i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1

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

Download "i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1"

Transcripción

1 CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de norma. Calcule el límte Solucón. =1 lm x p. p Verfquemos cada uno de los axomas de la defncón de norma: (a) x p 0, con x p = 0 sólo s x = 0. Esta propedad es evdente, puesto que x 0. (b) α x p = α x p. Es fácl de demostrar ya que ( ) 1/p α x p = =1 ( α p ) 1/p ( ) 1/p x p = α x p. =1 1 c Francsco R. Vllatoro, Carmen M. García, Juan I. Ramos. Estas notas están protegdas por derechos de copyrght y pueden ser dstrbudas lbremente sólo con propóstos educatvos sn ánmo de lucro. These notes are copyrght-protected, but may be freely dstrbuted for nstructonal nonproft purposes. =1

2 40 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal (c) x + y p x p + y p. Demostrar este resultado es más dfícl. Dos números reales postvos p y q tales que 1 p + 1 q = 1 se denomnan exponentes duales. Dados dos números reales a, b > 0 se cumple a 1/p b 1/q a p + b q, para cuya prueba basta observar que para t 1, t 1/p t p + 1 q, ya que s evaluamos en t = 1 los dos membros de la desgualdad son guales, dado que los exponentes son duales, y además para t > 1 la dervada del prmer membro es sempre menor que la del segundo, sendo ambas postvas, y por tanto, la funcón del prmer membro crece más lentamente que la del segundo. Susttuyendo a/b 1 o b/a 1 se prueba la desgualdad deseada. Tomemos como a y b con lo que obtenemos a = x p x p, b = y q p y q, q x y 1 x p y q p y aplcando sumatoros a ambos lados x p x p p + 1 q y q y q, q 1 x y 1 x p y q p + 1 q = 1, y de esta expresón es fácl obtener la desgualdad de Mnkowsk en su versón general x, y x p y q. Aplcando sumatoros a la sguente desgualdad obtenemos x + y p x x + y p 1 + y x + y p 1, x + y p x x + y p 1 + y aplcando la desgualdad de Mnkowsk dos veces y x + y p 1, x + y p x p (x + y) p 1 q + y p (x + y) p 1 q,

3 41 que podemos escrbr como Pero como los exponentes son duales x + y p p ( x p + y p ) (x + y) p 1 q. ( ) 1/q ( ) 1/q z p 1 q = z (p 1)q = z p = z p/q p, donde hemos usado (p 1) q = p; como además p/q = p 1, obtenemos fnalmente x + y p p ( x p + y p ) (x + y) p 1 p, es decr, la desgualdad trangular queda demostrada. Fnalmente tenemos que calcular lm x p = lm ( x p ) 1/p = lm p p p ( x max p x x max p ) 1/p ( = x max lm p x x max p ) 1/p donde x max = max x. Al menos hay un x que concde con el x max, pero puede que haya más de uno, supongamos que hay r 1. En ese caso, las (n r) restantes componentes de x cumplen que x x max < 1 lm p x x max p, = 0, y para las r 1 componentes guales a x max, tenemos que x = 1 lm p (r)1/p = 1, x max por lo que, fnalmente, lm x p = max x = x. p 2. Demuestre que toda matrz cuadrada tene una forma normal de Schur, es decr, que es untaramente semejante a una matrz trangular. Solucón. Lo demostraremos por nduccón. Para n = 1 es trvalmente certo. Supongamos que es certo para toda matrz de orden (n 1) (n 1). Sea A una matrz de orden n n. Sea λ 1 y x 1 un autovalor de A y uno de sus autovectores asocados, respectvamente, es decr, A x 1 = λ 1 x 1. Sea x 1 untaro, x 1 2 = 1. Exsten n 1 vectores x 2,..., x n que

4 42 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal completan a x 1 hasta formar una base ortonormal de C n. La matrz U = [x 1,..., x n ] con columnas x es untara, U U = I. Sea e 1 = (1, 0,..., 0) el prmer vector de la base canónca. Entonces, como U A U e 1 = U A x 1 = λ 1 U x 1 = λ 1 e 1, la matrz U A U tene la forma U A U = λ 1 a 0 A 1 donde A 1 es una matrz de orden n 1 y a C n 1. Por hpótess de nduccón exste una matrz untara U 1 de orden n 1 tal que U 1 A U 1 es una matrz trangular superor. Fnalmente, la matrz V = U U 1 es una matrz untara de orden n que satsface que V A V = U 1 U A U U 1 = U 1 λ 1 a 0 A U 1 = λ 1 0 λ λ n. 3. Demuestre que toda matrz A M n m tene descomposcón en valores sngulares, es decr, se puede factorzar en la forma A = V D U,

5 43 donde V M m m y U M n n son matrces untaras y D M m n es una matrz dagonal. Demuestre tambén que los valores de la dagonal de D (valores sngulares) concden con las raíces cuadradas de los valores propos de la matrz A A (que es hermítca), es decr, A A x = σ 2 x. Solucón. Sea B = A A una matrz M n m. B es una matrz hermítca que es semdefnda postva, ya que x, A A x = A x, A x 0. Una matrz hermítca tene autovalores reales, y s es semdefnda postva, éstos son no negatvos, ya que x, B x = λ x, x 0, luego λ 0. Sean σ 2 1, σ2 2,..., σ2 n los autovalores de B, que supondremos ordenados de mayor a menor (puede haber repetcones) σ 2 1 σ2 2 σ2 r > σ 2 r+1 = = σ2 n = 0. Además, sean {u } un conjunto ortonormal de vectores propos de B (que sempre exste por ser hermítca). De esta forma tenemos que B u = A A u = σ 2 u. Además, A u 2 2 = σ2 u 2 2 = σ2 y A u = 0 para r + 1. Por tanto, el rango r = rango(a A) mn{rango(a), rango(a )} mn{n, m}, ya que s dos flas de A son lnealmente dependentes, entonces tras multplcarlas por A lo segurán sendo (y lo msmo para columnas de A ). Sea U M n n, cuyas flas son los vectores u, es decr, [u 1,..., u n ]. Sea v = σ 1 A u, 1 r. Los vectores v forman un sstema ortonormal, ya que para 1, j r, v, v j = σ 1 A u, σj 1 A u j = (σ σ j ) 1 u, A A u j = (σ σ j ) 1 σj 2 δ j = δ j. Podemos formar una base de C m completando esos r vectores ortonormales con otros v r+1,..., v m. Sea U M m m, cuyas columnas son los vectores [v 1,..., v n ]. Fnalmente, sea D M m n una matrz dagonal que tene σ 1, σ 2,..., σ r en la dagonal y ceros en las demás poscones. En tal caso, V A U = D, ya que que es cero para j r + 1, y (V A U ) j = v A u j = v, A u j, v, A u j = v, σ j v j σ j δ j, para j r. Las matrces U y V son untaras por tener sus columnas y flas ortonormales entre sí, respectvamente.

