matriz cuadrada A
de polinomio en la variable var.
ihermite(A,var) :Da la Matriz H correspondiente a la forma
reducida escalonada normal de Hermite de la
matriz cuadrada A de polinomios en la variable
var sobre los racionales.
Gaussjord(A) ;Da la matriz triangular superior correspondiente
a la reducida por filas escalonada de Jordan de la
matriz A. Esta reducida se utiliza para facilitar la
50
resolucin de sistemas de ecuaciones lineales
cuya matriz de coeficiente es la matriz A.
Backsub(A) :Da el vector x tal que A*x=V siendo A una
matriz triangular reducida de gauss de A, que
suele ser la obtenida con gaussjord(A) o
gausselim(A) y siendo V el vector ltima
columna de la matriz A.
Backsub(A,V) :Da el vector x tal que A*x=V siendo A una
matriz triangular reducida de gauss de A, que
suele ser la obtenida con gaussjord(A) o
gausselim(A).
EJEMPLOS
Consideramos la matriz A cuadrada 3 cuyas filas son los vectores (1, 5,-2), (-7,3,1) y (2,2,-2)
Siendo V el vector de unos, resolver el sistema L*x=V basndose en la descomposicin LU.
Resolver el sistema G*x=V utilizando la transformacin de A a su forma triangular de Gauss
Resolver el sistema J*x=V utilizando la transformacin de A a su forma triangular de Jordan
Representar el sistema matricial en la forma de ecuaciones y realizar las descomposiciones de
Hermite y Smith para la matriz A.
SOLUCIN
En primer lugar definimos la matriz A y el vector V.
51
A continuacin hallamos la descomposicin LU de A, para resolver el sistema A*x=V,
utilizando el comando backsub
Ya hemos resuelto el sistema L*x=V, cuya expresin en forma de ecuaciones se puede
conseguir con el geneqns como sigue:
Ahora resolvemos el sitema G*x=V transformado A a su forma triangular de Gauss
El sistema en forma de ecuaciones se expresara de la forma:
Ahora resolvemos el sistema J*x=V transformando A a su forma triangular de Jordan y
usando posteriormente el comando forwardsub.
Por ltimo se presentan las formas de Smith y Hermite para la matriz entera A
52
53
CAPITULO VI VALORES Y VECTORES PROPIOS
6.1.-AUTOVALORES Y AUTOVECTORES
6.1.1.-DEFINICIN
Sea A una matriz de orden nxn. Un escalar es llamado un eigenvalor de A si existe un
vector x distinto del vector cero tal que A x = x
Al vector x de esta naturaleza se le conoce un iegenvector de A correspondiente al escalar .
De la definicin al det(A I)= 0 se le conoce con el nombre de polinomio caracterstico de
A y a la Matriz A- I se le conoce como matriz caracterstica.
6.1.2.-COMANDOS BSICOS
Maple implementa comandos que permiten el trabajo fluido con auto valores y auto vectores
de una matriz cuadrada. Tenemos los siguientes:
eigenvals(A) :Devuelve los autovalores de la matriz A (races
del polinomio caracterstico ( det( *I - A) = 0
eigenvals(A,nombre) :Asocia la variable nombre a los autovalores de
A en modo inerte
eigenvectors(A) :Devuelve los autovectores de la matriz A
charmat(A, ) :Devuelve la matriz caracterstica de A en
funcin de , cuyo valor es M= *I-A
charmat(A, expr ) :Devuelve la matriz caracterstica de A en
funcin de expr, cuyo valor es M= *i-A
charpoly(A,expr) :Devuelve el polinomio caracterstico de A en
funcin de expr, cuyo valor es det(expr*i-A)
54
minipoly(A,x) :Devuelve el polinomio mnimo de A en la
variable x. El polinomio mnimo de A es el
polinomio p(x) de menor grado que aniquila a A.
esto es, tal que p(A)=0
EJEMPLOS
Calcular la matriz caracterstica, el polinomio caracterstico y los iegenvalores y
eigenvectores de las matrices siguientes:
1.-
1 0
0 1
A
2.-
2 2 2
6 3 3
2 1 7
A
3.-
1 0 1
2 1 0
0 0 3
A
4.-
0 2 1
1 1 1
1 1 0
A
5.-
1 2 1
1 0 3
2 1 4
A
SOLUCIN
1.-
1 0
0 1
A
55
Para el valor de
1
= -1 entonces se obtiene el vector x
1
=(0,1)
Para el valor de
2
= 1 entonces se obtiene el vector x
2
=(1,0)
2.-
2 2 2
6 3 3
2 1 7
A
Para el valor de
1
= 0 entonces se obtiene el vector x
3
=(1,-3,2)
Para el valor de
2
= 6 entonces se obtiene el vector x
1
=(2,0,1)
3.-
1 0 1
2 1 0
0 0 3
A
56
Para el valor de
1
= 3 entonces se obtiene el vector x
1
=(2,-1,1)
Para el valor de
2
= 1 entonces se obtiene el vector x
2
=(0,1,0)
4.-
0 2 1
1 1 1
1 1 0
A
Para el valor de
1
= 0 entonces se obtiene el vector x
2
=(-2,1,1)
Para el valor de
2
= -1 entonces se obtiene el vector x
3
=(3,-2,1)
Para el valor de
3
= 2 entonces se obtiene el vector x
1
=(0,1,1)
57
5.-
3 0 0
1 2 0
3 1 4
A
SOLUCIN
Para el valor de
1
= 3 entonces se obtiene el vector x
2
=(-2,1,1)
Para el valor de
2
= 2 entonces se obtiene el vector x
3
=(1,2,0)
Para el valor de
3
= 4 entonces se obtiene el vector x
1
=(1,0,0)
58
CAPITULO VII APLICACIN DEL ALGEBRA LINEAL CON MAPLE
CLCULO VECTORIAL
7.1.- FUNCIONES VECTORIALES DE VARIABLE REAL
7.1.1.-DEFINICIN
Llamaremos funcin vectorial, y lo denotaremos por f a la funcin
3
: R R f definida por:
k t f j t f i t f t f t f t f t f ) ( ) ( ) ( )) ( ), ( ), ( ( : ) (
3 2 1 3 2 1
Editando en Maple se tiene:
=
Donde e
x
, e
y
y e
z
son los vectores cannicos o la base cannica del espacio R
3
. Por ejemplo
e
x
:=(1, 0, 0) , e
y
:=(0, 1, 0) y e
z
:=(0, 0, 1)
Grficamente una funcin vectorial es dado por la siguiente grafica
OBSERVACION
A las funciones
3 2 1
y , f f f son llamados funciones coordenadas o funciones componentes de
la funcin vectorial f
EJEMPLOS
Editar con maple las siguientes funciones vectoriales
59
1.- ) , , (cos : ) ( t sent t t f
2.- ) 2 , 1 , (cos : ) ( sent sent t t f
3.- ) , 3 , cos 2 ( : ) ( t sent t t f
4.- ) cos , 3 , cos 2 ( : ) ( t sent sent t t f
SOLUCIN
1.- ) , , (cos : ) ( t sent t t f
=
2.- ) 2 , 1 , (cos : ) ( sent sent t t f
=
3.- ) , 3 , cos 2 ( : ) ( t sent t t f
=
4.- ) cos , 3 , cos 2 ( : ) ( t sent sent t t f
=
7.1.2.-GRAFICA DE UNA FUNCIN VECTORIAL
Sea f una funcin vectorial. Definimos grafica de la funcin vectorial como:
) ( / ) ( , ( : ) ( f Dom t t f t f Gra
EJEMPLOS
I.-Graficar las siguientes funciones vectoriales
1.- ) , , (cos : ) ( t sent t t f
60
2.- ) 2 , 1 , (cos : ) ( sent sent t t f
3.- ) , 3 , cos 2 ( : ) ( t sent t t f
SOLUCIN
Para graficar una funcin con vectorial con maple usaremos los siguientes pasos:
Usaremos el men de herramientas, hacemos un clic para obtener un nuevo men llamado
tutorial-clculo vectorial, hacemos un clic y escogemos curvas en el espacio; saliendo una
ventana de grficos de funciones, editamos la funcin requerida para hacer un clic en display
resultando la grfica de la funcin vectorial editada.
1.- ) , , (cos : ) ( t sent t t f 4 0 t
61
2.- ) 2 , 1 , (cos : ) ( sent sent t t f
3.- ) , 3 , cos 2 ( : ) ( t sent t t f
7.1.3.-OPERACIONES CON FUNCIONES VECTORIALES
Dadas las funciones vectoriales f y g con ) ( ) ( g yDom f Dom sus respectivos dominios; y
dado la funcin real se tiene:
) ( ) ( ), ( ) ( : ) )( ( g Dom f Dom t t g t f t g f
62
) ( ) ( ), ( . ) ( : ) )( . ( g Dom f Dom t t g t f t g f
) ( ) ( ), ( ) ( : ) )( ( g Dom f Dom t t g x t f t g x f
1
) ( ) ( ), ( ). ( : ) )( . ( f Dom Dom t t f t t f
) ( )), ( ( : ) )( ( o f Dom t t f t o f
) ( ) ( ) ( / : ) ( f Dom t Dom t R t o f Dom
EJEMPLOS
I.-Dada las funciones vectoriales.
) , , ( ) ( y ), , , (cos ) ( t e e t g t sent t t f
t t
Calcular
a) ) )( . ( t g f
b) ) )( ( t g x f
SOLUCIN
Editando las dos funciones vectoriales.
