UNIVERSIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVESTIGACIÓN FACULTAD DE INGENIERÍA QUÍMICA INSTITUTO DE INVESTIGACIÓN DE INGENIERÍA QUÍMICA INFORME FINAL DE INVESTIGACIÓN ELBORACIÓN DEL TEXTO: ALGEBRA LINEAL CON MAPLE AUTOR: Lic. FERNANDO HIPOLITO LAYZA BERMÚDEZ (PERIODO DE EJECUCIÓN: Del 01 de junio de 2010 al 31 de mayo del 2012 Resolución No. 704-2010-R) MAYO DEL 2012 CALLAO – PERÚ ÍNDICE CAPÍTULO I DESCRIPCIÓN DEL SOFTWARE MAPLE........................................................ 1 1.1-CONTENIDO DE MAPLE POWER EDITION ..................................................................................... 1 1.2.-REQUISITOS MÍNIMOS ........................................................................................................................ 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 CUADRÁTICAS ................................................................................................................... 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.-RESOLUCIÓN DE ECUACIONES, SISTEMA DE ECUACIONES LINEALES ........................... 30 4.4.-EL TEOREMA DE ROUCHÉ –FROBENIUS..................................................................................... 34 4.5.-SISTEMAS HOMOGENEOS ................................................................................................................ 37 CAPITULO V PRODUCTO Y ORTOGONALIDAD.................................................................. 41 5.1.-MATRICES SEMEJANTES, DIAGONALIZACIÓN Y DESCOMPOSICIÓN 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.-DEFINICIÓN ................................................................................................................................... 53 6.1.2.-COMANDOS BÁSICOS.................................................................................................................. 53 CAPITULO VII APLICACIÓN DEL ALGEBRA LINEAL CON MAPLE............................. 58 7.1.- FUNCIONES VECTORIALES DE VARIABLE REAL.................................................................... 58 7.1.1.-DEFINICIÓN ................................................................................................................................... 58 7.1.2.-GRAFICA DE UNA FUNCIÓN VECTORIAL ............................................................................ 59 7.1.3.-OPERACIONES CON FUNCIONES VECTORIALES .............................................................. 61 7.1.4.-LÍMITE DE UNA FUNCION VECTORIAL ................................................................................ 64 i 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.-DEFINICIÓN ................................................................................................................................... 77 7.2.2-DEFINICIÓN DE UNA CURVA REGULAR ................................................................................ 77 7.2.3.-PARAMETRIZACIÓN 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.-CÁLCULO DIFERENCIAL VECTORIAL ......................................................................................... 96 7.3.1.-DEFINICIONES .............................................................................................................................. 96 7.3.2.-REGLA DE LA CADENA .............................................................................................................. 98 7.3.3.-TEOREMA DE LA FUNCIÓN IMPLÍCITA.............................................................................. 101 7.3.4.-TEOREMA DE LA FUNCIÓN 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.-PROGRAMACIÓN LINEAL, EL METODO DEL SIMPLEX........................................................ 121 7.5.-TEORÍA DE GRAFOS......................................................................................................................... 129 BIBLIOGRAFÍA .............................................................................................................................. 134 APÉNDICE ................................................................................................................................ 135 ii CAPÍTULO I DESCRIPCIÓN DEL SOFTWARE MAPLE 1.1-CONTENIDO DE MAPLE POWER EDITION Maple proporciona una extensa librería con más de 2500 funciones y rutinas, que usaremos en el desarrollo de esta investigación, las cuales se detallan: Cálculo numérico y simbólico Cálculo : Diferenciación Integración numérica Integración Simbólica Limites y series Sumatoria y Productorio Transformaciones integrales: Laplace, Hankel, Fourier, etc. Transformaciones discretas : Función Z, Transformaciones rápidas de Fourier Funciones definidas a trozos Cálculo de ecuaciones Sistemas de ecuaciones lineales y no lineales Ecuaciones diferenciales ordinarias (ODE) y en derivadas parciales(PDE) Resolución simbólica y numérica de ODE y PDE vía series de Potencial y métodos aproximados de cálculo numérico (Runge Kuta, Euler, etc.) Funciones especiales y elementales Funciones trigonométricas, exponenciales, de error, logarítmica, Bessel, Zeta, Gama, Hipergeométricas, etc. 1 Algebra Lineal: Operaciones matriciales, simbólicas y numéricas Valores y Vectores propios de matrices simbólicas y numéricas Matrices especiales, matrices dispersas, bloques matriciales, etc Coordenadas Curvilíneas Formas matriciales normales, descomposición y diagonalización Espacios vectoriales, bases, aplicaciones lineales, formas cuadráticas, etc. Gráficos Gráficos en 2D Gráficos en 3D Animación 1.2.-REQUISITOS MÍNIMOS En cuanto al hardware, el programa exige como mínimo para su correcto funcionamiento las siguientes características: Un ordenador tipo PC- Compatible con miniprocesador 396 o superior Es conveniente la presencia de coprocedor matemático Un mínimo de 8 megabytes de memoria RAM Disco duro con un espacio libre de entre 18 y 46 megabytes aproximadamente Es indispensable utilizar un ratón, dadas las características 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 fácil de manejar. Maple utiliza todos los periféricos que aportan las diferentes versiones de Windows para manejar sus aplicaciones y se puede 2 comunicar directamente con todas las aplicaciones que corren bajo este estándar actual. Por otra parte, el uso de menú, el acceso a más memoria y el manejo de ratón agilizan bastante los procesos. Para entrar a maple se presenta la pantalla de la figura 1. En la línea superior de esta pantalla vemos el nombre del documento actual (entre corchete). En la línea siguiente se presenta el menú general de la aplicación (barra de menú principal) con todas sus opciones (File, Edit, View, Insert, Format, Options, Window, Help). La tercera línea presenta una serie de iconos que facilitan el manejo rápido con el raton de las opciones más usadas del menú general ( Barra de herramienta). La cuarta línea o de salida/ texto (barra de contexto) FIGURA 1 3 1.4.-EL ENTORNO GRAFICO DE MAPLE PARA WINDOWS Las representaciones gráficas en dos y tres dimensiones se realizan a través del comando plot2D y plot3D respectivamente. No se trata aquí de analizar el comando plot con todas sus opciones (tarea que se abordará en capítulos posteriores), sino de ver las posibilidades de trabajo que nos ofrecen los menús que se presentan en las ventanas graficas. En la figura 2 tenemos la función f ( x) sen( x), x para representarlo gráficamente se usa el comando polt2D FIGURA 2 4 En la figura 3 tenemos la función f ( x) sen( x y ), 1 x 1,1 y 1 y para representarlo gráficamente se usa el comando polt3D FIGURA 3 5 CAPITULO II ESPACIOS VECTORIALES 2.1.-COMANDOS MATRICIALES El algebra matricial tiene un fuerte campo de aplicaciones en la teoría de espacios vectoriales, así como en todo tipo de transformaciones lineales definidas entre espacios vectoriales, como son las aplicaciones lineales, las formas lineales, las formas bilineales, la formas cuadráticas, etc. También es de fuerte aplicación el álgebra lineal en el estudio de los sistemas de ecuaciones lineales. Se presentan ejemplos, referentes a los campos antes mencionados, en los que la solución envuelve comandos matriciales ya estudiados anteriormente, Así tenemos: Nullspace(A) o kernel(A) Devuelve una base para el núcleo de A Nullspace(A,n) o kernel(A,n) Devuelve una base para el núcleo de A y asigna a n la dimensión del núcleo. 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 dimensión 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 dimensión del espacio fila. rowspan(A) :Devuelve el conjunto de generador de vectores para el espacio fila de la matriz A. 6 rowspan(A,n) :Devuelve el conjunto de generador de vectores para el espacio fila de la matriz A y asigna a n la dimensión 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 ángulo 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 intersección 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 ortogonalización de Gran Schmidt. La base no tiene por qué ser ortonormal. 7 Norm(V) :Halla la norma infinita del vector V(máximo de sus elementos) 2.2.-INDEPENDENCIA LINEAL, BASES Y CAMBIO DE BASES DEFINICIONES 1.-Un vector v en un espacio vectorial V se denomina combinación lineal de los vectores u1 , u2, u3,….uk en V si v puede expresarse en la forma v= c1u1 +c2 u2+c3 u3,+….+ckuk donde c1 ,c2,c3,…,ck son escalares. 2.-Sea S={v1, v2, ,…vk} un subconjunto del espacio vectorial V. El conjunto S se denomina conjunto generador de V si todo vector en V puede expresarse como una combinación lineal de vectores en S. En este caso se dice que S genera a V. 3.