Método simpléctico. La notación matricial de las ecuaciones de Hamilton

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

Download "Método simpléctico. La notación matricial de las ecuaciones de Hamilton"

Transcripción

1 1 Mecánica Teórica Curso Método simpléctico. La notación matricial de las ecuaciones de Hamilton Consideremos un vector columna de 2n componentes =(q 1,...,q n,p 1...,p n ) T donde T indica que es un vector columna. Sea la matriz cuadrada 2n 2n 0 1 J = 1 0 Esta matriz tiene las siguientes propiedades: (1) J 2 = 1; e J = J, det(j) =1; e JJ 2 = 1; e J = J 1 (2) donde la tilde indica la matriz traspuesta. Con esta notación, las ecuaciones de Hamilton las escribiremos como = (3) Supongamos unas variables Q i, P i definidas como funciones de las variables q i p i, mediante las relaciones de transformación Q i = Q i (q, p, t), P i = P i (q, p, t), (i =1,...,n) (4) La matriz de la transformación M es la matriz cuadrada 2n 2n M n El determinante de esta matriz es el Jacobiano de la transformación J =detm ysesupone que no se anula en ningún punto de interés, de modo que la transformación es invertible y permite escribir también las (q, p) en función de las(q, P, t). Consideremos una transformación canónica independiente del tiempo que nos lleva de a unas nuevas variables, con una matriz de transformación cuyos elementos son C A M ij = i j, (i, j =1,...,2n)

2 2 Se sigue que d i = X j M ij d j ) i = X j M ij j = Esto es, X M ij J jk = X j k j k X X M ij J jk k = MJ f l M lk Si la transformación es canónica e independiente del tiempo, se tiene que cumplir que = (5) (6) Por tanto, si la transformación es canónica, debe cumplirse la condición simpléctica MJ f M = J (7) La recíproca también es cierta. Si M cumple la relación (7), la transformación es canónica. Vamos a considerar ahora la relación simpléctica en el caso de que la transformación sea explicitamente dependiente del tiempo. Seguiremos la linea argumental de Pars (ver Bibliografia, pp ). Consideremos la transformación con i = i (,t)caracterizadaporm ij igual que antes, pero ahora estos elementos de matriz dependen explícitamente de t. También hay que considerar la transformación inversa con elementos de matriz m ij = i j, (i, j =1,...,2n) Observemos que Mm= 1. Sin más que derivar obtenemos d i dt = X j que en notación matricial escribimos como d j m ij dt + i (8) Ahora bien, = + m i = X j j i (10)

3 3 donde H es la función que resulta de sustituir en H(,t), las variables por las dadas por la inversa de la transformación canónica. En notación matricial, la última ecuación se escribe = M (11) De (3),(9) y (11), se sigue que Y de aquí se pasa inmediatamente a M = + m = M + J f MJ f =0 (12) =0 (13) de donde se obtiene inmediatamente la ecuación del movimiento para i, esto es, = MJ f = MJf M + emj (14) Pero si la transformación es canónica MJ f M = J ydeberíadeexistirunk tal que Pero esto será así si en (14) se cumpliese que = emj siendo L( ) 2 L r s = Si llamamos u = J la condición de diferencial exacta se expresa s u i i L s r r u i i s i s i r i r i s

4 4 En esto último podemos i js = m ir J ij s r = em ri J js Lo mismo se puede hacer con el segundo miembro. Escribiremos pues em = ejm Pero e J = J y por tanto nos queda la condición em + Jm=0 (15) Pero si se cumple la condición simpléctica, se verifica que MJ f M = J ) mj em = J que muestra que (15) se cumple efectivamente. Así pues, si se cumple la condición simpléctica es posible escribir = MJM H + L = (16) y por tanto la transformación es canónica. Esta larga demostración tiene algunos pasos muy útiles. Por ejemplo, supongamos que queremos averiguar las trayectorias de un sistema con H =! 2 p(q + t) 2 Resolver directamente las ecuaciones de Hamilton es farragoso. Es mejor introducir la transformación Q = q + t, P = p ) M = 1 Con la transformación H =! 2 PQ 2 Pero nos hace falta K. Si usamos (14) tendremos @q(q; P ; @(Q t) =! 2 Q +1 que se integra inmediatamente dando Q = 1 arctan(!t + c)! siendo c una constante de integración. Sin más que deshacer el cambio, se obtiene q(t).

