Tensores cartesianos y propiedades de materiales anisótropos. Laboratorio de Simulación de Materiales no Metálicos 1

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

Download "Tensores cartesianos y propiedades de materiales anisótropos. Laboratorio de Simulación de Materiales no Metálicos 1"

Transcripción

1 y propiedades de materiales anisótropos Laboratorio de Simulación de Materiales no Metálicos 1

2 Propiedades de materiales anisótropos Muchos usos tradicionales y avanzados de los materiales se basan en que una o varias de sus propiedades físicas f son diferentes en diferentes direcciones (no tienen simetría a rotacional) Es decir, son anisótropos Pero pueden ser homogéneos o heterogéneos según n que posean o no simetría translacional. Laboratorio de Simulación de Materiales no Metálicos 2

3 Ejemplos de materiales anisótropos A A Difusión diferencial en electroforesis Materiales laminados sección A-A Laboratorio de Simulación de Materiales no Metálicos 3

4 Propiedades de materiales anisótropos en un tratamiento interesa que la difusión perpendicular a la piel sea mayor que paralela a la misma Difusión de medicamentos a través de la piel Laboratorio de Simulación de Materiales no Metálicos 4

5 Propiedades de materiales anisótropos en una protección solar interesa que la difusión perpendicular a la piel sea pequeña Difusión de medicamentos a través de la piel Laboratorio de Simulación de Materiales no Metálicos 5

6 Propiedades de materiales anisótropos Ala de airbus compuesto ( composite ) epoxi-carbono Laboratorio de Simulación de Materiales no Metálicos 6

7 Propiedades de materiales anisótropos Multiplexador para fibra óptica El movimiento de los microespejos puede controlarse por medio de la piezoelectricidad o la termoelectricidad Laboratorio de Simulación de Materiales no Metálicos 7

8 q = k T k = kj/s m K baja conductividad térmica paralelamente a la superficie 1 2 alta conductividad térmica perpendicularmente a la superficie Laboratorio de Simulación de Materiales no Metálicos 8

9 Propiedades de materiales anisótropos Algunas propiedades de materiales con apl. anisótropas: difusividad másica conductividad eléctrica conductividad térmica permeabilidad magnética expansión térmica actividad óptica efectos piezoeléctrico directo e inverso efecto Hall efectos Pockels y Kerr efecto termoeléctrico complianza y rigidez elásticas efecto piroeléctrico Laboratorio de Simulación de Materiales no Metálicos 9

10 Para poder hacer cálculos c con materiales anisótropos es preciso adquirir un bagaje mínimo m de cálculo c tensorial* Distinguimos dos tipos de tensores: de materia representan propiedades físicas de un material o coeficientes fenomenológicos en ecuaciones constitutivas suelen ser los mismos en todos los puntos del espacio de campo representan soluciones de ecuaciones de campo suelen ser distintos en cada punto del espacio * en esta asignatura sólo se requieren conocimientos básicos de tensores cartesianos, es decir, los asociados a transformaciones de coordenadas no sólo lineales sino además ortogonales. En este caso la distinción entre tipos covariantes, contravariantes y mixtos desaparece, y el cálculo se reduce a la manipulación de diadas, triadas, etc. y no es necesario recurrir al tensor métrico. Por tanto estas notas son válidas exclusivamente para tensores cartesianos. Laboratorio de Simulación de Materiales no Metálicos 10

11 Tensores de materia: difusividad másica conductividad eléctrica conductividad térmica permeabilidad magnética expansión térmica actividad óptica efectos piezoeléctrico directo e inverso efecto Hall efecto Kerr efecto termoeléctrico complianza rigidez Laboratorio de Simulación de Materiales no Metálicos 11

12 Tensores de campo de orden 1: desplazamiento, velocidad, aceleración, fuerza de orden superior a 1 sólo s estudiaremos: tensor de esfuerzos tensor gradiente de velocidad tensor gradiente de desplazamiento El modo de operar con los de campo y de materia es el mismo Laboratorio de Simulación de Materiales no Metálicos 12

13 Notación el orden de un tensor es el número de subíndices que tiene de modo informal, es una tabla de 1, 2, 3,... dimensiones (tantas como el orden) que contiene, en general, d orden elementos, donde d es la dimensión del espacio (en esta asignatura, 3)* denotaremos el orden subrayando la variable (propiedad, campo) tantas veces como su orden tensorial D coeficiente de difusión o difusividad d módulo piezoeléctrico es un tensor de materia de segundo orden es un tensor de materia de tercer orden * la definición rigurosa se vé más adelante Laboratorio de Simulación de Materiales no Metálicos 13

14 Ejemplos de tensores de materia p 1 er orden 2º orden coef. piroeléctrico (C/m 2.K) D ρ difusividad (m 2 /s) resistividad eléctrica (Ω.m) σ k α ε conductividad eléctrica (S/m) conductividad térmica (W/m.K) coef. de expansión térmica (K -1 ) constante dieléctrica relativa (-) Laboratorio de Simulación de Materiales no Metálicos 14

15 Ejemplos de tensores de materia d r d 3 er orden 4º orden módulo piezoeléctrico directo e inverso (C/N) coef. electroóptico lineal (efecto Pockels) (m/v) coef. de efecto Hall (Ω.m/T) s c s ρ Π complianza elástica (Pa -1 ) rigidez elástica (Pa) coeficiente electroóptico cuadrático (efecto Kerr) (m 2 /V) coeficiente magnetoresistivo (cuadrático) (Ω.m/T 2 ) coeficiente fotoelástico (-) Laboratorio de Simulación de Materiales no Metálicos 15

16 Ejemplos de tensores de campo v u E J A P J 1 er orden 2º orden velocidad de un fluido (m/s) desplazamiento (m) campo eléctrico (V/m) flujo másico de A (kg/m 2 s, o kmol/m 2 s o átomos/m 2 s) polarización (C/m 2 ) densidad de corriente eléctrica (A/m 2 ) τ ε γ tensor de esfuerzos (Pa) tensor deformación (-) tensor velocidad de deformación (1/s) Laboratorio de Simulación de Materiales no Metálicos 16

17 Las operaciones con tensores de campo generalizan las relaciones ya conocidas entre escalares (tensores de orden 0) y vectores (orden 1). P.ej.:.: ε = αδt deformación = coeficiente de expansión térmica x incremento de temperatura Cuando un material es isótropo, el coef. de expansión térmica es el mismo en todas las direcciones ε = αδt Un material no isótropo se deforma de modo diferente en diferentes direcciones ε = αδt Laboratorio de Simulación de Materiales no Metálicos 17

18 Muchas de las relaciones que conocemos en su versión escalar (para materiales isótropos) son en general tensoriales J = D C A A flujo másico = difusividad x gradiente de concentración P = d : τ polarización eléctrica = módulo piezoeléctrico x esfuerzo Laboratorio de Simulación de Materiales no Metálicos 18

19 Reflejan p.ej.. el hecho de que en la ley de Ohm,, cada componente del campo eléctrico puede depender de todas las componentes de la densidad de corriente: E1 = ρ11j1 + ρ12j2 + ρ13j3 E = ρ J + ρ J + ρ J E = ρ J + ρ J + ρ J o bien, p.ej. que en el efecto piezoeléctrico inverso, cada componente de la deformación n puede depender de todas las componentes del campo aplicado: ε11 = Ed Ed Ed ε12 = Ed Ed Ed ε13 = Ed Ed Ed etc... Laboratorio de Simulación de Materiales no Metálicos 19

20 Las direcciones coordenadas se especifican como 1, 2 y 3 (no como x,y,z) Usaremos varios tipos de productos entre tensores; estos productos os (que se definen a continuación) n) se denotan por medio de símbolos s como : En ocasiones usaremos con estos productos tipos especiales de paréntesis para hacer patente la naturaleza (orden tensorial) del resultado de un producto: er [ ] { } () = escalar = vector (tensor 1 orden) = tensor 2º orden El orden del resultado de un producto se obtiene del siguiente modo: m signo de multiplicación orden del resultado ninguno : suma de órdenes de los factores suma de órdenes de los factores - 1 suma de órdenes de los factores - 2 suma de órdenes de los factores - 4 suma de órdenes de los factores - 6 Laboratorio de Simulación de Materiales no Metálicos 20

