MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES TEMA 4: OPERADORES LINEALES

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

Download "MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES TEMA 4: OPERADORES LINEALES"

Transcripción

1 MÉTODOS MTEMÁTICOS ESPCIOS DE HILBERT Y OPERDORES LINELES Profesora: Mª Cruz Boscá TEM 4: OPERDORES LINELES Notacó: sea L ( L, ) y L ( L, ) dos espacos ormados; sea T u operador leal T : D( T ) < L L, de recorrdo R( T) < L ; sea L( L) el espaco leal costtudo por todos los operadores T co domo D( T ) = L y recorrdo R( T ) < L, y sea H u espaco de Hlbert Lema: D D = H se tee x, y = 0 y D x = 0 Lema: Dado T L ( L), L pre-hlbert, k =C ( T = 0 x, Tx = 0 x L ) Lema: Dados T L ( L), =,, L pre-hlbert, k =C T = T x, T x = x, T x x L plcacoes leales etre espacos leales Ua aplcacó T co domo D( T ) y recorrdo R( T ), T : D( T ) L R( T ) L, es aplcacó leal u operador leal del espaco leal L sobre el espaco leal L, ambos sobre el cuerpo comú Λ, s satsface: a) D( T ) < L b) T es uvaluada: x D( T )! y R( T ) : T ( x) = y (otacó: y = Tx ), c) x, y D( T ), α, β Λ : T ( α x β y) = αt ( x) βt ( y) Deomacó: aplcacó leal operador leal homomorfsmo Ua aplcacó T co domo D( T ) y recorrdo R( T ), T : D( T ) L R( T ) L, es aplcacó atleal u operador atleal del espaco leal L sobre el espaco leal L, ambos sobre el cuerpo comú Λ =C, s satsface: a) D( T ) < L b) T es uvaluada: x D( T )! y R( T ) : T ( x) = y (otacó: y = Tx ), c) x, y D( T ), α, β Λ : T ( α x β y) = α * T ( x) β * T ( y) MC Boscá, U de Graada

2 Propedades: Dada ua aplcacó leal T : D( T ) < L R( T ) L, se tee: a) R( T ) < L b) T (0) = 0 (0 es elemeto eutro de la ley ( ) e L, =, ) c) T ( x) = T ( x) x D( T ) d) { x D T Tx } kert= ( ) : = 0 < L (úcleo o kerel del operador) e) S D ( T ) = L y d m L es fta: dm D( T ) = dm kert dm R( T ), deomádose uldad de T a la dm kert y rago de T a la dm R( T ) Gráfco de u operador leal Dada ua aplcacó leal T : D( T ) L R( T ) L, se defe su gráfco Γ ( T ) como Γ ( T) = {( x, x) L L : x D( T), x = Tx R( T) } L L Γ ( T ) < L L Γ ( T ) < L L es gráfco L ((0, y) Γ y = 0) (esto Teorema del gráfco: U subespaco leal de algú operador leal etre L y es, s Γ corta al eje L, lo hace sólo e el orge) Igualdad etre operadores leales: Dados dos operadores leales T y T, so guales Γ ( T ) = Γ( T ) D( T ) = D( T ) = D( T ) y T x = T x x D( T ) Extesoes y restrccoes: Dados dos operadores leales T y T, tales que D( T ) D( T ) y T x = T x x D( T ), etoces T es ua extesó de T a D( T ), y T es ua restrccó de T a D( T ) Notacó: T T T»» T es ua extesó de T T»» T es ua restrccó de T Operador leal verso ( ) Dado u operador leal T : D( T ) < L R( T ) < L la relacó versa T se defe segú: ( ) ( ) ( ) T : D( T ) = R( T ) R( T ) = D( T ) tal que y D( T ( ) ) se tee T y = x co x D( T ) y Tx = y MC Boscá, U de Graada

3 E geeral, ser uvaluada) ( ) T o tee por qué ser u operador (e: o tee por qué Dado u operador leal T : D( T ) < L R( T ) < L la relacó versa es u operador leal ( ) T T : D( T ) = R( T ) < L R( T ) = D( T ) < L T es u operador yectvo [ ( Tx = Tx) x = x ] [ Tx = 0 x = 0 ], e: kert = { 0 } Dado u operador leal T : D( T ) < L R( T ) < L, T se defe como operador o sgular T operador leal Dado u operador leal T : D( T ) < L R( T ) < L o sgular T T I : D( T ) D( T ) / T Tx = x x D( T ) D TT I : R( T ) R( T ) / TT y = y y R( T ) R Dado u operador leal T : D( T ) < L R( T ) < L, T se defe como operador vertble D( T ) = R( T ) = L y T es o sgular operadores leales, y TT T T I = = T, T, Dados dos operadores leales T : D( T ) < L R( T ) < L, =,, tales que D( T ) D( T ) y T ( x) = T ( x) x D( T ), se dce que T es ua extesó de T a D( T ) y que T es ua restrccó de T a D( T ), smbolzádose T T Operadores leales acotados y cotuos Operador leal cotuo/acotado ( ) Dados dos espacos ormados L y L sobre el msmo cuerpo k, u operador leal : D( ) < L R( ) < L es cotuo e x D( ) ε > 0 δ ( x, ε ) > 0 / ( x) ( y) < ε y D( ) tal que x y < δ { x } D( ) se tee que x x ( x ) ( x) = U operador leal : D( ) < L L es cotuo s lo es x D( ) Dados dos espacos ormados L y L sobre el msmo cuerpo k, u operador leal : D( ) < L R( ) < L es acotado k R fto, k 0 / x k x x D( ) -Nota: Obsérvese que K x m = sup es el meor valor de k para el que se verfca x 0 x la ateror desgualdad para todo operador leal acotado MC Boscá, U de Graada 3

