8. Espacio vectorial con producto escalar

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

Download "8. Espacio vectorial con producto escalar"

Transcripción

1 Depto de Álgebra, curso Espaco vectoral con producto escalar Productos escalares Ejercco 8 Demuestre que s P es una matrz nvertble n n sobre C y P es su matrz traspuesta conjugada entonces la aplcacón sguente es un producto escalar, C n C n C, v,w v P Pw Ejercco 8 Determne qué propedades de un producto escalar satsfacen las sguentes aplcacones: Consdérense el espaco vectoral V = K[x] y un escalar α K, V V K, p, q pqα Sea V = M n n, K el espaco vectoral de matrces n n sobre K, V V K, n A,B a b S K = R y V es el espaco vectoral de funcones contnuas [, ] R, V V R, f, g = f xg xd x Ejercco 8 Demuestre que una matrz D dagonal real n n defne un producto escalar, R n R n R, v,w v t Dw, s y solamente s todos los números de la dagonal son reales y postvos Norma Ejercco 84 Para los vectores calcule x= 4,y= + 4 x, y, x y, y x C4, Ejercco 85 Sean a,, a n,b,,b n,c,,c n números reales, con c > para todo =,,n Pruebe que la aplcacón defnda en R n R n como es un producto escalar a a n b b n n = c a b Deduzca, medante la desgualdad CBS aplcada a este producto escalar, que = n n n c a b c a c b = = = Ejerccos de Álgebra Lneal y Geometría I 88

2 Depto de Álgebra, curso 7-8 Ejercco 86 Sean a, b, c números reales postvos Con el producto escalar estándar en R, aplque la desgualdad CBS a los vectores v= a+ b+ c a+ b a+ c b+ c yw= Deduzca que a+ b a+ b+ c + a+ c a+ b+ c + b+ c a+ b+ c 6 Ejercco 87 Sean a, c R Consderemos la matrz D = y el producto escalar en R defndo por v w =w t D t Dv Aplque la desgualdad CBS a los vectores a, c para deducr que ac+ a+ c+ a + a+ c + c+ Ejercco 88 Sea f EndV, con V un espaco vectoral con producto escalar S exste c R,< c < tal que f v c v para todov V, entonces f + d V es nyectva Ejercco 89 Sea A n n una matrz compleja hermtana no nula Pruebe que A k O para todo entero postvo k Ejercco 8 Sea V = M n n, K el C-espaco vectoral de matrces n n sobre C, donde defnmos V V K, A,B trazaa B= Pruebe que es un producto escalar y A = n = n j= a j Ortogonaldad n = j= n a j b j Ejercco 8 Con el producto escalar estándar, determne cuáles de los sguentes pares de vectores son ortogonales en el espaco ndcado,,4 t y,, t en R,+,, t y,+,, t en C 4,,,4 t y 4,,, t en R 4 4 +,, t y,, t en C Ejercco 8 Calcule dos vectores untaros que sean ortogonales a, t Ejercco 8 Consderemos en R 4 el conjunto de vectores w =,w =,w = Con el producto escalar de R 4, verfque que estos vectores son mutuamente ortogonales Ejerccos de Álgebra Lneal y Geometría I 89

3 Depto de Álgebra, curso 7-8 Calcule un vectorw 4 no nulo tal que {w,w,w,w 4 } sea un conjunto ortogonal Transforme dcho conjunto en una base ortonormal de R 4 Ejercco 84 Calcule las coordenadas del vectorx=,, t R respecto de la base ortonormal B=,, 6 Ejercco 85 Pruebe que el sguente conjunto B es una base ortonormal de R, y escrba el vectorv como combnacón lneal de los vectores de dcha base: 6 B=, 6,,v= Ejercco 86 Consderemos en V = R los vectores 6 u =,u = Calcule un producto escalar en V tal que B= {u,u } sea una base ortonormal Ejercco 87 Se consdera el espaco vectoral { a b V = c y la aplcacón ϕ : V V R defnda por ϕx, Y =trazax t Y Demuestre que ϕ es un producto escalar Se consdera la base de V, { C = U = Es C una base ortonormal de V respecto de ϕ? Matrces untaras } a,b,c R M,R,U =,U = Ejercco 88 Calcule una matrz ortogonal que tenga a los vectoresu,u como sus prmeras columnas, donde u = Ejercco 89 Seav n un vector no nulo La matrz,u = 5 Hv=I n v v v v de orden n se denomna matrz o transformacón de Householder del vectorv S H es una matrz de Householder, entonces es untara, hermtana, e nvolutva H = I Esto es, 5 H = H = H } Ejerccos de Álgebra Lneal y Geometría I 9

