Tema 3: Aplicaciones de la diagonalización

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

Download "Tema 3: Aplicaciones de la diagonalización"

Transcripción

1 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: Una pareja adulta de conejos cría una nueva pareja cada mes y, después de dos meses cada pareja se comporta del mismo modo; por tanto, si disponemos de una pareja de conejos inicialmente, F 0 = 1, al cabo de un mes seguiremos teniendo F 1 = 1 pareja. Sin embargo, al cabo de dos meses nuestra pareja de conejos, ya adulta, criará una nueva pareja, luego dispondremos de F = parejas de conejos. En general, para n, en el n-ésimo mes dispondremos de F n = F n 1 + F n parejas de conejos. Es decir, podemos calcular el número de parejas en cada mes si conocemos este número para los dos meses anteriores. Ahora bien, si queremos calcular F 1000, deberemos calcular para ello todos los valores de F n para n < 1000, no es posible calcular F 1000 directamente?, en otras palabras, no es posible obtener una expresión explícita de F n como función de n? Veamos como hacerlo. Nuestra ecuación inicial, F n = F n 1 + F n, con n, puede escribirse como n 1, F n+1 = F n + F n 1. y si añadimos a esta expresión la ecuación (siempre cierta), F n = F n, obtenemos un sistema de ecuaciones F n+1 = F n + F n 1 F n = F n Sea, para cada n 0, u n = [ Fn+1 F n y A = Ahora, matricialmente, nuestro sistema se expresa como Podemos razonar ahora del siguiente modo, n 0, u n+1 = Au n. u 1 = Au 0 u = Au 1 = AAu 0 = A u 0 [ etcétera. En general, por inducción, obtenemos, considerando A 0 = I, n 0, u n = A n u 0. Por tanto, podemos obtener una expresión explícita de u n, y, en consecuencia de F n, sin más que calcular las potencias de A. Aquí resulta útil el siguiente resultado Proposición. 1.1 Sea A M p diagonalizable y P M p regular tal que P 1 AP = D = diag(λ 1,..., λ p ) Entonces, para todo n 0, A n = P D n P 1 = P λ n 1... λ n p P 1. (Considerando D 0 = I).

2 TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA En nuestro caso particular P A (λ) = λ λ 1 y, por tanto, los autovalores de A son: λ 1 = y λ 1 = 1 5 Puesto que los autovalores de A son distintos entre si, A es diagonalizable. Calculando una matriz de paso obtenemos [ [ λ1 λ P = y P λ = 1 1 λ 1 λ 1 λ 1 En consecuencia, tenemos para u 0 = (1, 1), u n = A n u 0 = P [ λ n 1 λ n P 1 [ 1 1 Operando, y teniendo en cuenta que λ 1 λ = 1, λ 1 + λ = 1, resulta [ [ [ Fn+1 λ1 λ u n = = λ n F n λ n λ 1 λ [ 1 λ n+1 1 λ n+1 [ λ 1 1 λ 1 λ λ n 1 λ n = λ λ 1 λ luego ( F n = λn+1 1 λ n+1 = 1 λ 1 λ ) n+1 ( 5 [ 1 λ = 1 + λ 1 [ λ n+ 1 λ n+ λ n+1 1 λ n+1 1 ) n+1 5 Hemos obtenido así una expresión explícita para F n. En el resto de la sección intentaremos generalizar los métodos empleados en este ejemplo particular. Definición. 1. Dados a 1,..., a p R, a p 0, una ecuación en diferencias lineal y homogénea de orden p es una relación de recurrencia del tipo n > p, z n = a 1 z n a p z n p Observemos que una ecuación en diferencias como la de arriba nos permite, dados z 1,..., z p R, definir una sucesión de numeros reales {z n } n N. De manera general, el problema que pretendemos resolver es el siguiente: Dada una ecuación en diferencias: z n = a 1 z n 1 + +a p z n p, y los datos iniciales, z 1,..., z p R, Consideremos, para cada n p, Consideremos ahora la matriz A M p, Cómo calcular z n de manera explícita en función de n? z n = a 1 z n a p z n p z n 1 = z n 1. z n p+1 = z n p+1 A = a 1 a a p 1 a p