21 Por ejemplo: uv es de orden 1+1=2 [ u v] es de orden 1+1-1=1 { σ τ } es de orden 2+2-2=2 ( σ : τ ) es de orden 2+2-4=0 { } c : ε es de orden 4+2-4=2 Laboratorio de Simulación de Materiales no Metálicos 21

22 Los vectores unitarios (cartesianos) se denotan como: δ 1, δ 2, δ 3 La delta de Kronecker o símbolo s de Zehfuss como: δ ij + 1 si i = j = 0 si i j El símbolo s de permutación, o símbolo s de Levi-Civita, o símbolo s de Eddington*, como: + 1 si ijk = 123,231 o 312 εijk = 1 si ijk = 321,213 o si hay dos índices iguales * más exactamente, el símbolo de permutación es un pseudotensor (de tercer orden), del mismo modo que el resultado de un producto vectorial es un pseudotensor de 1er orden, pseudovector o vector axial; en contraposición con un vector polar, vector propiamente dicho o tensor de 1er orden; en esta asignatura no tendremos en cuenta la distinción entre tensores (paridad impar, que son invariantes bajo rotación) o pseudotensores (paridad par, que son invariantes bajo rotación y reflexión) Laboratorio de Simulación de Materiales no Metálicos 22

23 Se verifica: 1 ε ijk = ( i j )( j k )( k i ) 2 3 k= j= 1 k= 1 ε ε = δ δ δ δ ijk mnk im jn in jm ε ε = 2δ ijk hjk ih i= 1 j= 1 k= 1 ε ε ijk ijk = 6 Un determinante puede escribirse como: a11 a12 a a a a = ε a a a a a a ijk 1i 2 j 3k i= 1 j= 1 k= Laboratorio de Simulación de Materiales no Metálicos 23

24 Operaciones con vectores unitarios: ( ) δ δ = δ i j ij (producto escalar) δ δ = ε δ i j ijk k k = 1 3 (producto vectorial) Expresión n de un vector (tensor de 1 er orden) en vectores unitarios: v 3 = δ iv Esta expresión n puede interpretarse como el tensor, en el lugar i= 1 indicado por el índice i, contiene el valor (componente) Magnitud de un vector (módulo): v i v 3 = v i= 1 2 i v i v = v i fila i Laboratorio de Simulación de Materiales no Metálicos 24

25 Convenio de sumación n sobre índices repetidos (Einstein): en un producto en el que aparece uno o varios índices repetidos (y no hay signos de sumatorio explícitos sobre esos índices), se entenderá que existe sumación n sobre esos índices. ndices. Esta convención n es exactamente equivalente a mantener los sumatorios, pero elimina los signos de sumación n y reduce notablemente la complejidad de las expresiones. P. ej. un vector puede escribirse como: 3 v δ v δ v = = i i i i i= 1 índice repetido i suma sobre este índice 2 Atención: n: en la expresión v i NO hay índice repetido, por tanto no hay suma sobre i: La expresión 2 v i i i i i i i= 1 i= 1 v = vv = vv = v i i i= 1 v v = v significa el cuadrado de la i-ésima sima componente del vector (donde el valor de i no está especificado) Laboratorio de Simulación de Materiales no Metálicos 25

26 Operaciones con vectores: escalar por vector: sv = sδ v = δ ( sv ) i i i i producto escalar de dos vectores: u v= ( δ u) ( δ v ) = ( δ δ ) uv = δ uv = uv i i j j i j i j ij i j i i (esta expresión contiene dos índices repetidos, es por tanto una doble suma con un total de 9 términos. De estos nueve términos, la δ de Kronecker selecciona los 3 términos que se indican) producto vectorial: u v= ( δiui) ( δ jvj) = δi δ j uv i j = εijkδkuv i j = εkijδkuv i j = δ δ δ = u u u v v v Laboratorio de Simulación de Materiales no Metálicos 26

27 Para tensores cartesianos de órdenes superiores se opera de modo análogo. En vez de vectores unitarios se utilizan diadas,, triadas, tetradas, etc. unitarias: Las diadas unitarias son: Las triadas unitarias son: Tensores cartesianos δ iδ j, i, j = 1,2,3 (hay 9) δ 1δ1, δ1δ 2, δ 1δ 3, δ 2δ1, δ 2δ 2, δ 2δ 3, δ 3δ 1, δ 3δ 2, δ 3δ 3 Las triadas unitarias son: δ iδ jδ k, i, j, k = 1,2,3 (hay 27) Las tetradas unitarias son: δ iδ jδ kδ l, i, j, k, l = 1,2,3 (hay 81) Las tetradas unitarias son: y así sucesivamente para órdenes superiores El nombre de las diadas es delta delta i delta j, j, el de las triadas es delta i delta j delta k, k, etc. Es decir, la diada unitaria es el bloque : etc. δ δ Laboratorio de Simulación de Materiales no Metálicos 27 i j

28 Un tensor de 2º 2 orden se expresa en función n de sus componentes y de las diadas unitarias de modo absolutamente análogo a uno de 1 er orden 3 3 τ = δδτ = δδτ i= 1 j= 1 i j ij i j ij Esta expresión n puede interpretarse como en el tensor, en el lugar indicado por los índices ij, colocar el valor (componente) Representando el tensor de 2º 2 orden como una matriz (atenci( atención: : un tensor de 2º 2 orden NO es una matriz; sus componentes se pueden representar como una matriz; la distinción n se ve más m s adelante) τ = τ ij columna j fila i (dos índices repetidos, doble suma, 9 términos) t τ τ ij Laboratorio de Simulación de Materiales no Metálicos 28

29 Un tensor de 3 er orden se expresa en función n de sus componentes y de las triadas unitarias de modo absolutamente análogo a uno de 1er o de 2º 2 orden d = δδ δ d = δδ δ d i= 1 j= 1 k= 1 i j k ijk i j k ijk Esta expresión n puede interpretarse como en el tensor, en el lugar (componente) indicado por los índices ijk, colocar el valor d (tres índices repetidos, triple suma) d ijk Representando un tensor de 3 er orden como un cubo: índice k d ijk índice i índice j Laboratorio de Simulación de Materiales no Metálicos 29

30 Operaciones con diadas unitarias: es una generalización n directa de las operaciones con vectores unitarios: δδ i j δ k = δ i( δ j δ k) = δδ i jk δ i δ jδ k = ( δ i δ j) δ k = δ kδij δ δ δ δ = δ ( δ δ ) δ = δ δ δ = δ δ δ { } ( ) i j k l i j k l i jk l i l jk δδ : δ δ = ( δ δ)( δ δ ) = δδ i j k l i l j k il jk (productos escalares, o contracciones, de diada unitaria por vector unitario) (producto escalar, o contracción, n, de dos diadas unitarias (doble contracción n de dos diadas unitarias) Como regla general, cada (llamada contracción n de índices o producto interno) opera sobre los símbolos s que están n inmediatamente a su izquierda y a su derecha, es decir, es formalmente idéntico a un producto escalar de los dos vectores unitarios adyacentes al operador. Cuando hay más m s de una contracción n (p.ej. : es una doble contracción n tensorial), se lleva a cabo la operación n anterior tantas veces como contracciones haya. Laboratorio de Simulación de Materiales no Metálicos 30

31 Operaciones con triadas, tetradas, etc. unitarias: se aplica la regla general de la transparencia anterior hasta realizar todas las contracciones: { } δδ δ δ = δδ ( δ δ) = δδδ i j k l i j k l i j kl δ δ δ : δ δ = δ ( δ δ )( δ δ ) = δ δ δ i j k l m i k l j m i kl jm ( ) δδ δ δδ δ = ( δ δ )( δ δ)( δ δ ) = i j k l m n i n k l j m = δ δ δ in jm kl producto, o contracción, n, de triada unitaria por vector unitario; resultado: tensor de 2º 2 orden doble contracción n de triada unitaria por diada unitaria; resultado: tensor de 1er orden triple contracción n de triada unitaria por triada unitaria; resultado: escalar, tensor de orden cero Laboratorio de Simulación de Materiales no Metálicos 31

