Apéndice B APÉNDICE B: PROPIEDADES DE TENSORES DE SEGUNDO RANGO
|
|
- Asunción Ayala Velázquez
- hace 6 años
- Vistas:
Transcripción
1 Apéndice B APÉNDICE B: PROPIEDADES DE TENSORES DE SEGUNDO RANGO B1 Descomposición invariante de espacio 2 E E grupo O(n) de as transformaciones ortogonaes divide e espacio vectoria de os tensores cartesianos de rango 2, T = 2 E (E: espacio vectoria eucidiano de n dimensiones) en tres subespacios vectoriaes Estos están formados por: a) e espacio de os tensores isótropos, T (i), también denominados esféricos; b) e espacio de os tensores simétricos de traza nua, T (s) ; y c) e espacio de os tensores antisimétricos, T (a) Cuaquier matriz ortogona Q transforma estos subespacios en si mismos E único eemento común es e tensor nuo Ninguno de estos subespacios posee otro subespacio propio (es decir, cerrado para as operaciones de suma y producto por un escaar) que se transforme en si mismo bajo a acción de Q Esta descomposición de T en subespacios irreducibes e invariantes respecto de O(n) es, por o tanto, a mayor posibe T = T (i) T (s) T (a) (B1) E espacio T es a suma directa de os espacios compontes Escrita en componentes a descomposición de os tensores cartesianos resuta de una identidad agebraica fáci de verificar T ij = 1 n T δ ij (T ij + T ji 2 n T δ ij )+ 1 2 (T ij T ji ), (B2) donde T es a traza T r (T ij ) de tensor Se puede probar que a forma de esta descomposición de as componentes es independiente de sistema de coordenadas cartesianas B2 Representación espectra de un tensor simétrico de rango 2 B21 Ecuación de autovaores Sea un tensor simétrico S ij = S ji, i, j =1, 2,,n,cuyamatrizn n es S = S T E probema de os autovaores de S dependedeasoucíonde Su (α) = λ (α) u (α), (B3) donde u (α) es un vector coumna (n 1, con componentes u (α), =1, 2,,n) denominado autovector, λ (α), amado autovaor, es un número y a notación prevee a existencia de n autovaores con sus respectivos autovectores, α =1, 2,, n Naturamente B3 es equivaente a u (α)t S = λ (α) u (α)t, (B4) donde v (α) = u (α)t es un vector fia (1 n, cuyas componentes son v (α) = u (α), = 1, 2,, n) Escribiendo a B3 como una ecuación secuar (S λ (α) I)u (α) =0 (B5) (I: matriz identidad) reconocemos que se trata de un sistema de n ecuaciones agebraicas ineaes y homogéneas para as incógnitas u (α),=1, 2,, n, que tiene soución no trivia, u (α) 6= 0,siysóosi det(s λ (α) I)=0 (B6)
2 Representación espectra de un tensor simétrico de rango 2 87 Es fáci convencerse de que e desarroo de determinante puede ordenarse en potencias de λ (α), generando un poinomio de grado n, denominado poinomio característico det(s λ (α) I) = P n (λ) ( 1) n λ n +( 1) n 1 a n 1 λ n a 0 (B7) ( 1) n λ n +( 1) n 1 T r (S)λ n 1 + +det(s) =0, donde e coeficiente a n 1 = T r (S) es a traza de S y a 0 =det(s) Las n raices de P n (λ) determinan e conjunto de os autovaores λ (α), α =1, 2,,n, y para cada raiz podemos cacuar, a partir de B5, por o menos un autovector u (α) B22 Invariancia de poinomio característico Consideremos una transformación ortogona con matriz Q, ta que apicada a vectores coumna u, u 0 = Q u (B8) La matriz S asociada a tensor de componentes S ij se transforma según a fórmua de semejanza S 0 = QSQ T (B9) La ecuación secuar para S 0 es S 0 u 0 = λ 0 u 0 det(s 0 λ 0 I)=0, (B10) osea, P(n) 0 (λ0 ) = det Q (S λi)q T =det(q)det(q T )det(s λi) (B11) = P (n) (λ) Se infiere de esto que e poinomio característico permanece invariante en a transformación y que os autovaores λ 0 = λ son os mismos Esto impica a existencia de n invariantes asociados con as componentes de S: oscoeficientes de poinomio característico, entre os cuaes están a traza y e determinante de S Dadoque P (n) (λ) =(λ (1) λ)(λ (2) λ)(λ (n) λ) =0, (B12) es evidente que T r (S) =( 1) n 1 (λ (1) + λ (2) + + λ (n) ), det(s) =λ (1) λ (2) λ (n) (B13) En tres dimensiones, además de T r (S) y det(s) que son inea y cúbico, respectivamente, en as componentes S ij, existe un invariante cuadrático, C u (S), ecuaequivae a a suma de os tres menores asociados con os eementos diagonaes S 11,S 22,S 33, C u (S) =a 1 = S22 S 23 S 32 S 33 + S11 S 13 S 31 S 33 + S11 S 12 S 21 S 22 (B14) Resumiendo, en tres dimensiones as reaciones entre os autovaores y os invariantes son T r (S) =λ (1) + λ (2) + λ (3), C u (S) =λ (2) λ (3) + λ (1) λ (3) + λ (1) λ (2), det(s) =λ (1) λ (2) λ (3) (B15) B23 Reaidad de os autovaores Cuando S ij es simétrico sus autovaores son reaes Esta es una propiedad muy conocida, que se prueba con as siguientes ecuaciones Partimos de Su = λu, u T Su = λ u 2, u 2 u T u, (B16) donde u indica que sus componentes son compejas conjugadas de u Transponiendo y conjugando a anterior u T S T = λ u T, u T Su = λ u 2, (B17) uego de premutipicar por u Restando as dos útimas se obtiene (λ λ) u 2 =0, (B18) de a cua se deduce a reaidad: λ = λ
3 Representación espectra de un tensor simétrico de rango 2 88 B24 Ortogonaidad de os autovectores Dos autovectores u (α),u (β) asociados a dos autovaores distintos, λ (α) 6= λ (β), son ortogonaes, u (α)t u (β) =0Partimosde y formamos os productos Su (α) = λ (α) u (α), Su (β) = λ (β) u (β), (B19) u (β)t Su (α) = λ (α) (u (β)t u (α) ), u (α)t Su (β) = λ (β) (u (α)t u (β) ) (B20) Pero (u (β)t u (α) )=(u (α)t u (β) ) puesto que representa e producto escaar de os vectores Transponiendo a segunda y restando a primera, en virtud de a simetría de S, se obtiene (λ (β) λ (α) )(u (β)t u (α) )=0 (B21) Dedondeseconcuyequesiλ (α) 6= λ (β), e producto escaar (u (α)t u (β) ) = 0 yos autovectores son ortogonaes En o que sigue vamos a suponer que os autovectores han sido normaizados, u(α) 2 u (α) T u (α) =1 B25 Degeneración Es posibe que existan raíces mútipes de P (n) (λ) Ecasoenecuadosautovaores coinciden se ama degenerado Supongamos que λ (α) = λ (β) = λ, y que u y v son dos autovectores con e mismo λ Si no fueran de entrada ortogonaes, procedemos de siguiente modo Su = λu, Sv = λv, S(au + bv) =λ(au + bv), (B22) es decir, Sw = λw, conw = au + bv Por o tanto u, v, generan un subespacio inea, en este caso de dos dimensiones y en genera de dimensión equivaente a a mutipicidad de autovaor Puesto que u T v 6= 0, siempre podemos encontrar un w ta que u T w =0 mediante a eección a b = v ut u 2 (B23) Entonces, hay infinitos pares de vectores ortonormaes (bases) en e subespacio asociado con e autovaor repetido λ Por o tanto, se puede siempre construir un par de autovectores ortogonaes, sóo que no son únicos Este argumento se puede extender a caso de una mayor mutipicidad de as raíces B26 La matriz particionada de autovectores Una matriz cuyas componentes son a su vez matrices (submatrices) se denomina matriz particionada Las regas de mutipicación de as matrices se apican a as matrices particionadas cuando e producto de as respectivas submatrices tiene sentido (número de fias igua a número de coumnas de os factores que intervienen en a mutipicación) Podemos formar a matriz particionada 1 n de autovectores U =[u (1),u (2),, u (n) ], (B24) donde os u (α) son autovectores coumna La U se compone de n submatrices y es también una matriz n n que contiene todas as componentes de os autovectores de S Evidentemente U T U = I, (B25) puesto que, e producto de una matriz particionada n 1 por otra 1 n es una matriz n n y os autovectores, como sabemos, son ortogonaes u (α)t u (β) = δ αβ (o han sido ortogonaizados en e caso de raíces mútipes) Se verifica también que UU T = I, (B26)
