EL CÁLCULO ESTOCÁSTICO CUÁNTICO Y UNA RELACIÓN CON EL ANÁLISIS FUNCIONAL. Oswaldo González Gaxiola Universidad Autónoma Metropolitana-Cuajimalpa
|
|
- Pilar Córdoba Araya
- hace 8 años
- Vistas:
Transcripción
1 Memorias de la XVII Semana Regional de Investigación y Docencia en Matemáticas. Departamento de Matemáticas, Universidad de Sonora, México, Mosaicos Matemáticos, No. 2, Agosto, 27, pp Nivel Superior EL CÁLCULO ESTOCÁSTICO CUÁNTICO Y UNA RELACIÓN CON EL ANÁLISIS FUNCIONAL Oswaldo González Gaxiola Universidad Autónoma Metropolitana-Cuajimalpa Resumen Se dará una caracterización alternativa de la solución de una ecuación diferencial estocástica cuántica (Ecuación del tipo Hudson-Parthasarathy) que describe la interacción de un sistema cuántico con el medio ambiente. 1 Introducción Consideremos la Ecuación Diferencial Estocástica Cuántica (EDEC) del tipo Hudson-Parthasarathy [6], es decir, de la forma: dv t = [(W I)dΛ t L W da t + LdA t (ih L L)dt]V t, V = I. Donde W, L y H son operadores en un espacio de Hilbert separable H y dλ t, da t, da t son las diferenciales estocásticas básicas en un espacio de Fock simétrico Γ s (L 2 (R + )). Con el propósito de motivar la aparición en la dinámica cuántica de la EDEC anterior; consideremos el caso en el que el operador del sistema L =. En tal caso, si pensamos en el flujo de un número aleatorio de fotones moviéndose a través de un eje óptico de derecha a izquierda; la amplitud probable del flujo es un vector de Fock simétrico Ψ t Γ 2 (L 2 (R)) con soporte sobre la trayectoria óptica. Si este flujo es estacionario y no interactúa con el medio ambiente (L = ), entonces Ψ t = (ψ, ψ 1 (x 1 + t),..., ψ n (x 1 + t,..., x n + t),...) donde ψ C, ψ n L 2 (R n ) y así ψ 2 es la probabilidad de que no existan fotones sobre el eje óptico y ψ n (x 1 + t,..., x n + t) 2 es la probabilidad de detectar n fotones en los puntos x 1,... x n a lo largo del eje óptico. La ecuación de evolución para las amplitudes Ψ t es la ecuación hiperbólica t Ψ t = c Ψ t donde para simplificar, podemos suponer que la velocidad c = 1. Supongamos que en el origen del eje óptico, los fotones intereactuan permanentemente con un sistema cuántico externo y adquieren el corrimiento de fase e iθ(t), donde θ(t) = e iht θe iht con θ = θi. θ(t) es una observable del sistema cuántico acoplado. observando, que como los fotones se mueven de derecha a izquierda, el salto de fase se realiza en el intervalo ( t, ); considerando la ecuación de evolución y la segunda cuantización a todo el espacio de Fock, ver [3], resulta que Ψ t es la solución débil de la ecuación { dψ(v)t = Ψ t (v)(w t I)dΛ t W t = e iht e θ e iht 75
2 la cual es una EDEC del tipo de las que se estudian en el presente trabajo. De acuerdo con resultados fundamentales del Cálculo Estocástico Cuántico, véase por ejemplo el Teorema 27.8 en [6], la solución {V t } t de esta EDEC es un proceso adaptado de operadores en Γ s (L 2 (R + )) H que describe la evolución total del sistema cuántico junto con su medio ambiente. Asociado de manera canónica con el proceso {V t } t R existe un grupo 1-paramétrico {U t } t R ; [3]. Para definir U t es necesario considerar la segunda cuantización Θ t, sobre el espacio de Fock simétrico Γ(L 2 (R)) = Γ(L 2 (R )) Γ(L 2 (R + )), del grupo unitario fuertemente continuo del operador de traslación θ t sobre L 2 (R); el cual se define para cada t R por θ t v(r) = v(r + t), para toda v L 2 (R) continua, Θ t ψ(v) = ψ(θ t v), para toda v L 2 (R), donde ψ(v) denota el vector exponencial asociado con v. El operador Θ t anterior, puede extenderse a todo el espacio Γ(L 2 (R)) H, y se cumple la propiedad de cociclo de V t con respecto a Θ t : V s+t = Θ sv t Θ s V s, s, t. Entonces podemos definir el grupo unitario fuertemente continuo {U t } t R, mediante { Θt V t t U t = V t Θ t t <. Por el teorema de Stone {U t } t R, es generado por un operador autoadjunto C, entonces para cada t R, tenemos formalmente U t = e itc. El problema de la caracterización del operador C permaneció abierto alrededor de quince años. El principal problema es que C es un operador singular y su dominio se describe usando condiciones de frontera. 