Transformaciones Lineales

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

Download "Transformaciones Lineales"

Transcripción

1 Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto, e Algebra se puede usar para represetar ecuacioes, e Aálisis sirve para aproximar localmete fucioes, por ejemplo. Sea, W espacios vectoriales sobre u mismo cuerpo K Ua fució trasforma vectores de e vectores de Impodremos codicioes para que T preserve las operacioes de suma de vectores y multiplicació por escalar, esto es, que sea equivalete sumar y multiplicar por escalar las preimágees e como las imágees e W.. T de e W W. 2 1

2 Trasformacioes Lieales u v u+v au T W T(u) T(v) T(u) + T(v) T(u+v) T(au) at(u) 3 Trasformacioes Lieales Defiició: Sea, W dos espacios vectoriales sobre u cuerpo K es ua trasformació lieal de e si: T : W W 1) u, v, T ( u+ v) = T ( u) + T ( v) 2) a K, v, T ( av) = at( v) Observacioes: 1) Es usual deotar co los mismos símbolos + y (símbolo que se omite) la suma y el producto por escalar defiidos sobre los espacios vectoriales y W como se hizo e la defiició, que puede ser diferetes. 2) T tambié se llama aplicació lieal. 4 2

3 Trasformacioes Lieales 3) T es trasformació lieal a, b K, u, v, T( au + bv) = at( u) + bt( v) 4) Trasformacioes lieales preserva combiacioes lieales. Esto es: Sea T : W trasformació lieal. Etoces, para i i = T ( a1v1+ a2v av ) = a1t ( v1 ) + a2t ( v2 ) at ( v ) Se cumple que: Si, W so espacios vectoriales sobre u cuerpo K y T : W ua trasformació lieal. Etoces: 1) T ( 0 ) = 0 a K, v, i 1,2,..., W ( ) ( ) 2) T v = T v, v ( ) ( ) ( ) 3) T v w = T v T w,, v w 5 Trasformacioes Lieales Alguas trasformacioes lieales: 1) 2) ( ) T : W, T v = 0, v W ( ) co fijo T :, T v = cv, v, c K, c. Trasformació lieal Nula. E particular, si c =1: :, ( ), I I v = v v Trasformació lieal Idetidad. 3) Sea A M m ( R) Etoces : m T R R, T ( v) = Av es trasformació lieal. Trasformació determiada por la matriz A (El producto matricial Av coloca como vectores columas). está defiido si los vectores se 6 3

4 Trasformacioes Lieales No so trasformacioes lieales: 1) 2) La fució determiate ( ) det : M K K ( A+ B) A+ B ( ) det det det, ya que: det ka = k det A k det A, para > 1 Si es u espacio vectorial sobre K y v0 v0 la fució traslació por el vector defiida por T ( v) = v+ v0 v ya que T ( ) v0 v 0 0 = 0, 0, 7 Trasformacioes Lieales KERNEL E IMAGEN DE UNA TRANSFORMACION LINEAL Defiició: Sea, W espacios vectoriales sobre u cuerpo K, co T : W ua trasformació lieal 1) El kerel de T deotado KerT es el cojuto { v / T( v) = } KerT = 0 (Tambié se le llama úcleo y se aota Nu T ) 2) La image de deotada Im T, es el cojuto: { ( ) para algu } Im T = w W/ w= T v, v W 8 4

5 Trasformacioes Lieales Ker T T 0 W ImT 0 9 Trasformacioes Lieales Se cumple: 1) 2) es u subespacio vectorial de La ulidad de, es la dimesió del kerel de T. Se aota: KerT. T ( T ) Im T es u subespacio vectorial de W. El rago de T es la dimesió de la image de. Se aota: T r ( T ) 3) Sea W espacios vectoriales sobre u cuerpo co, K dim <. Sea T : W ua trasformació lieal. Etoces: dim( KerT ) + dim( ImT ) = dim 10 5

6 Trasformacioes Lieales TRANSFORMACIONES LINEALES INYECTIAS, SOBREYECTIAS Y BIYECTIAS. Sea y Etoces: espacios vectoriales sobre u cuerpo T : W ua trasformació lieal., W K, 1) T es iyectiva KerT = { } 2) T es sobreyectiva ImT = W 3) T es biyectiva KerT= { 0 }, ImT= W 0 11 Trasformacioes Lieales Sea, W espacios vectoriales sobre u cuerpo K, co dim =, dimw= m Sea T : W ua trasformació lieal. Etoces: 1) T es iyectiva r ( T ) 2) T es sobreyectiva r ( T ) Sea, W espacios vectoriales sobre u cuerpo K, y T : W ua trasformació lieal. Etoces: v 1, v2,..., v geera a { T ( v1 ), T ( v2 ),..., T ( v )} geera a Im T. { } O sea: { } = = m { } Si v 1, v2,..., v es ua base de, etoces Im T= T ( v1 ), T ( v2 ),..., T ( v ) 12 6