32 Mientras que las contracciones anteriores reducen el orden del resultado r respecto a la suma de órdenes de los factores, existe finalmente otro tipo de producto, el producto diádico dico,, no conmutativo, de dos vectores, cuyo resultado es un tensor de segundo orden: uv = δ δ u v i j i j ( uv vu) Producto diádico dico de dos vectores. Se denota escribiendo los dos factores sin ningún n signo de multiplicación n entre ambos. Resultado: tensor de 2º 2 orden (con 9 componentes, hay doble suma, sobre los dos índices repetidos) Usando las anteriores definiciones, el modo de realizar productos s es: Doble contracción n de dos tensores de 2º 2 orden: ( ) ( ) σ : τ = δ δ σ ):( δ δ τ = ( δ δ )( δ δ ) σ τ = δ δ σ τ = σ τ i j ij k l kl i l j k ij kl il jk ij kl ij ji de los términos que contiene esta expresión (hay cuatro índices repetidos y por tanto 3 4 = 81 términos), las dos δ de Kronecker seleccionan los 9 (=3 2 doble suma) términos que se indican; es decir, aquéllos para los que i=l y j=k, o lo que es lo mismo, en la penúltima expresión se identifican i con l y j con k, puesto que tienen que ser iguales estos índices Laboratorio de Simulación de Materiales no Metálicos 32

33 Tensor de 2º 2 orden por vector: σ v = ( δδ σ ) ( δ v ) = δ ( δ δ ) σ v = δδ σ v = δσ v i j ij k k i j k ij k i jk ij k i ij j es decir, el resultado es el vector cuya componente i-ésima vale: Se puede comprobar que el modo de calcular este producto se corresponde exactamente con el modo de calcular el producto de una matriz por un vector columna. σ v Laboratorio de Simulación de Materiales no Metálicos 33 3 = σ v ij j ij j j= 1 v σ = ( δ v ) ( δ δ σ ) = δ ( δ δ ) σ v = δ δ σ v = δ σ v = δ σ v k k i j ij j k i ij k j ki ij k j ij i i ji j es decir, el resultado es el vector cuya componente j-ésima vale: Se puede comprobar que el modo de calcular este producto se corresponde exactamente con el modo de calcular el producto de un vector columna transpuesto (fila) por una matriz. los nombres de los índices pueden cambiarse a voluntad, con tal de hacerlo de modo consistente. Son variables dummy o etiquetas, es decir, el nombre particular que lleven es irrelevante σ v 3 = σ v ij i ij i i= 1

34 Contracción n de dos tensores de 2º 2 orden: { } ( ) ( ) ( ) σ τ = δ δ σ δ δ τ = δ δ δ δ σ τ = δ δ δ σ τ = δ δ σ τ i j ij k l kl i l j k ij kl i l jk ij kl i l ij jl es decir, el resultado es el tensor cuya componente i,l-ésima vale: Se puede comprobar que el modo de calcular este producto se corresponde exactamente al modo de calcular el producto de dos matrices cuadradas 3 3. σ τ ij jl ij jl j= 1 3 = σ τ Escalar por tensor de 2º 2 orden: todas las componentes se multiplican por el escalar. sσ = s( δδ σ ) = δδ sσ i j ij i j ij Laboratorio de Simulación de Materiales no Metálicos 34

35 Tensor de 3 er orden por tensor de 2º 2 orden: Tensores cartesianos d : τ = ( δ δ δ d ):( δ δ τ ) = δ δ δ d τ = δ d τ j k l jkl m n mn j lm kn jkl mn j jkl lk es decir, el resultado es el vector cuya componente j-ésima es: La ley constitutiva de la piezoelectricidad directa es precisamente k l de esta forma: esfuerzo a que se somete el material Vector por tensor de 3 er orden: { } ( ) ( ) ( ) P = d : τ polarización que aparece en el material módulo piezoeléctrico del material d τ 3 3 = d τ jkl lk jkl lk = 1 = 1 E d = δ E δ δ δ d = δ δ δ δ Ed = δ δ δ Ed = δ δ Ed i i j k l jkl k l i j i jkl k l ij i jkl k l i ikl es decir, el resultado es el tensor de 2º orden cuya componente k,l-ésima es: La ley constitutiva de la piezoelectricidad inversa es precisamente de esta forma: ε = E d Ed módulo piezoeléctrico del material i ikl i ikl i= 1 3 = Ed deformación que aparece en el material campo eléctrico a que se somete el material Laboratorio de Simulación de Materiales no Metálicos 35

36 Tensor de 4º 4 orden por tensor de 2º 2 orden: { } Tensores cartesianos c: ε = ( δ δ δ δ c ):( δ δ ε ) = δ δ δ δ c ε = δ δ c ε j k l m jklm n p np j k mn lp jklm np j k jklm ml es decir, el resultado es el tensor de 2º orden cuya componente j,k-ésima vale: La ley constitutiva de la elasticidad lineal (ley de Hooke) para materiales anisótropos es precisamente de esta forma: esfuerzo que aparece en el material τ = c : ε c ε 3 3 = c ε jklm ml jklm ml l= 1 m= 1 deformación a que se somete al material rigidez elástica es decir: o bien en la forma: esfuerzo = rigidez deformación deformación = complianza esfuerzo deformación que aparece en el material ε = s : τ esfuerzo a que se somete al material complianza elástica Laboratorio de Simulación de Materiales no Metálicos 36

37 Tensor simétrico en dos índices: es un tensor de cualquier orden para el que se verifica: τ = τ... jklm jlkm... se dice que es simétrico en esos dos índices. Si se verifica: el tensor es antisimétrico en esos dos índices. τ = τ... jklm jlkm... Tensor transpuesto de un tensor de 2º 2 orden: si el tensor transpuesto es: τ = δδτ j i ij τ = δδτ i j ij Tensor unitario de 2º 2 orden: sus componentes son 0 o 1 según: δ = δδ δ Se cumple: δ ii = Módulo de un tensor de 2º 2 orden: 3 orden: ( : ) i j ij 1 1 τ = τ τ = τijτij (doble sumatorio) 2 2 Laboratorio de Simulación de Materiales no Metálicos 37

38 Invariante de un tensor de 1 er orden: sólo s tiene uno: (no depende del sistema de coordenadas) v v = vv i i Invariantes de un tensor de 2º 2 orden: es posible definir tres cantidades que son independientes del sistema de coordenadas utilizado: las trazas de las tres primeras potencias del tensor: I = tr( τ ) = τ ii 2 ( ) ( ) II = tr τ = tr τ τ = τ τ ( ) 3 III = tr( τ ) = tr ( τ τ) τ = τ τ τ Es posible definir otros invariantes (cualquier función de estos invariantes es evidentemente invariante), pero están necesariamente relacionados con éstos, de modo que sólo existen tres independientes. También suelen emplearse estos: ij ji ij jk ki I 1 = I 1 ( 2 ) I2 = I II 2 1 ( ) det( ) I3 = I I II + III = τ 6 Laboratorio de Simulación de Materiales no Metálicos 38

39 Con el operador diferencial nabla o del : (cartesiano) podemos definir: Gradiente de un campo escalar: (vector o tensor de 1er orden) s s =δ i x i δ i x i Atención, n, algunos textos definen el gradiente de un campo vi vectorial como: δδ i j x j Gradiente de un campo vectorial: (tensor de 2º 2 orden) v v = δi ( δ jvj) δiδ = j xi x j i Divergencia de un campo vectorial: (escalar o tensor de orden cero) = δ δ v = δ v = ( v) ( v ) j i i j j ij xi xi xi Divergencia de un campo tensorial de 2º orden (vector o tensor de orden uno) τ τ τ = δ ( δ δ τ ) = δ δ = δ jk ik i j k jk k ij k xi xi xi Laboratorio de Simulación de Materiales no Metálicos 39

