EL CÁLCULO ESTOCÁSTICO CUÁNTICO Y UNA RELACIÓN CON EL ANÁLISIS FUNCIONAL. Oswaldo González Gaxiola Universidad Autónoma Metropolitana-Cuajimalpa

Tamaño: px
Comenzar la demostración a partir de la página:

Download "EL CÁLCULO ESTOCÁSTICO CUÁNTICO Y UNA RELACIÓN CON EL ANÁLISIS FUNCIONAL. Oswaldo González Gaxiola Universidad Autónoma Metropolitana-Cuajimalpa"

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 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 detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

4 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 detalles

Transformaciones canónicas

Transformaciones 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 detalles

1 Espacios y subespacios vectoriales.

1 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 detalles

Espacios vectoriales. Bases. Coordenadas

Espacios 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 detalles

Grupos. Subgrupos. Teorema de Lagrange. Operaciones.

Grupos. 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 detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES 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 detalles

1. Producto escalar, métrica y norma asociada

1. 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 detalles

Aplicaciones Lineales y Multilineales Continuas

Aplicaciones 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 detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 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 detalles

Subconjuntos destacados en la

Subconjuntos 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 detalles

Aplicaciones Lineales

Aplicaciones 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 detalles

Curso de Procesamiento Digital de Imágenes

Curso 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 detalles

CURSO DE MÉTODOS DE LA FÍSICA MATEMÁTICA ANÁLISIS FUNCIONAL OPERADORES NO ACOTADOS

CURSO 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 detalles

una partícula como se verá más adelante. A partir de un objeto matemático como lo como el electromagnético o el de nuestro caso de estudio.

una 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 detalles

Aplicaciones lineales continuas

Aplicaciones 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 detalles

Subespacios vectoriales en R n

Subespacios 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 detalles

Las Funciones Analíticas. f (z 0 + h) f (z 0 ) lim. h=z z 0. = lim

Las 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 detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS 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 detalles

Variedades Diferenciables. Extremos Condicionados

Variedades 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 detalles

9.1 Primeras definiciones

9.1 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 detalles

UNIDAD 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. 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 detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 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 detalles

UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES )

UNIVERSIDAD 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 detalles

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

1. 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 detalles

http://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 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 detalles

Funciones más usuales 1

Funciones 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 detalles

Juan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada

Juan 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 detalles

Relaciones binarias. ( a, b) = ( c, d) si y solamente si a = c y b = d

Relaciones 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 detalles

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1

Cómo?: 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 detalles

Estructuras algebraicas

Estructuras 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 detalles

El concepto de integral con aplicaciones sencillas

El 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 detalles

Parte I. Iniciación a los Espacios Normados

Parte 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 detalles

Contracción Hiperbólica

Contracción 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 detalles

Objetivos: Al inalizar la unidad, el alumno:

Objetivos: 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 detalles

Funciones de varias variables reales

Funciones 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 detalles

1. Derivadas parciales

1. 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 detalles

Clasificación de métricas.

Clasificación 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 detalles

Tema 2 Límites de Funciones

Tema 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 detalles

Tema 3: Aplicaciones de la diagonalización

Tema 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 detalles

PROBLEMA 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 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 detalles

Teorema de Green. 6.1. Curvas de Jordan

Teorema 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 detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 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 detalles

Escenas de episodios anteriores

Escenas 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 detalles

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.

8. 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 detalles

Anexo 1: Demostraciones

Anexo 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 detalles

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace

Ecuaciones 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 detalles

March 25, 2010 CAPÍTULO 2: LÍMITES Y CONTINUIDAD DE FUNCIONES EN EL ESPACIO EUCLÍDEO

March 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 detalles

Semana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo

Semana 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 detalles

Estructuras 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. 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 detalles

CAPÍTULO III. FUNCIONES

CAPÍTULO 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 detalles

Aplicaciones Lineales

Aplicaciones 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 detalles

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones

Universidad 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 detalles

Definición 1 Un carrier para un juego v es una coalición T tal que para cualquier S, v(s) = v(s T ).

Definición 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 detalles

Ejemplos y problemas resueltos de análisis complejo (2014-15)

Ejemplos 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 detalles

Apuntes de Matemática Discreta 9. Funciones

Apuntes 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 detalles

TEMA 4. FUNCIONES DE VARIABLE REAL

TEMA 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 detalles

Tema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor

Tema 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 detalles

ESTRUCTURAS ALGEBRAICAS

ESTRUCTURAS 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 detalles

Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones

Teorema 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 detalles

1 El espacio vectorial R n.

1 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 detalles

1. Dominio, simetría, puntos de corte y periodicidad

1. 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 detalles

Vectores: Producto escalar y vectorial

Vectores: 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 detalles

Objetivos: Al inalizar la unidad, el alumno:

Objetivos: 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 detalles

Transformada de Laplace: Análisis de circuitos en el dominio S

Transformada 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 detalles

Tema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES

Tema 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 detalles

Tema 3: Producto escalar

Tema 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 detalles

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos

Apuntes 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

(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 detalles

35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico

35 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 detalles

Sobre los conjuntos acotados en los espacios vectoriales topológicos cocientes (*)

Sobre 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 detalles

Operadores Elípticos en el Espacio de Energía

Operadores 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 detalles

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN

ESPACIO 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 detalles

ESTRUCTURAS ALGEBRAICAS

ESTRUCTURAS 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 detalles

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012

Algebra 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 detalles

Listas de vectores y conjuntos de vectores

Listas 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 detalles

Definición 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.

Definición 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 detalles

Funciones de varias variables

Funciones 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 detalles

ESTRUCTURAS ALGEBRAICAS

ESTRUCTURAS 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 detalles

El Teorema de existencia y unicidad de Picard

El 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 detalles

INTEGRAL DE SUPERFICIE

INTEGRAL 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 detalles

Tema 10: Funciones de varias variables. Funciones vectoriales. Límites y continuidad

Tema 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 detalles

4.1 El espacio dual de un espacio vectorial

4.1 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 detalles

Aplicaciones Lineales

Aplicaciones 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 detalles

Números Reales. MathCon c 2007-2009

Números 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 detalles

Cadenas de Markov. http://humberto-r-alvarez-a.webs.com

Cadenas 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)

(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 detalles

INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA

INTRODUCCIÓN 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 detalles

CURSO 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 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 detalles

13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.

13.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 detalles

Dinámica. Fuerza es lo que produce cualquier cambio en la velocidad de un objeto. Una fuerza es lo que causa una aceleración

Dinámica. 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 detalles

Ejemplo: Resolvemos Sin solución. O siempre es positiva o siempre es negativa. Damos un valor cualquiera Siempre + D(f) =

Ejemplo: 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 detalles

Historia y Filosofía de la Lógica

Historia 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 detalles

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores

EJERCICIOS 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 detalles

VII. Estructuras Algebraicas

VII. 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 detalles

LÍMITES Y CONTINUIDAD DE FUNCIONES

LÍMITES 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 detalles

Definición de vectores

Definición 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 detalles

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES

AXIOMAS 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 detalles

Matrices invertibles. La inversa de una matriz

Matrices 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