5 5 El conjunto de las transformaciones canónicas forma un grupo. Esto es así pues: i) Si M 1 y M 2 son las matrices correspondientes a dos transformaciones canónicas, M 3 = M 1 M 2 corrsponde también a una canónica dada que se verifica que g M 3 JM 3 = J; ii) Existe M = 1, el elemento unidad; y iii) Dada una transformación canónica con M, existe su inversa que también es canónica con M 1. Corchetes de Poisson Sean u(q, p, t), v(q, p, t) dos funciones en el espacio fásico de un sistema Hamiltoniano. Se define el corchete de Poisson de las dos funciones como [u, v] i i El cálculo de un corchete de Poisson vemos que va ligado a las variables que estemos usando para caracterizar los puntos del espacio fásico (q, p en la expresión anterior). Si cambiamos a otras variables fásicas, la estructura formal con la que hemos definido el corchete de Poisson es la misma, pero ahora las derivadas habrá que hacerlas con respecto a las nuevas coordenadas. Es por ello que, cuando haya posibilidad de confusión, se indicará explícitamente con respecto aquévariablesseestáncalculandoloscorchetes.ennotaciónmatricial,tenemos [u, v] = (18) De la definición se deduce inmediatamente que [q i,q j ]=[p i,p j ]=0; [q i,p j ]= [p i,q j ]= j i ; [, ] =J (19) Sean otras nuevas variables Q i = Q i (q, p, t), P i = P i (q, p, t), relacionadas con las antiguas mediante una transformación canónica. Se tiene que con respecto a las nuevas variables, [Q i,q j ] (Q,P ) =[P i,p j ] (Q,P ) =0; [Q i,p j ] (Q,P ) = [P i,q j ] (Q,P ) = j i ; [, ] = J (20) Pero, [Q i,q j ] (q,p) = i El mismo cálculo se puede realizar con los otros corchetes de Poisson [P i,p j ] (q,p),... Es fácil comprobar que, en notación matricial, [, ] = f MJM= J (21)

6 6 donde la última igualdad es consecuencia del carácter canónico de la transformación de variables. Por lo tanto, comparando la última expresión con (20) se tiene el importante resultado, [, ] =[, ] = J (22) Es decir, los corchetes de Poisson de las variables canónicas fundamentales son invariantes bajo transformaciones canónicas. Esta propiedad puede usarse como criterio necesario y suficiente para comprobar si una transformación es canónica. Si los corchetes de Poisson fundamentales cambian al cambiar de variables, la transformación no es canónica. Si consideramos una función v(,t)y cambiamos de = M y podemos entonces comprobar fácilmente que [u, v] = J@v = MJf =[u, v] (23) esto es, no sólo los corchetes de Poisson de las variables fundamentales son invariantes bajo las transformaciones canónicas, sino cualquier corchete de Poisson. (Hay que seã±alar que esto no es cierto en las transformaciones de escala, que, como hemos convenido anteriormente, no las incluimos en la clase de transformaciones canónicas). Las siguientes propiedades se deducen de la definición. Si a, b son constantes Si las funciones u, v dependen de un parámetro s [u, u] =0; [u, v] = [v, u] (24) [au + bv, w] =a[u, w]+b[v, w] (25) [uv, w] =u[v, w]+[u, w]v [u, ] (27) Una propiedad muy importante ( muy laboriosa de comprobar!) es la identidad de Jacobi: [u, [v, w]+[v, [w, u]+[w, [u, v] =0 (28) Los corchetes de Poisson proporcionan una forma compacta de escribir la evolución temporal de las funciones en el espacio fásico. Así, sea u(q, p, t) unafuncióndelasvariablesfásicasy del tiempo. A lo largo de las trayectorias q(t), p(t), obtenidas mediante la solución de las ecuaciones de Hamilton, se tiene que du = dq i dp i i dt ) du @p i (29)

7 7 Esto es o, en notación matricial, du dt =[u, du dt f J@H De este resultado general, se obtienen los particulares q i =[q i,h]; ṗ i =[p i,h]; =[, (30) (31) (32) Además dh dt (33) Diremos que una función u(q, p, t) es una constante del movimiento si su valor permanece constante cuando en q y p ponemos valores correspondientes a trayectorias hamiltonianas. Es decir, que a lo largo de las trayectorias hamiltonianas, du/dt =0.Peroentonces, [u, =0;) [H, u] =@u Una condición necesaria y suficiente para que una función de las variables canónicas y el tiempo sea una constante del movimiento es que verifique (34). Si dos funciones u, v, que no dependen explícitamente del tiempo son constantes del movimiento, su corchete de Poisson también lo es. Esta propiedad se demuestra haciendo uso de la identidad de Jacobi ( se deja como ejercicio). En principio, pues, los corchetes de Poisson de constantes del movimiento que no dependan explicitamente de t, pueden servir para generar otras constantes del movimiento. (34) Otros invariantes canónicos Sea la transformación canónica!. Se tiene que dq 1...,dQ n dp 1...,dP n = det M dq 1...,dq n dp 1...,dp n (35) donde... indica el valor absoluto. Dado que la transformación es canónica se cumple que MJ f M = J ) (det M) 2 det J =detj ) det M ± 1 Por tanto, como sólo hace falta el valor absoluto, se cumple que bajo las transformaciones canńicas los elementos de volumen del espacio fásico son invariantes, dq 1...,dQ n dp 1...,dP n = dq 1...,dq n dp 1...,dp n (36)