6 44 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal 4. Demuestre que s A es una matrz real cuadrada cuyo rado espectral es menor que la undad (ρ(a) < 1), entonces exste la nversa (I A) 1 y es gual a la sere que es convergente. Solucón. (I A) 1 = I + A + A A n +, S el determnante I A = 0, entonces exste al menos un x 0 tal que (I A) x = 0, por lo que 1 sería un autovalor de A (A x = x) lo que es mposble ya que ρ(a) < 1. Por tanto, I A 0, y exste la nversa (I A) 1. Escojamos una norma subordnada tal que A < 1, que exste porque ρ(a) < 1. Defnamos la suma parcal de la sere pedda y recordemos que queremos probar es decr, que Pero sabemos que se cumple que y entonces B n = I + A + + A n, lm B n = (I + A) 1, n lm (I + n A) 1 B n = 0. (I A) B n = I A n+1, B n = (I A) 1 (I A n+1 ), (I A) 1 B n = (I A) 1 A n+1, 0 (I A) 1 B n (I A) 1 A n+1 (I A) 1 A n+1. Aplcando el límte a ambos lados y recordando que A < 1 obtenemos el resultado buscado 0 lm n (I + A) 1 B n Demuestre que s A y B son matrces reales cuadradas, con A 0, s A B < 1 A 1, entonces exste B 1. Además acote la dferenca A 1 B 1.

7 45 Solucón. Defnamos D = A 1 (A B), de forma que se verfca Por hpótess sabemos que B = A (A B) = A (I A 1 (A B)) = A (I D). 1 > A 1 A B A 1 (A B) = D, por lo que 1 > D ρ(d) y por el ejercco prevo, exste (I D) 1, con lo que entonces tambén exste la nversa B 1 = (I D) 1 A 1. Segudamente acotaremos la norma de la nversa B 1 A 1 (I D) 1 para fnalmente acotar la dferenca entre las dos nversas A 1 B 1 = A 1 (B A) B 1 A 1 B 1 A 1 A B B 1 6. Dada una matrz cuadrada A demuestre que tr(a) n ρ(a). S, además, A es hermítca (o smétrca) y defnda postva tr(a) ρ(a). A 1 1 A 1 (A B). A 1 2 A B 1 A 1 A B. Solucón. Suponendo conocda la defncón de traza tr(a) = a, y su equvalenca con la suma de los autovalores de A, tr(a) = λ, =1 obtenemos fáclmente tr(a) = λ =1 =1 λ n max λ n ρ(a).

8 46 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal Por un lado, como A es hermítca, sus autovalores son reales y al ser defnda postva, x 0, x, A x > 0, estos autovalores son postvos, ya que para A x = λ x, x 0, x, x > 0, x, A x = λ x, x > 0 λ > 0. Fnalmente, como una suma de números postvos es sempre mayor que el mayor de los sumandos tr(a) = λ max 7. Demuestre que para x C n, se tene que (a) x x 1 n x, (b) x x 2 n x, (c) x 2 x 1 n x 2. Es decr, estas tres normas son equvalentes entre sí. Solucón. (a) Como max x 1 n =1 λ = max λ = ρ(a). x x = x n x, x donde se ha usado que x / x 1, tenemos que las normas nfnto y uno son equvalentes (b) Ya que por lo msmo que antes =1 x x 1 n x. x 2 = n x 2 = x 2 =1 x 2 x 2, =1 x 2 x 2 x 2 n, y tenemos que las normas nfnto y euclídea son equvalentes (c) Dado que x 2 2 = =1 x x 2 n x. x 2 max 1 n x x = x x 1, =1 y aplcando el apartado (a) obtenemos fáclmente x 2 x x 1 x 1 n x n x 2.

9 47 8. Dado el polnomo p(x) = b 0 + b 1 x + + b m x m, y la matrz cuadrada A, se defne p(a) = b 0 I + b 1 A + + b m A m. Suponga que la forma canónca de Jordan de A es dagonal, es decr, λ P 1 0 λ 2 0 A P = Λ = λ n Dado el polnomo característco de A, p(λ) = A λ I = 0, demuestre que p(a) = 0. Solucón. Sea el polnomo característco de A p(λ) = b 0 + b 1 λ + + b n λ n. Ya que I = P I P 1, A = P Λ P 1, A 2 = A A = P Λ P 1 P Λ P 1 = P Λ 2 P 1,..., tenemos que p(a) = P (b 0 I + b 1 Λ + + b n Λ n ) P 1, y como el térmno entre paréntess es nulo porque p(λ ) = 0, p(a) = Dada una matrz A cuadrada cuyos autovalores son λ y sus autovectores u, determne los autovalores y los autovectores de (a) A m, m 2, (b) A 1, suponendo que A 0, (c) A + c I, donde c es una constante. Solucón. Dado que A u = λ u,

10 48 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal (a) A m u = A m 1 λ u = A m 2 λ 2 u = = λ m u, (b) que ndca que los autovalores de A m son λ m que A. y que sus autovectores son los msmos u = A 1 A u = λ A 1 u = λ µ u con lo que A 1 u = µ u = 1 λ u, (c) donde λ 0 ya que A = λ 0. Luego los autovalores de A 1 son 1/λ y sus autovectores los msmos que los de A. (A + c I) u = A u + c u = (λ + c) u. 10. Para cualquer matrz A, s U es untara y del msmo orden que A, demuestre que A U 2 = U A 2 = A 2. Solucón. La defncón de la norma dos como norma matrcal subordnada es S U es untara resulta que A x 2 A 2 = sup. x =0 x 2 y por tanto Hacendo y = U x, tenemos que U A x 2 2 = U A x, U A x = A x, U U A x = A x 2 2 U A x 2 U A 2 = sup x 0 x 2 A x 2 = sup = A 2. x 0 x 2 y 2 2 = U x 2 2 = U x, U x = x, U U x = x, x = x 2 2, por lo que A U x 2 A U 2 = sup x 0 x 2 A y 2 = sup = A 2. y 0 y Sea U una matrz untara. Demuestre que

11 49 (a) U x 2 2 = x 2, x C n, (b) la dstanca entre x e y es la msma que la dstanca entre U x y U y, (c) U x, U y = x, y, x, y C n, (d) los autovalores de U tenen módulo undad, λ U = 1. Solucón. (a) U x 2 2 = U x, U x = x, U U x = x, x = x 2 2, (b) la dstanca entre x e y es x y 2, por lo que U x U y 2 = U (x y) 2 = x y 2, (c) U x, U y = x, U U y = x, y. (d) Sea U u = λ u, entonces u, u = U u, U u = λ u, λ u = λ 2 u, u, con lo que λ = 1. Los autovectores de una matrz untara son lnealmente ndependentes y defnen una base ortonormal, por lo que todo vector se puede escrbr de la forma x = y por tanto x, u u = α u, =1 U x, U x = x, x = =1 α Dada la matrz A hermítca que es defnda postva, es decr, x C n, A x, x > 0, demuestre que A es defnda postva s y sólo s sus autovalores son reales y postvos. Solucón. Sea A u = λ u. Sabemos que los autovalores de una matrz hermítca son números reales. Entonces de la defncón de matrz defnda postva aplcada a un autovector A u, u = λ u, u > 0 obtenemos que el autovalor ha de ser postvo λ > 0, ya que u, u > 0. =1