=
1
f y g son funciones vectoriales en el espacio R
3
63
=
Aplicando el comando producto escalar y producto vectorial, se tiene
a) ) )( . ( t g f
=
b) ) )( ( t g x f
=
II.-Dadas las funciones
1 ) ( y ), , , ( ) (
2
t t t e e t f
t t
Calcular ) )( . ( t f
SOLUCIN
Editando la funcin vectorial
=
Aplicando el producto de un funcin escalar por una funcin vectorial, se tiene:
=
III.-Dadas las funciones. ) , cos , ( ) ( y ), , , (cos ) ( ), 1 , , (cos ) ( t t sent t h t sent t t g sent t t f
Calcular ) ( ). ( ) ( t h t g x t f
SOLUCIN
Editando las funciones vectoriales
=
=
=
64
Calculando el producto vectorial, se tiene
=
Luego, calculando el producto escalar, se tiene
=
Simplificando
=
Por tanto, ) ( ). ( ) ( t h t g x t f =
7.1.4.-LMITE DE UNA FUNCION VECTORIAL
Sea f una funcin vectorial definida en un dominio ) ( f Dom y se ) ( f Dom t
o
y sea L un
vector. Entonces diremos que L es el lmite de la funcin vectorial f cuando t se aproxima a
t si y solo si
L t f t t f Dom t talque ) ( 0 ) ( , 0 , 0
0 0
OBSERVACION
Sea la funcin vectorial definida por k t f j t f i t f t f ) ( ) ( ) ( : ) (
3 2 1
Entonces k t f Lim j t f Lim i t f Lim t f Lim
t t t t t t t t
) ( ) ( ) ( : ) (
3 2 1
0 0 0 0
Siempre que los limites siguientes existan
) ( y ) ( ), (
3 2 1
0 0 0
t f Lim t f Lim t f Lim
t t t t t t
EJEMPLOS
Calcular los siguientes lmites de las siguientes funciones vectoriales en el punto indicado.
1.- 3
9
6 5
3
3 2
3 : ) (
2
2 2
t k
t
t t
j
t
t t
i t f
65
2.- 1 1
) 1 ( 3
1
1
) 1 (
: ) (
2
t k j
t
t
i
t
t sen
t g
3.- 1
1
2 3
1
1
: ) (
2
2 2
t k t j
t
t t
i
t
t
t h
4.- 0 ) 1 ( cos : ) ( t k t j sent i t F
SOLUCIN
Usaremos el comando limit de maple para resolver estos lmites.
1.- 3
9
6 5
3
3 2
3 : ) (
2
2 2
t k
t
t t
j
t
t t
i t f
Editamos la funcin
=
Aplicando limite en t=3, se tiene
=
2.- 1 1
) 1 ( 3
1
1
) 1 (
: ) (
2
t k j
t
t
i
t
t sen
t g
=
Aplicando limite en t=1, se tiene
=
3.- 1
1
2 3
1
1
: ) (
2
2 2
t k t j
t
t t
i
t
t
t h
=
Aplicando lmite se tiene
=
66
4.- 0 ) 1 ( cos : ) ( t k t j sent i t F
=
Aplicando lmite, se tiene
=
PROPIEDADES
Sean las funciones vectoriales f y g tal que
a t f Lim
t t
) (
0
b t g Lim
t t
) (
0
y L t Lim
t t
) (
0
Entonces se tiene
) )( (
0
t g f Lim
t t
) ( ) (
0 0
t g Lim t f Lim
t t t t
b a
) )( . (
0
t g f Lim
t t
) ( . ) (
0 0
t g Lim t f Lim
t t t t
b a .
) )( (
0
t g x f Lim
t t
) ( ) (
0 0
t g Lim x t f Lim
t t t t
b x a
) )( . (
0
t f Lim
t t
) ( ). (
0 0
t f Lim t Lim
t t t t
a L.
7.1.5.-CONTINUIDAD DE UNA FUNCION VECTORIAL
Sea f una funcin vectorial y t
0
Dom( f ), diremos que la funcin f es continua en t
0
sii
a).- ) (
0
t f existe
b)- ) (
0
t f Lm
t t
existe
c).- ) ( ) (
0
0
t f t f Lm
t t
67
OBSERVACION
Si la funcin no cumple con algunas de estas condiciones se dice que la funcin vectorial no
es continua o discontinua en el punto t
0
EJEMPLOS
I.-Analizar si la siguientes funciones vectoriales es continua en el punto que se indica.
1.- 0 ), , , (cos : ) ( t t sent t t f
2.- 0 ), 2 , 1 , (cos : ) ( t sent sent t t f
3.- 3 )
9
6 5
,
3
3 2
, 3 ( ) (
2
2 2
t
t
t t
t
t t
t f
4.- 0 ), cos , 3 , cos 2 ( : ) ( t t
t
sent
t t f
5.- 0 ), , , cos ( : ) ( t e sent e t e t f
t t t
SOLUCIN
1.- 0 ), , , (cos : ) ( t t sent t t f
Usaremos la definicin de continuidad
a).- ) 0 , 0 , 1 ( ) 0 , 0 , 0 (cos ) 0 ( sen f es un vector en R
3
por tanto existe
b).- ) 0 , 0 , 1 ( ) , , cos ( ) (
0 0 0 0
t Lm sent Lm t Lm t f Lm
t t t t
existe
c).- ) 0 ( ) (
0
f t f Lm
t
Luego la funcin vectorial cumple con las tres condiciones de continuidad
Por lo tanto la funcin vectorial dada es continua en t
0
=0
2.- 0 ), 2 , 1 , (cos : ) ( t sent sent t t f
Similarmente como en el ejemplo anterior, usaremos la definicin de continuidad
68
a).- ) 2 , 1 , 1 ( ) 0 2 , 0 1 , 0 (cos ) 0 ( sen sen f es un vector en R
3
por tanto existe
b).- ) 2 , 1 , 1 ( )) 2 ( ), 1 ( , cos ( ) (
0 0 0 0
sent Lm sent Lm t Lm t f Lm
t t t t
existe
c).- ) 0 ( ) (
0
f t f Lm
t
Luego la funcin vectorial cumple con las tres condiciones de continuidad
Por lo tanto la funcin vectorial dada es continua en t
0
=0
3.- 3 )
9
6 5
,
3
3 2
, 3 ( ) (
2
2 2
t
t
t t
t
t t
t f
Usando la definicin de continuidad.
a).- ) 0 ,
0
0
, 1 ( )
18
0
,
0
0
, 3 ( ) 3 ( f notamos que la segunda coordenada del vector no tiene
significado, por lo que la imagen de t =3 no existe
Luego la funcin vectorial dada no es continua en t
0
=3
4.- 0 ), cos , 3 , cos 2 ( : ) ( t t
t
sent
t t f
Usando la definicin de continuidad
a).- ) 1 ,
0
0
, 2 ( ) 0 cos ,
0
0
3 , 0 cos 2 ( ) 0 (
sen
f de igual manera la segunda coordenada del vector
no tiene significado, por lo que la imagen de t =0 no existe
Luego la funcin vectorial dada no es continua en t
0
=0
5.- 0 ), , , cos ( : ) ( t e sent e t e t f
t t t
Usando la definicin de continuidad
a).- ) 1 , 0 , 1 ( ) , 0 , 0 cos ( ) 0 (
0 0 0
e sen e e f es un vector en R
3
por tanto existe
b).- ) 1 , 0 , 1 ( ) , , cos ( ) (
0 0 0 0
t
t
t
t
t
t t
e Lm sent e Lm t e Lm t f Lm existe
69
c).- ) 0 ( ) (
0
f t f Lm
t
Luego la funcin vectorial cumple con las tres condiciones de continuidad
Por lo tanto la funcin vectorial dada es continua en t
0
=0
OBSERVACIN
Hay casos en la cual la imagen de la funcin vectorial no est definida en un punto, pero el
limte existe alrededor de dicho punto; que la imagen de dicho punto esta definida pero no
coincide con el limite de la funcin. En ambos casos la funcin no es continua osea
discontinua; por lo tanto, la funcin tiene una discontinuidad evitable, es decir podemos
redifinir la funcin vectorial tal que sea continua en ese punto.
EJEMPLO
Analizar la continuidad de la funcin vectorial en el punto que se indica.
Si
0 ), 1 , 0 , 2 / 1 (
0 ), 1 ,
1 cos
,
2
1
(
) (
2
t
t t
t
t
t
e
t f
t
SOLUCIN
La imagen de la funcin vectorial en t=0 es el vector (1,0,1)
Calculando el lmite:
) 1 , 2 / 1 , 2 / 1 ( )) 1 ( ,
1 cos
,
2
1
( ) ,
1 cos
,
2
1
(
0
2
0 0
2
0
t Lm
t
t
Lm
t
e
Lm t
t
t
t
e
Lm
t t
t
t
t
t
Por tanto la imagen de la funcin en t=0 es distinta al lmite. luego la funcin vectorial es
discontinua en t=0
Aplicando la obervacin se tiene que la nueva funcin vectoeial ser:
0 ), 1 , 2 / 1 , 2 / 1 (
0 ), 1 ,
1 cos
,
2
1
(
) (
2
t
t t
t
t
t
e
t f
t
70
PROPIEDADES DE CONTINUIDAD
Sean f y g dos funciones vectoriales continuas en t
0
Entonces.
