Polinomios de Schur y soluciones básicas de las recurrencias lineales
|
|
- Ramona Peña Reyes
- hace 6 años
- Vistas:
Transcripción
1 Polinomios de Schur y soluciones básicas de las recurrencias lineales Egor Maximenko, Mario Alberto Moctezuma Salazar Instituto Politécnico Nacional, ESFM, México 50 o Congreso Nacional de la Sociedad Matemática Mexicana UNAM, Ciudad de México 25 de octubre de / 39
2 Ejemplo de recurrencia lineal: contamos los ritmos Fijamos una unidad de tiempo T (por ejemplo, un segundo). R n := el número de los ritmos de longitud nt que consisten de sonidos de dos tipos: cortos (T ) y muy largos (3T ). R 1 = 1: 2 / 39
3 Ejemplo de recurrencia lineal: contamos los ritmos Fijamos una unidad de tiempo T (por ejemplo, un segundo). R n := el número de los ritmos de longitud nt que consisten de sonidos de dos tipos: cortos (T ) y muy largos (3T ). R 1 = 1: R 2 = 1: 2 / 39
4 Ejemplo de recurrencia lineal: contamos los ritmos Fijamos una unidad de tiempo T (por ejemplo, un segundo). R n := el número de los ritmos de longitud nt que consisten de sonidos de dos tipos: cortos (T ) y muy largos (3T ). R 1 = 1: R 2 = 1: R 3 = 2:, 2 / 39
5 Ejemplo de recurrencia lineal: contamos los ritmos Fijamos una unidad de tiempo T (por ejemplo, un segundo). R n := el número de los ritmos de longitud nt que consisten de sonidos de dos tipos: cortos (T ) y muy largos (3T ). R 1 = 1: R 2 = 1: R 3 = 2:, R 4 = 3:,, 2 / 39
6 Ejemplo de recurrencia lineal: contamos los ritmos Fijamos una unidad de tiempo T (por ejemplo, un segundo). R n := el número de los ritmos de longitud nt que consisten de sonidos de dos tipos: cortos (T ) y muy largos (3T ). R 1 = 1: R 2 = 1: R 3 = 2:, R 4 = 3:,, R 5 = 4:,,, 2 / 39
7 Ejemplo de recurrencia lineal: contamos los ritmos Fijamos una unidad de tiempo T (por ejemplo, un segundo). R n := el número de los ritmos de longitud nt que consisten de sonidos de dos tipos: cortos (T ) y muy largos (3T ). R 1 = 1: R 2 = 1: R 3 = 2:, R 4 = 3:,, R 5 = 4:,,, R 6 = 6:,,,,, 2 / 39
8 Ejemplo de recurrencia lineal: contamos los ritmos Fijamos una unidad de tiempo T (por ejemplo, un segundo). R n := el número de los ritmos de longitud nt que consisten de sonidos de dos tipos: cortos (T ) y muy largos (3T ). R 1 = 1: R 2 = 1: R 3 = 2:, R 4 = 3:,, R 5 = 4:,,, R 6 = 6:,,,,, Recurrencia lineal: R n = R n 1 + R n 3. Condiciones iniciales: R 0 = 1, R 1 = 1, R 2 = 1. 2 / 39
9 Sucesión de Fibonacci (Leonardo de Pisa) 3 / 39
10 Sucesión de Fibonacci (Leonardo de Pisa) 3 / 39
11 Sucesión de Fibonacci (Leonardo de Pisa) 3 / 39
12 Sucesión de Fibonacci (Leonardo de Pisa) 3 / 39
13 Sucesión de Fibonacci (Leonardo de Pisa) 3 / 39
14 Sucesión de Fibonacci (Leonardo de Pisa) F 1 = 1 F 2 = 1 F 3 = 2 F 4 = 3 F 5 = 5 F 6 = 8 F n = F n 1 + F n 2, F 0 = 0, F 1 = 1. 3 / 39
15 Recurrencia lineal homogénea de orden d con coeficientes constantes Para cada n d, f n + a 1 f n 1 + a 2 f n a d f n d = 0. (RecLin) 4 / 39
16 Recurrencia lineal homogénea de orden d con coeficientes constantes Para cada n d, a }{{} 0 1 f n + a 1 f n 1 + a 2 f n a d f n d = 0. (RecLin) 4 / 39
17 Recurrencia lineal homogénea de orden d con coeficientes constantes Para cada n d, a }{{} 0 1 f n + a 1 f n 1 + a 2 f n a d f n d = 0. (RecLin) Definición (polinomio característico) a(t) = a 0 t d + a 1 t d a d t 0. 4 / 39
18 Recurrencia lineal homogénea de orden d con coeficientes constantes Para cada n d, a }{{} 0 1 f n + a 1 f n 1 + a 2 f n a d f n d = 0. (RecLin) Definición (polinomio característico) Definición (conjunto solución) a(t) = a 0 t d + a 1 t d a d t 0. L a := el conjunto de las sucesiones complejas f = (f k ) k=0 que satisfacen (RecLin) para cada n d. 4 / 39
19 Recurrencia lineal homogénea de orden d con coeficientes constantes Para cada n d, a }{{} 0 1 f n + a 1 f n 1 + a 2 f n a d f n d = 0. (RecLin) Definición (polinomio característico) Definición (conjunto solución) a(t) = a 0 t d + a 1 t d a d t 0. L a := el conjunto de las sucesiones complejas f = (f k ) k=0 que satisfacen (RecLin) para cada n d. L es un espacio vectorial. 4 / 39
20 Condiciones iniciales Recurrencia lineal de orden 2 con dos valores iniciales v 0 y v 1 : f 0 = v 0, f 1 = v 1, f 2 + a 1 f 1 + a 2 f 0 = 0, f 3 + a 1 f 2 + a 2 f 1 = 0, f 4 + a 1 f 3 + a 2 f 2 = 0,... Proposición (existencia y unicidad de solución de rec. lin.) Sean a 0 = 1, a 1,..., a d C y v 0, v 1,..., v n 1 C. Entonces existe una única sucesión f en L a tal que f 0 = v 0, f 1 = v 1,..., f d 1 = v d 1. 5 / 39