4 Dados dos espacos ormados L y L sobre el msmo cuerpo k, u operador leal T : D( T ) < L R( T ) < L es cotuo es cotuo e u puto de su domo (cualquera) es cotuo e x = 0 es acotado La suma, el producto por u escalar y la composcó de operadores leales cotuos da como resultado otro operador leal cotuo Norma de u operador leal acotado Defcó: Dados dos espacos ormados L y L sobre el msmo cuerpo k y u operador leal acotado : D( ) < L R( ) < L, se defe la orma del operador, R, 0, segú x = sup x 0 x x D ( ) x x x D( ) Teorema: Defcoes equvaletes para la orma de u operador ( leal acotado!): = f k R, k 0 / x k x x D( ) a) { } b) sup 0< x x D ( ) x c) Propedades sup x x D ( ), x 0 x x d) sup x = x D ( ) ( ( L, L ), ) es u espaco leal ormado (cuerpo k ) x L L co ( (, ), ) L espaco de Baach es u espaco de Baach ( L, L ) = L ( L, L ) L ( L, L ) C ( L, L) = L ( L, L) = L ( L, L) C ( ( L, L ), ) la suma (de elemetos de, esto es, de operadores leales E acotados), el producto por u escalar y el producto de operadores so també elemetos del espaco (o sea, operadores leales cotuos) -Por ejemplo:, B B, α α B B, α α, B B Dados ( L, L ) y ( L, L3 ), etoces es acotado, ; ( L, L3 ) y -Nota: la últma propedad permtrá que ( H ) = ( H, H ), H espaco de Hlbert (y, por tato, espaco completo), costtuya u álgebra de Baach MC Boscá, U de Graada 4

5 El espaco Baach ( H ) ( H, H ) co dm H > o es espaco euclídeo (e: la orma o cumple la ley del paralelogramo, o sea, o derva de u producto escalar) Teoremas del operador verso acotado: Dado u operador leal T : D( T ) < L R( T ) < L, L { 0 } T operador leal acotado k > 0 : Tx k x x D( T ), etoces Dado u operador leal acotado byectvo : L L, co L y L Baach, etoces Represetacó matrcal: y es operador leal acotado Todo operador leal acotado ( H ) co H espaco de Hlbert separable, admte represetacó como ua matrz cuadrada de elemetos e, e e, card I ℵ, ua base ortoormal umerable de =, sedo { } 0 j j I H y teédose x H, x = αe, que esto es, I Operadores cerrados Defcoes y teoremas x = e jα, j I j I ( x) jα j = U operador leal T : D( T ) < L L se defe como cerrado su j I gráfco ( ) {(, ) : ( ), } η T = x y L L x D T y = Tx < L L es cerrado (e: η( T ) = η( T ) L L ; recordar que L L de L y L, dode se ha defdo la orma es el espaco suma drecta extera ( x, y) = x y ; dado S < L L, S es gráfco de u operador leal T : D( T ) < L L ( (0, y) S y = 0); además, s L y L so Baach, etoces L L es Baach) U operador T : D( T ) < L L es cerrado { } ( x D ( T ), x x, Tx y ) ( x D ( T ), y = Tx ) = Dado u operador leal acotado : D( ) < L L, etoces S D( ) = D( ), etoces es cerrado, y S es cerrado y L es Baach, etoces D( ) = D( ) Dado u operador leal acotado ( D( ), H ), es cerrado D( ) = D( ) MC Boscá, U de Graada 5

