Rotaciones. R es ortogonal. Esto es :RR T = 1, donde R T ij =R ji. En efecto. R T R =1, R es una matriz ortogonal
|
|
- Adolfo Gómez Torres
- hace 5 años
- Vistas:
Transcripción
1 Rotaciones Convención de Einstein: Dos índices repetidos en un monomio significan la suma de esos índices de 1 a la dimensión del espacio. Las rotaciones son transformaciones lineales, definidas por la matriz de transformación R. x =Rx, x i =R ij x j que conservan la distancia entre dos puntos, definida por la magnitud del vector x. x,x son las coordenadas de un punto P en dos sistemas de coordenadas con origen común, que están rotados el uno respecto al otro. R es ortogonal. Esto es :RR T = 1, donde R T ij =R ji. En efecto x = Rx R T R =1, R es una matriz ortogonal x T x = x T R T Rx =x T x, x det (R T R) = 1 = det (R) 2, det (R) = ±1, det (R)es una función continua de R. Las matrices ortogonales tienen dos sectores topológicamente disconexos. Las rotaciones tienen determinante 1. Rotacíon en dos dimensiones:r = ( cos θ sen θ sen θ cos θ ), det (R) =1
2 Sea un vector A expresado en un sistema de coordenadas cartesianas (x, y, z) con una base vectorial B asociada definida por los versores ( i, j,k ); esto es,a= A x Ahora, supongamos que giramos el sistema de A y A z B ejes coordenados, manteniendo fijo el origen del mismo, de modo que obtengamos un nuevo triedro ortogonal de ejes (x, y, z), con una base vectorial B asociada definida por los versores ( i, j,k ). Las componentes del vector A en esta nueva base vectorial serán:a= A x A y A z B Figura 1. Coordenadas de un vector en un sistema rotado. La operación de rotación de la base vectorial siempre puede expresarse como la acción de un operador lineal (representado por una matriz) actuando sobre el vector (multiplicando al vector): RA B = A B que es la matriz de transformación para el cambio de base vectorial.
3 Ejemplo En el caso simple en el que el giro tenga magnitud θ alrededor del eje z, tendremos la transformación: cos θ sin θ 0 R= sin θ cos θ Al hacer la aplicación del operador, es decir, al multiplicar la matriz por el vector, obtendremos la expresión del vector A en la nueva base vectorial: cosθ sin θ 0 sin θ cosθ 0 A x A y = A x A y A z A z siendo B A x =A x cosθ + A y sin θ A y = A x sin θ +A y cosθ A z =A z las componentes del vector en la nueva base vectorial. B
4 Producto escalar Sean A, B dos vectores. Tenemos que A = RA,B = RB. El producto escalar de los dos vectores A.B = A i B i es independiente del sistema coordenado. Es un invariante. En efecto, en notación matricial tenemos que: A.B =A T B, A T B =A T R T RB = A T B =A.B, dado que R es ortogonal, R T R El módulo de un vector es un invariante: A = A.A
5 Derivadas A i (t) es un vector y t un parámetro invariante. Entonces B i (t)= da i dt B i (t ) = da i dt = da i = d (R ija j ) dt dt =R ij da j dt =R ijb j (t), R no depende de t. es un vector. A(x) es un campo escalar:a(x ) = A(x), B i (x) = i A(x) son las componentes de un vector, llamado gradiente de A. B i (x) = i A (x )= i A(x)= j A(x) x j,x x i =R ij x j,x j =R 1 ji x i = R T ji x i = R ij x i i x j x i =R ij, B i (x) = j A(x)R ij =R ij B j
6 Distancia en el espacio-tiempo c 2 t 2 + x 2 = c 2 t 2 + x 2 = D 2 es un invariante bajo cambio de sistema de referencia inercial. Sea x 4 =ict, x µ x µ =x µ x µ =D 2. Las transformaciones de Lorentz son rotaciones en este espacio-tiempo cuadrimensional. x µ =L µν x ν. Consideremos un sistema S que se mueve con velocidad u a lo largo del eje x de S. En t =t = 0 los orígenes de S y S coinciden. L = γ 0 0 iβγ iβγ 0 0 γ, x = γ(x ut), ict = iβγx+ γict Transformaciones de Lorentz: x = γ(x ut),t = γ ( t u c 2 x ),
7 Cuadrivectores A µ es un cuadrivector si transforma bajo transformaciones de Lorentz como las coordenadas:a µ = L µν A ν. La distancia infinitesimal en el espacio-tiempo es un invariante: ds 2 = c 2 dt 2 + d x.d x, ds 2 =ds 2 El intervalo de tiempo propio dτ es un invariante. En efecto c 2 dτ 2 = ds P 2 donde el sistema de referencia propio es aquel en que la partícula está en reposo. Ejercicio 1: Demostrar que la cuadrivelocidad definida por v µ = dx µ dτ Muestre que v µ v µ = c 2 es un cuadrivector. Ejercicio 2: Encuentre las componentes temporales y espaciales de v µ Ejercicio 3: Si m 0 es un invariante(masa en reposo). Muestre que p µ = m 0 v µ es un cuadrivector, llamado cuadrimomentum. Muestre que p µ p µ = m 0 2 c 2 Ejercicio 4: Encuentre las componentes temporales y espaciales de p µ Ejercicio 5: Demostrar que la cuadrifuerza definida por f µ = dp µ dτ Ejercicio 6: Encuentre las componentes temporales y espaciales de f µ. es un cuadrivector.
