Ortogonalidad y Series de Fourier
|
|
- Ángel Silva Luna
- hace 8 años
- Vistas:
Transcripción
1 Capítulo 4 Ortogonalidad y Series de Fourier El adjetivo ortogonal proviene del griego orthos (recto) y gonia (ángulo). Este denota entonces la perpendicularidad entre dos elementos: dos calles que se cruzan en un ángulo recto presentan una configuración ortogonal. La ortogonalidad es un concepto fundamental para la comprensión del análisis de funciones por medio de las transformadas de Fourier, Laplace y la transformada z. Este capítulo introduce el concepto en cuestión a partir de un contexto usualmente más familiar: la ortogonalidad de vectores. Para más información sobre la terminología matemática puede consultarse [18, 1]. 4.1 Espacios vectoriales Tradicionalmente se utiliza en ingeniería el concepto de vector como un conjunto ordenado de n cantidades, por ejemplo [x 1, x 2,..., x n ] T. En los casos particulares de vectores bidimensionales (n = 2) y tridimensionales (n = 3) se utilizan en la práctica representaciones alternativas que comprenden magnitudes y ángulos (por ejemplo, utilizando coordenadas polares, cilíndricas o esféricas). En términos matemáticos se prefiere la notación cartesiana por su generalidad: el concepto de vector es válido para todo entero n no negativo (esto es n = 0, 1,...), donde las componentes x i se toman del conjunto de los números reales IR o de los números complejos C. Sea IF un cuerpo escalar, es decir, una estructura algebraica que consiste por una parte en un conjunto de escalares y por otra parte en una colección de operaciones definidas para los elementos del conjunto: adición y multiplicación, que satisfacen, entre otras, las propiedades de asociatividad, conmutatividad y distributividad. Un conjunto de vectores V se denomina espacio vectorial sobre un cuerpo IF (por ejemplo el cuerpo de los números reales IR o el cuerpo de los números complejos C) si 131
2 4 Ortogonalidad y Series de Fourier para una operación de adición vectorial en V, denotada x + y, con x, y V; y para una operación de multiplicación escalar en V, denotada como ax, con x V y a IF se cumplen las siguientes propiedades con a, b IF y x, y, z V: 1. x + y V. (V es cerrado con respecto a la adición vectorial). 2. x + (y + z) = (x + y) + z. (Asociatividad de la adición vectorial en V). 3. Existe un elemento neutro 0 V, tal que para todo x V se cumple que x + 0 = x. (Existencia de un elemento identidad aditivo en V). 4. Para todo x V existe un elemento y V tal que x + y = 0. (Existencia de inversos aditivos en V). 5. x + y = y + x. (Conmutatividad de la adición vectorial en V). 6. ax V. (V es cerrado con respecto a la multiplicación escalar). 7. a(bx) = (ab)x. (Asociatividad de la multiplicación escalar en V). 8. Si 1 representa la identidad multiplicativa del cuerpo IF entonces 1x = x. (Neutralidad de uno). 9. a(x + y) = ax + ay. (Distributividad con respecto a la adición vectorial). 10. (a + b)x = ax + bx. (Distributividad con respecto a la adición en el cuerpo). El concepto de espacio vectorial es completamente abstracto. Para determinar si un conjunto V es un espacio vectorial deben especificarse tan solo el conjunto V, el cuerpo escalar IF y las operaciones vectoriales de adición y multiplicación escalar en V. Si las diez propiedades anteriores se satisfacen, se dice entonces que V es un espacio vectorial Combinaciones lineales Se denomina combinación lineal de los vectores u 1, u 2,..., u n de un espacio vectorial V a todo vector x del tipo x = c 1 u 1 + c 2 u c n u n con los coeficientes de la combinación lineal c 1,..., c n, que son escalares del cuerpo escalar IF relacionado con el espacio vectorial V. 132 c P. Alvarado Uso exclusivo ITCR
3 4.1 Espacios vectoriales Un conjunto de vectores U = {u 1, u 2,..., u n } V se dice ser un conjunto ligado o linealmente dependiente si al menos uno de ellos es una combinación lineal de los demás. Se denomina conjunto libre o linealmente independiente cuando los únicos escalares c 1,..., c n para los que se cumple c 1 u 1 + c 2 u c n u n = 0 son c 1 =... = c n = 0. Se cumple además que un conjunto con un solo vector es libre si dicho vector no es nulo, el vector neutro 0 no forma parte de ningún sistema libre, todo subconjunto de un sistema libre es también libre, el número máximo de vectores de un sistema libre es igual al número de componentes que tienen dichos vectores. Un espacio se dice engendrado por el conjunto de vectores U = {u 1, u 2,..., u n } V si contiene todas las combinaciones lineales de los vectores de U, al que se denomina entonces conjunto generador del espacio. A cada elemento del conjunto U se le denomina en este contexto vector generador. Este espacio no varía si se multiplica cualquier vector generador por un escalar no nulo, se suma un generador con otro, si se suprimen los generadores que son una combinación lineal de los demás Subespacios y bases Cualquier subconjunto