Académique Documents
Professionnel Documents
Culture Documents
Pg. 1
I- Transformaciones Lineales
ESPACIOS N-DIMENSIONALES
Una dimensin (n=1): Son espacios definidos por funciones paramtricas
de un solo parmetro, por ejemplo una recta, o una curva.
Dos dimensiones (n=2): Son espacios definidos por funciones
paramtricas de dos parmetros, por ejemplo el plano, la superficie de la
esfera y superficies en general.
Tres dimensiones (n=3): Son espacios que necesitan de tres parmetros
para determinar cada punto, por ejemplo los puntos interiores de un
cuerpo.
N dimensiones: Es un espacio en el que necesitamos de n parmetros o
coordenadas para determinar cada punto que pertenece a l.
Ejemplos:
Una esfera la podemos considerar como un punto en el espacio de
cuadro dimensiones: x, y, z, r.
Un punto mvil en el espacio necesita de tres coordenadas de ubicacin
y de la coordenada de tiempo, por lo tanto, el espacio tiempo es de
cuatro dimensiones.
De manera general, el conjunto de las n-uplas x1; x2 ; x3 ...xn de nmeros
reales constituye un espacio numrico de n dimensiones y se escribe R N.
Cada una de estas n-uplas es un punto del espacio y los nmeros xJ sus
coordenadas.
Si se cambian los ejes de referencia se obtendr para el mismo punto,
otra n-upla de nmeros reales x1 '; x2 '; x3 '...xn ' en correspondencia
biyectiva con la n-upla anterior, o sea que cada punto x del espacio ndimensional le corresponda una y solo una n-upla de nmeros reales en
cada sistema de coordenadas.
Las ecuaciones del cambio de coordenadas son las siguientes:
n
a j k det . a jk 0
x j a jk xl b j
j= 1, 2, 3,..., n
x 1
Pg. 2
d 2 = (y1 - x1 ) 2 + (y 2 - x 2 ) 2 + ... + (y n - x n ) 2
(1)
X1' = x12 +x 2 2 2
x1
x2
X 2' = arctg
d 2 y1 x1 y2 x2
2
y1 cos y2 x1 cos x2
y sen y x sen x
2
j = 1, 2, 3,..., q
son coeficientes y forman la misma
Pg. 3
a11
a
21
... a1 p
a22 ... a2 p
A
...
... ... ...
Y1 = 3 x1 + x 2 - 2 x 3
Y2 = x1 + 4 x 3
La matriz de la transformacin es:
3 1 2
A=
1 0 4
Sea V el espacio lineal de todos los polinomios reales de grado menor o
2
3
igual a 3. Elegimos la base 1; x; x ; x Sea D el operador derivacin que
aplica a cada polinomio su derivada. Podemos considerar a D como una
transformacin lineal da V en W, donde W es el espacio lineal de los
2
polinomios de grado menor o igual a 2 con base 1; x; x . En sntesis:
v 1x; x 2 ; x 3
n=4
w 1; x; x 2
n=3
Transformamos (o sea derivamos) a cada elemento de la base de V:
D 1 = 0 = 0 * 1 + 0 * x + 0 * x 2
D x = 1 = 1 * 1 + 0 * x + 0 * x 2
D x2 = 2 x = 0 * 1 + 2 * x + 0 * x 2
D x3 = 3 x 2 = 0 * 1 + 0 * x + 3 * x 2
La matriz de la transformacin queda:
0 1 0 0
0 0 2 0
0 0 0 3
Si hubisemos tomado otra base como por ejemplo:
v 1; x; x 2 ; x 3
n=4
w x 2 ; x; 1
n=3
Pg. 4
D 1 = 0 = 0 * x 2 + 0 * x + 0 * 1
D x = 1 = 0 * x 2 + 0 * x + 1 * 1
D x2 = 2 x = 0 * x 2 + 2 * x + 0 * 1
D x3 = 3 x 2 = 3 * x 2 + 0 * x + 0 * 1
La matriz de la transformacin queda:
0 0 0 3
0 0 2 0
0 1 0 0
Otro ejemplo:
v 1, 1 x, 1 x x 2 , 1 x x 2 x 3
w 1, x, x 2
n=4
n=3
Transformamos:
D 1 = 0 = 0 * 1 + 0 * x + 0 * x 2
D 1+x = 1 = 1 * 1 + 0 * x + 0 * x 2
D 1+x+x 2 =1 + 2 x = 1 * 1 + 2 * x + 0 * x 2
D 1+x+x 2 +x 3 = 1 + 2 x + 3 x 2 = 1 * 1 + 2 * x + 3 * x 2
La matriz queda:
0 1 1 1
0 0 2 2
0 0 0 3
x j a jk xk
x 1
Pg. 5
A * A 1 A 1 A 1 O bien A 1
Ejemplos:
Buscaremos la matriz ortogonal de segundo orden para realizar un
cambio de coordenadas.