1.- g f es continua en t
0
2.- f . es continua en t
0
donde R
3.- g f . es continua en t
0
4.- g x f
2
es continua en t
0
OBSERVACIN
Para demostrar estas propiedades basta con aplicar la siguiente definicin.
La )) ( ), ( ), ( ( ) (
3 2 1
t f t f t f t f vectorial es continuas en t
0
si y solo si cada funcin coordenada
es continua en t
0
Por ejemplo. Demostraremos la primera propiedad
Supongamos que )) ( ), ( ), ( ( ) (
3 2 1
t f t f t f t f y )) ( ), ( ), ( ( ) (
3 2 1
t g t g t g t g
Dos funciones vectoriales continuas en t
0
entonces las funciones coordenadas
3 2 1
, , f f f y
3 2 1
, , g g g son continuas en t
0
, sumando
3 3 2 2 1 1
, , g f g f g f son continuas en t
0
.
Luego la primera propiedad se cumple.
2
El producto vectorial es definida en R
3
71
7.1.6.-DERIVADA DE UNA FUNCION VECTORIAL
Sea f una funcin vectorial y t
0
Dom( f ), diremos que la funcin f tiene derivada en t
0
y lo denotamos por ' f si
0
0
0
) ( ) (
: ) ( '
0 t t
t f t f
Lim t f
t t
siempre que este lmite exista y sea
finito
PROPIEDADES
1.-Si la funcin vectorial f es definida por k t f j t f i t f t f ) ( ) ( ) ( : ) (
3 2 1
entonces:
k t f j t f i t f t f ) ( ' ) ( ' ) ( ' : ) ( '
3 2 1
siempre que las funciones derivadas ' y ' , '
3 2 1
f f f
existan.
2.-Sean las funciones vectoriales f y g diferenciables y sea una funcin real
diferenciable, en un intervalo entonces g f y g f . .y g x f y f . son diferenciables.
Y se cumple:
a ) ( ' ) ( ' : ) ( )' ( t g t f t g f
) ( ' . ) ( ) ( . ) ( ' : ) ( )' . ( t g t f t g t f t g f
c) ) ( ' ) ( ) ( ) ( ' : ) ( )' ( t g x t f t g x t f t g x f
d ) ( ' ). ( ) ( ). ( ' : ) ( )' . ( t f t t f t t f
EJEMPLOS
I.-Calcular derivada de las siguientes funciones vectoriales en el punto indicado
1.- 0 t ), , , (cos ) ( t sent t t f
2.- 1 t ), , , ( ) (
3 2
t t t t f
72
3.- 0 t ), , , ( ) (
5
t e e t f
t t
4.- 0 t ), , , cos ( ) ( t tsent t t t f
5.- 1 t ), , , ( ) (
2 3
t t t t f
SOLUCIN
1.- 0 t ), , , (cos ) ( t sent t t f
Editando la funcin vectorial
=
Aplicando el operador diferencial dado por maple.
=
Por tanto, obtenemos la derivada de la funcin vectorial f
2.- 1 t ), , , ( ) (
3 2
t t t t f
=
Aplicando la derivad obtenemos
=
3.- 0 t ), , , ( ) (
5
t e e t f
t t
=
=
4.- 0 t ), , , cos ( ) ( t tsent t t t f
=
=
73
5.- 1 t ), , , ( ) (
2 3
t t t t f
=
=
Para este ltimo ejemplo evaluemos la derivada en t= 1, se tiene
=
7.1.7.-INTEGRAL DE UNA FUNCION VECTORIAL
DEFINICIN DE INTEGRAL INDEFINIDA
Sea la funcin vectorial f es definida por k t f j t f i t f t f ) ( ) ( ) ( : ) (
3 2 1
entonces:
La integral indefinida de f es dado por
c k dt t f j dt t f i dt t f dt t f ) ( ) ( ) ( ) (
3 2 1
Donde c es la constante de integracin.
DEFINICION DE UNA INTEGRAL DEFINIDA
Sea la funcin vectorial f es definida en un intervalo abierto I=] a, b [ y por
k t f j t f i t f t f ) ( ) ( ) ( : ) (
3 2 1
entonces:
Para dos puntos distintos a y b I se tiene
b
a
b
a
b
a
b
a
k dt t f j dt t f i dt t f dt t f ) ( ) ( ) ( ) (
3 2 1
PROPIEDADES
74
1.-Sean
3
, : , R b a g f funciones vectoriales integrables, entonces la funcin
R g f , . es integrable en b a, y se tiene
b
a
b
a
b
a
dt t g dt t f dt t g f ) ( . ) ( . ) )( (
2.-Si
3
, : R b a f es una funcin vectorial integrables y c es un vector constante,
entonces las funciones y . f cx f c es integrable en b a, y se tiene
) ( ) )( ( y ) ( . ) )( . (
b
a
b
a
b
a
b
a
dt t f x c dt t f x c dt t f c dt t f c
3.-Si
3
, : R b a f es una funcin vectorial integrables y f es integrable en b a, y se
tiene
b
a
b
a
dt t f dt t f ) ( ) (
7.1.8.-TEOREMAS FUNDAMENTALES
PRIMER TEOREMA FUNDAMENTAL DEL CLCULO PARA FUNCIONES VECTORIALES
Sea la funcin vectorial f continua en un intervalo abierto I=] a, b [ y sea t
0
I, entonces:
I , ) ( ) (
0
t t f dt t f D
t
t
t
SEGUNDO TEOREMA FUNDAMENTAL DEL CLCULO PARA FUNCIONES VECTORIALES
Si k t f j t f i t f t f ) ( ) ( ) ( : ) (
3 2 1
tiene derivada continua sobre el intervalo abierto I=] a, b [
Entonces ) ( ) ( ) ( a f b f dt t f D
b
a
t
EJEMPLOS
75
I.-Calcular las integrales de las siguientes funciones
1.- ) , , (cos ) ( t sent t t f
2.- ) ,
1
, ( ) (
3 ) 2 (
t
t
e t f
t
3.- ) ), 4 ( , ( ) (
3
t t sen t t h
SOLUCIN
Editamos la funcin
=
Aplicando el comando integral int de maple
=
2.- ) ,
1
, ( ) (
3 ) 2 (
t
t
e t f
t
=
=
3.- ) ), 4 ( , ( ) (
3
t t sen t t h
=
=
II.-Calcular las integrales de las siguientes funciones en el intervalo indicado
1.- 2 / 0 ), , , (cos ) ( t t sent t t f
2.- 2 1 ), ,
1
, ( ) (
3 ) 2 (
t t
t
e t f
t
76
3.- 1 t 1 - ), , 4 , ( ) (
3
t t t t f
SOLUCIN
1.- 2 / 0 ), , , (cos ) ( t t sent t t f
Editando la funcin
=
Usando el comando int de maple en el intervalo pedido
int =
=
2.- 2 1 ), ,
1
, ( ) (
3 ) 2 (
t t
t
e t f
t
=
=
3.- 1 t 1 - ), , 4 , ( ) (
3
t t t t f
=
=
Por tanto la integral ser el vector (0,8,0).
77
7.2.-CURVAS EN EL ESPACIO
7.2.1.-DEFINICIN
Una funcin vectorial define curvas en el plano o en el espacio, stas curvas pueden ser
simples, cerradas y cerradas con punto doble
A continuacin definimos stas curvas.
La Curva C es una curva cerrada en un intervalo cerrado
I =[a, b] si ) ( ) ( b a
La Curva C es una curva con puntos dobles si
2 1 2 1
), ( ) ( t t t t
La Curva C es una curva simple si no posee puntos
dobles.
Para nuestro propsito estudiaremos aquellas curvas que no presentan puntas o picos.
Es decir, curva suave en la cual exista la derivada, y estas son las curvas regulares.
7.2.2-DEFINICIN DE UNA CURVA REGULAR
Se dice que la Curva C es una curva Regular si es de clase C
1
y b a t t , , 0 ) ( '
OBSERVACIN
Una curva es de clase C
1
si existen sus primeras derivadas y stas son continuas en un
intervalo abierto.
EJEMPLOS
Las curvas dadas son regulares
78
1.- ) 0 , , (cos ) ( sent t t
2.- ) , , cos ( ) (
2 2 2 2
a sent a R t a R t
3.- 0 , 0 ), , , cos ( ) ( b a bt asent t a t
En efecto
1.- ) 0 , , (cos ) ( sent t t
=
=
Por tanto, la derivada no es cero para todo t en los reales
Luego, la curva es regular
2.- ) , , cos ( ) (
2 2 2 2
a sent a R t a R t
=
=
Por tanto, la derivada no es cero para todo t en los reales
Luego, la curva es regular
3.- 0 , 0 ), , , cos ( ) ( b a bt asent t a t
=
=
Por tanto, la derivada no es cero para todo t en los reales
Luego, la curva es regular
79
7.2.3.-PARAMETRIZACIN DE UNA CURVA REGULAR, GRAFICA
Se dice que la curva C C R
3
es una curva parametrizada, si existe una funcin vectorial
3
, : R R b a tal que C b a ) , (
OBSERVACIN
A la funcin vectorial se le llama parametrizacin de la curva C.
EJEMPLOS
I.-Encontrar una parametrizacin y graficar de las curvas siguientes
1.-
2 2 2
: y x z C
2.-
z z
y x
C
36
:
2 2
SOLUCION
1.-
2 2 2
: y x z C
Parametrizando se tiene
0 ), , , cos ( ) ( t t tsent t t t
Usaremos el comando plot3d de maple que se encuentra en el men de herramientas.