6 Teorema del gráfco cerrado: Dados dos espacos Baach L, L y u operador leal T : D( T ) < L L, co D( T ) = D( T ), etoces (T es operador cerrado T es operador acotado) U operador leal T : D( T ) < L L se defe como cerrable o clausurable posee extesó c Text T cerrada c c c c (e: T : D( T ) < L L : D( T ) D( T ), T x = Tx x D( T ) y operador cerrado) ext ext ext ext c S T es cerrado, es cerrable (eg: T = T ) T es cerrable η ( T ) o posee putos (0, y ) co y 0 { } N { } ( ),, { } N { } ( ), y, { } [( x D( T), x 0, Tx y) y = 0] x D T x x Tx z z = z y D T N x Ty z ext c T ext es Dado T operador cerrado o acotado, y o sgular cerrado Clausura de u operador T es operador Dado u operador cerrado o cerrable T : D( T ) < L L, se defe su cerre o clausura T como su extesó cerrada mmal, e, la extesó cerrada del msmo tal que, dada cualquer otra extesó cerrada T de él, c se tee η( T ) η( T ext ) Dado T operador cerrado T = T Dado u operador leal T : D( T ) < L L, operador o cerrado pero clausurable, etoces T posee clausura T, η( T ) = η( T ), ( ) D( T ) D T D( T ) Nota: Exste operadores leales T : D( T ) < L L que so: Cerrados pero o acotados (eg: el operador dferecal, ver Vera p 9) cotados pero o cerrados (eg: el operador detdad I D, D L, ver Vera p 9) N cerrados acotados c ext MC Boscá, U de Graada 6

7 Extesó de operadores leales acotados Teorema de extesó de u operador leal acotado co recorrdo e u Baach: Dado u operador leal acotado : D( ) < L L, co L espaco de Baach, etoces! ext : D( ext ) = D( ) L L, operador leal acotado tal que:, e: x = x x D( ) y η( ) η( ) ext D( ) = D( ) ext ext x D( ) : ext x = lm x co { x} D( ) y x x ext = y ext = Todo operador leal acotado co domo de defcó deso e el correspodete espaco ormado y recorrdo e u Baach puede extederse a todo el espaco coservado su orma Dado : D( ) < H H, operador leal acotado co domo y recorrdo sobre u Hlbert, etoces exste uas extesoes acotadas de a D( ), : D( ) = D( ) H H, úca, y H de a todo el espaco, : D( ) = H H, o úca e geeral, tales que: H H, e: x = x x D( ) ; η( ) η( ) ; D( ) = D( ) D( ) y = co { x } D( ) x D( ) : x lm x H ext y x x, e: x = x x D( ) ; η( ) η( ) ; D( ) D( ) y, puesto que x H : x x x H H = co ( ), ( ( )) H x D x D, etoces x H \ D( ) : x = x x, sedo (( D( )), H ) (e: u operador leal acotado co domo D( ) ( ( )) = D ) H = ( H = = cuado = 0 ) Todo operador leal acotado co domo y recorrdo e u Hlbert puede extederse a todo el espaco; por tato, e el estudo de u operador cotuo sobre u H puede supoerse sempre que el operador ( H ) = ( H, H ) (auque su extesó, e geeral, o es úca s D( ) H ) H MC Boscá, U de Graada 7

8 Teorema de represetacó de Resz o de Resz-Fréchet: Dado u espaco de Hlbert H, etoces u fucoal leal * F H! g H / F( x) = g, x x H, teédose F = g ( g se deoma el vector geerador del fucoal F, djuto de u operador * H represeta el espaco dual del * H, véase tema 5) Dado u operador leal acotado ( H ) se defe su operador adjuto como el operador leal : H H tal que x, y = x, y x, y H ( H )! ( H ) (demostracó: requere el teorema de Resz) El cocepto de operador adjuto geeralza el de matrz adjuta, pues s, como vmos, todo operador leal acotado ( H ), co H espaco de Hlbert separable, admte represetacó como ua matrz cuadrada de elemetos e, e e, card I ℵ, ua base ortoormal =, sedo { } 0 j j I umerable de H, etoces se tee que la matrz asocada al operador adjuto es la traspuesta de la cojugada de la matrz de : = ( ) j j * Propedades:, ( H ), se tee ( H ) ( H ) = y es cerrado * = ; ( α ) = α α k ( ) = ; ( ) = = ; = = S es vertble, ( ) ( ) = ( H ) vertble, ( ) ( H ) ker = ( R( )) y ker = ( R( )) ; H = R( ) ker y Dado u operador leal T : D( T ) < H H, se deoma operador adjuto de T, símbolo T, al operador leal T : D( T ) < H H defdo: { } ) D( T ) = x H /! g H : x, Ty = g, y y D( T ), ) x T x = g x D( T ) T L( D( T ) < H, H ),! T L ( D( T ) < H, H ) D( T ) = H Propedades: Sea T L ( D( T ) < H, H ) co D( T ) = H (e partcular, ( H ) ), etoces:! T L ( D( T ) < H, H ) y es cerrado S T es cerrado D( T ) = H T = T D( T ) = H T es cerrable S D( T ) = H T = T MC Boscá, U de Graada 8