8 8 Ciertamente, si integramos para una región finita del espacio, también el volumen será invariante bajo transformaciones canónicas. Compresibilidad del espacio fásico Hay un invariante relacionado con este último que es muy importante en otras áreas de la Física. En lo que sigue, vamos a hacer un tratamiento que no está restringido a sistemas Hamiltonianos. Supongamos que tenemos 2n variables que describen un sistema dinámico no necesariamente Hamiltoniano, de modo que se conocen las ecuaciones de evolución t = ( t,t) (37) Supongamos que sabemos resolver el problema de condiciones iniciales relativo a estas ecuaciones. Su solución en función de las condiciones iniciales y el tiempo la escribimos como i t = i t( 0,t) (38) Llamemos t y 0, y miremos la expresión anterior como una transformación de a. Sean los elementos de matriz de la transformación y su Jacobiano, M ij = i ; det M = J 6= 0 (39) j que en general, serán funciones del tiempo. Podemos calcular el Jacobiano desarrollando en los menores adjuntos A jk alolargodeunafilaarbitrariacomo J = X j M kj A jk Vamos a seguir a Lovelock y Rund (ver Bibliografía, Pp ) y considerar J como una función de los elementos de matriz M kj, de modo que, si estos son funciones del tiempo, se tendrá que dj dt = X k X X d k A jk = X dt j k j k X j X dm kj dt A k j = X k X = X k j X X j l A jk dm kj dt = A k l M lj Pero, X A jk M lj = k l J j

9 9 Luego dj dt = J X k = J apple (40) k donde hemos introducido la compresibilidad del espacio apple como la divergencia del vector, apple = X k k = r (41) Vemos pues que la compresibilidad del espacio viene dada esencialmente por la estructura de las ecuaciones del movimiento. Si integramos (40) y tenemos en cuenta que J (0) = 1 queda Z t J (t) =exp ds apple(s) (42) Definamos una nueva función w(t) talque de modo que el Jacobiano se puede escribir como Tenemos pues que d 1 t...d 2n t 0 ẇ(t) =apple(t) (43) J (t) =e w(t) w(0) (44) = J (t)d d 2n 0 = e w(t) w(0) d d 2n 0 (45) que muestra que, en general, los elementos de volumen no se conservan en la evolución temporal de los sistemas dinámicos. Sin embargo, sí se conserva e w(t) d 1 t...d 2n t, pues e w(t) d 1 t...d 2n t = e w(0) d d 2n 0 (46) Qué ocurre con los sistemas Hamiltonianos?. En este caso, las ecuaciones de movimiento son las de Hamilton y por tanto, = = de modo que, en un sistema Hamiltoniano, la compresibilidad del espacio es nula, apple i i = 2 H 2 H =0 i Por consiguiente, en un sistema Hamiltoniano, sí que se conserva el elemento de volumen del espacio fásico, dq 1 t...dp n t = dq dp n 0 (48) Estos resultados son de importancia en la Mecánica Estadística, pues están en la raiz del teorema de Liouville y sus extensiones a flujos no Hamiltonianos.

10 10 Transformación canónica infinitesimal (TCI) Consideremos una transformación canónica que pasa de las viejas variables (q, p) aunas nuevas, (Q, P )quedifierendelas viejas encantidadesinfinitesimales,estoes, Q i = q i + dq i ; P i = p i + dp i ; = + d (49) Una la función generatriz (generadora) adecuada para esta TCI F 2 = X i q i P i + G(q, P, t);! 0 + Según las fórmulas correspondientes a este tipo de función generatriz (generadora) y quedándonos en el orden mas bajo en tenemos En forma P, P, t) p i = P i + ) dp i = P, P, P, t) Q i = q i + q i + ) dq i = i d = Ahora bien de la definición de corchete de Poisson se tiene que (52) [, (53) y por tanto podremos escribir d = [, G] (54) Un caso particular de TCI corresponde a la elección de = dt, G = H. En este caso se obtienen las ecuaciones de transformación d = dt[, H]= dt (55) que indica que la evolución dinámica durante dt puede entenderse como una TCI cuya generatriz es la propia H. Durante un intervalo finito desde t 0 hasta t, la evolución puede entenderse como una sucesión de TCI. La solución de las ecuaciones de Hamilton, esto es, q(q 0,p 0,t), p(q 0,p 0,t) es una transformación canónica de las condiciones iniciales a los valores de las variables canónicas en t generada por H.

11 11 En una TCI arbitraria, el cambio en las variables induce cambios infinitesimales en las funciones, de modo que du = u( + d ) u( ) d J@G = [u, G] (56) Consideremos una trayectoria en el espacio fásico parametrizada por un parámetro tal que a cada configuración del sistema le corresponde un valor del parámetro, y tomemos =0paraindicarlaconfiguracióninicial.Alolargodelatrayectoria,unafunciónu de las variables físicas la podemos considerar como una función de. Un cambio infinitésimal du sobre la trayectoria será du = d [u, G] (57) Desarrollando en serie de Taylor u( ) =u(0) + du + 2 d 0 2! d 2 u + 3 d 2 0 3! d 3 u +... d 3 0 Pero d 2 u d = d du 2 d d = d [u, G] =[du,g]=[[u, G]; G] d d yasíconlasderivadassuperioresdemodoquesepuedeescribir u( ) =u(0) + [u, G] ! [[u, G]; G] (58) En particular, si tomamos = t y G = H, se obtiene u(t) =u(0) + t [u, H] 0 + t2 2! [[u, H]; H] (59) Apéndice: El Teorema de Liouville Supongamos (como ya vimos) que la dinámica del sistema viene regida por las ecuaciones t i = i ( t ; t) (60) cuyas soluciones en función de condiciones iniciales, son las trayectorias t i = t i( 0 ; t) (61) Consideremos una cierta región fija del espacio fásico y supongamos que Z Z... ( t ; t) d t 1...d t m, (m =2n) (62) representa el número de puntos que hay en el interior de esta regi 0n en un instante de tiempo t. Nótese que los límites de integración son independientes de t. Si no es posible que de modo

