Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 53 vistas

    Matrizjacobiana 170222031224

    Cargado por

    Flavio Lopez
    La matriz jacobiana es una matriz formada por las derivadas parciales de primer orden de una función. Representa la derivada de una función multivariable y permite aproximar linealmente la función en un punto. El determinante de la matriz jacobiana, conocido como determinante jacobiano, proporciona información sobre el comportamiento local de la función.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Matrizjacobiana 170222031224

    Cargado por

    Flavio Lopez
    53 vistas20 páginas
    La matriz jacobiana es una matriz formada por las derivadas parciales de primer orden de una función. Representa la derivada de una función multivariable y permite aproximar linealmente la función en un punto. El determinante de la matriz jacobiana, conocido como determinante jacobiano, proporciona información sobre el comportamiento local de la función.

    Título original

    matrizjacobiana-170222031224

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    La matriz jacobiana es una matriz formada por las derivadas parciales de primer orden de una función. Representa la derivada de una función multivariable y permite aproximar linealmente la función en un punto. El determinante de la matriz jacobiana, conocido como determinante jacobiano, proporciona información sobre el comportamiento local de la función.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    53 vistas20 páginas

    Matrizjacobiana 170222031224

    Cargado por

    Flavio Lopez
    La matriz jacobiana es una matriz formada por las derivadas parciales de primer orden de una función. Representa la derivada de una función multivariable y permite aproximar linealmente la función en un punto. El determinante de la matriz jacobiana, conocido como determinante jacobiano, proporciona información sobre el comportamiento local de la función.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 20

    Matriz Jacobiana

    Lisbett Daniela Montaño


    Jacobiano
    En cálculo vectorial, se llama jacobiano o determinante
    jacobiano al determinante de la matriz jacobiana. Tanto la matriz
    jacobiana como el determinante jacobiano reciben su nombre
    en honor al matemático Carl Gustav Jacobi.

    En geometría algebraica, el jacobiano de una curva hace


    referencia a la variedad jacobiana, un grupo y variedad
    algebraica asociada a la curva, donde la curva puede ser
    embebida.
    Matriz Jacobiana
    La matriz jacobiana es una matriz formada por las derivadas parciales de primer
    orden de una función. Una de las aplicaciones más interesantes de esta matriz es la
    posibilidad de aproximar linealmente a la función en un punto. En este sentido, el
    jacobiano representa la derivada de una función multivariable.

    Propiamente deberíamos hablar más que de matriz jacobiana, de diferencial


    jacobiana o aplicación lineal jacobiana ya que la forma de la matriz dependerá de la
    base o coordenadas elegidas. Es decir, dadas dos bases diferentes la aplicación
    lineal jacobiana tendrá componentes diferentes aún tratándose del mismo objeto
    matemático.
    Matriz Jacobiana
    La propiedad básica de la "matriz" jacobiana es la siguiente, dada una aplicación
    cualquiera 𝐹: ℝ𝑛 → ℝ𝑚 continua, es decir 𝐹 ∈ 𝐶 𝑘 (ℝ𝑛 , ℝ𝑚 ) se dirá que es
    diferenciable si existe una aplicación lineal 𝜆 ∈ ℒ(ℝ𝑛 , ℝ𝑚 ) tal que:

    (𝐹(𝑥) −𝐹 𝑦) − 𝜆(𝑥 − 𝑦)
    lim =0
    𝑥−𝑦 →0 𝑥−𝑦
    Función escalar
    Empecemos con el caso más sencillo de una función escalar 𝐹: ℝ𝑛 → ℝ𝑚 . En
    este caso la matriz jacobiana será una matriz formada por un vector fila que coincide
    con el gradiente. Si la función admite derivadas parciales para cada variable puede
    verse que basta definir la matriz jacobiana como:

