PROBLEMAS INVERSOS. 1 Cuándo un problema es inverso?

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

Download "PROBLEMAS INVERSOS. 1 Cuándo un problema es inverso?"

Transcripción

1 PROBLEMAS INVERSOS 1 Cuándo un problema es inverso? Hay características matemáticas intrínsecas que hacen que un problema se denomine de tipo inverso. No obstante los condicionantes histórico-culturales no son en absoluto despreciables. Pongamos como ejemplo el paso histórico dado con la teoría de la gravitación de Newton: las leyes de Kepler permitían calcular la órbita de los planetas: solución de un problema directo. Newton resuelve el problema inverso: a partir de las leyes de Kepler interpretadas como resultado de un proceso, deduce la estructura interna del proceso mismo, es decir la Ley de la Gravitación Universal. El cambio de un enfoque directo a uno inverso ha supuesto, a lo largo de la historia, el primer paso de una revolución científica. Pongamos un ejemplo elemental: el problema directo es hacer el producto de dos numeros. El problema inverso es la factorización de un número. Este problema inverso en su primera versión, como es característica común de muchos problemas inversos, no tiene una solución única; determinar las condiciones adicionales que dan la unicidad es el paso siguiente: en nuestro ejemplo la descomposición en factores primos. El fundamento matemático del código RSA, tan popular hoy en día, es una utilización hábil de un cambio de problema inverso a directo. Se basa en la dificultad computacional de descomponer un número producto de dos primos muy grandes, m = pq. El proceso de codificacion es un problema directo consistente en, a partir del código público, formado de m y otro número e primo con m, codificar un mensaje cifrado M calculando el número C (mensaje codificado) tal que C = M e ( mod m). El proceso de decodificación sería el problema inverso de calcular M a partir de C. Para el receptor del mensaje este problema se puede convertir de nuevo en uno directo, puesto que conoce p y q y por tanto (p 1)(q 1). El llamado código secreto lo puede calcular como el número d tal que ed = 1( mod (p 1)(q 1)). El teorema de Euler-Fermat permite afirmar que M (p 1)(q 1) = 1( mod m), por lo tanto el receptor puede recuperar el mensaje secreto resolviendo el problema directo M = C d ( mod m) a partir del mensaje codificado C. Los problemas inversos comparten algunas de las características del ejemplo mencionado: se trata de recuperar el código secreto o estructura interna inaccesible de un objeto por el resultado de experimentos perfectamente computables, sin destruir la mencionada estructura interna : no hace falta talar el arbol mile- 1

2 nario para saber su antigüedad. De aquí la denominación de non destructive testing o evaluación no invasiva, de especial importancia en las aplicaciones a la tomografía en Medicina. Los problemas inversos son parte importante de muchas disciplinas científicas: Determinación de estructuras cristalinas, Tomografía en Medicina, prospección acústica y electromagnética en Geofísica, determinación de estructuras internas en Física de Materiales, reconstrucción de sucesos pasados por mediciones hechas en el presente en Arqueología. Las dificultades inherentes a cada aplicación son una base inagotable de problemas puramente matemáticos, al igual que lo fué la Física en el pasado. Parafraseando la descripción hecha por C. Groetsch, [Gr ], un problema directo consiste en hallar dada una causa o datos x ( input ) mediante un proceso conocido o modelo K un resultado o efecto y = Kx ( output ). Cada problema directo sugiere dos problemas inversos: (a) Dado el efecto y y conocido el modelo K, calcular la causa que lo produjo. En muchos problemas inversos puede haber distintas causas que producen el mismo efecto. Si K, el operador, es invertible el problema inverso se reduce a un problema directo para el operador inverso K 1. Este es el caso de la tomografía de rayos X o de la transformada de Radon: hay una transformada inversa (descubierta por Radon en 1917 y redescubierta por A. Cormack en 1955 lo que le valió el premio Nobel de Medicina en 1979, por el inicio de la Tomografía asistida por ordenador). Esto no quiere decir que la solución del problema inverso sea trivial, hay que hacerla computable y tener cuidado con la estabilidad ya que las mediciones de y no son exactas. Muchas veces (tal es el caso si el operador K es compacto) no hay continuidad del operador inverso y estamos en uno de los casos de problema que cae fuera del ámbito de bien propuesto en el sentido de Hadamard. Entonces hay que utilizar lo que se llama un método de regularización. (b) Otro problema inverso que nos podemos plantear es si conocidos suficientes efectos y y sus causas x podemos reconstruir el modelo o proceso K que las generó. Esto se llama el problema inverso de identificación del modelo. Este es el caso del problema inverso de la conductividad o el problema de scattering inverso. Hay varios estados de este problema, empezando por la determinación del numero correcto de datos y respuestas necesarios y terminando por el estudio de la unicidad y estabilidad del modelo. En ecuaciones en Derivadas Parciales hay siempre una dualidad unicidad y existencia, algo parecido sucede en el problema inverso: demasiados datos (problema sobredeterminado) más fácil de probar unicidad, pero mas difícil, debido a las redundancias, hacer factible el proceso de reconstrucción al no haber un criterio de selección de los ruidos o errores de medición. Por un lado la alta energa de las radiaciones a las que se somete el objeto a estudiar (por ejemplo el cuerpo humano) en las tomografde rayos X, hace deseable la búsqueda de otros medios de prospección menos invasivos. Por otro lado las ondas de mas baja energía 2