12 12 espontáneo se creen o se destruyan puntos, la única forma de que el número de puntos varíe en el tiempo es que haya puntos que entren y puntos que salgan. Haciendo uso del Teorema de Gauss, está claro que la función ( t ; t) hadecumplirlaecuacióndecontinuidad que podemos también expresar ( t ; ( t ; t) + r h i t ( t ; t) =0 (63) + t r ( t ; t) + ( t ; t)r t =0 (64) Supongamos en primer lugar que la dinámica es Hamiltoniana. En este caso, las trayectorias son las soluciones de las ecuaciones de Hamilton, y por tanto la compresibilidad del espacio es nula, como vimos anteriormente. Luego en la ecuación anterior, se tiene que r t =0. Así pues, la ecuación de continuidad para para dinámicas Hamiltonianas se reduce ( t ; t) + t r ( t ; t) =0= d dt que pone de manifiesto que la función ( t ; t) esunaconstantedelmovimientoparadinámicas Hamiltonianas. Este es uno de los enunciados de teorema de Liouville. Consideremos ahora que la dinámica no es Hamiltoniana, de modo que la compresibilidad del espacio no se anula necesariamente. En este caso, no es posible deducir de la ecuación de continuidad que sea una constante de movimiento a lo largo de las trayectorias dinámicas. Antes bien, d dt = ( t ; t)r t = apple (66) Anteriormente hemos introducido la ó w(t) (verec.(43)relacionadaconlacompresibilidad del espacio. Escribamos ( t ; t) =f( t ; t)exp( w( t ; t)) (67) en la ecuación de continuidad. Se tiene entonces w ) (65) + t r fe w + fe w r t =0 (68) donde se han suprimido los argumentos de las funciones por sencillez en la notación. Teniendo en cuenta t r w = dw dt yque dw dt = apple(t) =r de la ec. (68) se obtiene inmediatamente que df dt t =0 (69)

13 13 alolargodelastrayectoriasdinámicas.estoes,aunque no sea una constante del movimiento, la cantidad f sí lo es. Recordemos que se ha probado que e w(t) d t 1...d t m = e w(0) d d 0 m donde d t 1...d t m es el producto de diferenciales que tendríamos en el instante t si se hubiese partido en t =0delproductoiniciald d 0 m ynoshubiésemosmovidoalolargodelas trayectorias dinámicas del sistema. Pero dado que a lo largo de esas trayectorias dinámicas f( t 1,..., t m; t) =f( 0 1,..., 0 m; 0), se tendrá, pues, que o, lo que es lo mismo, f( t 1,..., t m; t)e w(t) d t 1...d t m = f( 0 1,..., 0 m;0)e w(0) d d 0 m (70) ( t 1,..., t m; t)d t 1...d t m = ( 0 1,..., 0 m;0)d d 0 m (71) que indica que, si seguimos el movimiento de los puntos a lo largo de las trayectorias, los puntos que nos encontremos en t en d t 1...d t m, son aquellos que han seguido las trayectorias que han partido inicialmente de d d 0 m. Cómo caracterizamos un estado estacionario?. En el caso Hamiltoniano, diremos est =0) [ est,h]=0 (72) es decir que est es función sólo de H ydelasdemśconstantesdelmovimiento.enelcaso no Hamiltoniano, una situación estacionaria viene caracterizada por est ( )r + r est ( ) =0 (73) Sin embargo, la condición de estacionariedad para f resulta más cómoda, esto es, r f est ( ) =0 (74) En lo expuesto se pone de manifiesto que la función ( ) esunafunciónhíbrida en cierto modo. Contiene un factor, e w, que es independiente de la distribución de puntos que pongamos en el sistema y depende sóla y exclusivamente del tipo de dinámica que tengamos. Por el contrario, el factor f es representativo de la distribución de puntos sea cual sea la dinámica. Es por ello que puede resultar conveniente establecer la distribución en términos de f. Bibliografía H. Goldstein, Poole and Safko, Classical Mechanics (Addison-Wesley, third edition) L. Pars, A Treatise on Analytical Dynamics. Capítulo XXIV C. Lanczos, The Variational Principles of Mechanics. Caps. VI y VII F. Gantmacher, Lectures in Analytical Mechanics. Caps. 3 y 4 D. Lovelock and H. Rund, Tensors, Di erential Forms and Variational Principles.

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados.

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con

Más detalles

Transformaciones canónicas

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

Más detalles

Resumen sobre mecánica analítica

Resumen sobre mecánica analítica Resumen sobre mecánica analítica Ecuaciones de Lagrange. Supongamos una partícula, cuyo movimiento se puede describir mediante una sóla coordenada x, de modo que en el instante t la posición de la partícula

Más detalles

un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:

un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades: CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse

Más detalles

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

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:

Más detalles

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.

Más detalles

Transformaciones lineales y matrices

Transformaciones lineales y matrices CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal

Más detalles

Apéndice sobre ecuaciones diferenciales lineales

Apéndice sobre ecuaciones diferenciales lineales Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.