3 TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 3 Entonces, si, para cada n p, u n = (z n, z n 1,..., z n p+1 ), tendremos u n = Au n 1. Vemos, por tanto, que para dar una expresión explícita de z n, como función de n, basta dar una expresión explícita de u n, ya que z n es la primera componente de dicho vector. Por inducción en p, podemos probar Proposición. 1.3 El polinomio característico de A es p A (λ) = ( 1) p (λ p a 1 λ p 1 a p ) Definición. 1.4 El polinomio λ p a 1 λ p 1 a p se denomina polinomio característico de la ecuación en diferencias z n = a 1 z n a p z n p. Definición. 1.5 Sea A M p y (u n ) n N una sucesión de vectores de R p definidos por n 1, u n = Au n 1 a partir de cierto vector u 0 R p. Una relación de recurrencia de este tipo se denomina un sistema de ecuaciones en diferencias lineal y homogéneo de orden p. Lema. 1.6 Dada A M p, sea, para cada n 1, u n = Au n 1, con u 0 R p dado. Entonces, n 0, u n = A n u 0. Esto nos permite dar una expresión explícita de u n, como función de n, para cada sistema de ecuaciones en diferencias, lineal y homogéneo, sin mas que calcular la potencias de la matriz de coeficientes A. Sin embargo, caso de ser A diagonalizable podemos encontrar una expresión más útil en la práctica. Teorema. 1.7 Sea A M p diagonalizable y sea u 0 R P. Entonces la solución del sistema de ecuaciones en diferencias u n = Au n 1 con vector incial u 0, es: u n = c 1 λ n 1 x 1 + c λ n x + + c p λ n p x p donde λ 1,..., λ p R son los autovalores de A, x 1,..., x p R p son autovectores l.i. asociados a ellos y (c 1,..., c p ) R p es una solución del S.E.L. siendo P = [x 1... x p M p, regular tal que P c = u 0 P 1 AP = diag(λ 1,..., λ p ). Estabilidad Definición..1 Sea A M p y u n = Au n 1 un sistema de ecuaciones en diferencias. Diremos que la solución {u n }, correspondiente al vector inicial u 0 R P es: 1) Asintóticamente estable, si para cada v 0 R p la solución, {v n }, del sistema correspondiente a v 0, verifica: lim n u n v n = 0.

4 TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 4 ) Estable, si para todo v 0 R p, existe α R tal que la solución, {v n }, correspondiente a v 0, verifica n 0, u n v n α. 3) Inestable, si existe v 0 R p tal que la sucesión { u n v n } no está acotada. Proposición.. La estabilidad de la solución correspondiente a u 0, es equivalente a la estabilidad de la solución nula. Es decir, el tipo de estabilidad de las soluciones de un sistema de ecuaciones en diferencias es siempre el mismo, dependiendo sólo de la matriz de coeficientes y no del vector inicial. Como consecuencia de esto, un sistema de ecuaciones en diferencias u n = Au n 1 es: 1) Asintóticamente estable, si v 0 R p, lim n An v 0 = 0. ) Estable, si v 0 R p, α R, n 0, A n v 0 α. 3) Inestable, si v 0 R p, { A n v 0 } no está acotada. En el caso diagonalizable tenemos: Teorema..3 Sea A M p diagonalizable. Entonces, el sistema de ecuaciones en diferencias u n = Au n 1 es: 1) Asintóticamente estable, si, para todo autovalor, λ, de A, es λ < 1. ) Estable, si λ 1, para todo autovalor λ de A. 3) Inestable, si existe un autovalor λ de A, con λ > 1. 3 Matrices estocásticas: cadenas de Markov En esta sección veremos un caso particular de sistema de ecuaciones en diferencias, que ofrece una interesante interpretación en términos de probabilidad. Definición. 3.1 Diremos que una matriz A M p, A = (a ij ), es estocástica, o de Markov, si: 1) i, j = 1,..., p, a ij 0. ) j = 1,..., p, p a ij = 1. i=1 Una cadena de Markov es un sistema de ecuaciones en diferencias, u n = Au n 1, cuya matriz de transición, A, es una matriz estocástica. Cada vector u n se denomina vector de estados y cada una de sus componentes, estado. En términos de probabilidad el elemento a ij se interpreta como la probabilidad de pasar del estado j, en el paso n 1, al estado i, en el paso n. Proposición. 3. Sea A = (a ij ) M p tal que, para todo i, j = 1,..., p, a ij 0. Entonces, siendo e = (1,..., 1) R p. Como consecuencia: A es estocástica e t A = e t