40 ( ) Ejemplo, la ecuación n constitutiva del fluido newtoniano es: τ = μ v+ v v j vi o, en componentes: τ δiδ jτij μδiδ = = j + xi x j Es decir, si nos dan el campo de velocidad en todos los puntos de un fluido, v( x, x, x ) podemos calcular qué esfuerzo aparece en cada punto de este fluido. En representación n matricial: que es simétrico v1 v2 v1 v3 v x x x x x τ τ τ x3 x1 x3 x2 x v1 v2 v2 v3 v2 τ21 τ22 τ 23 = μ x2 x1 x2 x2 x3 τ31 τ32 τ33 v1 v3 v2 v3 v3 Laboratorio de Simulación de Materiales no Metálicos 40

41 La definición n de tensor cartesiano se basa en su comportamiento bajo una rotación n de ejes coordenados (cartesianos): E Sean un sistema de ejes cartesianos (el sistema viejo ) y, y otro sistema (el sistema nuevo ) rotado respecto al primero. componentes de E en el sistema viejo E componente 2 en el sistema nuevo Sea lij cosθij el coseno del ángulo que forman los ejes i nuevo y j viejo. E 2 = l21e1+ l22e2 + l23e3 La componente, nueva, es la suma de las proyecciones de las componentes viejas sobre el nuevo eje Un vector E cuyas componentes E i son conocidas en el sistema viejo tiene como componentes en el sistema nuevo: E i = le ij j (suma sobre índice repetido) Laboratorio de Simulación de Materiales no Metálicos 41

42 Esta regla de transformación n garantiza que el vector (por ejemplo un i ij j campo eléctrico) mantiene su significado físico f antes y después s de la transformación, n, es decir, representa la misma magnitud física f (que necesariamente debe ser independiente del sistema de coordenadas). Los cosenos que definen la transformación n de sistema de coordenadas pueden representarse como una matriz ortogonal: E = le E l l l L l l l l l l = que cumple l l l = = l13 l23 l L L l12 l22 l32 Las filas de L son las componentes de los vectores unitarios nuevos n expresados en el sistema antiguo. 1 La matriz de la transformación n inversa, del sistema nuevo al viejo, es L = L (la matriz de tranformación no es un tensor. Las matrices se denotarán n por un subrayado con tilde: L ) Laboratorio de Simulación de Materiales no Metálicos 42

43 Aunque las componentes de E cambian (se transforman) de valor numérico al rotar los ejes, si la transformación n es la indicada, los valroes numéricos de las nuevas componentes son tales, que el vector se mantiene invariable en el espacio. Este requerimiento físico es la base de la definición matemática tica de un tensor cartesiano de primer orden: se define como una magnitud cuyas componentes, al rotar el sistema de referencia por medio de L, se transforman como: E = le (*) i ij j Desde el punto de vista físico, f debe existir un modo de verificar que efectivamente se cumple (*). Por ejemplo, si se miden las componentes de E antes y después s de rotar el sistema de referencia y se observa que se cumple (*), entonces E es un tensor de primer orden. En caso contrario, no lo es. Laboratorio de Simulación de Materiales no Metálicos 43

44 Por tanto, cabe preguntarse cómo se transforman las componentes de magnitudes como la difusividad anisotrópica, la rigidez elástica, etc? Tomando como ejemplo la ley de Ohm: E = ρ J, o bien por componentes: E = ρ J, puesto que tanto el campo eléctrico como la densidad de corriente eléctrica son tensores de 1 er orden, se transforman como: i ij j E i = le ij j Ei = le ji j J = l J J = l J i ij j i ji j Experimentalmente se ha comprobado que la ley de Ohm es válida v independientemente del sistema de coordenadas, es decir en ambos: E = ρ J E = ρ J i ij j i ij j donde las magnitudes con están n expresadas en el sistema nuevo. Laboratorio de Simulación de Materiales no Metálicos 44

45 Podemos por tanto escribir: Ley de Ohm en el sistema nuevo E = ρ J i il l transformación de al sistema viejo E transformación de al sistema nuevo J E = le = lρ J = lρ l J = ll ρ J i ij j ij jk k ij jk lk l ij lk jk l Ley de Ohm en el sistema viejo igualando se deduce que las componentes de las dos resistividades en los dos sistemas deben estar relacionadas por: ρ il = ll ij lk ρ jk Sólo de esta manera se garantiza que: el campo y la densidad de corriente mantengan su significado físico (sean tensores de 1 er orden) se cumpla la ley de Ohm en los dos sistemas de referencia, es decir, la resistividad eléctrica mantenga su significado físico (sea magnitud tensorial de 2º orden) Laboratorio de Simulación de Materiales no Metálicos 45

46 La definición n de un tensor de 2º 2 orden es por tanto: una magnitud cuyas componentes, al rotar el sistema de referencia por medio de d se transforman como: T = l l T ij ik jl kl L Por un procedimiento análogo (p.ej. usando la ley constitutiva de la piezoelectricidad inversa ε = E d ) se verifica que la definici nición n de un tensor de 3 er orden debe ser: una magnitud cuyas componentes, al rotar el sistema de referencia por medio de L se transforman como: Y para 4º 4 orden: T = l l l T ijk il jm kn lmn en el 2º miembro de esta expresión hay tres índices repetidos, por tanto es una suma triple, sobre cada uno de ellos, y por tanto contiene 3 3 =27 términos. Es decir, para calcular cada uno de los 27 términos del tensor en el nuevo sistema, es preciso sumar 27 productos como el indicado. el número de factores es igual al orden del tensor. T = l l l l T ijkl im jn kp lq mnpq Igualmente, para calcular cada uno de los 81 términos de un tensor de 4º orden en el nuevo sistema, es preciso sumar 81 productos como el indicado. Laboratorio de Simulación de Materiales no Metálicos 46

47 Es importante apreciar que las leyes de transformación n de tensores de cualquier orden son lineales en las componentes.. Es decir, las componentes nuevas dependen de las viejas a través s de funciones lineales homogéneas Sin embargo, la dependencia espacial,, es decir, cómo c varían an las distintas componentes al variar la orientacion de los eje nuevos,, es mucho más m complicada,, debido a la presencia de productos de cosenos. Esta dependencia es tanto más m s complicada cuanto mayor sea el orden: T = l l l T ijk il jm kn lmn dependencia lineal entre componentes las componentes nuevas dependen de los cosenos directores cúbicamente Laboratorio de Simulación de Materiales no Metálicos 47

48 Por tanto cabe esperar que la dependencia espacial (anisotropía) a) de propiedades tensoriales de orden alto sea complicada El ejemplo más m s característico es el de las propiedades elásticas lineales de materiales anisótropos (ver probs. en Cap. 9) el diseño o de estructuras con materiales compuestos, o anisótropos en general, es complicado Laboratorio de Simulación de Materiales no Metálicos 48

49 Como consecuencia de la linealidad, la mayoría a de las propiedades enumeradas en la transp. 9 corresponden a leyes constitutivas lineales: J A = D CA p.ej. P = d : τ Pero es perfectamente posible formular leyes constitutivas no lineales usando términos t de orden superior, por medio de productos diádicos; dicos; p.ej.: Δ η = r E+ s: EE Δ η = r E + s E E ij ijk k ijkl k l (describe la variación en el índice de refracción de un material al someterlo a un campo eléctrico) impermeabilidad óptica (-) coef. electroóptico lineal (efecto Pockels) (m/v) coeficiente electroóptico cuadrático (efecto Kerr) (m 2 /V) Laboratorio de Simulación de Materiales no Metálicos 49

50 Otro ejemplo es la magnetorresistividad (variación n en la resistividad de un material al someterlo a un campo magnético, efecto cuadrático en la inducción n magnética), que es el principio físico f en el que se basa el almacenamiento (lectura) de información n en discos duros. 0 ρ = ρ + ρ : BB ρ = ρ + ρ B B 0 ij ij ijkl k l coeficiente magnetoresistivo (cuadrático) (Ω.m/T 2 ) campo magnético (inducción magnética) (T) Laboratorio de Simulación de Materiales no Metálicos 50