2.-
z z
y x
C
36
:
2 2
80
Parametrizando la curva se tiene
0 ), , 4 , cos 9 ( ) ( t t sent t t
Usaremos el comando plot3d de maple.
7.2.4.-LONGITUD DE ARCO
Sea b a, :
3
R R una curva regular definida por )) ( ), ( ), ( ( (t)
3 2 1
t t t
Si ) ( ) (
2 1
t Q y t P entonces la LONGITUD DE ARCO de la curva desde P hasta
Q esta dado por:
1
0
) ( ' ) (
t
t
dt t PQ L
OBSERVACIN
La funcin longitud de arco de una curva esta dado por
b a t dt t t L t s
t
t
, , ) ( ' ) ( ) (
0
EJEMPLOS
I.-Calcular la longitud de arco de las curvas siguientes
1.- 2 t 0 t ), 2 , cos 2 ( ) (
1 0
sent t t
81
2.- 2 t 1 t ), , , ( ) (
1 0
t t t t
3.- 1 0 ), , , ( ) (
1 0
2
t t t t t t
4.- 4 t 0 t ), 4 , 3 , cos 3 ( ) (
1 0
t tsent t t t
SOLUCIN
1.- 2 t 0 t ), , (cos ) (
1 0
sent t t
Editando la funcin y usando el comando ArcLongth de maple, se tiene
=
2.- 2 t 1 t ), , , ( ) (
1 0
t t t t
Editando la funcin y usando el comando ArcLongth de maple, se tiene
=
3.- 1 0 ), , , ( ) (
1 0
2
t t t t t t
Editando la funcin y usando el comando ArcLongth de maple, se tiene
=
4.- 3 1 ),
2
1
6
1
, 1 , ( ) (
1 0
1 3
t t t t t t
=
82
7.2.5.-VECTORES UNITARIOS: TANGENTE, NORMAL PRINCIPAL Y
BINORMAL
VECTOR TANGENTE UNITARIO.
Sea b a, :
3
R R una curva regular.
El vector tangente unitario, T(t) en la
direccin de '
) ( '
) ( '
: ) (
t
t
t T
OBSERVACIN 1
Se demuestra que ) ( ' ) ( t T t T
VECTOR NORMAL PRINCIPAL.
El vector unitario que tiene la misma
direccin que 0 (t) ' T se denomina
Normal principal a la curva.
) ( '
) ( '
: ) (
t T
t T
t N
EJEMPLOS
I.-Calcular el vector tangente unitario y el vector normal principal de las siguientes curvas.
a).- ) , ( ) (
2
t t t f
83
b).- ) , , ( ) (
3 2
t t t t f
c).- ) , . , cos ( ) (
t t t
e sent e t e t f
SOLUCIN
a).- ) , ( ) (
2
t t t f
Editando la funcin
=
Aplicando el comando TangentVector asociado a normalized de maple, para hallar el vector
unitario de la curva
=
Aplicando el comando PrincipalNormal de maple para hallar el vector normal principal de la
curva
=
b).- ) , , ( ) (
3 2
t t t t
=
=
84
=
c).- ) , . , cos ( ) (
t t t
e sent e t e t f
=
=
=
OBSERVACIN 2
Se demuestra que t t N x t T , 1 ) ( ) (
Adems ) ( ) ( : ) ( t N x t T t B llamado vector Binormal unitario.
EJEMPLO
Hallar el vector Binormal a la curva dado por
a).- ) , . , cos ( ) (
t t t
e sent e t e t f
85
SOLUCIN
Aplicando el comando Binormal normalizado de maple se obtiene la Binormal de la curva
=
OBSERVACIN 3
Si 0 ) (t T , b a t , entonces el movimiento es lineal
Por tanto al conjunto formado por los vectores principales: Tangente, Normal y Binormal
unitario ) ( ), ( ), ( t B t N t T se lo llama TRIEDRA MOVIL de la curva C.
EJEMPLOS
Calcular la triadra mvil en el punto indicado de las siguientes curvas
a).- 0 ), , , (cos ) ( t t sent t t f
b).- 1 ), , , ( ) (
3 2
t t t t t f
c).- 0 ), , , cos ( ) ( t t tsent t t t f
d).- 0 ), , cos , ( ) (
2
t sent t t t f
SOLUCIN
a).- ) , , (cos ) ( t sent t t f
=
Aplicando el comando TNBFrame de maple, obtenemos el vector Binormal de la curva en
cualquier t real.
86
=
La triada mvil en el punto t=0 esta dado por
=
b).- ) , , ( ) (
3 2
t t t t f
=
Aplicando el comando TNBFrame de maple, obtenemos el vector Binormal de la curva en
cualquier t =1
=
Vector tangente unitario es dado por. 0 , 0 , 1 , vector normal principal es dado por 0 , 1 , 0
Vector Binormal es el vector 1 , 0 , 0
87
c).- ) , , cos ( ) ( t tsent t t t f
=
La triadra mvil en cualquier t real
=
En particular, para t=0, se tiene
88
=
d).- ) , cos , ( ) (
2
sent t t t f
=
En todo t , la Triada mvil es dado por:
=
89
Evaluando en t = 0, se tiene
=
De este vector columna se puede obtener:
Vector tangente unitario es dado por. [0,0,1],
Vector normal principal es dado por 0 , 5
5
1
, 5
5
2
Vector Binormal es el vector 0 , 5
5
2
, 5
5
1
7.2.6.-RECTA TANGENTE, NORMAL Y BINORMAL
Sea b a, :
3
R R un curva de clase C
2
y b a, t , 0 (t) ' ' y , 0 (t) '
1.-LA RECTA TANGENTE a la curva en el punto ) (t
0
es definido por:
R T L
T
/ ) (t ) (t
0 0
2.-LA RECTA NORMAL a la curva en el punto ) (t
0
es definido por:
R t N L
n
/ ) ( ) (t
0 0
3.-LA RECTA BINORMAL a la curva en el punto ) (t
0
es definido por:
90
R t B L
B
/ ) ( ) (t
0 0
EJEMPLOS
Calcular la recta tangente a la curva en el punto que se indica
a).- 1 ), , , ( ) (
3 2
t t t t t f
b).- 0 ), 2 , , (cos ) ( t t sent t t f
c).- 0 ), , , cos ( ) ( t e sent e t e t f
t t t
SOLUCIN
a).- ) , , ( ) (
3 2
t t t t f
Editando la funcin
=
Aplicando el comando TangentLine de maple obtenemos la recta tangente en t=1
=
Al descomponer ste vector nos da la recta tangente en t=1 que pasa por el punto (1,1,1) y
tiene vector director [1,2,3].
Graficando la curva
b).- 0 ), 2 , , (cos ) ( t t sent t t f
Editando la funcin
=
Aplicando el comando TangentLine de maple obtenemos la recta tangente en t=0
91
=
Al descomponer y evaluar ste vector nos da la recta tangente en t=0 que pasa por el punto
(-1,1,2pi) y tiene vector director [0,-1,2].
c).- 0 ), , , cos ( ) ( t e sent e t e t f
t t t
Editando la funcin
=
Aplicando el comando TangentLine de maple obtenemos la recta tangente en t=0
=
Al descomponer ste vector nos da la recta tangente en t=0 que pasa por el punto
(1,0,1i) y tiene vector director [1,1,1].
7.2.7.-PLANO OSCULADOR, NORMAL Y RECTIFICANTE
1.-El Plano OSCULADOR es el plano generado por el vector tangente y la normal principal
0 0
) (t N )x (t T
;
es decir.
0 ) ).( ( B :
0 0
P P t P
O
2.-El Plano NORMAL PRINCIPAL es el plano generado por el vector Normal y la
Binormal
0 0
) (t B )x (t N es decir.
0 ) ).( ( T :
0 0
P P t P
N
92
3.-El Plano RECTIFICANTE es el plano generado por el vector tangente y la Binormal
0 0
) (t T )x (t B es decir.
0 ) ).( ( :
0 0
P P t N P
R
EJEMPLOS
I.-Hallar las ecuaciones de los planos: Normal principal, Rectificante y Osculador a la curva
4
6
:
2 2 2
2 2 2
z y x
z y x
C en el punto P
0
(1, 1, 2).
SOLUCIN
Parametrizando la curva:
Proyectando la curva C al plano XZ : 5 :
2 2
z x C
XZ
Reparametrizando 2 , 0 ,
5
cos 5
: t
sent z
t x
C
XZ
Buscando t
o
. Sea 2 , 0
0
t tal que ) 2 , 1 , 1 ( ) 5 , 1 , cos 5 ( ) (
0 0 0
sent t t
Entonces
5
2
5
1
cos
0 0
sent y t
) 1 , 0 , 2 ( ) cos 5 , 0 , 5 ( ) ( '
0 0 0
t sent t
Por tanto ) 1 , 0 , 2 (
5
1
) (
0
t T , ) 2 , 0 , 1 (
5
1
) (
0
t N y ) 0 , 1 0 ( ) (
0
t B
As tenemos:
0 2 : z x P
N
0 5 2 : z x P
R
. 1 :
0
y P
93
7.2.8.-CURVATURA Y TORSION
DEFINICIN
Si ) (t es el vector posicin de la curva C.