W del espacio vectorial V que es cerrado ante las operaciones vectoriales aditivas y de multiplicación escalar se denomina subespacio de V. Se puede apreciar que un subespacio de V es a su vez un espacio vectorial sobre el mismo cuerpo IF del espacio vectorial original. Ejemplos de subespacios del espacio vectorial tridimensional IR 3 son por ejemplo todos los planos que pasan por el origen [0, 0, 0] T, si se utilizan las definiciones convencionales de adición y multiplicación. Los subespacios tienen las siguientes propiedades: Todo espacio vectorial V tiene dos subespacios: el mismo V y {0}. La intersección W 1 W 2 de dos subespacios vectoriales W 1 y W 2 del mismo espacio vectorial V es a su vez un subespacio vectorial. c P. Alvarado Uso exclusivo ITCR 133
4 4 Ortogonalidad y Series de Fourier La unión W 1 W 2 de dos subespacios vectoriales W 1 y W 2 del mismo espacio vectorial V no necesariamente es un subespacio vectorial. El espacio vectorial V se denomina finito si existe un sistema de vectores U = {u 1, u 2,..., u n } V que es conjunto generador del espacio vectorial. Si los vectores generadores u i son linealmente independientes entonces se dice que U es una base de V. Todo espacio vectorial finito V {0} posee al menos una base. Si existen varias bases, todas contienen el mismo número de vectores generadores. Este número de vectores es la dimensión del espacio vectorial. A la base del espacio vectorial IF n conformada por los vectores u 1 = [1, 0,..., 0] T, u 2 = [0, 1,..., 0] T,..., u n = [0, 0,..., 1] T se le denomina base canónica del espacio vectorial finito IF n. 4.2 Espacios de Hilbert Si a la estructura de espacio vectorial se le agrega el concepto de producto interno aparecen entonces los llamados espacios con producto interno o espacios pre-hilbert. El concepto de producto interno (a veces denominado producto escalar 1 ) permite introducir conceptos geométricos como ángulos y longitudes vectoriales. Por el momento conviene definir al producto interno como una función, : V V IF que satisface los siguientes axiomas: x V, x, x 0. (No negatividad). x V, x, x = 0 si y solo si x = 0. (No degenerabilidad). x, y V, x, y = y, x. (Simetría conjugada). a IF, x, y V, x, ay = a x, y ; x, y, z V, x, y + z = x, y + x, z. (Sesquilinearidad). Nótese que si el cuerpo IF corresponde a los números reales IR entonces la simetría conjugada corresponde a la simetría simple del producto interno, esto es x, y = y, x. Combinando la sesquilinearidad con la simetría conjugada se obtiene además que a IF, x, y V, ax, y = a x, y x, y, z V, x + y, z = x, z + y, z 1 Nótese que en este contexto el concepto de producto escalar es diferente a la multiplicación escalar utilizada en la definición de espacio vectorial. Para evitar confusiones se preferirá aquí el uso del término producto interno sobre producto escalar. 134 c P. Alvarado Uso exclusivo ITCR
5 4.2 Espacios de Hilbert Utilizando el producto interno puede definirse la norma de un vector x como x = x, x (4.1) Esta norma está correctamente definida si se considera el axioma de no negatividad en la definición del producto interno. Usualmente se interpreta esta norma como la longitud del vector x. En estos espacios se dice que dos vectores x y y diferentes de 0 son ortogonales si su producto interno x, y es 0. Además, el ángulo entre los dos vectores se define indirectamente por medio de la ecuación x, y cos ( (x, y) ) = x y. (4.2) con lo que se deduce entonces que la magnitud del ángulo entre dos vectores ortogonales es de π/2, puesto que el coseno del ángulo entre ellos es cero. Si U = {u 1, u 2,..., u n } V es una base de V y cualesquiera dos vectores u i y u k (i k) son ortogonales entre sí, se dice que U es una base ortogonal de V. Si además se cumple que la norma de todos los vectores generadores u i es uno, entonces a U se le denomina una base ortonormal. Ejemplo 4.1 Si U es una base ortogonal de V, cómo se pueden calcular los coeficientes para representar un vector x V en dicha base? Si U es una base ortogonal de V se cumple para todo vector x V n x = c i u i (4.3) i=1 Realizando el producto escalar a ambos lados con un vector generador específico u k, utilizando las propiedades del producto interno descritas anteriormente, y haciendo uso de la ortogonalidad de los vectores generadores u i se obtiene u k, x = u k, n c i u i = i=1 = c k u k 2 n u k, c i u i = i=1 n c i u k, u i = c k u k, u k i=1 con lo que se deriva fácilmente c k = u k, x u k 2 (4.4) 4.1 c P. Alvarado Uso exclusivo ITCR 135