9 S T T = T y ( T ) = T S T co D( T ) H ( T ) y ( T ) ( T ) = = T x, y = x, Ty x D( T ), y D( T ) T L ( D( T ) < H, H ), D( T ) = H, =, * T T T T T T ( ) ; ( α ) = α α k T L ( D( T ) < H, H ), =,, co D( T ) = D( T T ) = H ( T T ) T T T L ( D( T ) < H, H ), =,, co D( T ) = D( TT ) = H ( TT ) T T Operadores hermítcos y autoadjutos Dado u operador leal T : D( T ) < H H co D( T ) = H, se defe como operador hermítco o smétrco Tx, y = x, Ty x, y D( T ) T T Todo T L ( D( T ) < H, H ) hermítco es cerrable T L ( D( T ) < H, H ) hermítco T T T Dado u operador leal T : D( T ) < H H co D( T ) = H, se defe como operador autoadjuto T = T Postulado II de la Mecáca Cuátca: Cada observable de u sstema físco se represeta e el formalsmo matemátco de la Mecáca Cuátca medate u operador leal autoadjuto que actúa e el espaco de Hlbert ( H complejo, k = C, y separable) del sstema físco cosderado Dado u operador leal T : D( T ) < H H hermítco ( D( T ) = H ), se defe como operador esecalmete autoadjuto cuado posee ua úca extesó autoadjuta T es autoadjuto T = T (T es autoadjuto) T = T Dado T L ( D( T ) < H, H ) hermítco ( D( T ) = H ): Puede poseer ua, gua o varas extesoes autoadjutas S T es esecalmete autoadjuto, admte extesó propa úca, T T, autoadjuta ext S T es autoadjuto, o admte extesó propa autoadjuta Dado T L ( D( T ) < H, H ) autoadjuto ( D( T ) = H ), etoces T ( D( T )), e, es cotuo D( T ) = H Dado T L ( D( T ) < H, H ) hermítco ( D( T ) = H ) co cerre autoadjuto, es esecalmete autoadjuto Dado T L ( D( T ) < H, H ) hermítco ( D( T ) = H ): T es autoadjuto R( T I) = R( T I ) = H T es esecalmete autoadjuto R( T I) H ± = ker( T I) { 0} ± = MC Boscá, U de Graada 9

10 T es autoadjuto ( T cerrado y ker( T I) { 0} ± = ) Bloque de propedades: Sea T L ( D( T ) < H, H ) co D( T ) = H, etoces: S T hermítco ( T es cerrable, T = T, T T T ) S T hermítco y T = T T T es cerrado y o es autoadjuto S T hermítco y T T = T T tee cerre autoadjuto (es esecalmete autoadjuto) y o es autoadjuto S T hermítco y cerrado T = T = T T S T hermítco y cerrado ( T = T T es hermítco) S T hermítco y cerrado T es autoadjuto S T hermítco y T = T = T T es autoadjuto y cerrado S T es autoadjuto T hermítco y cerrado (T hermítco co D( T ) = H T es acotado ) T autoadjuto S T es hermítco co D( T ) H y T es acotado T es esecalmete autoadjuto S T cerrado y T hermítco T autoadjuto S dm H < (T hermítco T autoadjuto) Lema: Dado T L ( H ), tal que x, Tx = 0 x H S k =R y T = T T = 0 S k =C T = 0 Dado T L ( D( T ) < H, H ), k =C S D( T ) = H y T es acotado (T es autoadjuto x, Tx R x H ) S T es hermítco ( D( T ) = H ) x, Tx R x D( T ) Nota: Cosderados los operadores leales T : D( T ) < H H, D( T ) = H : Exste operadores hermítcos o acotados o autoadjutos NO exste operadores autoadjutos o acotados co D( T ) = H Bloque de propedades (acotados): Sea ( D( ) < H, H ) co D( ) = H, etoces: S hermítco = S ( H ) (esto es, D( ) = H ) y es hermítco =, e, es autoadjuto S hermítco puede sempre extederse a D( ) = D( ) = H, de forma que se obtee u autoadjuto Dados ( D( )), =,, autoadjutos ( D( ) = H ) y α, α R, autoadjutos Dados ( D( ) < H, H ), =,, co D( ) = D( ) = H, autoadjutos ( autoadjuto = ) S autoadjuto co R( ) D( ), = 0,,, es autoadjuto MC Boscá, U de Graada 0

11 Dado ( D( ) < H, H ) hermítco ( D( ) = H ), etoces: S D( ) H, es esecalmete autoadjuto S D( ) = H, es autoadjuto Dado ( H ) co k =C; etoces:! expresó = r co r, ( H ) y autoadjutos r = ( ) ; = ( ) Es posble defr ua relacó de orde parcal (e: o todos los elemetos será ordeables) e el cojuto de los operadores acotados autoadjutos (tato para k =R como para k =C): = ( H ) / =, etoces: Sea { } Dados, B : B B x, x x, Bx x H S B C BC, B, C S B α α B α R, α 0, B Operadores postvos Dado u operador leal T : D( T ) < H H hermítco ( D( ) = H ), se defe como operador postvo x, Tx 0 x D( T ) Dados T y T operadores postvos T y T comuta Su producto o es, e geeral, u operador postvo Todo operador ( H ) postvo es 0 y autoadjuto Dado ( H ) y so acotados, autoadjutos y postvos Dado ( H ) postvo ( es autoadjuto) I es vertble! B = ( H ), operador raíz cuadrada de,, tal que B = ( H ) ; 0 y ( ) = Dado ( H ) se defe el operador módulo de,, como = ( ) 0 ; = ; ( =, = 0 -Nota: e geeral, B B, B B y B B ) MC Boscá, U de Graada