2 El generador infinitesimal de {U t } t R Consideraremos el caso sin multiplicidad, es decir, L =, y W es un operador unitario que conmuta con el operador autoadjunto y acotado H, el Hamiltoniano del sistema. El grupo unitario asociado con la EDEC es definido para cada t R por [2], U t Ψ = (ψ, U t,1 ψ 1, U t,2 ψ 2,...) donde Ψ = (ψ, ψ 1, ψ 2,...) Γ s (L 2 (R )) H 76
3 con ψ n continua para cada n 1, ψ C y R = R \ {}. Para cada n 1 tenemos, donde { Ut,n t U t,n = U t,n t <, n (U t,n ψ n )(x 1,..., x n ) = e ith {I ( t,) (x j )v(x j + t)w j=1 +I R\( t,) (x j )v(x j + t)} h, aquí e ith y W son identificados con I e ith y I W, respectivamente, I A denota la función indicadora del conjunto A y ψ n (x 1,..., x n ) = v(x 1 ) v(x n ) h, h H. La definición de U t,n se extiende por densidad a todo L 2 (R n ) H para cada n N. Primero trabajaremos con el subespacio de n-partículas de L 2 (R n ) H, para cada n 1. Consideraremos el subespacio denso de Γ s (L 2 (R )) H dado por F = {Ψ Γ s (L 2 (R )) H : k N tal que ψ n = n > k}. Para v j W 2,1 (R ), j = 1,..., n, (espacio de Sobolev) definimos A ± j v 1 v n = v j ( ± )v 1 v j v n, donde el tilde significa que el factor correspondiente es omitido. Usaremos en el presente trabajo la identificación natural L 2 (R n, H) = L 2 (R n ) H y W 2,1 (R n, H) = W 2,1 (R n ) H. Sea C n, n N, el operador C n = n k=1 i x k + H con dominio D n = {ψ n W s 2,1(R n ) H : A j ψ n = W A + j ψ n, 1 j n}. La condición de frontera A j ψ n = W A + j ψ n, 1 j n, es el resultado de la interacción del sistema cuántico con su medio ambiente la cual asumiremos que está asociada con la acción del operador unitario W. Tenemos el siguiente resultado que nos permite caraterizar al generador infinitesimal del grupo 1-paramétrico {U t } t R ; grupo de operadores que a su vez como se ha mencionado en la introducción, proporciona, mediante la segunda cuantización del operador de corrimiento Θ t la solución de la EDEC. Teorema 2.1. La cerradura del operador ic en Γ s (L 2 (R )) H definido mediante CΨ = (, C 1 ψ 1,..., C n ψ n,...) sobre D = {Ψ F : ψ j D j, j N} es el generador infinitesimal del grupo unitario fuertemente continuo {U t } t R. Por lo tanto C es un operador autoadjunto y D es un dominio esencial para él. Como lo dijimos antes, para probar este teorema trabajaremos con el subespacio de n-partículas; pues realizando la segunda cuantización del operador ic n sobre todo el espacio de Fock obtenemos la conclusión del Teorema 2.1 para el operador ic. 77
4 Teorema 2.2. La cerradura del operador ic n = n k=1 x k + ih con dominio D n es el generador infinitesimal del grupo unitario fuertemente continuo {U t,n } t R en L 2 (R n ). Demostración: Es suficiente demostrar que D n es un dominio esencial para C n. Debido a un resultado bien conocido acerca de dominios esenciales de generadores infinitesimales, ver [1], Corolario 3.1.7, p. 167, es suficiente demostrar que 1. D n es denso en L 2 (R n ) H. 2. D n es invariante bajo la acción U t,n. 3. D n D( C n ), donde D( C n ) es el dominio de C n. Como C (R n ; H) D n, por lo tanto D n es un subespacio denso de L 2 (R n ; H) y (1) es cierto. Para ψ n W 2,1 (R n ) H, la acción de U t,n para t es dada por U t,n ψ n (x 1,..., x n ) = e ith W l ψ n (x 1 + t,..., x n + t), donde l = #k, con k = {k {1,..., n} : x k ( t, )}. El subespacio W 2,1 (R n ) H es invariante bajo la acción de U t,n, por lo tanto para probar (2) es suficiente ver que Ψ t,n = U t,n ψ n satisface las condiciones de frontera. Para 