Entonces el vector curvatura, ) (t K est
determinado por
) ( '
) ( '
) (
t
t T
t K donde
) (t T es el vector tangente unitario.
La curvatura de P es mayor que Q
OBSERVACIN
La curvatura es dado por ) (t K k
PROPIEDAD
Si ) (t es el vector posicin de la curva C. Entonces la curvatura, k est determinado por.
3
) ( '
) ( ' ' ) ( '
) (
t
t x t
t k
DEFINICION DE RADIO DE CURVATURA
Llamaremos centro de curvatura de C al punto:
) ( ) ( ) ( ) (
0 0 0 0
t N t t t c donde N
es el vector normal principal.
94
DEFINICION DE TORSION
La torsin es un nmero real que indica el levantamiento de la curva C en un punto respecto
de su plano Osculador en dicho punto.
PROPIEDAD
Si ) (t es una curva parametrizada arbitraria entonces la torsin es dado por.
2
) ( ' ' ) ( '
) ( ' ' ' ). ( ' ' ) ( '
) (
t x t
t t x t
t siempre que 0 ) ( ' ' ) ( ' t x t
PROPIEDAD
Si ) (s es una curva parametrizada por longitud de arco entonces la torsin es dado por.
2
) ( ' ' ) ( '
) ( ' ' ' ). ( ' ' ) ( '
) (
s x s
s s x s
s
EJEMPLOS
1.-Hallar la curvatura y la torsin de las siguientes curvas
a).- ) , , ( : ) ( t t t t f
b).- ) 0 , , (cos : ) ( sent t t f
c).- ) , , (cos : ) ( t sent t t f
d).- ) , , , ( : ) (
3 2
t t t t f
SOLUCIN
a).- ) , , ( : ) ( t t t t f
Editando la funcin vectorial
=
95
Aplicando los comandos de maple: Curvature y torsin
=
=
Por lo tanto, se demuestra que la curvatura y la torsin de la recta es cero.
b).- ) 0 , , (cos : ) ( sent t t f
=
=
=
c).- ) , , (cos : ) ( t sent t t f
=
:
=
=
96
d).- ) , , , ( : ) (
3 2
t t t t f
=
=
=
=
7.3.-CLCULO DIFERENCIAL VECTORIAL
7.3.1.-DEFINICIONES
1.-Dada la funcin F:R
m
R
n
tal que
F(x1,x2,..,xm)=(F1(x1,..,xm),F2(x1,..,xm),..,Fn(x1,.xm))
Se dice que la funcin vectorial F es diferenciable en el punto a=(a1,a2,,am) si lo son sus n
componentes F1, F2,, Fn
2.-Para la matriz anterior se define la matriz Jacobiana como
97
1 1 1 1
1
1
2
1
2
1
2
1
2
1
3
1
2
1
1
1
2 1
3 2 1
. .
. . . . . .
. . . . . .
. . . . . .
. .
. .
) ,..., , (
) ,..., , (
x
F
x
F
x
F
x
F
x
F
x
F
x
F
x
F
x
F
x
F
x
F
x
F
x x x
F F F
J
n n n n
n
n
Maple habilita en el paquete linalg el comando jacobian que calcula jacobianos
Jacobian([F1, F2,, Fn],[x1,x2,..,xn]) :Calcula
) ,..., , (
) ,..., , (
2 1
2 1
n
n
x x x
F F F
J
EJEMPLOS
1.-Calcular la matriz jacobiana para la siguiente funcin
F(x,y,z)=(e
x
,cosy,senz) y hallar su valor en el punto (0, -pi/2, 0)
SOLUCIN
Definimos la funcin dada F , Luego aplicamos el comando jacobian a la funcin definida
Luego, el jacobiano es dado por la matriz:
Para evaluar el jacobiano en el punto (0, -pi/2, 0) editamos la matriz jacobiano
Luego, reemplazando el punto
98
Se tiene lo requerido
2.-Calcular la matriz jacobiano para la siguiente funcin
F(x,y)=(x+y, x/(x+v)) , y hallar su valor en el punto (1, 1)
SOLUCIN
En forma anloga al ejemplo anterior se tiene
Para evaluar el jacobiano en el punto (1,1) editamos la matriz jacobiano
Luego, reemplazando el punto se tiene
7.3.2.-REGLA DE LA CADENA
DEFINICIN
Sean las funciones vectoriales definidas como g : UCR
n
VCR
m
, y f : R R
p
donde U y V
son conjuntos abiertos y existe la funcin compuesta (fog):R
n
R
p
. Si la funcin g es
diferenciable en xo y f es diferenciable en g(xo), entonces fog es diferenciable en xo., y
adems se cumple que:
D(fog)(xo):=Df(g(xo)*Dg(xo)
Maple aplica directamente la regla de la cadena slo con proponerle la diferenciacin
99
de la composicin.
EJEMPLOS
1.-Sea f(x,y) = x
2
+ y y sea h(u) (sen(3u),cos(8u)), y sea g(u)=f(h(u))
Calcular dg/du en u= 0.
SOLUCIN
Editemos va maple las funciones: f, h y u, como sigue
Ahora, componemos las funciones editadas
Aplicando el comando diferencial, se tiene
Editando la composicin ultima
Sustituyendo en esta nueva funcin, se tiene
Simplificando se tiene lo esperado
100
Por tanto , el valor de la derivada evaluado en el punto u=0 es 0
2.-Calcular las derivadas parciales de dz/dx, y dz / dy sabiendo que:
2 2
2 2
v u
v u
z
y x
e u y
xy
e v
SOLUCIN
Editemos las funciones f y g
Ahora definimos la funcin vectorial
Editemos la composicin
Editando y ejecutando la operacin derivada
Se tiene
Simplificando
101
Ahora el problema se reducir a hallar las derivadas parciales de esta expresin respecto a
x y de y
Por tanto, estas expresiones son las derivas parciales con respecto a x y a y
respectivamente.
7.3.3.-TEOREMA DE LA FUNCIN IMPLCITA
TEOREMA
Sea la funcin vectorial F: ACR
n+m
R
m
,, donde A es abierto de R
n+m
tal que
F(x,y)=(F
1
(x,y),F
2
(x,y),..,F
m
(x,y))
Si Fi (i=1,2,..,m) son derivables con derivadas continuas hasta el orden r y la matriz
jacobiana de valor
) ,..., , (
) ,..., , (
2 1
2 1
m
y y y
Fm F F
J tiene determinante distinto de cero en un punto
(xo,yo) tal que F(xo,yo)=0, entonces existe un intervalo abierto U C R
n
que contiene a xo y
un abierto VCR
m
que contiene a yo y tambin existe una nica funcin f: U V tal que
F(x,f(x))=0 para todo x en U y f es diferenciable de orden r con derivadas continuas
102
EJEMPLOS
1.-Dado la ecuacin:
1 3 8 3
3 2 2 3
yz xz y x
Calcular
x
z
,
y
z
,
2
2
x
z
y
2
2
y
z
SOLUCIN
Editando la funcin f
Diferenciando con respecto a z, se tiene
Diferenciando respecto a x, se tiene
Diferenciando respecto a y, se tiene
Aplicando la formula
Definimos la funcin g
Diferenciando respecto a x, que equivale a la segunda derivada parcial respecto a x, se tiene
103
Diferenciando respecto a y, que equivale a la segunda derivada parcial respecto a y, se tiene
2.-Mostrar que cerca del punto (x,y,z,w)=(1,1,1,1) se puede resolver el sistema de
ecuaciones:
2
2
4 2 3
2
v y xu
yvu xu
de manera nica para u y v como funciones de x e y.
SOLUCIN
Basta usar la definicin de la funcin implcita
En efecto
Editando f
1
, f
2
:
Hallando el jacobiano
Evaluando el punto (1,1,1,1) en el jacobiano
104
Finalmente calculando el determinan del jacobiano
Por lo que es didtinto de cero. Luego el sistema propuesto se puede resolver de manera nica.
7.3.4.-TEOREMA DE LA FUNCIN INVERSA
TEOREMA
Sea la funcin vectorial F: UCR
n
R
n
,, donde U es abierto de R
n
tal que
F(x,y)=(F
1
(x1,x2,..xn),F
2
(x1,x2,..xn),..,F
n
(x1,x2,..xn)) de modo que F es derivable con
derivada continua.
Si existe un xo tal que 0
) ,..., , (
) ,..., , (
det det
2 1
2 1
m
x x x
Fn F F
J en xo, entonces existen un abierto A
que contiene a xo y un abierto B que contine a F(xo) cumplindose que F(A)= B y F tiene
una funcin inversa F
(-1)
:B A derivable con derivada continua. Adems, se cumple que
DF
-1
(y)=[DF(x)]
(-1)
y si
) ,..., , (
) ,..., , (
2 1
2 1
m
x x x
Fn F F
J entonces
) det(
1
) (det(
) 1 (
J
J
EJEMPLOS
1.-Dada la funcin vectorial F(x,y)=(u(x,y),v(x,y)) donde
x
y x
y x u
4 4
) , ( y
) cos( ) ( ) , ( y x sen y x v
Hallar las condiciones para que exista la funcin vectorial inversa(x(u,v), y(u,v)) y hallar la
deriva y el jacobiano de la transformacin inversa.
SOLUCIN
Las condiciones a cumplir sern las hiptesis de la funcin inversa.
Calculando el jacobiano de la funcin vecotrial F
105
Se tiene
Calculemos su determinante
Por lo tanto, en los puntos donde esta expresin no se anule, se puede resolver para x e y en
trminos de u y v. Adems tambin ha de cumplirse que x sea diferente de cero.