-Un conjunto de vectores S={v1, v2, ,…vk} en un espacio vectorial V se denomina linealmente independiente si la ecuación vectorial c1 v1+c2 v2+c3 v3,+….+ckvk = 0 tiene solamente solución trivial, c1 =c2=….ck= 0. Si también hay solución no trivial, entonces S de denomina linealmente dependiente. 4.-Un conjunto de vectores S={v1, v2, ,…vn} 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}} 8 3.-{{1,2,2,1},{3,4,4,3},{1,0,0,1}} 4.-{{1,3,1},{0,1,2},{1,0,-5}} SOLUCIÓN 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}} 9 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 dimensión de la variedad lineal engendrada por ellos y una base de dicha variedad lineal. SOLUCIÓN La dimensión de la variedad lineal engendrada por un conjunto de vectores será el rango de la matriz formada por los vectores: El rango de la matriz es 3, luego la dimensión es 3 10 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 será 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 R3, y en caso positivo, obtener las componentes del vector x=(3,5,1) en dicha base. SOLUCIÓN Calculando la matriz A 11 Como tenemos tres vectores de un espacio de dimensión 3, formarán 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’. SOLUCIÓN Construimos la matriz B y B’ 12 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}} 13 B’:={{1,0,1},{0,-1,2},{2,3,-5}} Hallar la matriz de transición de B a B’ SOLUCIÓN La matriz obtenida representa la matriz de transición 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: 14 x1={1, 1 ,-1} ; x2={1, 1,1} Hallar su expresión normalizada, ver si estos vectores son ortogonales y hallar su producto vectorial. SOLUCIÓN Los vectores serán 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. SOLUCIÓN El producto mixto se ha calculado a partir del producto escalar y del producto vectorial. 15 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. SOLUCIÓN Usando el comando de Gram-Schmit para hallar dicha base, se tiene: 4.-Hallar el área del triangulo cuyos vértices son los vectores (0,0), (5,1) y (3,7) SOLUCIÓN Aplicando la fórmula del área del triangulo en función de las coordenadas de sus vértices se tiene: Por tanto, el área del triangulo es de 6 unidades cuadradas. 5.-Hallar el ángulo 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) SOLUCIÓN a).- x= (1,2,3) , y= (0,3,1) 16 b).- x= (1,-2,1) , y= (1,0,1) c).- x= (-1,-3,2) , y= (3,-1,3) 17 CAPITULO III TRANSFORMACIONES LINEALES 3.1.-DEFINICIONES 1.-Sea A una matriz de mxn. a).-El espacio renglón de A es el subespacio de Rn generado por los vectores renglón de A. b).- El espacio columna de A es el subespacio de Rm generado por los vectores columna de A 2.-Si una matriz A por renglones a una matriz B que está en forma escalonada por 3.-La dimensión del espacio renglón (o columna) de una matriz A se llama rango de A y se denota por rango(A). 4.-Sea T: V W una transformación 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 transformación lineal. Entonces, el conjunto de todos los vectores en W que son imágenes de vectores de V se llama rango de T y se denota por rang(T). EJEMPLOS 1.-Dada la aplicación lineal cuya matriz está 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 núcleo. Hallar también la imagen de los vectores {4, 2, 0, 0,-6}, {1, 2,-1,-2,3} mediante la aplicación lineal SOLUCIÓN 18 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 aplicación 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 R3) y B’={v1, v2, v3, v4 } una base de V (subespacio de R 4) Hallar la matriz asociada a la aplicación lineal f. Hallar la imagen en V del vector {1,2,2},de U mediante la aplicación lineal f. SOLUCIÓN La matriz asociada a f es evidente sólo con que observar la definición de f (para los elementos de ambas bases): Esta matriz representa la matriz asociada a la aplicación lineal f. Luego, la imagen del vector {1,1,2} es dado por el vector [1, 0, 1 -2] como sigue 3.-Consideremos la aplicación 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. 19 SOLUCIÓN Por definición 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 canónica: Luego, la imagen de cada vector será respectivamente: La matriz cuyas columnas son los vectores hallados es la matriz de la aplicación lineal f. Luego, la matriz asociada a f5 será A5 y es dado por : 4.-Consideremos la forma bilineal f:UxVR, 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 . SOLUCIÓN 20 Luego, la matriz de f es {{1,-2,0},{0,0,4},{-1,0,-3}} 5.-Considremos la aplicación lineal f: U V donde UCR3 y VCR4 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 aplicación f, su núcleo y las dimensiones del núcleo y la imagen. SOLUCIÓN Definimos la transformación lineal T: Halando la matriz asociada a la transformación lineal: Calculo del núcleo o kernel: Con lo que el núcleo será el conjunto de vectores de la forma {0, b, 0} con b variando en U. Además, evidentemente el núcleo tiene dimensión 1, ya que la base es el vector {0,1,0}. La dimensión de la imagen de f será 2 pues 21 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 CUADRÁTICAS 3.2.1.-DEFINICIONES 1.-A la expresión ax2 + bxy + c y2 se denomina forma cuadrática asociada con la ecuación ax2 + bxy + c y2+ dx + ey + f =0 , y la matriz A se denomina matriz de la forma cuadrática. 2.-Una forma cuadrática es definida positiva si y solo si todos los autovalores son positivos estrictamente. 3.-Una forma cuadrática es definida negativamente si y solo si todos los autovalores son negativos estrictamente. 4.-Una forma cuadrática es semidefinida positiva y solo si todos los autovalores son no negativos. 5.-Una forma cuadrática es semidefinida negativa solo si todos los autovalores son no positivos. 6.-Una forma cuadrática es indefinida si existen autovalores positivos y negativos. EJEMPLOS 1.-Consideremos la forma cuadrática f: UR, siendo U subespacio vectorial del espacio real tridimensional de tal forma que: F[{x,y,z}]=x2 – 2xy + y2 + 6xz – 3yz + 4z2 1 3 1 1 3 / 2 es la matriz asociada al forma cuadrática f. Demostrar que la matriz A= 1 3 3/ 2 4 22 SOLUCIÓN Por dato tenemos la matriz A Calculando la forma cuadrática se tiene: Simplificando para comparar la forma cuadrática dada Por tanto se demuestra que la matriz es la matriz asociada a la forma cuadrática f. 2.-Consideremos la forma cuadrática f: UR, siendo U subespacio vectorial del espacio real tridimensional de tal forma que: f[{x,y,z}]=x2 + 2y2 + 4yz + 2z2 1 0 0 Demostrar que la matriz A= 0 2 2 es la matriz asociada al forma cuadrática f y calcular 0 2 2 su ecuación reducida, su rengo. SOLUCIÓN Por dato tenemos la matriz A 23 Calculemos la forma cuadrática f : Luego, esta última expresión coincide con la forma cuadrática Por tanto, queda demostrado que la matriz A es la matriz asociado a la forma cuadrática. Para hallar la ecuación reducida calculemos la matriz de Jordan de A. Y luego la ecuación reducida será: Para calcular el rango usamos Luego el rango es 24 CAPITULO IV MATRICES Y DETERMINANTES 4.1.-VECTORES Y MATRICES Maple implementa la Librería linalg que contiene variedad de comandos referentes al álgebra matricial. Para trabajar con los conceptos de este tema es preciso cargar en memoria previamente la citada librería, ejecutando el comando with(linalg). Para este capítulo introduciremos varios comandos que permita el trabajo con vectores y matrices. . a11 . a22 La matriz A (aij ) . . . . a m1 . . . a1n . . . . . . , i 1,...m . . . . . amn j 1,...n Se introduce las siguientes formas: A : matrixa11,...,a1n, a21,...,a21,...am1,...amn A : arraya11,...,a1n, a21,...,a21,...am1,...amn A : matrixm, n, a11,..,a1n, a2n,..,a2n,...am1,..,amn A su vez, el vector V (v1, v 2,..., vn) se introduce como caso particular de matriz de una fila sola fila (matriz de dimensión 1xn) o de las siguientes formas: V : vectorv1,...,vn ; V : vectorn, v1, v2,...,vn o Veamos algunos ejemplos. 1.- 25 V : arrayv1,.v2,...vn 2.- 3.- 4.- 5.- 6.- 7.- 4.2.-OPERACIONES CON MATRICES Maple admite la mayoría de las operaciones del álgebra 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 básicas con matrices. evalm(expr(A,B,C,…)) :Evalúa la expresión en las matrices A, B, C, … Dicha expresión ha de estar formada por los operadores básicos 26 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) , además 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) :eAt calculada a través de series de Taylor EJEMPLOS 1.-Consideremos la matriz siguiente: 1 3 2 A 1 0 1 2 3 1 27 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 SOLUCIÓN 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= 28 g) La traza de A = 2.-Consideremos las matrices siguientes: 1 3 2 A 1 0 1 2 3 1 1 2 3 y B 2 1 4 2 0 1 Calcular a) 3A - 2B b) A.B c) det(A.B) d) Inversa de A e inversa de B e) La exponencial de A SOLUCIÓN a) 3A - 2B b) A.B c) det(A.B) 29 d) Inversa de A. B 3.-Consideremos la matriz siguiente 1 1 0 A 0 1 1 0 0 1 Calcular la exponencial de A SOLUCIÓN 4.3.-RESOLUCIÓN DE ECUACIONES, SISTEMA DE ECUACIONES LINEALES Maple ofrece determinados comandos que permiten resolver ecuaciones y sistemas de ecuaciones Entre ellos tenemos los siguientes: Solve(ecuación,variable) :Resuelve la ecuación dada en la variable dada. Solve(expresión,variable) :Resuelve la ecuación expresión=0 en la variable dada. Solve({expr1,..,exprn},{var1,..varn}) :Resuelve el sitema dado por las ecuaciones dadas para todas sus posibles variables. 