7 Trasformacioes Lieales Sea Sea espacios vectoriales sobre u cuerpo K, W. { v v,..., } 1, 2 v ua base de u cojuto de vectores arbitrarios y { w w w } W 1, 2,..., Etoces existe ua úica trasformació lieal T : W tal que T ( v ) = w, i= 1,2 i i,..., O sea: ua trasformació lieal queda completamete determiada por sus imágees e ua base del domiio. 13 Trasformacioes Lieales La composició de trasformacioes lieales es trasformació lieal. Esto es: Si T : U, S : W so dos trasformacioes lieales etoces S T : U W es trasformació lieal. Sea T : W ua trasformació lieal, co, W espacios vectoriales sobre K 1) T es ivertible existe T : W /, Si T es ivertible se dice que es u isomorfismo T T= I T T = I 1 1 W 2) T : 1 ( ) 1 W 3) T = T trasformació lieal ivertible T W es trasformació lieal. 1 : 14 7

8 Trasformacioes Lieales Si T : W es u isomorfismo, se dice que los dos espacios vectoriales y W so isomorfos o que es isomorfo a W y se aota Si dos espacios vectoriales so isomorfos o sigifica que sea iguales, pero toda propiedad relacioada co la estructura de espacio vectorial que posea uo de ellos se trasfiere al otro a través del isomorfismo. Se cumple que: W. Dos espacios vectoriales fiito dimesioales so isomorfos si y solo si tiee la misma dimesió. Esto es,, W espacios vectoriales de dimesió fiita: W dim = dimw 15 Trasformacioes Lieales ALORES PROPIOS Y ECTORES PROPIOS INTRODUCCIÓN Los coceptos de valores propios y de vectores propios de trasformacioes lieales o de matrices que estudiaremos so de importacia e: aplicacioes de matemáticas, como : diagoalizació de matrices rotació de ejes coordeados solucioes de sistemas de ecuacioes difereciales lieales 16 8

9 Trasformacioes Lieales otras disciplias, como: ecoomía biología física mecáica E esta parte, las matrices será cuadradas y las fucioes será operadores lieales, esto es, trasformacioes lieales de u espacio vectorial e si mismo 17 Trasformacioes Lieales Defiició: 1) Sea A M ( K), K = R o C λ R o C se llama valor propio de A, si: v R o C, v 0, tal que Av=λv. Cada vector v, v 0, que satisface Av=λv, se llama vector propio de A, asociado al valor propio λ. 2) Sea espacio vectorial sobre u cuerpo K y T : ua trasformació lieal. λ K se llama valor propio de T, si: v, v 0, tal que T ( v) =λv. Cada vector v, v 0 que satisface T ( v) =λv, se llama vector propio de T, asociado al valor propio λ. 18 9

10 Trasformacioes Lieales Los valores propios tambié se deomia valores característicos, autovalores o eigevalores Los vectores propios tambié se deomia vectores característicos, autovectores o eigevectores. Siλ es valor propio de ua matriz A, el cojuto W { λ = v K / Av = λv} es subespacio vectorial de K llamado espacio propio de A asociado al valor propio λ. (Observar que 0 W λ, pero 0 o es vector propio de A) Siλ es valor propio de ua trasformació lieal T, el cojuto Wλ = { v / T( v) = λv} es subespacio vectorial de llamado espacio propio de T asociado al valor propio λ. (Observar que 0 W λ, pero 0 o es vector propio de T) 19 Trasformacioes Lieales Sea A M ( K ). Etoces: λ es valor propio de A Av= λv, co v 0 Av= ( λi ) v, co v 0 ( I idetidad de orde ) ( A λi ) v 0, = v 0 K ( λ ) det A I = 0 a λ a a a a λ a a a a 1 2 λ K K K = 0, co A= ( a ij ) Los valores λ que satisface esta ecuació, so los valores propios de A

11 Trasformacioes Lieales Sea T : trasformació lieal. Etoces: λ K es valor propio de T v, v 0, T ( v) =λv v, v 0, T I v = 0 ( λ )( ) I idetidad e v Ker ( T λi ), v 0 ( λ ) { 0 } Ker T I Así, los vectores propios de T asociados al valor propio λ, so los vectores o ulos del kerel de la trasformació lieal T -λi. 21 Trasformacioes Lieales Defiició: Sea A M ( K ) POLINOMIO CARACTERISTICO. ECUACION CARACTERISTICA DE UNA MATRIZ La matriz característica de A es la matriz A λi. El poliomio característico A de es el poliomio pa ( λ) = det ( A λi ) La ecuació característica de A es la ecuació p ( λ) ( A λi ) A = det =

12 Trasformacioes Lieales Sea A ( a ) M ( K ) de A. Etoces: = y p ( λ ) = det ( A λi ) el poliomio característico ij 1) p ( λ ) = det ( A λi ) es u poliomio de grado. A 2 1 ( )... p λ = c+ cλ+ cλ + + c λ + cλ A A 2) Los valores propios de la matriz A so las raíces de la ecuació característica de A, esto es: λ K es u valor propio de A si y sólo si p ( λ) = det ( A λi ) = 0 A 23 Trasformacioes Lieales 3) Para determiar los valores propios de A, debemos ecotrar las raíces de su ecuació característica p ( λ ) = 0, ecuació de grado que tiee raíces reales y/o complejas, de maera que A valores propios. A tiee a lo más Dada A M ( C), etoces A tiee exactamete valores propios, o ecesariamete distitos etre sí. Ua matriz real, esto es, todos sus elemetos so reales, es tal que su ecuació característica podría o teer raíces reales sio complejas