4 Depto de Álgebra, curso 7-8 Sx n es un vector cuya prmera componente x, y s { s x es real, u=x±µ x e, donde µ= x / x s x no es real, se usa para construr la matrz de Householder Hu, entonces Hux= µ x e Ejercco 8 Sea J n la matrz cuadrada de orden n con todos sus elementos guales a Pruebe que la matrz I n n J n es ortogonal Sea H n la matrz cuadrada de orden n cuyas flas son de la forma H n = n, H n k = kk k k, k n Pruebe que H n es ortogonal Sea Ĥ la submatrz de H n formada por las últmas n flas Pruebe que Ĥ Ĥ t = I n y Ĥ t Ĥ = I n n J n Las matrces H n se denomnan matrces de Helmert y se utlzan en dseños de expermentos Ejercco 8 Sea A una matrz real antsmétrca, es decr, A t = A Pruebe que nulli + A= y deduzca que exsten I + A y I A I AI + A = I + A I A U = I AI+ A es ortogonal Ejercco 8 Sean U y V matrces untaras del msmo orden Pruebe que el producto UV es una matrz untara Medante un ejemplo con matrces, calcule matrces untaras cuya suma no sea untara Ejercco 8 Determne las condcones sobre los números reales α y β para que la matrz α+β β α P = α β β+α sea ortogonal Determne las condcones sobre los números reales α y β para que la matrz sea untara U = α β α β β α β α Ejercco 84 Sea x un vector real de n componentes y x = y partmos x en la forma x x= ˆx, donde ˆx es de orden n Pruebe que s x entonces la matrz x ˆx t P = ˆx I α ˆx ˆx t, donde α= x es una matrz ortogonal Deduzca de lo anteror un método para extender un vector untaro a una base ortonormal Ejercco 85 Calcule una base ortonormal de R 4 que contenga al vector untaroa=,,,t Ejerccos de Álgebra Lneal y Geometría I 9

5 Depto de Álgebra, curso 7-8 Ejercco 86 Sea n> yw R n un vector untaro con todas sus componentes postvas Sea k < n y escrbamos u w = v, dondeu R k yv R n k Sea a= v u y defnmos el vector en Rn dado por w = au a v Pruebe quew w y es untaro Descrba un procedmento que de forma smlar se aplque a los vectores au y a v y permta construr una base ortonormal de vectores {w,w,,w n } Ejercco 87 Sea A una matrz real de orden n tal que la suma de los cuadrados de los elementos de cada fla es gual a y que cada fla es ortogonal a las demás Pruebe que la suma de los cuadrados de los elementos de cada columna es gual a y que cada columna es ortogonal a las demás Método de Gram-Schmdt Ejercco 88 Calcule, medante Gram-Schmdt, una base ortonormal del espaco de columnas de la matrz A= 4 Ejercco 89 Consderemos la aplcacón f lneal defnda por la matrz respecto de la base estándar de R Calcule una base ortonormal de nulla Amplíe dcha base a una base ortonormal B de R Calcule la matrz de f respecto de la nueva base B 4 A= Ejercco 8 Aplque Gram-Schmdt para calcular una base ortonormal del espaco L= x,x,x, donde x =,x =,x = Ejercco 8 Aplque Gram-Schmdt para calcular una base ortonormal en C del espaco S = x,x,x, donde x =,x =,x = Ejercco 8 Calcule una base ortonormal del espaco de columnas de la matrz A= Ejerccos de Álgebra Lneal y Geometría I 9

6 Depto de Álgebra, curso 7-8 Ejercco 8 Aplque el proceso de Gram-Schmdt a a =,a =,a = Ejercco 84 Calcule, medante Gram-Schmdt, una base ortonormal del espaco de columnas de la matrz A= 4 9 Ejercco 85 Consderemos la aplcacón f lneal defnda por la matrz A= respecto a la base estándar de R Calcule una base ortonormal de nulla Amplíe dcha base a una base ortonormal B de R Calcule la matrz de f respecto de la nueva base B Ejercco 86 Consderemos la matrz Calcule B una base ortonormal de nulla Calcule B una base ortonormal de ColA A= 5 Consderemos L el espaco vectoral generado por B B Pruebe que L R 4 Ejercco 87 En R 4 consderamos los vectores w = 6,w = 4 4,w = 5 5/ Medante Gram-Schmdt, construya una base ortonormal del subespaco vectoral w,w,w Calcule una base ortonormal de R 4 que contenga a dcha base Ejercco 88 Calcule una base ortonormal de nulla, donde 6 A = 4, A = 5 4 [ ] A =, A 4 = A 5 =, A 6 = Ejercco 89 Calcule una base ortonormal del espaco de columnas de la matrz /,, Ejerccos de Álgebra Lneal y Geometría I 9

7 Depto de Álgebra, curso 7-8 Ejercco 84 Calcule una matrz ortogonal o untara que ncluya a los sguentes vectores ortonormales en sus columnas:,, t,,, t 6 5 4,t, t Ejercco 84 Consderemos las matrces A=,B = Calcule una base ortonormal de cada uno de los espacos de columnas Ejercco 84 Sea V, un espaco vectoral euclídeo y B = {u,u,u,u 4,u 5 } una base ortonormal Consderemos el endomorfsmo defndo con respecto a B por la matrz A= b /5 4/5 b 4/5 /5, con b R Sus autovalores son λ =,λ = ,λ = λ, de multplcdades algebracas,,, respectvamente Calcule la forma canónca compleja de A y una base canónca según los valores de b Determne para qué valores de b la matrz A es ortogonal Consderemos las matrces reales J = a a a a a a a a, J = a a a a a a a a Pruebe que J y J son semejantes medante una matrz ortogonal con coefcentes reales Ejercco 84 Consderemos el sstema Ax = b, donde A= 5,b= Calcule una base ortonormal del espaco de columnas de la matrz A Determne la proyeccón ortogonal debsobre el subespaco ColA Ejercco 844 Consderemos el sstema Ax = b, donde A= 4,b= 8 4 Calcule una base ortonormal del espaco de columnas de la matrz A Determne la proyeccón ortogonal debsobre el subespaco ColA Ejerccos de Álgebra Lneal y Geometría I 94