3 tienen difracción y nos conducen a modelos en el ámbito de las ecuaciones en derivadas parciales, éste es el caso de la Tomografía de Impedancia Eléctrica o de la Tomografía por Ultrasonidos. 2 Breve historia Hay quién considera los Problemas Inversos como rama de las Matemáticas a raíz de la aparición de los trabajos de Tijonov en la decada de los sesenta: el argumento básico es que sus ideas permitieron a la comunidad científica romper con lo que ahora se considera un prejuicio histórico y que tiene su origen en un concepto que, por otro lado, ha hecho avanzar grandemente las Ecuaciones en Derivadas Parciales: el concepto de problema bién propuesto ( well posed ). Hadamard afirmó que los problemas de interés físico son aquellos que tienen una solución única que depende continuamente de los datos. Esto hizo que los problemas mal propuestos se consideraran solo como una curiosidad académica y sin interés real. Durante la segunda guerra mundial, el éxito del radar y del sonar hizo a la comunidad científica preguntarse si era posible determinar, a partir de las mediciones hechas, mas información que exclusivamente la posición del objeto; apareció así un problema mal propuesto, que se dió eufemísticamente en llamar ill posed : el problema inverso de scattering. En los sesenta Tijonov, véase [TiA], introdujo los métodos de regularización para problemas mal propuestos, abrió así una puerta al tratamiento numérico de éstos, lo que junto con la gran capacidad computacional actual, ha lanzado el campo de los llamados problemas inversos como una rama muy activa y creciente de las Matemáticas, no solamente desde el punto de vista numérico sino también teórico. Hay sin embargo otros antecedentes históricos de problemas inversos en los trabajos de Von Neumann y de Faddeev en el estudio de la teoría de Scattering cuántico, [Fa]. Hay muchos problemas inversos muy interesantes como la tomografía de rayos X y la transformada de Radon que tanta relación tienen con el análisis armónico, pero nos vamos a reducir a hablar de problemas en los que nuestro grupo ya ha obtenido algún resultado, al problema inverso de conductividad y al problema inverso de scattering para la ecuación de Schrödinger. 3 El problema inverso de conductividad o de la EIT(Electrical Impedance Tomography) Hay muchos artículos expositorios sobre este problema, por citar algunos : [U1], [U2]. Recojo algunos párrafos de nuestra exposición aparecida en [?]. El problema de conductividad inverso tambien se conoce como Tomografía de impedancia eléctrica. Supongamos que Ω R n, n 2, dominio acotado con frontera suave, representa un cuerpo conductor eléctrico. La conductividad del cuerpo, en un principio puede depender de la dirección (el tejido muscular del cuerpo humano), la representamos por una matriz simétrica y definida positiva 3

4 γ = (γ ij ) en Ω. Si suponemos que no existen sumideros o fuentes de corriente, por la ley de Ohm la ecuación para el potencial u en Ω está dada por n i,j=1 ij u (γ ) = 0 en Ω (1.1) x i x j Si conocemos el potencial f en Ω, el potencial inducido u en Ω satisface el problema de Dirichlet n i,j=1 x i (γ ij u x j ) = 0 en Ω u = f en Ω (1.2) La aplicación voltaje a corriente o Dirichlet a Neumann Λ γ, mide el flujo de corriente generado en la frontera por un potencial aplicado sobre la misma. Se define dicha aplicación por Λ γ (f) = n i,j=1 γ ij ν i u x j Ω (1.3) donde u es la solución de (1.2) y ν i es la componente i-ésima del vector unitario normal exterior a Ω. El problema de conductividad inverso trata de la determinación de γ a partir del conocimiento de Λ γ. El primero que planteó este problema fue Calderón [C ], quién consideró la cuestión para conductividades isotrópicas, es decir aquellas que no dependen de la dirección. Si suponemos que γ(x) es una función real y positiva y consideramos la matriz real γ(x)i, donde I es la matriz identidad, (1.1) se reduce a la ecuación en forma divergencia div(γ u) = 0 x Ω (1.4) y la aplicación Dirichlet a Neumann (1.3) a Λ γ (f) = γ u ν (1.5) donde ν indica la derivada con respecto al vector normal unitario exterior ν a Ω. Calderón demuestra que la derivada de Frechet (primera aproximación) en conductividades constantes de la aplicación γ Q γ, donde Q γ es la forma cuadrática asociada a Λ γ, es inyectiva. Utiliza las soluciones complejas de la óptica geométrica asociadas al laplaciano e x ρ x R n ρ C n ρ ρ = 0 y da un procedimiento para aproximar conductividades casi constantes a partir de la aplicación Dirichlet a Neumann (también utilizando este tipo de soluciones especiales). Muchos de los avances que se han hecho en este campo, han sido consecuencia de la construcción de las soluciones complejas de la óptica geométrica para la ecuación en derivadas parciales que se estudia. 4

5 La unicidad de este problema ha sido probada, otro trabajo pionero, por Sylvester y Uhlmann, [SyU], y rebajada la regularidad que se supone a priori en varios trabajos posteriores siendo actualmente el mejor resultado si suponemos que γ C 1, [HT]. En dimensión 2 el problema esta formalmente bien determinado y la unicidad con cierta regularidad se debe a Nachman, [N1] en este caso la conjetura de Calderón (conductividades en L ) ha sido demostrada por Astala y Päivärinta [AP] con técnicas de aplicaciones cuasiconformes. Se puede probar estabilidad logarítmica para este problema, en el caso de dimensión mayor que 2 se debe a Alessandrini, [Ale]. En dimensión dos a Liu, supuesta la conductividad con dos derivadas, [?]. En stability of the inverse conductivity problem in the plane for less regular conductivities, [BaBR], rebajamos la regularidad hasta γ C 1+ɛ. Mas recientemente hemos probado estabilidad en el supremo esencial para conductividades Lipschitz de orden α > 0, [BFR] y estabilidad integral en 2D para conductividades cuya norma de Sobolev est minimamente controlada, resultado que permite tratar conductividades discontinuas, [ClFR]. En todos los trabajos, excepto en dimensión 2 donde se reduce a un sistema y se utiliza la transformada de scattering, el problema, suponiendo que γ tiene suficiente número de derivadas, se reduce mediante el cambio v = γ 1/2 u al estudio de la ecuación de Schrödinger de energía cero ( q)v = 0 q(x) = γ1/2 (x) γ 1/2 (x) El caso tratado por Sylvester y Uhlmann se reduce a un potencial q L (Ω). Sin embargo, para la ecuación de Schödinger el problema ha sido tratado para potenciales mas generales, véase [Ch], utilizando las estimaciones uniformes de Sobolev de los trabajos [KeRS] y [ChiR], en dimensión n 3. En dimensión dos ha sido resuelto recientemente por Burgheim [Bu] También se sabe, [M], que la estabilidad logarítmica es lo mejor que se puede esperar para este problema inverso demostrando así que la estabilidad obtenida en [Ale] y [ClFR] es óptima y es una verdadera limitación al uso práctico de la EIT. Quedan bastantes problemas abiertos, mencionemos algunos Problema de caracterización de Λ, es decir Cuál es el rango de la aplicación γ Λ γ? Este es un problema abierto, su solución sería muy útil para el tratamiento de datos numéricos reales que son aproximaciones discretas de valores en el rango de Λ. Su conocimiento permitiría entender mejor cuáles son los datos experimentales más relevantes. Problema de reconstruccción de γ a partir de Λ γ. Es de mucho interés y casi todos los resultados positivos están basados en las soluciones complejas de la óptica geométrica, [N2]. Problema de regularidad mínima para γ en dimensión mayor que 2.?Se puede relajar la condición γ C 1?. 5

6 Problema local: Hay veces en que las mediciones tienen que hacerse en solo parte de la frontera. En este caso la aplicación DN solo es conocida si los datos frontera tienen soporte en la parte accesible de la frontera y las mediciones se hacen también sobre la misma. La unicidad solo se conoce en el caso analítico ya que se puede recuperar la conductividad y sus derivadas en la frontera a partir de la aplicación DN local (trabajos de Kohn y Vogelius, [KoV]), la aplicación DN es un operador pseudodiferencial en la frontera y su desarrollo asintótico permite esta recuperación. Respecto a este problema local hay resultados de Burgheim y Uhlmann, [BuU] y de Kenig, Sjostrand y Uhlmann [KSU] Problemas inversos de frontera para otras ecuaciones y sistemas. Tal es el caso de las Ecuaciones de Maxwell ( ver [Ca ] y las referencias alli) y de las de elasticidad. 4 El problema inverso de scattering para la ecuación de Schrödinger Para la presentación del problema inverso de scattering es necesario primero describir el problema directo. Con este objetivo podemos tratar dos ecuaciones diferentes de una manera parecida, la ecuación de Schrödinger y la ecuación acústica. Consideramos el problema para el Hamiltoniano H = + V (x). En el caso de la ecuación de Schrödinger o scattering por un potencial suponemos que V (x) = q(x) L p para algún p, la solución de scattering con número de onda k es la solución del problema ( + k 2 )u = V (x)u u = u i + u s u s con condición de radiación de Sommerfeld emergente (C.R.S.) (4.1) En el caso de la ecuación acústica V = k 2 (1 n(x)) depende del número de onda k, n es el índice de refracción de un medio y puede ser complejo n(x) = n 1 (x) + in 2 (x)/k, n 2 0 y n 1 (x) > 0. La onda incidente u i es una solución entera (es decir en todo el espacio) de la ecuación de Helmholtz. Es el caso de la onda plana con dirección de incidencia θ S n 1 u i (x) = u 0 (k, θ, x) = e ikθ x, (4.2) La solución de scattering u = u(k, θ, x) es una solución de la ecuación de Helmholtz en el exterior de D = sopv, lo mismo que la parte difractada u s, La C.R.S. es equivalente a suponer el siguiente desarrollo asintótico si x, véase [CoK]. u s (x) = c n k (n 1)/2 x u x (k, θ, (n 1)/2 x ) + o( x (n 1)/2 ) (4.3) e ik x 6

7 La función u (k, θ, ω), se conoce como la amplitud de scattering, o campo lejano ( far field pattern ). El tratamiento del problema directo (existencia y unicidad) está basado en estimaciones a priori para la resolvente del laplaciano, utilizando la llamada ecuación integral de Lippmann-Schwinger: u s (x) = φ k (x, y)v (y)(u i (y) + u s (y))dy, R n donde φ k (x, y) es la solución fundamental emergente de la ecuación de Helmholtz, más un argumento de perturbación que puede ser o bien con teoría de Fredholm y argumentos de continuación única (ecuación acústica) o bien a través de la serie de Neuman, llamada en este contexto serie de Born. El problema también resulta interesante si el potencial no es de soporte compacto, en este caso su comportamiento en infinito clasifica a los potenciales como de corto o largo alcance. La amplitud de scattering se define ahora como, u (k, θ, x x ) = C n e iky x/ x V (y)u(k, θ, y)dy, (4.4) véase [ER1]. Las estimaciones que se han usado tradicionalmente han sido las de Agmon [?]. Para el tratamiento de potenciales en L p, o en clases peores, las estimaciones adecuadas son las de los trabajos [KeRS] o [ChiR]. El problema inverso de scattering consiste en recuperar el potencial V (x) a partir de las mediciones de la amplitud de scattering u (k.θ, ω) Observemos que u depende del número de onda k, de la dirección incidente θ S n 1 y de la dirección del receptor ω S n 1. El conocimiento de u para todos sus parametros es un problema sobredeterminado y se sabe en el caso de la ecuación de Schrödinger que hay unicidad, de hecho basta con conocer u (k, θ 0, ω) para los angulos incidentes θ 0 en una semigeodesica de S n 1. Sin embargo esta recuperación se hace a través de la transformada de Fourier ˆq(ξ) para lo cual hay que medir la amplitud de scattering en parámetros θ 0 y ω que sean ortogonales, la medición en este caso requiere que el número de onda tienda a infinito, véase [?]; ésto es algo que en las aplicaciones prácticas se tiende a evitar. Si desarrollamos la amplitud de scattering, usando 4.4 y la ecuación de Lippmann-Schwinger, obtenemos la serie de Born: u (k.θ, ω) = ˆq(k(ω θ)) + q j (k, θ, ω) + qm+1(k, R θ, ω), j=1 cuyo término lineal nos da la transformada de Fourier del potencial q en las llamadas esferas de Ewald. En la práctica, es decir en tomografía de ultrasonidos o geofísica, lo que se mide es la llamada aproximación de Born del potencial que, mediante una transformada inversa de Fourier, se obtiene de ciertas manipulaciones (cambios de variable) de la amplitud de scattering. Toda la metodología y procesos numéricos de obtención de las aproximaciones de Born 7

8 del potencial se denomina Tomografía de Difracción. No se sabe, sin embargo, que información del verdadero potencial se obtiene de su aproximación de Born; es decir no se conoce la fundamentación matemática rigurosa de la Tomografía de Difracción. En el presente nuestro grupo está trabajando en esta fundamentación de la Tomografía de Difracción en contacto con el grupo de Finlandia. Los datos de scattering completos son dan lugar a un problema sobrederminado. En este caso la manipulacin correcta de la sobredeterminacin permite mejores resultados ( ver [BFRV]). Es natural suponer solamente un conocimiento parcial de la amplitud de scattering. Los problemas de datos parciales mas estudiados son: (a) Problema de energía fija: se supone conocida la amplitud para todas las direcciones y un solo número de onda. El problema está formalmente bien determinado en el plano y sobredeterminado en dimensiones mayores. La unicidad en el caso de Schrödinger es conocida utilizando las soluciones de Sylvester y Uhlmann, lo que da una mala estabilidad, véase [I] capítulo 6. Se sabe también la reconstrucción, véase [N2], [?]. (b) Problema de ángulo fijo: se supone conocida la amplitud de scattering para una sola dirección incidente y para todos los demás parámetros. El problema está formalmente bién determinado en cualquier dimensión. En el caso de Schrödinger se sabe la unicidad genérica en espacios de Sobolev con cuatro derivadas, véase [S] y la unicidad para potenciales pequeños (unicidad local). Hemos estudiado [Ru ] los términos no lineales de la serie de Born, probando que las singularidades del potencial q, medidas en la escala de Sobolev, están contenidas en su aproximación de Born de ángulo fijo (dimensiones 2 y 3), es por esta razón que este trabajo se puede englobar dentro de la fundamentación matemática de la mencionada Tomografía de Difracción. Un ingrediente clave aquí son estimaciones no autoadjuntas L p para la resolvente similares a las de [RuVe]. (c) Problema de datos de retroceso o problema inverso de backscattering. Se supone conocida la amplitud de scattering para ángulos incidente y receptor opuestos y todos los números de onda. El problema está formalmente bién propuesto en todas los dimensiones. En el caso de la ecuación de Schrödinger se sabe la unicidad genérica, véase [ER1], [?], [?], y una demostración simplificada en [S] donde también se prueba la unicidad local supuesto q con cuatro derivadas, formalmente probada por Prosser en las llamadas clases de Friedrich. En trabajos recientes, [BeM] se da una demostración en dimensión impar de la unicidad local, para q con derivada en L 1. Se sabe también que las singularidades del potencial están contenidas en su aproximación de Born en dimensión 2 y 3, véase [RuV] [R]. Otra serie utilizada para expresar la solución de scattering en la práctica es la denominada de Rytov, más adaptada a datos no en x, sino a una distancia intermedia (relativa a la frecuencia de la onda incidente) del soporte de 8

9 V. Se obtiene así, de manera análoga la aproximación de Rytov del potencial que por motivaciones físicas se sabe que es más precisa que la de Born si el potencial V es grande pero no es muy oscilatorio (sobre la controversia Born-Rytov véase [?]) y [?]). References [Ale] [AP] [BaBR] [BFRV] G. Alessandrini, Singular solutions of elliptic equations and the determination of conductivity by boundary measuraments, J. Diff. Eq. 84, (1990), Astala, Kari; Pivrinta, Lassi Caldern s inverse conductivity problem in the plane. Ann. of Math. (2) 163 (2006), no. 1, Barceló, Juán Antonio; Barceló, Tomeu; Ruiz, Alberto Uniqueness and stability for the inverse conductivity problem. (Spanish) Margarita mathematica, , Univ. La Rioja, Logroo, Barceló, J. A.; Faraco, D.; Ruiz, A.; Vargas, A. Reconstruction of singularities from full scattering data by new estimates of bilinear Fourier multipliers. Math. Ann. 346 (2010), no. 3, [BFR] Barceló, Tomeu; Faraco, Daniel; Ruiz, Alberto Stability of Caldern inverse conductivity problem in the plane. J. Math. Pures Appl. (9) 88 (2007), no. 6, [BeC1988] [BeM] [Br] [Bu] [BuU] R. Beals and R. Coifman, The spectral problem for the Davey- Stewarson and Ishimori hierarchies, In nonlinear evolution equations: Integrability and spectral methods, p , Manchester University Press, (1988). Belti??, Ingrid; Melin, Anders Local smoothing for the backscattering transform. Comm. Partial Differential Equations 34 (2009), no. 1-3, R. Brown, Global uniqueness in the impedance imaging problem for less regular conductivities, SIAM J. Math. Anal. 27, (1996), Bukhgeim, A. L. Recovering a potential from Cauchy data in the two-dimensional case. J. Inverse Ill-Posed Probl. 16 (2008), no. 1, Bukhgeim, Alexander L.; Uhlmann, Gunther Recovering a potential from partial Cauchy data. Comm. Partial Differential Equations 27 (2002), no. 3-4,

10 [C ] A. Calderón, On an inverse boundary value problem, Seminar on Numerical Analysis and its Applications to Continuum Physics, Soc. Brasileira de Matematica, Rio de Janeiro, (1980), [Ca ] Caro, Pedro. Stable determination of the electromagnetic coefficients by boundary measurements. Inverse Problems 26 (2010), no. 10, , 25 pp, [Ch] Chanillo,S. Problem in electrical prospection and an n- dimensional Borg-Levinson theorem. Proc. Amer. Math. Soc. 108 (1990), no. 3, [ChiR] [ClFR] [CoK] [ER1] [Gr ] [Fa] [HT] [KeRS] [KSU] [KoV] Chiarenza, Filippo; Ruiz, Alberto. Uniform L 2 -weighted Sobolev inequalities. Proc. Amer. Math. Soc. 112 (1991), no. 1, Clop, Albert; Faraco, Daniel; Ruiz, Alberto Stability of Caldern s inverse conductivity problem in the plane for discontinuous conductivities. Inverse Probl. Imaging 4 (2010), no. 1, Colton, David; Kress, Rainer Inverse acoustic and electromagnetic scattering theory. Applied Mathematical Sciences, 93. Springer- Verlag, Berlin, x+305 pp. ISBN: Eskin, G.; Ralston, J. The inverse backscattering problem in three dimensions. Comm. Math. Phys. 124 (1989), no. 2, C.W. Groetsch. Inverse Problems: Activities for Undergraduates. Publicado por Cambridge University Press, 1999 L.D. Faddeev. Growing solution of the Scrrödinger equation. Dokl. Akad. Nauk SSR, ( trans Sov. Phys. Dokl. 10 (1966), ) Boaz Haberman, Daniel Tataru. Uniqueness in Calderon s problem with Lipschitz conductivities. arxiv: v1 [math.ap] Kenig, C; Ruiz, A; Sogge, C. Uniform Sobolev Inequalities and Unique continuation for second order constant coefficients differential operators. Duke Math. J., 55, 1987, Kenig, Carlos E.; Sjstrand, Johannes; Uhlmann, Gunther The Caldern problem with partial data. Ann. of Math. (2) 165 (2007), no. 2, R. Kohn, M. Vogelius, Determining conductivity by boundary measuraments II. Interior results, Comm. Pure App. Math., 38 (1985),

11 [I] [M] Isakov, Victor Inverse problems for partial differential equations. Second edition. Applied Mathematical Sciences, 127. Springer, New York, xiv+344 pp. ISBN: ; , Mandache, N. Exponential instability in an inverse problem for the Schrödinger equation. Inverse Problems 17, [N1] A. Nachman: global uniqueness for a two dimensional inverse boundary problem. Ann. of Math. 143 (1995) [N2] [R] [Ru ] [RuV] [RuVe] [S] [SyU] [TiA] [U1] [U2] A. Nachman, Reconstructions from boundary measuraments, Annals of Math., 128, (1988), Reyes, Juan Manuel Inverse backscattering for the Schrdinger equation in 2D. Inverse Problems 23 (2007), no. 2, Ruiz, Alberto Recovery of the singularities of a potential from fixed angle scattering data. Comm. Partial Differential Equations 26 (2001), no. 9-10, Ruiz, Alberto; Vargas, Ana Partial recovery of a potential from backscattering data. Comm. Partial Differential Equations 30 (2005), no. 1-3, Ruiz, Alberto; Vega, Luis On local regularity of Schrdinger equations. Internat. Math. Res. Notices 1993, no. 1, P. Stefanov, Generic uniqueness for two inverse problems in potential scattering, Comm. Partial Differential Equations, 17 (1992), pp J. Sylvester and G. Uhlmann, A global uniqueness theorem for an inverse boundary value problem, Annals of Math., 125, (1987), Tikhonov, A.N.; Arsenin, V. Ya. Solutions of ill-posed problems Transl from Russian John Willey and Sons, NY Toronto G. Uhlmann, Inverse boundary value problems and applications Asterisque 207, (1992), G. Uhlmann, Developments in inverse problems since Calderons foundational paper in Harmonic Analysis and PDE, M. Christ, C. Kenig, C. Sadosky editors, U. of Chicago Press,

1. Dominio, simetría, puntos de corte y periodicidad

1. Dominio, simetría, puntos de corte y periodicidad Estudio y representación de funciones 1. Dominio, simetría, puntos de corte y periodicidad 1.1. Dominio Al conjunto de valores de x para los cuales está definida la función se le denomina dominio. Se suele

Más detalles

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

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

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

Divisibilidad y números primos

Divisibilidad y números primos Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos

Más detalles

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

Ejemplos y problemas resueltos de análisis complejo (2014-15) Variable Compleja I (3 o de Matemáticas y 4 o de Doble Titulación) Ejemplos y problemas resueltos de análisis complejo (04-5) Teoremas de Cauchy En estos apuntes, la palabra dominio significa, como es

Más detalles

INTRODUCCIÓN: LA FÍSICA Y SU LENGUAJE, LAS MATEMÁTICAS

INTRODUCCIÓN: LA FÍSICA Y SU LENGUAJE, LAS MATEMÁTICAS INTRODUCCIÓN: LA FÍSICA Y SU LENGUAJE, LAS MATEMÁTICAS La física es la más fundamental de las ciencias que tratan de estudiar la naturaleza. Esta ciencia estudia aspectos tan básicos como el movimiento,

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

SISTEMAS INTELIGENTES

SISTEMAS INTELIGENTES SISTEMAS INTELIGENTES T11: Métodos Kernel: Máquinas de vectores soporte {jdiez, juanjo} @ aic.uniovi.es Índice Funciones y métodos kernel Concepto: representación de datos Características y ventajas Funciones

Más detalles

1. Ecuaciones no lineales

1. Ecuaciones no lineales 1. Ecuaciones no lineales 1.1 Ejercicios resueltos Ejercicio 1.1 Dada la ecuación xe x 1 = 0, se pide: a) Estudiar gráficamente sus raíces reales y acotarlas. b) Aplicar el método de la bisección y acotar

Más detalles

Circuito RL, Respuesta a la frecuencia.

Circuito RL, Respuesta a la frecuencia. Circuito RL, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se estudia

Más detalles

Introducción al estudio cualitativo de soluciones elípticas superlineales en dominios simétricos

Introducción al estudio cualitativo de soluciones elípticas superlineales en dominios simétricos Introducción al estudio cualitativo de soluciones elípticas superlineales en dominios simétricos Hugo Aduén Departamento de Matemáticas y Estadística Universidad de Córdoba Bogotá 2010 Hugo Aduén () Introducción

Más detalles

Definición de vectores

Definición de vectores Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre

Más detalles

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace

Más detalles

UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.

UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado

Más detalles

Aproximación local. Plano tangente. Derivadas parciales.

Aproximación local. Plano tangente. Derivadas parciales. Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

2.2 Transformada de Laplace y Transformada. 2.2.1 Definiciones. 2.2.1.1 Transformada de Laplace

2.2 Transformada de Laplace y Transformada. 2.2.1 Definiciones. 2.2.1.1 Transformada de Laplace 2.2 Transformada de Laplace y Transformada 2.2.1 Definiciones 2.2.1.1 Transformada de Laplace Dada una función de los reales en los reales, Existe una función denominada Transformada de Laplace que toma

Más detalles

Apuntes de Matemática Discreta 9. Funciones

Apuntes de Matemática Discreta 9. Funciones Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

Función exponencial y Logaritmos

Función exponencial y Logaritmos Eje temático: Álgebra y funciones Contenidos: Función exponencial y Logaritmos Nivel: 4 Medio Función exponencial y Logaritmos 1. Funciones exponenciales Existen numerosos fenómenos que se rigen por leyes

Más detalles

LÍMITES Y CONTINUIDAD DE FUNCIONES

LÍMITES Y CONTINUIDAD DE FUNCIONES Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos

Más detalles

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es

Más detalles

Última modificación: 1 de agosto de 2010. www.coimbraweb.com

Última modificación: 1 de agosto de 2010. www.coimbraweb.com Contenido DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA 1.- Señales analógicas y digitales. 2.- Señales analógicas periódicas. 3.- Representación en los dominios del tiempo y de la frecuencia. 4.- Análisis de

Más detalles

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

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................

Más detalles

by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true

by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true I. FUNDAMENTOS 3. Representación de la información Introducción a la Informática Curso de Acceso a la Universidad

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

QUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA. La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros.

QUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA. La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros. QUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros. Qué significa esto? Decir que una empresa es eficiente es decir que no

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

3.1 DEFINICIÓN. Figura Nº 1. Vector

3.1 DEFINICIÓN. Figura Nº 1. Vector 3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado

Más detalles

TEMA 8: SISTEMA DE COSTES POR PROCESOS. INDICE. 1.- Caracteristicas generales de los sistemas de costes por procesos.

TEMA 8: SISTEMA DE COSTES POR PROCESOS. INDICE. 1.- Caracteristicas generales de los sistemas de costes por procesos. Costes y Sistemas de Costes. Profesor: Jose Ignacio González Gómez. Página 1 de 6 TEMA 8: SISTEMA DE COSTES POR PROCESOS. INDICE 1.- CARACTERISTICAS GENERALES DE LOS SIS TEMAS DE COSTES POR PROCESOS...1

Más detalles

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

Juan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada FUNCIONES CONTINUAS. La mayor parte de las funciones que manejamos, a nivel elemental, presentan en sus gráficas una propiedad característica que es la continuidad. La continuidad de una función definida

Más detalles

Ejercicios de Trigonometría

Ejercicios de Trigonometría Ejercicios de Trigonometría 1) Indica la medida de estos ángulos en radianes: a) 0º b) 45º c) 60º d) 120º Recuerda que 360º son 2π radianes, con lo que para hacer la conversión realizaremos una simple

Más detalles

1.4.- D E S I G U A L D A D E S

1.4.- D E S I G U A L D A D E S 1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y

Más detalles

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

Juan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada FUNCIONES CONOCIDAS. FUNCIONES LINEALES. Se llaman funciones lineales a aquellas que se representan mediante rectas. Su epresión en forma eplícita es y f ( ) a b. En sentido más estricto, se llaman funciones

Más detalles

Análisis de medidas conjuntas (conjoint analysis)

Análisis de medidas conjuntas (conjoint analysis) Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los

Más detalles

3.1. FUNCIÓN SINUSOIDAL

3.1. FUNCIÓN SINUSOIDAL 11 ÍNDICE INTRODUCCIÓN 13 CIRCUITOS DE CORRIENTE CONTINUA 19 Corriente eléctrica. Ecuación de continuidad. Primera ley de Kirchhoff. Ley de Ohm. Ley de Joule. Fuerza electromotriz. Segunda ley de Kirchhoff.

Más detalles

Convolución y Convolución Discreta Definición de convolución Cuando hemos aplicado, en el apartado anterior, una función ventana o hemos muestreado una función dada, implícitamente hemos estado efectuando

Más detalles

Física de los Procesos Biológicos Curso 2005/6

Física de los Procesos Biológicos Curso 2005/6 Bibliografía: ísica, Kane, Tema 8 ísica de los Procesos Biológicos Curso 2005/6 Grupo 3 TEMA 2 BIOMECÁNICA 2.1 SÓIDO DEORMABE Parte 1 Introducción Vamos a estudiar como los materiales se deforman debido

Más detalles

MLM 1000 - Matemática Discreta

MLM 1000 - Matemática Discreta MLM 1000 - Matemática Discreta L. Dissett Clase 04 Resolución. Lógica de predicados c Luis Dissett V. P.U.C. Chile, 2003 Aspectos administrativos Sobre el tema vacantes: 26 personas solicitaron ingreso

Más detalles

Introducción al Cálculo Simbólico a través de Maple

Introducción al Cálculo Simbólico a través de Maple 1 inn-edu.com ricardo.villafana@gmail.com Introducción al Cálculo Simbólico a través de Maple A manera de introducción, podemos decir que los lenguajes computacionales de cálculo simbólico son aquellos

Más detalles

T.1 CONVERGENCIA Y TEOREMAS LÍMITE

T.1 CONVERGENCIA Y TEOREMAS LÍMITE T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)

Más detalles

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

35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)

Más detalles

Plan de mejora de las competencias lectoras en la ESO. PERFECTOS, AMIGOS Y GEMELOS

Plan de mejora de las competencias lectoras en la ESO. PERFECTOS, AMIGOS Y GEMELOS Plan de mejora de las competencias lectoras en la ESO. PERFECTOS, AMIGOS Y GEMELOS Las categorías en las que se clasifican los números enteros son numerosas y atienden a diversos criterios, siendo los

Más detalles

Diseño orientado al flujo de datos

Diseño orientado al flujo de datos Diseño orientado al flujo de datos Recordemos que el diseño es una actividad que consta de una serie de pasos, en los que partiendo de la especificación del sistema (de los propios requerimientos), obtenemos

Más detalles

Unidad 6 Cálculo de máximos y mínimos

Unidad 6 Cálculo de máximos y mínimos Unidad 6 Cálculo de máimos y mínimos Objetivos Al terminar la unidad, el alumno: Utilizará la derivada para decidir cuándo una función es creciente o decreciente. Usará la derivada para calcular los etremos

Más detalles

1. Producto escalar, métrica y norma asociada

1. Producto escalar, métrica y norma asociada 1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD MODALIDAD CIENTÍFICO-TÉCNICO 1. NOMBRE DE LA MATERIA: Matemáticas II 2. NOMBRE DEL COORDINADOR: Miguel Delgado Pineda (mdelgado@mat.uned.es,

Más detalles

CAPÍTULO 6 SIMULACIONES Y RESULTADOS

CAPÍTULO 6 SIMULACIONES Y RESULTADOS CAPÍTULO 6 SIMULACIONES Y RESULTADOS 6.1 Proceso de Simulación Las simulaciones fueros llevadas a cabo empleando como herramienta la Versión 6.5 Release 13 de Matlab. Para lo cual fue empleado un banco

Más detalles

Jesús Getán y Eva Boj. Marzo de 2014

Jesús Getán y Eva Boj. Marzo de 2014 Optimización sin restricciones Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Optimización sin restricciones 1 / 32 Formulación del problema

Más detalles

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

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012 Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes

Más detalles

Características de funciones que son inversas de otras

Características de funciones que son inversas de otras Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =

Más detalles

Matemáticas: Enseñanza Universitaria ISSN: 0120-6788 reviserm@univalle.edu.co Escuela Regional de Matemáticas Colombia

Matemáticas: Enseñanza Universitaria ISSN: 0120-6788 reviserm@univalle.edu.co Escuela Regional de Matemáticas Colombia Matemáticas: Enseñanza Universitaria ISSN: 12-6788 reviserm@univalle.edu.co Escuela Regional de Matemáticas Colombia Giraldo, Diana C. Distorsiones de la longitud por aplicaciones conformes y convexas

Más detalles

DIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD

DIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD Curso Asignatura 2014/2015 MATEMÁTICAS II 1º Comentarios acerca del programa del segundo curso del Bachillerato, en relación con la Prueba de Acceso a la Universidad La siguiente relación de objetivos,

Más detalles

Circuito RC, Respuesta a la frecuencia.

Circuito RC, Respuesta a la frecuencia. Circuito RC, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (13368) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se armó un

Más detalles

1. Números Reales 1.1 Clasificación y propiedades

1. Números Reales 1.1 Clasificación y propiedades 1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales

Más detalles

Teorema de Green. 6.1. Curvas de Jordan

Teorema de Green. 6.1. Curvas de Jordan Lección 6 Teorema de Green En la lección anterior, previa caracterización de los campos conservativos, hemos visto que un campo irrotacional puede no ser conservativo. Tenemos por tanto una condición fácil

Más detalles

FUNCIONES CUADRÁTICAS Y RACIONALES

FUNCIONES CUADRÁTICAS Y RACIONALES www.matesronda.net José A. Jiménez Nieto FUNCIONES CUADRÁTICAS Y RACIONALES 1. FUNCIONES CUADRÁTICAS. Representemos, en función de la longitud de la base (), el área (y) de todos los rectángulos de perímetro

Más detalles

SISTEMA MONOFÁSICO Y TRIFÁSICO DE C.A Unidad 1 Magnetismo, electromagnetismo e Inducción electromagnética.

SISTEMA MONOFÁSICO Y TRIFÁSICO DE C.A Unidad 1 Magnetismo, electromagnetismo e Inducción electromagnética. SISTEMA MONOFÁSICO Y TRIFÁSICO DE C.A Unidad 1 Magnetismo, electromagnetismo e Inducción electromagnética. A diferencia de los sistemas monofásicos de C.A., estudiados hasta ahora, que utilizan dos conductores

Más detalles

Aplicaciones lineales continuas

Aplicaciones lineales continuas Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas

Más detalles

Matrices Invertibles y Elementos de Álgebra Matricial

Matrices Invertibles y Elementos de Álgebra Matricial Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices

Más detalles

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

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1 . ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio

Más detalles

Profr. Efraín Soto Apolinar. La función lineal. y = a 0 + a 1 x. y = m x + b

Profr. Efraín Soto Apolinar. La función lineal. y = a 0 + a 1 x. y = m x + b La función lineal Una función polinomial de grado uno tiene la forma: y = a 0 + a 1 x El semestre pasado estudiamos la ecuación de la recta. y = m x + b En la notación de funciones polinomiales, el coeficiente

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

Ecuaciones de primer grado con dos incógnitas

Ecuaciones de primer grado con dos incógnitas Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad

Más detalles

MÁQUINA DE VECTORES DE SOPORTE

MÁQUINA DE VECTORES DE SOPORTE MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas

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

EXAMEN FÍSICA 2º BACHILLERATO TEMA 1: CAMPO GRAVITATORIO

EXAMEN FÍSICA 2º BACHILLERATO TEMA 1: CAMPO GRAVITATORIO INSTRUCCIONES GENERALES Y VALORACIÓN La prueba consiste de dos opciones, A y B, y el alumno deberá optar por una de las opciones y resolver las tres cuestiones y los dos problemas planteados en ella, sin

Más detalles

_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano

_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano 24 Unidad II Vectores 2.1 Magnitudes escalares y vectoriales Unidad II. VECTORES Para muchas magnitudes físicas basta con indicar su valor para que estén perfectamente definidas y estas son las denominadas

Más detalles

CRIPTOGRAFÍA SIMÉTRICA Y ASIMÉTRICA

CRIPTOGRAFÍA SIMÉTRICA Y ASIMÉTRICA CRIPTOGRAFÍA SIMÉTRICA Y ASIMÉTRICA Para generar una transmisión segura de datos, debemos contar con un canal que sea seguro, esto es debemos emplear técnicas de forma que los datos que se envían de una

Más detalles

Transformaciones canónicas

Transformaciones canónicas apítulo 29 Transformaciones canónicas 29.1 Introducción onsideremos una transformación arbitraria de las coordenadas en el espacio de las fases de dimensión 2(3N k) (con el tiempo como un parámetro) Q

Más detalles

1. 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

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

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

Tema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES

Tema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos

Más detalles

Transformación de binario a decimal. Transformación de decimal a binario. ELECTRÓNICA DIGITAL

Transformación de binario a decimal. Transformación de decimal a binario. ELECTRÓNICA DIGITAL ELECTRÓNICA DIGITAL La electrónica es la rama de la ciencia que se ocupa del estudio de los circuitos y de sus componentes, que permiten modificar la corriente eléctrica amplificándola, atenuándola, rectificándola

Más detalles

Espacios generados, dependencia lineal y bases

Espacios generados, dependencia lineal y bases Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................

Más detalles

Cálculo Simbólico también es posible con GeoGebra

Cálculo Simbólico también es posible con GeoGebra www.fisem.org/web/union ISSN: 1815-0640 Número 34. Junio de 2013 páginas 151-167 Coordinado por Agustín Carrillo de Albornoz Cálculo Simbólico también es posible con GeoGebra Antes de exponer las posibilidades

Más detalles

SOBRE LOS CICLOS LÍMITE ALGEBRAICOS DE LOS SISTEMAS CUADRÁTICOS ABOUT THE ALGEBRAIC LIMIT CYCLES OF THE QUADRATIC SYSTEMS

SOBRE LOS CICLOS LÍMITE ALGEBRAICOS DE LOS SISTEMAS CUADRÁTICOS ABOUT THE ALGEBRAIC LIMIT CYCLES OF THE QUADRATIC SYSTEMS Vol. 5, Nº 1 (2014): 23-28 100-100 Artículo Original SOBRE LOS CICLOS LÍMITE ALGEBRAICOS DE LOS SISTEMAS CUADRÁTICOS ABOUT THE ALGEBRAIC LIMIT CYCLES OF THE QUADRATIC SYSTEMS Sabino Acosta Delvalle 1 1

Más detalles

Tema 4 Funciones elementales Matemáticas CCSSI 1º Bachillerato 1

Tema 4 Funciones elementales Matemáticas CCSSI 1º Bachillerato 1 Tema 4 Funciones elementales Matemáticas CCSSI 1º Bachillerato 1 TEMA 4 - FUNCIONES ELEMENTALES 4.1 CONCEPTO DE FUNCIÓN DEFINICIÓN : Una función real de variable real es una aplicación de un subconjunto

Más detalles

EJEMPLO 2: Ing. Mario René De León García. 1. FUNCIÓN EXPONENCIAL EJEMPLO 1:

EJEMPLO 2: Ing. Mario René De León García. 1. FUNCIÓN EXPONENCIAL EJEMPLO 1: FUNCIONES EXPONENCIAL Y LOGARÍTMICA Por: Ing. Mario René De León García.. FUNCIÓN EXPONENCIAL Una función eponencial tiene la forma, donde a es la base de la potencia la variable es el eponente. Esta función

Más detalles

Diferenciabilidad. Definición 1 (Función diferenciable). Cálculo. Segundo parcial. Curso 2004-2005

Diferenciabilidad. Definición 1 (Función diferenciable). Cálculo. Segundo parcial. Curso 2004-2005 Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 2004-2005 Diferenciabilidad. 1. Definición de función diferenciable Después del estudio de los ites de funciones

Más detalles

Transformación de gráfica de funciones

Transformación de gráfica de funciones Transformación de gráfica de funciones La graficación de las funciones es como un retrato de la función. Nos auda a tener una idea de cómo transforma la función los valores que le vamos dando. A partir

Más detalles

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos

Más detalles

(A) Primer parcial. si 1 x 1; x 3 si x>1. (B) Segundo parcial

(A) Primer parcial. si 1 x 1; x 3 si x>1. (B) Segundo parcial CÁLCULO DIFERENCIAL E INTEGRAL I EVALUACIÓN GLOBAL E700 1) x 5 > 1. A) Primer parcial ) Sean las funciones ft) t +,gy) y 4&hw) w. Encontrar f/h, g f, f g y sus dominios. ) Graficar la función x + six

Más detalles

No hay resorte que oscile cien años...

No hay resorte que oscile cien años... No hay resorte que oscile cien años... María Paula Coluccio y Patricia Picardo Laboratorio I de Física para Biólogos y Geólogos Depto. de Física, FCEyN, UBA - 1999 Resumen: En el presente trabajo nos proponemos

Más detalles

COMPARACIÓN DE ÁREAS DE FIGURAS POR ESTUDIANTES DE PRIMERO DE MAGISTERIO

COMPARACIÓN DE ÁREAS DE FIGURAS POR ESTUDIANTES DE PRIMERO DE MAGISTERIO COMPARACIÓN DE ÁREAS DE FIGURAS POR ESTUDIANTES DE PRIMERO DE MAGISTERIO Sonia Aguilera Piqueras y Pablo Flores Martínez Departamento de Didáctica de la Matemática Universidad de Granada 1. Introducción

Más detalles

Ejercicios guiados de comentario de texto. Ejercicio 2. Descartes

Ejercicios guiados de comentario de texto. Ejercicio 2. Descartes Ejercicios guiados de comentario de texto Ejercicio 2. Descartes Así, por ejemplo, estimaba correcto que, suponiendo un triángulo, entonces era preciso que sus tres ángulos fuesen iguales a dos rectos;

Más detalles

TEMA 10 FUNCIONES ELEMENTALES MATEMÁTICAS I 1º Bach. 1

TEMA 10 FUNCIONES ELEMENTALES MATEMÁTICAS I 1º Bach. 1 TEMA 10 FUNCIONES ELEMENTALES MATEMÁTICAS I 1º Bach. 1 TEMA 10 - FUNCIONES ELEMENTALES 10.1 CONCEPTO DE FUNCIÓN DEFINICIÓN : f es una función de R en R si a cada número real, x Dom, le hace corresponder

Más detalles

Subconjuntos destacados en la

Subconjuntos destacados en la 2 Subconjuntos destacados en la topología métrica En este capítulo, introducimos una serie de conceptos ligados a los puntos y a conjuntos que por el importante papel que juegan en la topología métrica,

Más detalles

CÁLCULO PARA LA INGENIERÍA 1

CÁLCULO PARA LA INGENIERÍA 1 CÁLCULO PARA LA INGENIERÍA 1 PROBLEMAS RESUELTOS Tema 3 Derivación de funciones de varias variables 3.1 Derivadas y diferenciales de funciones de varias variables! 1. Derivadas parciales de primer orden.!

Más detalles

Colegio Las Tablas Tarea de verano Matemáticas 3º ESO

Colegio Las Tablas Tarea de verano Matemáticas 3º ESO Colegio Las Tablas Tarea de verano Matemáticas º ESO Nombre: C o l e g i o L a s T a b l a s Tarea de verano Matemáticas º ESO Resolver la siguiente ecuación: 5 5 6 Multiplicando por el mcm(,,6) = 6 y

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

Vectores: Producto escalar y vectorial

Vectores: Producto escalar y vectorial Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con

Más detalles