51 Una de las ventajas de formular leyes físicas f usando exclusivamente magnitudes tensoriales es que estas leyes son válidas v en cualquier sistema de coordenadas (en este caso, cartesianas), es decir, son independientes del sistema en que las expresemos. L Los conceptos anteriores pueden generalizarse a coordenadas curvilíneas y a espacios no euclídeos con un esfuerzo moderado; estos tensores más m s generales no son necesarios en esta asignatura. Laboratorio de Simulación de Materiales no Metálicos 51

52 La transformación n de tensores de 2º 2 orden puede escribirse también n como: donde la 2ª 2 expresión n hay que entenderla como el producto de la matriz de transformación n y su traspuesta (inversa) por el tensor estando éste escrito como matriz. T = l l T T = LTL ij ik jl kl Para tensores de orden superior existen expresiones que usan productos con T = LTL la matriz de rotación n (es decir, análogas a ) pero no son prácticas. Es preferible usar la ley de transformación n general. Laboratorio de Simulación de Materiales no Metálicos 52

53 Al rotar los ejes, el tensor unitario se transforma de esta manera: δ = llδ = ll = δ ij ik jl kl ik jk ij o bien: = = = δ LδL LL δ es decir, sus componentes son las mismas sea cual sea la orientaci ción n del sistema de referencia es por tanto un tensor de 2º 2 orden isótropo (no es un escalar); físicamente sirve para describir tensores de campo de 2º orden isótropos (p.ej. presión hidrostática) o propiedades de 2º orden de materiales isótropos (p.ej. la conductividad eléctrica de un material policristalino no orientado) Laboratorio de Simulación de Materiales no Metálicos 53

54 Igualmente, para expresar propiedades de 4º 4 orden de materiales isótropos (p.ej. la complianza elástica de un material policristalino no orientado) existen tres tensores de 4º 4 orden isótropos : δδ δ δ δ δ δ δ I i j k l ij kl δ δ δ δ δ δ i j k l ik jl I T δ δ δ δ δ δ i j k l il jk Los dos últimos son unitarios en el sentido de que para cualquier tensor A de orden igual o superior a 2 se cumple: A: I = I : A= A T T T A : I = A ; I : A= A T transposición n de la última pareja de índices A transposición n de la primera pareja de índices T T A Laboratorio de Simulación de Materiales no Metálicos 54

55 Podemos verificar que cada uno de ellos se mantiene invariante al a aplicar cualquier rotación n de ejes, es decir, es el mismo en todas las m direcciones y pertenece a la clase límite l. Por ejemplo: ( δδ) = l ( ) milnjlpklqlδijδkl = lmilnilpklqk = δmnδpq = δδ mnpq mnpq producto escalar de las filas m y n de la matriz de cambio de base producto escalar de las filas p y q de la matriz de cambio de base (recordar que el producto escalar de dos filas o dos columnas de la matriz de cambio de base es: 0 si son distintas filas o distintas columnas 1 si las dos son la misma fila o la misma columna) y análogamente para los otros dos. Laboratorio de Simulación de Materiales no Metálicos 55

56 Podemos también n verificar que los dos últimos son unitarios : ( δδ ) ( ) i jaij δ mδ nδ pδδ q mqδnp A: I = : = δ δ Aδ δ δ δ = δ δ A = A p q ij mq np in jm p q pq ( δδ ) ( ) i jaij δ mδ nδ pδδ q mpδnq T A: I = : = δ δ Aδ δ δ δ = δ δ A = A p q ij mp nq in jm p q qp y análogamente para los dos productos por la izquierda. También n se observa que el producto por o por sólo s afecta a los dos primeros o a los dos últimos índices de. Si es de orden mayor que dos, el resto de los índices queda inalterado y la transposición n se refiere sólo s a los dos primeros o dos últimos índices respectivamente. I A Laboratorio de Simulación de Materiales no Metálicos 56 I A T T

57 El efecto del producto de un tensor de segundo orden por : ( ) ( ) i jaij m n p q mn pq A: δδ = δ δ : δ δ δ δ δ δ = δ δ A δ δ δ δ = δ δ δ A = tr( A) δ p q ij mn pq in jm p q pq mm δδ es producir otro tensor de segundo orden cuyos elementos diagonales son todos iguales a la traza de y el resto nulos. Es decir, produce un tensor isótropo de 2º 2 orden que es veces el tensor unitario (isótropo) de 2º 2 orden. A tr( A) Laboratorio de Simulación de Materiales no Metálicos 57

58 Nota final: : las magnitudes tensoriales escritas en notación n de Voigt (ver 02_01_01), aunque más m s fáciles f de manipular (matrices y vectores ordinarios), pierden su carácter cter tensorial porque NO se transforman como tensores. Es preciso tener siempre en cuenta esta circunstancia: si se realiza una rotación n del sistema de referencia, las magnitudes escritas en notación n de Voigt dejan de ser válidas v en el nuevo sistema. Laboratorio de Simulación de Materiales no Metálicos 58

Un escalar, caracterizado por un componente como la temperatura, el área, etc., se le denomina tensor de orden cero.

Un escalar, caracterizado por un componente como la temperatura, el área, etc., se le denomina tensor de orden cero. Capítulo 1 Introducción 1.1. Algebra tensorial y análisis 1.1.1. Definiciones y terminología El uso de notación indicial es ventajosa porque generalmente hace posible escribir en forma compacta formulas

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

Clase 8 Matrices Álgebra Lineal

Clase 8 Matrices Álgebra Lineal Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas

Más detalles

Tensores cartesianos.

Tensores cartesianos. Tensores cartesianos. Transformación de coordenadas. Consideremos dos sistemas de coordenadas cartesianas ortogonales en el plano, identificados como σ y σ. Supongamos que ambos tienen un origen común,

Más detalles

Matrices, determinantes y sistemas de ecuaciones lineales

Matrices, determinantes y sistemas de ecuaciones lineales Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente

Más detalles

VECTORES. también con letras sobre las cuales se coloca una flechita ( a ). A = módulo de A. modulo o magnitud, dirección y sentido. vector.

VECTORES. también con letras sobre las cuales se coloca una flechita ( a ). A = módulo de A. modulo o magnitud, dirección y sentido. vector. VECTORES Según su naturaleza las cantidades físicas se clasifican en magnitudes escalares y magnitudes vectoriales Las magnitudes como el tiempo, la temperatura, la masa y otras, son magnitudes escalares

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

Fundamentos de óptica fotorrefractiva

Fundamentos de óptica fotorrefractiva Fundamentos de óptica fotorrefractiva Prof. M.L. Calvo 11 y 12 de abril de 2011 ECUACIÓN DE ONDAS EN MEDIOS ANISÓTROPOS Y NO LINEALES El vector desplazamiento eléctrico cumple en estos medios: (, ) = ε

Más detalles

Matrices y Determinantes.

Matrices y Determinantes. Tema II Capítulo 1 Matrices Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC Tema II Matrices y Determinantes 1 Matrices 1 Definiciones básicas Definición 11 Una matriz A de

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

Aquella que tiene nulos los elementos nos situados en la diagonal principal. Los elementos situados por encima de la diagonal principal son nulos.

Aquella que tiene nulos los elementos nos situados en la diagonal principal. Los elementos situados por encima de la diagonal principal son nulos. Álgebra lineal Matrices Rango de una matriz Orden del mayor menor complementario no nulo. Matriz regular det A Diagonal principal Elementos a ii de la matriz. Si la matriz es cuadrado son los elementos

Más detalles

NOTAS DE ESTUDIO DE ÁLGEBRA LINEAL M.C. MARCOS CAMPOS NAVA TEC DE ATITALAQUIA

NOTAS DE ESTUDIO DE ÁLGEBRA LINEAL M.C. MARCOS CAMPOS NAVA TEC DE ATITALAQUIA Hasta ahora se han discutido algunas de las propiedades de objetos matemáticos llamados matrices. Un caso de especial interés son las matrices cuadradas, por ejemplo: Se sabe que esta matriz es invertible

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

Matrices 2º curso de Bachillerato Ciencias y tecnología

Matrices 2º curso de Bachillerato Ciencias y tecnología MATRICES Índice:. Introducción-------------------------------------------------------------------------------------- 2. Definición de matriz-----------------------------------------------------------------------------

Más detalles

Matrices y Sistemas Lineales

Matrices y Sistemas Lineales Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes 1 ÍNDICE Matemáticas Cero Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 5 2

Más detalles

Los lugares geométricos de todos los puntos del espacio en los cuales la magnitud escalar tiene un mismo valor.