1 j n tenemos que A j Ψ t,n = e ith W l A j ψ n = e ith W l W A + j ψ n = W A + j Ψ t,n, donde A ± j es identificado con A ± j I y hemos usado que e ith y W conmutan con A ± j pues ellos actúan sobre diferentes factores. Cálculos similares se tienen para el caso t <, por lo tanto Ψ t,n satisface las condiciones de frontera en D n. Tomando ψ n D n, y para 1 j n, definimos Q j = R ( t, ) R } {{ }, por j lo tanto tenemos que = = R n n j=1 Q j 1 t ({U t,n I}ψ n ) (ic n ψ n ) 2 1 t ({U t,n I}ψ n )(x 1,..., x n ) (ic n ψ n )(x 1,..., x n ) 2 dx 1... dx n 1 t ({U t,n I}ψ n )(x 1,..., x n ) (ic n ψ n )(x 1,..., x n ) 2 dx 1... dx n + 1 R n \ n j=1 Q t ({U t,n I}ψ n )(x 1,..., x n ) (ic n ψ n )(x 1,..., x n ) 2 dx 1... dx n, j donde denota la norma en H. La segunda integral tiende a cero cuando t pues el operador ic n = n k=1 x k + ih con dominio W2,1(R s n ) H es el generador infinitesimal del grupo unitario definido por (V t,n ψ n )(x 1,..., x n ) = e ith ψ n (x 1 + t,..., x n + t), para ψ n L 2 (R n ) H, continua. Para cada {k 1,..., k m } {1,..., n}, 1 m n, definimos la familia de subconjuntos ajenos R {k1,...,k m} = {(x 1,..., x n ) : x ks ( t, ), 1 s m, 78
5 y x kr / ( t, ) para k r / {k 1,..., k m }}. Tenemos que R {1,...,n} = n j=1q j, y n j=1q j = n m=1 {k1,...,k m} R {k1,...,k m}. Para estimar la primera integral introduciremos las funciones { W ψ {k1,,k m}(x 1,..., x n ) = m ψ n (x 1,..., x m ) si (x 1,..., x n ) S {k1,...,k m} ψ n (x 1,..., x n ) en otro caso donde S {k1,...,k m} = {(x 1,..., x n ) : x ks >, 1 s m}. Por lo tanto tenemos que 1 t ({U t,n I}ψ n )(x 1,..., x n ) (ic n ψ n )(x 1,..., x n ) 2 dx 1... dx n = n n j=1 Q j m=1 {k 1,...,k m} = n m=1 {k 1,...,k n} R {k1,...,km} R{k 1,...,k n} 1 t {e ith W m ψ n (x 1 + t,..., x n + t) h ψ n (x 1,..., x n )} (ic n ψ n )(x 1,..., x n ) 2 dx 1... dx n 1 t {e ith ψ(x1 + t,..., x n + t) ψ(x 1,..., x n )} (ic n ψ)(x1,..., x n ) 2 dx 1... dx n, donde escribimos simplemente ψ en lugar de ψ {k1,...,k m}. La última integral tiende a cero cuando t debido a que el operador ic n con dominio W s 2,1(R n ) H es el generador infinitesimal del grupo unitario (V t ) t R, en L 2 (R n ) H definido antes. D n D( C n ) y esto finaliza la demostración. 3 Índices de defecto de C El problema de la autoadjunticidad de C en el caso cuando H es un operador simétrico no acotado es mucho más delicado. En [3] A. M. Chebotarev estudió condiciones suficientes que aseguran la autoadjunticidad de C, la propiedad de isometría del semigrupo asociado y la conservatividad de dos semigrupos dinámicos cuánticos canónicamente asociados con C. En esta sección expondremos un ejemplo que muestra que en algunos casos el operador C no es autoadjunto y ic puede no ser el generador de un semigrupo fuertemente continuo de isometrías. El siguiente ejemplo fue discutido en un contexto diferente en [2], también ver [4] y [5]. Sobre el espacio de Hilbert H = L 2 (, ) consideraremos operadores inducidos por la forma diferencial τ f u = 1 2i ((fu) + fu ), 79
6 donde f C (, ), f >, f es acotada y dxf(x) 1 =. Notemos que las funciones de la forma f(x) = (1 + x) α, α 1, satisfacen estas condiciones. Denotaremos por H 1, el operador minimal inducido por τ f ; este se define por Notemos que domh 1, = C (, ) y H 1, u = τ f u, u domh 1,. dom H 1, = {u domh 1 : u() = }, ver para esto [7], Teorema El operador maximal H 1 inducido por τ f está definido por y domh 1 = {u L 2 (, ) : u es absolutamente continua y τ f u L 2 (, )} H 1 u = τ f u, u domh 1. Se puede demostrar que H 1, es un operador simétrico; por lo tanto es cerrable y su cerradura H 1, es también simétrico, además H 1, = H 1, = H 1. Consideremos ahora las ecuaciones H 1,u = ±iu, u domh 1,. Las soluciones de estas ecuaciones son respectivamente, y Notemos que pues u + (x) = c 1 f(x) 1/2 exp x u (x) = c 2 f(x) 1/2 