21 Método clásico de solución, para d = 2 Consideramos la recurrencia lineal de segundo orden: f n + a 1 f n 1 + a 2 f n 2 = 0 (n 2). Denotamos por x 1 y x 2 a las raíces del polinomio característico: a(t) = t 2 + a 1 t + a 2 = (t x 1 )(t x 2 ). Las progresiones geométricas (x k 1) k=0, (x k 2) k=0 son soluciones de la recurrencia lineal: x n 1 + a 1 x n a 2 x n 2 1 = x n 2 1 (x a 1 x 1 + a 2 ) = 0. Consideramos el caso x 1 x 2. Entonces (x n 1 ) n=0 y (xn 2 ) n=0 forman una base de L a. 6 / 39
22 Método clásico de solución, para d = 2 Consideramos el caso x 1 x 2. La solución general es f n = αx n 1 + βx n 2. Los coeficientes se determinan por las condiciones iniciales: n = 0: αx βx 0 2 = v 0, n = 1: αx βx 1 2 = v 1. En forma matricial, [ x 0 1 x 0 2 ] [ α ] [ v0 ] x 1 1 x 1 2 β = v 1. Como x 1 x 2, el determinante de Vandermonde es no nulo, y el sistema tiene una única solución. 7 / 39
23 Método clásico para d = 3 Para d = 3, si x 1, x 2, x 3 son diferentes a pares, entonces f n = αx n 1 + βx n 2 + γx n 3, donde los coeficientes α, β, γ se determinan del sistema x 0 1 x 0 2 x 0 3 α x 1 1 x 1 2 x 1 3 β x 2 1 x 2 2 x 2 3 γ = Un defecto de esta forma de la solución: v 0 v 1 v 2. las condiciones iniciales v 0,..., v d 1 no aparecen de manera simple en la respuesta. 8 / 39
24 Busquemos soluciones básicas Denotemos por b (0),..., b (d 1) a las sucesiones de clase L a que se determinan por los siguientes valores iniciales: d b (0) {}}{ = ( 1, 0,..., 0,?,?,...), b (1) = ( 0, 1,..., 0,?,?,... ), b (d 1) = ( 0, 0,..., 1,?,?,... ). Formalmente, b (j) k = δ j,k (0 k < j). 9 / 39
25 Solución general en términos de las soluciones básicas Proposición d 1 Sea f L a. Entonces f = f j b (j). j=0 Los coeficientes son los valores iniciales! Demostración. La sucesión g := d 1 j=0 f jb (j) es de clase L a. Además, tiene los mismos valores iniciales que la sucesión f. En efecto, si k < d, entonces d 1 g k = f j δ j,k = f k. j=0 10 / 39
26 Soluciones básicas para d = 2 t 2 + a 1 t + a 2 = (t x 1 )(t x 2 ) = t 2 + ( x 1 x 2 ) t 1 + x 1 x 2 t 0. }{{}}{{} a 1 a 0 Si f L a, entonces para cada n 2 f n = a 1 f n 1 a 2 f n 2 = (x 1 + x 2 )f n 1 x 1 x 2 f n 2. Las soluciones básicas empiezan con las siguientes componentes: b (0) = ( 1, 0, x 1 x 2, (x 2 1x 2 + x 1 x 2 2),... ), b (1) = ( 0, 1, x 1 + x 2, x x 1 x 2 + x 2 2,... ). 11 / 39
27 Soluciones básicas para d = 2 t 2 + a 1 t + a 2 = (t x 1 )(t x 2 ) = t 2 + ( x 1 x 2 ) t 1 + x 1 x 2 t 0. }{{}}{{} a 1 a 0 Si f L a, entonces para cada n 2 f n = a 1 f n 1 a 2 f n 2 = (x 1 + x 2 )f n 1 x 1 x 2 f n 2. Las soluciones básicas empiezan con las siguientes componentes: b (0) = ( 1, 0, x 1 x 2, (x 2 1x 2 + x 1 x 2 2),... ), b (1) = ( 0, 1, x 1 + x 2, x x 1 x 2 + x 2 2,... ). Las componentes son polinomios simétricos homogéneos! 11 / 39
28 Algunas familias de polinomios simétricos Macdonald (1995): Symmetric functions and Hall polynomials. Stanley (1999): Enumerative combinatorics, vol. 2. completos generan al álgebra Polinomios simétricos Schur sesgados elementales generan al álgebra Schur base del espacio vectorial 12 / 39
29 Polinomios simétricos completos h 1 (x 1, x 2, x 3 ) = x 1 + x 2 + x 3, h 2 (x 1, x 2, x 3 ) = x x x x 1 x 2 + x 1 x 3 + x 2 x 3, h 3 (x 1, x 2, x 3 ) = x x x x 2 1x 2 + x 2 1x 3 + x 2 2x 1 + x 2 2x 3 + x 2 3x 1 + x 2 3x 2 + x 1 x 2 x 3. Definición El polinomio simétrico completo de orden k en n variables es la suma de todos los monomios de grado total k: h k (x 1,..., x n ) = p 1,...,p n 0 p 1 +p 2 + +p n=k x p 1 1 xpn n. 13 / 39
30 Polinomios simétricos elementales e 1 (x 1, x 2, x 3, x 4 ) = x 1 + x 2 + x 3 + x 4, e 2 (x 1, x 2, x 3, x 4 ) = x 1 x 2 + x 1 x 3 + x 1 x 4 + x 2 x 3 + x 2 x 4 + x 3 x 4, e 3 (x 1, x 2, x 3, x 4 ) = x 1 x 2 x 3 + x 1 x 2 x 4 + x 1 x 3 x 4 + x 2 x 3 x 4, e 4 (x 1, x 2, x 3, x 4 ) = x 1 x 2 x 3 x 4. Definición El polinomio simétrico elemental de grado k en n variables es la suma de todos los productos de k variables diferentes: e k (x 1,..., x n ) = 1 j 1 <j 2 < <j k n x j1 x j2 x jk. 14 / 39