    𝜕𝐹(𝑥) 𝜕𝐹(𝑥)
    𝜆(𝑥) ≔ 𝛻𝐹 𝑥 = ⋯
    𝜕𝑥1 𝜕𝑥𝑛

    Ya que entonces se cumplirá la relación, anteriormente expuesta,


    automáticamente, por lo que en este caso la matriz jacobiana es precisamente el
    gradiente.
    Funciones Paramétricas
    En algunos casos la ecuación de una función o de una relación no está dada en
    la forma 𝑦 = 𝑓(𝑥) o 𝑓(𝑥,𝑦) = 0, como en las igualdades 𝑦 = 5𝑥 2 + 3𝑥 o 𝑥 2 + 𝑦 2 = 4
    sino que está determinada por un par de ecuaciones en términos de una misma
    variable.

    Por ejemplo, consideremos las ecuaciones 𝑥 = 𝑡 2 − 2𝑡, 𝑦 = 𝑡 + 1 con 𝑡 ∈ ℝ Se


    tiene que a cada valor de t le corresponde un punto (x,y) del plano, el conjunto de
    los cuales determina una relación ℜ.
    Funciones Paramétricas
    La siguiente tabla de valores:

    t -4 -3 -2 -1 0 1 2 3 4 5
    x 24 15 8 3 0 -1 0 3 8 15
    y -3 -2 -1 0 1 2 3 4 5 6
    Funciones Paramétricas
    Nos permite hacer la representación gráfica de la relación de la siguiente
    manera:
    Funciones Paramétricas
    En general, las ecuaciones 𝑥 = 𝑔(𝑡) , 𝑦 = ℎ(𝑡) con h y g, funciones continuas en un
    intervalo 𝐼, 𝐼 ⊆ ℝ reciben el nombre de ecuaciones paramétricas o representación
    paramétrica de una curva en el plano XY.

    La gráfica de las ecuaciones paramétricas está dada por el conjunto de puntos


    del plano XY, que se obtiene cuando t, que recibe el nombre de parámetro, toma
    todos sus valores posibles en el dominio 𝐼.
    Función vectorial
    Supongamos F: Rn → Rm es una función que va del espacio euclidiano n-
    dimensional a otro espacio euclidiano m-dimensional. Esta función está determinada
    por m funciones reales: y1(x1,..., xn),..., ym(x1,..., xn). Las derivadas parciales de estas
    (si existen) pueden ser organizadas en una matriz m por n, la matriz Jacobiana de F:

    𝜕𝑦1 𝜕𝑦1
    ⋯
    𝜕𝑥1 𝜕𝑥𝑛
    ⋮ ⋱ ⋮
    𝜕𝑦𝑚 𝜕𝑦𝑚
    ⋯
    𝜕𝑥1 𝜕𝑥𝑛
    Función vectorial
    Esta matriz esta notada de diversas maneras:

    𝐽𝐹 𝑥1 , … , 𝑥𝑛

    𝜕 𝑦1 , … , 𝑦𝑚
    𝜕 𝑥1 , … , 𝑥𝑛

    𝐷𝐹(𝑥1 , … , 𝑥𝑛 )

    𝛻𝐹(𝑥1 , … , 𝑥𝑛 )
    Ejemplo 1
    La matriz jacobiana de la función 𝐹: ℝ3 → ℝ3 definida como: 𝐹 𝑥1 , 𝑥2 , 𝑥3 =
    𝑥1 , 5𝑥3 , 4𝑥22 − 2𝑥3 es:

    1 0 0
    𝐽𝐹 𝑥1 , 𝑥2 , 𝑥3 = 0 0 5
    0 8𝑥2 −2

    No siempre la matriz jacobiana es cuadrada. Véase el siguiente ejemplo.