6 4 Ortogonalidad y Series de Fourier Una secuencia de Cauchy es una secuencia cuyos términos se acercan arbitrariamente entre sí en tanto la secuencia progresa. Un espacio con producto interno se denomina espacio de Hilbert si es completo con respecto a la norma definida a través del producto interno, lo que quiere decir que cualquier secuencia de Cauchy de elementos en el espacio vectorial converge a un elemento en el mismo espacio, en el sentido de que la norma de las diferencias entre los elementos de la secuencia tiende a cero. Los espacios de Hilbert se utilizan en la generalización del concepto de ciertas transformaciones lineales como la transformada de Fourier, y son de crucial importancia en la formulación matemática de la mecánica cuántica. 4.3 Ortogonalidad de vectores Para un número entero positivo n, el espacio euclideano de n dimensiones se define como el espacio de Hilbert de n-dimensiones sobre IR en el que además se define la función de distancia d 2 para dos puntos x = [x 1,..., x n ] T y y = [y 1,..., y n ] T como d 2 (x, y) = n (x i y i ) 2 El espacio euclidiano representa la generalización de los espacios matemáticos en dos y tres dimensiones conocidos y estudiados ya en la antigüedad por Euclides 2. A la función de distancia d 2, basada en el teorema de Pitágoras, se le conoce como métrica euclidiana. En el espacio euclidiano se utiliza como producto interno el producto punto, definido como i=1 n x, y = x y = x i y i. (4.5) Con esto se puede definir la norma euclidiana x de un vector x como x = x, x = x x = n x i 2. Se puede deducir fácilmente que la métrica euclidiana puede reescribirse en términos de la norma: d 2 (x, y) = x y (4.6) Cualquier base para un espacio euclidiano de n dimensiones contiene entonces exactamente n vectores ortogonales entre sí. 2 Euclides fue un matemático griego del s. III a. C., quien escribió Elementos, que es la base de la geometría plana actual. i=1 i=1 136 c P. Alvarado Uso exclusivo ITCR
7 4.3 Ortogonalidad de vectores Ejemplo 4.2 Dado un vector x = [cos(α), sen(α)] T en un espacio euclidiano bidimensional, encuentre otro vector de magnitud 1 ortogonal y demuestre que su producto interno es cero. Un vector ortogonal a x = [cos(α), sen(α)] T forma un ángulo de 90 con él. La figura 4.1 muestra una solución gráfica: el vector x = [ sen(α), cos(α)] T es perpendicular a x. sen(α) x = [ ] cos(α) sen(α) cos(α) α sen(α) cos(α) Figura 4.1: Construcción geométrica para obtener un vector ortogonal. La misma conclusión puede obtenerse utilizando identidades trigonométricas en la expresión [cos(α + π 2 ), sen(α + π 2 )]T. El producto x, x se calcula entonces como x, x = [cos(α), sen(α)] [ ] sen(α) = cos(α) sen(α) + cos(α) sen(α) = 0 cos(α) La figura 4.2 muestra la representación tradicional de un vector x en un espacio euclidiano bidimensional. Para la figura en el lado izquierdo se ha utilizado la base ortonormal canónica U = {u 1, u 2 }, con los coeficientes escalares a 1 y a 2. El lado derecho muestra el vector con otra base ortonormal U = {u 1, u 2}. Se puede apreciar que los coeficientes a 1 y a 2 de x con la nueva base U son diferentes a los obtenidos con U. Sin embargo, si se establece claramente una base, las componentes calculadas pueden utilizarse para representar a cualquier vector x de forma única e inequívoca. De esta forma, es posible representar los mismos vectores a través de los coeficientes generados para una base determinada, como lo muestra la figura 4.3 para las dos bases en la figura 4.2. Esta forma de representación vectorial facilita el manejo de vectores con más de tres dimensiones, que son difíciles o incluso imposibles de imaginar en un espacio geométrico. 4.2 c P. Alvarado Uso exclusivo ITCR 137
8 4 Ortogonalidad y Series de Fourier a 2 x x a 2 u 2 u 2 a 1 u 1 u 1 a 1 Figura 4.2: Representación de un vector euclidiano bidimensional x utilizando dos bases ortonormales diferentes. a i a i a 1 a 2 a 1 a 2 Figura 4.3: Representación alternativa del vector euclidiano en la figura 4.2 para las bases ortonormales utilizadas allí. 4.4 Ortogonalidad de funciones La representación de un vector x a través de sus componentes para una determinada base U puede interpretarse como una función x : {1, 2,..., n} IF que asigna a cada vector generador u i con índice i {1, 2,..., n} su coeficiente correspondiente con un valor en el cuerpo IF, es decir, x(i) es una función que permite obtener el valor de los coeficientes para cada componente de la base utilizada. Extendiendo esta idea es incluso posible representar vectores con un número infinito de dimensiones, utilizando funciones de la forma x : Z IF. Para un espacio euclidiano el producto interno puede definirse como n 2 x, y = i=n 1 x(i)y(i) (4.7) 138 c P. Alvarado Uso exclusivo ITCR