4 Representación espectra de un tensor simétrico de rango 2 89 porque, si bien e producto de una matriz particionada 1 n por otra n 1 es a matriz particionada de un sóo eemento, 1 1, en este caso e eemento único resuta ser una submatriz n n, porque cada eemento de a suma P α u(α) u (α)t es una matriz n n con todos os eementos cero, savo e que corresponde a a posición α de a diagona principa que vae 1 Vaen B25, B26 y, por o tanto, U es una matriz ortogona Anaogamente, podemos escribir una matriz diagona con os autovaores Λ=diag(λ (1), λ (2),, λ (n) ), (B27) como una matriz particionada mediante os vectores fia λ i =[0, 0,, 1,, 0]λ (i),enos cuaes todos os eementos son nuos excepto e correspondiente a a coumna i-esima que vae 1 (λ (i) es un escaar) Es decir, escribimos Λ= λ 1 λ 2 λ n, (B28) yresuta [u (1),u (2),, u (n) ] λ 1 λ 2 λ n = u(1) λ u (n) λ n =[λ (1) u (1),, λ (n) u (n) ], (B29) expresión que equivae a producto de as matrices UΛ Por o dicho, e conjunto de todas as ecuaciones B3 con α =1, 2,, n se puede escribir en forma compacta como SU = UΛ (B30) B27 Diagonaización E trabajo de escribir en forma sintética a ecuación secuar para e conjunto competo de os autovaores λ (α) tiene una recompensa: es ahora muy simpe obtener e teorema de diagonaización de S Enefecto, U T SU = Λ (B31) De manera que empeando una transformación de semejanza mediante a matriz ortogona de autovectores se obtiene a forma diagona de S S 0 = U T SU =diag(λ (1), λ (2),, λ (n) ), (B32) fórmua que demuestra: (a) que os autovaores son as componentes de tensor cuando este adquiere su forma diagona, y (b) que en ese caso as direcciones de os ejes de coordenadas están definidas por os autovectores En ugar de U se puede trabajar con V = U T = v (1) v (2) v (n), (B33) donde v (α) = u (α)t =[u (α) 1,u(α) 2,, u(α) n ] son ahora vectores fias y egar a mismo resutado fina VS =ΛV S 0 = VSV T =diag(λ (1), λ (2),, λ (n) ) (B34)
5 Ejercicios de Apéndice B 90 B28 Teorema de Cayey-Hamiton Como consecuencia de teorema de diagonaización es fáci probar que cuando se forma e poinomio característico utiizando como argumento a matriz correspondiente, es decir cuando se construye a función de matriz, P n (S) =( 1) n S n +( 1) n 1 a n 1 S n a 0, (B35) se obtiene a matriz nua P n (S) =0 (B36) En efecto, dado que cada término de poinomio es un coeficiente que mutipica una potencia de S, es evidente que S y P n (S) se diagonaizan simutáneamente con a misma transformación ortogona Cuando S es diagona, también P n (S) es diagona y sus eementos diagonaes vaen P n (λ), como es fáci ver Pero P n (λ) es invariante y P n (λ) =0, de donde resuta e teorema de Cayey-Hamiton B3 Ejercicios de Apéndice B Ejercicio B1 Probar que dos tensores cartesianos de rango dos S,T, tienen os mismos autovaores si y sóo si existe una transformación ortogona Q ta que T = QSQ T (B37) Ejercicio B2 Introducir dos tensores cartesianos de cuarto rango definidos por componentes como sigue S ijpq 1 2 (δ ijδ pq + δ iq δ jp ), A ijpq 1 2 (δ ijδ pq δ iq δ jp ), (B38) os cuaes se denominan operadores de simetrización y antisimetrización, respectivamente Considerar un tensor cartesiano arbitrario T ij de rango dos y cacuar Comprobar as siguientes propiedades T (ij) = S ijpq T pq, T [ij] = A ijpq T pq (B39) T (ij) = T (ji), T [ij] = T [ji] T ij = T (ij) + T [ij] (B40) Ejercicio B3 a) Sea un vector cuaquiera u i yunvectorn de móduo 1 que especifica una dirección (as componentes n son cosenos directores) La media esférica de vector hu(n )i se define como e vaor medio de a función inea U(n )=u n, (B41) sobre a esfera unidad n n =1 (B42) Probar que a media esférica de cuaquier vector es cero, hu(n )i =0 b) Para un tensor cartesiano de segundo rango T ij a función biinea es T (n i,m j )=T ij n i m j (B43) donde n i,m j son vectores unitarios que especifican dos direcciones En este caso a media esférica de tensor ht (n i,n j )i es e vaor medio de T (n i,n j )=T ij n i n j sobre a esfera unidad n n =1 (B44) Probar que a media esférica de T ij vae ht (n i,n j )i = 1 3 T, (B45) y que, por o tanto, es un invariante frente a cambios ortogonaes de coordenadas