30 Solve(inecuación) :Resuelve la inecuación para la variable especificada. linsolve(M,V) :Halla Vx vector solución 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 multiplicación 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 usará 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 mínimos cuadrados. EJEMPLOS 1.-Resolver x4 - 5x2 + 6x – 2 = 0 31 SOLUCIÓN Editamos la ecuación en maple como: Resolviendo la ecuación 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 u v w 1 3u v 3 u 2v w 0 SOLUCIÓN Editando el sistema Resolviendo usando el comando solve, se tiene: Por tanto, el conjunto solución será 3.-Resolver el sistema sujeto a determinadas condiciones Si x2.y2 = 0 y x–y=1 32 SOLUCIÓN Editando la ecuación y la condición y resolviendo, se tiene: Luego, el conjunto solución será: Si deseamos que x sea distinto de cero , se tiene 4.-Resolver la inecuación x2 + x > 5 SOLUCIÓN 5.-Resolver la inecuación x2-2 x > 0 SOLUCIÓN 33 4.4.-EL TEOREMA DE ROUCHÉ –FROBENIUS Los sistemas de ecuaciones lineales pueden convertirse a forma matricial y resolverse utilizando el cálculo con matrices. Un sistema puede escribirse en la forma M*X=B, siendo X el vector de variables y B el vector de términos independientes y M la matriz de coeficientes del sistema. Un sistema de m ecuaciones con n incógnitas tiene solución si y sólo si, el rango de la matriz de los coeficientes coincide con el rango de la matriz ampliada con el vector columna de los términos independientes del sistema. Si los dos rangos son iguales e iguales al número de incógnitas, el sistema tiene solución única. Si los dos rangos son iguales, pero menores al número de incógnitas, el sistema tiene infinitas soluciones. Si son distintos, el sistema no tiene solución. EJEMPLOS 1.-Estudiar y resolver el sistema de ecuaciones lineales 2 x1 x 2 x3 x 4 1 x1 2 x 2 x3 x 4 1 x1 x 2 2 x3 x 4 1 x1 x 2 x3 2 x 4 1 SOLUCIÓN Editando la matiz de los coeficientes del sitema Editando la matriz ampliada del sistema 34 Calculando el rango de A y de B, se tiene Ambos rangos son iguales y coinciden con número de variables por lo tanto el sistema tiene solución única Editando el vector independiente para buscar la solución Resolviendo La solución será: 2.-Estudiar y resolver el sistema de ecuaciones lineales x1 x 2 3 x3 6 x1 3 x 2 8 x3 19 2 x1 3 x 2 x3 1 5 x1 6 x 2 4 x3 5 SOLUCIÓN Editando la matiz de los coeficientes del sistema 35 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 solución única Editando el vector independiente para buscar la solución Resolviendo, se tiene Por tanto la solución será: 2.-Estudiar y resolver el sistema de ecuaciones lineales x1 2 x 2 3 x3 10 2 x1 4 x 2 2 x3 5 x1 x 2 x3 6 36 SOLUCIÓN 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 solución. Luego, el sistema es incompatible. 4.5.-SISTEMAS HOMOGENEOS El sistema A*X=B se dice homogéneo si el vector de términos independientes B es nulo, con los que todo sistema homogéneo será de la forma A*X= 0, con solución trivial el vector X=0 En un sistema homogéneo, el rango de la matriz de los coeficientes y el rango de la matriz ampliada con las columna de los términos independientes siempre coinciden.. Si aplicamos el teorema de Rouché-Frobenius, un sistema homogéneo tendrá una única solución cuando el determinante de la matriz A sea distinto de cero. 37 Un sistema homogéneo tendrá 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 también usando la función nullspace(A). EJEMPLO 1.-Estudiar y resolver el sistema: x1 2 x 2 x3 0 2 x1 x 2 x3 0 3 x1 x 2 0 SOLUCIÓN Editando la matriz de los coeficientes Calculando el rango de A Como el determinante de la matriz es nulo, el sistema tendrá infinitas soluciones. Y estas soluciones serán Si aplicamos el comando nullspace, obtenemos una base del núcleo de la matriz del sistema En efecto: 38 2.-Estudiar y resolver el sistema: 3 x1 x 2 x3 x 4 0 2 x1 x 2 x3 x 4 0 x1 2 x 2 x3 2 x 4 0 2 x1 x 2 2 x3 x 4 0 SOLUCIÓN Editando la matriz de los coeficientes Calculando el determinante de A Como el determinante de A es distinto de cero, entonces el sistema tiene única solución Resolviendo se tiene La solución será: 3.-Estudiar y resolver según los valores de m, el sistema: mx 2 m (1 m) x1 x3 m x 2 x3 m SOLUCIÓN Editando la matriz de los coeficientes 39 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 única solución, la trivial Si m = 46/3, entonces el sistema tiene infinitas soluciones Y están dadas por 40 CAPITULO V PRODUCTO Y ORTOGONALIDAD 5.1.-MATRICES SEMEJANTES, DIAGONALIZACIÓN Y DESCOMPOSICIÓN DE MATRICES 5.1.1.-DEFINICIONES 1.-Se dice que dos matrices A y B de dimensión 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=PBPt o A=PtBP. 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 cálculo de la matriz diagonal D y de paso P se denomina diagonalización de A. 6.-Una matriz cuadrada A es ortogonal si y solo si A-1=QT 7.-Una matriz cuadrada A es ortogonalmente diagonalizable si existe una matriz ortogonal Q y una matriz diagonal D tal que QTAQ=D 8.-Si A es una matriz simétrica entonces cualquiera dos eigenvectores distintos correspondientes a eigenvalores distintos de A son ortogonales. 9.-Dada una matriz A cuadrada de orden n de números reales, si todos los valores propios 41 (autovalores A) son reales y distintos, entonces A es diagonalizable . La matriz D tendrá 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, será diagonalizable si y sólo si el núcleo de la matiz A-r*In tiene dimensión igual al grado de multiplicidad del valor propio. Maple habilita comandos que permiten la descomposición de matrices en productos de vectores ortogonales y matrices diagonales. Así 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 dimensión. Si A es de dimensión (n, p), entonces U es (n, n), V es (p, p) y D es (n, p) Definite(A,opción) :Determina si la matriz A es definida positiva, semideinida positiva, definida negaticva o 42 semidefinida negativa para los respectivos valores de la opción dados por ‘positive_def ‘,’ positive_semidef‘,‘negative def o ‘negative_semidef ‘ Jordan(A,P) :Devuelve la forma canónica 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, cumpliéndose la igualdad evam(V1&*A&*V)=J Orthog(A) :Dice si A es ó no matriz ortogonal (A(-1)=At) EJEMPLOS 1.-Dada la matriz: 3 1 1 A 1 i 1 2i i 1 i 2 Calcular los autovalores, polinomio mínimo, polinomio característico, forma canónica de Jordan y sus valores singulares. SOLUCIÓN 43 2.-Dada la matriz: 0 0 1 A 0 cos(a) sen(a) 0 sen(a) cos(a) Calcular los autovalores, polinomio característico, forma canónica de Jordan, polinomio mínimo. SOLUCIÓN 44 3.-Dada la matriz: 1 0 A 1 1 Calcular 0 0 0 1 5 10 0 2 0 0 0 3 auto valores, polinomio característico, forma canónica de Jordan, polinomio mínimo. SOLUCIÓN 4.- Dada la matriz la matriz A de orden 5, definida por Αιϕ ι ϕ 1 / 2 Calcular La matriz A, auto valores, polinomio característico forma diagonal de Jordan. SOLUCIÓN 45 1 / 3 2 / 5 1/ 2 5.-Dada la matriz A 1 / 2 1 / 3 2 / 5 1/ 2 0 4 / 5 Verificar si esta matriz es ortogonal SOLUCIÓN Usando el comando orthog , para ver si matriz A es ó no ortogonal En efecto 46 El resultado de aplicar este comando es false lo que significa que la matriz no es ortogonal. 1/ 2 1/ 2 1/ 2 1/ 2 1/ 2 1/ 2 1/ 2 1/ 2 6.-Dada la matriz A 1/ 2 1/ 2 1/ 2 1/ 2 1/ 2 1 / 2 1 / 2 1 / 2 Demuestre que la matriz A es ortogonal Encuentre la inversa y la transpuesta de A SOLUCIÓN El resultado de aplicar este comando es true lo que significa que la matriz es ortogonal. Calculando la matriz inversa 47 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+j1) sylvester(p1,p2,x) :Matriz cuadrada de Sylvester de los polinomios en x expandidos dados, con dimensión m+n, siendo m=grado (p1) y n=grado(p2). El determinante de esta matriz es la resultante de los dos polinomios. 48 fibonacci (n) :Matriz enésima de Fibonacci F(n) cuya dimensión es la suma de las dimensiones de F(n1) y F(n-2). Vandermonde([exp1,..,expn]) :Matriz de Vandermonde cuyo elemento (i,j) es expi 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 49 resolución 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 última 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 basándose en la descomposición LU. Resolver el sistema G*x=V utilizando la transformación de A a su forma triangular de Gauss Resolver el sistema J*x=V utilizando la transformación 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. SOLUCIÓN En primer lugar definimos la matriz A y el vector V. 50 A continuación hallamos la descomposición LU de A, para resolver el sistema A*x=V, utilizando el comando backsub Ya hemos resuelto el sistema L*x=V, cuya expresión 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 expresaría 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 último se presentan las formas de Smith y Hermite para la matriz entera A 51 52 CAPITULO VI VALORES Y VECTORES PROPIOS 6.1.-AUTOVALORES Y AUTOVECTORES 6.1.1.-DEFINICIÓN Sea A una matriz de orden nxn. Un escalar λ es llamado un eigenvalor de A si existe un vector x distinto del vector cero tal que A x = λ x Al vector x de esta naturaleza se le conoce un iegenvector de A correspondiente al escalar λ. De la definición al det(A – λI)= 0 se le conoce con el nombre de polinomio característico de A y a la Matriz A- λI se le conoce como matriz característica. 6.1.2.-COMANDOS BÁSICOS 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 (raíces del eigenvals(A,nombre) polinomio característico ( det(λ *I - A) = 0 :Asocia la variable nombre a los autovalores de A en modo inerte eigenvectors(A) :Devuelve los autovectores de la matriz A charmat(A, λ ) :Devuelve la matriz característica de A en función de λ, cuyo valor es M= λ*I-A charmat(A, expr ) :Devuelve la matriz característica de A en función de expr, cuyo valor es M= λ*i-A charpoly(A,expr) :Devuelve el polinomio característico de A en función de expr, cuyo valor es det(expr*i-A) 53 minipoly(A,x) :Devuelve el polinomio mínimo de A en la variable x. El polinomio mínimo 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 característica, el polinomio característico y los iegenvalores eigenvectores de las matrices siguientes: 1 0 1.- A 0 1 7 1 2 2.- A 3 3 6 2 2 2 3 0 0 3.- A 0 1 2 1 0 1 0 1 1 4.- A 1 1 1 1 2 0 4 1 2 5.- A 3 0 1 1 2 1 SOLUCIÓN 1 0 1.- A 0 1 54 y Para el valor de λ1= -1 entonces se obtiene el vector x1=(0,1) Para el valor de λ2= 1 entonces se obtiene el vector x2=(1,0) 7 1 2 2.- A 3 3 6 2 2 2 Para el valor de λ1= 0 entonces se obtiene el vector x3=(1,-3,2) Para el valor de λ2= 6 entonces se obtiene el vector x1=(2,0,1) 3 0 0 3.- A 0 1 2 1 0 1 55 Para el valor de λ1= 3 entonces se obtiene el vector x1=(2,-1,1) Para el valor de λ2= 1 entonces se obtiene el vector x2=(0,1,0) 0 1 1 4.- A 1 1 1 1 2 0 Para el valor de λ1= 0 entonces se obtiene el vector x2=(-2,1,1) Para el valor de λ2= -1 entonces se obtiene el vector x3=(3,-2,1) Para el valor de λ3= 2 entonces se obtiene el vector x1=(0,1,1) 56 4 1 3 5.- A 0 2 1 0 0 3 SOLUCIÓN Para el valor de λ1= 3 entonces se obtiene el vector x2=(-2,1,1) Para el valor de λ2= 2 entonces se obtiene el vector x3=(1,2,0) Para el valor de λ3= 4 entonces se obtiene el vector x1=(1,0,0) 57 CAPITULO VII APLICACIÓN DEL ALGEBRA LINEAL CON MAPLE CÁLCULO VECTORIAL 7.1.- FUNCIONES VECTORIALES DE VARIABLE REAL 7.1.1.-DEFINICIÓN Llamaremos función vectorial, y lo denotaremos por f a la función f : R R 3 definida por: f (t ) : ( f1 (t ), f 2 (t ), f 3 (t )) f1 (t ) i f 2 (t ) j f 3 (t ) k Editando en Maple se tiene: = Donde ex , ey y ez son los vectores canónicos o la base canónica del espacio R3 . Por ejemplo ex:=(1, 0, 0) , ey:=(0, 1, 0) y ez:=(0, 0, 1) Gráficamente una función vectorial es dado por la siguiente grafica OBSERVACION A las funciones f1 , f 2 y f 3 son llamados funciones coordenadas o funciones componentes de la función vectorial f EJEMPLOS Editar con maple las siguientes funciones vectoriales 58 1.- f (t ) : (cos t , sent, t ) 2.- f (t ) : (cos t ,1 sent,2 sent) 3.- f (t ) : (2 cos t ,3sent, t ) 4.- f (t ) : (2 cos t sent,3sent, cos t ) SOLUCIÓN 1.- f (t ) : (cos t , sent, t ) = 2.- f (t ) : (cos t ,1 sent,2 sent) = 3.- f (t ) : (2 cos t ,3sent, t ) = 4.- f (t ) : (2 cos t sent,3sent, cos t ) = 7.1.2.-GRAFICA DE UNA FUNCIÓN VECTORIAL Sea f una función vectorial. Definimos grafica de la función vectorial como: Gra( f ) : (t , f (t ) / t Dom( f ) EJEMPLOS I.-Graficar las siguientes funciones vectoriales 1.- f (t ) : (cos t , sent, t ) 59 2.- f (t ) : (cos t ,1 sent,2 sent) 3.- f (t ) : (2 cos t ,3sent, t ) SOLUCIÓN Para graficar una función con vectorial con maple usaremos los siguientes pasos: Usaremos el menú de herramientas, hacemos un clic para obtener un nuevo menú llamado tutorial-cálculo vectorial, hacemos un clic y escogemos curvas en el espacio; saliendo una ventana de gráficos de funciones, editamos la función requerida para hacer un clic en display resultando la gráfica de la función vectorial editada. 1.- f (t ) : (cos t , sent, t ) 0 t 4 60 2.- f (t ) : (cos t ,1 sent,2 sent) 3.- f (t ) : (2 cos t ,3sent, t ) 7.1.3.-OPERACIONES CON FUNCIONES VECTORIALES Dadas las funciones vectoriales f y g con Dom( f ) yDom( g ) sus respectivos dominios; y dado la función real α se tiene: 1- ( f g )(t ) : f (t ) g (t ), t Dom( f ) Dom( g ) Suma Diferencia 61 o 2- ( f . g )(t ) : f (t ) . g (t ), t Dom ( f ) Dom ( g ) Producto Interno 3- ( f x g )(t ) : f (t ) x g (t ), t Dom ( f ) Dom ( g ) 1 Producto Vectorial 4- ( . f )(t ) : (t ). f (t ), t Dom( ) Dom( f ) Producto de un escalar por un vector 5- ( f o )(t ) : f ( (t )), t Dom( f o ) Dom ( f o ) : t R / t Dom ( ) (t ) Dom ( f ) EJEMPLOS I.-Dada las funciones vectoriales. f (t ) (cos t , sent, t ), y g (t ) (e t , e t , t ) Calcular a) ( f . g )(t ) b) ( f x g )(t ) SOLUCIÓN Editando las dos funciones vectoriales. = 1 f y g son funciones vectoriales en el espacio R3 62 Composición = Aplicando el comando producto escalar y producto vectorial, se tiene a) ( f . g )(t ) = b) ( f x g )(t ) = II.-Dadas las funciones f (t ) (e t , e t , t ), y (t ) t 2 1 ( . f )(t ) Calcular SOLUCIÓN Editando la función vectorial = Aplicando el producto de un función escalar por una función vectorial, se tiene: = III.-Dadas las funciones. f (t ) (cos t , sent ,1), g (t ) (cos t , sent , t ), y h (t ) ( sent , cos t ,t ) Calcular f (t ) x g (t ). h (t ) SOLUCIÓN Editando las funciones vectoriales = = = 63 Calculando el producto vectorial, se tiene = Luego, calculando el producto escalar, se tiene = Simplificando = Por tanto, f (t ) x g (t ). h (t ) = 7.1.4.-LÍMITE DE UNA FUNCION VECTORIAL Sea f una función vectorial definida en un dominio Dom( f ) y se t o Dom( f ) y sea L un vector. Entonces diremos que L es el límite de la función vectorial f cuando t se aproxima a t si y solo si 0, 0, talque t 0 Dom ( f ) 0 t t 0 f (t ) L OBSERVACION Sea la función vectorial definida por f (t ) : f1 (t ) i f 2 (t ) j f 3 (t ) k Entonces Lim f (t ) : Lim f1 (t ) i Lim f 2 (t ) j Lim f 3 (t ) k t t 0 t t 0 t t 0 t t 0 Siempre que los limites siguientes existan Lim f 1 (t ), t t0 Lim f 2 (t ) y Lim f 3 (t ) t t0 t t0 EJEMPLOS Calcular los siguientes límites de las siguientes funciones vectoriales en el punto indicado. t 2 2t 3 t 2 5t 6 1.- f (t ) : 3 i j k t 3 t2 9 t 3 64 sen (t 1) t 2 1 i j 1k t 1 3(t 1) t 1 t 2 1 t 2 3t 2 i j t k t 2 1 t 1 t 1 2.- g (t ) : 3.- h (t ) : 4.- F (t ) : cos i sent j (t 1)k t 0 SOLUCIÓN Usaremos el comando limit de maple para resolver estos límites. t 2 2t 3 t 2 5t 6 1.- f (t ) : 3 i j k t 3 t2 9 t 3 Editamos la función = Aplicando limite en t=3, se tiene = 2.- g (t ) : sen (t 1) t 2 1 i j 1k t 1 3(t 1) t 1 = Aplicando limite en t=1, se tiene = 3.- h (t ) : t 2 1 t 2 3t 2 i j t k t 2 1 t 1 t 1 = Aplicando límite se tiene = 65 4.- F (t ) : cos i sent j (t 1) k t 0 = Aplicando límite, se tiene = PROPIEDADES Sean las funciones vectoriales f y g tal que Lim f (t ) a t t0 Lim g (t ) b y Lim (t ) L t t0 t t0 Entonces se tiene Lim( f g )(t ) t t 0 t t 0 t t 0 t t0 t t 0 t t 0 t t0 t t 0 Lim (t ). Lim f ( t ) t t 0 t t 0 Producto Vectorial Lim( . f )(t ) Producto Interno a xb t t 0 L. a t t 0 Suma o diferencia a .b Lim f (t ) x Lim g (t ) Lim( f x g )(t ) a b Lim f (t ) . Lim g (t ) Lim( f . g )(t ) Lim f (t ) Lim g (t ) Producto escalar de un por un vector 7.1.5.-CONTINUIDAD DE UNA FUNCION VECTORIAL Sea f una función vectorial y t0 Є Dom( f ), diremos que la función f es continua en t0 sii a).- f (t 0 ) existe b)- Lím f (t ) existe t t 0 c).- Lím f (t ) f (t 0 ) t t0 66 OBSERVACION Si la función no cumple con algunas de estas condiciones se dice que la función vectorial no es continua o discontinua en el punto t0 EJEMPLOS I.-Analizar si la siguientes funciones vectoriales es continua en el punto que se indica. 1.- f (t ) : (cos t , sent, t ), t 0 2.- f (t ) : (cos t ,1 sent,2 sent), t 2 2t 3 t 2 5t 6 3.- f (t ) (3, , 2 ) t 3 t 9 4.- f (t ) : (2 cos t ,3 t 0 t 3 sent , cos t ), t t0 5.- f (t ) : (e t cos t , e t sent, e t ), t 0 SOLUCIÓN 1.- f (t ) : (cos t , sent, t ), t 0 Usaremos la definición de continuidad a).- f (0) (cos 0, sen0,0) (1,0,0) es un vector en R3 por tanto existe b).- Lím f (t ) ( Lím cos t , Lím sent, Lím t ) (1,0,0) existe t 0 t 0 t 0 t 0 c).- Lím f (t ) f (0) t 0 Luego la función vectorial cumple con las tres condiciones de continuidad Por lo tanto la función vectorial dada es continua en t0=0 2.- f (t ) : (cos t ,1 sent,2 sent), t 0 Similarmente como en el ejemplo anterior, usaremos la definición de continuidad 67 a).- f (0) (cos 0,1 sen0,2 sen0) (1,1,2) es un vector en R3 por tanto existe b).- Lím f (t ) ( Lím cos t , Lím(1 sent ), Lím(2 sent )) (1,1,2) existe t 0 t 0 t 0 t 0 c).- Lím f (t ) f (0) t 0 Luego la función vectorial cumple con las tres condiciones de continuidad Por lo tanto la función vectorial dada es continua en t0=0 3.- f (t ) (3, t 2 2t 3 t 2 5t 6 , 2 ) t 3 t 9 t 3 Usando la definición de continuidad. 0 0 0 a).- f (3) (3, , ) (1, ,0) notamos que la segunda coordenada del vector no tiene 0 18 0 significado, por lo que la imagen de t =3 no existe Luego la función vectorial dada no es continua en t0=3 4.- f (t ) : (2 cos t ,3 sent , cos t ), t t0 Usando la definición de continuidad a).- f (0) (2 cos 0,3 sen0 0 , cos 0) (2, ,1) de igual manera la segunda coordenada del vector 0 0 no tiene significado, por lo que la imagen de t =0 no existe Luego la función vectorial dada no es continua en t0=0 5.- f (t ) : (e t cos t , e t sent, e t ), t 0 Usando la definición de continuidad a).- f (0) (e 0 cos 0, e 0 sen0, e 0 ) (1,0,1) es un vector en R3 por tanto existe b).- Lím f (t ) ( Lím e t cos t , Lím e t sent, Lím e t ) (1,0,1) existe t 0 t 0 t 0 t 0 68 c).