31 Fórmula de Vieta (François Viète, ) Proposición Los coeficientes del polinomio mónico a(t) = t d + a 1 t d a d 1 t + a d = d (t x j ) j=1 son polinomios elementales de sus raíces, con signos alternados: a k = ( 1) k e k (x 1,..., x d ). a(t) = t 2 + a 1 t + a 2 = (t x 1 )(t x 2 ), a 0 = 1 = e 0 (x 1, x 2 ), a 1 = (x 1 + x 2 ) = e 1 (x 1, x 2 ), a 2 = x 1 x 2 = e 2 (x 1, x 2 ). 15 / 39
32 Recurrencia lineal en términos de los pol. elementales La recurrencia lineal f n + a 1 f n 1 + a 2 f n a d f n d = 0 (RecLin) se escribe como d ( 1) k e k (x 1,..., x d )f n k = 0 k=0 (n d). Otra forma equivalente: d ( 1) k e d k (x 1,..., x d )f n+k = 0 (n 0). k=0 16 / 39
33 Particiones enteras y sus diagramas de Young Particiones enteras son listas finitas débilmente decrecientes de números enteros no negativos. λ = (3, 2, 2, 1). Cada partición entera se identifica con su diagrama: λ =. La partición conjugada corresponde al diagrama transpuesto: λ = = (4, 3, 1). 17 / 39
34 Varias definiciones equivalentes de polinomios de Schur Dada una partición entera λ = (λ 1,..., λ n ), el polinomio de Schur s λ (x 1,..., x n ) es cierto polinomio simétrico homogéneo de grado λ λ n. Hay varias definiciones equivalentes de s λ (x 1,..., x n ): por la fórmula de Jacobi Trudi, en términos de h k, por la fórmula dual de Jacobi Trudi, en términos de e k, usando determinantes generalizados de Vandermonde, por medio de tablas semiestándares de Young, etc. Los polinomios de Schur forman una base del espacio vectorial de los polinomios simétricos. 18 / 39
35 Definición de polinomios de Schur por la fórmula de Jacobi Trudi La fórmula de Jacobi Trudi expresa los polinomios de Schur en términos de polinomios simétricos homogéneos completos. Definición s λ = det[h λj j+k] n j,k=1. Si λ = (λ 1, λ 2, λ 3, λ 4 ), entonces s λ = h λ1 h λ1 +1 h λ1 +2 h λ1 +3 h λ2 1 h λ2 h λ2 +1 h λ2 +2 h λ3 2 h λ3 1 h λ3 h λ3 +1 h λ4 3 h λ4 2 h λ4 1 h λ4. 19 / 39
36 La fórmula dual de Jacobi Trudi (la identidad de Nägelsbach Kostka) Expresa polinomios de Schur en términos de polinomios simétricos elementales, usando la partición conjugada. Proposición s λ = det[e λ j j+k] λ 1 j,k=1. Si λ = (λ 1, λ 2, λ 3 ), entonces e λ 1 e λ 1 +1 e λ 1 +2 s λ = e λ 2 1 e λ 2 e λ 2 +1 e λ 3 2 e λ 3 1 e λ / 39
37 Pol. de Schur y det. generalizados de Vandermonde Proposición s λ (x 1,..., x n ) = det[ x λ j+n j k det [ x n j k ] n j,k=1 ] n j,k=1. s (λ1,λ 2,λ 3 )(x 1, x 2, x 3 ) = x λ x λ x λ x λ x λ x λ x λ 3 1 x λ 3 2 x λ 3 3 x 2 1 x 2 2 x 2 3 x 1 1 x 1 2 x 1 3 x 0 1 x 0 2 x / 39
38 Polinomios de Schur y tablas de Young Las tablas semiestándares del diagrama λ = (2, 2, 1, 1) son 22 / 39
39 Polinomios de Schur y tablas de Young Las tablas semiestándares del diagrama λ = (2, 2, 1, 1) son , , , , , / 39
40 Polinomios de Schur y tablas de Young Las tablas semiestándares del diagrama λ = (2, 2, 1, 1) son , , , , , El correspondiente polinomio de Schur s (3,2,2,1) (x 1, x 2, x 3, x 4 ) es x 2 1x 2 2x 3 x 4 + x 2 1x 2 x 2 3x 4 + x 1 x 2 2x 2 3x 4 + x 2 1x 2 x 3 x x 1 x 2 2x 3 x x 1 x 2 x 2 3x / 39
41 Ejemplo: calculemos s (3,1) (x 1, x 2 ) I. Empecemos con la fórmula de Jacobi Trudi: h s (3,1) (x 1, x 2 ) = 3 h 4 h 0 h 1 = h 3h 1 h 4 h 0 = (x x 2 1x 2 + x 1 x x 3 2)(x 1 + x 2 ) (x x 3 1x 2 + x 2 1x x 1 x x 4 2) = x 3 1x 2 + x 2 1x x 1 x / 39
42 Ejemplo: calculemos s (3,1) (x 1, x 2 ) II. Calculamos el diagrama conjugado: λ = (3, 1) =, λ = = (2, 1, 1), y aplicamos la fórmula dual de Jacobi Trudi: e 2 e 3 e 4 e s (3,1) (x 1, x 2 ) = e 0 e 1 e 2 = e 0 e 1 e 2 e 1 e 0 e 1 0 e 0 e 1 = e 2 (e 2 1 e 2 ) = x 1 x 2 ((x 1 + x 2 ) 2 x 1 x 2 ) = x 3 1x 2 + x 2 1x x 1 x / 39
43 Ejemplo: calculemos s (3,1) (x 1, x 2 ) III. Usamos determinantes de Vandermonde generalizados: x 4 1 x 4 2 x 1 x 2 s (3,1) (x 1, x 2 ) = x 1 1 x 1 2 x 0 1 x 0 2 = x4 1 x 2 x 1 x 4 2 x 1 x 2 = x 1x 2 (x 3 1 x3 2 ) x 1 x 2 = x 1 x 2 (x x 1 x 2 + x 2 2) = x 3 1x 2 + x 2 1x x 1 x / 39
44 Ejemplo: calculemos s (3,1) (x 1, x 2 ) IV. Finalmente, hallamos todas las tablas de Young semiestándares: , , , y las convertimos en monomios: s (3,1) (x 1, x 2 ) = x 3 1x 2 + x 2 1x x 1 x / 39
45 Elementales y completos como polinomios de Schur Proposición e k = s (1 k ), h k = s (k). 27 / 39
46 Elementales y completos como polinomios de Schur Proposición e k = s (1 k ), h k = s (k). e 2 (x 1, x 2, x 3 ) = s (1,1) (x 1, x 2, x 3 ) = = x 1 x 2 + x 1 x 3 + x 2 x 3 ; h 2 (x 1, x 2, x 3 ) = s (2) (x 1, x 2, x 3 ) = = x x 1 x 2 + x 1 x 3 + x x 2 x 3 + x 2 3.
47 Elementales y completos como polinomios de Schur Proposición e k = s (1 k ), h k = s (k). e 2 (x 1, x 2, x 3 ) = s (1,1) (x 1, x 2, x 3 ) = = x 1 x 2 + x 1 x 3 + x 2 x 3 ; h 2 (x 1, x 2, x 3 ) = s (2) (x 1, x 2, x 3 ) = = x x 1 x 2 + x 1 x 3 + x x 2 x 3 + x / 39
48 Particiones sesgadas y sus diagramas Los diagramas de las particiones λ = (3, 2, 2, 1) y µ = (2, 1) son λ =, µ =. La partición sesgada λ/µ = (3, 2, 2, 1)/(2, 1) tiene diagrama. 28 / 39
49 Jacobi Trudi para polinomios de Schur sesgados Definición s λ/µ = det[h λj µ k j+k] n j,k=1. s (λ1,λ 2,λ 3 )/(µ 1,µ 2 ) = h λ1 µ 1 h λ1 µ 2 +1 h λ1 µ 3 +2 h λ2 µ 1 1 h λ2 µ 2 h λ2 µ 3 +1 h λ3 µ 1 2 h λ3 µ 2 1 h λ3 µ / 39
50 Jacobi Trudi para polinomios de Schur sesgados Definición s λ/µ = det[h λj µ k j+k] n j,k=1. s (λ1,λ 2,λ 3 )/(µ 1,µ 2 ) = h λ1 µ 1 h λ1 µ 2 +1 h λ1 µ 3 +2 h λ2 µ 1 1 h λ2 µ 2 h λ2 µ 3 +1 h λ3 µ 1 2 h λ3 µ 2 1 h λ3 µ 3. Proposición s λ/µ = det[e λ j µ k j+k ] λ 1 j,k=1. 29 / 39
51 Tablas sesgadas y polinomios sesgados de Schur Calculemos s (4,3,2)/(3,1) (x 1, x 2 ) usando tablas de Young: , , , , , , ,. Cada tabla se convierte en un monomio: s (4,3,2)/(3,1) (x 1, x 2 ) = x 4 1x 2 + 3x 3 1x x 2 1x x 1 x / 39
52 Dos operaciones de concatenación de diagramas D 1 = (3, 3, 2)/(2, 1) =, D 2 = (4, 2)/(1) =. D 1 D 2 = =, D 1 D 2 = =. 31 / 39
53 Producto de polinomios de Schur sesgados Proposición Sean D 1 y D 2 diagramas sesgados. Entonces s D1 s D2 = s D1 D 2 + s D1 D 2. = +. En otra notación, s (3,3,2)/(2,1) s (4,2)/(1) = s (6,4,3,3,2)/(3,2,2,1) + s (7,5,3,2)/(4,2,1). 32 / 39
54 Productos de ganchos por elementales = 33 / 39
55 Productos de ganchos por elementales = +, 33 / 39
56 Productos de ganchos por elementales = +, = +, 33 / 39
57 Productos de ganchos por elementales = +, = +, = / 39
58 Productos de ganchos por elementales = +, = +, = +. Sumamos estas igualdades alternando los signos: e 3 s (5,1 2 ) e 2 s (6,1 2 ) + e 1 s (7,1 2 ) e 0 s (8,1 2 ) = s (5 4,1 2 )/(4 3 ). 33 / 39
59 Identidades tipo Newton para polinomios de Schur Proposición Sean d 0, p 1, q 0. Entonces d ( 1) k e d k s (p+k,1 q ) = s (p d+1,1 q )/((p 1) d ). k=0 34 / 39
60 Identidades tipo Newton para polinomios de Schur Proposición Sean d 0, p 1, q 0. Entonces d ( 1) k e d k s (p+k,1 q ) = s (p d+1,1 q )/((p 1) d ). k=0 Si el número de variables es d, entonces el lado derecho es cero: d ( 1) k e d k (x 1,..., x d )s (p+k,1 q )(x 1,..., x d ) = 0. k=0 34 / 39
61 Identidades tipo Newton para polinomios de Schur Una versión más general de la fórmula anterior: Proposición Sean d 0, λ 1 λ 2 λ n > 0. Entonces d ( 1) k e d k s (λ1 +k,λ 2,...,λ n) = s (λ d+1 1,λ 2,...,λ n)/((λ 1 1) d ). k=0 35 / 39
62 Soluciones básicas en términos de polinomios de Schur Teorema Sea 0 j < d. La solución de (RecLin) con condiciones iniciales está dada por b (j) k = δ j,k (0 k < d). b (j) k = ( 1) d j 1 s (k+1 d,1 d j 1 ). 36 / 39
63 Soluciones básicas en términos de polinomios de Schur Teorema Sea 0 j < d. La solución de (RecLin) con condiciones iniciales está dada por b (j) k = δ j,k (0 k < d). b (j) k = ( 1) d j 1 s (k+1 d,1 d j 1 ). Otras demostraciones de este resultado: William F. Trench (1985), doi: / Alain Lascoux (2009), duchamp/books&more/lascoux/recurseq.pdf 36 / 39
64 Ejemplo: solución básica b (0) para d = 2 b (0) k = s (k 1,1) (x 1, x 2 ). b (0) 0 = s ( 1,1) (x 1, x 2 ) = 1, b (0) 1 = s (0,1) (x 1, x 2 ) = 0, b (0) 2 = s (1,1) = 1 1 = x 1x 2, ( b (0) 3 = s (2,1) = ) = ( x 2 1x 2 + x 1 x 2 2). b (0) k = x 1x 2 (x k 1 1 x k 1 2 ) x 1 x 2. Si x 1 = x 2, entonces b (0) k = (k 1)x k / 39
65 Ejemplo: solución básica b (1) para d = 2 b (1) k = s (k 1) (x 1, x 2 ). b (1) 0 = s ( 1) = 0, b (1) 1 = s (0) = 1, b (1) 2 = s (1) = = x 1 + x 2, b (1) 3 = s (2) = = x x 1 x 2 + x 2 2. b (1) k = xk 1 xk 2 x 1 x 2. Si x 1 = x 2, entonces b (1) k = kx k / 39
66 Ejemplo: la sucesión de Fibonacci Consideramos la recurrencia lineal asociada al polinomio a(t) = t 2 t 1 = (t φ)(t + φ 1 ), donde φ = 1 + 5, 2 con condiciones iniciales F 0 = 0 y F 1 = 1. La solución de este problema es la solución básica b (1) : F k = b (1) k = s (k 1) (x 1, x 2 ) = xk 1 xk 2 x 1 x 2 = φk ( φ) k 5. Hemos llegado a la fórmula de Binet. 39 / 39
Universitas Scientiarum ISSN: Pontificia Universidad Javeriana Colombia
Universitas Scientiarum ISSN: 0-7483 revistascientificasjaveriana@gmailcom Pontificia Universidad Javeriana Colombia Novoa, Fernando Algunas propiedades combinatorias de los polinomios simétricos y cómputo
Más detallesRelaciones de recurrencia
MATEMÁTICA DISCRETA I F. Informática. UPM MATEMÁTICA DISCRETA I () Relaciones de recurrencia F. Informática. UPM 1 / 7 Relaciones de recurrencia Relaciones de recurrencia Definición Una relación de recurrencia
Más detallesLista de problemas de álgebra, 2016
Instituto Politécnico Nacional Escuela Superior de Física y Matemáticas Posgrado en Ciencias Físicomatemáticas Línea de Matemáticas Lista de problemas de álgebra 2016 Egor Maximenko: En mi opinión cualquier
Más detallesEspacios vectoriales con producto interno
Espacios vectoriales con producto interno Problemas teóricos En todos los problemas relacionados con el caso complejo se supone que el producto interno es lineal con respecto al segundo argumento. Definición
Más detallesValores y vectores propios
Valores y vectores propios Tareas adicionales Algunos de estos problemas compuso Gustavo Antonio Sandoval Angeles (como parte de su servicio social). Estos problemas son más difíciles o más laboriosos
Más detallesCorrespondencia entre vectores y columnas de sus coordenadas respecto a una base fija
Correspondencia entre vectores y columnas de sus coordenadas respecto a una base fija Objetivos. Mostrar que la correspondencia entre vectores y columnas de sus coordenadas (respecto a una base fija) preserva
Más detalles6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...
Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................
Más detallesMatriz asociada a una transformación lineal respecto a un par de bases
Matriz asociada a una transformación lineal respecto a un par de bases Ejercicios Objetivos Comprender cómo se describe una transformación lineal (que actúa en espacios vectoriales de dimensiones finitas)
Más detallesa ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2
68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado
Más detallesTransformaciones Lineales
Transformaciones Lineales En lo que sigue denotaremos por K al conjunto R ó C Definición Sean V y W dos K-ev (espacios vectoriales sobre K Se llama transformación lineal de V en W a toda función T : V
Más detallesa n1 a n2 a nn x n a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x j x i = s ij x i x j + s ji x j x i 2 x i x j + a ij + a ji
16 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 1 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado,
Más detallesE.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 9: Sistemas de EDOs lineales
ETS Minas: Métodos Matemáticos Resumen y ejemplos Tema 9: Sistemas de EDOs lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Noviembre
Más detallesDefinición y propiedades del determinante (repaso breve)
Definición y propiedades del determinante (repaso breve Objetivos Repasar la definición del determinante (a través de permutaciones y sus propiedades básicas: determinante de la matriz transpuesta, determinante
Más detallesa n1 a n2 a nn Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables.
Capítulo 7 Formas cuadráticas. Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado de la norma de un vector
Más detallesPrincipio minimax para los valores propios de matrices hermitianas
Principio minimax para los valores propios de matrices hermitianas El propósito de estos apuntes (escritos por Egor Maximenko, Rogelio Rocha Hernández, Eliseo Sarmiento Rosales y Zacarías Sánchez Francisco
Más detallesCoordenadas de funcionales lineales respecto la base dual (ejemplos)
Coordenadas de funcionales lineales respecto la base dual (ejemplos) Objetivos. Por medio de ejemplos aprender a calcular las coordenadas de funciones lineales respecto la base dual y acostumbrarse a la
Más detallesa b = a 2 b 2 a 3 b 3 1 n = [ 1 ] n
Álgebra compleja C n Objetivos. En el espacio vectorial C n introducir la multiplicación por componentes y mostrar que C n con esta operación es una álgebra compleja asociativa y conmutativa con identidad.
Más detalles2 Espacios vectoriales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 2 Espacios vectoriales 2.1 Espacio vectorial Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V sobre el que hay
Más detallesGuía. Álgebra III. Examen parcial I. Determinantes. Formas cuadráticas.
Guía. Álgebra III. Examen parcial I. Determinantes. Formas cuadráticas. Teoremas con demostraciones que se pueden incluir en el examen: 1. Teorema del determinante de la matriz transpuesta. 2. Propiedad
Más detallesEjercicios tipo test de las lecciones 1 y El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1, 2, 1) y
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Ejercicios tipo test de las lecciones 1 y 2. 1. El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1,
Más detallesValores y vectores propios
Valores y vectores propios Problemas teóricos El los siguientes problemas se denota por L(V ) conjunto de los operadores lineales en un espacio vectorial V (en otras palabras, de las transformaciones lineales
Más detallesIntroducción a la Teoría de Códigos
Introducción a la Teoría de Códigos M.A.García, L. Martínez, T.Ramírez Facultad de Ciencia y Tecnología. UPV/EHU Resumen Teórico Tema 1: PRELIMINARES SOBRE ÁLGEBRA LINEAL Mayo de 2017 Tema 1 Preliminares
Más detallesCONTENIDO DE LA PARTE DEL ÁLGEBRA LINEAL
CONTENIDO DE LA PARTE DEL ÁLGEBRA LINEAL Versión preliminar D. Yakubovich (2018) En algunas ocasiones, damos referencias a las páginas del libro E. Hernández, Álgebra y geometría, segunda edición, Addison-Wesley/UAM,
Más detallesUNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA
AL GEBRA III UNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA ALGEBRA III DEFINICION : Sea L : V V un operador lineal sobre el espacio vectorial
Más detallesDeterminantes. Problemas teóricos. i=1. 2. De la fórmula general (1) deduzca la fórmula para el determinante de orden 3.
Determinantes Problemas teóricos Adradezco por varios problemas e ideas a los profesores de la ESFM Myriam Rosalía Maldonado Ramírez y Eliseo Sarmiento Rosales y al estudiante de servicio social Sadi Manuel
Más 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 detallesHaces de hipercuádricas. Clasificación de los haces de cónicas. Determinación de cónicas.
Tema 7- Haces de hipercuádricas Clasificación de los haces de cónicas Determinación de cónicas 71 Puntos base y fundamentales de un haz Definición 711 Sea el espacio proyectivo Pn(k) de dimensión n sobre
Más detallesMedidas. Problemas para examen. Estos problemas están redactados por Egor Maximenko y Breitner Arley Ocampo Gómez.
Medidas Problemas para examen Estos problemas están redactados por Egor Maximenko y Breitner Arley Ocampo Gómez. Sigma-álgebras 1. Propiedades elementales de σ-álgebras. Demuestre que una σ-álgebra es
Más detallesConjunto R 3 y operaciones lineales en R 3
Conjunto R 3 y operaciones lineales en R 3 Objetivos. Definir el conjunto R 3 y operaciones lineales en R 3. Requisitos. Conjunto de los números reales R, propiedades de las operaciones aritméticas en
Más detallesMatrices ortogonales y descomposición QR
Matrices ortogonales y descomposición QR Problemas para examen Agradezco a Aldo Iván Leal García por varias correcciones importantes. Invertibilidad por la izquierda y por la derecha (repaso) 1. Conceptos
Más detallesExámenes de álgebra básica de enero de Grupos 1 y 3.
Exámenes de álgebra básica de enero de 2019. Grupos 1 y 3. GRUPOS 1. Calcular razonadamente todos los subgrupos normales de S 4. Un subgrupo H de un grupo G es normal si y solamente si para cada g G se
Más detallesMatrices de Toeplitz autoadjuntas y el teorema ĺımite de Szegő
Matrices de Toeplitz autoadjuntas y el teorema ĺımite de Szegő Egor Maximenko para un proyecto conjunto con Víctor Hugo Ibarra Mercado, Eliseo Sarmiento Rosales y José Eliud Silva Urrutia Instituto Politécnico
Más detallesOrtogonalización de Gram Schmidt
Ortogonalización de Gram Schmidt Objetivos. Estudiar el proceso de ortogonalización de Gram Schmidt que permite construir de una lista arbitraria de vectores a,..., a m una lista ortogonal b,..., b m que
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesCurso Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones
Tema 5. ÁLGEBRA Diagonalización. Curso 217-218 José Juan Carreño Carreño Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones Escuela Técnica Superior de Ingeniería
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesAmpliación Matemática Discreta. Justo Peralta López
Justo Peralta López UNIVERSIDAD DE ALMERíA DEPARTAMENTO DE ÁLGEBRA Y ANÁLISIS MATEMÁTICO 1 Introducción 2 Circuitos LFSR 3 Matrices 4 Introducción Definición Sea k un entero positivo y a, a 0, a 1,...,
Más detallesNorma de Frobenius. Estos apuntes están escritos por Darío Coutiño Aquino y Egor Maximenko.
Norma de Frobenius Estos apuntes están escritos por Darío Coutiño Aquino y Egor Maximenko. Objetivos. Dada una matriz A M m n (C), su norma de Frobenius (llamada también la norma de Hilbert Schmidt) se
Más detallesGuía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen
Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen 1. Teorema de la representación matricial de una transformación
Más detallesDiagonalización de matrices
7 Diagonalización de matrices 7.1. Matrices diagonalizables Existen diversos procesos en los que el estado en cada uno de sus pasos se puede representar por un determinado vector y en los que, además,
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detalles9 Grupos abelianos libres
42 TEORIA DE GRUPOS 9 Grupos abelianos libres En Álgebra Lineal es clásica la estructura de espacio vectorial V sobre un cuerpo K. Esta sección trata de estudiar el caso análogo de un grupo abeliano sobre
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 1. Determinante wronskiano 2 1.1. Wronskiano de f 1 (t), f 2 (t),..., f n (t)............... 3 1.2. Derivada
Más detallesII. Representaciones de grupos de Lie
II. Representaciones de grupos de Lie E. Briand 30 de junio de 2015 Plano de esta lección: Representaciones Representaciones de grupos y representaciones de grupos de Lie Definición 1. Sea G un grupo.
Más detallesValores propios de matrices de Toeplitz hermitianas: aproximación uniforme por medio de la función cuantil
Valores propios de matrices de Toeplitz hermitianas: aproximación uniforme por medio de la función cuantil Egor Maximenko http://esfm.egormaximenko.com usando trabajos conjuntos con Johan Manuel Bogoya,
Más detallesOperaciones Pegar y Reversar en Polinomios Ortogonales con Coeficientes matriciales
Operaciones Pegar y Reversar en Polinomios Ortogonales con Coeficientes matriciales A. Rodríguez Departamento de Matemáticas Universidad Nacional de Colombia rtogonales y sus Aplicaciones, 2015 Contenido
Más detalles2. Teorema de las multiplicidades algebraica y geométrica.
Guía. Álgebra III. Examen parcial II. Valores y vectores propios. Forma canónica de Jordan. Teoremas con demostraciones que se pueden incluir en el examen El examen puede incluir una demostración entera
Más detallesMATEMÁTICAS ESPECIALES II PRÁCTICA 5 Parte I - Sistemas de ecuaciones diferenciales de primer orden.
MATEMÁTICAS ESPECIALES II - 8 PRÁCTICA 5 Parte I - Sistemas de ecuaciones diferenciales de primer orden. Considere el sistema de ecuaciones diferenciales ordinarias (EDOs) de primer orden dx dt = f (t,
Más detallesUN TEOREMA DE FROBENIUS SOBRE EL RANGO Y LA SIGNATURA DE UNA FORMA CUADRÁTICA REAL
UN TEOREMA DE FROBENIUS SOBRE EL RANGO Y LA SIGNATURA DE UNA FORMA CUADRÁTICA REAL CARLOS D ANDREA 1 Introducción y motivación del problema Sea K un cuerpo Una forma cuadrática en n variables con coeficientes
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesIntersección y suma de subespacios
Intersección y suma de subespacios Objetivos Demostrar que la intersección y la suma de dos subespacios de un espacio vectorial también son sus subespaicios Requisitos Espacio vectorial, subespacio vectorial
Más detallesTransformación adjunta a una transformación lineal
Transformación adjunta a una transformación lineal Objetivos. Estudiar la construcción y las propiedades básicas de la transformación lineal adjunta. Requisitos. Transformación lineal, producto interno,
Más detallesMaterial para el examen parcial 1
Algebra Lineal 2, FAMAT-UG, aug-dic, 2009 Material para el examen parcial 1 (17 oct, 2009) Definiciones: Hay que saber las definiciones precisas de todos los siguientes términos, y conocer ejemplos concretos
Más detallesDEPARTAMENTO DE MATEMATICAS Y FISICA Matemáticas Discreta
DEPARTAMENTO DE MATEMATICAS Y FISICA Matemáticas Discreta SUCESIONES Y RELACIONES DE RECURRENCIA Esta última sección la dedicamos a presentar el concepto de recurrencia, que esta muy ligado al axioma de
Más detallesMatemáticas para la Empresa
Matemáticas para la Empresa 1 o L. A. D. E. Curso 2008/09 Relación 1. Espacios Vectoriales 1. a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy)
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detallesIntroducción a la Teoría de Códigos
Introducción a la Teoría de Códigos M.A.García, L. Martínez, T.Ramírez Facultad de Ciencia y Tecnología. UPV/EHU Resumen Teórico Apartado 3 del Tema 1: Base y dimensión de un espacio vectorial Mayo de
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 08-2 SEMANA 7: ESPACIOS VECTORIALES 3.5. Generadores de un espacio vectorial Sea V un espacio vectorial
Más detallesGrado en Edificación MATERIAL DOCENTE: PRESENTACIÓN DEL TEMA III. Ana Isabel Garralda Guillem y Manuel Ruiz Galán
MATEMÁTICAS TICAS I Grado en Edificación MATERIAL DOCENTE: PRESENTACIÓN DEL TEMA III Ana Isabel Garralda Guillem y Manuel Ruiz Galán Tema. Diagonalización de matrices.1. Diagonalización de matrices por
Más detalles14 Sistemas lineales de ecuaciones diferenciales con coeficientes
Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 14 Sistemas lineales de ecuaciones diferenciales con coeficientes constantes 14.1 Definición Se llama sistema lineal con coeficientes constantes al
Más detallesE.T.S. Minas: Métodos Matemáticos Ejercicios Tema 4 Métodos iterativos para sistemas de ecuaciones
ETS Minas: Métodos Matemáticos Ejercicios Tema Métodos iterativos para sistemas de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesDiagonalización de Endomorfismos
Tema 5 Diagonalización de Endomorfismos 5.1 Introducción En este tema estudiaremos la diagonalización de endomorfismos. La idea central de este proceso es determinar, para una aplicación lineal f : E E,
Más detallesRelación 1. Espacios vectoriales
MATEMÁTICAS PARA LA EMPRESA Curso 2007/08 Relación 1. Espacios vectoriales 1. (a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy) Demuestra que IR
Más detallesDeterminantes. σ(1)... σ(n) l i nl 1 +1 if s = n l
CAPíTULO 5 Determinantes 1 El grupo simétrico Sea n N Denotemos por Σ n el conjunto: Σ n = {f : {1,,n} {1,,n} f es aplicación biyectiva} Si f,g Σ n, la aplicación compuesta g f también es un elemento de
Más detallesFormas canónicas reales
Capítulo 7 Formas canónicas reales Introducción Sea V un espacio vectorial sobre C, f End(V y M B (f = A M(n n Sea λ = a + bi es una autovalor complejo de f de multiplicidad m Para tal autovalor complejo
Más detalles4.1 Anillo de polinomios con coeficientes en un cuerpo
Tema 4 Polinomios 4.1 Anillo de polinomios con coeficientes en un cuerpo Aunque se puede definir el conjunto de los polinomios con coeficientes en un anillo, nuestro estudio se va a centrar en el conjunto
Más detallesCapítulo V. Valores y vectores propios. Diagonalización de operadores lineales.
Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede
Más detallesSea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).
Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que
Más detallesÁlgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 8. Valores y vectores propios Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
Más detallesCuerpos Finitos. XXVII Escuela Venezolana de Matemáticas EMALCA. Edgar Martínez-Moro Sept. 2014
Cuerpos Finitos XXVII Escuela Venezolana de Matemáticas EMALCA Edgar Martínez-Moro Sept. 2014 Cuerpos y extensiones de cuerpos Un cuerpo (F, +, ) es un conjunto no vacío en el que se han definido dos operaciones
Más detalles2.5 Teorema de Jordan
Capítulo 2/ Forma canónica de Jordan (Versión 13-03-2015) 15 2.5 Teorema de Jordan En esta sección queremos abordar ya el caso general de un endomorfismo f : V V cualquiera (no necesariamente con un único
Más detallesALGEBRA III Práctica 1
1 er cuatrimestre 2002 ALGEBRA III Práctica 1 Nota: En esta práctica anillo significa anillo conmutativo con 1 0. 1. Sea A un anillo. Probar que: (i) A tiene ideales maximales y todo ideal propio I está
Más detallesEl grupo lineal proyectivo. Homologías. Afinidades.
Tema 3- El grupo lineal proyectivo Homologías Afinidades 31 El grupo lineal proyectivo Recordamos que en el tema anterior hemos definido, para una variedad lineal proyectiva L P n no vacía, el grupo lineal
Más detalles2 Polinomio característico de una matriz
Lección 4: Teoría de Operadores 1 Semejanza Sean A, B M n,n. Se dice A es semejante con B cuando existe una matriz regular P GL n de suerte que B = P 1 AP. Si A es semejante con B, entonces B es semejante
Más detallesValores y Vectores Propios
Valores y Vectores Propios Iván Huerta Facultad de Matemáticas Pontificia Universidad Católica de Chile ihuerta@mat.puc.cl Segundo Semestre, 1999 Definición Valores y Vectores Propios Valores y Vectores
Más detallesÁlgebra Lineal. Maestría en Ciencias Matemáticas. x y + z = 1 x y z = 3 2x y z = 1. x + y + 2z = 1 4x 2ty + 5z = 2 x y + tz = 1
Álgebra Lineal Maestría en Ciencias Matemáticas Resuelva el siguiente sistema usando la factorización LU o P T LU (según sea el caso) x y + z = x y z = 3 2x y z = 2 Calcule A usando el algoritmo de Gauss-Jordan:
Más detallesGuía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno.
Guía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno. Teoremas con demostraciones que se pueden incluir en el examen: 1. Fórmula para f(j m (λ)), donde J m (λ) es el bloque
Más detallesDOMINIOS COGNITIVOS. CONTENIDOS UNIDAD I. TEORÍA DE CONJUNTOS
PS0102 ALGEBRA SUPERIOR UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: ÁLGEBRA SUPERIOR Propósito del curso: DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software
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 detallesHerramientas digitales de auto-aprendizaje para Matemáticas
Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura Índice Paralelismo Ángulos Otras figuras d Triángulos
Más detallesÁlgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Ejercicios de evaluación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Problema
Más detalles3. Sistemas de n ecuaciones diferenciales lineales de primer orden
Dpto Matemática Aplicada, Facultad de Informática, UPM EDO Sistemas Lineales 1 3 Sistemas de n ecuaciones diferenciales lineales de primer orden Se define un sistema de ecuaciones diferenciales lineales
Más detallesALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE.
ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Polinomio Sea K (Q,
Más detallesMatrices, determinantes y sistemas de ecuaciones lineales
Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente
Más detallesSoluciones Hoja Problemas Espacio Vectorial 05-06
Soluciones Hoja Problemas Espacio Vectorial -6.- Se considera R con la suma habitual y con el producto por un escalar que se indica en los casos siguientes. Prueba que en ninguno de ellos, (R,, ) es espacio
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detalles1 SISTEMAS DE ECUACIONES LINEALES. CONCEPTOS GENERALES
Sistemas de ecuaciones lineales MATEMÁTICAS II 1 1 SISTEMAS DE ECUACIONES LINEALES. CONCEPTOS GENERALES o Definición: Un sistema de m ecuaciones con n incógnitas es un conjunto de ecuaciones lineales que
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que
Más detallesTransformaciones lineales autoadjuntas (hermíticas)
Transformaciones lineales autoadjuntas (hermíticas) Objetivos. Estudiar propiedades elementales de transformaciones lineales autoadjuntas. Demostrar que para toda transformación lineal autoadjunta en un
Más detallesGENERACIÓN DE POLINOMIOS DE SCHUBERT CON COCOA I: DIAGRAMAS DE ROTHE 1
UNIVERSITAS SCIENTIARUM Revista de la Facultad de Ciencias Julio-diciembre de 3 PONTIFICIA UNIVERSIDAD JAVERIANA Vol 8, 7-4 GENERACIÓN DE POLINOMIOS DE SCHUBERT CON COCOA I: DIAGRAMAS DE ROTHE Fernando
Más detallesClase de Álgebra Lineal
Clase de Álgebra Lineal M.Sc. Carlos Mario De Oro Facultad de Ciencias Básicas Departamento de matemáticas 04.2017 Page 1 Espacios vectoriales Definicion. Espacio Vectorial (E.V.) Un V espacio vectorial
Más detallesTema 6: Resolución aproximada de sistemas de ecuaciones lineales
Métodos Numéricos: Resumen y ejemplos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de
Más detalles