8 Depto de Álgebra, curso 7-8 Descomposcón ortogonal Ejercco 845 Calcule una base de W para los sguentes espacos: W =,,, t,,,, t R 4 W =,, t R W =,, t,,, t R Ejercco 846 Calcule el complemento ortogonal del espaco nulo de la matrz Calcule una base ortonormal del espaco L, donde L= v =,v = 7,v = Ejercco 847 Halle una base ortonormal de cada uno de los sguentes subespacos de R 4, con respecto al producto escalar estándar W =,,, t,,,, t,,,, t, W : x x + x 4 =, W = W W Halle tambén una base ortonormal de los complementos ortogonales de estos subespacos Asmsmo, calcule las coordenadas de los generadores de W respecto de su base ortonormal hallada Ejercco 848 Calcule unas ecuacones mplíctas ndependentes de los complementos ortogonales de los sguentes subespacos de R 4, con respecto al producto escalar estándar { x + x + x + x 4 = W : x x + x x 4 = x + x + x 4 = W : x + x + x 4 = x x = W : { x x + x + x 4 = x + x x + x 4 = 4 W : x x x 4 = x x + x 4 = Ejercco 849 Consderemos los subespacos vectorales de R defndos por Calcule U y V Calcule una base B de U +V U =,, t,,, t,v =,, t,,, t Sea A la matrz formada por los elementos de B Calcule una base de nulla t 4 Deduzca una base de U V, a partr de la relacón U V = U +V Ejercco 85 Consderemos los subespacos vectorales de R 4 defndos por Calcule U y V Calcule una base B de U +V 4 U =,,, t,,,, t,v =,,, t,,,, t Sea A la matrz formada por los elementos de B Calcule una base de nulla t Ejerccos de Álgebra Lneal y Geometría I 95

9 Depto de Álgebra, curso Deduzca una base de U V, a partr de la relacón U V = U +V Ejercco 85 Las matrces con la propedad A A = A A se llaman normales Tanto las matrces hermtanas como las smétrcas reales son normales Pruebe que s A es normal, entonces ColA nulla Ejercco 85 Consderemos los vectores / 6 6 / u =,u = 6 6 / / 6 Pruebe que {u,u } es un conjunto ortonormal Amplíe dcho conjunto a una base ortonormal de R 4 Ejercco 85 Calcule una base ortonormal de R que contenga a las columnas de la matrz / / Q = / / / Ejercco 854 Los sguentes enuncados se referen a vectores en R n con el producto escalar estándar Marque cada enuncado como verdadero o falso, y justfque cada respuesta S dos vectores son ortogonales, entonces forman un conjunto lnealmente ndependente S dos vectores forman un conjunto ortogonal, entonces forman un conjunto lnealmente ndependente S el vectorxes ortogonal a los vectoresuyv, entoncesxes ortogonal au v 4 Su,v y u+v = u + v, entoncesuyv son ortogonales 5 Su,v y u v = u + v, entoncesuyv son ortogonales 6 El conjunto de todos los vectores en R n ortogonales a uno dado es un subespaco vectoral de R n 7 S {v,v,v } es un conjunto ortogonal, y c,c,c R, entonces {c v,c v,c v } es un conjunto ortogonal 8 S una matrz U cuadrada tene sus columnas ortonormales, entonces UU t = I 9 Una matrz cuadrada con columnas ortogonales es una matrz ortogonal Ejercco 855 Decmos que una matrz cuadrada compleja C M n n,c es rango-hermtana s ColC=ColC Pruebe que C es rango-hermtana s y solamente s nullc=nullc Sean A,B M n n,c con r = rangoa=rangob Pruebe que s dmcola ColB=k, entonces dmcola+ ColB=r k Sean A, B M n n,c matrces rango-hermtanas Pruebe que ColA+ColB = nulla nullb 4 Sean A,B M n n,c con r = rangoa = rangob y ambas rango-hermtanas Sean W y W subespacos de C n tales que ColA=ColA ColB W,nullA=nullA nullb W Pruebe que dmw = dmw Ejercco 856 Consderemos la aplcacón lneal f : R 5 R 4 dada por la matrz A=, f v= Av Ejerccos de Álgebra Lneal y Geometría I 96

10 Depto de Álgebra, curso 7-8 Calcule una base de nulla y otra de ColA Calcule una base de nulla y obtenga una base B de R 5 que la contenga Ejercco 857 Sean A=,b= a Verfque que el sstema A t Ax= A t b tene solucón únca, que llamamosu b Pruebe que A t u es la proyeccón ortogonal debsobre ColA Sea A m n una matrz real con rangoa=n a b Verfque que el sstema A t Ax= A t b tene solucón únca, que llamamosu c Pruebe que A t u es la proyeccón ortogonal debsobre ColA Ejercco 858 Sea V, un C-espaco vectoral de dmensón 4 con producto escalar y T = {v,v,v,v 4 } un conjunto ortogonal en V Pruebe que T es una base v,v v,v 4 = v Ejercco 859 Sea V, un C-espaco vectoral con producto escalar de dmensón fnta n y W V un subespaco, con B W = {w,,w r } una base ortogonal de W Pruebe que s {w,,w r,w r+,,w n } es una base ortogonal de V, entonces {w r+,,w n } es una base de W Isometrías Ejercco 86 Sea V, un R-espaco vectoral euclídeo, donde fjamos un vectory V no nulo Defnmos la aplcacón f y : V V dada por f y v= v+ v y y y y Pruebe que f y es una sometría y calcule f y Ejercco 86 Sea V,, un espaco vectoral euclídeo, con dmv = n S W V es un subespaco vectoral no trval, expresamos cadav V comov=v +v, dondev W,v W Defnmos la aplcacón s W : V V como s W v=v v Pruebe que s W es una sometría Dadoa V no nulo, se defne hv= v+ v a a a a Pruebe que h= s W para W = a Ejercco 86 Sea W el R-espaco vectoral formado por las matrces A M,R tales que A t = A matrces antsmétrcas Pruebe que dmw = Defnmos A B = trazaab t Pruebe que es un producto escalar en W Sea V = R con el producto escalar estándar y f : V W defnda como Pruebe que f es una sometría f : a b c c b c a b a Ejercco 86 S f : V W es un homomorfsmo de espacos vectorales euclídeos de dmensón fnta, sabemos que son equvalentes las condcones de f sometría y f sometría e somorfsmo Sn embargo, esto no es certo en espacos de dmensón nfnta Consderemos V = C[,], donde defnmos el producto escalar f g V = f xg xx d x, y W = C[,] con el producto escalar f g W = f xg xd x Sea F : V W el homomorfsmo defndo por F : f x x f x Ejerccos de Álgebra Lneal y Geometría I 97