12 Proyectores ortogoales ( ) Proyectores ortogoales Defcó: Dados u espaco euclídeo L y dos subespacos leales M < L y M < L tales que L = M M, u proyector de L sobre M e la dreccó M de M, PM P : M L M, se dce que es u proyector ortogoal M M Dado P ( H ), se defe como u proyector ortogoal s P P P = = Dados u proyector ortogoal P y el operador detdad I e L el operador I P es proyector ortogoal co recorrdo R( I P) = ker P y úcleo ker ( I P) = R( P) Todo proyector ortogoal P M es cotuo, postvo, 0 P 0, posee orma udad Dado P proyector ortogoal e L ker P L y R( P) L ker P = ( R( P)) y R( P) = (ker ) P P, y, s { 0} M y Dados dos subespacos leales M < L y N < L tales que L = M N y M N, etoces! (exste u úco) proyector ortogoal P co R( P) = M y ker P = N = M -Nota: Obsérvese que, dado u M L, o está garatzado que exsta u proyector ortogoal P M, o sea, o sempre se tedrá L = M M (algo que sí ocurre cuado el espaco es completo, esto es, u Hlbert) Dado u operador leal P L ( H ), P es u proyector ortogoal x, Py = Px, y x, y H (esto es, s P es dempotete y autoadjuto) P = P y Dados P ( H ),proyectores ortogoales co recorrdo M = R( P ) H, =, : PP es proyector ortogoal sobre M M [ P P ], = 0 P P es proyector ortogoal sobre M M M M PP = P M M P P es proyector ortogoal sobre M M M M ( P P ) P = Dada la sucesó { } proyector ortogoal sobre M co Pm P s m < P P co P MC Boscá, U de Graada

13 Operadores ormales Dado u operador leal N : D( N) = H H co D( N) = H, se defe como operador ormal N N = NN (e: N, N = 0, o sea, comuta) Dado u operador leal T : D( T ) = H H co D( T ) = H, es operador ormal Tx = T x x H T es operador ormal Todo operador autoadjuto acotado es ormal Dado u operador leal acotado ( H ) co k =C, es operador r, =0, co r = ( ) y = ( ) Propedades: ormal [ ] Dado u operador ormal acotado N N = N Dado u operador leal T : D( T ) = H H, T operador autoadjuto T es ormal S N : D( N ) = H H, =,, ormales N N y α N, α k, ormales; NN ormal N, N = N, N = 0 N = Dada { }, sucesó de operadores N : D( N ) = H H, =,, ormales acotados, N T ormal Operadores sométrcos ( ), T operador acotado T operador Dado u operador leal T : D( T ) < L L co D( T) = L, se defe como operador sométrco Tx = x x D( T) Dado u operador leal T : D( T ) < L L co D( T) = L, es operador sométrco Tx, Ty = x, y x, y D( T) Dado u operador T leal e sométrco T es operador acotado, osgular y co T = Dado u operador leal T : D( T ) = H H co D( T ) = H, es operador sométrco T T = I D ( T ) (restrccó de la detdad a D( T ) ) MC Boscá, U de Graada 3

14 Operadores utaros ( ) Dado u operador leal acotado U ( H ), se defe como operador utaro es u somorfsmo sométrco es ua byeccó leal y Ux, Uy = x, y x, y H (se tee D( U ) = R( U ) = H ) Dado u operador leal acotado U ( H ), es utaro U es vertble y U = U U es vertble y U U = UU = I U es utaro U trasforma ua base ortoormal de H e otra base ortoormal de H Dados dos operadores utaros U, U ( H ) su producto es també u operador utaro UU ( H ) Dado T ( H ) co H de dmesó fta, s es operador sométrco, es utaro Todo operador utaro es ormal Dado T L ( D( T ) < H, H ) y defdo el operador utaro U ( H H ) : U ( x, y) = ( y, x) ( x, y) H H, tal que U = U, se tedría, supuesto que el operador poseyera adjuto, que: x D( T ) y D( T ) : T x, y = x, Ty ( x, T x), U ( y, Ty) = 0 η( T ) = ( U ( η( T ))), de forma que sempre que el complemeto ortogoal de la accó del operador U sobre el gráfco del operador T sea el gráfco de u operador leal, etoces puede defrse T, lo que ocurre para operadores co domo deso, D( T ) = H Dados dos operadores leales T : D( T ) < H H, =,, se defe como operadores utaramete equvaletes exste u operador utaro U ( H ) tal que U ( D( T )) = D( T ) y T = U TU La equvaleca utara es ua relacó de equvaleca e la clase de todos los operadores leales T : D( T ) < H H Dados operadores leales, uo : D( ) < H H acotado y otro T : D( T ) < H H, utaramete equvaletes T es acotado y T = Dados operadores leales, uo T : D( T ) < H H hermítco (o autoadjuto, o utaro) y otro T : D( T ) < H H, utaramete equvaletes T es hermítco (autoadjuto, utaro) Dados los operadores utaros,, B, B ( H ) B B B B tales que y MC Boscá, U de Graada 4