exp + x u + 2 = c 2 1 dτ f(τ) dτ f(τ), c1, c 2 no nulas. dxf(x) 1 exp 2 x dτ f(τ) <, dτ =, por lo tanto u f(τ) + L 2 (, ). De manera similar podemos demostrar que u L 2 (, ). Esto demuestra que los índices de defecto del operador simétrico H 1, son n + ( H 1, ) = 1 y n ( H 1, ) =. Siendo H 1, un operador simétrico maximal, entonces i H 1, = ih 1 es el generador de un semigrupo fuertemente continuo de contracciones. Ahora haciendo uso del siguiente teorema probado en [2]: Teorema 3.1. Supongamos que H = I H, donde H es un operador cerrado, simétrico y densamente definido el cual actúa en H y conmuta con el operador unitario W. Entonces los índices de defecto de n C n ψ n = (i xk + H)ψ n ψ n D n domh, n k=1 coinciden con los índices de defecto de H. 8
7 Obtenemos como consecuencia que el operador C = i x I+I H 1, con dominio D domh, es un operador simétrico con índices de defecto iguales a los de H 1,, i.e., n = and n + = 1, por lo tanto este no tiene extensiones autoadjuntas. También podemos probar que i C no es el generador de un semigrupo fuertemente continuo de contracciones. 4 Condición suficiente para que i C sea generador Dado un operador simétrico y cerrado C surge de manera natural la pregunta de cuándo i C es la restricción de un generador de un semigrupo fuertemente continuo de isometrías. En el siguiente teorema, cuya demostración se puede encontrar en [5] damos una respuesta a esta pregunta usando los índices de defecto de C. Teorema 4.1. Sea C un operador simétrico y cerrado en un espacio de Hilbert H con índices de defecto finitos (n +, n ), entonces (i) si n + n el operador i C es la restricción de un generador de un semigrupo fuertemente continuo de isometrías en H. (ii) si n + > n entonces i C no es la restricción de un generador de un semigrupo fuertemente continuo de isometrías en H. 5 Conclusiones Con un enfoque diferente de aquel desarrollado por A. Chebotarev en [2] y [3] tratamos el problema de caracterizar la solución de una EDEC en el marco de la teoría de operadores. Además daremos condiciones suficientes que aseguran que ic es restricción de un generador de un semigrupo fuertemente continuo de isometrías en término de sus índices de defecto; así como la caracterización del generador infinitesimal de U t en el caso de coeficientes acotados conmutativos y sin multiplicidad. Bibliografía [1] Bratteli, O; Robinson, D.W. Operator Algebras and Quantum Statistical Mechanics; Springer-Verlag: New York, [2] Chebotarev, A.M. Lectures on Quantum Probability; SMM Aportaciones Matemáticas (Textos nivel avanzado) 14: México, 2. [3] Chebotarev, A.M. What is a quantum stochastic differential equation from the point of view of functional analysis? Math. Notes 22, 71, [4] García J.C.; Quezada R. Hille-Yosida estimate and nonconservativity criteria for quantum dynamical semigroups. Infinite Dimensional Analysis, Quantum Probability and Related Topics. 24, 7, [5] González-Gaxiola O.; Quezada R. On the infinitesimal generator of a Quantum Stochastic Differential Equation, Stochastic Models. 26, 22,
8 [6] Parthasaraty, K.R. An Introduction to Quantum Stochastic Calculus; Birkhäuser: Basel, [7] Weidmann, J. Linear operators in Hilbert spaces; Graduate texts in mathematics 68, Springer-Verlag: New York,
Tema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detalles4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Más detallesTransformaciones canónicas
apítulo 29 Transformaciones canónicas 29.1 Introducción onsideremos una transformación arbitraria de las coordenadas en el espacio de las fases de dimensión 2(3N k) (con el tiempo como un parámetro) Q
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesEspacios vectoriales. Bases. Coordenadas
Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos
Más detallesGrupos. Subgrupos. Teorema de Lagrange. Operaciones.