12 50 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal Por otro lado, s A es hermítca con autovalores reales, entonces sus autovectores defnen una base ortonormal y x, x = α u, por lo que A x, x = A α u, α u = λ α u, α u = = λ α u, α j u j = j λ α 2 > 0, λ α α j u, u j j por ser una suma de números postvos. Luego A es defnda postva. 13. Defna e A = I + A + A2 2 + A3 3! + = I + Demuestre que los autovalores de e A son e λ =1 A!. donde λ son los autovalores de A. Además demuestre que s B es semejante a A, P 1 B P = A, entonces e A = P 1 e B P. Solucón. Sea A u = λ u. Como A m u = λ m u, entonces e A u = m=0 Por otro lado, A = P 1 B P mplca que A m m! u = m=0 λ m m! u = e λ u. A m = (P 1 B P ) m = P 1 B m P, entonces e A = e P 1 B P = I + = P 1 (I + m=1 (P 1 B P ) m = I + m! m=1 B m m! ) P = P 1 e B P. m=1 (P 1 B m P ) m! 14. Examen 17/abrl/1993. Consdere una matrz arbtrara A y una matrz untara U. Sabendo que A x 2 2 = A x, A x = x A A x, (a) determne la relacón entre A 2 y U A 2,

13 51 (b) demuestre que A 2 2 λ max(a A), donde λ max (A A) es el mayor autovalor de A A en valor absoluto. (c) cuál es el vector x para el que A x 2 2 = λ max(a A)? (d) demuestre que los autovalores de A A son reales, postvos o cero, por qué? (e) cuál es la relacón entre A 2 y A 2? (f) cuál es la relacón entre los rados espectrales de A y A A, s A es hermítca? (g) demuestre que para cualquer A arbtrara: A ρ(a), donde ρ(a) es el rado espectral de A. Solucón. (a) Ya que U A x 2 2 = U A x, U A x = A x, U U A x = A x, A x = A x 2 2 obtenemos de la defncón de norma matrcal subordnada que A 2 = U A 2 (b) Como B = A A es una matrz hermítca, sus autovectores B e = λ B e defnen una base ortonormal {e }, todo vector se puede desarrollar como x = x e, y por tanto, A x 2 2 = A x, A x = x, B x = x e, x λ B e λ B max x e, x e = λ B max x 2 2, y de la defncón de norma matrcal subordnada se obtene A 2 2 λ B max = λ max (A A). (c) Del apartado anteror se deduce la gualdad A x 2 2 = λ max (A A) para el vector untaro x en la dreccón del autovector del autovalor de módulo máxmo B e max = λ B max e max, x = e max e max 2.

14 52 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal (d) B = A A es una matrz hermítca y por tanto sus autovalores B e = λ B e son reales ya que B e, e = λ B e, e = λ B e, e = e, B e. Además no son negatvos 0 A e, A e = e, B e = λ B e, e, λ B = A e 2 2 e (e) Son guales entre sí, ya que A x 2 2 = x, B x = x, B x = A x 2 2. (f) S A es hermítca (A = A ) y A x = λ x, entonces Por tanto, ρ(a A) = ρ 2 (A). (g) Sea A x = λ x con x = 1, entonces A A x = A 2 x = λ A x = λ 2 x. A x = λ x = λ x = λ A x = A, por la defncón de norma matrcal subordnada. Por lo tanto ρ(a) = max λ A. 15. Examen 23/juno/1993. Dada la matrz cuadrada A de dmensones n n que es dagonalmente domnante por flas, es decr, a j=1,j a j, = 1, 2,..., n, y la defncón de norma A = max 1 n j=1 a j. (a) Cuál es el mayor valor de A s a j <? (b) Para ese valor de A, cuál es la solucón del sstema A x = 0? Por qué? (c) Cuál es el menor valor posble de A s a j <? (d) Para ese valor de A, cuál es la solucón del sstema A x = b s b 0? Por qué?

15 53 (e) Para cualquer valor de A dstnto de los obtendos en los apartados (a) y (c), Solucón. cuál es la solucón del sstema A x = 0? Por qué? (a) Como A es dagonalmente domnante, 2 a j=1 a j A 2 max 1 n a. (b) Supongamos que el sstema lneal A x = 0 tene una solucón dstnta de cero. Sea la k-ésma componente de la solucón la de valor máxmo, es decr, Esta fla k-ésma será x k = max x 0. a kk x k = =1,k pero en ese caso tomando valores absolutos a kk x k = a kk x k = = =1,k =1,k a k x k x k, a k x, a k x =1,k a k x k es decr, a kk =1,k a k x k que contradce la hpótess de domnanca dagonal. absurdo, la únca solucón es x = 0, es decr, x = 0. Por tanto, por reduccón al (c) El mínmo valor de A = 0, y se da para la matrz nula A = 0, es decr, a j = 0. (d) Para ese valor el sstema A x = b es ncompatble a no ser que b = 0, en cuyo caso no exste sstema alguno. (e) El teorema del rango nos dce que la solucón del sstema A x = 0 para una matrz cualquera será nula salvo que A = 0, en cuyo caso exstrán nfntas solucones. Nota: una matrz dagonalmente domnante puede ser sngular (tener determnante nulo).

16 54 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal 16. Examen 14/febrero/1995. Demuestre que s A = U U donde U R n n, U 1 exste y U es una matrz trangular superor tal que la multplcdad geométrca de sus autovalores concde con la algebraca, entonces (a) A = det(a) 0, (b) A es smétrca y postva defnda, (c) determne la relacón entre los autovalores de A y los de U, (d) cuál es la relacón entre los autovectores de A y los autovectores de U? Solucón. (a) A = U U = U U = U 2 y como por hpótess exste U 1, U = 0 A. (b) A es smétrca ya que (U U) = U U. Por ser A smétrca tambén es hermítca y sus autovalores son reales no negatvos, ya que, para Ax = λ A x, 0 U x, U x = x, U U x = x, A x = λ A x, x. Como A es hermítca (smétrca) sus autovectores forman una base del espaco R n, sea {e } esta base ortonormal, A e = λ A e, e, e j = δ j, por lo que x, A x = x j e j, A x e = x j λ A x e j, e j j = x 2 λ A > 0, por ser las coordenadas x R y los autovalores postvos. (c) Los autovalores de U, U w j = λ Uj w j, concden con los elementos de su dagonal prncpal λ Uj = u jj, ya que U es trangular superor. Los autovalores de U tambén son los elementos de su dagonal prncpal y concden por tanto con los de U, U v j = u jj v j. Por otro lado, al ser A hermítca sus autovectores forman una base por lo que w = j b j e j. Aplcando la matrz A a los autovectores de U obtenemos w, A w = U w, U w = λ 2 U w, w = λ 2 U b j e j, b j e j = λ 2 U j j j b 2 j,

17 55 w, A w = j b j e j, A j b j e j = j b j e j, j b j λ Aj e j = j b 2 j λ Aj e j, e j = j b 2 j λ Aj, por lo que la relacón buscada entre los autovalores es λ 2 j U = b2 j λ Aj. j b2 j (d) Ya hemos determnado una relacón entre los autovectores de A y los de U, es decr, los autovectores de U son combnacón lneal de los de A, w = j b j e j. Sn embargo, s tomamos en cuenta la hpótess de que la multplcdad geométrca de los autovalores de U concde con su multplcdad algebraca, entonces los autovectores de U tambén defnen una base de R n que puede ortonormalzarse (por el procedmento de Gram-Schmdt), sea {w j } dcha base. En ese caso la matrz de cambo B es una matrz cuadrada y untara (ya que sus columnas son vectores elementos de dcha base de autovectores), 1 = e 2 = w 2 = B e 2 B 2, B 2 B e 2 e 2 = 1. Los autovectores de A se relaconan con los de U medante una transformacón untara (ortogonal). Geométrcamente se trata de una sometría, es decr, una (hper-) rotacón respecto a algún eje o una (hper-) smetría respecto a algún plano en R n. 17. Examen 29/Abrl/1995. Dado el vector columna w C n con w 2 = w w = 1, defna la matrz A = I 2 w w. Cuál son las propedades de la matrz A? Nota: debdo a dchas propedades, está matrz es muy usada en el cálculo de autovalores. Solucón. (a) Aplcando la traspuesta conjugada o hermítca se obtene A = I 2 (w ) w = I 2 w w = A, es decr, que esta matrz es hermítca, y por tanto

18 56 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal (b) su forma normal de Schur es dagonal y concde con su forma canónca de Jordan, es decr, es dagonalzable; (c) sus autovalores son reales y de cuadrado no negatvo, λ 2 0; (d) y sus autovectores son lnealmente ndependentes y forman una base en C n. (e) Por otro lado, como A A = A 2 = (I 2 w w ) (I 2 w w ) = I 4 w w + 4 w 2 w w = I = A A, resulta que tambén es untara, y por tanto, (f) A x, A x = x, x = λ 2 x, x, y sus autovalores reales son de módulo undad λ = 1. obvamente todos los reales son de de cuadrado no negatvo. (g) Dado que w es un autovector asocado al autovalor 1, Aw = (I 2 w w )w = w 2w = w, la matrz A no es defnda postva. De hecho, sus autovalores son 1 y 1 con multplcdad algebraca n 1 y 1, respectvamente. 18. Examen 6/Julo/1996. Demuestre que la norma de Frobenus F (A) de una matrz cuadrada compleja A C n n cumple los axomas de una norma, F (A) = a j 2. =1 j=1 Solucón. (a) Es evdente que F (A) 0 y sólo F (A) = 0 cuando A = 0. (b) Tambén es fácl comprobar que F (α A) = α F (A), ya que F (α A) = α 2 a j 2 = α F (A). =1 j=1 (c) La desgualdad trangular F (A + B) F (A) + F (B), se prueba fáclmente F 2 (A + B) = a j + b j 2 =1 j=1

19 57 ( aj 2 + b j a j b j ) =1 j=1 = a j 2 + b j =1 j=1 =1 j=1 a j b j ; =1 j=1 aplcando dos veces la desgualdad de Cauchy-Schwarz para la norma vectoral euclídea una vez respecto del índce y la otra respecto del índce j en los sumatoros del últmo térmno de esta expresón, tenemos que a j b j a j 2 es decr, =1 j=1 =1 j=1 =1 j=1 b j 2 F 2 (A + B) F 2 (A) + F 2 (B) + 2 F (A) F (B) = (F (A) + F (B)) 2. (d) La norma matrcal de Frobenus es submultplcatva, F (A B) F (A) F (B), como se demuestra fáclmente F (A B) = =1 j=1 = =1 j=1 ( =1 k=1 = F (A) F (B), 2 a k b kj k=1 k=1 1/2 ( ) ( ) 1/2 a k 2 b kj 2 k=1 ) 1/2 a k 2 j=1 k=1 b kj 2 donde hemos aplcado la desgualdad de Cauchy-Schwarz sobre el sumatoro con índce k en la prmera desgualdad. (e) Tambén comprobamos que es consstente con la norma vectoral euclídea, es decr, A x 2 F (A) x 2, A x 2 = a j x j =1 j=1 2 1/2

20 58 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal a j 2 x j 2 =1 j=1 j=1 = x j 2 a j 2 = F (A) x 2 j=1 =1 j=1 donde se ha aplcado la desgualdad de Cauchy-Schwarz sobre el sumatoro con índce j en la prmera desgualdad Examen 26/Abrl/1997. Sean las matrces A C n n y U C n n tal que U es untara. S la norma de Frobenus F (A) es F (A) = a j 2. =1 j=1 donde A = (a j ), se pde encontrar (a) la relacón entre F (A U) y F (A) para cualquer A, (b) la relacón entre F (U A) y F (A) para cualquer A, (c) una cota superor y otra nferor para A 2 en funcón de F (A) en el caso de que A sea hermítca, (d) la relacón entre F (A) y los autovalores de A s A es hermítca. Solucón. (a) Operando con la defncón de norma de Frobenus obtenemos F 2 (A U) = 2 a k u kj j = = = pero como U es untara, k ( ) ( ) a k u kj a l u lj j k l a k u kj a l u lj j k l a k a l u kj u lj, k l j U U = I k u k u jk = δ j,

21 59 tenemos que F 2 (A U) = a k a l δ kl = k l a k a k = F 2 (A). k (b) Se puede probar que F (U A) = F (A) para cualquer A de forma del todo smlar a la presentada en el apartado anteror. Por ello, ofreceremos una varante de dcha demostracón. Denotemos las columnas de A como a j, es decr, A = [a 1, a 2,..., a n ], de tal forma que la norma de Frobenus se puede escrbr como F (A) = a j 2 = a j 2 2. j Como sabemos que una matrz untara tene norma undad, es decr, U x 2 2 = U x, U x = x, U U x = x, x = x 2 2, la demostracón deseada es drecta F (U A) = U a j 2 2 = a j 2 2 = F (A). (c) Obtener una cota superor para A 2 en funcón de F (A) para A arbtrara es relatvamente fácl, ya que sabemos que la norma de Frobenus es consstente con la norma vectoral euclídea, es decr, A x 2 F (A) x 2 (como se probó en el ejercco anteror), luego es decr, A 2 F (A). A 2 = A x 2 sup x 2 0 x 2 F (A), Para obtener una cota nferor utlzaremos el hecho de que A es una matrz hermítca (A = A). La forma normal de Schur para una matrz hermítca es dagonal y contene sus autovalores λ en la dagonal prncpal, es decr, exste una matrz U untara tal que U A U = Λ = (Λ ) = (λ ) y por tanto, utlzando los dos apartados anterores F (A) = F (U A U) = F (Λ) = λ. Por otro lado, para una matrz hermítca A 2 = ρ(a) = max λ,

22 60 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal como ya hemos probado en ejerccos anterores. Por tanto, la cota nferor buscada es F (A) n ρ 2 (A) = n A 2. Fnalmente hemos demostrado que la norma dos y la de Frobenus son normas equvalentes entre sí para matrces hermítcas F (A) n A 2 F (A). Se puede demostrar que en cualquer espaco vectoral normado de dmensón fnta todas las normas son equvalentes entre sí, es decr, que nuestra demostracón para A hermítca se puede generalzar para A cualquera, aunque la omtremos. (d) Como resultado de la solucón del apartado anteror, hemos obtendo para A hermítca, F (A) = λ. 20. Examen 17/Dcembre/1996. Sea A R n n una matrz de números reales cuyos autovalores son λ 1, λ 2,..., λ n (no necesaramente dstntos) y cuyo polnomo característco es p(λ) = λ n + a 1 λ n a n 1 λ + a n = 0. Se pde: (a) Calcular la traza de A k, k = 1, 2,..., en funcón de los autovalores de A. (b) Calcular A n en funcón de I, A,..., A n 1. (c) Calcular A n+2 utlzando I, A,..., A n 1. (d) Se puede poner A n en forma trangular superor o nferor? Por qué? S se puede, muestre como. (e) Calcular e A utlzando los resultados anterores. (f) Qué condcón deben cumplr los autovalores para que el sstema A x = b tenga solucón únca? Por qué? (g) S A x = b tene nfntas solucones, qué puede decr acerca de los autovalores de A, la matrz amplada [A; b], y las flas y columnas de A? Por qué? Solucón.

23 61 (a) Sabemos que la traza es un nvarante de una matrz ante transformacones de semejanza. Además por el teorema de la forma normal de Schur para matrces reales, Q R n n, ortogonal Q Q = I, tal que Q A Q = T es una matrz trangular superor. Por otro lado, es fácl probar que A k y T k son semejantes, Q A k Q = T k, y por tanto tenen los msmos autovalores, por lo que tr(a k ) = tr(t k ) = λ k. =1 (b) El teorema de Cayley-Hamlton ndca que p(a) = A n + a 1 A n a n 1 A + a n I = 0. luego A n = a 1 A n 1 a n 1 A a n I. (c) Susttuyendo la potenca A n y operando, obtenemos A n+1 = A A n = a 1 A n a 2 A n 1 a n 1 A 2 a n A ( = a 1 a1 A n 1 a 2 A n 2 a n 1 A a n I ) a 2 A n 1 a n 1 A 2 a n A = (a 2 1 a 2 ) A n 1 + (a 1 a 2 a 3 ) A n (a 1 a n 1 a n ) A + a 1 a n I. y de gual forma A n+2 = (a 2 1 a 2 ) A n + + (a 1 a n 1 a n ) A 2 + a 1 a n A = (a 2 1 a 2 ) ( a 1 A n 1 a 2 A n 2 a n 1 A a n I ) + (a 1 a 2 a 3 ) A n (a 1 a n 1 a n ) A 2 + a 1 a n A = ( a 1 a 2 a 3 a 1 (a 2 1 a 2 ) ) A n ( a 1 a n a n (a 2 1 a 2 ) ) I.

24 62 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal (d) El teorema de la forma normal de Schur de A nos permte poner A n en forma trangular superor medante una transformacón de semejanza de la sguente forma, Q A n Q = T n. (e) Sabemos que por lo que y, como Q es ortogonal, e A = Q e A Q = Q ( k=0 k=0 A k k!, ) A k Q = k! e A = Q e T Q. k=0 T k k! = e T, (f) El sstema A x = b tene solucón únca s el determnante de A no es nulo, A = 0, y por tanto exste la nversa A 1. Como sabemos que el determnante es gual al producto de los autovalores, la condcón en éstos es que sean todos dstntos de cero, es decr, A = n λ 0 λ 0. =1 (g) A x = b tene nfntas solucones s A = 0 y por el teorema del rango rango(a) = rango([a; b]) < n. La condcón sobre el determnante mplca que al menos un autovalor de A es nulo. La condcón sobre los rangos de la matrz A y de la matrz amplada [A; b] ndcan que al menos una fla (o columna) de dchas matrces es combnacón lneal de las demás flas (o columnas). 21. Examen 2/Febrero/1998. Sea A R n n una matrz de números reales que se descompone como A = 1 2 ( A + A ) + 1 ( A A ) = B + C, 2 donde B = 1 2 ( A + A ), C = 1 ( A A ). 2 (a) Cuál es la forma normal de C? Demuéstrelo. (b) Qué propedades tenen los autovalores de C? Demuestre. (c) Tenendo en cuenta los resultados de (a) y (b), deduzca las condcones que se deben satsfacer para que C = det(c) = 0. (d) Es la matrz C defnda postva?

25 63 (e) Cuál es la forma canónca de Jordan de la matrz C? Solucón. (a) Escrbendo A = (a j ) y C = (c j ), tenemos que c j = 1 2 (a j a j ), c = 0, c j = c j, por lo que C es antsmétrca. Por el teorema de la forma normal de Schur, exste una matrz Q untara (Q Q = I), tal que Q C Q = T es una matrz trangular superor. Ahora ben, como C es una matrz real y antsmétrca C = C = C, por lo que T = Q C Q = T, T = T, con lo que T es una matrz dagonal de números magnaros puros. (b) Ante transformacones de semejanza se preservan los autovalores, los autovalores de la matrz dagonal D = T = Q 1 C Q lo serán tambén de C. Detallando la demostracón, sabemos que C Q = Q D = D Q, donde se ha usado que una matrz dagonal conmuta con cualquer otra. Sean e 1, e 2,..., e n los autovectores de C, podemos defnr la matrz untara Q = [e 1,..., e n ] (medante sus vectores columna) y por tanto C e = D e = λ e, es decr, los autovalores de C son los números magnaros puros que aparecen en la dagonal de la forma normal de Schur D de C. (c) Los autovalores de C R n n se calculan por medo de la raíces de su polnomo característco C λ I = 0, que es un polnomo de grado n de coefcentes reales. El teorema fundamental del álgebra exge que sus raíces complejas aparezcan en pares conjugados. Ahora ben, los autovalores de C son magnaros puros, por lo que λ = ±β, con β R y = 1. Más aún, n Q C Q = T = D = λ k = Q C Q = C, k=1 porque Q Q = I mplca que Q Q = Q Q = I = 1.

26 64 Capítulo 3. Ejerccos resueltos: Conceptos báscos de álgebra lneal Por tanto, s n es par C = n/2 k=1 y s n es mpar C = 0, porque al menos un autovalor es necesaramente real e gual a cero. Para n par, tambén se puede dar C = 0 s al menos un autovalor (y su complejo conjugado) es cero. (d) Una matrz C es defnda postva s β 2 k, x, C x > 0, s x 0. Sn embargo, s C es antsmétrca (c = 0, c j = c j ), x, C x = x C x = c j x x j = j 1 <j n no puede ser defnda postva, aunque sí defnda no negatva. (c j + c j ) x x j = 0, (e) La forma canónca de Jordan de la matrz C se puede determnar medante su forma normal de Schur y, por tanto, es dagonal con elementos que son magnaros puros.

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

Geometría convexa y politopos, día 1

Geometría convexa y politopos, día 1 Geometría convexa y poltopos, día 1 Alexey Beshenov (cadadr@gmal.com) 8 de agosto de 2016 Los objetos geométrcos que nos nteresan en esta hstora son subconjuntos de R n. Voy a denotar los puntos de R n

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

Vectores en el espacio

Vectores en el espacio ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

INGENIERÍA DE TELECOMUNICACIÓN BLOQUE 1

INGENIERÍA DE TELECOMUNICACIÓN BLOQUE 1 INGENIERÍA DE TELECOMUNICACIÓN BLOQUE En el Aula Vrtual se encuentra dsponble: Materal nteractvo con teoría y ejerccos resueltos. Para acceder a ello deberá pulsar sobre los sguentes enlaces una vez dentro

Más detalles

SUCESIONES RECURSIVAS LINEALES

SUCESIONES RECURSIVAS LINEALES SUCESIONES RECURSIVAS LINEALES Juan Saba Susana Tesaur 1 Introduccón Una forma usual de defnr sucesones de números es nductvamente Por ejemplo, s alguen conoce la sucesón de Fbonacc, es probable que la

Más detalles

Ejercicios y problemas (páginas 131/133)

Ejercicios y problemas (páginas 131/133) 7 Calcula el opuesto y el conjugado de los sguentes números complejos, expresándolos en forma polar: a) z b) z (cos 00 sen 00 ) c) z Expresamos en prmer lugar los números complejos en forma Calcula las

Más detalles

Ejercicios Resueltos de NÚMEROS COMPLEJOS

Ejercicios Resueltos de NÚMEROS COMPLEJOS Ejerccos Resueltos de NÚMEROS COMPLEJOS Ejerccos Resueltos de NÚMEROS COMPLEJOS Números Complejos. Formas de epresarlos.- Halla las raíces de los sguentes números: 00 Solucón: ± 00 00 ± 0 ± ±.- Representa

Más detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)} Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de

Más detalles

5. DIAGONALIZACIÓN DE MATRICES

5. DIAGONALIZACIÓN DE MATRICES Dagonalzacón Herraentas nforátcas para el ngenero en el estudo del algebra lneal 5. DIAGONALIZACIÓN DE MATRICES 5.1. INTRODUCCIÓN 5.2. VALORES Y VECTORES PROPIOS 5.3. MATRICES DIAGONALIZABLES 5.4. DIAGONALIZACIÓN

Más detalles

Vectores y Matrices. Curso a 11 a a 1n a 21 a a 2n. A = A = [a ij] 1 i m. a m1 a m2... a mn

Vectores y Matrices. Curso a 11 a a 1n a 21 a a 2n. A = A = [a ij] 1 i m. a m1 a m2... a mn Vectores y Matrces Curso 206-7 A = Notacón a a 2 a n a 2 a 22 a 2n a m a m2 a mn, A = [a j] m j n a j = elemento (, j) de A Tamaño u orden de A= m n S m = n, A cuadrada -sma fla y j-sma columna: a = [a

Más detalles

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas. MATRICES Las matrces se utlzan en el cálculo numérco, en la resolucón de sstemas de ecuacones lneales, de las ecuacones dferencales y de las dervadas parcales. Además de su utldad para el estudo de sstemas

Más detalles

CAPITULO 2 VALORES, VECTORES PROPIOS y SVD. Ing. Diego A. Patiño M.Sc., Ph.D.

CAPITULO 2 VALORES, VECTORES PROPIOS y SVD. Ing. Diego A. Patiño M.Sc., Ph.D. CAPITULO VALORES, VECTORES PROPIOS y SVD Ing. Dego A. Patño M.Sc., Ph.D. Valores y Vectores Propos Muchas de las transformacones que se necestan en el dseño de sstemas de control se realzan sobre vectores

Más detalles

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces

Más detalles

Resuelve. Unidad 6. Números complejos. BACHILLERATO Matemáticas I. [x ( )][x (2 3 1)] = Cómo operar con 1? Página 147

Resuelve. Unidad 6. Números complejos. BACHILLERATO Matemáticas I. [x ( )][x (2 3 1)] = Cómo operar con 1? Página 147 Undad. Números complejos Matemátcas I Resuelve Págna 7 Cómo operar con? Vamos a proceder como los antguos algebrstas: cuando nos encontremos con seguremos adelante operando con ella con naturaldad y tenendo

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

NÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1

NÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1 NÚMEROS COMPLEJOS 1. Qué es un número complejo? Defncones. La ecuacón x + 1 = 0 no tene solucón en el campo real puesto que s ntentamos resolverla tendremos que x = ± 1 y sabemos que no podemos calcular

Más detalles

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al

Más detalles

Ejercicios Resueltos de Vectores

Ejercicios Resueltos de Vectores Departamento de Matemátca y C C Coordnacón: Calculo II para Ingenería Semestre Eerccos Resueltos de Vectores Sean los vectores en IR : v,,, u,, 4, a,, y b,, 4 : a) Determne los vectores: UV y AB UV AB

Más detalles

Capítulo V. Teoremas de Fermat, Euler y Wilson

Capítulo V. Teoremas de Fermat, Euler y Wilson Capítulo V Teoremas de Fermat, Euler y Wlson En este capítulo utlzamos los conceptos desarrollados en dvsbldad y conteo para deducr tres teoremas báscos de la teoría de números. En el próxmo capítulo,

Más detalles

Números complejos. Actividades. Problemas propuestos. Matemáticas 1 Bachillerato? Solucionario del Libro

Números complejos. Actividades. Problemas propuestos. Matemáticas 1 Bachillerato? Solucionario del Libro Matemátcas Bachllerato? Soluconaro del Lbro Actvdades Dado el número complejo se pde: qué valor ha de tener x para que x? Calcula el opuesto de su conjugado Calcula el conjugado de su opuesto x x x El

Más detalles

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

Más detalles

Propiedades Asintóticas

Propiedades Asintóticas Capítulo 3 Propedades Asntótcas 3.. Dstrbucones Estaconaras Defncón 3. Sea X n, n, una cadena de Markov con espaco de estados E y matrz de transcón P. Sea π(), E, una dstrbucón de probabldad, es decr,

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

Geometría Axiomática de la Convexidad Parte II: Axiomática de Cápsula convexa

Geometría Axiomática de la Convexidad Parte II: Axiomática de Cápsula convexa Geometría Axomátca de la Convexdad Parte II: Axomátca de Cápsula convexa Juan Carlos Bressan Resumen En la Parte I estudamos una axomátca de segmentos, en la que defnmos los convexos y estudamos sus propedades

Más detalles

Cinemática del Brazo articulado PUMA

Cinemática del Brazo articulado PUMA Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla. EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente

Más detalles

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1.

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1. Objetvos y orentacones metodológcas SISTEMA DIÉDRICO I Interseccón de planos y de recta con plano TEMA 8 Como prmer problema del espaco que presenta la geometría descrptva, el alumno obtendrá la nterseccón

Más detalles

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1 CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.

Más detalles

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo

Más detalles

Robótica Tema 4. Modelo Cinemático Directo

Robótica Tema 4. Modelo Cinemático Directo UNIVERSIDAD POLITÉCNICA DE MADRID E.U.I.T. Industral ASIGNATURA: Robótca TEMA: Modelo Cnemátco Ttulacón: Grado en Ingenería Electrónca y Automátca Área: Ingenería de Sstemas y Automátca Departamento de

Más detalles

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad. Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección de problemas de. Poder de Mercado y Estrategia de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Coordenadas Curvilíneas

Coordenadas Curvilíneas Departamento: Físca Aplcada III Mecánca Raconal (Ingenería Industral) Curso 007-08 Coordenadas Curvlíneas 1. Introduccón a. Obetvo: Generalar los tpos de coordenadas conocdos. Cartesanas. Clíndrcas, Esfércas,

Más detalles

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,. º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:

Más detalles

Y ahora observamos que lo que está entre paréntesis es la derivada de un producto, de modo que

Y ahora observamos que lo que está entre paréntesis es la derivada de un producto, de modo que Estas son ms notas para las clases del curso Mecánca Raconal (62.11) en la Facultad de Ingenería-UBA. Están aún en proceso de ser completadas, no tenen carácter de texto acabado, por el contraro seguramente

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón

Más detalles

1. Números imaginarios. Números complejos en forma binómica página 115. 2. Representación gráfica de los números complejos página 116

1. Números imaginarios. Números complejos en forma binómica página 115. 2. Representación gráfica de los números complejos página 116 Números complejos E S Q U E M A D E L A U N I D A D. Números magnaros. Números complejos en forma bnómca págna. Representacón gráfca de los números complejos págna 6.. Suma de números complejos págna 8.

Más detalles

Propiedades efectivas de medios periódicos magneto-electroelásticos a través de funciones de Green

Propiedades efectivas de medios periódicos magneto-electroelásticos a través de funciones de Green Propedades efectvas de medos peródcos magneto-electroelástcos a través de funcones de Green utores: Lázaro Makel Sto Camacho Julán Bravo Castllero LOGO Renaldo Rodríguez Ramos Raúl Gunovart Díaz Introduccón

Más detalles

Introducción a la Química Computacional. Reservados todos los derechos de reproducción. Luis A. Montero Cabrera, Universidad de La Habana, Cuba, 2006.

Introducción a la Química Computacional. Reservados todos los derechos de reproducción. Luis A. Montero Cabrera, Universidad de La Habana, Cuba, 2006. TEORÍA SIMPLE DE ORBITALES MOLECULARES DE ÜCKEL (MO) En 93 Erck ückel planteó que la combnacón lneal de orbtales atómcos (LCAO) tomados como funcones hdrogenodes del tpo p z permte calcular los estados

Más detalles

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D. Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Variable aleatoria: definiciones básicas

Variable aleatoria: definiciones básicas Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República. 9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara

Más detalles

ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 (6a)

ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 (6a) ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 Rcardo Ramírez Facultad de Físca, Pontfca Unversdad Católca, Chle 1er. Semestre 2008 Corrente eléctrca CORRIENTE ELECTRICA Corrente eléctrca mplca carga en movmento.

Más detalles

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 3: Procedimientos de Constrastación y Selección de Modelos Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes

Más detalles

CAPÍTULO V ESTRUCTURAS ALGEBRAICAS

CAPÍTULO V ESTRUCTURAS ALGEBRAICAS ESTRUCTURAS ALGEBRAICAS 7 CAPÍTULO V ESTRUCTURAS ALGEBRAICAS Estructura Algebraca es todo conjunto no vacío en el cual se han defndo una o más leyes de composcón nterna, luego de cumplr certas propedades

Más detalles

Tallerine: Energías Renovables

Tallerine: Energías Renovables Tallerne: Energías Renoables Fundamento Teórco Parte II: Curas de crcutos Autores: Carlos Brozzo Agustín Castellano Versón 0.1 Tallerne2017 Energías Renoables 2 Índce 1. Curas de crcutos 3 1.1. Fuente

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

Tema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO)

Tema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO) Tema 8: DESIGUALDAD, REDISTRIBUCIÓN Y POBREZA Xsco Olver 20610 - Economía del Benestar (2º GECO) Motvacón Benestar: el objetvo últmo del Estado es maxmzar el benestar El benestar se obtene a partr de las

Más detalles

La variable compleja permite resolver problemas muy diferentes dentro de. áreas tan variadas como pueden ser hidráulica, aerodinámica, electricidad,

La variable compleja permite resolver problemas muy diferentes dentro de. áreas tan variadas como pueden ser hidráulica, aerodinámica, electricidad, 17 Análss matemátco para Ingenería. M. MOLERO; A. SALVADOR; T. MENARGUEZ; L. GARMENDIA CAPÍTULO 1 Los números complejos La varable compleja permte resolver problemas muy dferentes dentro de áreas tan varadas

Más detalles

16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales

16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales 16.21 Técncas de dseño y análss estructural Prmavera 2003 Undad 8 Prncpo de desplazamentos vrtuales Prncpo de desplazamentos vrtuales Tengamos en cuenta un cuerpo en equlbro. Sabemos que el campo de esfuerzo

Más detalles

Tema 2 : DEFORMACIONES

Tema 2 : DEFORMACIONES Tema : eformacones Tema : EFRMACINES F F 3 F / u u u 3 3 3 / 3 / F n Prof.: Jame Santo omngo Santllana E.P.S.-Zamora (U.SAL.) - 008 Tema : eformacones..- INTRUCCIÓN Los cuerpos se deforman debdo a la accón

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con

Más detalles

CI42A: ANALISIS ESTRUCTURAL. Programa CI42A

CI42A: ANALISIS ESTRUCTURAL. Programa CI42A CI4A: ANALISIS ESTRUCTURAL Prof.: Rcardo Herrera M. Programa CI4A NÚMERO NOMBRE DE LA UNIDAD OBJETIVOS DURACIÓN 4 semanas Prncpo de los trabajos vrtuales y teoremas de Energía CONTENIDOS.. Defncón de trabajo

Más detalles

Consideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir

Consideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir 1. PRINIPIO E TRJOS VIRTULES El prncpo de los trabajos rtuales, en su ertente de desplazamentos rtuales, fue ntroducdo por John ernoull en 1717. La obtencón del msmo dera de la formulacón débl (o ntegral)

Más detalles

Descripción de la deformación y de las fuerzas en un medio continuo

Descripción de la deformación y de las fuerzas en un medio continuo Descrpcón de la deformacón y de las fuerzas en un medo contnuo Mecánca del Contnuo 15 de marzo de 2010 1. Temas tratados con anterordad: Descrpcón cualtatva de un medo contnuo Hpótess del contnuo Elementos

Más detalles

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos) PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

DEPARTAMENTO DE INDUSTRIA Y NEGOCIO UNIVERSIDAD DE ATACAMA COPIAPO - CHILE

DEPARTAMENTO DE INDUSTRIA Y NEGOCIO UNIVERSIDAD DE ATACAMA COPIAPO - CHILE DEPATAMENTO DE NDUSTA Y NEGOCO UNESDAD DE ATACAMA COPAPO - CHLE ESSTENCA EN SEE, PAALELO, MXTO Y SUPEPOSCÓN En los sguentes 8 crcutos calcule todas las correntes y ajes presentes, para ello consdere los

Más detalles

Apuntes de Mecánica Newtoniana: Sistemas de Partículas, Cinemática y Dinámica del

Apuntes de Mecánica Newtoniana: Sistemas de Partículas, Cinemática y Dinámica del Apuntes de Mecánca Newtonana: Sstemas de Partículas, Cnemátca y Dnámca del Rígdo. Arel Fernández Danel Marta Insttuto de Físca - Facultad de Ingenería - Unversdad de la Repúblca Índce general Contendos

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

62 EJERCICIOS de NÚMEROS COMPLEJOS

62 EJERCICIOS de NÚMEROS COMPLEJOS 6 EJERCICIOS de NÚMEROS COMPLEJOS. Resolver las sguentes ecuacones en el campo de los números complejos: a x -x+=0 (Soluc: ± b x +=0 (Soluc: ± c x -x+=0 (Soluc: ± d x -x+=0 (Soluc: ± e x -6x +x-6=0 (Soluc:,

Más detalles

Equilibrio fásico. (b) El sistema heterogéneo se considera aislado.

Equilibrio fásico. (b) El sistema heterogéneo se considera aislado. Termodnámca del equlbro Equlbro fásco Profesor: lí Lara En el área de Ingenería Químca exsten muchos procesos ndustrales en los cuales está nvolucrado el equlbro entre fases. Una de estas operacones es

Más detalles

Circuitos eléctricos en corriente continúa. Subcircuitos equivalentes Equivalentes en Serie Equivalentes en Paralelo Equivalentes de Thevenin y Norton

Circuitos eléctricos en corriente continúa. Subcircuitos equivalentes Equivalentes en Serie Equivalentes en Paralelo Equivalentes de Thevenin y Norton ema II Crcutos eléctrcos en corrente contnúa Indce Introduccón a los crcutos resstvos Ley de Ohm Leyes de Krchhoff Ley de correntes (LCK) Ley de voltajes (LVK) Defncones adconales Subcrcutos equvalentes

Más detalles

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización. Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Modelos de participación de mercado

Modelos de participación de mercado Modelos de partcpacón de mercado IN58B Ingenería de Marketng Ncolás Frts Manuel Reyes Maurco Ramírez Introduccón Por qué modelos de Partcpacón de Mercado (PM)? Se busca modelos en que puedan ntroducrse

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

Herramientas Matemáticas para la localización espacial. Prof. Cecilia García

Herramientas Matemáticas para la localización espacial. Prof. Cecilia García Herramentas Matemátcas para la localzacón espacal Contendo I. Justfcacón 2. Representacón de la poscón 2. Coord. Cartesanas 2.2 Coord. Polares y Clíndrcas 2.3 Coord. Esfércas 3. Representacón de la orentacón

Más detalles

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70 Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

Departamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011

Departamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011 Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se

Más detalles

Práctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun

Práctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun Práctca 1 - Programacón en C++ Pág. 1 Práctcas de C++ Practca Nº 1 Informátca II Fundamentos de Programacón Prof. Dr. Paul Bustamante Práctca 1 - Programacón en C++ Pág. 1 INDICE ÍNDICE... 1 1.1 Ejercco

Más detalles

Números Reales y Complejos

Números Reales y Complejos Apéndce C Números Reles y Complejos C.. Los números reles Suponemos conocdo el conjunto de los números reles. Vmos defnr y estudr en lgunos conceptos como relcones de orden, ntervlos, cots y vlor bsoluto.

Más detalles

(p +Q 222 P +Q P +Q )

(p +Q 222 P +Q P +Q ) TEMA S.- PUNTOS. RECTAS Y PLANOS EN EL ESPACO. TEMA 5.- PUNTOS, RECTAS Y PLANOS EN EL ESPACO..- PUNTOS. Sstema de referenca: Un sstema de referenca en el espaco 93 consste en un conjunto formado por un

Más detalles

Introducción a las herramientas matemáticas para la formulación de ecuaciones generalmente covariantes (v5)

Introducción a las herramientas matemáticas para la formulación de ecuaciones generalmente covariantes (v5) Introduccón a los tensores ndrés acho Ortz, brl 2016 Introduccón a las herramentas matemátcas para la formulacón de ecuacones generalmente covarantes (v5) Este documento es una ntroduccón con carácter

Más detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. Lección 7 - Rentas - Valoración (Continuación) Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

Inducción Matemática

Inducción Matemática Induccón Matemátca José Espnosa 30 de Octubre de 001 1 Problemas de Induccón Matemátca. 1. Sea: p 1 F (n) = k n(p 1)+1 n(n 1) p 1 (k p 1 3k ) p(p 1)(n(p 1) + 1)) Demostrar por nduccón que F (n) es dvsble

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Bloque 2 Análisis de circuitos alimentados en corriente continua. Teoría de Circuitos

Bloque 2 Análisis de circuitos alimentados en corriente continua. Teoría de Circuitos Bloque Análss de crcutos almentados en corrente contnua Teoría de Crcutos . Métodos sstemátcos de resolucón de crcutos : Método de mallas Métodos sstemátcos de resolucón de crcutos Permten resolver los

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

Trabajo Especial 2: Cadenas de Markov y modelo PageRank

Trabajo Especial 2: Cadenas de Markov y modelo PageRank Trabajo Especal 2: Cadenas de Markov y modelo PageRank FaMAF, UNC Mayo 2015 1. Conceptos prelmnares Sea G = (V, E, A) un grafo drgdo, con V = {1, 2,..., n} un conjunto (contable) de vértces o nodos y E

Más detalles

Los vectores y sus operaciones

Los vectores y sus operaciones lasmatematcase Pedro Castro rtega Los ectores y ss operacones Un ector qeda determnado por dos pntos, el orgen, y el extremo Un ector qeda completamente defndo a traés de tres elementos: módlo, dreccón

Más detalles