Más detalles

4. Resolución de indeterminaciones: la regla de L Hôpital.

4. Resolución de indeterminaciones: la regla de L Hôpital. GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Funciones y derivada. 4. Resolución de indeterminaciones: la regla de L Hôpital. Sean f y g dos funciones derivables en un intervalo abierto I R y sea

Más detalles

Tema 5: Elementos de geometría diferencial

Tema 5: Elementos de geometría diferencial Tema 5: Elementos de geometría diferencial José D. Edelstein Universidade de Santiago de Compostela FÍSICA MATEMÁTICA Santiago de Compostela, abril de 2011 Coordenadas locales y atlas. Funciones y curvas.

Más detalles

Sistemas de ecuaciones lineales dependientes de un parámetro

Sistemas de ecuaciones lineales dependientes de un parámetro Vamos a hacer uso del Teorema de Rouché-Frobenius para resolver sistemas de ecuaciones lineales de primer grado. En particular, dedicaremos este artículo a resolver sistemas de ecuaciones lineales que

Más detalles

Conjuntos y matrices. Sistemas de ecuaciones lineales

Conjuntos y matrices. Sistemas de ecuaciones lineales 1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución

Más detalles

Figura Trabajo de las fuerzas eléctricas al desplazar en Δ la carga q.

Figura Trabajo de las fuerzas eléctricas al desplazar en Δ la carga q. 1.4. Trabajo en un campo eléctrico. Potencial Clases de Electromagnetismo. Ariel Becerra Al desplazar una carga de prueba q en un campo eléctrico, las fuerzas eléctricas realizan un trabajo. Este trabajo

Más detalles

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes

Más detalles

ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3

ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3 ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión

Más detalles

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares

Más detalles

Determinantes. Determinante de orden uno. a 11 = a 11 5 = 5

Determinantes. Determinante de orden uno. a 11 = a 11 5 = 5 DETERMINANTES Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un escalar particular denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno

Más detalles

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x

Más detalles

Espacios topológicos. 3.1 Espacio topológico

Espacios topológicos. 3.1 Espacio topológico Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes

Más detalles

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos Capítulo Espacios vectoriales.1 Definición y ejemplos Un espacio vectorial sobre un cuerpo K (que supondremos conmutativo es un conjunto no vacío junto con 1. una operación interna, +, a la que llamaremos

Más detalles

Análisis Dinámico: Ecuaciones diferenciales

Análisis Dinámico: Ecuaciones diferenciales Análisis Dinámico: Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Análisis Dinámico: 1 / 51 Introducción Solución genérica Solución de

Más detalles

DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES

DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES ALGEBRA DE MATRICES DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES DEFINICIONES 2 Las matrices y los determinantes son herramientas

Más detalles

Fundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso

Fundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso Fundamentos Matemáticos de la Ingeniería Tema 4 Hoja Escuela Técnica Superior de Ingeniería Civil e Industrial Esp en Hidrología Fundamentos Matemáticos de la Ingeniería Tema 4: Diagonaliación de matrices

Más detalles

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley

Más detalles

Contenido. 4. Dinámica Lagrangiana y Hamiltoniana. 1 / Omar De la Peña-Seaman IFUAP Métodos Matemáticos Propedéutico Física 1/38 38

Contenido. 4. Dinámica Lagrangiana y Hamiltoniana. 1 / Omar De la Peña-Seaman IFUAP Métodos Matemáticos Propedéutico Física 1/38 38 Contenido 4. Dinámica Lagrangiana y Hamiltoniana 1 / Omar De la Peña-Seaman IFUAP Métodos Matemáticos Propedéutico Física 1/38 38 Contenido: Tema 04 4. Dinámica Lagrangiana y Hamiltoniana 4.1 Coordenadas

Más detalles

Tema 1: Matrices y Determinantes

Tema 1: Matrices y Determinantes Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz

Más detalles

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz

Más detalles

EJERCICIOS REPASO 2ª EVALUACIÓN

EJERCICIOS REPASO 2ª EVALUACIÓN MATRICES Y DETERMINANTES 1.) Sean las matrices: EJERCICIOS REPASO 2ª EVALUACIÓN a) Encuentre el valor o valores de x de forma que b) Igualmente para que c) Determine x para que 2.) Dadas las matrices:

Más detalles

Tema 1: MATRICES. OPERACIONES CON MATRICES

Tema 1: MATRICES. OPERACIONES CON MATRICES Tema 1: MATRICES. OPERACIONES CON MATRICES 1. DEFINICIÓN Y TIPO DE MATRICES DEFINICIÓN. Una matriz es un conjunto de números reales dispuestos en filas y columnas. Si en ese conjunto hay m n números escritos

Más detalles

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ). 1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden

Más detalles

Definición de la matriz inversa

Definición de la matriz inversa Definición de la matriz inversa Objetivos Aprender la definición de la matriz inversa Requisitos Multiplicación de matrices, habilidades básicas de resolver sistemas de ecuaciones Ejemplo El número real

Más detalles

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.