6 Ejercicios de Apéndice B 91 Ejercicio B4 Sea e tensor cartesiano simétrico S ij cuya matriz es S = 0 C 0 C 0 C, 0 C 0 (B46) donde C = Cacuar os autovaores y os autovectores Comprobar que os primeros vaen λ (1) = 1, λ (2) =0, λ (3) =1, (B47) mientras que os útimos nombrados son v (1) v (2) v (3) = 1 2 C 1 2 C 0 C C 2 (B48) Verificar que os autovectores son ortogonaes entre sí Que a matriz formada con os autovectores es ortogona Que se puede diagonaizar S con una transformación de semejanza empeando a matriz de os autovectores
GUIA 10. Series de Fourier. 1. Revisión sobre el espacio euclideo R n
GUIA 1 Series de Fourier A finaes de sigo XVIII Jan Baptiste Joseph Fourier (1768-183) descubrió un método que permite aproximar funciones periódicas mediante combinaciones ineaes de funciones trigonométricas
Más detallesProducto tensorial entre tensores
Tensores cartesianos Producto tensorial entre tensores Producto tensorial entre tensores Se define el producto tensorial entre los tensores S CT(m) y T CT(n) como el tensor S T CT(n + m): S T = S i1...i
Más detallesPodemos pues formular los dos problemas anteriores en términos de matrices.
Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión
Más detallesPráctica 6 Funciones de Bessel y armónicos
Matemáticas Especiaes II Año 204 Prof: T. S. Grigera JTP: V. Fernández AD: S. Franchino Práctica 6 Funciones de Besse y armónicos esféricos Esta práctica abarca os siguientes temas: a) Lapaciano en 2-d
Más detallesCálculo tensorial. Elvira Martínez Ramírez
Dpto. Física y Mecánica Cálculo tensorial Elvira Martínez Ramírez Notación ransformaciones de coordenadas. Giros de ejes cartesianos ipos de tensores Direcciones principales de un tensor de segundo orden
Más detallesTensores 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 detallesProblemas. Simetrías Discretas
Probemas Probemas 1 Sea T d e operador de trasación con vector despazamiento d, D(ˆn, φ) e operador de rotación (ˆn y φ son respectivamente e eje y e ánguo de rotación), y Π e operador de paridad Cuáes
Más detallesProblemas Lineales de Contorno
Probemas Lineaes de Contorno ( J.J. Anza, J. Abizuri, C. Bastero, M. Martínez-Nebreda) INTRODUCCIÓN Hasta e momento se han estudiado ecuaciones diferenciaes de segundo orden ineaes de a forma: y" + p(x)
Más detallesACERCA DE FUNCIONES DEFINIDAS ABOUT POSITIVE DEFINITE
An. Arm. Teor. Op. Vo. 1, No. 1, 27 32 ISSN 2244-7628 c 2012 Centro de Anáisis Matemático / Venezuea. Anáisis Armónico y Teoría de Operadores ACERCA DE FUNCIONES DEFINIDAS POSITIVAS Y FUNCIONES κ-indefinidas
Más detallesGuía 3: Teoría de pertubaciones tiempo independiente
Pontificia Universidad Catóica de Chie Facutad de Física FIZ 0 Mecánica Cuántica Profesor: Max Bañados Ayudantes: Arie Norambuena ainoramb@ucc Guía 3: Teoría de pertubaciones tiempo independiente 3 de
Más detalles1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS
1 1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS Sea f : V V un endomorfismo de V, f End(V, con V un K-espacio vectorial de dimensión n, y sean B = {e 1,..., e n } B = {e 1,..., e n} bases de V. La matriz de f
Más detalles2.9 Ejercicios resueltos
86 Sistemas de ecuaciones lineales. Espacios vectoriales. 2.9 Ejercicios resueltos Ejercicio 2. Sea A = ( ) 2. Se pide: 3 m a) Encontrar m para que existan matrices cuadradas B ynonulastalesque A B =0.
