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.

5 Métodos iterativos para la resolución de ecuaciones algebraicas lineales Método de Gauss-Jacobi Método de Gauss-Seidel...

5 Métodos iterativos para la resolución de ecuaciones algebraicas lineales Método de Gauss-Jacobi Método de Gauss-Seidel... CONTENIDO 5 Métodos teratvos para la resolucón de ecuacones algebracas lneales 95 5.1 Método de Gauss-Jacob................................ 95 5.2 Método de Gauss-Sedel................................

Más detalles

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

(4 3 i)(4 3 i)

(4 3 i)(4 3 i) E.T.S.I. Industrales y Telecomuncacón Curso 00-0 Grados E.T.S.I. Industrales y Telecomuncacón Asgnatura: Cálculo I Ejerccos resueltos Calcular el valor de a y b para que b a 4 sea real y de módulo undad

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

8. Espacio vectorial con producto escalar

8. Espacio vectorial con producto escalar Depto de Álgebra, curso 7-8 8 Espaco vectoral con producto escalar Productos escalares Ejercco 8 Demuestre que s P es una matrz nvertble n n sobre C y P es su matrz traspuesta conjugada entonces la aplcacón

Más detalles

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo

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

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior. . EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas

Más detalles

CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D.

CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D. CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 0 Ing. Dego A. Patño G. M.Sc, Ph.D. Solucón de la Ecuacón de Estado Solucón de Ecuacones de Estado Estaconaras: Para el caso estaconaro (nvarante en el tempo),

Más detalles

Números Reales y Complejos

Números Reales y Complejos Apéndce C Números Reales Complejos Ejerccos resueltos Halla los números reales que cumplen la condcón a a S a 0 : a a a 0 No este solucón S a < 0 : a a a a Halla todos los números r tales que r < a) S

Más detalles

Unidad 6-. Números complejos 1

Unidad 6-. Números complejos 1 Undad -. Números complejos ACTIVIDADES FINALES EJERCICIOS Y PROBLEMAS Efectúa las sguentes operacones: aa (-(-(- aa (-(-(- cc ( -(-( bb ( ( - - (- 7 dd ( - - (- / ( - ( ( (. ( Sumamos algebracamente por

Más detalles

x j x 1,,x n, j 1,,n La condición necesaria y suficiente es que el determinante Jacobiano de la transformación no se anule,

x j x 1,,x n, j 1,,n La condición necesaria y suficiente es que el determinante Jacobiano de la transformación no se anule, Mecánca Cambo de Coordenadas En coordenadas Cartesanas estamos acostumbrados a pensar a los vectores base como versores (vectores de norma 1 o untaros) drgdos a lo largo de los correspondentes ejes, en

Más detalles

Matemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de

Matemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de Matemátcas II Segundo Curso, Grado en Ingenería Electrónca Industral y Automátca Grado en Ingenería Eléctrca 7 de febrero de 0. Conteste las sguentes cuestones: Ã! 0 (a) (0.5 ptos.) Escrba en forma bnómca

Más detalles

Solución. Se multiplica numerador y denominador por el conjugado del denominador.

Solución. Se multiplica numerador y denominador por el conjugado del denominador. . Hallar "a" para que el complejo : a a) sea real puro b) sea magnaro puro Solucón. Lo prmero de todo es hacer la dvsón en forma bnómca, multplcando numerador y denomnador por el conjugado del denomnador,

Más detalles

Resolución de sistemas lineales por métodos directos

Resolución de sistemas lineales por métodos directos Resolucón de sstemas lneales por métodos drectos Descomposcón LU S la matr del sstema Ax = b se expresa como producto de una matr trangular nferor, L, de una superor, U, la resolucón del msmo se reduce

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

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

sea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador.

sea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador. . Hallar "a" para que el complejo : a a) sea real puro b) sea magnaro puro Lo prmero de todo es hacer la dvsón en forma bnómca, multplcando numerador y denomnador por el conjugado del denomnador, de esta

Más detalles

sea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador.