Sea A la matriz 2DO orden y AT su transpuesta:
a b
c d
a c
At
b d
a 2 b2 1
c2 d 2 1
ac bd 0
Haciendo:
a 2 c 2 cos 2
b 2 d 2 sen 2
Consideramos 0 entonces, si A 1
sen
cos
A
sen cos
Si A 1
cos sen
sen cos
Probaremos que las transformaciones siguientes son ortogonales:
A).
x1 x2 0 x1 1x2 0 x3
A
x2 x3 0 x1 0 x2 1x3
x3 x1 1x1 1x2 0 x3
Pg. 6
0 1 0
A 0 0 1
A 1
1 0 0
t
Podemos comparar que A * A I por lo tanto la matriz es ortogonal, al
igual que la transformacin que definen.
B).
x1 x2 0 x1 1x2 0 x3 0 x4
x2 x3 0 x1 0 x2 1x3 0 x4
x3 x4 0 x1 0 x2 0 x3 1x4
x4 x1 1x1 0 x2 0 x3 0 x4
0 1 0 0
0 0 1 0
A
A 1
0 0 0 1
1 0 0 0
Podemos comprobar aqu tambin que A * At I , y la transformacin es
ortogonal.
II- Tensores:
CONVENCION DE EINSTEN:
Cuando en una expresin monomia figuren ndices repetidos, se
entender que se trata de una suma en la que los ndices repetidos van
sumandos de 1 a n.
Por ejemplo:
n
j 1 a j b j a j b j
n
j 1
a j bk c j a j bk c j
O bien uJ y vJ
(1)
Pg. 7
Definicin:
Dadas 9 cantidades TJK, se dice que son componentes de un tensor
cartesiano de segundo orden cuando por un cambio de coordenadas la
forma (1) se transforma segn la siguiente ley:
t jk a jh akl thl
Si realizamos el producto
u * v u j * vk
Pg. 8
0 1 2
th k 0 2 1
1 0 2
Se desea las componentes del mismo tensor en el sistema x 1, x2, x3
deduciendo del anterior por la transformacin:
x1 x2 0 x1 1x2 0 x3
x2 x1 1x1 0 x2 0 x3
x3 x3 0 x1 0 x2 1x3
a
I j
0 1
1 0
0 0
0
0
1
Aplicamos la ley:
t I j aI h a j k t h k
t11 a11a11t11 a11a12t12 a11a13t13 a12 a11t 21 a12a12t 22 a12a13t23 a13a11t 31 a13a12t 32 a13a13t 33 2
t12 a11a21t11 a11a22t12 a11a23t13 a12 a21t 21 a12 a22t 22 a12a23t23 a13a21t 31 a13a 22t 32 a13a 23t 33 0
Complementando los 9 valores:
2 0 1
t I k 1 0 2
0 1 2
INVARIANTES:
Definicin:
Un invariante o tensor de orden cero es una expresin que toma la
misma forma en cualquier sistema de coordenadas.
Ejemplos:
Dados los vectores u j y vJ la suma u j v j es un invariantes llamado
producto escalar de dos vectores.
El ngulo entre dos vectores tambin es un invariantes ya que no
depende del sistema de coordenadas.