Más detallesCapítulo 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 detallesTema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané
Más detallesLa energía cinética de un sistema constituido por dos masas m A y m B cuyas coordenadas son x A, y A, z A y x B, y B, z B, respectivamente, es:
1 EL ROTOR RÍGIDO E rotor rígido es un sistema formado por dos cuerpos A y B unidos por una barra sin masa, de argo R, y girando en cuaquier dirección pero con e centro de masa fijo. La energía cinética
Más detallesPRINCIPIO DE MINIMA ENERGIA POTENCIAL TOTAL
Apéndice B Principio de Mínima Energía Potencia Tota B.- Introducción E Método de Rigidez fue desarroado para reticuados basándose en a hipótesis inea para a reación entre fuerzas y despazamientos, a partir
Más detallesdx = x El tensor x/ X se denomina tensor gradiente de la deformación F = x
Capítulo 2 Cinemática El desarrollo de las expresiones contenidas en este capítulo se lleva a cabo en un sistema de referencia general cartesiano {I 1 I 2 I 3 }. La notación es, con algunas diferencias,
Más detallesDeterminantes. Problemas teóricos. i=1. 2. De la fórmula general (1) deduzca la fórmula para el determinante de orden 3.
Determinantes Problemas teóricos Adradezco por varios problemas e ideas a los profesores de la ESFM Myriam Rosalía Maldonado Ramírez y Eliseo Sarmiento Rosales y al estudiante de servicio social Sadi Manuel
Más detallesAPÉNDICE 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 detallesSISTEMAS LINEALES DE ECUACIONES DIFERENCIALES HOMOGÉNEAS DE PRIMER ORDEN
SISTEMAS LINEALES DE ECUACIONES DIFERENCIALES HOMOGÉNEAS DE PRIMER ORDEN Alejandro Lugon 26 de mayo de 2010 1. Ecuaciones planares: dos dimensiones El sistema homogéneo: ẋ a 11 x + a 12 y (1) ẏ a 21 x
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 08-2 SEMANA 7: ESPACIOS VECTORIALES 3.5. Generadores de un espacio vectorial Sea V un espacio vectorial
Más detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n a A = 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detallesDescomposición en forma canónica de Jordan (Segunda versión)
Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 8-7 Formas cuadráticas SEMANA 4: FORMAS CUADRÁTICAS 7 Formas cuadráticas y matrices definidas positivas
Más detallesSolución analítica de problemas de contorno. Ecuación de ondas
Práctica 2 Soución anaítica de probemas de contorno. Ecuación de ondas 2.1. Ecuación de ondas 1D: Vibraciones forzadas de una cuerda finita con extremos móvies La ecuación de ondas para una cuerda finita
Más detalles2 Espacios vectoriales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 2 Espacios vectoriales 2.1 Espacio vectorial Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V sobre el que hay
Más detalles5.1. Soluciones de EDP s de coeficientes constantes
Práctica 5 Ecuaciones en derivadas parciaes En esta práctica veremos cómo es posibe utiizar e programa Mathematica para resover agunos tipos de ecuaciones en derivadas parciaes. Revisaremos también agunas
Más detallesRESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS
RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS 1. Determinantes El determinante de una matriz cuadrada n n A = a 21 a 22 a 2n a n1 a n2 a nn es un número real, y se representa por: A = a 21 a 22 a 2n a
Más detallesÁlgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 8. Valores y vectores propios Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
Más detallesMétodo de separación de variables
Método de separación de variabes José Rodear y Andrés Encinas Departamento de Matemática Apicada III Notas preparadas para as asignaturas Ecuaciones Diferenciaes de tercer curso de as tituaciones de Ingeniero
Más detallesEspacios vectoriales con producto interno
Espacios vectoriales con producto interno Mariano Suárez-Alvarez 24 de junio, 2011 1. Espacios con producto interno... 1 2. Normas y distancias... 3 3. Ortogonalidad... 5 4. Proyectores ortogonales...
Más detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detallesProducto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31
Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesEspacios de Hilbert. Capítulo Una Primera Aproximación al Método de Separación de Variables
Capítuo 3 Espacios de Hibert Uno de os objetivos de este curso es presentar métodos generaes que nos permitan resover a menos as ecuaciones de caor, ondas Lapace así como EDPs ineaes de segundo orden con
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detalles1 Agrupa aquellos monomios de los que siguen que sean semejantes, y halla su suma:
1 Agrupa aqueos monomios de os que siguen que sean semejantes haa su suma: 5 1 a m bn a m bm b m a m n b mb Epresa con etras o con números etras as siguientes frases: Dos números suman 15 E tripe de un
Más detallesEjercicios tipo test de las lecciones 1 y El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1, 2, 1) y
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Ejercicios tipo test de las lecciones 1 y 2. 1. El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1,
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesDIAGONALIZACIÓN DE ENDOMORFISMOS. APLICACIONES DE LA DIAGONALIZACIÓN DE MATRICES
Captuo 5. Uso de os recursos tecnoógicos en e proceso de aprendizaje de as matemáticas DIAGONALIZACIÓN DE ENDOMORFISMOS. APLICACIONES DE LA DIAGONALIZACIÓN DE MATRICES Patricia Mayo 1, Pedro Castañeda
Más detalles1. Espacio vectorial. Subespacios vectoriales
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Sea k un cuerpo. 1. Espacio vectorial. Subespacios vectoriales Definición 1.1. Un k-espacio vectorial o espacio vectorial
Más detallesUNIDAD 2 Geometría 2.3 Cuadriláteros 23
UNIDAD Geometría. Cuadriáteros. Cuadriáteros OBJETIVOS Cacuar e área y e perímetro de cuadrado, rectánguo, paraeogramo, rombo y trapecio. Resover probemas en os cuaes se invoucran cuadriáteros y triánguos.
Más detallesALN. 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 detallesVectores y Valores Propios
Capítulo 11 Vectores y Valores Propios Las ideas de vector y valor propio constituyen conceptos centrales del álgebra lineal y resultan una valiosa herramienta en la solución de numerosos problemas de
Más detallesPotencial central Potenciales centrales. Ecuaciones radiales. Si el Hamiltoniano de una partícula es
Capítuo 6 Potencia centra 6.1. Potenciaes centraes. Ecuaciones radiaes Si e Hamitoniano de una partícua es H = 1 M p +V r, entonces [H, L] =. Si ψ es autofunción de H a autovaor E, sean ψ =,1,, as proyecciones
Más detalles1. ESPACIO EUCLÍDEO. ISOMETRÍAS
1 1. ESPACIO EUCLÍDEO. ISOMETRÍAS Muchos de los fenómenos que se investigan en la geometría utilizan nociones como las de longitud de un vector y ángulo entre vectores. Para introducir estos dos conceptos
Más detallesDiagonalización. Índice General. Nelson Möller. 1 Matrices Semejantes 2. 2 Matrices diagonalizables 2
Diagonalización Nelson Möller Índice General 1 Matrices Semejantes 2 2 Matrices diagonalizables 2 3 Polinomio característico de una matriz 4 3.2 Valores propios.... 5 4 Vectores propios. 6 4.1 Ejemplo...
Más detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2004-2005 1 Introducción a los valores y vectores propios 2 3 4 5 Valores
Más detallesALGEBRA LINEAL Y GEOMETRÍA I
ALGEBRA LINEAL Y GEOMETRÍA I TEMA 3: Autovalores y Autovectores. Introducción Ya conoces que las aplicaciones lineales entre espacios vectoriales, al elegir bases en ellos, las puedes representar por matrices.
Más detallesTema II. Capítulo 5. Aplicaciones bilineales y formas cuadráticas.
Tema II Capítulo 5 Aplicaciones bilineales y formas cuadráticas Álgebra Departamento de Métodos Matemáticos y de Representación UDC 5 Aplicaciones bilineales y formas cuadráticas o simplemente f( x, ȳ)
Más detalles2.1 Proyección ortogonal sobre un subespacio. El teorema de la proyección ortogonal
Tema 2- Proyecciones, simetrías y giros ÍNDICE 21 Proyección ortogonal sobre un subespacio El teorema de la proyección ortogonal 22 Simétría ortogonal respecto de un subespacio 23 Matrices de Householder
Más detallesÁlgebra Lineal. Tema 11. El Teorema Espectral en R. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema. El Teorema Espectral en R Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Índice
Más detallesConstrucción de bases de subespacios (ejemplos)
Construcción de bases de subespacios (ejemplos) Objetivos Aprender a construir una base de un subespacio cuando las condiciones que determinan el subespacio se convierten en ecuaciones lineales homogéneas
Más detallesVALORES Y VECTORES PROPIOS
VALORES Y VECTORES PROPIOS En diversos campos de la ingeniería y las matemáticas surge el problema de calcular los valores escalares λ y los vectores x 0 tales que para la matriz cuadrada A se cumple Ax
Más detalles7.1 Transformaciones lineales nilpotentes
Capítulo 7 Forma de Jordan En este capítulo continuaremos estudiando la estructura de los endomorfismos de un espacio vectorial de dimensión finita Veremos que si V es un K-espacio vectorial de dimensión
Más detallesCapítulo V. Valores y vectores propios. Diagonalización de operadores lineales.
Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede
Más detallesCLASIFICACIÓN AFÍN DE CÓNICAS
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS CLASIFICACIÓN AFÍN DE CÓNICAS Sea E un R-espacio vectorial de dimensión. Sean E = e 1, e un plano vectorial de E y e 0 un
Más detallesValores y vectores propios
Valores y vectores propios Problemas teóricos El los siguientes problemas se denota por L(V ) conjunto de los operadores lineales en un espacio vectorial V (en otras palabras, de las transformaciones lineales
Más detallesDiagonalización de matrices
7 Diagonalización de matrices 7.1. Matrices diagonalizables Existen diversos procesos en los que el estado en cada uno de sus pasos se puede representar por un determinado vector y en los que, además,
Más detallesCAPÍTULO 4. Sistemas de ecuaciones lineales de primer orden
CAPÍTULO 4 Sistemas de ecuaciones lineales de primer orden Hasta ahora hemos considerado únicamente ecuaciones diferenciales aisladas Sin embargo, en muchas aplicaciones aparecen situaciones en las que
Más detallesPuntos 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 detallesAP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
Capítulo 6 Diagonalización 6 Valores y vectores propios 6 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V, nos planteamos el problema
Más detallesa ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2
68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado
Más detallesPlano Proyectivo Introducción:
Capítuo 2 Pano Proyectivo 2.1. Introducción: Definición 2.1 Un pano proyectivo es un trío de a forma Π=(P,L,I) en dondep es un conjunto, cuyos eementos son amados puntos,les un conjunto, cuyos eementos
Más detallesTema 3: Espacios eucĺıdeos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 25 de noviembre de 2009 email: mlserrano@uniovi.es Índice 1 2 3.1 V, R espacio vectorial, la aplicación : V V R ( v, u) v u a) v 1, v 2, u V α, β
Más detallesTransformación adjunta a una transformación lineal
Transformación adjunta a una transformación lineal Objetivos. Estudiar la construcción y las propiedades básicas de la transformación lineal adjunta. Requisitos. Transformación lineal, producto interno,
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detalles6.8. Descomposición mediante valores singulares. v 2 =
68 Descomposición mediante valores singulares Los valores singulares de una matriz m n Supongamos que A es una matriz real cualquiera Los autovalores de A T A tienen la siguiente propiedad A T Ax = λx
Más detalles1 CÓNICAS Cónicas. Estudio particular. 1 x y. 1 x y. a 00 a 01 a 02 a 10 a 11 a 12 a 20 a 21 a 22
CÓNICAS. CÓNICAS.. Cónicas. Estudio particular. Una cónica se dene como el lugar geométrico de los puntos del plano euclídeo que, respecto de una referencia cartesiana rectangular, satisfacen una ecuación
Más detallesMatrices y determinantes. Sistemas de ecuaciones lineales
Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo
Más detallesAquella 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 detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesTema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES
Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...
Más detallesDefinición 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 detallesDiagonalización de matrices
Diagonalización de matrices María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 1 / 22 Valores y vectores propios de una matriz Definición
Más detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesUna matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. ) ( + ( ) ( )
MATRICES Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. Ejemplo 1. Algunos ejemplos de matrices ( + ( ) ( + ( ) El tamaño o el orden de una
Más detallesCAPITULO 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 detallesGuía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno.
Guía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno. Teoremas con demostraciones que se pueden incluir en el examen: 1. Fórmula para f(j m (λ)), donde J m (λ) es el bloque
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
Más detallesTEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES
TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES Definición 1.1. Endomorfismo Nilpotente. Un endomorfismo T End(V ) es nilpotente si existe n N tal que f n 0. Definición 1.. Matriz
Más detallesTransformaciones lineales autoadjuntas (hermíticas)
Transformaciones lineales autoadjuntas (hermíticas) Objetivos. Estudiar propiedades elementales de transformaciones lineales autoadjuntas. Demostrar que para toda transformación lineal autoadjunta en un
Más detallesPrácticas de Matemáticas II: Álgebra lineal
Prácticas de Matemáticas II: Álgebra lineal Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Prácticas de Matemáticas II: Álgebra lineal
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesValores propios y vectores propios Diagonalización
CAPÍTULO Valores propios y vectores propios Diagonalización Este capítulo consta de cuatro secciones Con el fin de dar una idea de lo que se hará en las dos primeras secciones, se considerará un espacio
Más detallesax + by = 1 cx + dy = 0
1.61. Considere el sistema ax + by = 1 cx + dy = 0 Muestre que si ad bc 0, el sistema tiene solución única x = d/(ad bc, y = c/(ad bc. Demostrar además que si ad bc = 0, c 0 o d 0, entonces el sistema
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesBases y dimensión. Problemas teóricos. En todos los problemas se supone que V es un espacio vectorial sobre un campo F. p=1
Bases y dimensión Problemas teóricos Bases de un espacio vectorial En todos los problemas se supone que V es un espacio vectorial sobre un campo F. Definición de base. Sean b 1,..., b n V. Se dice que
Más detallesAlgunos 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 detallesEjercicios resueltos del capítulo 4
Ejercicios resueltos del capítulo 4 Ejercicios impares resueltos..a Calcular los autovalores y subespacios invariantes asociados a la matriz: A = Calculamos el polinomio característico y resolvemos: λ
Más detallesPlano Proyectivo Axioma del Plano Proyectivo
Capítuo 2 Pano Proyectivo 2.1. Axioma de Pano Proyectivo Un estructura de incidencia Π=(P,L,I), se dice que Π es un pano proyectivo si y sóo si cumpe os siguientes axiomas B A 1. Sean A,B P, con A B entonces!
Más detallesV = v 1 +2v 2 +3v 3. v 2. v 1
Coordenadas Hay muchas maneras de darle coordenadas a los puntos del espacio, las ecuaciones de las curvas o superficies dependen de las coordenadas que utilicemos y eligiendo las coordenadas adecuadas
Más detallesRAZONES Y PROPORCIONES
RAZONES Y PROPORCIONES Se ama razón entre dos números a y b (con b 0), a cociente de a división de a por b. a b Por ejempo, si digo que hay una computadora cada 0 aumnos estoy habando de a razón de. 0
Más detallesREGRESIÓN. Pues bien, el análisis de la dependencia estadística admite dos planteamientos ( aunque íntimamente relacionados) :
REGRESIÓN INTRODUCCIÓN REGRESIÓN DE LA MEDIA REGRESIÓN MÍNIMO-CUADRÁTICA REGRESIÓN LINEAL RECTA DE REGRESIÓN Y/X RECTA DE REGRESIÓN X/Y COEFICIENTES DE REGRESIÓN RESIDUOS BONDAD DEL AJUSTE VARIANZA RESIDUAL
Más detallesTema 13: Espacio vectorial
Tema 1: Espacio vectorial 1. Vectores en el espacio Un vector fijo del espacio es un segmento AB ordenado donde A y B son puntos del espacio. Lo representaremos por AB, siendo A el origen y B el extremo.
Más detallesAUTOVALORES Y AUTOVECTORES
12 de Julio de 2011 AUTOVALORES Y AUTOVECTORES (Clase 01) Departamento de Matemática Aplicada Facultad de Ingeniería Universidad Central de Venezuela 1 Puntos a tratar 1. Valores y vectores propios 2.
Más detallesForma canónica de Jordan.
Práctica 3 Forma canónica de Jordan. Contenido: Matrices semejantes. Polinomio característico. Valores propios. Vectores propios. Forma canónica de Jordan. Forma real de la forma canónica de Jordan. Aplicaciones:
Más detalles