1 Tema 1.-. Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1.1. Primeras definiciones Definición 1.1.1. Una operación binaria en un conjunto A es una aplicación α : A A A. En un lenguaje más coloquial
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detalles1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
Más detallesAplicaciones Lineales y Multilineales Continuas
Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesSubconjuntos destacados en la
2 Subconjuntos destacados en la topología métrica En este capítulo, introducimos una serie de conceptos ligados a los puntos y a conjuntos que por el importante papel que juegan en la topología métrica,
Más detallesAplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detallesCURSO DE MÉTODOS DE LA FÍSICA MATEMÁTICA ANÁLISIS FUNCIONAL OPERADORES NO ACOTADOS
CURSO DE MÉTODOS DE LA FÍSICA MATEMÁTICA ANÁLISIS FUNCIONAL H. FALOMIR DEPARTAMENTO DE FÍSICA FACULTAD DE CIENCIAS EXACTAS - UNLP OPERADORES NO ACOTADOS 1. Extensiones de operadores lineales Sea A un operador
Más detallesuna partícula como se verá más adelante. A partir de un objeto matemático como lo como el electromagnético o el de nuestro caso de estudio.
Capítulo 2 Marco Teórico En el presente capítulo se presentan algunos de los elementos básicos y principales de las herramientas utilizadas para el estudio de un campo de spin 2. La importancia de estas
Más detallesAplicaciones lineales continuas
Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesLas Funciones Analíticas. f (z 0 + h) f (z 0 ) lim. h=z z 0. = lim
Las Funciones Analíticas 1 Las Funciones Analíticas Definición 12.1 (Derivada de una función compleja). Sea D C un conjunto abierto. Sea z 0 un punto fijo en D y sea f una función compleja, f : D C C.
Más detallesEspacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema Representación gráfica de funciones reales de una variable real Elaborado
Más detallesVariedades Diferenciables. Extremos Condicionados
Capítulo 16 Variedades Diferenciables. Extremos Condicionados Vamos a completar lo visto en los capítulos anteriores sobre el teorema de las Funciones Implícitas y Funciones Inversas con un tema de iniciación
Más detalles9.1 Primeras definiciones
Tema 9- Grupos Subgrupos Teorema de Lagrange Operaciones 91 Primeras definiciones Definición 911 Una operación binaria en un conjunto A es una aplicación α : A A A En un lenguaje más coloquial una operación
Más detallesUNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.
UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES )
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES ) HOJA : Límites continuidad de funciones en R n. -. Dibuja cada uno de los subconjuntos de R siguientes. Dibuja su
Más detalles1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una
Más detalleshttp://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_02_01.tex
http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_02_01.tex Lección 1 - Problemas Problemas CAPÍTULO 2 FUNCIONES VECTORIALES Lección 2.2. Curvas enr n Una aplicación F : I R n,
Más detallesFunciones más usuales 1
Funciones más usuales 1 1. La función constante Funciones más usuales La función constante Consideremos la función más sencilla, por ejemplo. La imagen de cualquier número es siempre 2. Si hacemos una
Más detallesJuan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada
FUNCIONES CONTINUAS. La mayor parte de las funciones que manejamos, a nivel elemental, presentan en sus gráficas una propiedad característica que es la continuidad. La continuidad de una función definida
Más detallesRelaciones binarias. ( a, b) = ( c, d) si y solamente si a = c y b = d
Relaciones binarias En esta sección estudiaremos formalmente las parejas de objetos que comparten algunas características o propiedades en común. La estructura matemática para agrupar estas parejas en
Más detallesCómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Más detallesEstructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Más detallesEl concepto de integral con aplicaciones sencillas
El concepto de integral con aplicaciones sencillas Eliseo Martínez Marzo del 24 Abstract Este artículo trata de ejemplos sencillos del concepto de integral con aplicaciones a la Física, la Teoría de la
Más detallesParte I. Iniciación a los Espacios Normados
Parte I Iniciación a los Espacios Normados Capítulo 1 Espacios Normados Conceptos básicos Sea E un espacio vectorial sobre un cuerpo K = R ó C indistintamente. Una norma sobre E es una aplicación de E
Más detallesContracción Hiperbólica
Contracción Hiperbólica 1 Métricas Inducidas Sean U, V C abiertos, π : U V un cubriente clase C. Sea g ρ la métrica hiperbólica sobre D y ρ(z) = 2/(1 z 2 ) su densidad hiperbólica. Pullback de la métrica
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará
Más detallesFunciones de varias variables reales
Capítulo 6 Funciones de varias variables reales 6.1. Introducción En muchas situaciones habituales aparecen funciones de dos o más variables, por ejemplo: w = F D (Trabajo realizado por una fuerza) V =
Más detalles1. Derivadas parciales
Análisis Matemático II. Curso 2009/2010. Diplomatura en Estadística/Ing. Téc. en Inf. de Gestión. Universidad de Jaén TEMA 3. ABLES DIFERENCIACIÓN DE FUNCIONES DE VARIAS VARI- 1. Derivadas parciales Para
Más detallesClasificación de métricas.
Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye
Más detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detallesPROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Más detallesTeorema de Green. 6.1. Curvas de Jordan
Lección 6 Teorema de Green En la lección anterior, previa caracterización de los campos conservativos, hemos visto que un campo irrotacional puede no ser conservativo. Tenemos por tanto una condición fácil
Más detallesEjemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}
Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar
Más detallesEscenas de episodios anteriores
Clase 16/10/2013 Tomado y editado de los apuntes de Pedro Sánchez Terraf Escenas de episodios anteriores objetivo: estudiar formalmente el concepto de demostración matemática. caso de estudio: lenguaje
Más detalles8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.
Prácticas de Matemáticas I y Matemáticas II con DERIVE 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar si el
Más detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más detallesEcuaciones Diferenciales Tema 2. Trasformada de Laplace
Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace
Más detallesMarch 25, 2010 CAPÍTULO 2: LÍMITES Y CONTINUIDAD DE FUNCIONES EN EL ESPACIO EUCLÍDEO
March 25, 2010 CAPÍTULO 2: LÍMITE Y CONTINUIDAD DE FUNCIONE EN EL EPACIO EUCLÍDEO 1. Producto Escalar en R n Definición 1.1. Dado x = (x 1,..., x n ), y = (y 1,..., y n ) R n, su producto escalar está
Más detallesSemana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo
Semana 08 [1/15] April 18, 2007 Acotamiento de conjuntos Semana 08 [2/15] Cota Superior e Inferior Antes de presentarles el axioma del supremo, axioma de los números reales, debemos estudiar una serie
Más detallesEstructuras Algebraicas Una estructura algebraica es un objeto matemático consistente en un conjunto no vacío, con por lo menos una operación binaria.
Estructuras Algebraicas Una estructura algebraica es un objeto matemático consistente en un conjunto no vacío, con por lo menos una operación binaria. Operación Binaria Se conoce una operación binaria
Más detallesCAPÍTULO III. FUNCIONES
CAPÍTULO III LÍMITES DE FUNCIONES SECCIONES A Definición de límite y propiedades básicas B Infinitésimos Infinitésimos equivalentes C Límites infinitos Asíntotas D Ejercicios propuestos 85 A DEFINICIÓN
Más detallesAplicaciones Lineales
Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse
Más detallesUniversidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones
Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................