9 4.5 Series de Fourier donde n 1 y n 2 puede ser infinitas (n 1 n 2 ), expresión que generaliza al producto punto definido anteriormente en (4.5). A partir de esta representación resulta una consecuencia natural eliminar la restricción de los índices de ser números enteros, y generalizar el concepto de vectores a funciones. El espacio vectorial se transforma entonces en un espacio funcional, donde todas los conceptos introducidos anteriormente siguen siendo válidos si las propiedades básicas se mantienen. Por ejemplo, el producto interno de dos funciones definidas en un intervalo (a, b) se generaliza entonces transformando la sumatoria (4.7) en la siguiente integral x(t), y(t) = b a x(t)y(t) dt (4.8) con lo que se concluye que dos funciones son ortogonales en el intervalo (a, b) si (4.8) es cero. La norma de la función se define utilizando la ecuación (4.8), de igual forma que se hizo para los vectores con la ecuación (4.1): b x(t) = x(t), x(t) = a x(t) 2 dt (4.9) Con estas definiciones se puede incluso tomar el concepto de ángulo entre vectores (ecuación (4.2)) y generalizarlo como ángulo entre funciones: cos ( (x(t), y(t))) = x(t), y(t) x(t) y(t) con lo que se puede afirmar que el ángulo entre dos funciones ortogonales es π/ Series de Fourier Series generalizadas de Fourier Un conjunto (posiblemente) infinito de funciones ortogonales puede entonces servir de base para un espacio funcional, de la misma manera que vectores ortogonales sirven de base para espacios vectoriales. Sea U un conjunto de funciones ortogonales U = {u n1 (t),..., u 0 (t), u 1 (t),..., u n2 (t)}. Este conjunto puede entonces utilizarse como conjunto generador de un espacio funcional para toda función x m (t) = n 2 i=n 1 c i u i (t) (4.10) c P. Alvarado Uso exclusivo ITCR 139
10 4 Ortogonalidad y Series de Fourier donde c i representa los coeficientes escalares de la combinación lineal de las funciones generadoras u i (t). Para encontrar estos coeficientes se procede de la misma forma que para los vectores. A partir de la representación de la función x(t) x m (t) como serie (ver ecuación (4.10)), se evalua el producto interno por una función generadora particular u k (t) para obtener u k (t), x(t) n 2 u k (t), n 2 i=n 1 c i u i (t) = u k (t), c i u i (t) i=n 1 n 2 = c i u k (t), u i (t) i=n 1 = c k u k (t), u k (t) = c k u k (t) 2 con lo que se deriva c k = u k(t), x(t) u k (t) 2. (4.11) Una conclusión importante de (4.11) es que si se utiliza una base ortogonal para la aproximación de una función, el valor óptimo para los coeficientes depende tan solo de la función generadora correspondiente al coeficiente a calcular y de la función que se desea aproximar. Estos coeficientes no dependen ni del número de funciones en la base funcional, ni de la forma u otra característica de otras funciones generadoras. Si la base funcional {u k (t)}, k Z es completa, es decir, si la aproximación de la función x(t) con la serie infinita converge a la función: x(t) = k= c k u k (t) con las funciones generadoras u k (t) ortogonales y los coeficientes c k calculados con (4.11), entonces a la expansión en serie se le denomina serie generalizada de Fourier Series de Fourier Un caso especial de funciones ortogonales frecuentemente utilizadas es el conjunto generador u k (t) = e jω 0kt = e j2πf 0kt, k Z 140 c P. Alvarado Uso exclusivo ITCR
11 4.5 Series de Fourier Estas funciones tienen como periodo común T p = 1/F 0 (comparar con la sección 1.2.3). Evaluando el producto interno definido en un periodo u i (t), u k (t) = = = Para el caso k = i se obtiene t0 +T p t 0 t0 +T p u i (t)u k (t) dt t 0 e jω 0it e jω 0kt dt = t0 +T p u i (t), u i (t) = t0 +T p t 0 e jω 0it e jω 0kt dt t 0 e jω 0(k i)t dt (4.12) t0 +T p t 0 e jω 00x dt = t0 +T p t 0 1 dt = T p (4.13) y para k i u i (t), u k (t) = ejω 0(k i)t jω 0 (k i) t 0 +T p t 0 = ejω0(k i)t0 ( e jω 0 (k i)t p 1 ) jω 0 (k i). (4.14) Considerando finalmente que Ω 0 T p = 2π se obtiene u i (t), u k (t) = ejω 0(k i)t 0 ( e j2π(k i) 1 ) jω 0 (k i) = 0 con lo que queda demostrada la ortogonalidad de las funciones u k (t) = e jω 0kt. De esta forma es posible aproximar cualquier función periódica x(t) = x(t + T p ) con la serie x(t) = n 2 k=n 1 c k e jω0kt donde n 1 y n 2, conocida como la serie de Fourier. (4.15) Si x(t) es una función real, puesto que za = za con z C y a IR, y x + y = x + y, entonces se cumple que c k = u k(t), x(t) u k (t) 2 = = c k e jω 0 kt, x(t) e jω 0kt 2 = t+tp t e jω 0kt x(t) dt e jω 0kt 2 Además, utilizando el hecho de que x+x = 2 Re{x} se puede reescribir (4.15), asumiendo c P. Alvarado Uso exclusivo ITCR 141
12 4 Ortogonalidad y Series de Fourier que c k = c k e jθ k como x(t) = = k= c k e jω 0kt = 1 k= c k e jω0kt + c 0 + = c 0 + = c 0 + c k e jω 0kt + c 0 + c k e jω 0kt c k e jω0kt = c Re{c k e jω0kt } = c 0 + c k e jω 0kt + c k e jω 0kt 2 c k Re{e j(ω 0kt+θ k ) } 2 c k cos (Ω 0 kt + θ k ) (4.16) Existe una tercera representación de la serie de Fourier para funciones reales x(t), que se obtiene de (4.16) utilizando la identidad trigonométrica cos(α+β) = cos α cos β sen α sen β: x(t) = a 0 + (a k cos Ω 0 kt + b k sen Ω 0 kt) con a 0 = c 0, a k = 2 c k cos θ k y b k = 2 c k sen θ k En principio, la descomposición de una función real x(t) en una serie de Fourier brindará un conjunto de coeficientes c k (o alternativamente a k y b k ) que indican qué tan fuerte es la componente k de frecuencia angular kω 0 en la función original. Esto es, la serie de Fourier es un primer paso para realizar un análisis en el dominio de la frecuencia, que será el tema del siguiente capítulo. Las llamadas condiciones de Dirichlet para la función x(t) garantizan la convergencia de la serie de Fourier en todo punto de x(t) exceptuando en sus discontinuidades, donde la serie converge al valor medio de la discontinuidad. Estas condiciones son: 1. La función x(t) tiene un número finito de discontinuidades en cualquier periodo. 