    Ejemplo 2
    Supóngase la función 𝐹: ℝ3 → ℝ4 cuyas componentes son:

    1
    𝑦1 =
    𝑥1

    𝑦2 = 5𝑥3

    𝑦3 = 4𝑥22 − 2𝑥3

    𝑦4 = 𝑥3 sin(𝑥1 )
    Ejemplo 2
    Aplicando la definición de matriz jacobiana:

    𝜕𝑦1 𝜕𝑦1 𝜕𝑦1


    𝜕𝑥1 𝜕𝑥2 𝜕𝑥3
    𝜕𝑦2 𝜕𝑦2 𝜕𝑦2 1
    − 2 0 0
    𝜕𝑥1 𝜕𝑥2 𝜕𝑥3 𝑥1
    𝐽𝐹 𝑥1 , 𝑥2 , 𝑥3 = = 0 0 5
    𝜕𝑦3 𝜕𝑦3 𝜕𝑦3
    0 8𝑥2 −2
    𝜕𝑥1 𝜕𝑥2 𝜕𝑥3 𝑥3 cos(𝑥1 ) sin(𝑥1 )
    0
    𝜕𝑦4 𝜕𝑦4 𝜕𝑦4
    𝜕𝑥1 𝜕𝑥2 𝜕𝑥3
    Determinante jacobiano
    Si m = n, entonces F es una función que va de un espacio n-dimensional a otro.
    En este caso la matriz jacobiana es cuadrada y podemos calcular su determinante,
    conocido como el determinante jacobiano o simplemente jacobiano.

    El determinante jacobiano en un punto dado nos da información importante sobre


    el comportamiento de F cerca de ese punto. Para empezar, una función F es
    invertible cerca de p si el determinante jacobiano en p es no nulo. Más aún, el valor
    absoluto del determinante en p nos da el factor con el cual F expande o contrae su
    volumen cerca de p.
    Ejemplo 1
    El determinante jacobiano de la función 𝐹: ℝ3 → ℝ3 definida como: 𝐹 𝑥1 , 𝑥2 , 𝑥3 =
    5𝑥2 , 4𝑥12 − 2 sin 𝑥2 𝑥3 , 𝑥2 𝑥3 es:

    0 5 0
    𝐽𝐹 𝑥1 , 𝑥2 , 𝑥3 = 8𝑥1 −2𝑥3 cos(𝑥2 𝑥3 ) −2𝑥2 cos(𝑥2 𝑥3 )
    0 𝑥3 𝑥2
    8𝑥1 −2𝑥2 cos 𝑥2 𝑥3
    = −5 × = −40𝑥1 𝑥2
    0 𝑥2
    Ejemplo 1
    El teorema de la función inversa garantiza que la función es localmente invertible
    en todo el dominio excepto quizá donde 𝑥1 = 0 o 𝑥2 = 0 (es decir, los valores para
    los que el determinante se hace cero). Si imaginamos un objeto pequeño centrado
    en el punto (1,1,1) y le aplicamos F, tendremos un objeto aproximadamente 40
    veces más voluminoso que el original.
    Ejemplo 2
    Cambiando un poco la función anterior por ésta: 𝐹 𝑥1 , 𝑥2 , 𝑥3 = (5𝑥2 , 4𝑥12 −
    Ejemplo 2
    En este caso existen más valores que anulan al determinante. Por un lado 𝑥2 =
    0, y por otro:
    𝜋
    cos 𝑥2 𝑥3 = 0 ⇔ 𝑥2 𝑥3 = 2𝑘 + 1 con 𝑘 = 0,1,2, …
    2
    Invertibilidad y jacobiano
    Una propiedad interesante del jacobiano es que cuando éste es diferente de cero
    en el entorno de un punto dado, entonces el teorema de la función inversa garantiza
    que la función admite una función inversa alrededor de dicho punto.

    El teorema anterior expresa una condición suficiente aunque no necesaria, ya


    que por ejemplo la función 𝑓(𝑥) = 𝑥 3 tiene por jacobiano 𝐽 = 3𝑥 2 que se anula en el
    punto 𝑥 = 0, aunque alrededor de ese punto la función sigue teniendo inversa 𝑔(𝑥) =
    −1 1
    𝑓 𝑥 = 𝑥 3 aún cuando el jacobiano es nulo en el origen.

    También podría gustarte