Más detallesDefinición 1 Un carrier para un juego v es una coalición T tal que para cualquier S, v(s) = v(s T ).
1 Valor de Shapley Definición 1 Un carrier para un juego v es una coalición T tal que para cualquier S, v(s) = v(s T ). Ejemplo 1 Sea v un juego de 3 jugadores, v({1, 2, 3}) = v({1, 2}) = 1, y v(s) = para
Más detallesEjemplos y problemas resueltos de análisis complejo (2014-15)
Variable Compleja I (3 o de Matemáticas y 4 o de Doble Titulación) Ejemplos y problemas resueltos de análisis complejo (04-5) Teoremas de Cauchy En estos apuntes, la palabra dominio significa, como es
Más detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Más detallesTEMA 4. FUNCIONES DE VARIABLE REAL
TEMA 4. FUNCIONES DE VARIABLE REAL 4.1 Definición de función real Definición: Una función real de variable real es una aplicación de un subconjunto A en. f : A El dominio de una función es el conjunto
Más detallesTema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor
Tema 5 Aproximación funcional local: Polinomio de Taylor Teoría Los polinomios son las funciones reales más fáciles de evaluar; por esta razón, cuando una función resulta difícil de evaluar con exactitud,
Más detallesESTRUCTURAS ALGEBRAICAS
Fundamentos de la Matemática 1 Operaciones Binarias Dado un conjunto A, A, decimos que es una operación binaria en A si, y sólo si, : A A A es una función. Investigar si los siguientes son ejemplos de
Más detallesTeorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones
Tema 13.- Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones 13.1 Teorema de estructura de los módulos finitamente generados sobre un D.I.P. En lo que sigue A denotará
Más detalles1 El espacio vectorial R n.
Manuel Gutiérrez Departamento de Álgebra, Geometría y Topología Universidad de Málaga February 26, 2009 1 El espacio vectorial R n. La estructura de espacio vectorial es posiblemente la estructura más
Más detalles1. Dominio, simetría, puntos de corte y periodicidad
Estudio y representación de funciones 1. Dominio, simetría, puntos de corte y periodicidad 1.1. Dominio Al conjunto de valores de x para los cuales está definida la función se le denomina dominio. Se suele
Más detallesVectores: Producto escalar y vectorial
Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 3 espacios vectoriales Objetivos: Al inalizar la unidad, el alumno: Describirá las características de un espacio vectorial. Identiicará las propiedades de los subespacios vectoriales. Ejempliicará
Más detallesTransformada de Laplace: Análisis de circuitos en el dominio S
Transformada de Laplace: Análisis de circuitos en el dominio S Trippel Nagel Juan Manuel Estudiante de Ingeniería en Sistemas de Computación Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía
Más detallesTema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES
Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos
Más detallesTema 3: Producto escalar
Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica
Más detallesApuntes de Matemática Discreta 1. Conjuntos y Subconjuntos
Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos
Más detalles(3) Regla del cociente: Si g(z 0 ) 0, f/g es derivable en z 0 y. (z 0 ) = f (z 0 )g(z 0 ) f(z 0 )g (z 0 ) . g
Funciones holomorfas 2.1. Funciones variable compleja En este capítulo vamos a tratar con funciones f : Ω C C, donde Ω C es el dominio de definición. La forma habitual de expresar estas funciones es como
Más detalles35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico
q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,
Más detallesSobre los conjuntos acotados en los espacios vectoriales topológicos cocientes (*)
Sobre los conjuntos acotados en los espacios vectoriales topológicos cocientes (*) por Manuel Valdivia Ureña PRESENTADO POR EL ACADÉMICO NUMERARIO D. RICARDO SAN JUAN INTRODUCCIÓN Damos respuesta a una
Más detallesOperadores Elípticos en el Espacio de Energía
Operadores Elípticos en el Espacio de Energía Marisa Toschi IMAL- Sante Fe Seminario del IMAL Carlos Segovia Fernandez 15 de Abril 2011 Esquema general 1 Introducción 2 Una alternativa de buen planteo
Más detallesESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN
Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra
Más detallesESTRUCTURAS ALGEBRAICAS
ESTRUCTURAS ALGEBRAICAS Se ha trabajado con números complejos, polinomio y matrices y hemos efectuado con ellos ciertas operaciones: sin embargo no todas las operaciones se comportan de la misma manera,
Más detallesAlgebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012
Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes
Más detallesListas de vectores y conjuntos de vectores
Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesFunciones de varias variables
Funciones de varias variables Derivadas parciales. El concepto de función derivable no se puede extender de una forma sencilla para funciones de varias variables. Aquí se emplea el concepto de diferencial
Más detallesESTRUCTURAS ALGEBRAICAS
ESTRUCTURAS ALGEBRAICAS 1.1. LEY DE COMPOSICIÓN INTERNA Definición 1.1.1. Sea E un conjunto, se llama ley de composición interna en E si y sólo si a b = c E, a, b E. Observación 1.1.1. 1. también se llama
Más detallesEl Teorema de existencia y unicidad de Picard
Tema 2 El Teorema de existencia y unicidad de Picard 1 Formulación integral del Problema de Cauchy El objetivo del presente Tema, y del siguiente, es analizar el Problema de Cauchy para un SDO de primer
Más detallesINTEGRAL DE SUPERFICIE
INTEGRAL E UPERFICIE 1. Geometría de las superficies. Entendemos por superficie el lugar geométrico de un punto que se mueve en el espacio R 3 con dos grados de libertad. También podemos pensar una superficie
Más detallesTema 10: Funciones de varias variables. Funciones vectoriales. Límites y continuidad
Tema 10: Funciones de varias variables. Funciones vectoriales. Límites y continuidad 1 Funciones de varias variables Observación 1.1 Conviene repasar,enestepunto,lodadoeneltema8paratopología en R n : bolas,
Más detalles4.1 El espacio dual de un espacio vectorial
Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo
Más detallesAplicaciones Lineales
Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)
Más detallesNúmeros Reales. MathCon c 2007-2009
Números Reales z x y MathCon c 2007-2009 Contenido 1. Introducción 2 1.1. Propiedades básicas de los números naturales....................... 2 1.2. Propiedades básicas de los números enteros........................
Más detallesCadenas de Markov. http://humberto-r-alvarez-a.webs.com
Cadenas de Markov http://humberto-r-alvarez-a.webs.com Definición Procesos estocásticos: procesos que evolucionan de forma no determinista a lo largo del tiempo en torno a un conjunto de estados. Estos
Más detalles(Ec.1) 2α + β = b (Ec.4) (Ec.3)
Problema 1. Hallar t R para que el vector x = (3, 8, t) pertenezca al subespacio engendrado por los vectores u = (1, 2, 3) y v = (1, 3, 1). Solución del problema 1. x L{ u, v} si, y sólo si, existen α,
Más detallesINTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA
INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA Dentro del campo general de la teoría de la optimización, también conocida como programación matemática conviene distinguir diferentes modelos de optimización.
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detalles13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.
ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN
Más detallesDinámica. Fuerza es lo que produce cualquier cambio en la velocidad de un objeto. Una fuerza es lo que causa una aceleración
Tema 4 Dinámica Fuerza Fuerza es lo que produce cualquier cambio en la velocidad de un objeto Una fuerza es lo que causa una aceleración La fuerza neta es la suma de todas las fuerzas que actúan sobre
Más detallesEjemplo: Resolvemos Sin solución. O siempre es positiva o siempre es negativa. Damos un valor cualquiera Siempre + D(f) =
T1 Dominios, Límites, Asíntotas, Derivadas y Representación Gráfica. 1.1 Dominios de funciones: Polinómicas: D( = La X puede tomar cualquier valor entre Ejemplos: D( = Función racional: es el cociente
Más detallesHistoria y Filosofía de la Lógica
Historia y Filosofía de la Lógica Pablo Cobreros pcobreros@unav.es Tema 1: El objeto de la lógica La lógica proposicional clásica El objeto de la lógica Consecuencia lógica La lógica proposicional El lenguaje
Más detallesEJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
Más detallesVII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Más detallesLÍMITES Y CONTINUIDAD DE FUNCIONES
Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos
Más detallesDefinición de vectores
Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre
Más detallesAXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES
AXIOMASDECUERPO(CAMPO) DELOSNÚMEROSREALES Ejemplo: 6 INECUACIONES 15 VA11) x y x y. VA12) x y x y. Las demostraciones de muchas de estas propiedades son evidentes de la definición. Otras se demostrarán
Más detallesMatrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
Más detalles