2. La función x(t) contiene un número finito de máximos y mínimos en cualquier periodo. 3. La función x(t) es absolutamente integrable en cualquier periodo, esto es: t+tp x=t x(t) dt < (4.17) Sin embargo, estas condiciones son suficientes, mas no siempre necesarias; es decir, existen funciones con representaciónes válidas en series de Fourier que no satisfacen las condiciones de Dirichlet. 142 c P. Alvarado Uso exclusivo ITCR
13 4.6 Problemas 4.6 Problemas Problema 4.1. Encuentre tres vectores ortonormales en el espacio euclidiano tridimensional y compruebe que el producto punto entre cualquier par de vectores es cero. Problema 4.2. Sean u i (t) funciones de variable y valor complejos, ortogonales en el intervalo [x 1, x 2 ]. Si la representación rectangular de dichas funciones se expresa como u i (t) = r i (t) + jq i (t) demuestre que se cumple x2 x 1 x2 r i (t)r k (t) dt = r i (t)q k (t) dt = x 1 para todo i k. x2 x 1 x2 x 1 q i (t)q k (t) dt q i (t)r k (t) dt Problema 4.3. Utilizando la función de error E(c 0, c 1,..., c n ) = x(t) x n (t) 2 = x2 x 1 x(t) x n (t) 2 dt demuestre que para funciones y coeficientes complejos los coeficientes definidos en (4.11) minimizan la función de error. (Sugerencia: Exprese c i en coordenadas rectangulares como c i = a i + jb i, y utilice los resultados del problema 4.2.) c P. Alvarado Uso exclusivo ITCR 143
14 4 Ortogonalidad y Series de Fourier 144 c P. Alvarado Uso exclusivo ITCR
1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
Más detalles3.1 DEFINICIÓN. Figura Nº 1. Vector
3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesDefinición de vectores
Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre
Más detallesVII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Más detallesVectores en el espacio
Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
Más detallesEstructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Más detallesTema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)
Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesClase 15 Espacios vectoriales Álgebra Lineal
Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos
Más detallesUNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.
UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado
Más detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más detallesVectores: Producto escalar y vectorial
Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con
Más detallesVECTORES EN EL PLANO
VECTORES EN EL PLANO VECTOR: vectores libres Segmento orientado, con un origen y extremo. Módulo: es la longitud del segmento orientado, es un número positivo y su símbolo es a Dirección: es la recta que
Más detallesUnidad V: Integración
Unidad V: Integración 5.1 Introducción La integración es un concepto fundamental de las matemáticas avanzadas, especialmente en los campos del cálculo y del análisis matemático. Básicamente, una integral
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesSeminario Universitario Material para estudiantes. Física. Unidad 2. Vectores en el plano. Lic. Fabiana Prodanoff
Seminario Universitario Material para estudiantes Física Unidad 2. Vectores en el plano Lic. Fabiana Prodanoff CONTENIDOS Vectores en el plano. Operaciones con vectores. Suma y producto por un número escalar.
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesApoyo para la preparación de los estudios de Ingeniería y Arquitectura Física (Preparación a la Universidad) Unidad 4: Vectores
Apoyo para la preparación de los estudios de Ingeniería y Arquitectura Física (Preparación a la Universidad) Unidad 4: Vectores Universidad Politécnica de Madrid 5 de marzo de 2010 2 4.1. Planificación
Más detallesEspacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
Más detallesAPUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO
APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO ÍNDICE VECTORES EN EL PLANO... 3 Vector Fijo... 3 VECTOR LIBRE... 3 Operaciones con Vectores... 3 Suma de vectores... 3 Producto de un número por
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA FACULTAD DE INGENIERÍA MEXICALI
PROGRAMA EDUCATIVO PLAN DE ESTUDIO CLAVE DE UNIDAD DE APRENDIZAJE NOMBRE DE LA UNIDAD DE APRENDIZAJE Tronco Común 2009-2 11211 Álgebra Lineal PRÁCTICA No. NOMBRE DE LA PRÁCTICA DURACIÓN (HORAS) 7 Producto
Más detalles21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES
Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detalles(x + y) + z = x + (y + z), x, y, z R N.