Los lugares geométricos de todos los puntos del espacio en los cuales la magnitud escalar tiene un mismo valor. 2. 2. Introducción A lo largo del estudio de la Física surgen una serie de propiedades, tanto de magnitudes escalares como vectoriales, que se expresan por medio de nuevos conceptos tales como gradiente,

Más detalles

Componentes, coordenadas y cosenos directores

Componentes, coordenadas y cosenos directores Componentes, coordenadas y cosenos directores 1. Bases, componentes y coordenadas La formulación de las leyes físicas debe hacerse en término de cantidades vectoriales tensoriales. Esto independiza su

Más detalles

Tema 2: Vectores libres

Tema 2: Vectores libres Tema 2: Vectores libres FISICA I, 1º Grado en Ingeniería Aeroespacial Escuela Técnica Superior de Ingeniería Universidad de Sevilla 1 Índice Magnitudes escalares y vectoriales Definición de vector Vectores

Más detalles

3. Matrices. 1 Definiciones básicas. 2 Operaciones con matrices. 2.2 Producto de una matriz por un escalar. 2.1 Suma de matrices.

3. Matrices. 1 Definiciones básicas. 2 Operaciones con matrices. 2.2 Producto de una matriz por un escalar. 2.1 Suma de matrices. Tema I Capítulo 3 Matrices Álgebra Departamento de Métodos Matemáticos y de Representación UDC 3 Matrices 1 Definiciones básicas Definición 11 Una matriz A de dimensión m n es un conjunto de escalares

Más detalles

1 ÁLGEBRA DE MATRICES

1 ÁLGEBRA DE MATRICES 1 ÁLGEBRA DE MATRICES 1.1 DEFINICIONES Las matrices son tablas numéricas rectangulares. Se dice que una matriz es de dimensión m n si tiene m filas y n columnas. Cada elemento de una matriz se designa

Más detalles

Resumen de álgebra vectorial y tensorial

Resumen de álgebra vectorial y tensorial Apéndice A Resumen de álgebra vectorial y tensorial Se resumen aquí algunos conceptos y definiciones importantes de vectores y tensores, con pretensión de sencillez y brevedad. En aras de esta sencillez,

Más detalles

Puntos y Vectores. 16 de Marzo de 2012

Puntos y Vectores. 16 de Marzo de 2012 Geometría en Puntos y Vectores Universidad Autónoma Metropolitana Unidad Iztapalapa 16 de Marzo de 2012 Introducción En Geometría analítica plana las relaciones y las propiedades geométricas se expresan

Más detalles

ALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República

ALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto

Más detalles

1. Matrices. Operaciones con matrices

1. Matrices. Operaciones con matrices REPASO MUY BÁSICO DE MATRICES. Matrices. Operaciones con matrices.. Introducción Las matrices aparecieron por primera vez hacia el año 850, introducidas por el inglés J. J. Sylvester. Su desarrollo se

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas de Ecuaciones Lineales y Matrices Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una

Más detalles

Matrices y Sistemas Lineales

Matrices y Sistemas Lineales Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 6 2 Herramientas 8 21 Operaciones

Más detalles

Algebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010.

Algebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010. Algebra Lineal * José de Jesús Ángel Ángel jjaa@mathcommx Working draft: México, DF, a 17 de noviembre de 2010 Un resumen de los principales temas tratados en un curso de Álgebra Lineal Contenido 1 Sistemas

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

Programa de Acceso Inclusivo, Equidad y Permanencia. PAIEP, Universidad de Santiago

Programa de Acceso Inclusivo, Equidad y Permanencia. PAIEP, Universidad de Santiago Guía de vectores. Vectores En matemática, un vector es una herramienta geométrica utilizada para representar una magnitud física definida en un sistema de referencia que se caracteriza por tener módulo

Más detalles

INTRODUCCIÓN AL CÁLCULO VECTORIAL

INTRODUCCIÓN AL CÁLCULO VECTORIAL 1. INTRODUCCIÓN INTRODUCCIÓN AL CÁLCULO VECTORIAL Este capítulo es una revisión condensada de los principales conceptos del cálculo vectorial a modo de repaso de un tema que se supone más o menos conocido

Más detalles

Tema 2: Álgebra vectorial

Tema 2: Álgebra vectorial Tema 2: Álgebra vectorial FISICA I, 1º Grado en Ingeniería Civil Escuela Técnica Superior de Ingeniería Universidad de Sevilla 1 Índice Magnitudes escalares y vectoriales Definición de vector Vectores

Más detalles

Matrices. Álgebra de matrices.

Matrices. Álgebra de matrices. Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,

Más detalles

Matrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1

Matrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1 Matrices José Vicente Romero Bauset ETSIT-curso 2009/2010 José Vicente Romero Bauset Tema 1- Matrices 1 Introducción Por qué estudiar las matrices? Son muchas las situaciones de la vida real en las que

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

Clase No. 13: Factorización QR MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 16

Clase No. 13: Factorización QR MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 16 Clase No 13: Factorización QR MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 03102011 1 / 16 Factorización QR Sea A R m n con m n La factorización QR de A es A = QR = [Q 1 Q 2 ] R1 = Q 0 1 R

Más detalles

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 2 ÁLGEBRA VECTORIAL

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 2 ÁLGEBRA VECTORIAL Vectores y escalares. REPÚBLICA BOLIVARIANA DE VENEZUELA APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 2 ÁLGEBRA VECTORIAL Las magnitudes escalares son aquellas magnitudes físicas que

Más detalles

CAPITULO 1 INTRODUCCION AL ANALISIS DE TENSIONES Y DEFORMACIONES DE UNA ESTRUCTURA

CAPITULO 1 INTRODUCCION AL ANALISIS DE TENSIONES Y DEFORMACIONES DE UNA ESTRUCTURA CAPITULO 1 INTRODUCCION AL ANALISIS DE TENSIONES Y DEFORMACIONES DE UNA ESTRUCTURA Con el propósito de seleccionar los materiales y establecer las dimensiones de los elementos que forman una estructura

Más detalles

TEMA V. Pues bien, a estas caracterizaciones de los sistemas de ecuaciones lineales se las llamó matrices. En el caso del sistema considerado tenemos:

TEMA V. Pues bien, a estas caracterizaciones de los sistemas de ecuaciones lineales se las llamó matrices. En el caso del sistema considerado tenemos: TEMA V 1. MATRICES Y SISTEMAS DE ECUACIONES LINEALES. Sea el siguiente sistema de ecuaciones lineales: Realmente quien determina la naturaleza y las soluciones del sistema, no son las incógnitas: x, y,

Más detalles

Álgebra vectorial. Dpto. de Física Aplicada III Universidad de Sevilla. Las magnitudes físicas se dividen en escalares, vectores y tensores

Álgebra vectorial. Dpto. de Física Aplicada III Universidad de Sevilla. Las magnitudes físicas se dividen en escalares, vectores y tensores Álgebra vectorial Dpto. de Física Aplicada III Universidad de Sevilla Las magnitudes físicas se dividen en escalares, vectores y tensores Las diferentes magnitudes pueden ser: Escalares Se caracterizan

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

y cualquier par (x, y) puede escalarse, multiplicarse por un número real s, para obtener otro vector (sx, sy).

y cualquier par (x, y) puede escalarse, multiplicarse por un número real s, para obtener otro vector (sx, sy). UNIDAD II: VECTORES EN DOS Y TRES DIMENSIONES Un espacio vectorial (o espacio lineal) es el objeto básico de estudio en la rama de la matemática llamada álgebra lineal. A los elementos de los espacios

Más detalles

Matemáticas Aplicadas a los Negocios

Matemáticas Aplicadas a los Negocios LICENCIATURA EN NEGOCIOS INTERNACIONALES Matemáticas Aplicadas a los Negocios Unidad 4. Aplicación de Matrices OBJETIVOS PARTICULARES DE LA UNIDAD Al finalizar esta unidad, el estudiante será capaz de:

Más detalles

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A = Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente

Más detalles

Algunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices

Algunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices Matrices Una matriz de orden m n es un conjunto ordenado de m n números reales dispuestos en m filas y n columnas de la forma: A = a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n a i1 a i2 a ij a in a m1 a m2

Más detalles

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se

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

Materiales Compuestos

Materiales Compuestos 3 Materiales Compuestos 3.1 Introducción. Este capítulo tiene como objetivo mostrar los conceptos básicos y la terminología utilizada en el estudio de materiales compuestos. La palabra compuesto (del latín

Más detalles

DOCENTE: JESÚS E. BARRIOS P.

DOCENTE: JESÚS E. BARRIOS P. DOCENTE: JESÚS E. BARRIOS P. DEFINICIONES Es larga la historia del uso de las matrices para resolver ecuaciones lineales. Un texto matemático chino que proviene del año 300 A. C. a 200 A. C., Nueve capítulos

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

MATRICES. M(n) ó M nxn A =

MATRICES. M(n) ó M nxn A = MTRICES Definición de matriz. Una matriz de orden m n es un conjunto de m n elementos pertenecientes a un conjunto, que para nosotros tendrá estructura de cuerpo conmutativo y lo denotaremos por K, dispuestos

Más detalles

UNIDAD 3 FUNCIONES, MATRICES Y DETERMINANTES. Matrices. Dr. Daniel Tapia Sánchez

UNIDAD 3 FUNCIONES, MATRICES Y DETERMINANTES. Matrices. Dr. Daniel Tapia Sánchez UNIDD FUNCIONES, MTRICES Y DETERMINNTES Matrices Dr. Daniel Tapia Sánchez Estos son los temas que estudiaremos:.7. Concepto de matriz e igualdad de matrices.7. Clasificación de matrices según sus elementos.7.

Más detalles

Matrices. Observación: Es usual designar una matriz por letras mayúsculas: A, B, C,... 3 B =

Matrices. Observación: Es usual designar una matriz por letras mayúsculas: A, B, C,... 3 B = Definición: A una ordenación o arreglo rectangular de ciertos objetos se define como matriz (en este curso nos interesa que los objetos de la matriz sean numeros reales. Observación: Es usual designar

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

en dos dimensiones como objetos que tienen magnitud, dirección y su representación geométrica.

en dos dimensiones como objetos que tienen magnitud, dirección y su representación geométrica. 1 N.SN.11.1.1 Define vectores en dos dimensiones como objetos que tienen magnitud, dirección y su representación geométrica. Vectores Unidad 4: Vectores Tema 1: Vectores Lección 1: Definición 11 Introducción

Más detalles

Matrices, Determinantes y Sistemas Lineales.

Matrices, Determinantes y Sistemas Lineales. 12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión

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

Una matriz es un arreglo rectangular de elementos. Por ejemplo:

Una matriz es un arreglo rectangular de elementos. Por ejemplo: 1 MATRICES CONCEPTOS BÁSICOS Definición: Matriz Una matriz es un arreglo rectangular de elementos. Por ejemplo: es una matriz de 3 x 2 (que se lee 3 por 2 ) pues es un arreglo rectangular de números con

Más detalles

1.3 Algebra tensorial en componentes

1.3 Algebra tensorial en componentes 1.3 Algebra tensorial en a) Bases diádicas y tensoriales en (2) 1. Teorema de las bases diádicas. 2. Definición y cálculo de de tensores de 2º orden. 3. Escritura matricial e interpretación de las columnas

Más detalles

APÉNDICE A. Algebra matricial

APÉNDICE A. Algebra matricial APÉNDICE A Algebra matricial El estudio de la econometría requiere cierta familiaridad con el álgebra matricial. La teoría de matrices simplifica la descripción, desarrollo y aplicación de los métodos

Más detalles

MAGNITUDES. INTRODUCCIÓN AL ANÁLISIS DIMENSIONAL

MAGNITUDES. INTRODUCCIÓN AL ANÁLISIS DIMENSIONAL MGNITUDES. INTRODUCCIÓN L NÁLISIS DIMENSIONL IES La Magdalena. vilés. sturias Magnitud es todo aquello que puede ser medido. Por eemplo una longitud, la temperatura, la intensidad de corriente, la fuerza

Más detalles

Mecánica de Fluidos. Análisis Diferencial

Mecánica de Fluidos. Análisis Diferencial Mecánica de Fluidos Análisis Diferencial Análisis Diferencial: Descripción y caracterización del flujo en función de la descripción de una partícula genérica del flujo. 1. Introducción 2. Movimiento de

Más detalles

El medir y las Cantidades Físicas escalares y vectores en física. Prof. R. Nitsche C. Física Medica UDO Bolívar

El medir y las Cantidades Físicas escalares y vectores en física. Prof. R. Nitsche C. Física Medica UDO Bolívar El medir y las Cantidades Físicas escalares y vectores en física Prof. R. Nitsche C. Física Medica UDO Bolívar Medir Medir es el requisito de toda ciencia empírica (experimental); medir significa simplemente

Más detalles

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. MATRICES Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

TEMA 1: MATRICES. Una matriz de orden mxn es un conjunto de m n números reales dispuestos en m filas y n columnas ...

TEMA 1: MATRICES. Una matriz de orden mxn es un conjunto de m n números reales dispuestos en m filas y n columnas ... TEMA : MATRICES Una matriz de orden mxn es un conjunto de m n números reales dispuestos en m filas y n columnas a a a... a n a a a... an A... am am am... amn A los números reales a ij se les llama elementos

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

3. Método de cálculo.

3. Método de cálculo. Método de cálculo 7. Método de cálculo. Como método de cálculo vamos a seguir el método de los desplazamientos, en el que las incógnitas son los desplazamientos de los nudos de la estructura. Y para estudiar

Más detalles

VECTORES. BIDIMENSIONAL

VECTORES. BIDIMENSIONAL VETORES. IDIMENSIONL 1. Dado los vectores,,, D, E, F y G que se muestran en la figura, determinar el modulo del vector resultante si = 5N y F = 4N. Rpta. R = 17,35N. 2. En el primer cuadrante de un sistema

Más detalles

Espacios vectoriales. Vectores del espacio.

Espacios vectoriales. Vectores del espacio. Espacios vectoriales. Vectores del espacio. Consideremos un paralelepípedo de bases ABCD y EFGH, siendo A(1,1,1), B(2,1,1), C(2,4,1) y E(1,2,7). Halla: a) el área de una de las bases; b) el volumen del

Más detalles

Unidad 2. Matrices Conceptos básicos 2.2. Operaciones con matrices 2.3. Matriz Inversa 2.4. El método de Gauss-Jordan 2.5.

Unidad 2. Matrices Conceptos básicos 2.2. Operaciones con matrices 2.3. Matriz Inversa 2.4. El método de Gauss-Jordan 2.5. Unidad. Matrices.. Conceptos básicos.. Operaciones con matrices.. Matriz Inversa.. El método de Gauss-Jordan.. Aplicaciones Objetivos particulares de la unidad Al culminar el aprendizaje de la unidad,

Más detalles

TEMA 0: Herramientas matemáticas

TEMA 0: Herramientas matemáticas 1 TEMA 0: Herramientas matemáticas Tema 0: Herramientas matemáticas 1. Campos escalares y vectoriales 2. Gradiente 3. Divergencia 4. Rotacional 5. Teoremas de Gauss y de Stokes 5. Representación gráfica

Más detalles

UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS

UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.