13 Trasformacioes Lieales 4) Sea λ 1, λ 2,..., λ todos los valores propios de la matriz A. Etoces: La suma de los valores propios de la matriz A es igual a su traza: λ1+ λ λ = tra, co tra= a11+ a a El producto de los valores propios de la matriz A es igual al determiate de A : λ1 λ2... λ = det A 5) A es matriz o ivertible (sigular) λ= 0 es valor propio de A Basta cosiderar: λ= 0 es valor propio de A det A = 0 A es o ivertible o sigular 25 Trasformacioes Lieales 6) Alguos autores defie el poliomio característico de A e la forma: A ( λ) = det ( λ ) p I A Ambas defiicioes difiere a lo más e el sigo, pues ( A λi ) = ( ) ( λi A) det 1 det La ecuació característica queda igual

14 Trasformacioes Lieales POLINOMIO CARACTERISTICO. ECUACION CARACTERISTICA DE UNA TRANSFORMACIÓN LINEAL Sea espacio vectorial de dimesió y T : ua trasformació lieal. Sea A= [ T], A' = [ T] B B ' las matrices asociadas a T respecto de dos bases ordeadas distitas B, B ' de. Etoces: det ( A λi ) = det ( A' λi ) ( ) Así, el poliomio det ( A λi ) = det [ T] λi B depede sólo del operador lieal T y o depede de la base ordeada B. El hecho de que u cambio de base o afecta a este poliomio os permite defiir el poliomio característico de ua trasformació lieal. 27 Trasformacioes Lieales Sea u espacio vectorial de dimesió, B ua base ordeada de y T : ua trasformació lieal. Se llama poliomio característico del operador lieal T, Se tiee que: grado T ( ) λ K es valor propio de T T ( λ) det [ ] ( λ ) p = T I p λ = = dim λ B es cero del poliomio característico de T. al poliomio: Los valores propios de la trasformació lieal T depede de T y o depede de la base escogida para represetarla

15 Trasformacioes Lieales Sea: espacio vectorial sobre u cuerpo T : A trasformació lieal y = [ T], la matriz represetativa de T B K, dim =, relativa a algua base B de. Etoces: λ K, λ es valor propio de T λ es valor propio de A. Se cumple que. 1) Si A es matriz cuadrada, etoces pa ( A) = O 2 2 dode pa ( A) = a0i+ a1 A+ a2 A a A si A ( ) 2) Si T : p x = a + a x+ a x + + a x es trasformació lieal, etoces p ( T ) = 0 2 dode pt ( T ) = a0i+ a1t+ a2 T at si T ( ) T p x = a + a x+ a x + + a x 29 Trasformacioes Lieales MATRICES SIMILARES Defiició: Sea A, B matrices de orde. B se dice similar ( o semejate ) a A si existe matriz P de orde, 1 ivertible, tal que: B= P AP 1) La similaridad es ua relació de equivalecia, e el cojuto M ( K ), esto es: A es similar a A. Si B es similar a A, etoces A es similar a B. Si A es similar a B y B es similar a C, etoces A es similar a C ( Por el segudo puto, podemos decir que A y B so similares )

16 Trasformacioes Lieales 1 2) Como: B= P AP PB AP, = 1)etoces: A y B so semejates existe P matriz ivertible de orde tal que: PB= AP. La vetaja de esta equivalecia es que sólo se requiere coocer que P es ivertible y o calcularla. 3) Sea A, B matrices de orde, 1)similares etoces: A y B tiee el mismo poliomio característico y los mismos valores propios. 4) Sea u espacio vectorial sobre u cuerpo K, de dimesió fiita, y sea A, A' dos matrices sobre K. Etoces: A, A' so similares si y solo si A, A' represeta a la misma trasformació lieal T : relativo a bases diferetes de. 31 Trasformacioes Lieales DIAGONALIZACION Para A matriz cuadrada, os iteresa saber si existe ua matriz similar a A, que sea diagoal. Si T : es ua trasformació lieal, co espacio vectorial, os iteresa saber si existe ua base de de modo que la matriz asociada a T e esa base sea matriz diagoal. Mostraremos que esto o siempre es posible y determiaremos codicioes para que lo sea

17 Trasformacioes Lieales Pero, por qué iteresa que estas matrices sea diagoales? Recordemos que ua matriz diagoal D= ( d ij ) de orde es tal que todos los elemetos de D fuera de la diagoal pricipal so ceros: d d22 0 D = 0 0 d Se puede aotar: D= diag ( d d d ) Cumple co lo siguiete:,,..., ) Si D ' = diag ( d ' 11, d ' 22,..., d ' ) es otra matriz diagoal etoces DD ' tambié es matriz diagoal de orde, y el producto es: DD ' = diag ( d d ', d d ',..., d d ' ) Trasformacioes Lieales 2) det D= d11d22... d k k k k = dode D = diag ( d11, d22,..., d ) det..., k k k k D d11d 22 d 3) D es ivertible si y solo si dii 0, para todo i = 1,2,..., Más aú, e este caso: ( ) 1 D = diag d11 d22 d 1/,1/,...,1/ 4) Los valores propios de la matriz diagoal D so los elemetos de la diagoal pricipal

18 Trasformacioes Lieales MATRIZ DIAGONALIZABLE Defiició: Sea A matriz de orde. Se dice que A diagoalizable si es similar a ua matriz diagoal. 1) Diagoalizar ua matriz A cosiste e ecotrar ua matriz diagoal similar a la matriz A. E tal caso, tambié se dice que A se puede diagoalizar. 2) Si A es diagoalizable, etoces existe D matriz diagoal de orde tal que A y D so similares. 1 Esto es: existe matriz P de orde ivertible tal que Se dice que P diagoaliza a la matriz A. P AP= D 35 Trasformacioes Lieales 3) Si A es diagoalizable, etoces A es similar a ua matriz diagoal cuyos elemetos e la diagoal pricipal, so los valores propios de A. Esto es cosecuecia de que si A y D so similares, etoces tiee los mismos valores propios, y si D es matriz diagoal, etoces sus valores propios so sus elemetos e la diagoal pricipal. 4) La mayoría de las matrices o so matrices diagoales, pero muchas de ellas se puede diagoalizar. No toda matriz es diagoalizable, esto es, puede o existir ua matriz 1 P tal que P AP sea matriz diagoal

19 Trasformacioes Lieales La siguiete es ua codició ecesaria y suficiete para que ua matriz sea diagoalizable. Sea A M ( K ) A es diagoalizable A tiee vectores propios liealmete idepedietes. E este caso: 1 A es similar a ua matriz diagoal D, D= P AP dode D tiee e la diagoal pricipal los valores propios de A, y P es ua matriz cuyas columas so respectivamete vectores propios L. I. de A. Esto es, la columa j de P es u vector propio de A, asociado al valor propio λ j, j= 1,2,..., 37 Trasformacioes Lieales ectores propios asociados a valores propios distitos, so L.I. Si A tiee valores propios distitos, etoces A es diagoalizable. El recíproco de lo aterior o es cierto. Ua matriz puede ser diagoalizable y teer valores propios repetidos

20 Trasformacioes Lieales TRANFORMACIÓN LINEAL DIAGONALIZABLE Sea: u espacio vectorial de dimesió fiita T : ua trasformació lieal. Sabemos que: T se puede represetar mediate muchas matrices diferetes de orde, ua por cada base ordeada e. E particular, si A1 y A2 so las represetacioes matriciales de T respecto a bases B1 y B2 de, respectivamete, etoces sabemos 1 que A2= P A1 P co P matriz ivertible, esto es, A1 y A2 so similares, y por tato, tiee los mismos valores propios. Usamos esto para la defiició siguiete. 39 Trasformacioes Lieales Defiició: Sea T : ua trasformació lieal, co espacio vectorial de dimesió. T se dice diagoalizable si existe algua base B de, de modo que la represetació matricial de T es ua matriz diagoal. Se dice que la base B diagoaliza al operador T. Sea T : e dicha base, ua trasformació lieal tal que dim= Etoces: T es diagoalizable si y solo si existe ua base B de de vectores propios de T. Además, si D es la matriz diagoal, etoces los elemetos de la diagoal pricipal de D so los valores propios de T

GUÍA DE ESTUDIO ÁLGEBRA LINEAL

GUÍA DE ESTUDIO ÁLGEBRA LINEAL GUÍ DE ESUDIO ÁLGER LINEL ema 3. rasformacioes Lieales. QUÉ ES UN RNSFORMCIÓN? E térmios geerales, ua trasformació es ua fució que permite trasformar u vector que perteece a u espacio vectorial (domiio)

Más detalles

A = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta.

A = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta. . POTENCIAS DE MATRICES CUADRADAS E este capítulo vamos a tratar de expoer distitas técicas para hallar las potecias aturales de matrices cuadradas. Esta cuestió es de gra importacia y tiee muchas aplicacioes

Más detalles

Asignatura: Geometría I Grado en Matemáticas. Universidad de Granada Tema 2. Espacios vectoriales

Asignatura: Geometría I Grado en Matemáticas. Universidad de Granada Tema 2. Espacios vectoriales Asigatura: Geometría I Grado e Matemáticas. Uiversidad de Graada Tema 2. Espacios vectoriales Prof. Rafael López Camio Uiversidad de Graada 14 de diciembre de 2012 Ídice 1. Espacio vectorial 2 2. Subespacio

Más detalles

ELEMENTOS DE ÁLGEBRA MATRICIAL

ELEMENTOS DE ÁLGEBRA MATRICIAL ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:

Más detalles

APLICACIONES LINEALES.

APLICACIONES LINEALES. APLICACIONES LINEALES. INTODUCCIÓN: APLICACIONES ENTE CONJUNTOS. Ua aplicació etre dos cojutos A y B es ua regla que permite asigar a cada elemeto de A, uo de B. La aplicació del cojuto A e el cojuto B

Más detalles

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es,

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es, VALORES Y VECORES PROPIOS Y LA REDUCCION DE CÓNICAS A) EL PROBLEMA PROPIO oda matriz cuadrada A de orde co elemetos (reales o complejos) es u operador lieal que actúa sobre el espacio vectorial E, dimesioal,

Más detalles

en. Intentemos definir algunas operaciones en

en. Intentemos definir algunas operaciones en OPERACIONES EN 8 E la secció aterior utilizamos fucioes de el primer couto y estudiar sus propiedades e Itetemos defiir alguas operacioes e Recordemos de cursos ateriores que tomamos al couto de los compleos

Más detalles

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con:

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con: TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA.- Itroducció E los problemas de Programació Lieal os ecotraremos co: - Fució Objetivo: es la meta que se quiere alcazar, y que será la fució a

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso

Más detalles

OPERACIONES ALGEBRAICAS FUNDAMENTALES

OPERACIONES ALGEBRAICAS FUNDAMENTALES MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6

Más detalles

Espacio vectorial ESPACIO VECTORIAL. 8.- Intersección y suma de subespacios vectoriales

Espacio vectorial ESPACIO VECTORIAL. 8.- Intersección y suma de subespacios vectoriales ESPACIO VECTORIAL.- Itroducció.- Espacio Vectorial.- Subespacios vectoriales 4.- Geeració de Subespacios vectoriales 5.- Depedecia e idepedecia lieal 6.- Espacios vectoriales de tipo fiito 7.- Cambio de

Más detalles

TEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n.

TEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n. Fucioes de varias variables (I TEMA - FUNCIONES DE VARIAS VARIABLES (I: LÍMITES Y CONTINUIDAD. Coceptos topológicos previos e el espacio euclídeo R. Sea R el espacio euclídeo de dimesioes. U puto a de

Más detalles

AMPLIACIÓN DE FUNDAMENTOS DE MATEMÁTICA APLICADA

AMPLIACIÓN DE FUNDAMENTOS DE MATEMÁTICA APLICADA AMPLIACIÓN DE FUNDAMENTOS DE MATEMÁTICA APLICADA FERNANDO LUIS GARCÍA ALONSO ANTONIO PÉREZ CARRIÓ JOSÉ ANTONIO REYES PERALES Profesores Titulares de la Escuela Politécica Superior de la Uiversidad de Alicate

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

Matemáticas I. Tema 2 E.I.I. Aplicaciones Lineales y Matrices. Curso 2012-2013

Matemáticas I. Tema 2 E.I.I. Aplicaciones Lineales y Matrices. Curso 2012-2013 Matemáticas I E.I.I Tema 2 Aplicacioes Lieales y Matrices Curso 202-203 Itroducció 2 Como requisitos previos para maejar todos lo que e este tema se itroduce se tiee que recordar de cursos ateriores los

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con Curso -3 OBJETIVOS Objetivos Geerales Itroducir el cálculo de fucioes de ua variable como fudameto del aálisis ecoómico margial y los problemas de optimizació. Matemáticas Empresariales Doble Grado e ADE

Más detalles

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Por: Lic. Eleazar J. García. República Bolivariaa de Veezuela Tiaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Usted está familiarizado co alguas operacioes iversas. La adició y la sustracció so operacioes

Más detalles

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida CADENAS DE MARKOV Itroducció U proceso o sucesió de evetos que se desarrolla e el tiempo e el cual el resultado e cualquier etapa cotiee algú elemeto que depede del azar se deomia proceso aleatorio o proceso

Más detalles

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O PRIMERA SESIÓN Problema N l. l. Se cosidera la sucesió de úmeros reales defiida por la relació de recurreca: U +l = a U + ~ U -, co > O Siedo: a y ~ úmeros fijos. Se supoe tambié coocidos los dos primeros

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A IES Fco Ayala de Graada Juio de 014 (Colisioes Modelo 3) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO 3 (COLISIONES) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0 Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

1.1. Campos Vectoriales.

1.1. Campos Vectoriales. 1.1. Campos Vectoriales. Las fucioes, ampliamete empleadas e la igeiería, para modelar matemáticamete y caracterizar magitudes físicas, y cuyo domiio podría ser multidimesioal, puede teer u rago uidimesioal

Más detalles

INTRODUCCIÓN A LAS ECUACIONES EN DIFERENCIAS

INTRODUCCIÓN A LAS ECUACIONES EN DIFERENCIAS INTRODUCCIÓN A LAS ECUACIONES EN DIFERENCIAS GENNY ALEXANDRA NAVARRETE MOLANO Trabajo de grado para optar por el titulo de Matemático DIRECTOR: JOSÉ JOAQUÍN VALDERRAMA Matemático Uiversidad Nacioal de

Más detalles

Progresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general

Progresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general 5 Progresioes Objetivos E esta quicea aprederás a: Recoocer ua sucesió de úmeros. Recoocer y distiguir las progresioes aritméticas y geométricas. Calcular él térmio geeral de ua progresió aritmética y

Más detalles

APUNTES DE MATEMÁTICAS

APUNTES DE MATEMÁTICAS APUNTES DE MATEMÁTICAS 4º ESO º Trimestre Autor: Vicete Adsuara Ucedo INDICE Tema : Vectores e el Plao.. Ejercicios Tema 9 Tema : Depedecia Lieal...7 Ejercicios Tema. 0 Tema 3: El Plao Afí...... Ejercicios

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

Gradiente, divergencia y rotacional

Gradiente, divergencia y rotacional Lecció 2 Gradiete, divergecia y rotacioal 2.1. Gradiete de u campo escalar Campos escalares. U campo escalar e R es ua fució f : Ω R, dode Ω es u subcojuto de R. Usualmete Ω será u cojuto abierto. Para

Más detalles

CONCEPTOS BÁSICOS DE PRESTAMOS.

CONCEPTOS BÁSICOS DE PRESTAMOS. GESTIÓN FINANCIERA. TEMA 8º. PRESTAMOS. 1.- Coceptos básicos de préstamos. CONCEPTOS BÁSICOS DE PRESTAMOS. Coceptos básicos de prestamos. Préstamo. U préstamo es la operació fiaciera que cosiste e la etrega,

Más detalles

MARTINGALAS Rosario Romera Febrero 2009

MARTINGALAS Rosario Romera Febrero 2009 1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre

Más detalles

LA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción

LA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción CAPÍTULO SEIS LA TRANSFORMADA Z 6. Itroducció E el Capítulo 5 se itrodujo la trasformada de Laplace. E este capítulo presetamos la trasformada Z, que es la cotraparte e tiempo discreto de la trasformada

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

Práctica 6: Vectores y Matrices (I)

Práctica 6: Vectores y Matrices (I) Foamets d Iformàtica 1r curs d Egiyeria Idustrial Práctica 6: Vectores y Matrices (I) Objetivos de la práctica El objetivo de las prácticas 6 y 7 es itroducir las estructuras de datos vector y matriz e

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

Teorías de falla bajo cargas estáticas

Teorías de falla bajo cargas estáticas Teorías de falla bajo cargas estáticas Carlos Armado De Castro P. Coteido: - Itroducció - Falla de materiales dúctiles - Falla de materiales frágiles. Itroducció La falla es la pérdida de fució de u elemeto

Más detalles

denomina longitud de paso, que en un principio se considera que es constante,

denomina longitud de paso, que en un principio se considera que es constante, 883 Aálisis matemático para Igeiería. M. MOLERO; A. SALVADOR; T. MENARGUEZ; L. GARMENDIA CAPÍTULO 3 Métodos uméricos de u paso El objetivo de este capítulo es itroducir los métodos uméricos de resolució

Más detalles

Planificación contra stock

Planificación contra stock Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica

Más detalles

Álgebra para ingenieros de la Universidad Alfonso X

Álgebra para ingenieros de la Universidad Alfonso X Crrer: UAX Asigtur: temátics Fech: Pági de 9 Álger pr igeieros de l Uiversidd Alfoso X -trices y sistems de ecucioes lieles Opercioes co mtrices: A= m m B= m p p q q pq Sum: - s mtrices sumr tiee que teer

Más detalles

NÚMEROS COMPLEJOS: UNA PRESENTACIÓN GRÁFICA

NÚMEROS COMPLEJOS: UNA PRESENTACIÓN GRÁFICA NÚMEROS COMPLEJOS: UNA PRESENTACIÓN GRÁFICA José Luis Soto Muguía Departameto de Matemáticas Uiversidad de Soora. INTRODUCCIÓN. Desde los primeros años de la escuela, el estudiate se efreta e matemáticas

Más detalles

MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO

MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA MECANICA MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO FERNANDO ESPINOSA FUENTES Necesidad del reemplazo. Si se matiee u riesgo durate u tiempo

Más detalles

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p. Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL

Más detalles

SUCESIONES Y SERIES página 205 SUCESIONES Y SERIES. 12.1 Una sucesión es un conjunto de números ordenados bajo cierta regla específica.

SUCESIONES Y SERIES página 205 SUCESIONES Y SERIES. 12.1 Una sucesión es un conjunto de números ordenados bajo cierta regla específica. págia 05. Ua sucesió es u cojuto de úmeros ordeados bajo cierta regla específica. E muchos problemas cotidiaos se preseta sucesioes, como por ejemplo los días del mes, ya que se trata del cojuto {,,, 4,

Más detalles

Funciones, límites y continuidad.

Funciones, límites y continuidad. Fucioes, límites y cotiuidad. Guillermo Sáchez () Departameto de Ecoomia e Hª Ecoómica. Uiversidad de Salamaca. Actualizado : -- Sobre el estilo utilizado Mathematica las salidas (Ouput) por defecto las

Más detalles

TEMA 28: Estudio global de funciones. Aplicaciones a la representación gráfica de funciones.

TEMA 28: Estudio global de funciones. Aplicaciones a la representación gráfica de funciones. MATEMÁTICAS Represetació Gráica de Fucioes 1 TEMA 28: Estudio global de ucioes Aplicacioes a la represetació gráica de ucioes Esquema: Autor: Atoio Pizarro Sácez 1 Itroducció 2 Domiio de deiició y recorrido

Más detalles

[ ] La ecuación (2) se conoce como la forma autoadjunta de la ecuación (1) EJEMPLO 1.- La forma autoadjunta de la ecuación de Legendre.

[ ] La ecuación (2) se conoce como la forma autoadjunta de la ecuación (1) EJEMPLO 1.- La forma autoadjunta de la ecuación de Legendre. CAPITULO III ORTOGONALIDAD Y SISTEMAS DE STURM LIOUVILLE [ ] Ua trasformació lieal LC : ab, C[a,b] es u operador diferecial lieal de orde (e el itervalo [a,b]) si puede epresarse e la forma : L = a ()D

Más detalles

CUADERNO VII FORMAS CANONICAS DE LOS ENDOMORFISMOS

CUADERNO VII FORMAS CANONICAS DE LOS ENDOMORFISMOS 1 CUADERNO VII FORMAS CANONICAS DE LOS ENDOMORFISMOS Miguel A. Saiz, Joa Serarols, Aa M. Pérez Dep. de Iformática y Matemática Aplicada Uiversidad de Giroa RESUMEN: La matriz asociada a u edomorfismo f

Más detalles

Programación Entera (PE)

Programación Entera (PE) Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome

Más detalles

SOBRE PERTURBACIONES DE POLINOMIOS ORTOGONALES CLÁSICOS

SOBRE PERTURBACIONES DE POLINOMIOS ORTOGONALES CLÁSICOS UNIVERSIDAD CARLOS III DE MADRID DEPARTAMENTO DE MATEMÁTICAS TESIS DOCTORAL SOBRE PERTURBACIONES DE POLINOMIOS ORTOGONALES CLÁSICOS AUTOR: Herbert Aloso Dueñas Ruiz DIRECTOR: Fracisco Marcellá Español

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

Capitulo 2. Filtros. 2.1 Antecedentes

Capitulo 2. Filtros. 2.1 Antecedentes Capitulo. Filtros.. Atecedetes U filtro es u elemeto que tiee como fució separar compoetes que se ecuetra mezclados, ser capaz de rechazar los ideseables y así daros como resultado úicamete los deseados.

Más detalles

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito

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

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió

Más detalles

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2 Cojutos coveos Ejeplos de cojutos coveos e R CONVEXIDAD Cojutos coveos Coveidad de fucioes DEFINICION: U cojuto A es coveo cuado, y A y λ [0,] se cuple λ + ( λ) y A R λ + ( λ) y λ = / y λ = 0 Cojuto coveo:

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 2)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 2) IES Fco Ayala de Graada Sobrates de 0 (Modelo ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 0 (MODELO ) OPCIÓN A EJERCICIO _A ( 5 putos) Halle la matriz X que verifique la ecuació

Más detalles

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS AEXO I COCEPTOS SÍSMICOS BÁSICOS E este aeo se compila alguos de los coceptos sísmicos básicos pero ecesarios. Se itroduce los tipos de movimietos vibratorios, así como su descripció y otació matemática.

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

Matemáticas I - 1 o BACHILLERATO Binomio de Newton

Matemáticas I - 1 o BACHILLERATO Binomio de Newton Matemáticas I - o Bachillerato Matemáticas I - o BACHILLERATO El biomio de Newto es ua fórmula que se utiliza para hacer el desarrollo de la potecia de u biomio elevado a ua potecia cualquiera de expoete

Más detalles

Tema 6. Sucesiones y Series. Teorema de Taylor

Tema 6. Sucesiones y Series. Teorema de Taylor Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació

Más detalles

(PROBABILIDAD) (tema 15 del libro)

(PROBABILIDAD) (tema 15 del libro) (PROBABILIDAD) (tema 15 del libro) 1. EXPERIMENTOS ALEATORIOS. ESPACIO MUESTRAL. SUCESOS Defiició: U feómeo o experiecia se dice aleatorio cuado al repetirlo e codicioes aálogas o se puede predecir el

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los

Más detalles

Existencia. donde R(a) = {b B / (a, b) R} y R 1 denota la relación inversa de R. ({a} R(a)) y esta unión es disjunta entonces se tiene

Existencia. donde R(a) = {b B / (a, b) R} y R 1 denota la relación inversa de R. ({a} R(a)) y esta unión es disjunta entonces se tiene Existecia. El pricipio de los casilleros. Si queremos colocar 3 bolillas e cajas, es evidete que e algua caja deberemos colocar al meos dos bolillas. Lo mismo ocurre si e lugar de 3 bolillas tuviésemos

Más detalles

Modulo IV. Inversiones y Criterios de Decisión. Inversión en la empresa. Análisis de Inversiones

Modulo IV. Inversiones y Criterios de Decisión. Inversión en la empresa. Análisis de Inversiones Modulo IV Iversioes y Criterios de Decisió Aálisis de Iversioes 1. Iversió e la empresa 2. Métodos aproximados de valoració y selecció de iversioes 3. Criterio del valor actualizado eto (VAN) 4. Criterio

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

ANÁLISIS Y RESOLUCIÓN DE CIRCUITOS

ANÁLISIS Y RESOLUCIÓN DE CIRCUITOS NÁLSS Y ESOLCÓN DE CCTOS. Las Leyes de Kirchhoff..- Euciado de las Leyes de Kirchhoff. Defiició de Nodo y Lazo Cerrado. Las Leyes de Kirchhoff so el puto de partida para el aálisis de cualquier circuito

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3 IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON págia 171 Los productos otables tiee la fialidad de obteer el resultado de ciertas multiplicacioes si hacer dichas multiplicacioes. Por ejemplo, cuado se desea multiplicar los biomios cojugados siguietes:

Más detalles

A N U A L I D A D E S

A N U A L I D A D E S A N U A L I D A D E S INTRODUCCION Y TERMINOLOGIA Se deomia aualidad a u cojuto de pagos iguales realizados a itervalos iguales de tiempo. Se coserva el ombre de aualidad por estar ya muy arraigado e el

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

Sucesiones y ĺımite de sucesiones

Sucesiones y ĺımite de sucesiones Tema 3 Sucesioes y ĺımite de sucesioes Ídice del Tema Sucesioes........................................ 60 Progresioes....................................... 63 3 Covergecia......................................

Más detalles

ANALISIS ESTADISTICO DE VALORES EXTREMOS

ANALISIS ESTADISTICO DE VALORES EXTREMOS ANALISIS ESTADISTICO DE VALORES EXTREMOS Aplicacioes e hidrología Gloria Elea Maggio Dr. Jua F. Aragure 84 - Bueos Aires 4988 0083 www.oldor.com.ar oldor@oldor.com.ar R E S U M E N El objetivo de este

Más detalles

Las funciones de Cobb-Douglas como base del espacio vectorial de funciones homogéneas

Las funciones de Cobb-Douglas como base del espacio vectorial de funciones homogéneas Las fucioes de Cobb-Douglas como base del esacio vectorial de fucioes homogéeas Zuleyka Díaz Martíez Mª Pilar García Pieda José Atoio Núñez del Prado Uiversidad Comlutese de Madrid Facultad de Ciecias

Más detalles

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1 IS Fco Ayala de Graada Sobrates 009 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A JRCICIO 1 ( putos) Sea las matrices: -1 4-1 - 1 5 - -6 A ; B 0-1 y C 0-1 1 0 1-0 -1 Determie X e la ecuació matricial

Más detalles

Análisis en el Dominio del Tiempo para Sistemas Discretos

Análisis en el Dominio del Tiempo para Sistemas Discretos OpeStax-CNX module: m12830 1 Aálisis e el Domiio del Tiempo para Sistemas Discretos Do Johso Traslated By: Erika Jackso Fara Meza Based o Discrete-Time Systems i the Time-Domai by Do Johso This work is

Más detalles

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato. UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios

Más detalles

Probabilidad con técnicas de conteo

Probabilidad con técnicas de conteo UNIA 3 Probabilidad co técicas de coteo Objetivos Al fializar la uidad, el alumo: distiguirá y utilizará las reglas de multiplicació y de suma para el cálculo de la catidad de arreglos co y si orde explicará

Más detalles

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación Aálisis de Señales y Sistemas Digitales FFT Cocepto Algoritmo Implemetació 2010 FFT Trasformada Rápida de Fourier Cocepto La trasformada rápida de fourier (FFT) es u algoritmo que permite él cálculo eficiete

Más detalles

SUCESIONES TI 83. T 3 España T 3 EUROPE

SUCESIONES TI 83. T 3 España T 3 EUROPE SUCESIONES TI 83 T 3 España T 3 EUROPE Ferado Jua Alfred Mollá Oofre Mozó José Atoio Mora Pascual Pérez Tomás Queralt Julio Rodrigo Salvador Caballero Floreal Gracia Sucesioes TI83 ÍNDICE. Itroducció...

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució LITERATURA Y MATEMÁTICAS El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía cuidadosamete los

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe

Más detalles

11. TRANSFORMADOR IDEAL

11. TRANSFORMADOR IDEAL . TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució L I T E R A T U R A Y M A T E M Á T I C A S El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía

Más detalles

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A = IES Fco Ayala de Graada Sobrates de 007 (Juio Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1-1 x -x Sea las matrices A, X y e Y -1 3 0 - z (1 puto) Determie la matriz iversa de A. ( putos)

Más detalles

DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD TECNICA FEDERICO SANTA MARIA 1. INTRODUCCIÓN

DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD TECNICA FEDERICO SANTA MARIA 1. INTRODUCCIÓN INDUCCIÓN MATEMÁTICA EDUARDO SÁEZ, IVÁN SZÁNTÓ DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD TECNICA FEDERICO SANTA MARIA. INTRODUCCIÓN El método deductivo, muy usado e matemática, obedece a la siguiete idea:

Más detalles