TEMA 1: EL ESPACIO R N ÍNDICE 1. El espacio vectorial R N 1 2. El producto escalar euclídeo 2 3. Norma y distancia en R N 4 4. Ángulo y ortogonalidad en R N 6 5. Topología en R N 7 6. Nociones topológicas
Más detallesFundamentos para la Representación y Análisis de Señales Mediante Series de Fourier
Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier Andrés Felipe López Lopera* Resumen. Existe una gran similitud entre vectores y las señales. Propiedades tales como la
Más detallesSistemas de vectores deslizantes
Capítulo 1 Sistemas de vectores deslizantes 1.1. Vectores. Álgebra vectorial. En Física, se denomina magnitud fsica (o simplemente, magnitud) a todo aquello que es susceptible de ser cuantificado o medido
Más detallesVectores. Las cantidades físicas que estudiaremos en los cursos de física son escalares o vectoriales.
Cantidades vectoriales escalares Vectores Las cantidades físicas que estudiaremos en los cursos de física son escalares o vectoriales. Una cantidad escalar es la que está especificada completamente por
Más detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Más detallesVECTORES. Abel Moreno Lorente. February 3, 2015
VECTORES Abel Moreno Lorente February 3, 015 1 Aspectos grácos. 1.1 Deniciones. Un vector entre dos puntos A y B es el segmento de recta orientado que tiene su origen en A y su extremo en B. A este vector
Más detallesA estas alturas de nuestros conocimientos vamos a establecer dos reglas muy prácticas de cómo sumar dos números reales:
ADICIÓN Y RESTA DE NUMEROS REALES ADICIÓN L a adición o suma de números reales se representa mediante el símbolo más (+) y es considerada una operación binaria porque se aplica a una pareja de números,
Más detallesEjemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}
Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar
Más detallesEcuaciones Diferenciales Tema 2. Trasformada de Laplace
Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace
Más detalles3. Operaciones con funciones.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lección. Funciones derivada. 3. Operaciones con funciones. En esta sección veremos cómo podemos combinar funciones para construir otras nuevas. Especialmente
Más detallesSea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores
FASÍCULO: ESPACIOS CON PRODUCTO INTERNO Teorema. Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : i) ii) iii) iv) Ejemplo: Sean el espacio vectorial con el producto interno definido
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detalles1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
Más detallesEspacios vectoriales. Bases. Coordenadas
Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos
Más detallesESTRUCTURAS ALGEBRAICAS
ESTRUCTURAS ALGEBRAICAS 1.1. LEY DE COMPOSICIÓN INTERNA Definición 1.1.1. Sea E un conjunto, se llama ley de composición interna en E si y sólo si a b = c E, a, b E. Observación 1.1.1. 1. también se llama
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesTema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES
Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos
Más detalles2.2 Transformada de Laplace y Transformada. 2.2.1 Definiciones. 2.2.1.1 Transformada de Laplace
2.2 Transformada de Laplace y Transformada 2.2.1 Definiciones 2.2.1.1 Transformada de Laplace Dada una función de los reales en los reales, Existe una función denominada Transformada de Laplace que toma
Más detalles1 El espacio vectorial R n.
Manuel Gutiérrez Departamento de Álgebra, Geometría y Topología Universidad de Málaga February 26, 2009 1 El espacio vectorial R n. La estructura de espacio vectorial es posiblemente la estructura más
Más detallesAlgebra lineal. Un par de vectores son linealmente dependientes si existe un escalar diferente de cero que asocie ambos vectores, ejemplo: X 2 =k*x 1
Minimo necesario para redes neuronales. Espacio vectorial Algebra lineal El espacio vectorial X, se define como un conjunto de elementos (vectores) definidos sobre un campo escalar F, que satisface las
Más detallesComo ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0.
NÚMEROS COMPLEJOS. INTRO. ( I ) Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. Si bien esto no era un problema
Más detallesAplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema Representación gráfica de funciones reales de una variable real Elaborado
Más detallesGeometría analítica. Impreso por Juan Carlos Vila Vilariño Centro I.E.S. PASTORIZA
Conoce los vectores, sus componentes y las operaciones que se pueden realizar con ellos. Aprende cómo se representan las rectas y sus posiciones relativas. Impreso por Juan Carlos Vila Vilariño Centro
Más detalles1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una
Más detallesLa derivada de y respecto a x es lo que varía y por cada unidad que varía x. Ese valor se designa por dy dx.
Conceptos de derivada y de diferencial Roberto C. Redondo Melchor, Norberto Redondo Melchor, Félix Redondo Quintela 1 Universidad de Salamanca 18 de agosto de 2012 v1.3: 17 de septiembre de 2012 Aunque
Más detalleselemento neutro y elemento unidad: inversa aditiva (opuesto): para todo λ K 0, existe un único µ K tal que λµ = 1;
3. Espacios Vectoriales 3.1. Definición de espacio vectorial Un cuerpo es una estructura algebraica (K, +, ) formada por un conjunto K no vacio y dos operaciones internas + y que verifican las siguientes
Más detalles1. Vectores 1.1. Definición de un vector en R2, R3 (Interpretación geométrica), y su generalización en Rn.
1. VECTORES INDICE 1.1. Definición de un vector en R 2, R 3 (Interpretación geométrica), y su generalización en R n...2 1.2. Operaciones con vectores y sus propiedades...6 1.3. Producto escalar y vectorial
Más detallesMarch 25, 2010 CAPÍTULO 2: LÍMITES Y CONTINUIDAD DE FUNCIONES EN EL ESPACIO EUCLÍDEO
March 25, 2010 CAPÍTULO 2: LÍMITE Y CONTINUIDAD DE FUNCIONE EN EL EPACIO EUCLÍDEO 1. Producto Escalar en R n Definición 1.1. Dado x = (x 1,..., x n ), y = (y 1,..., y n ) R n, su producto escalar está
Más detallesSegundo de Bachillerato Geometría en el espacio
Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesESTATICA: TIPOS DE MAGNITUDES: CARACTERÍSTICAS DE UN VECTOR. Rama de la física que estudia el equilibrio de los cuerpos.
ESTATICA: Rama de la física que estudia el equilibrio de los cuerpos. TIPOS DE MAGNITUDES: MAGNITUD ESCALAR: Es una cantidad física que se especifica por un número y una unidad. Ejemplos: La temperatura
Más detallesParte I. Iniciación a los Espacios Normados
Parte I Iniciación a los Espacios Normados Capítulo 1 Espacios Normados Conceptos básicos Sea E un espacio vectorial sobre un cuerpo K = R ó C indistintamente. Una norma sobre E es una aplicación de E
Más detalles1. Números Reales 1.1 Clasificación y propiedades
1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,
Más detallesNúmeros Reales. MathCon c 2007-2009
Números Reales z x y MathCon c 2007-2009 Contenido 1. Introducción 2 1.1. Propiedades básicas de los números naturales....................... 2 1.2. Propiedades básicas de los números enteros........................
Más detallesMATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios
Sonia L. Rueda ETS Arquitectura. UPM Curso 2007-2008. 1 MATEMÁTICAS I TEMA 1: Espacios Vectoriales 1 Definición de espacio vectorial. Subespacios Dados dos conjuntos V y K se llama ley de composición externa
Más detallesEspacios vectoriales
Espacios vectoriales Problemas teóricos Muchos de estos problemas me los han enseñado mis colegas: profesores Flor de María Correa Romero, Carlos Domínguez Albino, Sergio González Govea, Myriam Rosalía
Más detallesESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN
Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra
Más detallesEstructuras Algebraicas Una estructura algebraica es un objeto matemático consistente en un conjunto no vacío, con por lo menos una operación binaria.
Estructuras Algebraicas Una estructura algebraica es un objeto matemático consistente en un conjunto no vacío, con por lo menos una operación binaria. Operación Binaria Se conoce una operación binaria
Más detallesEspacios vectoriales y Aplicaciones lineales
Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea
Más detallesTema 7. Límites y continuidad de funciones
Matemáticas II (Bachillerato de Ciencias) Análisis: Límites y continuidad de funciones 55 Límite de una función en un punto Tema 7 Límites y continuidad de funciones Idea inicial Si una función f está
Más detallesCaracterísticas de funciones que son inversas de otras
Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =
Más detallesDefinición 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.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesMatemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales
Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector
Más detallesMuchas veces hemos visto un juego de billar y no nos percatamos de los movimientos de las bolas (ver gráfico 8). Gráfico 8
Esta semana estudiaremos la definición de vectores y su aplicabilidad a muchas situaciones, particularmente a las relacionadas con el movimiento. Por otro lado, se podrán establecer las características
Más detallesCAPÍTULO III. FUNCIONES
CAPÍTULO III LÍMITES DE FUNCIONES SECCIONES A Definición de límite y propiedades básicas B Infinitésimos Infinitésimos equivalentes C Límites infinitos Asíntotas D Ejercicios propuestos 85 A DEFINICIÓN
Más detallesuna partícula como se verá más adelante. A partir de un objeto matemático como lo como el electromagnético o el de nuestro caso de estudio.
Capítulo 2 Marco Teórico En el presente capítulo se presentan algunos de los elementos básicos y principales de las herramientas utilizadas para el estudio de un campo de spin 2. La importancia de estas
Más detallesAplicaciones Lineales y Multilineales Continuas
Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones
Más detallesPROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Más detallesDIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD
Curso Asignatura 2014/2015 MATEMÁTICAS II 1º Comentarios acerca del programa del segundo curso del Bachillerato, en relación con la Prueba de Acceso a la Universidad La siguiente relación de objetivos,
Más detalles35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico
q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,
Más detallesFormas bilineales y cuadráticas.
Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos
Más detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 21
SIGNTU: MTEMTI EN IOLOGI DOENTE: LI.GUSTO DOLFO JUEZ GUI DE TJO PTIO Nº ES: POFESODO Y LIENITU EN IOLOGI _PGIN Nº 4_ GUIS DE TIIDDES Y TJO PTIO Nº OJETIOS: Lograr que el lumno: Interprete la información
Más detalles, y su resultado es igual a la suma de los productos de las coordenadas correspondientes. Si u = (u 1, u 2 ) y v = (v 1, v 2 ), = u1 v 1 + u 2 v 2
Los vectores Los vectores Distancia entre dos puntos del plano Dados dos puntos coordenados del plano, P 1 = (x 1, y 1 ) y P = (x, y ), la distancia entre estos dos puntos, d(p 1,P ), se calcula de la
Más detalles1. ESCALARES Y VECTORES
1. ESCLRES Y VECTORES lgunas magnitudes físicas se especifican por completo mediante un solo número acompañado de su unidad, por ejemplo, el tiempo, la temperatura, la masa, la densidad, etc. Estas magnitudes
Más detallesGrupos. Subgrupos. Teorema de Lagrange. Operaciones.
1 Tema 1.-. Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1.1. Primeras definiciones Definición 1.1.1. Una operación binaria en un conjunto A es una aplicación α : A A A. En un lenguaje más coloquial
Más detallesAlgebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012
Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes
Más detallesProfr. Efraín Soto Apolinar. Función Inversa
Función Inversa Una función es una relación entre dos variables, de manera que para cada valor de la variable independiente eiste a lo más un único valor asignado a la variable independiente por la función.
Más detallesDe acuerdo con sus características podemos considerar tres tipos de vectores:
CÁLCULO VECTORIAL 1. ESCALARES Y VECTORES 1.1.-MAGNITUDES ESCALARES Y VECTORIALES Existen magnitudes físicas cuyas cantidades pueden ser expresadas mediante un número y una unidad. Otras, en cambio, requieren
Más detalles1. El teorema de la función implícita para dos y tres variables.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Aplicaciones de la derivación parcial.. El teorema de la función implícita para dos tres variables. Una ecuación con dos incógnitas. Sea f :( x, ) U f(
Más detallesMódulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
Más detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES INTRODUCCIÓN En el presente documento se explican detalladamente dos importantes temas: 1. Descomposición LU. 2. Método de Gauss-Seidel. Se trata de dos importantes herramientas
Más detallesTEMA II ÁLGEBRA VECTORIAL; FUNDAMENTOS. 2.1.- Definicion, notacion y clasificacion de los vectores.
J.A DÁVILA BAZ - J. PAJÓN PERMUY CÁLCULO VECTORIAL 29 UNIDAD DIDÁCTICA I: CÁLCULO VECTORIAL. TEMA II ÁLGEBRA VECTORIAL; FUNDAMENTOS 2.1.- Definicion, notacion y clasificacion de los vectores. Un vector
Más detallesCOORDENADAS CURVILINEAS
CAPITULO V CALCULO II COORDENADAS CURVILINEAS Un sistema de coordenadas es un conjunto de valores que permiten definir unívocamente la posición de cualquier punto de un espacio geométrico respecto de un
Más detallesa < b y se lee "a es menor que b" (desigualdad estricta) a > b y se lee "a es mayor que b" (desigualdad estricta)
Desigualdades Dadas dos rectas que se cortan, llamadas ejes (rectangulares si son perpendiculares, y oblicuos en caso contrario), un punto puede situarse conociendo las distancias del mismo a los ejes,
Más detallesVECTORES COORDENADOS (R n )
VECTORES COORDENADOS (R n ) Cómo puede ser representado un número Real? Un número real puede ser representado como: Un punto de una línea recta. Una pareja de números reales puede ser representado por
Más detallesTema 3: Producto escalar
Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica
Más detallesTeoría Tema 5 Espacios vectoriales
página 1/14 Teoría Tema 5 Espacios vectoriales Índice de contenido Puntos en 2 y 3 dimensiones...2 Vectores en el plano...5 Suma de vectores...7 Combinación lineal de vectores...8 Sistema generador...10
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesDepartamento de Matemáticas
MA5 Clase 9: Campos Direccionales, Curvas Integrales. Eistencia y Unicidad Elaborado por los profesores Edgar Cabello y Marcos González La ecuación y = f(, y) determina el coeficiente angular de la tangente
Más detallesTema 2. Aplicaciones lineales y matrices.
Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................
Más detallesSISTEMAS DE COORDENADAS SISTEMA COORDENADO UNIDIMENSIONAL
SISTEMAS DE COORDENADAS En la vida diaria, nos encontramos con el problema de ordenar algunos objetos; de tal manera que es necesario agruparlos, identificarlos, seleccionarlos, estereotiparlos, etc.,
Más detallesTema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.
Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal
Más detalles5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades
5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio
Más detalles