En el espacio de tres dimensiones, de todo tensor de segundo orden se
deducen tres invariantes notables:
Invariante lineal:
I1 t jj t11 t22 t33
Invariante cuadrtico:
2
2
2
I 2 t11t22 t12 t11t33 t13 t22t33 t23
Invariante cbico:
Pg. 9
I3 tI j
t11 t12
t21 t22
t31 t32
t13
t23
t33
Ejemplo:
Dados el tensor t I j y el vector
1
tI j
3
u H , calcular el producto
0
uH 0, 1
2
s111 1*0 0
s211 3*0 0
s112 1*1 1
s212 3*1 3
s121 0*0 0
s221 2*0 0
s122 0*1 0
s222 2*1 2
Contraccin de ndices:
Dado un tensor de orden mayor o igual a dos, igualando dos ndices y
sumado respecto del ndice igualado, el resultado es un nuevo tensor en
el que han desaparecido estos dos ndices:
Por ejemplo si tenemos un tensor t i j h , las componentes del vector u k
(tensor es de orden uno):
Mg. Ing. Hctor Martin
Pg. 10
uk ti i k
wk tk j j
A partir de un tensor de cuarto orden t i j k l podemos, por contraccin de
ndices, obtener:
vk l ti i k l
uI k tI j k j
u j l ti j i l
u j k tI
ui l ti j j l
uI j tI j k k
jk I
Permutacin de ndices:
A partir de un tensor, permutando los ndices de cada una de sus
componentes, se obtienen otros tensores.
Tensores simtricos y antisimtricos:
Definicin:
Un tensor se llama simtrico si al permutar dos ndices obtenemos el
mismo tensor y antisi-mtrico si se obtienen el tensor opuesto.
0 si dos cualesquiera de los nmeros i , j , k son iguales.
Ejemplos:
121 0
123 1
213 1
321 1
231 1
111 0
Nota:
El producto i j k i j 0 porque el primer factor es cero i = j y el segundo
es cero si i j
APLICACIONES:
Determinante:
Consideramos la expresin:
i j k a p i aq j ar k
i j k a1 i a2 j a3 k
Desarrollando:
a11a22 a33 a12 a23a31 a13a21a32 a13a22 a31 a12 a21a23 a11a23a32
Obtendremos el determinante de ai j
Producto escalar:
Mg. Ing. Hctor Martin
Pg. 11
y v v1 , v2 , v3
se puede escribir:
u . v i j ui v j
Desarrollando esta expresin queda:
11u1v1 1 2u1v2 13u1v3 2 1u2v1 2 2u2 v2 2 3u2 v3 31u3v1 3 2u3v2 3 3u3v3
u . v u1v1 u2 v2 u3v3
Producto vectorial:
u v) j j k h uk vh
Donde j representa al componente j-estima para j= 1, 2, 3.
Ejemplo:
Para j=1
u v )1 111 u1v1 11 2 u1v2 11 3 u1v3 1 21 u2 v1 1 2 2 u2 v2
1 2 3 u2 v3 131 u3v1 1 3 2 u3v2 1 3 3 u3v3
u v )1 u2 v3 u3v2
Para j=2
u v) 2 u1v3 u3v1
Para j=3
u . v w i j k ui v j wk
Notar que es el desarrollo de un determinante.
Doble producto vectorial:
a b c i j k u v k a j bu cv
Pg. 12
JN
j 1, 2, 3.
ortogonales
,
y
resultan
AO B
COB
AO C
las reas de las caras
respectivamente iguales a los cosenos directores de n.
Supongamos conocidas las tensiones normales a las caras ortogonales del
prisma:
Pg. 13
T33 3
T22 2
T11 1
El problema consiste en establecer las relaciones que nos permitan conocer los
valores de la tensin resultante
Las fuerzas sobre cada cara del tetraedro se obtienen al multiplicar la tensin
por el rea, por lo tanto sobre cada eje tendremos lo siguiente:
(1)
j T jk kN
j= 1, 2, 3.
x ' j a j k xk
Pg. 14
1N
Nj 2N
3N
1
j 2
3
TJk JN J
Planos principales:
Hemos visto que al cambiar la orientacin del plano considerado, varia la
tensin resultante aplicada al mismo, y consecuentemente sus componentes.