Calculamos la derivada de la funcin inversa. Su valor ser la matriz inversa de la matriz
jacobiana inicial y el determinante de su jacobiano ser el reciproco del determinante del
jacobiano inicial.
En efecto.
Notamos que el determinante del jacobiano de la funcin inversa es el reciproco del
determinante del jacobiano de la funcin.
Comprobando
106
2.-Demostrar que la transformacin entre coordenadas cartesianas y polares cumple las
hiptesis del teorema de la funcin inversa
SOLUCIN
Las ecuaciones de transformacin de coordenadas rectangulares a polares:
) (
) cos(
rsen y
r x
Es evidente que estas funciones son derivables con derivadas parciales continuas.
Faltara ver si el jacobiano es distinto de cero
En efecto
Editamos y calculando el Jacobiano
Calculando el determinante del Jacobiano
Por lo tanto, cumple con las hiptesis del teorema, ya que el radio r es distinto de cero.
3.-Demostrar que la transformacin entre coordenadas cartesianas y cilndricas cumple las
hiptesis del teorema de la funcin inversa
z z
rsen y
r x
) (
) cos(
SOLUCIN
Editando y calculando el Jacobiano
107
Calculando el determinante del Jacobiano
Por tanto, las hiptesis del teorema se cumplen.
4.-Demostrar que la transformacin entre coordenadas cartesianas y esfricas cumple las
hiptesis del teorema de la funcin inversa
) cos(
) ( ). (
) ( ). cos(
z
sen sen y
se x
SOLUCIN
Editando y calculando el Jacobiano
Calculando del determinante
Por tanto, las hiptesis del teorema se cumplen. Ya que y distinto de cero.
108
7.3.5.-EL TEOREMA DEL CAMBIO DE VARIABLE
TEOREMA
Supongamos que conocemos una funcin f(x,y) que depende de las variables originales x e y
que cumplen todas las condiciones de derivabilidad y continuidad necesarias.
Introducimos nuevas variables u y v que se relacionan can las anteriores mediante las
funciones u=u(x,y) y v=v(x,y) de modo que las funciones u y v tambin cumplen las
condiciones de derivabilidad y continuidad necesarias(teorema de la funcin inversa) para
poder despejar x e y en funcin de u y v, x= x(u,v) e y=y(u,v).
Bajo las condiciones anteriores, es posible expresar la funcin inicial f en funcin de las
nuevas variables u y v mediante la expresin.
f(u,v)=f(x(u,v),y(u,v)) det(J), siendo J el jacobiano
) , (
)) , ( ), , ( (
v u
v u y v u x
EJEMPLOS
1.- Dada la transformacin lineal x y x v y x y x u ) , ( , ) , (
Calcular f(u,v) sabiendo que
y x
e y x f ) , (
SOLUCIN
Editando la funcin
Las condiciones del teorema de la funcin inversa se cumplen, Luego haciendo el cambio de
variable se tiene:
Usando el jacobiano
109
Aplicando obtenemos
La funcin pedida.
2.- Dada la transformacin y x x y x v y x y x u . ) , ( , . ) , (
Calcular f(u,v) sabiendo que
y x
e y x f ) , (
SOLUCIN
Editando la funcin
Hallamos directamente la transformacin inversa y su jacobiano para poder aplicar el cambio
de variable.
110
Esta ltima funcin es la pedida.
3.-Dada la transformacin
2 / 2 /
) , (
2
) , (
y y
e y x y x v e
y
x y x u
Calcular f(u,v) sabiendo que y x y x f 2 ) , (
SOLUCIN
Editando la funcin
Resolviendo el cambio de variable en trminos de u y v
Calculando el Jacobiano
Calculando la funcin en trminos de u y v
Se tiene:
111
7.3.6.-CAMPOS VECTORIALES: ROTACIONAL, DIVERGENCIA Y
LAPLACIANO
DEFINICIONES
1.-Si h=f(x,y,z), entonces el gradiente de f, que se denota mediante f(x,y,z), es vector:
k
z
z y x f
j
y
z y x f
i
x
z y x f
z y x f grad
) , , ( ) , , ( ) , , (
) , , (
2.-Un campo vectorial F se llama conservativo si existe una funcin diferenciable f tal que
F=f A la funcin f se conoce como funcin potencial escalar de F
3.-El rotacional del campo vectorial F(x,y,z)=Mi+Nj+Pk tiene la siguiente expresin:
k
y
M
x
N
j
z
M
x
P
i
z
N
y
P
z y x xF ) ( ) ( ) ( ) , , (
4.-El rotacional del campo vectorial F tiene potencial vector a otro campo G si
F=rotacional(G)
5.-La divergencia del campo vectorial F(x,y,z)=Mi+Nj+Pk tiene la siguiente expresin:
z
P
y
N
x
M
z y x F z y x divF ) , , ( . ) , , (
6.-El Laplaciano es el operador diferencial definido por
2
2
2
2
2
2
2
.
z y x
Maple proporciona al efecto los siguientes comandos:
Grad(f,[x1,x2,xn]) :Calcula el gradiente de f(x1,2,..,xn)
Potential([f1,..,fn],[x1,,xn],p): Dice si el campo vectorial de
componentes [f1,..,fn] tiene potencial
escalar (para ello, el campo vectorial ha
de ser irrotacional o de rotacional nulo).
112
En caso afirmativo, p es el valor del
potencial escalar.
Curl([f1,..fn],[x1,..xn]) :Da el rotacional del campo vectorial de
componentes [f1,..,fn]
Vectpotent([f1,..fn],[x1,..xn],p) :Dice si el campo vectorial de
componentes [f1,..,fn] tiene potencial
vector(para ello, el campo vectorial ha de
ser incompatible o de divergencia nula.
En caso afirmativo, p es el valor del
potencial vector.
Diverge([f1,.,fn],[x1,xn]) :Da la divergencia del campo vectorial de
componentes [f1,,fn].
Laplacian(f,[x1,xn]) :Calcula el Laplaciano de la funcin f.
EJEMPLOS
1.-Calcular el gradiente y el laplaceano de las funciones siguientes:
a)
2 2 2
1
1
) , , , (
z y x
z y x w
b) senx e seny e y x z
y x
) , (
c) xseny sen y x z . ) , (
SOLUCIN
a)
2 2 2
1
1
) , , , (
z y x
z y x w
Editando la funcin
113
Calculando el gradiente
=
Calculando el laplaceano
=
Simplificando el laplaceano
=
b) senx e seny e y x z
y x
) , (
=
c) xseny sen y x z . ) , (
=
=
114
2.-Calcular el potencial escalar del campo vectorial F(x,y,z)=[1, 2y, 3z
2
]
SOLUCIN
Aplicando el comando potential a la funcin vectorial
La palabra True quiere decir que existe el potencial escalar del campo vectorial F
=
Luego la funcin potencial escalar del campo vectorial F est dado por
=
Comprobacin por definicin se tiene que F=f , el campo vectorial es igual al gradiente del
campo escalar
= lqqd..
3.-Calcular el rotacional y la divergencia del campo vectorial
k j y x i
y
x
arctg y x F
2 2
ln ) , (
SOLUCIN
Usando el comando de la divergencia se tiene:
=
Simplificando
=
Calculando la divergencia
115
=
Simplificando
=
4.-Calcular el potencial vector, si es que existe, de los siguientes campos vectoriales
a)F(x,y,z)=[xz, -yz,y]
b)G(x,y,z)=[xcosy,-xseny, senx]
c)H(x,y,z)=[xcosy,-seny, senx]
SOLUCIN
a)F(x,y,z)=[xz, -yz,y]
Usando el comando vectpotent para saber si el campo F tiene potencial vector
.
Lo cual la palabra true significa que existe el potencial vector, con lo que la
divergencia del campo vectorial F ser nula.
En efecto
:
Buscando el potencial vector, se tiene
=
Ahora, calculamos el rotacional del resultado anterior, se obtiene del campo vectorial F.
En efecto = , lqqd.
b)G(x,y,z)=[xcosy,-xseny, senx]
SOLUCIN
Usando el comando para ver la existencia del potencial vector
116
=
Por lo tanto, el vector potencial del campo vectorial no existe.
c)H(x,y,z)=[xcosy,-seny, senx]
, =
Por lo tanto, el potencial vector ser: =
7.3.7.-GRAFICOS EN 3D DE CURVAS, CAMPOS VECTORIALES
Para graficar curvas en el espacio se debe tener en cuenta el comando Plots de maple
EJEMPLOS
1.-graficar las siguientes curvas en el espacio
a) ) 2 cos , , (cos ) ( t sent t t f
b) ) , , (cos ) ( t sent t t f
c) ) 4 , 3 , cos 3 ( ) ( t tsent t t t f
d) ) 1 , , ( ) (
3 2 3
t t t t t f
e) ) , , ( ) ( t e e t f
t t
SOLUCIN
a) ) 2 cos , , (cos ) ( t sent t t f
117
La grafica de la curva presenta vectores unitarios: tangente (color azul), Normal Principal
(color verde) y el vector Binormal(color fucsia)
b) 6 0 ), , , (cos ) ( t t sent t t f
c) 4 0 ), 4 , 3 , cos 3 ( ) ( t t tsent t t t f
118
d.- 10 4 ), 2 ^ * 3 , , ( ) (
3 2 3
t t t t t t t f
e) ) , , ( ) ( t e e t f
t t
2.-Graficar los campos vectoriales de las siguientes funciones vectoriales en el punto
indicado
a) ) 1 , 1 , 1 ( ) , , ( ) , , ( P z x y z y x F
b) ) 1 , 1 , 1 ( ) , cos , ( ) , , ( P senz x seny z y x F
119
c) ) 1 , 1 , 0 ( ) , , ( ) , , (
2 2
P z x y z y x F
SOLUCIN
a) ) 1 , 1 , 1 ( ) , , ( ) , , ( P z x y z y x F
b) ) 0 , 0 , 0 ( ) , cos , ( ) , , ( P senz x seny z y x F
120
c) ) 1 , 1 , 0 ( ) , , ( ) , , (
2 2 2
P z x y z y x F
121
7.4.-PROGRAMACIN LINEAL, EL METODO DEL SIMPLEX
PROGRAMACIN LINEAL CON MAPLE
El problema clsico en programacin lineal es la optimizacin de una funcin, denominada
funcin objetivo, que est sujeta a un conjunto de restricciones lineales, que pueden ser
igualdades y desigualdades.
METODO SIMPLEX
A continuacin se da un resumen del mtodo simplex para la solucin de un problema
estndar de maximizacin en programacin lineal.
1.-Las desigualdades se y transforman en igualdades mediante la introduccin de las
variables de holgura.
2.-Inicialmente las variables bsicas se toman como las variables de holgura
3.-Toda la informacin se vierte en un diagrama simplex inicial
4.-Se siguen los pasos 1 y 2 para elegir un pivote en u8n columna con un indicador positivo.
Un indicador positivo es un numero positivo en el rengln inferior
5.-Se se siguen los pasos 3 y 4 para pivotear con respecto al elemento escogido de 4
6.-Se continua con los pasos 4, y 5 hasta que se obtiene un diagrama terminal. Es decir un
diagrama en el que no aparecen indicadores positivos.
7.-La solucin se obtiene leyendo el diagrama terminal: si f-M se encuentra en el cuadro
inferior derecho, entonces el valor mximo de f es M. Los valores de las variables bsicas
aparecen en la columna de la derecha. Todas las variables no bsicas estn igualadas a cero.
Para evitar estos pasos Maple ofrece varios comandos que permiten solucionar rpidamente
el problema usando el paquete simplex Entre ellos tenemos los siguientes
With(simplex) Carga la memoria los comandos de Maple
referentes al trabajo con programacin lineal.
122
Convert({ineq1,.., ineqn},std) Convierte las restricciones lineales definidas por
las inecuaciones(desigualdades no estrictas)en un
conjunto o lista de restricciones equivalentes en
la forma estndar (las constantes son aisladas en
el lado derecho de cada restriccin)
feasible({ineq1,.., ineqn}) Determina cuando el sistema lineal representado
por las restricciones lineales no estrictas dadas y
por las desigualdades especificas tienen una
solucin factible. Las inecuaciones han de estar
en la forma dada por el comando convert(std)
feasible({ineq1,.., ineqn},NONNEGATIVE
Indica cundo el sistema tiene solucin factible,
suponiendo que todas las variables son no
negativas.
feasible({ineq1,.., ineqn},UNRESTRICTED
Indica que todas las variables en el sistema no
tienen restricciones distintas de las dadas por las
inecuaciones. Es la opcin por defecto.
maximize(expr,{ineq1,.., ineqn}) Maximiza el problema de programacin lineal
cuya funcin objetivo viene dada por expr y
cuyas restricciones viene dadas por las
inecuaciones especificadas.
123
maximize(expr,{ineq1,.., ineqn}),NO NNEGATIVE
Realiza la Maximizacin bajo condiciones de
que todas las variables en el problema de
programacin lineal son no negativas
minimize(expr,{ineq1,.., ineqn}),UNRESTRICED
Indica que todas las variables en el problema de
programacin lineal no estn sujetas a
restricciones diferentes de las dadas por las
inecuaciones. Es el valor por defecto.
Convert({ineq1,.., ineqn},stdle) o standardize({ineq1,.., ineqn})
Convierte las restricciones lineales dadas por las
inecuaciones en un conjunto o lista de
restricciones no estrictas, equivalente en la forma
estndar. Se utiliza previamente al clculo del
problema dual.
dual(exp{ineq1,.., ineqn},nombre) Halla el problema dual del problema de
programacin lineal cuya funcin objetivo viene
dada por la expresin exp y cuyas restricciones
vienen dadas por las restricciones ineq1,..ineqn.
Las variable nombre contiene una base para el
dual. El resultado es una secuencia con la
funcin objetivo dual y un conjunto de lista de
desigualdades que definen las restricciones del
124
problema dual. Las inecuaciones han de ser
pasadas previamente por el comando convert
setup({ineq1,.., ineqn}) Transforma las ecuaciones especificadas en un
conjunto o lista de ecuaciones equivalentes que
forman la base para el correspondiente sistema
lineal. Las variables simples que aparecen en los
lados izquierdos de las ecuaciones no aparecen
en los lados derechos de ninguna de las
ecuaciones.
setup([ineq1,.., ineqn]) Devuelve una lista de ecuaciones formando la
base.
pivotvar(expresin) Determina una variable con coeficiente positivos
para la funcin objetivo dada para la expresin.
pivotvar(expresin,[var1,..,varn]) Devuelve la primera variable pivot con
coeficientes positivos de entre los especificados.
pivot({eqn1,..,eqnn}) Utiliza una de las ecuaciones eqnp1,..,eqnpm
como ecuacin pivot.
display({ineq1,..,ineqn}) Muestra el conjunto de desigualdades lineales en
forma matricial.
display({ineq1,..,ineqn},
[var1,..,varm]) Muestra el conjunto de desigualdades lineales en
forma matricial respecto de las variables
especificadas.
125
EJEMPLOS
1.-Maximar la funcin y x z , sujeta a las restricciones:
5 3 4 y x y 4 4 3 y x
SOLUCIN
En primer lugar pasamos a forma estndar un conjunto de restricciones
A continuacin pasamos a la forma matricial un conjunto de restricciones
Ahora se presenta el conjunto de variables que forman la base para las restricciones de un
problema de programacin lineal.
A continuacin se convierte restricciones con desigualdades en igualdades
Ahora se transforma un conjunto de restricciones a forma de base
A continuacin se maximiza una funcin sujeta a restricciones
126
A continuacin se definen un conjunto de restricciones y una funcin objeto, para resolver el
problema segn diversas condiciones introducidas en las variables. Primeramente hallamos
las soluciones no negativas del problema y posteriormente hallamos las soluciones obligando
a que las variables del problema sean todas positivas.
Ahora pasamos un con junto de restricciones a la forma usual
2.-Maximar la funcin y x z 2 sujeta a ls restricciones 3 2 5 y x y 1 y x y
2 3 3 y x y 0 x y 0 y , previa comprobacin de la existencia de solucin factible.
SOLUCIN
Aplicando el comando feasible de maple, se tiene
127
La cual la palabra True significa que existe solucin factible. Ahora calculamos mediante el
comando minimize
Luego, el punto : minimiza a la funcin dada.
3.-Hallar el punto que hace mnimo a la funcin v=-4x+2y-z-4 3n la regin definida por las
inecuaciones siguientes
2 2 2 z y x , 12 2 3 4 z y x y 0 , 0 , 0 z y x
SOLUCIN
Editamos la funcin objetivo y las restricciones
=
=
Aplicando el comando minimize, se tiene
Que el punto que minimiza a la funcin objetivo es dado por =
4.-Optimizar la funcin z y x f a sujeta a las restricciones siguientes:
1 3 2 z y x , 2 2 z y x y 0 , 0 , 0 z y x , previa de la existencia de la solucin
factible
SOLUCIN
Editando la funcin objetivo y las restricciones, se tiene
=
128
Aplicando el comando feasible para saber si la solucin se encuentra en la regin dado por
las restricciones
=
La palabra True quiere decir que la soluciones estn dentro de la regin, para lo cual usando
el comando minimize y maximize son da la solucin
En efecto
Por tanto, el punto (0,0,0) minimiza a la funcin cuyo valor es dado por 0 y el punto (1,0,0)
maximiza la funcin cuyo valor s dado por 1
129
7.5.-TEORA DE GRAFOS
DEFINICIONES
1.-Se denomina grafo al par G=(V,E) que representa un conjunto de vrtices V(llamados a a
veces tambin nudos o puntos) y un conjunto de ejes E orientados o no (denominados a veces
tambin arcos, enlaces, lneas o ramas), mediantes laos cuales se conectan dichos vrtices.
2.-El concepto de red suele confundirse con el grafo, pero en general se distingue entre red y
grafo, sealando que una red sera un grafo por cuyos ejes puede circular un flujo.
3.-Si en un eje se establece una orientacin, entonces dicho eje se denomina eje orientado, y
si todo eje de un grafo es orientado, el grafo se denomina grafo orientado o dgrafo( a veces
tambin se denomina red)
4.-Se denomina camino entre dos vrtices(vrtices extremos) de una grafo a un conjunto
ordenado de ejes, de modo que cada vrtice intermedio (excepto el primero y el ltimo) es
punto final para dos y slo dos ejes del conjunto ordenado.
5.-Un camino orientado sera un camino compuesto de ejes orientados y de manera que el
vrtice terminal (cola) de cada eje fuera el vrtice inicial(cabeza) del eje inmediatamente
consecutivo.
6.-Un circuito (ciclo) es un camino en el que sus vrtices extremos coinciden. Un circuito
orientado sera, por tanto, un camino orientado con los vrtices extremos coincidentes.
7.-Un ciclo simple es aquel cuyos ejes son distintos.
8.-Un grafo se dice que es conexo si existe un camino en el grafo entre cualesquiera dos
vrtices de dicho grafo.
9.-Un rbol es un grafo conexo en el que no existen circuitos.
130
OBSERVACIN
El problema de determinar cul es el mximo flujo que en estado estable puede circular dos
vrtices (vrtices, extremos) de un grafo, se denomina problema del flujo mximo.
La matriz M(G) de un grafo no es nica, pues pende de la orientacin dada a los vrtices del
grafo.
MAPLE Y LA TEORIA DE GRAFOS
Los comandos correspondiente a la teora de grafos se encuentra en el package Networks.
Por tanto, ser necesario cargarlo previamente, con la orden with, para realizar todos los
ejercicios en este captulo.
GENERACION DE GRAFOS. VERTICES Y EJES
El comando complete(n) genera el grafo completo con n vrtices Kn
El comando draw(G) representa bidimensionalmente el grafo G no orientado.
Por defecto los vrtices del grafo se representan ordenados circularmente, pero puede
cambiarse su orden de colocacin en el grafo (orientado) a voluntad, especificndolo a travs
de las opciones Linear o Concentric, como se ver en varios ejemplos.
El comando graph({vrtices},{ejes}), genera un grafo con los vrtices y ejes especificados.
El comando graphical(lista de enteros),determina cuando la lista de enteros es un grafo.
Cuando la lista de enteros sea declarada como grafo, en cuyo caso, cada entero ser el grado
de un vrtice de un grafo simple.
El comando edges (G), devuelve los ejes del grafo G.
El comando vrtices (G), devuelve los vrtices del grafo G.
El comando components (G), devuelve los componentes de grafo G.
El comando isplanar(G), determina si el grafo G es plano.
131
El comando maxdegree(G), devuelve el mximo nmero de ejes incidente con cada vrtice
del grafo G.
El comando vdegree (G), devuelve el grado del vrtice especificado del grafo G.
El comando outdegree(vrtice,G), devuelve el numero de ejes que salen directamente del
vrtice especificado del grafo G.
El comando vweight (G), encuentra los pesos de los ejes del grafo G.
El comando vweight({vrtice},G) encuentra los pesos de los vrtices especificados del grafo.
El comando eweight(G) encuentra los pesos de los ejes del grafo.
El comando ends(G) devuelve la lista de vrtices que son los finales de los ejes de G. Si el
comando aparece en la forma ends({ejes}, G) devuelve la lista de vrtices que son finales del
conjunto de ejes especificados.
EJEMPLOS
1.-Generar el grafo completo de 5 vrtices K5 y representarlo.
SOLUCIN
Usaremos el comando complete , ends y el comando draw
En efecto
print(); # input placeholder
print(); # input placeholder
132
2.-Listar los ejes del grafo K10 . Listar tambin el conjunto de vrtices que son finales de los
mismos. Representar grficamente K10.
SOLUCIN
133
134
BIBLIOGRAFA
1.-Stanley I. Grossman. Algebra Lineal con aplicaciones. Editorial Mc Graw-Hill . 4ta.
Edicin. Mxico-1992
2.-Stanley I. Grossman. Aplicaciones de Algebra Lineal. Editorial Mc Graw-Hill. 4ta.
Edicin. Mxico-1992
3.-Colman, Bernard. lgebra Lineal con aplicaciones, Mxico: Prentice Hall. Sexta Edicin
1999.
4.-Csar Prez Lpez. Mtodos Matemticos y Programacin con Maple V. Editorial
RAMA. Madrid-1998.
5.-David Poole. Algebra Lineal, una introduccin moderna. Editorial Cengage. 2da.
Edicin. Mxico 2006
6.-Rafael Bru. Algebra Lineal. Editorial Alfaomega. Mexico.2001
7.- Jerrold E, Marsden. Clculo Vectorial. Editorial Addison-Wesley. Tercera Edicin.
Espaa-1991.
8.-Elon Larges Lima. Geometra Analtica y Algebra Lineal. Editorial IMCA. Rio de
Janeiro-2004.
9.-HASSER LA SALLE. Anlisis Matemtico II , Editorial Trillas, Mxico,1974
10.-MAPLESOFT: El SOFTWARE MAPLE 14.1 SOLF A DIVISION WATERLOO
MAPLE INC. CANADA 1988.
135
APNDICE
136
LISTADO DE FRMULAS
Sea C una curva (en el plano o en el espacio) dada por la funcin vectorial
)) ( ), ( ( ) ( t y t x t
Curva en el
Plano
)) ( ), ( ), ( ( ) ( t z t y t x t
Curva en el
Espacio
Vector velocidad,
rapidez y
vector aceleracin
) ( ) (
'
t t v
Vector
velocidad
) ( ) (
'
t
dt
ds
t v Rapidez
) ( ) ( ) ( ) (
' '
t N a t T a t t a
N T
Vector
aceleracin
Vector unitario tangente
y vector unitario normal
principal
) (
) (
) (
'
'
t
t
t T
) (
) (
) (
'
'
t T
t T
t N
Componentes de la
aceleracin
2
2
) (
) ( ). (
) ( ) ( ) (
dt
s d
t v
t a t v
t T t a t a
T
2 2
2
) ( ) (
) (
) ( ) (
) ( ) ( ) (
dt
ds
K a t a
t v
t a x t v
t N t a t a
T N
Frmula para la
curvatura en el plano
2 / 3
2 '
' '
) ( 1 y
y
K
C dada por
y=f(x)
2 / 3
2 ' 2 '
' ' ' ' ' '
) ( ) (
. .
y x
x y y x
K
C dada por
) (
) (
t y y
t x x
Frmulas para la
curvatura en el plano o
en el espacio
) ( ) (
' ' '
s s T K
s es el parmetro
longitud de arco
3
'
' ' '
'
'
) (
) ( ) (
) (
) (
t
t x t
t
t T
K
t es el parmetro
general
137
FRMULAS TRIGONOMTRICAS
1.- 1 cos
2 2
u u sen
2.- u senu u sen cos . 2 2
3.- u sen u u
2 2
cos 2 cos
4.-
2
2 cos 1
2
u
u sen
5.-
2
2 cos 1
cos
2
u
u
6.-
u
u
u tag
2 cos 1
2 cos 1
2
7.- )
2
cos( ).
2
( 2
v u v u
sen senv senu
8.- )
2
( ).
2
cos( 2
v u
sen
v u
senv senu
9.- )
2
cos( ).
2
cos( 2 cos cos
v u v u
v u
10.- )
2
( ).
2
( 2 cos cos
v u
sen
v u
sen v u
11.- )) cos( ) (cos(
2
1
. v u v u senv senu
12.- )) cos( ) (cos(
2
1
cos . cos v u v u v u
13.- )) ( ) ( (
2
1
cos . v u sen v u sen v senu
14.-
)) ( ) ( (
2
1
. cos v u sen v u sen senv u
FRMULAS HIPERBLICAS
1.-
2
u u
e e
senhu
2.-
2
u u
e e
cohu
3.-
u u
u u
e e
e e
taghu
4.-
u u
u u
e e
e e
aghu cot
5.-
u u
e e
hu
2
sec
6.-
u u
e e
echu
2
cos
7.- 1 cosh
2 2
u senh u
8.-
2
1 cosh
) 2 / (
u
u senh
9.- 1 cosh
2 2
u senh u
10.-
u
senhu
taghu
cosh
11.-
senhu
u
ghu
cosh
cot
12.-
taghu
cogthu
1
13.-
2
1 cosh
) 2 / (
u
u senh
138
DERIVADAS DE FUNCIONES
1.- ' ) ( cu cu
dx
d
2.- ' ' ) ( v u v u
dx
d
3.- ' . '. ) ( v u v u uv
dx
d
4.-
2
' '
) (
v
uv v u
v
u
dx
d
5.- 1 ) (x
dx
d
6.- ' ) ( u e e
du
d
u u
7.- ' ) (cos ) ( u u senu
dx
d
8.- ' ) ( ) (cos u senu u
dx
d
9.- ' . sec ) (
2
u u tagu
dx
d
10.- ' . cos ) (cot
2
u u c u
dx
d
11.- ' . . sec ) (sec u tagu u u
dx
d
12.- ' . cot . cos ) (cos u ag ecu ecu
dx
d
13.-
2
1
'
) (
u
u
arcsenu
dx
d
14.-
2
1
'
) (arccos
u
u
u
dx
d
15-
2
1
'
) (
u
u
arctagu
dx
d
16.-
2
1
'
) cot (
u
u
gu arc
dx
d
17.-
1
'
) sec (
2
u u
u
u arc
dx
d
18.-
1
'
) sec (arccos
2
u u
u
u
dx
d
19.- ' . cosh ) ( u u senhu
dx
d
20.- ' . ) (cosh u senhu u
dx
d
21.- ' . sec ) (
2
u u h taghu
dx
d
22.- ' . cosh ) (cot
2
u u aghu
dx
d
23.- ' . . sec ) (sec u taghu hu hu
dx
d
24.- ' . coth . cos ) (cos u u echu chu
dx
d