Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ECUACIONES LINEALES
Concepto de matriz
Decimos que una matriz A de dimensión (o tamaño) m n es una colección de números
colocados en m filas y n columnas de la forma:
Para poder sumar o restar dos matrices tienen que tener la misma dimensión.
Ejemplo:
2 0 3 2 3 −4 2 + 2 0 + 3 3 + (−4) 4 3 −1
+ = =
−3 1 6 7 1 1 −3 + 7 1 + 1 6 +1 4 2 7
Ejemplo:
2 1 42 4 1 8 4
4 4 −3 = 4 4 4 (−3) = 16 −12
3 0 43 4 0 12 0
Producto de matrices
Es importante
resaltar que el
producto de Para poder multiplicar dos matrices tienen que coincidir el número de columnas de la primera
matrices no es
conmutativo. De con el número de filas de la segunda.
hecho, es frecuente Dicho de otra forma, sean las matrices Am r y B s n . El producto AxB se podrá realizar
que uno de los dos
productos no pueda solamente cuando r = s. El resultado será una matriz C m n .
realizarse.
4 −3
−2 1 1 −2 4 + 1 2 + 1 5 −2 (−3) + 11 + 1 6 −1 13
2 1 = =
3 4 2 3 4 + 4 2 + 2 5 3 (−3) + 4 1 + 2 6 30 7
5 6
▪ Triangular: Toda matriz cuadrada cuyos términos por debajo o por encima de la
La diagonal
principal de una diagonal principal son cero.
matriz cuadrada
empieza en 1x1 y 1 2 3 1 0 0
termina en nxn.
triangular superior A = 0 4 5 triangular inferior A = 2 3 0
0 0 6 4 5 6
▪ Diagonal: Matriz cuadrada en la que todos los elementos son cero excepto los de la
diagonal principal.
▪ Escalar: Matriz diagonal que tiene el mismo elemento c en toda la diagonal principal.
▪ Unidad: Matriz escalar con c = 1. También llamada matriz Identidad Se representa por I.
1 0 0
1 0
I2x2 = ; I3 x3 = 0 1 0
0 1 0 0 1
En páginas
posteriores ▪ Inversa: Matriz que multiplicada por A da como resultado la matriz unidad. Se denota
veremos cómo
calcular la matriz por A−1 A−1 A = A A−1 = I
inversa.
La noción de ▪ Regular: Matriz cuadrada que tiene inversa (su determinante es distinto de 0).
determinante está
explicada más
abajo. ▪ Singular: Matriz cuadrada que no tiene inversa (su determinante es igual a 0).
▪ Transpuesta: La que se obtiene de otra cambiando las filas por las columnas. Se denota
por A t .
1 2 1 3
A= A =
t
3 4 2 4
1 2 3
▪ Simétrica: Matriz cuadrada cumpliendo que A = A t
A = 2 4 5
3 5 6
0 2 3
▪ Antisimétrica: Matriz cuadrada cumpliendo que A = −At A = −2 0 5
−3 − 5 0
Solo poseen
determinante las
matrices cuadradas
Determinante de una matriz cuadrada
Cálculo de determinantes
a b
= ad − cb
c d
a1 b1 c1
a2 b2 c 2 = a1b2 c3 + a3 b1c 2 + a 2 b3 c1 − a3b2 c1 − a 2 b1c3 − a1b3 c 2
a3 b3 c3
2) Método general o desarrollo por adjuntos (válido para cualquier tamaño del
determinante):
Este método para calcular determinantes de una matriz consiste en sumar los elementos
de una fila o columna multiplicados por sus respectivos adjuntos.
Dada una matriz cuadrada A, se denomina traza y se representa tr(A), a la suma de los
elementos de la diagonal principal.
Adj ( A )
Obviamente una t
matriz es invertible
(regular) si y solo si i. Mediante la fórmula: A =
−1
A
A 0
ii. Mediante el método de Gauss-Jordan.
Este método consiste en realizar operaciones elementales sobre la matriz ( A I ) hasta conseguir
que A se convierta en I, resultando ( I B ) , siendo B = A−1
(A )
poder resolver
ecuaciones
matriciales.