15 Mecáca Cuátca: El operador de evolucó temporal para u vector estado ψ ( t), e: ψ ( t) = U ( t, t0) ψ ( t0), es u operador leal utaro; para u sstema coservatvo, U ( t, t0) = exp[ ( t t0)e / ħ ] es el operador evolucó temporal para los estados estacoaros o estados propos de H co autovalor E (eergía), H ψ ( t ) = E ψ ( t ), dode H es el Hamltoao del sstema 0 0 Operador de Fourer-Placherel: -Se trata del operador utaro ( L ( R ) ) xy d e (F f )( y) = f ( x) dx cd π dy x xy d e (F g)( x) = g( y) dy cd π dx, y extesó a todo F tal que f, g L ( R) : L ( R) del operador que da la trasformacó de Fourer sobre las fucoes de la evolvete leal de la bo de L ( R) : { } f g e /, N xy xy (F f )( y) = e f ( x) dx y R, π (F g)( x) = e g( y) dy x R π (mplar: bellaas y Galdo, pp 88ss) Operadores compactos ( ; C ( H )< ( H )) Dado u operador leal T : D( T ) = L L co D( T) = L, se defe como operador compacto o completamete cotuo B = x L / x, se tee que T ( B ) es compacto dada la bola udad { } { } { } x B Tx T ( B ) = cotee algua subsucesó = covergete (e T ( B ) ) { x} L, sucesó acotada, { Tx} L = L ) subsucesó covergete (e cotee algua S L, subcojuto acotado, T ( S) es compacto trasforma sucesoes déblmete covergetes e sucesoes fuertemete covergetes (ota: ver tema 5 para estos dos coceptos) = Propedades: Todo operador compacto es acotado (ota: exste operadores acotados o compactos; eg: para L co dmesó o fta, el operador detdad I : L L o es compacto; e dmesó fta, u operador es leal es acotado es compacto) Todo operador acotado degeerado (e: de rago fto, dm R( T ) fta) es compacto MC Boscá, U de Graada 5

16 C operador compacto C compacto operador acotado y compacto compacto Dado C C ( H ) x D( C), co orma x =, tal que Cx C operador compacto C operador compacto = x P Sea C ( H ) el cojuto de los operadores C : D( C) = H H compactos Propedades: C ( H ) < ( H ) C C ( H ), ( H ) C C ( H ), C C ( H ) u { C} C ( H ), C C C C ( H ) { } ( H ), degeerado, u C ( H ) Sea m N T = λ P, N < = P s m Sea T, co P proyector ortogoal, λ P 0 y ; etoces T es compacto P es degeerado = λp, co = P proyector ortogoal, λp 0 y P Pm s m ; etoces T es compacto P es degeerado y lm λ = 0 Sea C C ( H ), C operador ormal N = C = λp, N <, co P proyector ortogoal degeerado, λp 0 y P Pm s m, o be C = λp co P proyector ortogoal degeerado, λp 0, P Pm = s m y lm λ = 0 e = Sea { } y { e } = dos bases ortoormales umerables del espaco H Lema: Dado ( H ) tal que e <, { e' } e = e' m, e = e' = e = e ', m, bo de H MC Boscá, U de Graada 6

17 Operadores de la clase Hlbert-Schmdt ( C < C ) Dado ( H ), se defe e = Dado ( H ), se defe como operador perteecete a la clase Hlbert-Schmdt, o de Hlbert-Schmdt, s Propedades: < ( H ) ( H ), = 0 =0 Sea C ( H ) el cojuto de los operadores C : D( C) = H H de la clase Hlbert-Schmdt Propedades: defe ua orma ec ( H ) (orma Hlbert-Schmdt) ( C ( H ), ) es Hlbert; C, B = Be, Ce, C, B C ( H ) C ( H ) < C ( H ) < ( H ) C C ( H ) C C ( H ) y C C ( H ) C C ( H ) e b o C = C C C ( H ), ( H ) C C ( H ), C C ( H ) C C ( H ), ( H ) C C, C C Operadores tegrales de Hlbert-Schmdt: ( ) Operador leal cotuo L ([ a, b] ) espaco y regla de actuacó b K, co domo todo el ( ) ( f ) ( x) = K K( x, y) f ( y) d y, co K ( x, y) L [ a, b] [ a, b] a K L R, co domo todo el espaco ( ) Operador leal cotuo ( ) y regla de actuacó ( f ) ( x) = K( x, y) f ( y) d y R K, co K( x, y) L ( R ) Propedad: K f K f, por lo que K K -Nota: estos operadores aparece e la teoría de ecuacoes tegrales MC Boscá, U de Graada 7