- Lím f (t ) f (0) t 0 Luego la función vectorial cumple con las tres condiciones de continuidad Por lo tanto la función vectorial dada es continua en t0=0 OBSERVACIÓN Hay casos en la cual la imagen de la función vectorial no está definida en un punto, pero el limte existe alrededor de dicho punto; ó que la imagen de dicho punto esta definida pero no coincide con el limite de la función. En ambos casos la función no es continua osea discontinua; por lo tanto, la función tiene una discontinuidad evitable, es decir podemos redifinir la función vectorial tal que sea continua en ese punto. EJEMPLO Analizar la continuidad de la función vectorial en el punto que se indica. e t 1 cos t 1 , ,1 t ), ( Si f (t ) 2t t2 (1 / 2,0,1), t0 t0 SOLUCIÓN La imagen de la función vectorial en t=0 es el vector (1,0,1) Calculando el límite: e t 1 cos t 1 et 1 cos t 1 Lím ( , , t ) ( Lím , Lím , Lím (1 t )) (1 / 2,1 / 2,1) 2 t 0 t 0 t 0 t 0 2t 2t t t2 Por tanto la imagen de la función en t=0 es distinta al límite. luego la función vectorial es discontinua en t=0 Aplicando la obervación se tiene que la nueva función vectoeial será: e t 1 cos t 1 , ,1 t ), ( f (t ) 2t t2 (1 / 2,1 / 2,1), t0 t0 69 PROPIEDADES DE CONTINUIDAD Sean f y g dos funciones vectoriales continuas en t0 Entonces. 1.- f g es continua en t0 2.- . f es continua en t0 donde R 3.- f . g es continua en t0 4.- f x g 2es continua en t0 OBSERVACIÓN Para demostrar estas propiedades basta con aplicar la siguiente definición. La f (t ) ( f1 (t ), f 2 (t ), f 3 (t )) vectorial es continuas en t0 si y solo si cada función coordenada es continua en t0 Por ejemplo. Demostraremos la primera propiedad Supongamos que f (t ) ( f1 (t ), f 2 (t ), f 3 (t )) y g (t ) ( g1 (t ), g 2 (t ), g 3 (t )) Dos funciones vectoriales continuas en t0 entonces las funciones coordenadas f1 , f 2 , f 3 y g1 , g 2 , g 3 son continuas en t0, sumando f1 g1 , f 2 g 2 , f 3 g 3 son continuas en t0. Luego la primera propiedad se cumple. 2 El producto vectorial es definida en R3 70 7.1.6.-DERIVADA DE UNA FUNCION VECTORIAL Sea f una función vectorial y t0 Є Dom( f ), diremos que la función f tiene derivada en t0 f (t ) f (t 0 ) y lo denotamos por f ' si f '(t 0 ) : Lim siempre que este límite exista y sea t t 0 t t0 finito PROPIEDADES 1.-Si la función vectorial f es definida por f (t ) : f1 (t ) i f 2 (t ) j f 3 (t ) k entonces: f '(t ) : f 1 ' (t ) i f 2 ' (t ) j f 3 ' (t ) k siempre que las funciones derivadas f1 ' , f 2 ' y f 3 ' existan. f 2.-Sean las funciones vectoriales y g diferenciables y sea α una función real diferenciable, en un intervalo entonces f g y f . g .y f x g y . f son diferenciables. Y se cumple: Derivada de una Suma o Diferencia a).- ( f g )' (t ) : f ' (t ) g '(t ) Derivada de un producto Escalar b).- ( f . g )' (t ) : f ' (t ) . g (t ) f (t ) . g '(t ) Derivada de un Producto Vectorial c)- ( f x g )' (t ) : f ' (t ) x g (t ) f (t ) x g '(t ) Derivada de un producto de un d).- ( . f )' (t ) : ' (t ). f (t ) (t ). f '(t ) escalar y un vector EJEMPLOS I.-Calcular derivada de las siguientes funciones vectoriales en el punto indicado 1.- f (t ) (cos t , sent, t ), 2.- f (t ) (t 2 , t 3 , t ), t0 t 1 71 3.- f (t ) (e t , e t , t 5 ), t0 4.- f (t ) (t cos t , tsent, t ), 5.- f (t ) ( t , t 3 , t 2 ), t0 t 1 SOLUCIÓN 1.- f (t ) (cos t , sent, t ), t0 Editando la función vectorial = Aplicando el operador diferencial dado por maple. = Por tanto, obtenemos la derivada de la función vectorial f 2.- f (t ) (t 2 , t 3 , t ), t 1 = Aplicando la derivad obtenemos = 3.- f (t ) (e t , e t , t 5 ), t0 = = 4.- f (t ) (t cos t , tsent, t ), t0 = = 72 5.- f (t ) ( t , t 3 , t 2 ), t 1 = = Para este último ejemplo evaluemos la derivada en t= 1, se tiene = 7.1.7.-INTEGRAL DE UNA FUNCION VECTORIAL DEFINICIÓN DE INTEGRAL INDEFINIDA Sea la función vectorial f es definida por f (t ) : f1 (t ) i f 2 (t ) j f 3 (t ) k entonces: La integral indefinida de f es dado por f (t ) dt f 1 (t ) dt i f 2 (t ) dt j f 3 (t ) dt k c Donde c es la constante de integración. DEFINICION DE UNA INTEGRAL DEFINIDA Sea la función vectorial f es definida en un intervalo abierto I=] a, b [ y por f (t ) : f1 (t ) i f 2 (t ) j f 3 (t ) k entonces: Para dos puntos distintos a y b Є I se tiene b b a a b b f (t )dt f 1 (t )dt i f 2 (t )dt j f 3 (t )dt k a a PROPIEDADES 73 1.-Sean f , g : a, b R3 funciones vectoriales integrables, entonces la función . f g , R es integrable en a, b y se tiene b b b a a ( f g )(t )dt . f (t )dt . g (t )dt a 2.-Si f : a, b R 3 es una función vectorial integrables y c es un vector constante, entonces las funciones c . f y cx f b b ( c . f )(t )dt c . f (t )dt a b es integrable en a, b y se tiene b ( c x f )(t )dt c x f (t )dt y a a a 3.-Si f : a, b R 3 es una función vectorial integrables y f es integrable en a, b y se tiene b b f (t )dt a f (t ) dt a 7.1.8.-TEOREMAS FUNDAMENTALES PRIMER TEOREMA FUNDAMENTAL DEL CÁLCULO PARA FUNCIONES VECTORIALES Sea la función vectorial f continua en un intervalo abierto I=] a, b [ y sea t0 Є I, entonces: t Dt f (t )dt f (t ), t I t0 SEGUNDO TEOREMA FUNDAMENTAL DEL CÁLCULO PARA FUNCIONES VECTORIALES Si f (t ) : f1 (t ) i f 2 (t ) j f 3 (t ) k tiene derivada continua sobre el intervalo abierto I=] a, b [ b Entonces Dt f (t )dt f (b) f (a) a EJEMPLOS 74 I.-Calcular las integrales de las siguientes funciones 1.- f (t ) (cos t , sent, t ) 1 2.- f (t ) (e ( 2t ) , , t 3 ) t 3.- h (t ) (t 3 , sen(4t ), t ) SOLUCIÓN Editamos la función = Aplicando el comando integral int de maple = 1 2.- f (t ) (e ( 2t ) , , t 3 ) t = = 3.- h (t ) (t 3 , sen(4t ), t ) = = II.-Calcular las integrales de las siguientes funciones en el intervalo indicado 1.- f (t ) (cos t , sent, t ), 0 t / 2 1 2.- f (t ) (e ( 2t ) , , t 3 ), 1 t 2 t 75 3.- f (t ) (t 3 ,4 t , t ), - 1 t 1 SOLUCIÓN 1.- f (t ) (cos t , sent, t ), 0 t / 2 Editando la función = Usando el comando int de maple en el intervalo pedido int = = 1 2.- f (t ) (e ( 2t ) , , t 3 ), 1 t 2 t = = 3.- f (t ) (t 3 ,4 t , t ), - 1 t 1 = = Por tanto la integral será el vector (0,8,0). 76 7.2.-CURVAS EN EL ESPACIO 7.2.1.-DEFINICIÓN Una función vectorial define curvas en el plano o en el espacio, éstas curvas pueden ser simples, cerradas y cerradas con punto doble A continuación definimos éstas curvas. La Curva C es una curva cerrada en un intervalo cerrado I =[a, b] si (a) (b) La Curva C es una curva con puntos dobles si (t1 ) (t 2 ), t1 t 2 La Curva C es una curva simple si no posee puntos dobles. Para nuestro propósito 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-DEFINICIÓN DE UNA CURVA REGULAR Se dice que la Curva C es una curva Regular si es de clase C1 y '(t ) 0 , t a, b OBSERVACIÓN Una curva es de clase C1 si existen sus primeras derivadas y éstas son continuas en un intervalo abierto. EJEMPLOS Las curvas dadas son regulares 77 1.- (t ) (cost , sent,0) 2.- (t ) ( R 2 a 2 cos t , R 2 a 2 sent, a) 3.- (t ) (a cos t , asent, bt ), a 0, b 0 En efecto 1.- (t ) (cost , sent,0) = = Por tanto, la derivada no es cero para todo t en los reales Luego, la curva es regular 2.- (t ) ( R 2 a 2 cos t , R 2 a 2 sent, a) = = Por tanto, la derivada no es cero para todo t en los reales Luego, la curva es regular 3.- (t ) (a cos t , asent, bt ), a 0, b 0 = = Por tanto, la derivada no es cero para todo t en los reales Luego, la curva es regular 78 7.2.3.-PARAMETRIZACIÓN DE UNA CURVA REGULAR, GRAFICA Se dice que la curva C C R3 es una curva parametrizada, si existe una función vectorial : a, b R R 3 tal que (a, b) C OBSERVACIÓN A la función vectorial se le llama parametrización de la curva C. EJEMPLOS I.-Encontrar una parametrización y graficar de las curvas siguientes 1.- C : z 2 x 2 y 2 x 2 y 2 36 2.- C : z z SOLUCION 1.- C : z 2 x 2 y 2 Parametrizando se tiene (t ) (t cos t , tsent, t ), t 0 Usaremos el comando plot3d de maple que se encuentra en el menú de herramientas. x 2 y 2 36 2.- C : z z 79 Parametrizando la curva se tiene (t ) (9 cos t ,4sent, t ), t 0 Usaremos el comando plot3d de maple. 7.2.4.-LONGITUD DE ARCO Sea : a, b R R 3 una curva regular definida por (t) (1 (t ), 2 (t ), 3 (t )) Si P (t1 ) y Q (t 2 ) entonces la LONGITUD DE ARCO de la curva desde P hasta Q esta dado por: t1 L( PQ) ' (t ) dt t0 OBSERVACIÓN La función longitud de arco de una t s(t ) L(t ) ' (t ) dt , t a, b t0 EJEMPLOS I.-Calcular la longitud de arco de las curvas siguientes 1.- (t ) (2 cos t ,2sent ), t 0 0 t 1 2 80 curva esta dado por 2.- (t ) (t , t , t ), t 0 1 t1 2 3.- (t ) (t , t 2 , t ), t 0 0 t1 1 4.- (t ) (3t cos t ,3tsent,4t ), t0 0 t1 4 SOLUCIÓN 1.- (t ) (cos t , sent), t 0 0 t 1 2 Editando la función y usando el comando ArcLongth de maple, se tiene = 2.- (t ) (t , t , t ), t 0 1 t1 2 Editando la función y usando el comando ArcLongth de maple, se tiene = 3.- (t ) (t , t 2 , t ), t 0 0 t1 1 Editando la función y usando el comando ArcLongth de maple, se tiene = 1 1 4.- (t ) (t ,1, t 3 t 1 ), 6 2 t 0 1 t1 3 = 81 7.2.5.-VECTORES UNITARIOS: TANGENTE, NORMAL PRINCIPAL Y BINORMAL VECTOR TANGENTE UNITARIO. Sea : a, b R R 3 una curva regular. El vector tangente unitario, T(t) en la dirección de ' T (t ) : ' (t ) ' (t ) OBSERVACIÓN 1 Se demuestra que T (t ) T ' (t ) VECTOR NORMAL PRINCIPAL. El vector unitario que tiene la misma dirección que T ' (t) 0 se denomina Normal principal a la curva. N (t ) : T ' (t ) T ' (t ) EJEMPLOS I.-Calcular el vector tangente unitario y el vector normal principal de las siguientes curvas. a).- f (t ) (t 2 , t ) 82 b).- f (t ) (t , t 2 , t 3 ) c).- f (t ) (e t cos t , e t .sent, e t ) SOLUCIÓN a).- f (t ) (t 2 , t ) Editando la función = 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).- (t ) (t , t 2 , t 3 ) = = 83 = c).- f (t ) (e t cos t , e t .sent, e t ) = = = OBSERVACIÓN 2 Se demuestra que T (t ) x N (t ) 1, t Además B(t ) : T (t ) x N (t ) llamado vector Binormal unitario. EJEMPLO Hallar el vector Binormal a la curva dado por a).- f (t ) (e t cos t , e t .sent, e t ) 84 SOLUCIÓN Aplicando el comando Binormal normalizado de maple se obtiene la Binormal de la curva = OBSERVACIÓN 3 Si T (t ) 0 , t a, b entonces el movimiento es lineal Por tanto al conjunto formado por los vectores principales: Tangente, Normal y Binormal unitario T (t ), N (t ), B (t ) se lo llama TRIEDRA MOVIL de la curva C. EJEMPLOS Calcular la triadra móvil en el punto indicado de las siguientes curvas a).- f (t ) (cost , sent, t ), t 0 b).- f (t ) (t , t 2 , t 3 ), t 1 c).- f (t ) (t cos t , tsent, t ), t 0 d).- f (t ) (t 2 , cos t , sent), t 0 SOLUCIÓN a).- f (t ) (cost , sent, t ) = Aplicando el comando TNBFrame de maple, obtenemos el vector Binormal de la curva en cualquier t real. 85 = La triada móvil en el punto t=0 esta dado por = b).- f (t ) (t , t 2 , t 3 ) = Aplicando el comando TNBFrame de maple, obtenemos el vector Binormal de la curva en cualquier t =1 = Vector tangente unitario es dado por. 1,0,0 , vector normal principal es dado por 0,1,0 Vector Binormal es el vector 0,0,1 86 c).- f (t ) (t cos t , tsent, t ) = La triadra móvil en cualquier t real = En particular, para t=0, se tiene 87 = d).- f (t ) (t 2 , cos t , sent) = En todo t , la Triada móvil es dado por: = 88 Evaluando en t = 0, se tiene = De este vector columna se puede obtener: Vector tangente unitario es dado por. [0,0,1], 1 2 Vector normal principal es dado por 5 , 5 ,0 5 5 2 1 Vector Binormal es el vector 5 , 5 ,0 5 5 7.2.6.-RECTA TANGENTE, NORMAL Y BINORMAL Sea : a, b R R 3 un curva de clase C2 y ' (t) 0, y ' ' (t) 0 , t a, b 1.-LA RECTA TANGENTE a la curva en el punto (t 0 ) es definido por: LT (t 0 ) T (t 0 ) / R 2.-LA RECTA NORMAL a la curva en el punto (t 0 ) es definido por: Ln (t 0 ) N (t0 ) / R 3.-LA RECTA BINORMAL a la curva en el punto (t 0 ) es definido por: 89 L B (t 0 ) B (t 0 ) / R EJEMPLOS Calcular la recta tangente a la curva en el punto que se indica a).- f (t ) (t , t 2 , t 3 ), t 1 b).- f (t ) (cos t , sent,2t ), t 0 c).- f (t ) (e t cos t , e t sent, e t ), t 0 SOLUCIÓN a).- f (t ) (t , t 2 , t 3 ) Editando la función = Aplicando el comando TangentLine de maple obtenemos la recta tangente en t=1 = Al descomponer éste 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).- f (t ) (cos t , sent,2t ), t 0 Editando la función = Aplicando el comando TangentLine de maple obtenemos la recta tangente en t=0 90 = Al descomponer y evaluar éste 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).- f (t ) (e t cos t , e t sent, e t ), t 0 Editando la función = Aplicando el comando TangentLine de maple obtenemos la recta tangente en t=0 = Al descomponer éste 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 T (t 0 )x N (t 0 ) es decir. ; PO : B(t 0 ).( P P0 ) 0 2.-El Plano NORMAL PRINCIPAL es el plano generado por el vector Normal y la Binormal N (t 0 )x B (t 0 ) es decir. PN : T(t 0 ).( P P0 ) 0 91 3.-El Plano RECTIFICANTE es el plano generado por el vector tangente y la Binormal B (t 0 )x T (t 0 ) es decir. PR : N (t 0 ).( P P0 ) 0 EJEMPLOS I.-Hallar las ecuaciones de los planos: Normal principal, Rectificante y Osculador a la curva x 2 y 2 z 2 6 en el punto P0(1, 1, 2). C : 2 x y 2 z 2 4 SOLUCIÓN Parametrizando la curva: Proyectando la curva C al plano XZ : C XZ : x 2 z 2 5 x 5 cos t Reparametrizando C XZ : , z 5sent t 0,2 Buscando to. Sea t 0 0,2 tal que (t 0 ) ( 5 cos t 0 ,1, 5sent 0 ) (1,1,2) Entonces cos t 0 1 5 y sent 0 2 5 ' (t 0 ) ( 5sent 0 ,0, 5 cos t 0 ) (2,0,1) Por tanto T (t 0 ) 1 1 ( 2,0,1) , N (t 0 ) (1,0,2) y B (t 0 ) (0 1,0) 5 5 Así tenemos: PN : 2x z 0 PR : x 2z 5 0 …. P0 92 : y 1 7.2.8.-CURVATURA Y TORSION DEFINICIÓN Si (t ) es el vector posición de la curva C. Entonces el vector curvatura, determinado por K ( t ) K (t ) está T ' (t ) donde '(t ) T (t ) es el vector tangente unitario. La curvatura de P es mayor que Q OBSERVACIÓN La curvatura es dado por k K (t ) PROPIEDAD Si (t ) es el vector posición de la curva C. Entonces la curvatura, k está determinado por. ' (t ) x ' ' (t ) k (t ) 3 ' (t ) DEFINICION DE RADIO DE CURVATURA Llamaremos centro de curvatura de C al punto: c (t 0 ) (t 0 ) (t 0 ) N (t 0 ) donde N es el vector normal principal. 93 DEFINICION DE TORSION La torsión es un número 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 torsión es dado por. (t ) ' (t ) x ' ' (t ). ' ' ' (t ) 2 siempre que ' (t ) x ' ' (t ) 0 ' (t ) x ' ' (t ) PROPIEDAD Si (s) es una curva parametrizada por longitud de arco entonces la torsión es dado por. (s) ' ( s ) x ' ' ( s ). ' ' ' ( s ) 2 ' (s) x ' ' (s) EJEMPLOS 1.-Hallar la curvatura y la torsión de las siguientes curvas a).- f (t ) : (t , t , t ) b).- f (t ) : (cos t , sent,0) c).- f (t ) : (cos t , sent, t ) d).- f (t ) : (t , , t 2 , t 3 ) SOLUCIÓN a).- f (t ) : (t , t , t ) Editando la función vectorial = 94 Aplicando los comandos de maple: Curvature y torsión = = Por lo tanto, se demuestra que la curvatura y la torsión de la recta es cero. b).- f (t ) : (cos t , sent,0) = = = c).- f (t ) : (cos t , sent, t ) = : = = 95 d).- f (t ) : (t , , t 2 , t 3 ) = = = = 7.3.-CÁLCULO DIFERENCIAL VECTORIAL 7.3.1.-DEFINICIONES 1.-Dada la función F:RmRn tal que F(x1,x2,..,xm)=(F1(x1,..,xm),F2(x1,..,xm),..,Fn(x1,.xm)) Se dice que la función 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 96 F1 x1 F2 x ( F1 , F2 ,..., F3 ) 1 J . ( x1 , x 2 ,..., x n ) . . Fn1 x 1 F1 x 2 F2 x1 . F1 x3 F2 x1 . F1 x n F2 . . x1 . . . . . . . . Fn x1 . Fn x1 . . . . . . Fn . . x1 Maple habilita en el paquete linalg el comando jacobian que calcula jacobianos Jacobian([F1, F2,…, Fn],[x1,x2,..,xn]) :Calcula J ( F1 , F2 ,..., Fn ) ( x1 , x 2 ,..., x n ) EJEMPLOS 1.-Calcular la matriz jacobiana para la siguiente función F(x,y,z)=(ex,cosy,senz) y hallar su valor en el punto (0, -pi/2, 0) SOLUCIÓN Definimos la función dada F , Luego aplicamos el comando jacobian a la función 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 97 Se tiene lo requerido 2.-Calcular la matriz jacobiano para la siguiente función F(x,y)=(x+y, x/(x+v)) , y hallar su valor en el punto (1, 1) SOLUCIÓN En forma análoga 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 DEFINICIÓN Sean las funciones vectoriales definidas como g : UCRnVCRm, y f : RRp donde U y V son conjuntos abiertos y existe la función compuesta (fog):RnRp . Si la función g es diferenciable en xo y f es diferenciable en g(xo), entonces fog es diferenciable en xo., y además se cumple que: D(fog)(xo):=Df(g(xo)*Dg(xo) Maple aplica directamente la regla de la cadena sólo con proponerle la diferenciación 98 de la composición. EJEMPLOS 1.-Sea f(x,y) = x2 + y y sea h(u) (sen(3u),cos(8u)), y sea g(u)=f(h(u)) Calcular dg/du en u= 0. SOLUCIÓN Editemos vía maple las funciones: f, h y u, como sigue Ahora, componemos las funciones editadas Aplicando el comando diferencial, se tiene Editando la composición ultima Sustituyendo en esta nueva función, se tiene Simplificando se tiene lo esperado 99 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: z u2 v2 u2 v2 u e x y y v e xy SOLUCIÓN Editemos las funciones f y g Ahora definimos la función vectorial Editemos la composición Editando y ejecutando la operación derivada Se tiene Simplificando 100 Ahora el problema se reducirá a hallar las derivadas parciales de esta expresión 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 FUNCIÓN IMPLÍCITA TEOREMA Sea la función vectorial F: ACRn+mRm,, donde A es abierto de Rn+m tal que F(x,y)=(F1(x,y),F2(x,y),..,Fm(x,y)) Si Fi (i=1,2,..,m) son derivables con derivadas continuas hasta el orden r y la matriz jacobiana de valor J ( F1 , F2 ,..., Fm ) ( y1 , y 2 ,..., y m ) tiene determinante distinto de cero en un punto (xo,yo) tal que F(xo,yo)=0, entonces existe un intervalo abierto U C Rn que contiene a xo y un abierto VCRm que contiene a yo y también existe una única función f: UV tal que F(x,f(x))=0 para todo x en U y f es diferenciable de orden r con derivadas continuas 101 EJEMPLOS 1.-Dado la ecuación: x 3 3 y 2 8xz 2 3 yz 3 1 Calcular z z 2 z 2 z , , y x y x 2 y 2 SOLUCIÓN Editando la función 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 función g Diferenciando respecto a x, que equivale a la segunda derivada parcial respecto a x, se tiene 102 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: xu yvu 2 2 3 xu y 2 v 4 2 de manera única para u y v como funciones de x e y. SOLUCIÓN Basta usar la definición de la función implícita En efecto Editando f1 , f2 : Hallando el jacobiano Evaluando el punto (1,1,1,1) en el jacobiano 103 Finalmente calculando el determinan del jacobiano Por lo que es didtinto de cero. Luego el sistema propuesto se puede resolver de manera única. 7.3.4.-TEOREMA DE LA FUNCIÓN INVERSA TEOREMA Sea la función vectorial F: UCRnRn,, donde U es abierto de Rn tal que F(x,y)=(F1(x1,x2,..xn),F2(x1,x2,..xn),..,Fn(x1,x2,..xn)) de modo que F es derivable con derivada continua. ( F1 , F2 ,..., Fn ) 0 en xo, entonces existen un abierto A Si existe un xo tal que det J det ( x1 , x 2 ,..., x m ) que contiene a xo y un abierto B que contine a F(xo) cumpliéndose que F(A)= B y F tiene una función inversa F(-1):BA derivable con derivada continua. Además, se cumple que DF-1(y)=[DF(x)](-1) y si J ( F1 , F2 ,..., Fn ) 1 entonces (det( J ) ( 1) det( J ) ( x1 , x 2 ,..., x m ) EJEMPLOS x4 y4 1.-Dada la función vectorial F(x,y)=(u(x,y),v(x,y)) donde u ( x, y ) y x v( x, y ) sen( x) cos( y ) Hallar las condiciones para que exista la función vectorial inversa(x(u,v), y(u,v)) y hallar la deriva y el jacobiano de la transformación inversa. SOLUCIÓN Las condiciones a cumplir serán las hipótesis de la función inversa. Calculando el jacobiano de la función vecotrial F 104 Se tiene Calculemos su determinante Por lo tanto, en los puntos donde esta expresión no se anule, se puede resolver para x e y en términos de u y v. Además también ha de cumplirse que x sea diferente de cero. Calculamos la derivada de la función inversa. Su valor será la matriz inversa de la matriz jacobiana inicial y el determinante de su jacobiano será el reciproco del determinante del jacobiano inicial. En efecto. Notamos que el determinante del jacobiano de la función inversa es el reciproco del determinante del jacobiano de la función. Comprobando 105 2.-Demostrar que la transformación entre coordenadas cartesianas y polares cumple las hipótesis del teorema de la función inversa SOLUCIÓN Las ecuaciones de transformación de coordenadas rectangulares a polares: x r cos( ) y rsen ( ) Es evidente que estas funciones son derivables con derivadas parciales continuas. Faltaría 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 hipótesis del teorema, ya que el radio r es distinto de cero. 3.-Demostrar que la transformación entre coordenadas cartesianas y cilíndricas cumple las hipótesis del teorema de la función inversa x r cos( ) y rsen ( ) z z SOLUCIÓN Editando y calculando el Jacobiano 106 Calculando el determinante del Jacobiano Por tanto, las hipótesis del teorema se cumplen. 4.-Demostrar que la transformación entre coordenadas cartesianas y esféricas cumple las hipótesis del teorema de la función inversa x cos( ).se ( ) y sen ( ).sen ( ) z cos( ) SOLUCIÓN Editando y calculando el Jacobiano Calculando del determinante Por tanto, las hipótesis del teorema se cumplen. Ya que ρ y Φ distinto de cero. 107 7.3.5.-EL TEOREMA DEL CAMBIO DE VARIABLE TEOREMA Supongamos que conocemos una función 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 también cumplen las condiciones de derivabilidad y continuidad necesarias(teorema de la función inversa) para poder despejar x e y en función de u y v, x= x(u,v) e y=y(u,v). Bajo las condiciones anteriores, es posible expresar la función inicial f en función de las nuevas variables u y v mediante la expresión. f(u,v)=f(x(u,v),y(u,v)) det(J), siendo J el jacobiano ( x(u , v), y (u , v)) (u , v) EJEMPLOS 1.- Dada la transformación lineal u ( x, y ) x y, v( x, y ) x Calcular f(u,v) sabiendo que f ( x, y) e x y SOLUCIÓN Editando la función Las condiciones del teorema de la función inversa se cumplen, Luego haciendo el cambio de variable se tiene: Usando el jacobiano 108 Aplicando obtenemos La función pedida. 2.- Dada la transformación u ( x, y ) x. y, v( x, y ) x x. y Calcular f(u,v) sabiendo que f ( x, y) e x y SOLUCIÓN Editando la función Hallamos directamente la transformación inversa y su jacobiano para poder aplicar el cambio de variable. 109 Esta última función es la pedida. 3.-Dada la transformación u ( x, y ) x y e y / 2 v ( x, y ) x y e y / 2 2 Calcular f(u,v) sabiendo que f ( x, y ) x 2 y SOLUCIÓN Editando la función Resolviendo el cambio de variable en términos de u y v Calculando el Jacobiano Calculando la función en términos de u y v Se tiene: 110 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 Δf(x,y,z), es vector: grad f ( x, y , z ) f ( x, y , z ) f ( x, y , z ) f ( x, y , z ) i j k x y z 2.-Un campo vectorial F se llama conservativo si existe una función diferenciable f tal que F=Δf A la función f se conoce como función potencial escalar de F 3.-El rotacional del campo vectorial F(x,y,z)=Mi+Nj+Pk tiene la siguiente expresión: xF ( x, y , z ) ( P N P M N M )i ( )j( )k y z x z x y 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 expresión: divF ( x, y , z ) .F ( x, y , z ) M N P x y z 6.-El Laplaciano es el operador diferencial definido por 2 . 2 2 2 x 2 y 2 z 2 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). 111 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 función f. EJEMPLOS 1.-Calcular el gradiente y el laplaceano de las funciones siguientes: a) w( x , y , z , ) 1 1 x2 y2 z2 b) z ( x, y ) e x seny e y senx c) z ( x, y ) sen.xseny SOLUCIÓN a) w( x , y , z , ) 1 1 x y2 z2 2 Editando la función 112 Calculando el gradiente = Calculando el laplaceano = Simplificando el laplaceano = b) z ( x, y ) e x seny e y senx = c) z ( x, y ) sen.xseny = = 113 2.-Calcular el potencial escalar del campo vectorial F(x,y,z)=[1, 2y, 3z2] SOLUCIÓN Aplicando el comando potential a la función vectorial La palabra True quiere decir que existe el potencial escalar del campo vectorial F = Luego la función potencial escalar del campo vectorial F está dado por = Comprobación por definición se tiene que F=Δf , el campo vectorial es igual al gradiente del campo escalar = lqqd.. 3.-Calcular el rotacional y la divergencia del campo vectorial F ( x, y ) arctg x i ln x 2 y 2 j k y SOLUCIÓN Usando el comando de la divergencia se tiene: = Simplificando = Calculando la divergencia 114 = 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] SOLUCIÓN 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 será nula. En efecto : Buscando el potencial vector, se tiene = Ahora, calculamos el rotacional del resultado anterior, se obtiene del campo vectorial F. En efecto = b)G(x,y,z)=[xcosy,-xseny, senx] SOLUCIÓN Usando el comando para ver la existencia del potencial vector 115 , lqqd. = 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 será: = = 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) f (t ) (cos t , sent , cos 2t ) b) f (t ) (cos t , sent , t ) c) f (t ) (3t cos t ,3tsent ,4t ) d) f (t ) (t 3 t 2 , t 3 t ,1) e) f (t ) (e t , e t , t ) SOLUCIÓN a) f (t ) (cos t , sent , cos 2t ) 116 La grafica de la curva presenta vectores unitarios: tangente (color azul), Normal Principal (color verde) y el vector Binormal(color fucsia) b) f (t ) (cos t , sent , t ), 0 t 6 c) f (t ) (3t cos t ,3tsent ,4t ), 0 t 4 117 d.- f (t ) (t 3 t 2 , t 3 t ,3 * t ^ 2), 4 t 10 e) f (t ) (e t , e t , t ) 2.-Graficar los campos vectoriales de las siguientes funciones vectoriales en el punto indicado a) F ( x, y, z ) ( y, x, z ) P (1,1,1) b) F ( x, y, z ) ( seny, cos x, senz ) P(1,1,1) 118 c) F ( x, y, z) ( y 2 , x, z 2 ) P(0,1,1) SOLUCIÓN a) F ( x, y, z ) ( y, x, z ) P (1,1,1) b) F ( x, y, z ) ( seny, cos x, senz ) P (0,0,0) 119 c) F ( x, y, z) ( y 2 , x 2 , z 2 ) P(0,1,1) 120 7.4.-PROGRAMACIÓN LINEAL, EL METODO DEL SIMPLEX PROGRAMACIÓN LINEAL CON MAPLE El problema clásico en programación lineal es la optimización de una función, denominada función objetivo, que está sujeta a un conjunto de restricciones lineales, que pueden ser igualdades y desigualdades. METODO SIMPLEX A continuación se da un resumen del método simplex para la solución de un problema estándar de maximización en programación lineal. 1.-Las desigualdades se y transforman en igualdades mediante la introducción de las variables de holgura. 2.-Inicialmente las variables básicas se toman como las variables de holgura 3.-Toda la información 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 renglón 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 solución se obtiene leyendo el diagrama terminal: si f-M se encuentra en el cuadro inferior derecho, entonces el valor máximo de f es M. Los valores de las variables básicas aparecen en la columna de la derecha. Todas las variables no básicas están igualadas a cero. Para evitar estos pasos Maple ofrece varios comandos que permiten solucionar rápidamente el problema usando el paquete simplex Entre ellos tenemos los siguientes With(simplex) Carga la memoria los comandos de Maple referentes al trabajo con programación lineal. 121 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 estándar (las constantes son aisladas en el lado derecho de cada restricción) feasible({ineq1,.., ineqn}) Determina cuando el sistema lineal representado por las restricciones lineales no estrictas dadas y por las desigualdades especificas tienen una solución factible. Las inecuaciones han de estar en la forma dada por el comando convert(std) feasible({ineq1,.., ineqn},NONNEGATIVE Indica cuándo el sistema tiene solución 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 opción por defecto. maximize(expr,{ineq1,.., ineqn}) Maximiza el problema de programación lineal cuya función objetivo viene dada por expr y cuyas restricciones viene inecuaciones especificadas. 122 dadas por las maximize(expr,{ineq1,.., ineqn}),NO NNEGATIVE Realiza la Maximización bajo condiciones de que todas las variables en el problema de programación lineal son no negativas minimize(expr,{ineq1,.., ineqn}),UNRESTRICED Indica que todas las variables en el problema de programación lineal no están 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 estándar. Se utiliza previamente al cálculo del problema dual. dual(exp{ineq1,.., ineqn},nombre) Halla el problema dual del problema de programación lineal cuya función objetivo viene dada por la expresión 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 función objetivo dual y un conjunto de lista de desigualdades que definen las restricciones del 123 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(expresión) Determina una variable con coeficiente positivos para la función objetivo dada para la expresión. pivotvar(expresión,[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 ecuación 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. 