▪ −1 −1
= A ▪ (A )
t t
= A ▪ ( A + B)
t
= At + B t
1 −1
▪ ( AB ) −1 = B −1 A −1 ▪ ( A t ) −1 = ( A−1 ) t ▪ (kA) −1 = A
k
▪ (kA)t = kAt ▪ ( AB )t = B t At
1
▪ A −1 = ; At = A ; AB = A B
A
a+b c+d e+ f a c e b d f
Ej : 1 3 5 = 1 3 5 + 1 3 5
7 4 8 7 4 8 7 4 8
1 3 4 7 2 5
Ej : 7 2 5 = −19 ; 1 3 4 = 19
0 0 1 0 0 1
▪ Si hay una línea con todos sus elementos nulos el determinante vale cero.
0 0 0
d e f =0
g h i
a b c
k ·a k ·b k ·c = 0
e f g
▪ Si hay una línea que es combinación lineal de las restantes líneas, el determinante vale
cero.
a b c
d e f =0
k1a + k2 d k1b + k2e k1c + k2 f
Propiedades
A efectos de rango
- El rango máximo de una matriz es el menor número de líneas que posee.
se admiten como
operaciones para - El rango de una matriz es igual que el rango de su matriz traspuesta.
llegar a una matriz
equivalente eliminar
líneas nulas o que - El rango de una matriz es igual que el rango de una matriz equivalente a ella.
son combinaciones
lineales de otras.
a11 x1 + + a1n xn = b1
Un sistema de ecuaciones lineales es de la forma donde
am1 x1 + + amn xn = bm
aij y bk , y x1 , , xn son las incógnitas (o variables) del sistema.
a11 a1n x1 b1
En forma matricial el sistema puede escribirse así =
a ann x b
n1 n n
matriz de coeficientes incógnitas términosindependientes
M X B
- Se dice que un sistema es compatible si tiene solución. Cuando dicha solución es única,
se denomina sistema compatible determinado (SCD). Si existen infinitas soluciones se
denomina sistema compatible indeterminado (SCI).
a11 a1n b1
M =
*
am1 amn bm
M B
Antes de resolver
un sistema siempre
hay que discutirlo,
es decir, averiguar
Teorema de Rouché- Frobenius. Discusión del sistema.
si realmente tiene
solución.
• Si rg(M) rg(M*) SI
Resolución de un sistema.
Este método se
I. Método de Kramer.
puede aplicar
directamente en los
SCD. En clase b1 a12 a1n a11 b1 a1n
veremos cómo
extender este
método a los SCI.
bm am 2 amn am1 bm amn
x1* = x2* =
a11 a12 a1n a11 a12 a1n
Por tanto, calcular la solución por este método consiste en calcular la matriz inversa de la matriz
de coeficientes y multiplicarla por la matriz de términos independientes.
Este método consiste en transformar el sistema inicial en un sistema “escalonado” (ejemplo para
sistemas de 3 ecuaciones con 3 incógnitas):
2
Conceptos topológicos en
Norma Euclídea
Sea x ( x1 , x2 ) un elemento de 2
. Definimos la norma Euclidea como x = x12 + x22
Bola abierta
Bola cerrada
A , se define
Ac = 2 − A El conjunto de puntos frontera de A se denota por A
Conjunto abierto
2
Diremos que un conjunto del plano es abierto si su frontera no pertenece al conjunto. Es
decir, A = A o A A=
Conjunto cerrado
2
Diremos que un conjunto del plano es cerrado si su frontera pertenece al conjunto. Es decir,
A A ó A = A
Conjunto acotado
2
Un conjunto del plano es acotado si se puede contener en una bola de radio finito. Es decir,
si A B ( p, r ) para algún p 2
, r
Conjunto Compacto
Conjunto convexo
f: 2
→ f: 2
→ 2
( x, y ) → f ( x, y ) = x 2 + y 2 ( x, y) → f ( x, y) = ( xy 2 , x + y )
f: 3
→ f: 3
→ 2
( x, y, z ) → f ( x, y, z ) = 2 x 4 + zy 2 ( x, y , z ) → f ( x, y , z ) = ( 3x 2
+ z + y2 , x z )
En clase
Dominio e imagen de funciones con dos variables.
recordaremos como
calcular los
dominios de forma
La definición es la misma que en funciones de una variable, pero conviene resaltar que en este
práctica tipo de funciones el dominio es un subconjunto D 2 y la imagen un subconjunto I
Estas funciones se representan como una superficie en una gráfica de tres dimensiones. Es por
tanto, muy difícil dibujarlas a mano. Veamos un ejemplo para la función f ( x, y ) = xy
( )
2
(
Como último ejemplo dibujemos la gráfica y curvas de nivel de f ( x, y ) = x + y e
2
) − x2 + y 2
f ( x, y ) = L
es único.
Sea f :D 2
→ , L , ( p, q ) 2
. Se dice que lim si
( x , y ) →( p , q )
0 0 tal que si 0 ( x, y ) − ( p , q ) f ( x, y ) − L
Al igual que sucede con funciones de una variable lo primero que tenemos que hacer es el paso
al límite, es decir, sustituir las variables por las coordenadas del punto. Si el resultado no es una
indeterminación habremos terminado.
En términos
Indeterminaciones
prácticos la única
indeterminación que El verdadero problema surge cuando al sustituir en el límite aparece una indeterminación. En
nos vamos a
encontrar en estas funciones de dos variables las indeterminaciones que pueden aparecer siguen siendo las mismas
0 que en una variable:
funciones es
0
0 , , 0 , − , 1 , 0 0 , 0
0
Cuando esto ocurre hay que aplicar alguna técnica o método para saber si el límite existe y, en
tal caso, averiguar su valor.
x2 − 2 y + 3
Ejemplo.- Sea f ( x, y ) = .
x −1
x2 − 2 y + 3 0 x = u +1
Nos piden lim = Realizamos el cambio Sustituimos en f y
( x , y )→(1,2) x −1 0 y = v + 2
( u + 1) − 2 ( v + 2 ) + 3 u 2 + 2u − 2v
2
Estos métodos se
basan en las
condiciones
necesarias para la
Métodos para demostrar que no existe límite
existencia de límite.
l1 = lim lim f ( x, y )
x →0 y →0
l 2 = lim lim f ( x, y )
y →0 x →0
1) l1
2) l2
3) l1 l2
xy 0 x ( x) x2
Ej. lim = ⎯⎯⎯ → lim = lim = no lim
( x , y )→( 0,0 ) x +y
2 2
0 y = x
( x , x )→( 0,0 ) x 2 + ( x ) 2
( ) x 1+ 2
x →0 1 + 2 2
Ej.
x2 y 0 x ( x ) 2 2
x4
lim = ⎯⎯⎯ → lim = lim = no lim
x +y 0 y = x ( x , x2 )→( 0,0) x 4 + ( x 2 ) ( ) 1+ 2
x →0 1 + 2 x 4
2
( x , y )→( 0,0 ) 4 2 2
Cuando las ▪ Definición de límite. Este método consiste en buscar y que satisfagan la definición
funciones no son de límite para un candidato L = L0
“sencillas” usar este
método es complejo
y requiere de cierta
2 xy 2 0
habilidad
Ej. lim = Nuestro candidato es L = 0 .
matemática.
( x , y )→( 0,0 ) x 2 + y 2 0
2 xy 2
Supuesto que 0 x + y buscamos tal que 2
2 2
−0
x + y2
2 xy 2 2 y2 x 2 y2 x
Desarrollemos − 0 = = 2 x = 2 x 2 2 x 2 + y 2 2 = y
x2 + y 2 x2 + y 2 y2
2 xy 2
demostramos que lim =0
( x , y )→( 0,0 ) x 2 + y 2
Este método no ▪ Coordenadas polares. Este método consiste en resolver el límite usando coordenadas
funciona siempre,
pero es sencillo de polares en lugar de las usuales coordenadas cartesianas. Para ello, realizaremos este
aplicar y cuando cambio de variable:
funciona sirve tanto
para demostrar que
el límite no existe x = cos
como para calcular y el límite queda lim f ( x, y ) = lim f ( , ) = L
su valor en caso de
que exista.
y = sen ( x , y ) →(0,0) →0
2 xy 2 0 2 cos 2 sen2
Ej. lim = ⎯⎯⎯⎯⎯ → lim = lim 2 cos sen2
( ) ( )x +y
x , y → 0,0 2 2
0 paso a polares → 0 2 →0
Continuidad
Una función f : D 2
→ es continua en ( p, q ) D lim f ( x, y ) = f ( p, q ) . Se dice
( x , y ) →( p , q )
que f es continua en D si es continua en todo punto ( p, q ) D .
Una función f : D 2
→ es continua en ( p, q ) D si y solo si dado 0 , existe 0
tal que si ( x, y ) − ( p , q ) entonces f ( x, y ) − f ( p, q ) .