18 Operadores de la clase traza ( C < C ) Dado ( H ) se defe como operador de la clase traza C ( H ) o trazable s C ( H ) Dado ( H ), se defe Dado ( H ), C ( H ) < Propedades: e e e e b o tr = = = ( H ), C ( H ) C ( H ) =BC co B,C C ( H ) tr defe ua orma ec ( H ) (orma traza) ( C ( H ), ) es Baach C C ( H ) C C ( H ) y C ( H ) < C ( H ) < C ( H ) < ( H ) C C ( H ) C C C C = C C C ( H ), ( H ) C C ( H ), C C ( H ) C C ( H ), ( H ) C C, C C Dado C C ( H ), se defe su traza, tr C, como el escalar tr e, Ce b o C = La aplcacó tr : C ( H ) C satsface: ( tr C) * tr C = λ C tr ( λc) = λ tr C tr (CB) = tr C tr B C C ( H ), ( H ) tr C = tr C tr C tr C Operadores desdad ( C ) y estados e Mecáca Cuátca (cf bellaas y Galdo, pp -) Mecáca Cuátca: Los estados físcos de u sstema cuátco se defe como aplcacoes del cojuto P( H ) de los proyectores ortogoales e H (recuérdese: separable y complejo) sobre el tervalo [ 0, ], p : P( H ) [ 0,], de forma que p( P ) represeta la probabldad de que al medr el observable P e el estado p resulte el valor Estas aplcacoes debe cumplr: MC Boscá, U de Graada 8

19 a) p(0) = 0, p() = b) j : p( P) = p( P) sempre que P = = P j El teorema de Gleaso asegura que, s dm H 3 p ρ C ( H ), autoadjuto ( ρ = ρ) y postvo ( ρ 0), tal que tr ρ = y p( P) = tr ( ρp) P Estos operadores ρ, que represeta los estados del sstema físco, se deoma operadores desdad Dados dos operadores desdad, ρ y ρ toda combacó leal covexa, esto es, de la forma ρ = λρ λρ, λ, λ 0, λ λ =, represeta otro operador desdad Mecáca Cuátca: U operador desdad expresable como combacó leal covexa de otros dos, co ρ = λρ λρ, λ, λ 0, λ λ =, co λ λ, defe u estado mpuro o estado mezcla del sstema; s λ λ = 0 el 0 estado se defe como estado puro Todo operador compacto ormal C (e partcular, todo operador autoadjuto de clase traza) admte expresó C = λp, P Pm s m Todo operador desdad (que, por serlo, es postvo) admte expresó ρ = λ P, λ 0, P 0 y P P s m m Como tr ρ =, se tee Y, supuestos dos λ y λ o ulos, etoces: λ tr P = ( P, 0 de rago fto) λ P P λp ρ = λp λp = λtr P ( λtr P ), sedo λtrp 0, trp λtrp ya que λ 0 Luego el operador ρ es combacó leal covexa de los dos operadores P trp y ρ λp λ trp Cosecuetemete, ρ es puro ρ es u proyector udmesoal trρ = E este caso es frecuete detfcar el estado ρ co uo cualquera de los vectores de orma que egedra el subespaco de proyeccó de ρ MC Boscá, U de Graada 9

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO EXISTECIA DE UA FUCIÓ O LIEAL, COTIUA Y BIYECTIVA E l CO IVERSA DISCOTIUA E TODO PUTO Jorge E Herádez U, Temístocles Zeballos M Uversdad de Paamá, Cetro Regoal Uverstaro de Veraguas, Departameto de Matemátca

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Capítulo 2. Operadores

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

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO U N E X P O UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSE DE SUCRE VICE RECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERIA ELECTRONICA ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo

Más detalles

q q q q q q n r r r qq k r q q q q

q q q q q q n r r r qq k r q q q q urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

Una introducción al concepto de VARIEDAD REAL DIFERENCIABLE Y GRUPO DE LIE

Una introducción al concepto de VARIEDAD REAL DIFERENCIABLE Y GRUPO DE LIE N NTRODCCÓN L CONCPETO DE VREDD REL DFERENCBLE Y GRPO DE LE CRLOS S. CHNE a trduccó al ccept de VREDD REL DFERENCBLE Y GRPO DE LE 0. Sbre tplgía y espac tplógc. 0. Separabldad. Espacs de Hausdr. 03. El

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

Apuestas deportivas por Internet

Apuestas deportivas por Internet Autor: Davd Serrao Martíez 22/0/2009 Apuestas deportvas por Iteret Aputes y relexoes Itroduccó Durate el últmo trmestre de 2005, u grupo de compañeros de trabajo y amgos decdmos motar ua suerte de peña

Más detalles

GUÍA DE ESTUDIO ÁLGEBRA LINEAL

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

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

APLICACIONES LINEALES.