Entre los infinitos planos que pasan por un punto habr planos para los cuales la
j
tensin normal T adquiere sus valores mximos y mnimos. Para estos planos
las tensiones tangenciales deben ser nulas:
TJK 0
TJK 0
si
si
jk
jk
1 1N
j TJ j Nj 2 2N
3 3N
(2)
1
1
1N T12 2N T13 3N 0
Pg. 15
JN 0
Porque se debe cumplir:
3
JN 1
j 1
Por lo tanto deber tener otras soluciones no nulas, y para esto es necesario
que el determinante de los coeficientes sea cero:
T11
1
T2
T31
T12
T22
T32
T13
T23 0
T33
Est claro que las tensiones principales, o sea las races de esta ecuacin
cbica, no dependern del sistema de coordenadas elegido, por lo tanto al girar
j
Pg. 16
Pg. 17
IV- CUDRICAS:
FORMAS LINEALES Y BILINEALES
Definicin:
Se dice que en un espacio vectorial R est dada una funcin lineal f x
si a todo vector x R le corresponde un nmero f x con la particularidad
de que para todo x, y x R y R y un nmero real, se cumplan las
siguientes condiciones:
f x y f x f y
f x f x
Tomamos en el espacio R una base e1 , e2 , e3 ,..., eN y sea x un vector de R
f x f x e x j f e
j j
j
Definicin:
Se llama forma lineal a la representacin de una funcin lineal en una
base fija:
f x x j a j en donde a f eJ
Definicin:
Una funcin de dos variables a x , y definida en un espacio lineal R se
llama funcin bilineal si es lineal a la variable y para x fijo, y es
lineal respecto x para y fijo. O sea para todo x, y, z, R y un
nmero real se cumple:
A x y , z A x , y A x , z
A x , y A x , y
A x , y z A x , y A x , z
A x , y A x , y
Dada una base e j de un espacio R y sea:
x x je j
y y jej
A x , y A x e , y e x j y j A e ,e a jk x j yk
j j k k
j k
Pg. 18
Por lo tanto en una base fija una funcin bilineal se representa mediante
una forma bilineal.
Definicin:
A la matriz a j k se llama matriz de la forma bilineal.
Definicin:
Una funcin bilineal A x , y se llama simtrica si
A x , y A y , x
y se tiene que
a j k ak j
A a11
D a12 a21
x x1
B a22
E a13 a31
y x2
C a33
F a23 a32
z x3
Teorema:
A
Sea x , x una funcin cuadrtica cualquiera en un espacio vectorial n
dimensional. Existe entonces una base en la que esta forma se reduce a
la suma de cuadrados. Es decir una base en la que todos los coeficientes
Pg. 19
a12
a13
a21
a21 t
a23
a31
a31
a32 t
a1
a2
a3
a
Pg. 20
1 0 2 0 3 0
1 0 2 0 3 0
De dos hojas
1 0
1 0
1 0
1 0
1 0
1 0
2 0
2 0
2 0
2 0
2 0
2 0
3 0
3 0
3 0
3 0
3 0
3 0
1 0 2 0 3 0
1 0 2 0 3 0
CONO
cuando los j tienen distintos signo, o sea.
1 * 2 * 3 0
j 0
por ejemplo suponemos que 3 0, 2 0, 1 0 ,
Uno de los
Podremos reducir la ecuacin a:
CILINDRO ELIPTICO sg 1 sg 2 sg b
Pg. 21
CILINDRO HIPERBOLICO 1 * 2 0
DOS PLANOS QUE SE CORTAN
1 0 2 0
1 0 2 0
Dos nmeros
Y representa:
DOS PLANOS PARALELOS b2 b3 , 1 * b 0
DOS PLANOS COINCIDENTES b2 b3 b 0
DOS PLANOS IMAGINARIOS b2 b3 , 1 * b 0
b2 0, b3 0
CILINDRO PARABOLICO b 0,
2
b3 0