8 Tensores cartesianos Consideremos dos vectoresa, B. Las componentes cartesianas transforman como: A i = R ij A j, B l = R lk B k A i B l =R ij R lk A j B k, T il = A i B l =R ij R lk T jk (1) T il Un conjunto de n 2 funciones T jk son las componentes de un tensor si transforman bajo cambios de coordenadas como (1). T i1...i m son las componentes de un tensor de rango m si bajo cambios de coordenadas cartesianas transforma como: T i1...i m = R i1 j 1...R im j m T j1...j m
9 Pseudotensores T i1...i m son las componentes de un pseudotensor de rango m si bajo cambios de coordenadas cartesianas transforma como: donde R es el determinante de la mátriz R. T i1...i m = R R i1 j 1...R im j m T j1...j m
10 Operaciones con tensores Si A i1...i k,b i1...i k son tensores y α, β son escalares(invariantes), entonces C i1...i k = αa i1...i k + βb i1...i k es un tensor. C i1...i k (x )=α (x )A i1...i k (x ) + β (x )B i1...i k (x ) = α(x)r i1 j 1...R ik j k A j1...j k (x) + β(x)r i1 j 1...R ik j k B j1...j k (x)= R i1 j 1...R ik j k (α(x)a j1...j k (x) + β(x)b j1...j k (x))= R i1 j 1...R ik j k C j1...j k Tensor simétrico y antisimétrico: Si B ij es un tensor simétrico (B ji = B ij ) o antisimétrico(b ji = B ij bajo permutación de i, j, entonces B ij es simétrico(antisimétrico). B ij = R ik R jl B kl, B ji = R jk R il B kl, B ij ± B ji = R ik R jl B kl ± R jk R il B kl = R ik R jl B kl ± R jk(l) R il(k) B k(l) l(k) = R ik R jl (B kl ±B lk )=0 B ij = S ij + A ij S ij = 1 2 (B ij + B ji ), A ij = 1 2 (B ij B ji ) Se puede simetrizar o antisimetrizar en cualquier par de índices. Este procedimiento permite encontrar representaciones irreducibles de grupos.
11 Producto tensorial A i1...i k,b j1...j l son tensores, entonces T i1...i k j 1...j l = A i1...i k B j1...j l es un tensor llamado el producto tensorial de A, B. T i1...i k j 1...j l =A i1...i k B j1...j l = R i1 a 1...R ik a k A a1...a k R j1 b 1...R jk b k B b1...b k = R i1 a 1...R ik a k R j1 b 1...R jk b k A a1...a k B b1...b k = R i1 a 1...R ik a k R j1 b 1...R jk b k T a1...a k b 1...b k
12 Contracción de índices Si A i1...a...b...i k es un tensor de rango k, B i1...(a)...(b)...i k =A i1...a...a...i k es un tensor de rango k 2. (a) significa que el índice a no está presente. pero R ac R ad =δ cd. A i1...a...a...i k = R i1 j 1...R ac...r ad R ik j k A j1...c...d...j k A i1...a...a...i k = R i1 j 1...R ik j k A j1...c...d...j k δ cd =R i1 j 1...(R ac )...(R ad )...R ik j k A j1...c...c...j k Notar que la contracción de índices diferentes da lugar, en general, a tensores diferentes.
13 Derivada de tensores Si A i1...i k (x) es un tensor de rango k, A i1...i k,l(x)= x l A i1...i k es un tensor de rango k +1. A i1...i k,l(x ) = x la i 1...i k (x ) = x j x l x j (R i1 l 1...R ik l k A l1...l k ) = x j x l R i 1 l 1...R ik l k A l1...l k,j = R i1 l 1...R ik l k R lj A l1...l k,j
14 Criterio sencillo del carácter tensorial Sea A ij un conjunto de n 2 funciones y v l un vector. Si A ij v j = V i es un vector, para todo v l, entonces, A ij son las componentes de un tensor. V i = A ij v j =R il V l =R il A la v a, A ij v j = A ij R ja v a R ja v a =R il A la v a, v a es arbitrario, A ij A ij R ja =R il A la, multiplicar por R ka A ij R ja R ka =R il R ka A la A ij δ jk = A ik =R il R ka A la Ejercicio: C ijk es un conjunto de n 3 funciones y t ab es un tensor simétrico arbitrario. Si C ijk t jk es un vector para todo t ab, entonces C ijk +C ikj son las componentes de un tensor, simétrico en los índices jk.
15 Ejemplos de tensores La delta de Kronecker δ ab = { 1, a=b es un tensor de rango 2 simétrico. Más aún es un tensor 0, a=/ b invariante porque sus componentes no dependen del sistema de coordenadas. δ ab = R ac R bd δ cd El símbolo de Levi-Civita, ε i1...i n =sgn ( 1...n i 1...i n ), donde sgn(σ) es el signo de la permutación σ. n es la dimensión del espacio, es un pseudotensor de rango n, totalmente antisimétrico. ε i1...i n ε a1...a n = δ i1 a 1...δ i1 an... δ i na 1...δ i nan Las demostraciones las haremos en la sección de tensores en general.
16 Identidades vectoriales (A B) i = ε ijk A j B k (A (B C)) i = ε ijk A j (B C) k =ε ijk A j ε klm B l C m, ε ijk ε klm = (δ il δ jm δ im δ jl ), (A (B C)) i = (δ il δ jm δ im δ jl )A j B l C m = A.CB i A.BC i Similarmente: ( B) i =ε ijk j B k =ε ijk B k,j ( ( C)) i = ε ijk ( C) k,j = ε ijk ε klm C m,lj = (δ il δ jm δ im δ jl )C m,lj =C j,ji C i,jj Esto es: ( ( C))= (.C) 2 C
Rotaciones. R es ortogonal. Esto es :RR T = 1, donde R T ij =R ji. En efecto. R T R = 1, R es una matriz ortogonal
Rotaciones Convención de Einstein: Dos índices repetidos en un monomio significan la suma de esos índices de 1 a la dimensión del espacio. Las rotaciones son transformaciones lineales, definidas por la
Más detallesCampos tensoriales. Abstract
Campos tensoriales Torsten Fließ bach Abstract Los campos tensoriales pueden ser representados por sus componentes en coordenadas cartesianas. Su propiedad tensorial se define formalmente por el comportamiento
Más detalles2. Convención de Einstein de supresión del símbolo de suma 3
Índice 1. Vectores y tensores 2 2. Convención de Einstein de supresión del símbolo de suma 3 3. Notación vectorial y notación indicial 4 3.1. Índices libres..................................... 4 3.2.
Más detallesCátedra X: Tensores y sus aplicaciones
Cátedra X: Tensores y sus aplicaciones 10.1 Clasificación del grupo de Lorentz El grupo de Lorentz consiste en el conjunto de todas las transformadas de Lorentz. Recuerden que éstas vienen definidas como
Más detallesProducto tensorial entre tensores
Tensores cartesianos Producto tensorial entre tensores Producto tensorial entre tensores Se define el producto tensorial entre los tensores S CT(m) y T CT(n) como el tensor S T CT(n + m): S T = S i1...i
Más detallesTensores de Lorentz. Abstract
Tensores de Lorentz Torsten Fließ bach Abstract Se presentan las principales fórmulas relacionadas con las transformaciones de Lorentz, se definen los tensores de Lorentz y su diferenciación. Se asumen
Más detallesMétodo epsilon-delta para operadores diferenciales e identidades básicas
Método epsilon-delta para operadores diferenciales e identidades básicas Raúl Gormaz October 16, 2011 1 El tensor (o el delta) de Kroneker: δ ij No nos extendamos nuevamente sobre lo ya visto en clase,
Más detallesTensores cartesianos.
Tensores cartesianos. Transformación de coordenadas. Consideremos dos sistemas de coordenadas cartesianas ortogonales en el plano, identificados como σ y σ. Supongamos que ambos tienen un origen común,
Más detallesCátedra VI: Notación covariante y 4-velocidad
Cátedra VI: Notación covariante y 4-velocidad Ya estamos en condiciones de comenzar a estudiar la estructura del espacio-tiempo en forma más profunda. En esta clase introduciremos el concepto de 4-vector
Más detallesRepaso de notación indicial
Repaso de notación indicial Vectores Sean a y b dos vectores en el espacio geométrico ordinario. Por de nición, su producto escalar (o producto interior) quedaría como: a b 3X a i b i a b + a 2 b 2 + a
Más detallesdt Podemos verificar que la velocidad definida de esta forma no transforma como un vector bajo una T.L. En clases mostramos que el intervalo
1 Cuadrivectores Hasta ahora hemos hablado de las transformaciones de Lorentz, y cómo estas afectan tanto a las coordenadas espaciales como al tiempo. El vector que define un punto en el espacio-tiempo
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 34 Álgebra matricial y vectores aleatorios Una matriz es un arreglo
Más detallesMatrices y Determinantes.
Tema II Capítulo 1 Matrices Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC Tema II Matrices y Determinantes 1 Matrices 1 Definiciones básicas Definición 11 Una matriz A de
Más detallesI Cinemática relativista 17
Índice Introducción 15 I Cinemática relativista 17 1. Transformación de Lorentz 19 1.1 Transformación de Lorentz inversa.... 19 1.2 Matriz de Lorentz para movimientos en varias direcciones..... 20 1.3
Más detallesCálculo tensorial. Elvira Martínez Ramírez
Dpto. Física y Mecánica Cálculo tensorial Elvira Martínez Ramírez Notación ransformaciones de coordenadas. Giros de ejes cartesianos ipos de tensores Direcciones principales de un tensor de segundo orden
Más detallesComponentes, coordenadas y cosenos directores
Componentes, coordenadas y cosenos directores 1. Bases, componentes y coordenadas La formulación de las leyes físicas debe hacerse en término de cantidades vectoriales tensoriales. Esto independiza su
Más detallesIntroducción. La masa intrínseca ( m ) y el factor frecuencia ( f ) de una partícula masiva están dados por: . = m o
UNA FORMULACIÓN INVARIANTE DE LA RELATIVIDAD ESPECIAL A. Blato Licencia Creative Commons Atribución 3.0 (207) Buenos Aires Argentina Este artículo presenta una formulación invariante de la relatividad
Más detallesInstituto Politécnico Nacional
Instituto Politécnico Nacional Escuela Superior de Ingeniería Mecánica y Eléctrica, Zacatenco Ingeniería en Comunicaciones y Electrónica Academia de Matemáticas Fundamentos de Álgebra. Tarea 2 Julio César
Más detallesTETRAVECTORES Y TENSORES
TETRVECTORES Y TENSORES El desarrollo matemático de la Teoría Especial de la Relatividad plantea la necesidad de utilizar un espacio compuesto de cuatro coordenadas, es decir, todo suceso del referido
Más detallesGustavo Rodríguez Gómez. Agosto Dicembre 2011
Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 44 Capítulo III Descomposición de Matrices 2 / 44 1 Descomposición de Matrices Notación Matrices Operaciones con Matrices 2
Más detallesTema III: Tensores. José D. Edelstein. Universidade de Santiago de Compostela. Santiago de Compostela, marzo de 2011
Tema III: Tensores José D. Edelstein Universidade de Santiago de Compostela FÍSICA MATEMÁTICA Santiago de Compostela, marzo de 2011 Producto tensorial de espacios. Tensores. Operaciones con tensores. Tensores
Más detallesNotas sobre tensores
Notas sobre tensores Algebra Lineal - Observatorio Introducción Estas notas están pensadas como una introducción elemental a la teoría de tensores, desde un punto de vista coordenado. De esta forma, no
Más detallesII. Algebra tensorial
II. Algebra tensorial 2.1 Espacios de N dimensiones. Las coordenadas son un conjunto de números que se utilizan para representar un punto en el espacio; por ejemplo, en el espacio de dos dimensiones representamos
Más detalles, SZ } como. i de estados propios de { ˆ s
Función de onda de spin de una partícula de spin S Si ψ es la función de onda de spin de una partícula de spin S, puede expandirse en la base Sσ de estados propios de {ˆ S, SZ } como ψ = S σ= S C σ Sσ.
Más detallesANALISIS VECTORIAL. Vectores concurrentes: cuando se interceptan en un mismo punto.
ANALISIS VECTORIAL Vector: Es un operador matemático que sirve para representar a las magnitudes vectoriales. Vectores concurrentes: cuando se interceptan en un mismo punto. Vectores iguales: cuando tienen
Más detalles3. Matrices. 1 Definiciones básicas. 2 Operaciones con matrices. 2.2 Producto de una matriz por un escalar. 2.1 Suma de matrices.
Tema I Capítulo 3 Matrices Álgebra Departamento de Métodos Matemáticos y de Representación UDC 3 Matrices 1 Definiciones básicas Definición 11 Una matriz A de dimensión m n es un conjunto de escalares
Más detallesVECTORES Y OPERACIONES CON VECTORES
BOLILLA 2 Sistema de Coordenadas VECTORES Y OPERACIONES CON VECTORES Un sistema de coordenadas permite ubicar cualquier punto en el espacio. Un sistema de coordenadas consta de: Un punto fijo de referencia
Más detallesMATRIZ Una matriz de orden (tamaño) mxn sobre el campo de los complejos es un arreglo rectangular de la forma a 11 a 12 a 1n a ] a m1 a m2 a mn
MATRIZ Una matriz de orden (tamaño) mxn sobre el campo de los complejos es un arreglo rectangular de la forma a 11 a 12 a 1n a [ 21 a 22 a 2n ] a m1 a m2 a mn con m renglones y n columnas, donde los a
Más detallesALGEBRA LINEAL - Práctica N 2 - Segundo cuatrimestre de 2017 Matrices y coordenadas
Departamento de Matemática - Facultad de Ciencias Exactas y Naturales - UBA 1 ALGEBRA LINEAL - Práctica N 2 - Segundo cuatrimestre de 2017 Matrices y coordenadas Ejercicio 1 Sean m n y r N i) Probar que
Más detallesInstituto de Física Universidad de Guanajuato Agosto José Luis Lucio Martínez
Instituto de Física Universidad de Guanajuato Agosto 2007 Física III José Luis Lucio Martínez El propósito de estas notas es proporcionar material de apoyo para el curso de física III. Estas no pretenden
Más detallesESCUELA TÉCNICA SUPERIOR DE INGENIERÍA AERONÁUTICA Y DEL ESPACIO FÍSICA I
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA AERONÁUTICA Y DEL ESPACIO FÍSICA I CUESTIONES DE EVALUACIÓN CONTINUA Y PROBLEMAS DE EXAMEN Fernando Jiménez Lorenzo 1.- VECTORES 1 Vectores CUESTIÓN C 1.1. Dados
Más detallesÁlgebra Multilineal sobre R
Álgebra Multilineal sobre R Lección uno álgebra multilineal abstracta por JM Márquez-Bobadilla CUCEI Universidad de Guadalajara Álgebra multilineal -vector o -contra-tensor -covector o -forma o proyector
Más detallesGuía 4: Introducción a tensores Martes 10 de abril de 2012 Tarea: 4d, 10, 13.
Departamento de Física Facultad de Ciencias Universidad de Chile Métodos de la Física Matemática I Profesor: Gonzalo Gutiérrez Ayudante: Dany López Guía 4: Introducción a tensores Martes de abril de 22
Más detallesUniversidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Departamento de Matemática Segundo Cuatrimestre de 2002 ÁLGEBRA LINEAL
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Departamento de Matemática Segundo Cuatrimestre de 2002 ÁLGEBRA LINEAL Práctica N 2: Matrices Ejercicio 1 Probar que los siguientes
Más detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detallesRepaso de álgebra de matrices y probabilidad. Javier Santibáñez (IIMAS, UNAM) Regresión Semestre / 58
Repaso de álgebra de matrices y probabilidad Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 58 Preliminares Definición (matriz) Una matriz de dimensión m n es un arreglo rectangular de números
Más detallesdx = x El tensor x/ X se denomina tensor gradiente de la deformación F = x
Capítulo 2 Cinemática El desarrollo de las expresiones contenidas en este capítulo se lleva a cabo en un sistema de referencia general cartesiano {I 1 I 2 I 3 }. La notación es, con algunas diferencias,
Más detallesOperaciones con matrices
Operaciones con matrices Problemas para examen Operaciones lineales con vectores 1. Programación: la suma de dos vectores. Escriba una función que calcule x + y, donde x, y R n. Calcule el número de flops.
Más detallesUna Ecuación Escalar de Movimiento
Una Ecuación Escalar de Movimiento Antonio A. Blatter Licencia Creative Commons Atribución 3.0 (2015) Buenos Aires Argentina Este trabajo presenta una ecuación escalar de movimiento que es invariante bajo
Más detallesT7. DINÁMICA RELATIVISTA: E = mc 2 Y MOVIMIENTO ACELERADO
T7. DINÁMICA RELATIVISTA: E = mc 2 Y MOVIMIENTO ACELERADO 1. Introducción 2. La equivalencia entre masa y energía 3. Transformaciones de Lorentz para velocidades y aceleraciones 4. Sistema de referencia
Más detallesÁlgebra lineal - Matriz inversa. Determinante. Farith J. Briceño N.
Álgera lineal - Matriz inversa. Determinante. Farith J. Briceño N. Ojetivos a curir Matriz Inversa. Determinante. Calculo de determinantes. Propiedades de los determinantes. Adjunta de una matriz. Calculo
Más detallesREPASO DE ALGEBRA VECTORIAL
REPASO DE ALGEBRA VECTORIAL Vectores en R 2 : Un vector v en el plano R 2 = XY es un par ordenado de números reales (a,b). Los números reales a y b se llaman componentes del vector v. El vector cero es
Más detallesLa ecuación de Dirac. 17 de marzo de Ecuación de Dirac 17 de marzo de / 36
La ecuación de Dirac 17 de marzo de 2015 Ecuación de Dirac 17 de marzo de 2015 1 / 36 Hamiltoniano de Dirac El hamiltoniano propuesto por Dirac es el siguiente: H D = i α + β m y conduce a la siguiente
Más detallesClase No. 13: Factorización QR MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 16
Clase No 13: Factorización QR MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 03102011 1 / 16 Factorización QR Sea A R m n con m n La factorización QR de A es A = QR = [Q 1 Q 2 ] R1 = Q 0 1 R
Más detallesContenido. Omar De la Peña-Seaman IFUAP Mecánica Clásica M.C. Física 1/19 19
Contenido 1. Cuerpo rígido II: ecuaciones de movimiento 1.1 Movimiento compuesto: traslación + rotación 1.2 Tensor de inercia y momento de inercia 1.3 Ejes principales y momentos principales de inercia
Más detalles3.3. Cálculo tensorial
82 3.3. Cálculo tensorial La pregunta fundamental que tratamos de responder en esta sección es cómo derivar campos tensoriales. Sabemos derivar funciones en variedades sin embargo ya habíamos dejado caer
Más detallesBases y dimensión. Problemas teóricos. En todos los problemas se supone que V es un espacio vectorial sobre un campo F. p=1
Bases y dimensión Problemas teóricos Bases de un espacio vectorial En todos los problemas se supone que V es un espacio vectorial sobre un campo F. Definición de base. Sean b 1,..., b n V. Se dice que
Más detallesEspacios Vectoriales Introducción Espacio Vectorial. (4 de Abril de 2003)
Capítulo 1 Espacios Vectoriales 4 de Abril de 2003 1.1. Introducción Frecuentemente se encuentran objetos matemáticos que pueden ser sumados entre si o multiplicados por un número. Ejemplos de tales objetos
Más detallesMatemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5
Matemáticas II Prácticas: Matrices y Determinantes. Sean las matrices cuadradas siguientes: 4 5 6 B = 9 8 7 6 5 4 C = 5 7 9 0 7 8 9 Se pide calcular: a A B + C. b A AB + AC. c A B AB + ACB.. Sean las matrices:
Más detallesMatemática Avanzada. Clase Nro. 1. Octavio Miloni. Clase Nro. 1. Facultad de Cs. Astronómicas y Geofísicas - Universidad Nacional de La Plata
Facultad de Cs. Astronómicas y Geofísicas - Universidad Nacional de La Plata 1. Repaso de Espacios Vectoriales Dado un conjunto V de elementos y un conjunto numérico (que sea cuerpo) K (en general vamos
Más detallesDEMOSTRACIÓN DEFINITIVA 5 : IDENTIDAD DE CARTAN EVANS
DEMOSTRACIÓN DEFINITIVA 5 : IDENTIDAD DE CARTAN EVANS Este es un ejemplo de la identidad dual de Cartan Bianchi, y se construye sencillamente tomando el dual de Hodge, término por término, a partir de
Más detallesTema 2 Campo de velocidades del sólido rígido
Mecánica Clásica Tema Campo de velocidades del sólido rígido EIAE 5 de septiembre de 011 Velocidad de un punto del sólido. Deducción matricial.................................. Tensor velocidad angular......................................................
Más detallesVectores y matrices. Problemas para examen
Vectores y matrices Problemas para examen Operaciones lineales con vectores 1. Programación: la suma de dos vectores. Escriba una función que calcule x + y, donde x, y R n. Calcule el número de flops.
Más detalles0 si dos índices coinciden 1 si jkl es permutación impar de 123. = εjkl i X l (2) = εjkl i P l (3) = εjkl i L l (4)
Momento angular Operador momento angular L = R P, L j = ε jkl X k P l (1) Tensor antisimétrico ε jkl = 0 si dos índices coinciden 1 si jkl es permutación par de 123 1 si jkl es permutación impar de 123
Más detallesPráctica nº 1: Álgebra Tensorial
ETSI de CAMINOS, CANALES Y PUERTOS DE MADRID METODOS MATEMATICOS DE LAS TECNICAS (Matemáticas) PRACTICAS Práctica nº 1: Álgebra Tensorial 201011 a) Ejercicios y cuestiones de vectores Ejercicio 1. Resolver
Más detallesALGEBRA y ALGEBRA LINEAL
520142 ALGEBRA y ALGEBRA LINEAL Primer Semestre, Universidad de Concepción CAPITULO 7. MATRICES DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Matriz Sean
Más detallesPrácticas Grupo B. Ejercicios de Álgebra Lineal. Curso 18/19. Prácticas 18/10/2018
Prácticas Grupo B Ejercicios de Álgebra Lineal Curso 8/9 Prácticas 28/9/28 y = x 2 + 2x 5; (x 8 )2 + (y + 28 )2 = 25 9 5 a x y = z x = [] b Sobre Q, R, C el sistema es incompatible; sobre Z 2 la solución
Más detallesDefinición 1 Sean E, F y G tres espacios vectoriales. Una transformación ϕ : E F G se llama bilineal si satisface las siguientes condiciones:
Producto tensorial 0.1 Transformaciones multilineales Definición 1 Sean E, F y G tres espacios vectoriales. Una transformación ϕ : E F G se llama bilineal si satisface las siguientes condiciones: ϕ(λx
Más detallesTransformaciones lineales y matrices
CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal
Más detallesAnexo 0: Demostraciones
31 Matemáticas I : Preliminares nexo 0: Demostraciones Números complejos Demostración de: Propiedades 4 de la página 3 Propiedades 4- Sean z, w C, entonces a) z z ; z + w z + w ; zw z w ; z 1 (z) 1 b)
Más detallesÁlgebra Geométrica de Clifford
Apéndice A Álgebra Geométrica de Clifford El álgebra geométrica es un sistema cuyos elementos son llamados multivectores y está caracterizada por un producto geométrico. Esta álgebra, su teoría y propiedades,
Más detallesMATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES
Departamento de Matemática Aplicada II EEI ÁLGEBRA Y ESTADÍSTICA Boletín n o 1 (2010-2011 MATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES 1 Sean A, B, C, D y E matrices de tamaño 4 5, 4 5, 5 2,
Más detallesUn escalar, caracterizado por un componente como la temperatura, el área, etc., se le denomina tensor de orden cero.
Capítulo 1 Introducción 1.1. Algebra tensorial y análisis 1.1.1. Definiciones y terminología El uso de notación indicial es ventajosa porque generalmente hace posible escribir en forma compacta formulas
Más detallesOperaciones con matrices
Operaciones con matrices Objetivos: Distinguir y realizar los cálculos con las operaciones matriciales básicas. Introducción: Las operaciones matriciales permiten el abordaje de los métodos del álgebra
Más detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesFactorización QR Método iterativo de Jacobi
Clase No. 13: MAT 251 Factorización QR Método iterativo de Jacobi Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT
Más detallesTensores cartesianos y propiedades de materiales anisótropos. Laboratorio de Simulación de Materiales no Metálicos 1
y propiedades de materiales anisótropos Laboratorio de Simulación de Materiales no Metálicos 1 Propiedades de materiales anisótropos Muchos usos tradicionales y avanzados de los materiales se basan en
Más detallesMatrices y sistemas de ecuaciones
Matrices y sistemas de ecuaciones María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Matrices y sistemas de ecuaciones Matemáticas I 1 / 59 Definición de Matriz Matrices
Más detallesGeometría de masas II: El tensor de Inercia
Departamento: Física Aplicada Mecánica Racional (ngeniería ndustrial) Curso 006-07 Geometría de masas : El tensor de nercia 1 Momentos de nercia respecto de elementos coordenados. a. Respecto de planos
Más detallesTema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES
Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...
Más detallesALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República
ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto
Más detalles02_01_02 NOTACIÓN DE VOIGT, ESTRUCTURA DE PROPIEDADES, PROPIEDADES EN UNA DIRECCIÓN
0_0_0 NOTACIÓN DE VOIGT, ESTRUCTURA DE PROPIEDADES, PROPIEDADES EN UNA DIRECCIÓN Laboratorio de Simulación de Materiales no Metálicos Notación de Voigt La notación de Voigt es en general aplicable a cualquiera
Más detallesÁLGEBRA VECTORIAL MAGNITUDES ESCALARES Y VECTORIALES:
MAGNITUDES ESCALARES Y VECTORIALES: Una magnitud es escalar cuando el conjunto de sus valores se puede poner en correspondencia biunívoca y continua con el conjunto de los números reales o una parte del
Más detallesTema 5: Tensor de Inercia
Tema 5: Tensor de Inercia Mecánica Racional, 2º, Grado en Ingeniería Civil Escuela Técnica Superior de Ingenieros Universidad de Sevilla 1 Índice Introducción Momentos de inercia de cuerpos continuos Tensor
Más detallesResumen de álgebra vectorial y tensorial
Apéndice A Resumen de álgebra vectorial y tensorial Se resumen aquí algunos conceptos y definiciones importantes de vectores y tensores, con pretensión de sencillez y brevedad. En aras de esta sencillez,
Más detallesDinámica relativista: E = mc 2 y movimiento acelerado
Tema 7 Dinámica relativista: E = mc 2 y movimiento acelerado 7.1 Introducción Hemos visto que conviene considerar el espaciotiempo como un espacio cuadridimensional en el que podemos localizar sucesos
Más detallesTENSORES Resumen de teoría sobre álgebra de tensores
TENSORES Resumen de teoría sobre álgebra de tensores www.thefiniteelement.com Actualizado el 22/07/2012 1. Resumen sobre álgebra de tensores 1.1 Introducción Las propiedades de un medio contínuo no cambian
Más detallesSistemas de ecuaciones lineales. Matrices
Dpto de MATEMÁTICA APLICADA A LOS RECURSOS NATURALES Sección departamental en la ETSI de Montes Algebra Sistemas de ecuaciones lineales Matrices Sistemas lineales Solución de un sistema lineal Sistemas
Más detallesÁlgebra Básica. Departamento de Álgebra.
Ejercicios de Álgebra Básica. Curso 2010/11 Ejercicio 1. Construir las tablas de verdad de las siguientes proposiciones: (1). p q (2). [(p q) q] p (3). [(p q) r] p (q r) (4). [(p q) q] p (5). [(p q) p]
Más detallesDr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato cimat.mx web:
Clase No 12: MAT 251 Factorización QR Dr Alonso Ramírez Manzanares Depto de Matemáticas Univ de Guanajuato e-mail: alram@ cimatmx web: http://wwwcimatmx/alram/met_num/ Dr Joaquín Peña Acevedo CIMAT AC
Más detallesELEMENTOS DE ALGEBRA LINEAL
ELEMENTOS DE ALGEBRA LINEAL Matriz Una matriz de orden o dimensión n x p es una ordenación rectangular de elementos dispuestos en n filas y p columnas de la siguiente forma: a11 a1 a1p a1 a a p A an1 an
Más detallesA. Espacios vectoriales y TLs: Práctica 1 (2018)
Es paci cios Vectoria iales De finic ici i ión on Conv enci cióóóóón de E inst stei ein para a la sumatoria Tran ansf sforma maci ciones Line neal es Cambio de base y cambio de coo rden adasa A. Espacios
Más detallesRelatividad. Dinámica relativista de la partícula libre
Relatividad Tarea 3 A entregar: Viernes 23 de septiembre de 2011 Esta tarea es para complementar el estudio de la dinámica relativista de una partícula libre. Lea y estudie estas notas y resuelva los problemas
Más detallesTema 1. Preliminares. 1.1 Resultados algebraicos
Tema 1 Preliminares 11 Resultados algebraicos Consideraremos habitualmente matrices con coeficientes en R y, ocasionalmente, en C Denotaremos por a i j a los elementos de una matriz A, donde el subíndice
Más detallesI Cinemática relativista 19
Índice Prólogo a la primera edición 15 Prólogo a la segunda edición 17 I Cinemática relativista 19 1. Transformación de Lorentz 21 1.1 Transformación de Lorentz inversa.................. 21 1.2 Matriz
Más detallesTransferencia de Momentum
Transferencia de Momentum 1740-2. 2014-02-20 7ª 2014-02-20 Contenido 1. Observaciones de algunas operaciones entre escalares, vectores y tensores 2. Balance de momentum Elemento de Control, EC Región del
Más detallesTema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada
Tema 3: MATRICES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura: Matemáticas
Más detallesALGEBRA LINEAL - Práctica N 2 - Segundo Cuatrimestre de 2016
Departamento de Matemática - Facultad de Ciencias Exactas y Naturales - UBA 1 ALGEBRA LINEAL - Práctica N 2 - Segundo Cuatrimestre de 2016 Espacios Vectoriales 1. Sea V un espacio vectorial sobre K k K
Más detalles3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE
3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.1.1. Resolución de sistemas de ecuaciones lineales. Método
Más detallesApuntes de Física Moderna: Espacios 3D
Apuntes de Física Moderna: Espacios 3D 1 3-Vectores Para discutir vectores resulta conveniente partir por la introducción de una base. Supongamos que ˆx 1, ˆx 2 and ˆx 3 son los elementos de una base,
Más detallesExamen de Admisión a la Maestría / Doctorado 24 de Junio de 2016
Examen de Admisión a la Maestría / Doctorado 4 de Junio de 6 Nombre: Instrucciones: En cada reactivo seleccione la respuesta correcta encerrando en un círculo la letra correspondiente. Puede hacer cálculos
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza Matrices sobre IR ó C. Definición Dado un conjunto K (IR ó C) y dos conjuntos finitos de índices I = {,, m} J
Más detallesMultivariante Curso Cálculo matricial
Multivariante Curso 06-07 1 Cálculo matricial Introducción La información de partida en el análisis multivariante es una tabla de datos correspondiente a la medición de distintas variables sobre varios
Más detalles3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE
3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS // Curso 2017-18 3.1.1. Resolución de sistemas de ecuaciones lineales. Método
Más detallesPara localizar un punto o un objeto en el espacio necesitamos un sistema de referencia. R es una cuaterna { O,i, j, k}
Geometría afín del espacio MATEMÁTICAS II 1 1 SISTEMA DE REFERENCIA. ESPACIO AFÍN Para localizar un punto o un objeto en el espacio necesitamos un sistema de referencia. Definición: Un sistema de referencia
Más detalles