124 EJEMPLOS 1.-Maximar la función z x y , sujeta a las restricciones: 4 x 3 y 5 y 3x 4 y 4 SOLUCIÓN En primer lugar pasamos a forma estándar un conjunto de restricciones A continuación 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 programación lineal. A continuación se convierte restricciones con desigualdades en igualdades Ahora se transforma un conjunto de restricciones a forma de base A continuación se maximiza una función sujeta a restricciones 125 A continuación se definen un conjunto de restricciones y una función objeto, para resolver el problema según 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 función z x 2 y sujeta a ls restricciones 5 x 2 y 3 y x y 1 y 3x 3 y 2 y x 0 y y 0 , previa comprobación de la existencia de solución factible. SOLUCIÓN Aplicando el comando feasible de maple, se tiene 126 La cual la palabra True significa que existe solución factible. Ahora calculamos mediante el comando minimize Luego, el punto : minimiza a la función dada. 3.-Hallar el punto que hace mínimo a la función v=-4x+2y-z-4 3n la región definida por las inecuaciones siguientes 2 x 2 y z 2 , 4 x 3 y 2 z 12 y x 0, y 0, z 0 SOLUCIÓN Editamos la función objetivo y las restricciones = = Aplicando el comando minimize, se tiene Que el punto que minimiza a la función objetivo es dado por = 4.-Optimizar la función f x y z a sujeta a las restricciones siguientes: x 2 y 3 z 1 , 2 x y z 2 y x 0, y 0, z 0 , previa de la existencia de la solución factible SOLUCIÓN Editando la función objetivo y las restricciones, se tiene = 127 Aplicando el comando feasible para saber si la solución se encuentra en la región dado por las restricciones = La palabra True quiere decir que la soluciones están dentro de la región, para lo cual usando el comando minimize y maximize son da la solución En efecto Por tanto, el punto (0,0,0) minimiza a la función cuyo valor es dado por 0 y el punto (1,0,0) maximiza la función cuyo valor s dado por 1 128 7.5.-TEORÍA DE GRAFOS DEFINICIONES 1.-Se denomina grafo al par G=(V,E) que representa un conjunto de vértices V(llamados a a veces también nudos o puntos) y un conjunto de ejes E orientados o no (denominados a veces también arcos, enlaces, líneas o ramas), mediantes laos cuales se conectan dichos vértices. 2.-El concepto de red suele confundirse con el grafo, pero en general se distingue entre red y grafo, señalando que una red sería un grafo por cuyos ejes puede circular un flujo. 3.-Si en un eje se establece una orientación, entonces dicho eje se denomina eje orientado, y si todo eje de un grafo es orientado, el grafo se denomina grafo orientado o dígrafo( a veces también se denomina red) 4.-Se denomina camino entre dos vértices(vértices extremos) de una grafo a un conjunto ordenado de ejes, de modo que cada vértice intermedio (excepto el primero y el último) es punto final para dos y sólo dos ejes del conjunto ordenado. 5.-Un camino orientado sería un camino compuesto de ejes orientados y de manera que el vértice terminal (cola) de cada eje fuera el vértice inicial(cabeza) del eje inmediatamente consecutivo. 6.-Un circuito (ciclo) es un camino en el que sus vértices extremos coinciden. Un circuito orientado sería, por tanto, un camino orientado con los vértices 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 vértices de dicho grafo. 9.-Un árbol es un grafo conexo en el que no existen circuitos. 129 OBSERVACIÓN El problema de determinar cuál es el máximo flujo que en estado estable puede circular dos vértices (vértices, extremos) de un grafo, se denomina problema del flujo máximo. La matriz M(G) de un grafo no es única, pues pende de la orientación dada a los vértices del grafo. MAPLE Y LA TEORIA DE GRAFOS Los comandos correspondiente a la teoría de grafos se encuentra en el package “ Networks”. Por tanto, será necesario cargarlo previamente, con la orden with, para realizar todos los ejercicios en este capítulo. GENERACION DE GRAFOS. VERTICES Y EJES El comando complete(n) genera el grafo completo con n vértices Kn El comando draw(G) representa bidimensionalmente el grafo G no orientado. Por defecto los vértices del grafo se representan ordenados circularmente, pero puede cambiarse su orden de colocación en el grafo (orientado) a voluntad, especificándolo a través de las opciones Linear o Concentric, como se verá en varios ejemplos. El comando graph({vértices},{ejes}), genera un grafo con los vértices 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 será el grado de un vértice de un grafo simple. El comando edges (G), devuelve los ejes del grafo G. El comando vértices (G), devuelve los vértices del grafo G. El comando components (G), devuelve los componentes de grafo G. El comando isplanar(G), determina si el grafo G es plano. 130 El comando maxdegree(G), devuelve el máximo número de ejes incidente con cada vértice del grafo G. El comando vdegree (G), devuelve el grado del vértice especificado del grafo G. El comando outdegree(vértice,G), devuelve el numero de ejes que salen directamente del vértice especificado del grafo G. El comando vweight (G), encuentra los pesos de los ejes del grafo G. El comando vweight({vértice},G) encuentra los pesos de los vértices especificados del grafo. El comando eweight(G) encuentra los pesos de los ejes del grafo. El comando ends(G) devuelve la lista de vértices que son los finales de los ejes de G. Si el comando aparece en la forma ends({ejes}, G) devuelve la lista de vértices que son finales del conjunto de ejes especificados. EJEMPLOS 1.-Generar el grafo completo de 5 vértices K5 y representarlo. SOLUCIÓN Usaremos el comando complete , ends y el comando draw En efecto print(); # input placeholder print(); # input placeholder 131 2.-Listar los ejes del grafo K10 . Listar también el conjunto de vértices que son finales de los mismos. Representar gráficamente K10. SOLUCIÓN 132 133 BIBLIOGRAFÍA 1.-Stanley I. Grossman. “Algebra Lineal con aplicaciones”. Editorial Mc Graw-Hill . 4ta. Edición. México-1992 2.-Stanley I. Grossman. “Aplicaciones de Algebra Lineal”. Editorial Mc Graw-Hill. 4ta. Edición. México-1992 3.-Colman, Bernard. Álgebra Lineal con aplicaciones, México: Prentice Hall. Sexta Edición 1999. 4.-César Pérez López. “Métodos Matemáticos y Programación con Maple V. Editorial RAMA. Madrid-1998. 5.-David Poole. “Algebra Lineal, una introducción moderna”. Editorial Cengage. 2da. Edición. México – 2006 6.-Rafael Bru. “Algebra Lineal”. Editorial Alfaomega. Mexico.2001 7.- Jerrold E, Marsden. “Cálculo Vectorial”. Editorial Addison-Wesley. Tercera Edición. España-1991. 8.-Elon Larges Lima.” Geometría Analítica y Algebra Lineal”. Editorial IMCA. Rio de Janeiro-2004. 9.-HASSER LA SALLE. Análisis Matemático II , Editorial Trillas, México,1974 10.-MAPLESOFT: El SOFTWARE MAPLE 14.1 SOLF A DIVISION WATERLOO MAPLE INC. CANADA 1988. 134 APÉNDICE 135 LISTADO DE FÓRMULAS Sea C una curva (en el plano o en el espacio) dada por la función vectorial Curva ( t ) ( x ( t ), y ( t )) Curva (t) velocidad ds ' (t ) dt v (t ) Rapidez vector aceleración Vector '' a (t ) (t ) aT T (t ) aN N (t ) Vector unitario tangente el Vector ' velocidad, rapidez y en Espacio v (t) Vector el Plano ( t ) ( x ( t ), y ( t ), z ( t )) en aceleración ' (t ) T (t ) y vector unitario normal N (t ) ' (t ) T ' (t ) T ' (t ) principal v (t ). a (t ) aT (t ) a (t )T (t ) v (t ) Componentes de la aN(t) a(t)N(t) v(t) K Fórmula para dt 2 v(t)x a(t) aceleración d 2s 2 ds a(t) aT2 K( )2 dt y '' C 1 ( y ) C dada por K x ' . y '' y ' . x '' ( x ) ' 2 ( y ' )2 x x (t ) y y (t ) 3/ 2 s es el parámetro K T ' (s) '' (s) para longitud de arco la curvatura en el plano o en el espacio por y=f(x) la curvatura en el plano Fórmulas dada ' 2 3/ 2 K T ' (t ) ' ( t ) x '' ( t ) ' (t ) ' (t ) 136 3 t es el parámetro general FÓRMULAS TRIGONOMÉTRICAS 1.- sen 2 u cos 2 u 1 8.- senu senv 2 cos( uv uv ).sen ( ) 2 2 2.- sen 2u 2 senu . cos u 3.- cos 2u cos 2 u sen 2 u 9.- cos u cos v 2 cos( uv uv ). cos( ) 2 2 uv uv ).sen ( ) 2 2 4.- sen 2 u 1 cos 2u 10.- cos u cos v 2 sen ( 5.- cos 2 u 1 cos 2u 11.- senu .senv (cos( u v ) cos( u v )) 2 1 2 2 6.- tag 2 u 1 cos 2u 1 cos 2u 7.- senu senv 2 sen ( 1 2 12.- cos u. cos v (cos( u v ) cos( u v )) uv uv ). cos( ) 2 2 1 2 13.- senu . cos v ( sen (u v ) sen (u v )) 1 14.- cos u.senv 2 ( sen (u v) sen (u v)) FÓRMULAS HIPERBÓLICAS 1.- senhu 2.- cohu e u e u 2 e e 2 u u 7.- cosh 2 u senh 2 u 1 8.- senh (u / 2) cosh u 1 2 9.- cosh 2 u senh 2 u 1 3.- taghu e e u e u e u 4.- cot aghu 5.- sec hu u 10.- taghu senhu coshu e u e u e u e u 11.- cot ghu cosh u senhu 12.- cogthu 1 taghu 2 e e u u 6.- cos echu 2 e e u u 13.- senh (u / 2) cosh u 1 2 137 DERIVADAS DE FUNCIONES 1.- d (cu) cu' dx 14.- d u' (arccosu) dx 1 u 2 2.- d (u v) u'v' dx 15- d u' (arctagu) dx 1 u 2 3.- d (uv) u'.v u.v' dx 16.- d u' (arc cot gu) dx 1 u 2 4.- d u u' v uv' ( ) dx v v2 17.- d u' (arc sec u) dx u u 2 1 5.- d ( x) 1 dx 18.- d u' (arccossec u) dx u u 2 1 6.- d u (e ) e u u' du 19.- d (senhu) coshu.u' dx 20.- d (coshu) senhu.u' dx 21.- d (taghu) sec h 2 u.u' dx 22.- d (cot aghu) cosh2 u.u' dx 23.- d (sechu) sec hu.taghu.u' dx 24.- d (coschu) cosechu. cothu.u' dx 7.- 8.- 9.- d (senu) (cosu)u' dx d (cosu) (senu)u' dx d (tagu) sec2 u.u' dx 10.- 11.- d (cotu) cosc 2 u.u' dx d (secu) secu.tagu.u' dx 12.- d (cosecu) cosecu. cot ag.u' dx 13.- d u' (arcsenu) dx 1 u 2 138