Teorema de Weierstrass
En clase veremos
cómo usar las
curvas de nivel para Sea D 2 un subconjunto compacto y sea f : D → continua. Entonces f alcanza
máximo y mínimo global en D, es decir, existen ( p1 , q1 ) y ( p2 , q2 ) D tal que
encontrar los
extremos globales
f ( p1 , q1 ) f ( x, y ) f ( p2 , q2 ) para todo ( x, y ) D .
de una función en
un conjunto.
Sea D 2
un subconjunto compacto, convexo y no vacío. Sea f : D → D continua. Entonces
existe un punto ( p, q ) D tal que f ( p, q ) = ( p, q )
En clase haremos
un pequeño repaso
de vectores.
Vector gradiente
f f
Se define al vector gradiente de f en ( p, q ) D como f ( p, q ) = ( p, q ) , ( p, q )
x y
En funciones
diferenciables esta
Si f :D→ es una función diferenciable en ( p, q ) D entonces
fórmula será la que
usemos.
Dv f ( p, q ) = f ( p, q ) . ( v1 , v2 )
f f
f ( x, y ) − f ( p , q ) − ( p, q ) x − p − ( p, q ) y − q
x y
lim =0
( x , y ) →( p , q )
( x − p) + ( y − q)
2 2
f f
z = f ( p, q ) + ( p, q ) x − p + ( p, q ) y − q
x y
f: n
→ m
Sean g : n
→ m
y f: m
→ l
. Supongamos que g es diferenciable en p n
y que f es
diferenciable en g ( p ) m
. Entonces la función f o g es diferenciable en p y
D ( f o g )( p ) = Df ( g ( p ) ) Dg ( p )
La regla de la cadena en varias variables no es más que una generalización de la regla que se
utiliza para una sola variable. Se trata, por tanto, de derivar composiciones de funciones de
varias variables. La mejor forma de ver cómo se utiliza es mediante un ejemplo.
f f u f v
y cos ( xy 2 ) +
1 2 1
= · + · = ( −1) e y − x
x u x v x u+v u+v
f f u f v
2 xy cos ( xy 2 ) +
1 1 y−x
= · + · = e
y u y v y u+v u+v
El último paso consiste en sustituir u y v por su forma analítica. Si las derivadas las pidieran en un
punto finalizaríamos sustituyendo el punto en las derivadas.
Derivadas segundas
Las derivadas de
f
orden superior se
2 f
Sea f ( x1 ,..., xk ) : D →
definen de forma
. Se define la derivada parcial segunda de f como =
xi x j xi x j
análoga.
Matriz Hessiana
Para cualquier
función que
satisfaga las Es la matriz formada por las derivadas parciales segundas de la función
hipótesis del
Hf ( x1 ,..., xk ) = D 2 f ( x1 ,..., xk )
teorema de
Schwarz se cumple
que la matriz
Hessiana es
simétrica. Particularizada para funciones de dos y tres variables la matriz Hessiana queda como sigue:
2 f 2 f 2 f
2
2 f 2 f x xy xz
2 2 f
x xy 2 f 2 f
Hf ( x, y ) = 2 Hf ( x, y, z ) =
f 2 f yx y 2 yz
2 f
yx y 2 2 f 2 f
zx zy z 2
Se puede extender
Teorema de Schwarz
fácilmente este
teorema a
funciones con tres o Enunciamos este teorema sólo para el caso de funciones f : D 2
→ .
más variables.
Si se cumple que:
• f ( x, y ) es continua en ( p, q ) D
f f
• , son continuas en un entorno de ( p, q )
x y
2 f
• ( p, q ) existe y es continua en un entorno de ( p, q )
xy
2 f 2 f 2 f
• Existe ( p, q ) y además ( p, q ) = ( p, q )
yx yx xy
f1 ( x1 , x2 , p1 , p2 ) = 0
y sea un punto p = ( x1 , x2 , p1 , p2 )
0 0 0 0
Sea el sistema de ecuaciones
f 2 ( x1 , x2 , p1 , p2 ) = 0
Si se cumple que:
f1 f1
( p) ( p)
x1 x2
0
f 2 f 2
( p) ( p)
x1 x2
−1
x1 x1 f1 f1 f1 f
p ( p ) ( p) x ( p) ( p) − ( p) − 1 ( p)
p2 x2 p1 p2
1 = 1
x2 x2 f 2 f 2 f 2 f 2
p ( p ) ( p) x ( p) ( p) − ( p) − ( p)
1 p2 1 x2 p1 p2
Observaciones
• El Teorema de la función implícita que hemos expuesto está particularizado para un sistema
de dos ecuaciones con cuatro incógnitas, sin embargo, este teorema es más general y
aplicable a otros sistemas con diferente número de ecuaciones y/o de incógnitas.