sea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador. . Hallar "a" para que el complejo : a a) sea real puro b) sea magnaro puro Lo prmero de todo es hacer la dvsón en forma bnómca, multplcando numerador y denomnador por el conjugado del denomnador, de esta

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

NÚMEROS COMPLEJOS. [1.1] Expresar en forma binómica: z 1 3i 1 3i. Solución: Teniendo en cuenta que 1 3i. [1.2] Calcular: a) 3 4 NÚMEROS COMPLEJOS

NÚMEROS COMPLEJOS. [1.1] Expresar en forma binómica: z 1 3i 1 3i. Solución: Teniendo en cuenta que 1 3i. [1.2] Calcular: a) 3 4 NÚMEROS COMPLEJOS NÚMEROS COMPLEJOS NÚMEROS COMPLEJOS 9 9 [1.1] Expresar en forma bnómca: z 1 1 Tenendo en cuenta que 1 / 1 / 9 9 9 9 9 9 1 1 / / z 9 9 9 10 10 (cos sen ) (cos( ) sen( )) cos ( 1) 10 [1.] Calcular: z 1 a)

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

60 EJERCICIOS de NÚMEROS COMPLEJOS

60 EJERCICIOS de NÚMEROS COMPLEJOS 60 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

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

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

UNIDAD N 1 ESPACIOS VECTORIALES

UNIDAD N 1 ESPACIOS VECTORIALES UNIDAD N ESPACIOS VECTORIALES ESPACIOS VECTORIALES DEFINICIÓN Nº : Un CUERPO F es un conjunto con dos operacones (denotadas por + y ) que satsface las sguentes propedades: + ) La adcón es conmutatva, o

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

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

ANEXO A: Método de Interpolación de Cokriging Colocado

ANEXO A: Método de Interpolación de Cokriging Colocado ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

ISSN en trámite. Notas de matemática. Fascículo 2. Juan Sabia Susana Tesauri. Sucesiones recursivas lineales

ISSN en trámite. Notas de matemática. Fascículo 2. Juan Sabia Susana Tesauri. Sucesiones recursivas lineales Fascículo Notas de matemátca ISSN en trámte Juan Saba Susana Tesaur Sucesones recursvas lneales Departamento de Matemátca Facultad de Cencas Exactas y Naturales Unversdad de Buenos Ares 014 Notas de matemátca

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

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

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

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

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

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

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

9. Autovalores y Autovectores

9. Autovalores y Autovectores 9. Autovalores y Autovectores Sea V un espaco vectoral sobre el cuerpo K y sea F : V V un operador lneal. Un escalar λ K es un autovalor de F s exste v V, con v 0, tal que F(v = λv (v 0 En tal caso v es

Más detalles

Profesor Francisco R. Villatoro 15 de Noviembre de 1999 SOLUCIONES. Soluciones de los ejercicios de la tercera relación de problemas.

Profesor Francisco R. Villatoro 15 de Noviembre de 1999 SOLUCIONES. Soluciones de los ejercicios de la tercera relación de problemas. Tecea elacón de poblemas Técncas Numécas Pofeso Fancsco R. Vllatoo 5 de Novembe de 999 SOLUCIONES Solucones de los ejeccos de la tecea elacón de poblemas.. Se defne la taza de la matz cuadada A como la

Más detalles

NOTA: En todos los ejercicios se deberá justificar la respuesta explicando el procedimiento seguido en la resolución del ejercicio.

NOTA: En todos los ejercicios se deberá justificar la respuesta explicando el procedimiento seguido en la resolución del ejercicio. Pág. NOTA: En todos los ejerccos se deberá justfcar la respuesta explcando el procedmento segudo en la resolucón del ejercco. CURSO 0 - CONTROL OCTUBRE 00 A contnuacón se presentan 5 preguntas con respuestas

Más detalles

El Tensor de Deformación

El Tensor de Deformación Comportamento Mecánco de Sóldos Capítlo IV Tensor de deformacón 4.. Introdccón El Tensor de Deformacón Además de descrbr los esferzos de n cerpo, la mecánca de los sóldos contnos aborda tambén la descrpcón

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

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

APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO.

APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO. APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO. Dado un numero n de puntos del plano ( a, b ) es posble encontrar una funcón polnómca

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

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

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

UNIDAD 2: NÚMEROS COMPLEJOS

UNIDAD 2: NÚMEROS COMPLEJOS I.E.S. Ramón Graldo UNIDAD : NÚMEROS COMPLEJOS. CONSTRUCCIÓN A los pares de números reales, consderando las sguentes operacones: x, y x', y' xx', y y' El camno más corto entre dos verdades del Análss Real

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

Sistemas de Amortización de Deudas MATEMÁTICA FINANCIERA

Sistemas de Amortización de Deudas MATEMÁTICA FINANCIERA Sstemas de Amortzacón de Deudas MATEMÁTICA FINANCIERA SISTEMA FRANCÉS Lus Alcalá UNSL Segundo Cuatrmeste 2016 Como hpótess ncal de trabajo suponemos que la tasa de nterés cobrada por el prestamsta (acreedor)

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Programa de Doctorado en Ingeniería Aeronáutica Capítulo III Tensor deformación. El Tensor de Deformación A A'

Programa de Doctorado en Ingeniería Aeronáutica Capítulo III Tensor deformación. El Tensor de Deformación A A' Programa de Doctorado en Ingenería Aeronátca Capítlo III Tensor deformacón Comportamento Mecánco de Materales - Dr. Alberto Monsalve González - El Tensor de Deformacón Introdccón Además de descrbr los

Más detalles

ÁLGEBRA LINEAL. Tarea 1. Nombre: Fecha:

ÁLGEBRA LINEAL. Tarea 1. Nombre: Fecha: ÁLGEBRA LINEAL Tarea. Investque a) Defncón de vector b) Operacones de vectores c) Defncón de matr d) Operacones de matrces e) Defncón de matr traspuesta Bblografía: ÁLGEBRA LINEAL Tarea. a) Investque )

Más detalles

Operadores por Regiones

Operadores por Regiones Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]

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

1 x. f) 4. Encuentra los valores de x que hacen cierta la ecuación: x² + 1=0.

1 x. f) 4. Encuentra los valores de x que hacen cierta la ecuación: x² + 1=0. Los Números Complejos. La necesdad de crear nuevos conjuntos numércos (enteros, raconales, rraconales), fue surgendo a medda que se presentaban stuacones que no tenían solucón dentro de los conjuntos numércos

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

CAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI

CAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI CAPÍTULO 5: MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI 57 CAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI 5. Resumen Se busca solucón a las ecuacones acopladas que descrben los perfles de onda medante

Más detalles

Actividades de recuperación

Actividades de recuperación Actvdades de recuperacón 1.- Para cada uno de los sguentes complejos, se pde 1 Señala cuál es su parte real y su parte magnara e ndca cuáles se corresponden con números reales y cuáles son magnaros puros.

Más detalles

Tema 9: Otros temas de aplicación

Tema 9: Otros temas de aplicación Tema 9: Otros temas de aplcacón. Introduccón Exsten muchos elementos nteresantes y aplcacones del Matlab que no se han comentado a lo largo de los temas. Se nvta al lector a que nvestgue sobre ellos según

Más detalles

Números Complejos II. Ecuaciones

Números Complejos II. Ecuaciones Complejos 1º Bachllerato Departamento de Matemátcas http://selectvdad.ntergranada.com Raúl González Medna Ecuacones 1. Resolver las sguentes ecuacones y determnar en qué campo numérco tenen solucón: a)

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

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

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

6 Minimización del riesgo empírico

6 Minimización del riesgo empírico 6 Mnmzacón del resgo empírco Los algortmos de vectores soporte consttuyen una de las nnovacones crucales en la nvestgacón sobre Aprendzaje Computaconal en la década de los 990. Consttuyen la crstalzacón

Más detalles

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

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

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

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

Tallerine: Energías Renovables. Fundamento teórico

Tallerine: Energías Renovables. Fundamento teórico Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................