Más detalles

Algebra lineal y conjuntos convexos

Algebra lineal y conjuntos convexos Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar

Más detalles

Se llama adjunto de un elemento de una matriz A, al número resultante de multiplicar por el determinante de la matriz complementaria

Se llama adjunto de un elemento de una matriz A, al número resultante de multiplicar por el determinante de la matriz complementaria T.3: MATRICES Y DETERMINANTES 3.1 Determinantes de segundo orden Se llama determinante de a: 3.2 Determinantes de tercer orden Se llama determinante de a: Ejercicio 1: Halla los determinantes de las siguientes

Más detalles

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 0 REFLEXION Y RESUELVE Resolución de sistemas Ò mediante determinantes y Resuelve, aplicando x x e y, los siguientes sistemas de ecuaciones: 3x 5y 73 a

Más detalles

Base y Dimensión de un Espacio Vectorial

Base y Dimensión de un Espacio Vectorial Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un

Más detalles

!MATRICES INVERTIBLES

!MATRICES INVERTIBLES Tema 4.- MATRICES INVERTIBLES!MATRICES INVERTIBLES!TÉCNICAS PARA CALCULAR LA INVERSA DE UNA MATRIZ REGULAR 1 Hemos hablado anteriormente de la matriz cuadrada unidad de orden n (I n ).. Es posible encontrar

Más detalles

Teorema del Valor Medio

Teorema del Valor Medio Tema 6 Teorema del Valor Medio Abordamos en este tema el estudio del resultado más importante del cálculo diferencial en una variable, el Teorema del Valor Medio, debido al matemático italo-francés Joseph

Más detalles

Producto de matrices triangulares superiores

Producto de matrices triangulares superiores Producto de matrices triangulares superiores Ejercicios Objetivos Demostrar que el producto de dos matrices triangulares superiores es una matriz triangular superior Deducir una fórmula para las entradas

Más detalles

Tema 3: Espacios vectoriales

Tema 3: Espacios vectoriales Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación

Más detalles

Sistemas de dos ecuaciones lineales de primer grado con dos incógnitas

Sistemas de dos ecuaciones lineales de primer grado con dos incógnitas Un sistema de dos ecuaciones lineales de primer grado con dos incógnitas tiene la siguiente forma Ax + By + C = 0 A x + B y + C (1) = 0 Ya sabemos que una ecuación lineal de primer grado con dos incógnitas

Más detalles

Algoritmos para determinar Caminos Mínimos en Grafos

Algoritmos para determinar Caminos Mínimos en Grafos Problemas de camino mínimo Algoritmos para determinar Caminos Mínimos en Grafos Algoritmos y Estructuras de Datos III DC, FCEN, UBA, C 202 Problemas de camino mínimo Dado un grafo orientado G = (V, E)

Más detalles

Métodos directos para resolver sistemas de ecuaciones lineales

Métodos directos para resolver sistemas de ecuaciones lineales Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el

Más detalles

Tema 2 Datos multivariantes

Tema 2 Datos multivariantes Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,

Más detalles

Lección 4. Ecuaciones diferenciales. 1. Ecuaciones diferenciales de primer orden. Trayectorias ortogonales.

Lección 4. Ecuaciones diferenciales. 1. Ecuaciones diferenciales de primer orden. Trayectorias ortogonales. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 0.. Ecuaciones diferenciales de primer orden. Traectorias ortogonales. Muchas aplicaciones problemas de la ciencia, la ingeniería la economía se formulan en términos

Más detalles

x = t 3 (x t) 2 + x t. (1)

x = t 3 (x t) 2 + x t. (1) Problema 1 - Considera la siguiente ecuación de primer orden: x = t 3 (x t + x t (1 (a Comprueba que x(t = t es solución de la ecuación (b Demuestra que si x = x(t es la solución que pasa por el punto

Más detalles

7.FUNCIÓN REAL DE VARIABLE REAL

7.FUNCIÓN REAL DE VARIABLE REAL 7.FUNCIÓN REAL DE VARIABLE REAL 7.1 CONCEPTOS PREVIOS Dados dos conjuntos A={ 1,, 3,...} y B={y 1, y, y 3,...}, el par ordenado ( m, y n ) indica que el elemento m del conjunto A está relacionado con el

Más detalles

Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa

Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa Ecuaciones matriciales AX = B y XA = B Cálculo de la matriz inversa Objetivos Aprender a resolver ecuaciones matriciales de la forma AX = B y XA = B Aprender a calcular la matriz inversa con la eliminación

Más detalles

Matemáticas. D e t e r m i n a n t e s

Matemáticas. D e t e r m i n a n t e s Matemáticas D e t e r m i n a n t e s El determinante de una matriz cuadrada es un número que se obtiene a partir de los elementos de la matriz. Su estudio se justifica en cuanto que simplifica la resolución

Más detalles

TEMA 8.- NORMAS DE MATRICES Y

TEMA 8.- NORMAS DE MATRICES Y Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales ALBERTO VIGNERON TENORIO Dpto. de Matemáticas Universidad de Cádiz Índice general 1. Sistemas de ecuaciones lineales 1 1.1. Sistemas de ecuaciones lineales. Definiciones..........