Más detalles

Vectores. en el plano

Vectores. en el plano 7 Vectores 5 en el plano LECTURA INICIAL ESQUEMA INTERNET ACTIVIDAD Los vectores nos dan información en situaciones como el sentido de avance de una barca o la dirección de un trayecto en bicicleta. INICIO

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

FENÓMENOS DE TRASPORTE EN METALURGIA EXTRACTIVA Clase 02/03 Introducción y Fundamentos

FENÓMENOS DE TRASPORTE EN METALURGIA EXTRACTIVA Clase 02/03 Introducción y Fundamentos FENÓMENOS DE TRASPORTE EN METALURGIA EXTRACTIVA Clase 02/03 Introducción y Fundamentos Prof. Leandro Voisin A, MSc., Dr. Academico Uniersidad de Chile. Jefe del Laboratorio de Pirometalurgia. Inestigador

Más detalles

Esta definición se puede ampliar a cualquier par de bases de los espacio inicial y final MATRIZ DE UNA APLICACIÓN LINEAL EN BASES ARBITRARIAS

Esta definición se puede ampliar a cualquier par de bases de los espacio inicial y final MATRIZ DE UNA APLICACIÓN LINEAL EN BASES ARBITRARIAS Cambios de base 3 3. CAMBIOS DE BASE Dada una aplicación lineal : y la base,,, se ha definido matriz en bases canónicas de la aplicación lineal a la matriz,, cuyas columnas son las coordenadas de en la

Más detalles

Matrices y Determinantes

Matrices y Determinantes Matrices y Determinantes Definición de matriz Matriz Una matriz es un ente matemático equivalente a una tabla; es decir, es un arreglo de elementos de cualquier naturaleza (aunque, en general, suelen ser

Más detalles

Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I?

Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I? MATRICES Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I? La multiplicación de matrices cuadradas, tiene la propiedad conmutativa?

Más detalles

Matrices. Operaciones con matrices.

Matrices. Operaciones con matrices. Matrices. Operaciones con matrices. Ejercicio. Dadas las matrices ( ) ( ) 4 A = B = ( ) C = D = 4 5 ( ) 4 E = F = seleccione las que se pueden sumar y súmelas. Ejercicio. Dadas las matrices ( ) ( ) A =

Más detalles

Ignacio Romero 20 de Septiembre de 2004. Notación indicial

Ignacio Romero 20 de Septiembre de 2004. Notación indicial INGENIERÍA GEOLÓGICA: MECÁNICA DE MEDIOS CONTINUOS Ignacio Romero 20 de Septiembre de 2004 Notación indicial En Mecánica de Medios Continuos los objetos matemáticos más empleados son los escalares, vectores

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

1. (F, +) es un grupo abeliano, denominado el grupo aditivo del campo.

1. (F, +) es un grupo abeliano, denominado el grupo aditivo del campo. Capítulo 5 Campos finitos 5.1. Introducción Presentaremos algunos conceptos básicos de la teoría de los campos finitos. Para mayor información, consultar el texto de McEliece [61] o el de Lidl y Niederreiter

Más detalles

ESTADO DE ESFUERZO. EL TENSOR DE ESFUERZO Y EL ELIPSOIDE DE ESFUERZO.

ESTADO DE ESFUERZO. EL TENSOR DE ESFUERZO Y EL ELIPSOIDE DE ESFUERZO. ESTADO DE ESFUERZO. EL TENSOR DE ESFUERZO Y EL ELIPSOIDE DE ESFUERZO. Cualquier punto del interior de la Tierra está sometido a un complejo sistema de esfuerzos. Esto es debido a que sobre él actúa el

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

Instituto de Física Universidad de Guanajuato Agosto 2007

Instituto de Física Universidad de Guanajuato Agosto 2007 Instituto de Física Universidad de Guanajuato Agosto 2007 Física III Capítulo I José Luis Lucio Martínez El material que se presenta en estas notas se encuentra, en su mayor parte, en las referencias que

Más detalles

CRISTALOFÍSICA. Isotropía y anisotropía

CRISTALOFÍSICA. Isotropía y anisotropía CRISTALOFÍSICA Las propiedades físicas de un cristal se pueden definir como la relación entre dos cantidades medibles. Así por ejemplo, la densidad es la relación entre la masa y el volumen. Isotropía

Más detalles

Conceptos básicos de Geometría

Conceptos básicos de Geometría Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 15 de enero del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) 15 de enero del 2013 1 / 25 1 Geometría Afín Geometría Euclidiana Áreas y ángulos Dr. Eduardo

Más detalles

FEM para Mecánica 3D. Miguel Ángel Otaduy. Animación Avanzada 7 de Marzo de 2014

FEM para Mecánica 3D. Miguel Ángel Otaduy. Animación Avanzada 7 de Marzo de 2014 FEM para Mecánica 3D Miguel Ángel Otaduy Animación Avanzada 7 de Marzo de 2014 Índice Repaso Hoy Funciones de forma Formulación fuerte formulación débil Matriz de rigidez Ec. de elasticidad en 3D Deformación

Más detalles

MATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES

MATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno

Más detalles

.. común a cualquier investigación científica, válida y fiable, que los científicos usan para descubrir las. que rigen la naturaleza

.. común a cualquier investigación científica, válida y fiable, que los científicos usan para descubrir las. que rigen la naturaleza TEMA 1 Introducción al trabajo experimental CRITERIOS DE EVALUACIÓN Realizar correctamente cálculos sencillos que incluyan la utilización de las diferentes unidades del SI, y manejar las diferentes unidades

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

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

Contenido. Omar De la Peña-Seaman IFUAP Mecánica Clásica M.C. Física 1/19 19

Contenido. Omar De la Peña-Seaman IFUAP Mecánica Clásica M.C. Física 1/19 19 Contenido 1. Cuerpo rígido II: ecuaciones de movimiento 1.1 Movimiento compuesto: traslación + rotación 1.2 Tensor de inercia y momento de inercia 1.3 Ejes principales y momentos principales de inercia

Más detalles

MATEMÁTICASII Curso académico BLOQUE GEOMETRÍA. TEMA 1: VECTORES

MATEMÁTICASII Curso académico BLOQUE GEOMETRÍA. TEMA 1: VECTORES MATEMÁTICASII Curso académico 2015-2016 BLOQUE GEOMETRÍA. TEMA 1: VECTORES 1.1 VECTORES DEL ESPACIO. VECTORES LIBRES DEL ESPACIO Sean y dos puntos del espacio. Llamaremos vector (fijo) a un segmento orientado

Más detalles

Una forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.

Una forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes. Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES

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

Desarrollo multipolar del potencial.

Desarrollo multipolar del potencial. c Rafael R. Boix y Francisco Medina Desarrollo multipolar del potencial. Consideremos un cuerpo cargado que ocupa una región volumétrica. Sea ρ(r ) la densidad volumétrica de carga del cuerpo cargado.

Más detalles

Matrices Particionadas Traza de una Matriz

Matrices Particionadas Traza de una Matriz CAPÍTULO Matrices Particionadas Traza de una Matriz Este capítulo consta de tres secciones Las dos primeras versan sobre matrices particionadas La tercera sección trata sobre la traza de una matriz En

Más detalles

Repaso de Vectores. Autor: Dra. Estela González. flecha. La longitud de la línea indica la magnitud del vector, y su

Repaso de Vectores. Autor: Dra. Estela González. flecha. La longitud de la línea indica la magnitud del vector, y su Autor: Dra. Estela González Algunas cantidades físicas como tiempo, temperatura, masa, densidad y carga eléctrica se pueden describir plenamente con un número y una unidad, pero otras cantidades (también

Más detalles

El espacio R n. Tema El conjunto R n El espacio vectorial R n

El espacio R n. Tema El conjunto R n El espacio vectorial R n Tema 1 El espacio R n En este primer tema de la asignatura recordaremos algunos conceptos ya estudiados acerca del conjunto R n y las estructuras sobre él definidas. Se presentarán por tanto bastantes

Más detalles

Capítulo 1: Diagonalización de matrices

Capítulo 1: Diagonalización de matrices Capítulo : Diagonalización de matrices Matrices y determinantes Definición Una matriz es un arreglo rectangular de números reales a a a m a A a a m a n a n a nm La matriz es de orden n m si consta de n

Más detalles