Más detalles

Sistemas Lineales de Masas-Resortes 2D

Sistemas Lineales de Masas-Resortes 2D Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte

Más detalles

LUGAR DE LAS RAÍCES. Lugar de las raíces.

LUGAR DE LAS RAÍCES. Lugar de las raíces. Unversdad Carlos III de Madrd Señales y Sstemas LUGAR DE LAS RAÍCES Lugar de las raíces. 1. Introduccón. Crteros del módulo y argumento. 2. Gráfcas del lugar de las raíces. 3. Reglas para construr el lugar

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

Matemáticas I - Anaya

Matemáticas I - Anaya ! 0 "# Representa gráfcamente los resultados que obtengas al hallar y calcula el lado del trángulo formado al unr esos tres puntos. Para hallar las raíces prmero pasamos el número a forma polar : r ( )

Más detalles

27 Tensores (Resumen) Notación tensorial

27 Tensores (Resumen) Notación tensorial 27 Tensores (Resumen) 27. Notacón tensoral Medante la convencón de Ensten para sumas, el cambo de base e = n j= S je j, con S = [I] e e una matrz de n n no sngular, se escrbe e = S j e j donde S j e j

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

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

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

Números de Bernoulli y números de Stirling

Números de Bernoulli y números de Stirling Números de Bernou y números de Strng Aexey Beshenov (cadadr@gma.com 2 de Marzo de 27 Dgresón combnatora: os números de Strng Nuestro próxmo objetvo es obtener agunas expresones para os números de Bernou

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Geometría diferencial de superficies en el espacio

Geometría diferencial de superficies en el espacio Geometría dferencal de superfces en el espaco Marano Suárez-Álvarez 31 de agosto, 2015 1 Superfces en el espaco 1 1.1 Cartas y superfces..................... 1 1.2 Funcones dferencables..................

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

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

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

PUBLICACIONES DE 4º CURSO

PUBLICACIONES DE 4º CURSO PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal

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

Capítulo 11. Movimiento de Rodamiento y Momentum Angular

Capítulo 11. Movimiento de Rodamiento y Momentum Angular Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

TRABAJO Nº 5 PSU MATEMÁTICA 2017 NÚMEROS COMPLEJOS Nombre:. Fecha:..

TRABAJO Nº 5 PSU MATEMÁTICA 2017 NÚMEROS COMPLEJOS Nombre:. Fecha:.. GUÍA DE TRABAJO Nº 5 PSU MATEMÁTICA 07 NÚMEROS COMPLEJOS Nombre:. Fecha:.. CONTENIDOS Números complejos, problemas que permten resolver. Undad magnara. Operatora con números complejos. Propedades de los

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

Algoritmos matemáticos para:

Algoritmos matemáticos para: Algortmos matemátcos para: sstemas de ecuacones lneales, nversón de matrces y mínmos cuadrados Jose Agular Inversón de matrces Defncón(Inversadeunamatrz):SeaAunamatrz nxn.unamatrzcde nxn esunanversadeascaaci.

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO

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

E. P. E. T. N 20 CUADERNILLO DE MATEMÁTICA TERCER AÑO PROFESORAS: JIMENA CARRAZCO MARÍA ANGÉLICA NETTO

E. P. E. T. N 20 CUADERNILLO DE MATEMÁTICA TERCER AÑO PROFESORAS: JIMENA CARRAZCO MARÍA ANGÉLICA NETTO E. P. E. T. N 0 CUADERNILLO DE MATEMÁTICA TERCER AÑO PROFESORAS: JIMENA CARRAZCO MARÍA ANGÉLICA NETTO E. P. E. T. N 0 MATEMÁTICA AÑO Undad N I: Epresones algebracas PROGRAMA DE MATEMÁTICA 0 TERCER AÑO

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

Capítulo 11. Movimiento de Rodamiento y Momentum Angular

Capítulo 11. Movimiento de Rodamiento y Momentum Angular Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular

Más detalles