Más detalles

Tema 5: Sistemas de Ecuaciones Lineales

Tema 5: Sistemas de Ecuaciones Lineales Tema 5: Sistemas de Ecuaciones Lineales Eva Ascarza-Mondragón Helio Catalán-Mogorrón Manuel Vega-Gordillo Índice 1 Definición 3 2 Solución de un sistema de ecuaciones lineales 4 21 Tipos de sistemas ecuaciones

Más detalles

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p

Más detalles

Menor, cofactor y comatriz

Menor, cofactor y comatriz Menor, cofactor y comatriz Sea A una matriz cuadrada de orden n. Al quitarle la línea i y la columna j se obtiene una submatriz de orden n-1, que se denota habitualmente A i,j. Por ejemplo, con n = 4,

Más detalles

ALGEBRA. Escuela Politécnica Superior de Málaga

ALGEBRA. Escuela Politécnica Superior de Málaga ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.

Más detalles

Tema 2.- Formas Cuadráticas.

Tema 2.- Formas Cuadráticas. Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas

Más detalles

1 Super cies regladas

1 Super cies regladas 1 Super cies regladas 1.1 De nición y ejemplos Vamos a estudiar una clase importante de super cies que son aquellas generadoas por una recta que se mueve a lo largo de una curva. Por tanto, son aquellas

Más detalles

1. Halle el dominio de la función f(x) = ln(25 x2 ) x 2 7x + 12 ; es decir, el conjunto más grande posible donde la función está definida.

1. Halle el dominio de la función f(x) = ln(25 x2 ) x 2 7x + 12 ; es decir, el conjunto más grande posible donde la función está definida. Cálculo I (Grado en Ingeniería Informática) Problemas resueltos, 0-3 y 03-4 (segunda parte) Preparado por los profesores de la asignatura: Pablo Fernández, Dragan Vukotić (coordinadores), Luis Guijarro,

Más detalles

Polaridad. Tangentes. Estudio geométrico de cónicas y cuádricas

Polaridad. Tangentes. Estudio geométrico de cónicas y cuádricas Tema 6- Polaridad Tangentes Estudio geométrico de cónicas y cuádricas En este tema pretendemos estudiar propiedades de V(Q), especialmente en los casos real y complejo, con n =2,3 Para ello, necesitamos

Más detalles

Matriz asociada a una transformación lineal respecto a un par de bases

Matriz asociada a una transformación lineal respecto a un par de bases Matriz asociada a una transformación lineal respecto a un par de bases Objetivos Definir la matriz asociada a una transformación lineal respecto a un par de bases y estudiar la representación matricial

Más detalles

Determinantes. Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A).

Determinantes. Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A). Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno a 11 = a 11 5 = 5 Determinante

Más detalles

Modelos Estocásticos I Tercer Examen Parcial Respuestas

Modelos Estocásticos I Tercer Examen Parcial Respuestas Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado

Más detalles

* e e Propiedades de la potenciación.

* e e Propiedades de la potenciación. ECUACIONES DIFERENCIALES 1 REPASO DE ALGUNOS CONCEPTOS PREVIOS AL ESTUDIO DE LAS ECUACIONES DIFERENCIALES 1. Cuando hablamos de una función en una variable escribíamos esta relación como y = f(x), esta

Más detalles

Espacios vectoriales reales.

Espacios vectoriales reales. Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre

Más detalles

Descomposición en valores singulares de una matriz

Descomposición en valores singulares de una matriz Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran

Más detalles

Espacios vectoriales

Espacios vectoriales Espacios vectoriales [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación

Más detalles

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES Parte A: determinantes. A.1- Definición. Por simplificar, consideraremos que a cada matriz cuadrada se le asocia un número llamado determinante que se

Más detalles

i05matrices.nb Matrices

i05matrices.nb Matrices i05matrices.nb 1 0.5 Matrices Lo primero que necesitamos es la forma en que se escriben las matrices en Mathematica. Recordemos que cada fila corresponde a una lista y que los elementos de ésta van entre

Más detalles

Comisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 2012

Comisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 2012 AMARUN www.amarun.org Comisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 212 Introducción Algunas fechas: 197: Noción de Operador lineal

Más detalles

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los

Más detalles

Semana 09 [1/28] Sucesiones. 29 de abril de Sucesiones

Semana 09 [1/28] Sucesiones. 29 de abril de Sucesiones Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará

Más detalles

BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES.

BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES. BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES. Matrices: Se llama matriz de dimensión m n a un conjunto de números reales dispuestos en m filas y n columnas de la siguiente forma: 11 a 12 a 13... a 1n A= a a 21

Más detalles

1 Aplicaciones lineales

1 Aplicaciones lineales UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Aplicaciones lineales y diagonalización. El objetivo principal de este tema será la obtención de una matriz diagonal

Más detalles

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que

Más detalles

dt Podemos verificar que la velocidad definida de esta forma no transforma como un vector bajo una T.L. En clases mostramos que el intervalo

dt Podemos verificar que la velocidad definida de esta forma no transforma como un vector bajo una T.L. En clases mostramos que el intervalo 1 Cuadrivectores Hasta ahora hemos hablado de las transformaciones de Lorentz, y cómo estas afectan tanto a las coordenadas espaciales como al tiempo. El vector que define un punto en el espacio-tiempo

Más detalles

Tema 1. Álgebra lineal. Matrices

Tema 1. Álgebra lineal. Matrices 1 Tema 1. Álgebra lineal. Matrices 0.1 Introducción Los sistemas de ecuaciones lineales aparecen en un gran número de situaciones. Son conocidos los métodos de resolución de los mismos cuando tienen dos

Más detalles

DETERMINANTES Profesor: Fernando Ureña Portero

DETERMINANTES Profesor: Fernando Ureña Portero : CONCEPTO, CÁLCULO DE. Definición: A cada matriz cuadrada A=a ij, de orden n, se le asigna un número real, denominado determinante de A, denotado por A o por det (A). A =det (A)= 1.-Determinante de orden

Más detalles

Matrices, determinantes, sistemas de ecuaciones lineales.