11 Depto de Álgebra, curso 7-8 Pruebe que F es una sometría Pruebe que la funcón f x= x + no pertenece a la magen de F, por lo que F no es somorfsmo Ejercco 864 Sean V = M n n,r y W = R N, con N = n Consderamos en V el producto escalar defndo por A B = trazaa t B y en W el producto escalar estándar Pruebe que s A= a j V, entonces A =,j a j Sea Q una matrz ortogonal de V Pruebe que AQ = Q A = A Defnmos la aplcacónφ : V W dada porφa=veca, donde veca es el vector de W que se obtene aplando las columnas de A Pruebe queφes una sometría Ejercco 865 Sea V, un espaco vectoral euclídeo de dmensón n yu Entonces V = u u y cada vector v V se descompone como v =u +u, con u u,u u = W Defnmos la sometría s W : V V como s W v = u u, que además verfca s W v=v v u u u u Pruebe las sguentes propedades de s W s W es una sometría de determnante gual a s W tene el autovalor con multplcdad n y el autovalor de multplcdad No tene, por tanto, más autovalores Exste una base ortonormal B de V tal que M B s W = I n 4 Exste una descomposcón V = U U, donde U = kerd V s W,U = ker d V s W 5 s W s W = d V 6 S n= y f : V V es una sometría de determnante gual a, entonces exsteu tal que f = s W para W = u 7 S n= y g : V V es una sometría de determnante gual a, entonces g = s W s W para certos W = u,w = u 8 Sea U V un subespaco vectoral con dmu = y f : U U una sometría de determnante gual a Prolongamos a un endomorfsmo f : V V defndo como { f v= f v sv U, v sv U, y se extende por lnealdad Pruebe que f es una sometría de V, con autovalor de multplcdad n y autovalor con multplcdad Ejercco 866 Sea V = R con el producto escalar estándar Encuentre un homomorfsmo f : V V, que no sea sometría, tal que para cualquer base ortogonal B= {u,u } de R se verfca que {f u, f u } es una base ortogonal Ejercco 867 Sea A la matrz compleja A=, y f : C C el homomorfsmo defndo por f v= Av Consderamos el producto escalar estándar en C Es f una sometría? Es f byectvo? Sea V, un R-espaco vectoral con producto escalar de dmensón fnta y f : V V una sometría Sea W V un subespaco nvarante, es decr, f W W Pruebe que f W =W Demuestre que W tambén es un subespaco nvarante Ejerccos de Álgebra Lneal y Geometría I 98

12 Depto de Álgebra, curso 7-8 * Mínmos cuadrados Ejercco 868 Halle la proyeccón ortogonal debsobre v,v,v, sendo b=, v =, v =, v = Ejercco 869 Sea V, un espaco vectoral de dmensón fnta con producto escalar, W V un subespaco vectoral y v V un vector fjado S B W = {w,,w r } es una base ortogonal del subespaco W, defnmos Pruebe que v p W v W p W v= w v w w + + w r v w r w r Demuestre que sw W, dstnto de p W v, entonces v w > v p W v Ejercco 87 Consderemos C n con la estructura euclídea natural, A m n una matrz yb K n un vector Llamamos solucón mínmo cuadrátca del sstema Ax=b a un vectoru C n que haga mínma la norma Au b, o lo que es equvalente, que mnmce Au b Au b Pruebe los sguentes resultados: Las solucones mínmo cuadrátcas del sstema A m n x=b concden con las solucones del sstema A Ax= A b, que es compatble Este sstema de ecuacones recbe el nombre de ecuacones normales S A es de rango pleno por columnas, esto es, rangoa = n, entonces exste una únca solucón mínmo cuadrátca determnada porx=a A A b Ejercco 87 Consderemos el sstema Ax = b, donde A= Calcule las solucones mínmo cuadrátcas del sstema Ejercco 87 Consderemos el sguente conjunto de datos: Calcule la recta y = α + α t de mejor ajuste Calcule la parábola y = α + α t+ α t de mejor ajuste,b= t,,5,,5, y,,,,,4 Ejercco 87 Consderemos un problema de ajuste por mínmos cuadrados Ax = b, donde la matrz A es de la forma t t A=,tel vector con los datos expermentales,, t t j, j t n Estude la forma de los coefcentes de la matrz de coefcentes del sstema de ecuacones normales Hacemos el cambo y = s t E[y], donde s es la desvacón estándar muestral o de la poblacón, según se quera, para calcular el ajuste α +α y = b Determne los coefcentes de la nueva matrz del sstema de ecuacones normales Ejercco 874 Ajuste el sguente conjuntos de datos: t b Ejerccos de Álgebra Lneal y Geometría I 99

13 Depto de Álgebra, curso 7-8 con una aproxmacón lneal, sn centrado prevo y con centrado Ejercco 875 Sea A una matrz de orden m n y b R n Pruebe que x es una solucón mínmo-cuadrátca del sstema Ax=b s y solamente sx es una parte de una solucón del sstema amplado Im m A A t n n x x b = No es extraño encontrar problemas de mínmos cuadrados en los que la matrz A es muy grande pero contene muchos ceros Para esta stuacón, el anteror sstema amplado contendrá menos entradas no nulas que el sstema de ecuacones normales, y evtará los problemas de memora que suelen dar los algortmos de resolucón Además, se evta el cálculo de A t A que, como sabemos, puede producr problemas de mal condconamento Ejerccos de Álgebra Lneal y Geometría I

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1 CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

Vectores en el espacio

Vectores en el espacio ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c

Más detalles

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

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

Más detalles

9. Teoremas espectrales

9. Teoremas espectrales 9 Teoremas espectrales Lema de Schur Ejercicio 9 En los siguientes casos, use el lema de Schur para descomponer, sobre C, la matriz A como producto A = U TU de modo que T sea triangular superior y U unitaria:

Más detalles

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior. . EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

Vectores y Matrices. Curso a 11 a a 1n a 21 a a 2n. A = A = [a ij] 1 i m. a m1 a m2... a mn

Vectores y Matrices. Curso a 11 a a 1n a 21 a a 2n. A = A = [a ij] 1 i m. a m1 a m2... a mn Vectores y Matrces Curso 206-7 A = Notacón a a 2 a n a 2 a 22 a 2n a m a m2 a mn, A = [a j] m j n a j = elemento (, j) de A Tamaño u orden de A= m n S m = n, A cuadrada -sma fla y j-sma columna: a = [a

Más detalles

Ejercicios Resueltos de Vectores

Ejercicios Resueltos de Vectores Departamento de Matemátca y C C Coordnacón: Calculo II para Ingenería Semestre Eerccos Resueltos de Vectores Sean los vectores en IR : v,,, u,, 4, a,, y b,, 4 : a) Determne los vectores: UV y AB UV AB

Más detalles

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas. MATRICES Las matrces se utlzan en el cálculo numérco, en la resolucón de sstemas de ecuacones lneales, de las ecuacones dferencales y de las dervadas parcales. Además de su utldad para el estudo de sstemas

Más detalles

Geometría convexa y politopos, día 1

Geometría convexa y politopos, día 1 Geometría convexa y poltopos, día 1 Alexey Beshenov (cadadr@gmal.com) 8 de agosto de 2016 Los objetos geométrcos que nos nteresan en esta hstora son subconjuntos de R n. Voy a denotar los puntos de R n

Más detalles

Geometría diferencial de superficies en el espacio

Geometría diferencial de superficies en el espacio Geometría dferencal de superfces en el espaco Marano Suárez-Álvarez 31 de agosto, 2015 1 Superfces en el espaco 1 1.1 Cartas y superfces..................... 1 1.2 Funcones dferencables..................

Más detalles

5 Métodos iterativos para la resolución de ecuaciones algebraicas lineales Método de Gauss-Jacobi Método de Gauss-Seidel...

5 Métodos iterativos para la resolución de ecuaciones algebraicas lineales Método de Gauss-Jacobi Método de Gauss-Seidel... CONTENIDO 5 Métodos teratvos para la resolucón de ecuacones algebracas lneales 95 5.1 Método de Gauss-Jacob................................ 95 5.2 Método de Gauss-Sedel................................

Más detalles

Números Reales y Complejos

Números Reales y Complejos Apéndce C Números Reales Complejos Ejerccos resueltos Halla los números reales que cumplen la condcón a a S a 0 : a a a 0 No este solucón S a < 0 : a a a a Halla todos los números r tales que r < a) S

Más detalles

5. DIAGONALIZACIÓN DE MATRICES

5. DIAGONALIZACIÓN DE MATRICES Dagonalzacón Herraentas nforátcas para el ngenero en el estudo del algebra lneal 5. DIAGONALIZACIÓN DE MATRICES 5.1. INTRODUCCIÓN 5.2. VALORES Y VECTORES PROPIOS 5.3. MATRICES DIAGONALIZABLES 5.4. DIAGONALIZACIÓN

Más detalles

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República. 9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara

Más detalles

Números Complejos. 4º Año. Matemática. Cód M i r t a R o s i t o V e r ó n i c a F i l o t t i J u a n C a r l o s B u e

Números Complejos. 4º Año. Matemática. Cód M i r t a R o s i t o V e r ó n i c a F i l o t t i J u a n C a r l o s B u e Números Complejos Matemátca 4º Año Cód. 403-8 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad

Más detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Números Complejos. 4º Año. Matemática. Cód M i r t a R o s i t o V e r ó n i c a F i l o t t i J u a n C a r l o s B u e

Números Complejos. 4º Año. Matemática. Cód M i r t a R o s i t o V e r ó n i c a F i l o t t i J u a n C a r l o s B u e Números Complejos Matemátca 4º Año Cód. 404-7 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de M atemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad

Más detalles

Números Complejos. Matemática

Números Complejos. Matemática Números Complejos Matemátca 4º Año Cód. 40-6 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad

Más detalles

Números Complejos. Matemática

Números Complejos. Matemática Números Complejos Matemátca 4º Año Cód. 40-5 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad

Más detalles

Cinemática del Brazo articulado PUMA

Cinemática del Brazo articulado PUMA Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad

Más detalles

(p +Q 222 P +Q P +Q )

(p +Q 222 P +Q P +Q ) TEMA S.- PUNTOS. RECTAS Y PLANOS EN EL ESPACO. TEMA 5.- PUNTOS, RECTAS Y PLANOS EN EL ESPACO..- PUNTOS. Sstema de referenca: Un sstema de referenca en el espaco 93 consste en un conjunto formado por un

Más detalles

Unidad 6-. Números complejos 1

Unidad 6-. Números complejos 1 Undad -. Números complejos ACTIVIDADES FINALES EJERCICIOS Y PROBLEMAS Efectúa las sguentes operacones: aa (-(-(- aa (-(-(- cc ( -(-( bb ( ( - - (- 7 dd ( - - (- / ( - ( ( (. ( Sumamos algebracamente por

Más detalles

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

SUCESIONES RECURSIVAS LINEALES

SUCESIONES RECURSIVAS LINEALES SUCESIONES RECURSIVAS LINEALES Juan Saba Susana Tesaur 1 Introduccón Una forma usual de defnr sucesones de números es nductvamente Por ejemplo, s alguen conoce la sucesón de Fbonacc, es probable que la

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Ejercicios y problemas (páginas 131/133)

Ejercicios y problemas (páginas 131/133) 7 Calcula el opuesto y el conjugado de los sguentes números complejos, expresándolos en forma polar: a) z b) z (cos 00 sen 00 ) c) z Expresamos en prmer lugar los números complejos en forma Calcula las

Más detalles

Operadores por Regiones

Operadores por Regiones Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

ÁLGEBRA LINEAL. Tarea 1. Nombre: Fecha:

ÁLGEBRA LINEAL. Tarea 1. Nombre: Fecha: ÁLGEBRA LINEAL Tarea. Investque a) Defncón de vector b) Operacones de vectores c) Defncón de matr d) Operacones de matrces e) Defncón de matr traspuesta Bblografía: ÁLGEBRA LINEAL Tarea. a) Investque )

Más detalles

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

Introducción a la Química Computacional. Reservados todos los derechos de reproducción. Luis A. Montero Cabrera, Universidad de La Habana, Cuba, 2006.

Introducción a la Química Computacional. Reservados todos los derechos de reproducción. Luis A. Montero Cabrera, Universidad de La Habana, Cuba, 2006. TEORÍA SIMPLE DE ORBITALES MOLECULARES DE ÜCKEL (MO) En 93 Erck ückel planteó que la combnacón lneal de orbtales atómcos (LCAO) tomados como funcones hdrogenodes del tpo p z permte calcular los estados

Más detalles

27 Tensores (Resumen) Notación tensorial

27 Tensores (Resumen) Notación tensorial 27 Tensores (Resumen) 27. Notacón tensoral Medante la convencón de Ensten para sumas, el cambo de base e = n j= S je j, con S = [I] e e una matrz de n n no sngular, se escrbe e = S j e j donde S j e j

Más detalles

Coordenadas Curvilíneas

Coordenadas Curvilíneas Departamento: Físca Aplcada III Mecánca Raconal (Ingenería Industral) Curso 007-08 Coordenadas Curvlíneas 1. Introduccón a. Obetvo: Generalar los tpos de coordenadas conocdos. Cartesanas. Clíndrcas, Esfércas,

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

2.- Vectores deslizantes.

2.- Vectores deslizantes. .- Vectores deslzantes... Momento de un vector respecto a un punto (4);.. Momento de un vector respecto a un eje (4);.. Sstemas de vectores deslzantes (4);.4. Invarantes del sstema (44);.5. Par de vectores

Más detalles

Desigualdades para la entropía de von Neumann. Leopoldo Pantaleón Martínez. Maestro en Ciencias (Matemáticas).

Desigualdades para la entropía de von Neumann. Leopoldo Pantaleón Martínez. Maestro en Ciencias (Matemáticas). Desgualdades para la entropía de von Neumann Tess que presenta: Leopoldo Pantaleón Martínez.. Para obtener el grado de Maestro en Cencas (Matemátcas). Asesor: Dr. Roberto Quezada Batalla. Septembre del

Más detalles

CAPITULO 2 VALORES, VECTORES PROPIOS y SVD. Ing. Diego A. Patiño M.Sc., Ph.D.

CAPITULO 2 VALORES, VECTORES PROPIOS y SVD. Ing. Diego A. Patiño M.Sc., Ph.D. CAPITULO VALORES, VECTORES PROPIOS y SVD Ing. Dego A. Patño M.Sc., Ph.D. Valores y Vectores Propos Muchas de las transformacones que se necestan en el dseño de sstemas de control se realzan sobre vectores

Más detalles

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla. EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente

Más detalles

INGENIERÍA DE TELECOMUNICACIÓN BLOQUE 1

INGENIERÍA DE TELECOMUNICACIÓN BLOQUE 1 INGENIERÍA DE TELECOMUNICACIÓN BLOQUE En el Aula Vrtual se encuentra dsponble: Materal nteractvo con teoría y ejerccos resueltos. Para acceder a ello deberá pulsar sobre los sguentes enlaces una vez dentro

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

La representación Denavit-Hartenberg

La representación Denavit-Hartenberg La representacón Denavt-Hartenberg José Cortés Parejo. Marzo 8 Se trata de un procedmeto sstemátco para descrbr la estructura cnemátca de una cadena artculada consttuda por artculacones con. un solo grado

Más detalles

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,. º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:

Más detalles

E. P. E. T. N 20 CUADERNILLO DE MATEMÁTICA TERCER AÑO PROFESORAS: JIMENA CARRAZCO MARÍA ANGÉLICA NETTO

E. P. E. T. N 20 CUADERNILLO DE MATEMÁTICA TERCER AÑO PROFESORAS: JIMENA CARRAZCO MARÍA ANGÉLICA NETTO E. P. E. T. N 0 CUADERNILLO DE MATEMÁTICA TERCER AÑO PROFESORAS: JIMENA CARRAZCO MARÍA ANGÉLICA NETTO E. P. E. T. N 0 MATEMÁTICA AÑO Undad N I: Epresones algebracas PROGRAMA DE MATEMÁTICA 0 TERCER AÑO

Más detalles

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)} Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces

Más detalles

Pregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana?

Pregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana? Cadenas de Marov Después de mucho estudo sobre el clma, hemos vsto que s un día está soleado, en el 70% de los casos el día sguente contnua soleado y en el 30% se pone nublado. En térmnos de probabldad,

Más detalles

b) Encuentra el criterio de formación de la siguiente sucesión recurrente:

b) Encuentra el criterio de formación de la siguiente sucesión recurrente: Ejercco nº.- Calcula, utlzando la dencón de logartmo: log log log b) Halla el valor de, aplcando las propedades de los logartmos: log log log Solucón: b) log log log 9 log log log log log 9 9 Ejercco nº.-

Más detalles

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

9. Autovalores y Autovectores

9. Autovalores y Autovectores 9. Autovalores y Autovectores Sea V un espaco vectoral sobre el cuerpo K y sea F : V V un operador lneal. Un escalar λ K es un autovalor de F s exste v V, con v 0, tal que F(v = λv (v 0 En tal caso v es

Más detalles

Propiedades efectivas de medios periódicos magneto-electroelásticos a través de funciones de Green

Propiedades efectivas de medios periódicos magneto-electroelásticos a través de funciones de Green Propedades efectvas de medos peródcos magneto-electroelástcos a través de funcones de Green utores: Lázaro Makel Sto Camacho Julán Bravo Castllero LOGO Renaldo Rodríguez Ramos Raúl Gunovart Díaz Introduccón

Más detalles

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1.

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1. Objetvos y orentacones metodológcas SISTEMA DIÉDRICO I Interseccón de planos y de recta con plano TEMA 8 Como prmer problema del espaco que presenta la geometría descrptva, el alumno obtendrá la nterseccón

Más detalles

Ejercicios Resueltos de NÚMEROS COMPLEJOS

Ejercicios Resueltos de NÚMEROS COMPLEJOS Ejerccos Resueltos de NÚMEROS COMPLEJOS Ejerccos Resueltos de NÚMEROS COMPLEJOS Números Complejos. Formas de epresarlos.- Halla las raíces de los sguentes números: 00 Solucón: ± 00 00 ± 0 ± ±.- Representa

Más detalles

Problemas sobre números complejos -1-

Problemas sobre números complejos -1- Problemas sobre números complejos --.- Representa gráfcamente los sguentes números complejos y d cuáles son reales, cuáles magnaros y, de estos, cuáles magnaros puros: 5-5 + 4-5 7 0 -- -7 4.- Obtén las

Más detalles

ISSN en trámite. Notas de matemática. Fascículo 2. Juan Sabia Susana Tesauri. Sucesiones recursivas lineales

ISSN en trámite. Notas de matemática. Fascículo 2. Juan Sabia Susana Tesauri. Sucesiones recursivas lineales Fascículo Notas de matemátca ISSN en trámte Juan Saba Susana Tesaur Sucesones recursvas lneales Departamento de Matemátca Facultad de Cencas Exactas y Naturales Unversdad de Buenos Ares 014 Notas de matemátca

Más detalles

Problemas de Condiciones de Contorno para Ecuaciones Diferenciales Ordinarias

Problemas de Condiciones de Contorno para Ecuaciones Diferenciales Ordinarias Problemas de Condcones de Contorno para Ecuacones Dferencales Ordnaras Segundo curso Grado en Físca Índce Introduccón Métodos de dsparo Método de dsparo para resolver problemas de ODE con condcones de

Más detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección de problemas de. Poder de Mercado y Estrategia de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.

Más detalles

6.9 El trazador cúbico

6.9 El trazador cúbico 4.9 El trazador cúbco El polnomo de nterpolacón es útl s se usan pocos datos y que además tengan un comportamento polnomal, así su representacón es un polnomo de grado bajo y adecuado. S no se cumplen

Más detalles

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización. Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón

Más detalles

Introducción a las herramientas matemáticas para la formulación de ecuaciones generalmente covariantes (v5)

Introducción a las herramientas matemáticas para la formulación de ecuaciones generalmente covariantes (v5) Introduccón a los tensores ndrés acho Ortz, brl 2016 Introduccón a las herramentas matemátcas para la formulacón de ecuacones generalmente covarantes (v5) Este documento es una ntroduccón con carácter

Más detalles

Propiedades Asintóticas

Propiedades Asintóticas Capítulo 3 Propedades Asntótcas 3.. Dstrbucones Estaconaras Defncón 3. Sea X n, n, una cadena de Markov con espaco de estados E y matrz de transcón P. Sea π(), E, una dstrbucón de probabldad, es decr,

Más detalles

CAPÍTULO V ESTRUCTURAS ALGEBRAICAS

CAPÍTULO V ESTRUCTURAS ALGEBRAICAS ESTRUCTURAS ALGEBRAICAS 7 CAPÍTULO V ESTRUCTURAS ALGEBRAICAS Estructura Algebraca es todo conjunto no vacío en el cual se han defndo una o más leyes de composcón nterna, luego de cumplr certas propedades

Más detalles

En el caso en que el conjunto sea linealmente dependiente, exprese uno de los vectores como combinación lineal de los demás.

En el caso en que el conjunto sea linealmente dependiente, exprese uno de los vectores como combinación lineal de los demás. Depto. de Álgebra curso 7-8 4. Espacio vectorial Estructura Ejercicio 4.. Demuestre que el conjunto M ( R) con la suma de matrices y el producto de matrices por números reales es un R espacio vectorial.

Más detalles

1. Hallar el rango de cada una de las siguientes matrices

1. Hallar el rango de cada una de las siguientes matrices Tarea 5 Hallar el rango de cada una de las siguientes matrices 5 5 a) = 7 6 5 5 b) = 5 8 Solución: a) rang ( ) = b) rang ( ) = Determinar si cada uno de los siguientes conjuntos de vectores es linealmente

Más detalles

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

Algoritmos matemáticos para:

Algoritmos matemáticos para: Algortmos matemátcos para: sstemas de ecuacones lneales, nversón de matrces y mínmos cuadrados Jose Agular Inversón de matrces Defncón(Inversadeunamatrz):SeaAunamatrz nxn.unamatrzcde nxn esunanversadeascaaci.

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

PUNTOS, RECTAS Y PLANOS. 2º Bachillerato SISTEMA DE REFERENCIA EN EL ESPACIO APLICACIONES DE LOS VECTORES APLICACIONES DE LOS VECTORES

PUNTOS, RECTAS Y PLANOS. 2º Bachillerato SISTEMA DE REFERENCIA EN EL ESPACIO APLICACIONES DE LOS VECTORES APLICACIONES DE LOS VECTORES UNTS, RECTAS Y LANS EN EL ESACI º Bachllerato SISTEMA DE REFERENCIA EN EL ESACI Sstema de referenca en el esaco. Un sstema de referenca ara el lano consste en el conunto R {, {,, }} formado or: - Un unto

Más detalles

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron

Más detalles

Introducción al Método de los Elementos Finitos

Introducción al Método de los Elementos Finitos S 4 v v 5 Introduccón al Método de los Elementos Fntos Parte 4 Estmacón de error en problemas elíptcos Alberto Cardona, Víctor Facnott Cmec-Intec (UNL/Concet), Santa Fe, Argentna Estmacón de error en problemas

Más detalles

Ecuación de Lagrange

Ecuación de Lagrange Capítulo 6 Ecuacón de Lagrange 6. Introduccón a las ecuacones de Lagrange La mecánca que nos presenta Lagrange en su Mécanque Analytque sgnfca un salto conceptual muy grande respecto de la formulacón Newtonana.

Más detalles

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA 35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1 CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

CAPÍTULO 4. CINEMÁTICA DE LOCALIZACIÓN DEL ROBOT PARALELO

CAPÍTULO 4. CINEMÁTICA DE LOCALIZACIÓN DEL ROBOT PARALELO 8 CAPÍTULO 4. CINEMÁTICA DE LOCALIZACIÓN DEL ROBOT PARALELO En esta seccón se descrbe el análss de posconamento y orentacón del robot paralelo: Se resuelve el problema cnemátco nverso en base a métodos

Más detalles

INTEGRACIÓN MÚLTIPLE. Introducción. El volumen bajo una superficie. V V Ci

INTEGRACIÓN MÚLTIPLE. Introducción. El volumen bajo una superficie. V V Ci INTEGRCIÓN MÚLTIPLE Introduccón La ntegral defnda undmensonal aporta las herramentas necesaras para calcular áreas y volúmenes. hora ben, por lo que se refere al cálculo de volúmenes, no da respuesta al

Más detalles

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales: EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,

Más detalles

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

Taller III: Álgebra Matricial

Taller III: Álgebra Matricial Fundacón Msón Sucre Colego Unverstaro de Caracas Taller III: Álgebra Matrcal MATRICES Defncón: Conunto de números o símbolos algebracos colocados en líneas horzontales y vertcales dspuestos en forma de

Más detalles

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Clase Auxiliar #1: Teoría de Juegos

Clase Auxiliar #1: Teoría de Juegos UNIVERSIDAD DE CHILE FAC DE CIENCIAS FÍSICAS Y MATEMÁTICAS Departamento de Ingenería Industral Curso: IN5A Economía Industral Semestre: Prmavera 7 Profesor: Ronald Fscher Auxlares: Klaus Kaempfe Sofía

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

1 Construcción de vectores en un plano euclidiano

1 Construcción de vectores en un plano euclidiano CONJUNTOS CONVEXOS Estas notas recogen una ntroduccón al estudo de los conjuntos convexos en un plano eucldano; presuponen en quen leyere,la dea de plano eucldano y conocmentos elementales de la geometría

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

sea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador.

sea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador. . Hallar "a" para que el complejo : a a) sea real puro b) sea magnaro puro Lo prmero de todo es hacer la dvsón en forma bnómca, multplcando numerador y denomnador por el conjugado del denomnador, de esta

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles