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

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

Download "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"

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. 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 detalles

Campos tensoriales. Abstract

Campos 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 detalles

2. Convención de Einstein de supresión del símbolo de suma 3

2. 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 detalles

Cátedra X: Tensores y sus aplicaciones

Cátedra 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 detalles

Producto tensorial entre tensores

Producto 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 detalles

Tensores de Lorentz. Abstract

Tensores 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 detalles

Método epsilon-delta para operadores diferenciales e identidades básicas

Método 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 detalles

Tensores cartesianos.

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

Más detalles

Cátedra VI: Notación covariante y 4-velocidad

Cátedra 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 detalles

Repaso de notación indicial

Repaso 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 detalles

dt Podemos verificar que la velocidad definida de esta forma no transforma como un vector bajo una T.L. En clases mostramos que el intervalo

dt 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 detalles

Métodos Estadísticos Multivariados

Métodos 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 detalles

Matrices y Determinantes.

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

Más detalles

I Cinemática relativista 17

I 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 detalles

Cálculo tensorial. Elvira Martínez Ramírez

Cálculo 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 detalles

Componentes, coordenadas y cosenos directores

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

Más detalles

Introducción. La masa intrínseca ( m ) y el factor frecuencia ( f ) de una partícula masiva están dados por: . = m o

Introducción. 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 detalles

Instituto Politécnico Nacional

Instituto 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 detalles

TETRAVECTORES Y TENSORES

TETRAVECTORES 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 detalles

Gustavo Rodríguez Gómez. Agosto Dicembre 2011

Gustavo 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 detalles

Tema 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. 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 detalles

Notas sobre tensores

Notas 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 detalles

II. Algebra tensorial

II. 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

, 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 detalles

ANALISIS VECTORIAL. Vectores concurrentes: cuando se interceptan en un mismo punto.

ANALISIS 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 detalles

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

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

Más detalles

VECTORES Y OPERACIONES CON VECTORES

VECTORES 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 detalles

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 ] 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 ] 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 detalles

ALGEBRA LINEAL - Práctica N 2 - Segundo cuatrimestre de 2017 Matrices y coordenadas

ALGEBRA 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 detalles

Instituto de Física Universidad de Guanajuato Agosto José Luis Lucio Martínez

Instituto 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 detalles

ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA AERONÁUTICA Y DEL ESPACIO FÍSICA I

ESCUELA 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 detalles

Álgebra Multilineal sobre R

Álgebra 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 detalles

Guía 4: Introducción a tensores Martes 10 de abril de 2012 Tarea: 4d, 10, 13.

Guía 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 detalles

Universidad 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 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 detalles

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:

Más detalles

Repaso 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 / 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 detalles

dx = x El tensor x/ X se denomina tensor gradiente de la deformación F = x

dx = 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 detalles

Operaciones con matrices

Operaciones 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 detalles

Una Ecuación Escalar de Movimiento

Una 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 detalles

T7. DINÁMICA RELATIVISTA: E = mc 2 Y MOVIMIENTO ACELERADO

T7. 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 detalles

Álgebra lineal - Matriz inversa. Determinante. Farith J. Briceño N.

Álgebra 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 detalles

REPASO DE ALGEBRA VECTORIAL

REPASO 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 detalles

La ecuación de Dirac. 17 de marzo de Ecuación de Dirac 17 de marzo de / 36

La 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 detalles

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

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

Más detalles

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

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

Más detalles

3.3. Cálculo tensorial

3.3. 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 detalles

Bases 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. 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 detalles

Espacios Vectoriales Introducción Espacio Vectorial. (4 de Abril de 2003)

Espacios 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 detalles

Matemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5

Matemáticas 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 detalles

Matemática Avanzada. Clase Nro. 1. Octavio Miloni. Clase Nro. 1. Facultad de Cs. Astronómicas y Geofísicas - Universidad Nacional de La Plata

Matemática 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 detalles

DEMOSTRACIÓN DEFINITIVA 5 : IDENTIDAD DE CARTAN EVANS

DEMOSTRACIÓN 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 detalles

Tema 2 Campo de velocidades del sólido rígido

Tema 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 detalles

Vectores y matrices. Problemas para examen

Vectores 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 detalles

0 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)

0 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 detalles

Práctica nº 1: Álgebra Tensorial

Práctica 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 detalles

ALGEBRA y ALGEBRA LINEAL

ALGEBRA 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 detalles

Prácticas Grupo B. Ejercicios de Álgebra Lineal. Curso 18/19. Prácticas 18/10/2018

Prácticas 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 detalles

Definición 1 Sean E, F y G tres espacios vectoriales. Una transformación ϕ : E F G se llama bilineal si satisface las siguientes condiciones:

Definición 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 detalles

Transformaciones lineales y matrices

Transformaciones 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 detalles

Anexo 0: Demostraciones

Anexo 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 detalles

Álgebra Geométrica de Clifford

Álgebra 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 detalles

MATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

MATRICES,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 detalles

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

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

Más detalles

Operaciones con matrices

Operaciones 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 detalles

Métodos directos para resolver sistemas de ecuaciones lineales

Métodos directos para resolver sistemas de ecuaciones lineales Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el

Más detalles

Factorización QR Método iterativo de Jacobi

Factorización 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 detalles

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

Tensores 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 detalles

Matrices y sistemas de ecuaciones

Matrices 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 detalles

Geometría de masas II: El tensor de Inercia

Geometría 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 detalles

Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES

Tema 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 detalles

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

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

Más detalles

02_01_02 NOTACIÓN DE VOIGT, ESTRUCTURA DE PROPIEDADES, PROPIEDADES EN UNA DIRECCIÓN

02_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 detalles

ÁLGEBRA VECTORIAL MAGNITUDES ESCALARES Y VECTORIALES:

ÁLGEBRA 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 detalles

Tema 5: Tensor de Inercia

Tema 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 detalles

Resumen de álgebra vectorial y tensorial

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

Más detalles

Dinámica relativista: E = mc 2 y movimiento acelerado

Dinámica 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 detalles

TENSORES Resumen de teoría sobre álgebra de tensores

TENSORES 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 detalles

Sistemas de ecuaciones lineales. Matrices

Sistemas 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 detalles

Álgebra Básica. Departamento de Álgebra.

Álgebra 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 detalles

Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato cimat.mx web:

Dr. 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 detalles

ELEMENTOS DE ALGEBRA LINEAL

ELEMENTOS 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 detalles

A. Espacios vectoriales y TLs: Práctica 1 (2018)

A. 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 detalles

Relatividad. Dinámica relativista de la partícula libre

Relatividad. 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 detalles

Tema 1. Preliminares. 1.1 Resultados algebraicos

Tema 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 detalles

I Cinemática relativista 19

I 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 detalles

Transferencia de Momentum

Transferencia 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 detalles

Tema 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 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 detalles

ALGEBRA LINEAL - Práctica N 2 - Segundo Cuatrimestre de 2016

ALGEBRA 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 detalles

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE

3. 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 detalles

Apuntes de Física Moderna: Espacios 3D

Apuntes 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 detalles

Examen de Admisión a la Maestría / Doctorado 24 de Junio de 2016

Examen 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 detalles

Matrices y Sistemas Lineales

Matrices 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 detalles

Multivariante Curso Cálculo matricial

Multivariante 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 detalles

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE

3. 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 detalles

Para localizar un punto o un objeto en el espacio necesitamos un sistema de referencia. R es una cuaterna { O,i, j, k}

Para 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