Matrices, determinantes, sistemas de ecuaciones lineales. UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m

Más detalles

Tema 2: Espacios Vectoriales

Tema 2: Espacios Vectoriales Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.

Más detalles

Matriz A = Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

Matriz A = Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. MATRICES Matriz Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n A = a i1 a ij a in a m1 a

Más detalles

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ). INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.

Más detalles

Lección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos

Lección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto

Más detalles

TEMA 4: Sistemas de ecuaciones lineales II

TEMA 4: Sistemas de ecuaciones lineales II TEM 4: Sistemas de ecuaciones lineales II ) Teorema de Rouché-Frobenius. ) Sistemas de Cramer: regla de Cramer. 3) Sistemas homogeneos. 4) Eliminación de parámetros. 5) Métodos de factorización. 5) Métodos

Más detalles

ƒ : {(1, 4), (2, 5), (3, 6), (4, 7)}.

ƒ : {(1, 4), (2, 5), (3, 6), (4, 7)}. SECCIÓN 5. Funciones inversas 5. Funciones inversas Verificar que una función es la inversa de otra. Determinar si una función tiene una función inversa. Encontrar la derivada de una función inversa. f

Más detalles

Funciones convexas Definición de función convexa. Tema 10

Funciones convexas Definición de función convexa. Tema 10 Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en

Más detalles

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos

Más detalles

Lo rojo sería la diagonal principal.

Lo rojo sería la diagonal principal. MATRICES. Son listas o tablas de elementos y que tienen m filas y n columnas. La dimensión de la matriz es el número se filas y de columnas y se escribe así: mxn (siendo m el nº de filas y n el de columnas).

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales TIPOS DE SISTEMAS. DISCUSIÓN DE SISTEMAS. Podemos clasificar los sistemas según el número de soluciones: Incompatible. No tiene solución Compatible. Tiene solución. Compatible

Más detalles

1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3.

1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3. . Producto escalar. Propiedades... Norma de un vector. Espacio normado...ortogonalidad. Ángulos..3.Producto escalar en V..4.Producto escalar en V 3.. Producto vectorial de dos vectores de V 3...Expresión

Más detalles

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

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente. ÁLGEBRA DE MATRICES Página 47 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes

Más detalles

Matrices y determinantes

Matrices y determinantes Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna

Más detalles

Tema 3: Sistemas de ecuaciones lineales

Tema 3: Sistemas de ecuaciones lineales Tema 3: Sistemas de ecuaciones lineales 1. Introducción Los sistemas de ecuaciones resuelven problemas relacionados con situaciones de la vida cotidiana que tiene que ver con las Ciencias Sociales. Nos

Más detalles

Determinación de la trasformada inversa mediante el uso de las fracciones parciales

Determinación de la trasformada inversa mediante el uso de las fracciones parciales 3.6. Determinación de la trasformada inversa mediante el uso de las fracciones parciales 95 3.6. Determinación de la trasformada inversa mediante el uso de las fracciones parciales Transformadas de Ecuaciones

Más detalles

Recordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.

Recordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos. Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre

Más detalles

CÁLCULO DIFERENCIAL Muestras de examen

CÁLCULO DIFERENCIAL Muestras de examen CÁLCULO DIFERENCIAL Muestras de examen Febrero 2012 T1. [2] Demostrar que la imagen continua de un conjunto compacto es compacto. T2. [2.5] Definir la diferencial de una función en un punto y demostrar

Más detalles

Espacios vectoriales con producto interior

Espacios vectoriales con producto interior Espacios vectoriales con producto interior Longitud, norma o módulo de vectores y distancias entre puntos Generalizando la fórmula pitagórica de la longitud de un vector de R 2 o de R 3, definimos la norma,

Más detalles

Ecuaciones diferenciales homogéneas y no homogéneas lineales a coeficientes constantes. Búsqueda de la solución particular.

Ecuaciones diferenciales homogéneas y no homogéneas lineales a coeficientes constantes. Búsqueda de la solución particular. Ecuaciones diferenciales homogéneas y no homogéneas lineales a coeficientes constantes. Búsqueda de la solución particular. 1. Definiciones previas 1.1. Wronskiano Diremos que el Wronskiano de un conjunto

Más detalles

Método de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte II)

Método de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte II) Método de diferencias finitas para ecuaciones diferenciales parciales elípticas (Parte II) Métodos numéricos para sistemas lineales Solución numérica de EDPs requiere resolver sistemas de ecuaciones lineales

Más detalles

Estos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.

Estos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones. TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

Determinantes. Primera definición. Consecuencias inmediatas de la definición

Determinantes. Primera definición. Consecuencias inmediatas de la definición Determinantes Primera definición Para calcular el determinante de una matriz cuadrada de orden n tenemos que saber elegir n elementos de la matriz de forma que tomemos solo un elemento de cada fila y de

Más detalles