5 TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 5 1) Si A, B M p son estocásticas, entonces AB es estocástica. ) Si A es estocástica, entonces A n es estocástica, para todo n. 3) Si A es estocástica, entonces 1 es un valor propio de A. El siguiente teorema resulta útil a la hora de localizar los autovalores de una matriz. Teorema. 3.3 (Gerhgorin) Sea A = (a ij ) M n y sea, para cada i = 1,..., n, p i = Consideremos, para i = 1,..., n, los intervalos, n a ij. j=1 j i I i = {x R : x a ii p i } Entonces, si λ R es un autovalor de A, se tiene λ n I i. Nota. 3.4 Se tiene un resultado similar si utilizamos las columnas de A para definir los p i, ya que los autovalores de A y A t son los mismos. Corolario. 3.5 Si A es una matriz estocástica, entonces todo autovalor λ de A verifica λ 1. En particular, toda cadena de Markov, cuya matriz de transición sea diagonalizable, es estable. Definición. 3.6 Un vector estacionario, de una matriz estocástica A, es un autovector de A asociado al autovalor 1. Teorema. 3.7 Sea A M p una matriz estocástica cuyo único autovalor de módulo 1, es λ = 1. Entonces, si A es diagonalizable, para todo u 0 R p, existe lim n A n u 0, y dicho valor es un vector estacionario. Si, además, λ = 1 es un autovalor simple (de multiplicidad algebraica 1) entonces el límite anterior existe y sólo depende de la suma de las componentes del estado inicial, u 0, elegido. i=1

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario) Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES

Más detalles

Valores propios y vectores propios

Valores propios y vectores propios Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas

Más detalles

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración

Más detalles

Valores y vectores propios de una matriz. Juan-Miguel Gracia

Valores y vectores propios de una matriz. Juan-Miguel Gracia Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-

Más detalles

TEMA 4: CALCULO NUMERICO DE AUTOVALORES

TEMA 4: CALCULO NUMERICO DE AUTOVALORES Lino Alvarez - Aurea Martinez METODOS NUMERICOS TEMA 4: CALCULO NUMERICO DE AUTOVALORES 1 INTRODUCCION La determinación de autovalores y autovectores de una matriz cuadrada A de orden n es un problema

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

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

Tema 7: Valores y vectores propios

Tema 7: Valores y vectores propios Tema 7: es y clausura s Espacios y Permutaciones es y clausura Una permutación p = {p 1, p 2,..., p n } de los números {1, 2,..., n} es una nueva ordenación de los elementos {1, 2,..., n}, es decir, un

Más detalles

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de E.T.S. DE INGENIERÍA INFORMÁTICA Apuntes de ÁLGEBRA LINEAL para la titulación de INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN Fco. Javier Cobos Gavala Amparo Osuna Lucena Rafael Robles Arias Beatriz Silva

Más detalles

Sea T R y (Ω, F, P ) un espacio de probabilidad. Un proceso aleatorio es una función

Sea T R y (Ω, F, P ) un espacio de probabilidad. Un proceso aleatorio es una función Capítulo 2 Cadenas de Markov 21 Introducción Sea T R y (Ω, F, P ) un espacio de probabilidad Un proceso aleatorio es una función X : T Ω R tal que para cada t T, X(t, ) es una variable aleatoria Si fijamos

Más detalles

3. Equivalencia y congruencia de matrices.

3. Equivalencia y congruencia de matrices. 3. Equivalencia y congruencia de matrices. 1 Transformaciones elementales. 1.1 Operaciones elementales de fila. Las operaciones elementales de fila son: 1. H ij : Permuta la fila i con la fila j. 2. H

Más detalles

Una Aplicación del Cálculo Matricial a un Problema de Ingeniería

Una Aplicación del Cálculo Matricial a un Problema de Ingeniería Divulgaciones Matemáticas Vol. 9 No. 221, pp. 197 25 Una Aplicación del Cálculo Matricial a un Problema de Ingeniería An Application of Matrix Calculus to an Engineering Problem P. R. Almeida Benítez Dpto.

Más detalles

1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n, cuya inversa existe, se ha definido la siguiente iteración

1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n, cuya inversa existe, se ha definido la siguiente iteración CAPÍTULO 5 EJERCICIOS RESUELTOS: MÉTODOS ITERATIVOS PARA ECUACIONES LINEALES Ejercicios resueltos 1 1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n cuya inversa existe

Más detalles

Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.7 Polinomio interpolador

Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.7 Polinomio interpolador Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.7 Polinomio interpolador Francisco Palacios Escuela Politécnica Superior de Ingeniería Manresa Universidad Politécnica

Más detalles

Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística.

Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Índice General 1 PRACTICAS CON MATHEMATICA 2 1.1 Introducción...

Más detalles

UAM CSIC Grupo 911 Abril 2013. Ejercicios Resueltos de Equaciones Diferenciales Ordinarias. Asignatura de Matemáticas Grado en Química

UAM CSIC Grupo 911 Abril 2013. Ejercicios Resueltos de Equaciones Diferenciales Ordinarias. Asignatura de Matemáticas Grado en Química UAM CSIC Grupo 911 Abril 201 Ejercicios Resueltos de Equaciones Diferenciales Ordinarias Asignatura de Matemáticas Grado en Química Nota: Los ejercicios pueden contener errores, agradecemos que se comuniquen

Más detalles

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior. Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES 1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,

Más detalles

Diagonalización de matrices

Diagonalización de matrices diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla

Más detalles

Conceptos Básicos de Algebra Lineal y Geometría Multidimensional. Alvaro Cofré Duvan Henao

Conceptos Básicos de Algebra Lineal y Geometría Multidimensional. Alvaro Cofré Duvan Henao Conceptos Básicos de Algebra Lineal y Geometría Multidimensional Alvaro Cofré Duvan Henao ii Índice general 1 Sistemas de ecuaciones lineales 1 11 El método de eliminación de Gauss 3 12 Determinantes 8

Más detalles

1. INVERSA DE UNA MATRIZ REGULAR

1. INVERSA DE UNA MATRIZ REGULAR . INVERSA DE UNA MATRIZ REGULAR Calcular la inversa de una matriz regular es un trabajo bastante tedioso. A través de ejemplos se expondrán diferentes técnicas para calcular la matriz inversa de una matriz

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

6.1 Definición de valores y vectores característicos de una matriz cuadrada

6.1 Definición de valores y vectores característicos de una matriz cuadrada 6.Valores y Vectores Característicos 6. Definición de valores y vectores característicos de una matriz cuadrada El cálculo de los valores propios y de los vectores propios de una matriz simétrica tiene

Más detalles

Contenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada.

Contenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada. Métodos Numéricos: Resumen y ejemplos Tema 7: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 9 Versión 7 Contenido

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

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Problemas teóricos Sistemas de ecuaciones lineales con parámetros En los siguientes problemas hay que resolver el sistema de ecuaciones lineales para todo valor del parámetro

Más detalles

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente. ÁLGEBRA DE MATRICES Página 49 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes

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

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las

Más detalles

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

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

Congruencias de Grado Superior

Congruencias de Grado Superior Congruencias de Grado Superior Capítulo 3 3.1 Introdución En el capítulo anterior vimos cómo resolver congruencias del tipo ax b mod m donde a, b y m son enteros m > 1, y (a, b) = 1. En este capítulo discutiremos

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

ÁLGEBRA LINEAL. Apuntes elaborados por. Juan González-Meneses López. Curso 2008/2009. Departamento de Álgebra. Universidad de Sevilla.

ÁLGEBRA LINEAL. Apuntes elaborados por. Juan González-Meneses López. Curso 2008/2009. Departamento de Álgebra. Universidad de Sevilla. ÁLGEBRA LINEAL Apuntes elaborados por Juan González-Meneses López. Curso 2008/2009 Departamento de Álgebra. Universidad de Sevilla. Índice general Tema 1. Matrices. Determinantes. Sistemas de ecuaciones

Más detalles

Vectores y Valores Propios

Vectores y Valores Propios Capítulo 11 Vectores y Valores Propios Las ideas de vector y valor propio constituyen conceptos centrales del álgebra lineal y resultan una valiosa herramienta en la solución de numerosos problemas de

Más detalles

Espacios vectoriales y aplicaciones lineales.

Espacios vectoriales y aplicaciones lineales. Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en

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

MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES

MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES CAPÍTULO 4 EJERCICIOS RESUELTOS: MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES Ejercicios resueltos 1 1. Determine el número de operaciones aritméticas necesarias para calcular

Más detalles

AMPLIACIÓN DE MATEMÁTICAS. REPASO DE MATEMÁTICAS DISCRETA. CONGRUENCIAS. En el conjunto de los números enteros

AMPLIACIÓN DE MATEMÁTICAS. REPASO DE MATEMÁTICAS DISCRETA. CONGRUENCIAS. En el conjunto de los números enteros AMPLIACIÓN DE MATEMÁTICAS REPASO DE MATEMÁTICAS DISCRETA. CONGRUENCIAS. En el conjunto de los números enteros Z = {..., n,..., 2, 1, 0, 1, 2, 3,..., n, n + 1,...} tenemos definidos una suma y un producto

Más detalles

TEMA 2: FUNCIONES CONTINUAS DE VARIAS VARIABLES

TEMA 2: FUNCIONES CONTINUAS DE VARIAS VARIABLES TEMA 2: FUNCIONES CONTINUAS DE VARIAS VARIABLES ÍNDICE 1. Funciones de varias variables 1 2. Continuidad 2 3. Continuidad y composición de funciones 4 4. Continuidad y operaciones algebraicas 4 5. Carácter

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

Cambio de representaciones para variedades lineales.

Cambio de representaciones para variedades lineales. Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia

Más detalles

Diferenciabilidad de funciones de R n en R m

Diferenciabilidad de funciones de R n en R m Diferenciabilidad de funciones de R n en R m Cálculo II (2003) En este capítulo generalizamos la noción de diferenciabilidad para funciones vectoriales de variable vectorial, que también llamamos aplicaciones.

Más detalles

Calculo Actuarial con Cadenas de Markov, una aplicación

Calculo Actuarial con Cadenas de Markov, una aplicación Calculo Actuarial con Cadenas de Marov, una aplicación Xavier Cabezas, Fernando Sandoya 2 Ingeniero en Estadística Informática 2 2 Director de esis, Matemático, Escuela Politécnica Nacional 996, Profesor

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

ECUACIONES Y SISTEMAS EN DIFERENCIAS

ECUACIONES Y SISTEMAS EN DIFERENCIAS Tema 9 ECUACIONES Y SISTEMAS EN DIFERENCIAS 9.1. Introducción En ocasiones, al construir un modelo matemático interesa elegir una variable que tome valores discretos. Así ocurre, por ejemplo, con el tiempo,

Más detalles

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com. Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen

Más detalles

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2

Más detalles

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008

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

PROPIOS. DIAGONALIZACIÓN DE MATRICES CUADRADAS

PROPIOS. DIAGONALIZACIÓN DE MATRICES CUADRADAS Tema 7.- VALORES Y VECTORES PROPIOS. DIAGONALIZACIÓN DE MATRICES CUADRADAS VALORES Y VECTORES PROPIOS MATRICES CUADRADAS DIAGONALIZABLES DIAGONALIZACIÓN N ORTOGONAL DE MATRICES CUADRADAS SIMÉTRICAS 1 Un

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas de Ecuaciones Lineales y Matrices Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre

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

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

1-Comportamiento de una función alrededor de un punto:

1-Comportamiento de una función alrededor de un punto: Matemática II 7 Modulo Límites continuidad En esta sección desarrollaremos el concepto de límite, una de las nociones fundamentales del cálculo. A partir de este concepto se desarrollan también los conceptos

Más detalles

Una invitación al estudio de las cadenas de Markov

Una invitación al estudio de las cadenas de Markov Una invitación al estudio de las cadenas de Markov Víctor RIVERO Centro de Investigación en Matemáticas A. C. Taller de solución de problemas de probabilidad, 21-25 de Enero de 2008. 1/ 1 Introducción

Más detalles

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes. VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar

Más detalles

INSTRUCCIONES GENERALES Y VALORACIÓN

INSTRUCCIONES GENERALES Y VALORACIÓN UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO Curso 2014-2015 MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES Y VALORACIÓN Después

Más detalles

Recurrencias lineales

Recurrencias lineales Recurrencias lineales Juan-Miguel Gracia 10 de febrero de 2008 Recurrencias lineales 68 Las recurrencias lineales son ecuaciones en las que la incógnita es una sucesión numérica (x k ) k=0 que aparece

Más detalles

Límites y Continuidad de funciones

Límites y Continuidad de funciones CAPITULO Límites y Continuidad de funciones Licda. Elsie Hernández Saborío Instituto Tecnológico de Costa Rica Escuela de Matemática Revista digital Matemática, educación e internet (www.cidse.itcr.ac.cr)

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 7 Funciones reales de una variable real Elaborado por la Profesora Doctora

Más detalles

EJERCICIOS RESUELTOS DE LOS TEOREMAS DEL VALOR MEDIO

EJERCICIOS RESUELTOS DE LOS TEOREMAS DEL VALOR MEDIO MATEMÁTICAS EJERCICIOS RESUELTOS DE LOS TEOREMAS DEL VALOR MEDIO Juan Jesús Pascual TEOREMAS DEL VALOR MEDIO. Es aplicable el teorema de Rolle a la función f( x) = x 5x 6 en [ 0, 5 ]? El teorema de Rolle

Más detalles

UNIDAD 4 PROCESOS DE MARKOV

UNIDAD 4 PROCESOS DE MARKOV UNIDAD 4 PROCESOS DE MARKOV Anteriormente se han cubierto modelos estáticos, esto es, modelos cuyos parámetros permanecen sin cambio a través del tiempo. Con excepción de programación dinámica donde se

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un

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

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

Las anteriores fórmulas suelen expresarse matricialmente como

Las anteriores fórmulas suelen expresarse matricialmente como Capítulo III Teoría de las curvas 1. Clasificación de curvas en R 3 En esta sección veremos que, esencialmente, la curvatura y la torsión determinan las curvas de R 3. Para ello necesitaremos las conocidas

Más detalles

Análisis de una variable real I. Tijani Pakhrou

Análisis de una variable real I. Tijani Pakhrou Análisis de una variable real I Tijani Pakhrou Índice general 1. Introducción axiomática de los números 1 1.1. Números naturales............................ 1 1.1.1. Axiomas de Peano........................

Más detalles

b) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula:

b) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula: 1. Dada la función f(x) = : a) Encontrar el dominio, las AH y las AV. b) Intervalos de crecimiento, decrecimiento, máximos y mínimos relativos. c) Primitiva que cumpla que F(0) = 0. a) Para encontrar el

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

Notas del curso de Ecuaciones Diferenciales

Notas del curso de Ecuaciones Diferenciales Notas del curso de Ecuaciones Diferenciales 1 Introducción 2 2 Existencia y unicidad de las soluciones 4 3 Dependencia de las condiciones iniciales 8 4 Ecuaciones diferenciales autónomas 9 4.1 Orbitas

Más detalles

4 Aplicaciones Lineales

4 Aplicaciones Lineales Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1

Más detalles

Tema 6.- Autovalores y autovectores.

Tema 6.- Autovalores y autovectores. Ingeniería Civil. Matemáticas I. -3. Departamento de Matemática Aplicada II. Escuela Superior de Ingenieros. Universidad de Sevilla. Tema 6.- Autovalores autovectores. 6..- Autovalores autovectores. Definición

Más detalles

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES CÁRDENAS ESPINOSA CÉSAR OCTAVIO racsec_05@hotmail.com Boleta: 2009350122 CASTILLO GUTIÉRREZ

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

Ejercicios 2.2 Usando aritmética de cuatro dígitos de precisión, sume la siguiente expresión

Ejercicios 2.2 Usando aritmética de cuatro dígitos de precisión, sume la siguiente expresión CAPÍTULO EJERCICIOS RESUELTOS: ARITMÉTICA DE ORDENADORES Y ANÁLISIS DE ERRORES Ejercicios resueltos Ejercicios.1 Calcula la suma y la resta de los números a = 0.453 10 4, y b = 0.115 10 3, con una aritmética

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,

Más detalles

> Cadenas de Markov. Horacio Rojo y Miguel Miranda. @ 71.07 Investigación Operativa

> Cadenas de Markov. Horacio Rojo y Miguel Miranda. @ 71.07 Investigación Operativa @ 707 Investigación Operativa > Cadenas de Markov Horacio Rojo y Miguel Miranda c 2009 Facultad de Ingeniería, Universidad de Buenos Aires Digitalizado por Virginia Guala $September 2, 2009 Cadenas de

Más detalles

MATRICES SELECTIVIDAD

MATRICES SELECTIVIDAD MATRICES SELECTIVIDAD 1.- Sea K un número natural y sean las matrices a) Calcular A k. b) Hallar la matriz X que verifica que A K X = B C. Solución: 1 K K 0 0 0 ; X 1 1 0 0 1 1 1 K A 0 1 0 1 1 1 A 0 1

Más detalles

Métodos generales de generación de variables aleatorias

Métodos generales de generación de variables aleatorias Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad

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

3 Espacios Vectoriales

3 Espacios Vectoriales Prof. Susana López 31 3 Espacios Vectoriales 3.1 Introducción Un ector fijo en el plano no es más que un segmento orientado en el que hay que distinguir tres características: -dirección: la de la recta

Más detalles

Matemáticas para la economía y la empresa. Departamento de Economía Financiera y Matemática

Matemáticas para la economía y la empresa. Departamento de Economía Financiera y Matemática Matemáticas para la economía y la empresa M. J. Canós Darós, C. Ivorra Castillo, V. Liern Carrión Departamento de Economía Financiera y Matemática Índice General Prólogo vii Álgebra Lineal 1 Algebra matricial

Más detalles

MATEMÁTICAS II. Departamento de Matemáticas I.E.S. A Xunqueira I (Pontevedra)

MATEMÁTICAS II. Departamento de Matemáticas I.E.S. A Xunqueira I (Pontevedra) MATEMÁTICAS II 1 José M. Ramos González Este libro es totalmente gratuito y solo vale la tinta y el papel en que se imprima. Es de libre divulgación y no está sometido a ningún copyright. Tan solo se

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

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

El anillo de polinomios sobre un cuerpo

El anillo de polinomios sobre un cuerpo Capítulo 2 El anillo de polinomios sobre un cuerpo En este capítulo pretendemos hacer un estudio sobre polinomios paralelo al que hicimos en el capítulo anterior sobre los números enteros. Para esto, es

Más detalles

TEMA 6. EIGENVALORES Y EIGENVECTORES

TEMA 6. EIGENVALORES Y EIGENVECTORES TEMA 6. EIGENVALORES Y EIGENVECTORES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST TEMA 6. EIGENVALORES Y EIGENVECTORES

Más detalles

MATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN CLASES # 13 y #14

MATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN CLASES # 13 y #14 MATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN CLASES # 3 y #4 Desigualdades Al inicio del Capítulo 3, estudiamos las relaciones de orden en los número reales y el signi cado de expresiones

Más detalles

RELACIONES DE RECURRENCIA

RELACIONES DE RECURRENCIA Unidad 3 RELACIONES DE RECURRENCIA 60 Capítulo 5 RECURSIÓN Objetivo general Conocer en forma introductoria los conceptos propios de la recurrencia en relación con matemática discreta. Objetivos específicos

Más detalles

Diagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios

Diagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios 61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial

Más detalles

Juegos Cooperativos. Core

Juegos Cooperativos. Core Curso : Juegos Cooperativos Core J. Oviedo Universidad Nacional de San Luis 1. Juegos Cooperativos En estos juegos se permite la comunicación entre los jugadores, también pueden firmar contratos de cooperación.

Más detalles

MATEMÁTICAS aplicadas a las Ciencias Sociales II

MATEMÁTICAS aplicadas a las Ciencias Sociales II MATEMÁTICAS aplicadas a las Ciencias Sociales II UNIDAD 1: SISTEMAS DE ECUACIONES. MÉODO DE GAUSS Sistemas de ecuaciones lineales Sistemas equivalentes. Transformaciones que mantienen la equivalencia.

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

Vectores en el plano con punto inicial fijo

Vectores en el plano con punto inicial fijo Vectores en el plano con punto inicial fijo bjetivos. Considerar el conjunto V 2 () de los vectores en el plano euclidiano (también llamados segmentos dirigidos o flechas) con un punto inicial fijo. Definir

Más detalles

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad

Más detalles

Formas bilineales y cuadráticas.

Formas bilineales y cuadráticas. Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos

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

Teóricas de Análisis Matemático (28) - Práctica 4 - Límite de funciones. 1. Límites en el infinito - Asíntotas horizontales

Teóricas de Análisis Matemático (28) - Práctica 4 - Límite de funciones. 1. Límites en el infinito - Asíntotas horizontales Práctica 4 - Parte Límite de funciones En lo que sigue, veremos cómo la noción de límite introducida para sucesiones se etiende al caso de funciones reales. Esto nos permitirá estudiar el comportamiento

Más detalles