• Para calcular las derivadas de forma implícita en términos prácticos procederemos de forma
iterativa calculando las derivadas una por una en lugar de utilizar la fórmula matricial.
• También existe un método más general que la fórmula matricial para calcular las derivadas
de forma implícita que veremos en clase.
Formas Cuadráticas
donde A = aij es una matriz simétrica asociada a la forma cuadrática Q . Observemos que
n n
Q ( x1 ,..., xn ) = aij xi x j = aii xi2 + 2 aij xi x j
i , j =1 i =1 i j
1. Definida positiva, si Q ( x ) 0 x n
,x 0
2. Definida negativa si Q ( x ) 0 x n
,x 0
3. Semidefinida positiva, si Q ( x ) 0 x n
y Q ( x ) = 0 para algún x 0
4. Semidefinida negativa, si Q ( x ) 0 x n
y Q ( x ) = 0 para algún x 0
5. Indefinida, en cualquier otro caso.
D1 D2 Clasificación
+ + Definida Positiva (D. P.)
+ – Indefinida (I)
+ 0 Semidefinida Positiva (S. D. P.)
– + Definida Negativa (D. N.)
– – Indefinida (I)
– 0 Semidefinida Negativa (S. D. N.)
0 + Indefinida (I)
0 – Indefinida (I)
0 0 El criterio no decide
D1 D2 D3 Clasificación
+ + + Definida Positiva (D. P.)
+ + – Indefinida (I)
+ + 0 Semidefinida Positiva (S. D. P.)
+ – + Indefinida (I)
+ – – Indefinida (I)
+ – 0 Indefinida (I)
+ 0 + Indefinida (I)
+ 0 – Indefinida (I)
+ 0 0 El criterio no decide
– + + Indefinida (I)
– + – Definida Negativa (D. N.)
– + 0 Semidefinida Negativa (S. D. N.)
– – + Indefinida (I)
– – – Indefinida (I)
– – 0 Indefinida (I)
– 0 + Indefinida (I)
– 0 – Indefinida (I)
– 0 0 El criterio no decide
0 + + Indefinida (I)
0 + – Indefinida (I)
0 + 0 El criterio no decide
0 – + Indefinida (I)
0 – – Indefinida (I)
0 – 0 El criterio no decide
0 0 + Indefinida (I)
0 0 – Indefinida (I)
0 0 0 El criterio no decide
1 0 0 0
0 2 0 0
Sea M Q 0 3 la matriz asociada a una forma cuadrática una matriz diagonal.
0 0
0 n
0 0
En ese caso
Concavidad y convexidad
Sea D 2
un conjunto abierto y convexo.
Explicamos el
concepto con Se trata de obtener los máximos y mínimos de funciones de varias variables restringidas en un
funciones de dos subconjunto del dominio. Un problema con restricciones siempre va a tener la siguiente forma:
variables con una
sola restricción. En
clase extenderemos
encontrar los extremos min (max) f ( x , y )
este método a
funciones con más
variables y más s.a. g ( x, y ) = 0
restricciones.
Una solución del problema de optimización es un punto ( p, q ) que satisface la restricción y tal
que f ( p, q ) f ( x, y ) o f ( p, q ) f ( x, y ) para cualquier otro punto ( x, y ) que satisfaga la
restricción.
La condición de
regularidad, si
Condición de regularidad. Para poder aplicar el método de Lagrange es necesario comprobar
existiera más de que se verifica la siguiente condición: g ( p, q ) ( 0, 0 )
una restricción, se
verifica
comprobando rango
de matrices. En
clase veremos un Función de Lagrange asociada al problema. Se denomina función de Lagrange o Lagrangiano
ejemplo.
a la siguiente función:
L ( x, y , ) = f ( x , y ) + g ( x , y )
L
x = 0
L
=0
y
L
= g ( x, y ) = 0
A todo punto p que satisface las ecuaciones de Lagrange, le denominamos candidato a extremo.
Clasificación de un candidato p
1) Teorema de Weierstrass.
Si se satisfacen las hipótesis de dicho teorema, solo tendremos que evaluar la función en
nuestros candidatos para encontrar el máximo y mínimo global.
3) Hessiano orlado.
g g
0
x y
g 2 L 2L
Se define la matriz Hessiana orlada como H ORL .
x x 2 yx
g 2 L 2L
y xy y 2