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

Más detalles

6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES

6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES 6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

Tema 1: Números Complejos

Tema 1: Números Complejos Números Complejos Tema 1: Números Complejos Deició U úmero complejo es u par ordeado (x, y) de úmeros reales Éste puede iterpretarse como u puto del plao cuya abscisa es x y cuya ordeada es y El cojuto

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

Tema 3: Valoración financiera de conjuntos de capitales 1

Tema 3: Valoración financiera de conjuntos de capitales 1 Tea 3: aloracó facera de cojuto de captale. alor facero de u cojuto de captale Se deoa valor facero de u cojuto de captale e u oeto t τ, a u ua facera e dcho puto. Aí, dado u cojuto de captale (, t,(,

Más detalles

ELEMENTOS DE ÁLGEBRA MATRICIAL

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

Más detalles

0(=&/$6*$6(26$6. i = (3)

0(=&/$6*$6(26$6. i = (3) 0(&/$6$6(26$6,1752'8&&,21 E la erodáca, para poder realzar aál de prera eguda le, e ecearo coocer la propedade terodáca de la utaca de trabajo, coo o, por ejeplo, la eergía tera, la etalpía la etropía.

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

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

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

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

SERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.

SERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos. CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio

Más detalles

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

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

Más detalles

Análisis Numérico: Matrices y Métodos directos de resolución de SEL

Análisis Numérico: Matrices y Métodos directos de resolución de SEL Matrces, aplcacoes leales y métodos drectos de resolucó de sstemas de ecuacoes leales Grupo de Dámca de Flujos Ambetales Uversdad de Graada Mauel Díez Mguto Ídce Ídce... 2 Lsta de Fguras...3 Lsta de Tablas...

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

Gradiente, divergencia y rotacional

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

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1 Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a. Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base

Más detalles

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

a es la parte real, bi la parte imaginaria.

a es la parte real, bi la parte imaginaria. CAPÍTULOIX 55 NÚMEROS COMPLEJOS Coocmetos Prevos Supoemos coocdo que: ) El cojuto de úmeros complejos está e correspodec buívoc co el cojuto de los putos de u plo. b) U úmero complejo expresdo e form boml

Más detalles

2.- ESPACIOS VECTORIALES. MATRICES.

2.- ESPACIOS VECTORIALES. MATRICES. 2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces

Más detalles

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información MATEMÁTICA Udad 4 Resolvamos desgualdades Iterpretemos la varabldad de la formacó Objetvos de la Udad: Propodrás solucoes a problemas relacoados co desgualdades leales y cuadrátcas; y represetarás los

Más detalles

Ecuaciones diferenciales en derivadas parciales

Ecuaciones diferenciales en derivadas parciales Capítulo 10 Ecuacoes dferecales e dervadas parcales 10.1. Clasfcacó de las ecuacoes e dervadas parcales Los problemas e dervadas parcales que aparece e Físca se suele clasfcar e tres tpos prcpales: problemas

Más detalles

Capítulo 2 Análisis de datos (Bivariados( Bivariados) Estadística Computacional I Semestre 2006 Parte II

Capítulo 2 Análisis de datos (Bivariados( Bivariados) Estadística Computacional I Semestre 2006 Parte II Uvesdad Técca Fedeco Sata Maía Uvesdad Técca Fedeco Sata Maía Depatameto de Iomátca ILI-80 Capítulo Aálss de datos (Bvaados( Bvaados) Estadístca Computacoal I Semeste 006 Pate II Poesoes: Calos Valle (cvalle@.utsm.cl)

Más detalles

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

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

Más detalles

Transformaciones Lineales

Transformaciones Lineales Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,

Más detalles

Estudio de eventos extremos enfocado a seguros y finanzas

Estudio de eventos extremos enfocado a seguros y finanzas Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco

Más detalles

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el

Más detalles

Una ecuación diferencial lineal de orden superior general tendría la forma. (1) dx dx

Una ecuación diferencial lineal de orden superior general tendría la forma. (1) dx dx .7 Ecuacioes difereciales lieales de orde superior 6.7 Ecuacioes difereciales lieales de orde superior Ua ecuació diferecial lieal de orde superior geeral tedría la forma d y d y dy a( ) a ( )... a ( )

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

Más detalles

Tema IX: TOPOLOGÍA. Tema IX: TOPOLOGÍA

Tema IX: TOPOLOGÍA. Tema IX: TOPOLOGÍA Tema IX: TOPOLOGÍA IX.1. Distancia euclídea en R n. Propiedades Definición DEF. Dados x, y R n, se define la distancia euclídea como: d(x, y) = (x 1 y 1 ) 2 + (x 2 y 2 ) 2 + + (x n y n ) 2 = xy n = 1:

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

. Usaremos una vía algebraica y una geométrica que nos

. Usaremos una vía algebraica y una geométrica que nos Título: La desgualdad etre la meda artmétca y geométrca e problemas de olmpadas. Resume: E el presete artículo se pretede mostrar la utldad de ua desgualdad ta elemetal como la relacó etre las medas artmétca

Más detalles

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

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

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles