Límites de valores singulares de un haz de matrices
|
|
- Emilio Aguirre Montes
- hace 5 años
- Vistas:
Transcripción
1 Límites de valores singulares de un haz de matrices Juan-Miguel Gracia Francisco E. Velasco Universidad del País Vasco Depto. de Matemática Aplicada y Estadística XXI CEDYA / XI CMA, Ciudad Real, 22 de septiembre de 2009.
2 Índice Motivación Acotaciones más ajustadas Comportamiento asintótico
3 Índice Motivación Acotaciones más ajustadas Comportamiento asintótico
4 Submatriz sudeste más próxima que hace múltiple a 0 ( n m ) n A B C (n+m) (n+m), det A 0. m C D d = sup t 0 d := mín X C m m 0 valor propio múltiple A B C X X D ( ) M tn f (t), f (t) := σ 2m 1 O M M := D CA 1 B, N := I m + CA 2 B Si t 1 0 t.q. d = f (t 1), = f acotada, estrict. creciente y rg N = 1. ( ) ( ) ( ) M tn O N M O = t + O M O O O M l := ĺım t f (t), = d = l.
5 Submatriz sudeste más próxima que hace múltiple a 0 ( n m ) n A B C (n+m) (n+m), det A 0. m C D d = sup t 0 d := mín X C m m 0 valor propio múltiple A B C X X D ( ) M tn f (t), f (t) := σ 2m 1 O M M := D CA 1 B, N := I m + CA 2 B Si t 1 0 t.q. d = f (t 1), = f acotada, estrict. creciente y rg N = 1. ( ) ( ) ( ) M tn O N M O = t + O M O O O M l := ĺım t f (t), = d = l.
6 Submatriz sudeste más próxima que hace múltiple a 0 ( n m ) n A B C (n+m) (n+m), det A 0. m C D d = sup t 0 d := mín X C m m 0 valor propio múltiple A B C X X D ( ) M tn f (t), f (t) := σ 2m 1 O M M := D CA 1 B, N := I m + CA 2 B Si t 1 0 t.q. d = f (t 1), = f acotada, estrict. creciente y rg N = 1. ( ) ( ) ( ) M tn O N M O = t + O M O O O M l := ĺım t f (t), = d = l.
7 Planteamiento y ejemplo F, G C m n, Problema Hallar ĺım σ i(tf + G), t i = 1, 2,..., mín(m, n). Ejemplo F := i , G := i i i i i i rg F = 2, σ i (tf + G).
8 Planteamiento y ejemplo F, G C m n, Problema Hallar ĺım σ i(tf + G), t i = 1, 2,..., mín(m, n). Ejemplo F := i , G := i i i i i i rg F = 2, σ i (tf + G).
9 σ i t Figura: Los 5 = mín(5, 6) valores singulares de tf + G.
10 Valores singulares para algunos t 0 σ(10 4 F + G) σ(10 5 F + G) σ(10 6 F + G) 17319, , , ,01 8, ,24321, ,00 8, ,24376, ,00 8, , , , ,94607
11 Índice Motivación Acotaciones más ajustadas Comportamiento asintótico
12 Acotación clásica A, E C m n, i = 1,..., mín(m, n), σ i (A + E) σ i (A) E c i ( ) 0 t.q. σ i (A + E) σ i (A) c i (E)? Li y Li dieron una respuesta afirmativa si la matriz E tiene cierta estructura. Notación X C p q : σ(x ) := ( σ 1(X ), σ 2(X ),..., σ máx(p,q) (X ) ) donde σ 1(X ) σ 2(X ) σ máx(p,q) (X ) σ i (X ) := 0 cuando i > rg X.
13 Acotación clásica A, E C m n, i = 1,..., mín(m, n), σ i (A + E) σ i (A) E c i ( ) 0 t.q. σ i (A + E) σ i (A) c i (E)? Li y Li dieron una respuesta afirmativa si la matriz E tiene cierta estructura. Notación X C p q : σ(x ) := ( σ 1(X ), σ 2(X ),..., σ máx(p,q) (X ) ) donde σ 1(X ) σ 2(X ) σ máx(p,q) (X ) σ i (X ) := 0 cuando i > rg X.
14 Acotación clásica A, E C m n, i = 1,..., mín(m, n), σ i (A + E) σ i (A) E c i ( ) 0 t.q. σ i (A + E) σ i (A) c i (E)? Li y Li dieron una respuesta afirmativa si la matriz E tiene cierta estructura. Notación X C p q : σ(x ) := ( σ 1(X ), σ 2(X ),..., σ máx(p,q) (X ) ) donde σ 1(X ) σ 2(X ) σ máx(p,q) (X ) σ i (X ) := 0 cuando i > rg X.
15 Acotación de los Li, Li Teorema (Li-Li, 2005) ( ) G1 O, O G 2 ( ) G1 E 1, E 2 G 2 ε := máx( E 1, E 2 ), i = 1, 2,..., { mín µ2 σ(g η i := 2 ) σ i µ 2 si σ i σ(g 1), mín µ1 σ(g 1 ) σ i µ 1 si σ i σ(g 2). Entonces, i = 1, 2,..., ( ) ( ) σ G1 E 1 G1 O 2ε 2 i σ E 2 G i 2 O G 2 η i + ηi 2 + 4ε. 2
16 Acotación de los Li, Li Teorema (Li-Li, 2005) ( ) G1 O, O G 2 ( ) G1 E 1, E 2 G 2 ε := máx( E 1, E 2 ), i = 1, 2,..., { mín µ2 σ(g η i := 2 ) σ i µ 2 si σ i σ(g 1), mín µ1 σ(g 1 ) σ i µ 1 si σ i σ(g 2). Entonces, i = 1, 2,..., ( ) ( ) σ G1 E 1 G1 O 2ε 2 i σ E 2 G i 2 O G 2 η i + ηi 2 + 4ε. 2
17 Acotación de los Li, Li Teorema (Li-Li, 2005) ( ) G1 O, O G 2 ( ) ( ) G1 E 1 O E1, E := E 2 G 2 E 2 O ε := máx( E 1, E 2 ), i = 1, 2,..., { mín µ2 σ(g η i := 2 ) σ i µ 2 si σ i σ(g 1), mín µ1 σ(g 1 ) σ i µ 1 si σ i σ(g 2). Entonces, i = 1, 2,..., ( ) ( ) σ G1 E 1 G1 O 2ε 2 i σ E 2 G i 2 O G 2 η i + ηi 2 + 4ε. 2 (( ) σ G1 O i O G 2 ) + E ( ) G1 O 2 E 2 σ i O G 2 η i + ηi E = c i(e). 2
18 Índice Motivación Acotaciones más ajustadas Comportamiento asintótico
19 Descomposición de valores singulares, SVD F, G C m n con r = rg F. matrices unitarias U C m m, V C n n t.q. ( ) U S1 O FV =, S O O 1 = diag(s 1,..., s r ) con s 1 s r > 0 los v.s. 0 de F. Supongamos ( ) U G11 G 12 GV =, con G G 21 G 11 C r r. = 22 t R y para cada i, ( ) ts1 + G 11 G 12 σ i (tf + G) = σ i. G 21 G 22
20 Haz regular A, B C n n, S 1, G 11 C r r, σ i (A) σ 1(B) σ i (A + B), i = 1, 2,..., n. t s i σ 1(G 11) = σ i (ts 1) σ 1(G 11) σ i (ts 1 + G 11) i = 1,..., r. Como s i > 0, = ĺım σ i(ts 1 + G t 11) =, i = 1,..., r.
21 Teorema principal Teorema ĺım σ i(tf + G) = t ( ) ĺım σ ts1 + G 11 G 12 i = t G 21 G 22 {, i = 1,..., r := rg F, σ i r (G 22), i = r + 1, r + 2,... Ion Zaballa
22 Aplicación al Ejemplo G 22 = 0 4i 0 0 4,0825 2,8577i 0,8165i 0, ,0412i 1, ,1213i 0, ,3333i 2,2357 0,0404i 0,2357 0,6667i Sus valores singulares, calculados con Matlab, son: 8, , ,94607 σ(10 4 F + G) σ(10 5 F + G) σ(10 6 F + G) 17319, , , ,01 8, ,24321, ,00 8, ,24376, ,00 8, , , , ,94607
23 Aplicación al Ejemplo G 22 = 0 4i 0 0 4,0825 2,8577i 0,8165i 0, ,0412i 1, ,1213i 0, ,3333i 2,2357 0,0404i 0,2357 0,6667i Sus valores singulares, calculados con Matlab, son: 8, , ,94607 σ(10 4 F + G) σ(10 5 F + G) σ(10 6 F + G) 17319, , , ,01 8, ,24321, ,00 8, ,24376, ,00 8, , , , ,94607
24 Fin Muchas gracias por vuestra atención.
Clase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detallesValores singulares. Producto escalar y ortogonalidad. Proposición. Curso < x, y >= si F = C. Si x C n x i=1
Valores singulares Curso 2017-18 1 Producto escalar y ortogonalidad < x, y >= n y i x i = y T x si F = R, n y i x i = y x Si x C n x x = n x i 2 = x 2 2. si F = C Si x, y C n x y = y x, pero si x, y R
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 detallesSubmatriz sudeste más próxima que hace múltiple un valor propio prescrito
XX Congreso de Ecuaciones Diferenciales y Aplicaciones X Congreso de Matemática Aplicada Sevilla, 24-28 septiembre 2007 pp. 1 8 Submatriz sudeste más próxima que hace múltiple un valor propio prescrito
Más detallesIntroducción al Método de los Elementos Finitos
S 4 v v 5 Introducción al Método de los Elementos Finitos Parte Formulación abstracta del MEF para problemas elípticos Alberto Cardona, íctor Facinotti Cimec-Intec (UNL/Conicet), Santa Fe, Argentina Espacios
Más detallesTema 3: Función de Variable Aleatoria y Teoremas Asintóticos
Tema 3: Función de Variable Aleatoria y Teoremas Asintóticos Curso 2016-2017 Contenido 1 Función de una Variable Aleatoria 2 Cálculo de la fdp 3 Generación de Números Aleatorios 4 Momentos de una Variable
Más detallesTema 3: Funcio n de Variable Aleatoria
Tema 3: Funcio n de Variable Aleatoria Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Función de una Variable Aleatoria 2 3 Cálculo de la fdp 4 Generación de Números Aleatorios 5 Momentos de una
Más detallesPropiedad de Completez (Parte 2) (3) Si A es un subconjunto de un campo ordenado F y u F, se dice que u es un máximo de A si,
Unidad. Números Reales.1 Números Naturales, Enteros, Racionales, Irracionales y Reales Propiedad de Completez (Parte ) Denición 1. (1) Si A es un subconjunto de un campo ordenado F y u F, se dice que es
Más detallesTema 6: Teorema de Representación de Riesz. 10 y 13 de mayo de 2010
Tema 6: Teorema de Representación de Riesz 10 y 13 de mayo de 2010 1 Funcionales lineales positivos 2 Regularidad de medidas de Borel 3 Funcionales lineales continuos Funciones continuas de soporte compacto
Más detallesElementos de Cálculo Numérico (M) - Cálculo Numérico
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto. de Matemática Elementos de Cálculo Numérico (M) - Cálculo Numérico Primer Cuatrimestre 204 Práctica N 2: Normas y Condicionamiento.
Más detallesTema 5: Convergencia y acotación. Subsucesiones. Operaciones con sucesiones convergentes.
Cálculo I Tema 5: Convergencia y acotación. Subsucesiones. Operaciones con sucesiones convergentes. Sucesiones Definición Una sucesión de números reales es una función f : N R. En lugar de notarlas de
Más detallesElementos de Cálculo Numérico / Cálculo Numérico Primer Cuatrimestre 2016
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto. de Matemática Elementos de Cálculo Numérico / Cálculo Numérico Primer Cuatrimestre 206 Práctica N : Número de condición.
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 detalles1.II.3. Sistemas de ecuaciones lineales: métodos iterativos.
1.II.3. Sistemas de ecuaciones lineales: métodos iterativos. Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior Universidad de Zaragoza Otoño 2003 Referencias [1] Burden, R.
Más detallesTeoría espectral: problemas propuestos
Teoría espectral: problemas propuestos ISABEL MARRERO Departamento de Análisis Matemático Universidad de La Laguna imarrero@ull.es Índice 6. Problemas propuestos 1 6.1. Valores y vectores propios....................................
Más detallesComportamiento dinámico: Estabilidad
Lección 5 Comportamiento dinámico: Estabilidad Estabilidad Dos tipos de estabilidad: ẋ(t) = f(t, x(t), u(t)) Estabilidad interna: ẋ(t) = f(t, x(t)) Estabilidad externa o Estabilidad Entrada-Salida : {
Más detallesTEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES. Variable aleatoria (Real)
TEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES Grado Ing Telemática (UC3M) Teoría de la Comunicación Variable Aleatoria / 26 Variable aleatoria (Real) Función que asigna un valor
Más detallesElementos de Cálculo Numérico / Cálculo Numérico Segundo Cuatrimestre 2017
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto. de Matemática Elementos de Cálculo Numérico / Cálculo Numérico Segundo Cuatrimestre 207 Práctica N : Número de condición.
Más detallesDescomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesDescomposición del valor singular y sus aplicaciones
7 Descomposición del valor singular y sus aplicaciones Marlene J. Soldevilla Olivares William C. Echegaray Castillo Resumen El presente trabajo damos algunas propiedades de los valores singulares de una
Más detallesUNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID. PRUEBAS DE ACCESO A ESTUDIOS UNIVERSITARIOS (LOGSE) MODELO DE EXAMEN (Curso )
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBAS DE ACCESO A ESTUDIOS UNIVERSITARIOS (LOGSE) MODELO DE EXAMEN (Curso 00-003) MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES:
Más detallesCÁLCULO III. Pablo Torres. Funciones definidas en R n. Facultad de Ciencias Exactas, Ingeniería y Agrimensura - Universidad Nacional de Rosario
CÁLCULO III Pablo Torres Facultad de Ciencias Exactas, Ingeniería y Agrimensura - Universidad Nacional de Rosario Funciones definidas en R n. INTRODUCCIÓN Sean n,m N y A R n. Una función f : A R m se denomina
Más detallesEigenvalores y eigenvectores. Método de la potencia
Clase No. 12: MAT 251 Eigenvalores y eigenvectores. Método de la potencia Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña Acevedo
Más detallesDe la convergencia en distribución a la aproximación uniforme
De la convergencia en distribución a la aproximación uniforme Egor Maximenko utilizando trabajos juntos con Johan Manuel Bogoya, Albrecht Böttcher y Sergei Grudsky Instituto Politécnico Nacional, ESFM,
Más detallesValores y vectores propios. Laboratorio de Matemáticas
Valores y vectores propios Laboratorio de Matemáticas Conceptos básicos v vector propio asociado al valor propio λ Av = λ v Polinomio característico de la matriz A p(λ) = det(a- λ I) Ecuación característica
Más detallesLímite superior y límite inferior de una sucesión
Límite superior y límite inferior de una sucesión Objetivos. Definir las nociones de los límites superior e inferior de una sucesión y estudiar sus propiedades básicas. Requisitos. Supremo e ínfimo de
Más detalles1. Estabilidad de Sistemas Lineales y Sistemas Lineales Perturbados
1. Estabilidad de Sistemas Lineales y Sistemas Lineales Perturbados 1.1. Introducción. Repaso de resultados conocidos AMPLIACIÓN DE ECUACIONES DIFERENCIALES GRADO EN MATEMÁTICAS, Universidad de Sevilla
Más detallesMAT web:
Clase No. 7: MAT 251 Matrices definidas positivas Matrices simétricas Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesIntroducción al Método de los Elementos Finitos
v 4 5 S v Introducción al Método de los Elementos Finitos Parte Formulación abstracta del MEF para problemas elípticos Alberto Cardona, íctor Facinotti Cimec-Intec (UNL/Conicet), Santa Fe, Argentina 7-Oct-
Más detallesINTERPOLACIÓN: Error en la la interpolación polinómica de Lagrange
INTERPOLACIÓN: Error en la la interpolación polinómica de Lagrange Arturo Hidalgo LópezL Alfredo López L Benito Carlos Conde LázaroL Marzo, 007 Departamento de Matemática Aplicada y Métodos Informáticos
Más detallesEstadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación
Estadística Tema 3 Esperanzas 31 Esperanza Propiedades 32 Varianza y covarianza Correlación 33 Esperanza y varianza condicional Predicción Objetivos 1 Medidas características distribución de VA 2 Media
Más detallesProbabilidad y estadística
UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL ROSARIO Probabilidad y estadística Teorema central del límite Año: 2017 En este material le presentamos ocho problemas que requieren de la aplicación
Más detallesConceptos clave para el examen de Análisis Matemático
Conceptos clave para el examen de Análisis Matemático 1. Axioma de Dedekind. Existencia de supremos e ínfimos. Sucesiones monótonas y acotadas. Axioma de Dedekind: Dados dos subconjuntos no vacíos A y
Más detallesAlgunos resultados acerca de B-matrices.
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Algunos resultados acerca de B-matrices. Manuel F. Abad 1, María
Más detallesFactorización de matrices totalmente no positivas y totalmente negativas
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Factorización de matrices totalmente no positivas y totalmente negativas
Más detallesSEMICONTINUIDAD SUPERIOR DE MULTIFUNCIONES CON IMAGEN UN CONJUNTO CONVEXO Y CERRADO
t t 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de aril de 2003 SEMICONTINUIDAD SUPERIOR DE MULTIFUNCIONES CON IMAGEN UN CONJUNTO CONVEXO Y CERRADO M.J. Cánovas 1, M.A. López
Más detallesRepaso de Estadística
Teoría de la Comunicación I.T.T. Sonido e Imagen 25 de febrero de 2008 Indice Teoría de la probabilidad 1 Teoría de la probabilidad 2 3 4 Espacio de probabilidad: (Ω, B, P) Espacio muestral (Ω) Espacio
Más detallesElementos de Cálculo Numérico
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto. de Matemática Elementos de Cálculo Numérico Primer cuatrimestre 2006 Práctica N 2: Condicionamiento de una matriz. Descomposición
Más detallesEjercicio 1 Explica por qué el coste de invertir una matriz utilizando el algoritmo LU es de orden
CUESTIONES Ejercicio 1 Explica por qué el coste de invertir una matriz utilizando el algoritmo LU es de orden cúbico Ejercicio 2 Explica por qué si λ 1 ě λ 2 ě ě λ n son los valores propios de la matrix
Más detallesTema 4: Determinantes
Tema 4: Determinantes Curso 2016/2017 Ruzica Jevtic Universidad San Pablo CEU Madrid Índice de contenidos Introducción Propiedades de los determinantes Regla de Cramer Inversión de matrices Áreas y volúmenes
Más detallesEl Teorema del Modulo Máximo
Capítulo 5 El Teorema del Modulo Máximo. El Principio del Máximo. Pruebe el siguiente Principio del Mínimo. Si f es una función analítica no constante sobre un conjunto abierto G acotado y es continua
Más detallesRevisión - soluciones. lunes 9 de octubre de 2017
Introducción a los Procesos Estocásticos Curso 7 Revisión - soluciones lunes 9 de octubre de 7. Ejercicio (5 puntos) Considere una cadena de Markov homogénea {X n } n con espacio de S = {,,, } y matriz
Más detallesMatriz inversa generalizada y descomposición del valor singular
Matriz inversa generalizada y descomposición del valor singular Divulgación Fernando Velasco Luna y Jesús Hernández Suárez Laboratorio de Investigación y Asesoría Estadística, Facultad de Estadística e
Más detallesTema 2. Aplicaciones lineales. Diagonalización de endomorfismos.
Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada
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 detalles1 Espacios de Banach:
Ecuaciones Diferenciales - 2 cuatrimestre 2003 Resultados preliminares parte II Espacios de Banach: Sea X un IR-espacio vectorial. Definición. Una función : X [0, + ) se dice una norma si. x + y x + y
Más detallesKolmogorov y la teoría de la la probabilidad. David Nualart. Academia de Ciencias y Universidad de Barcelona
Kolmogorov y la teoría de la la probabilidad David Nualart Academia de Ciencias y Universidad de Barcelona 1 La axiomatización del cálculo de probabilidades A. N. Kolmogorov: Grundbegriffe des Wahrscheinlichkeitsrechnung
Más detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más detalles1.2 Valores y vectores propios. Método de las potencias y Rayleigh.
20 Prelininares. 1.2 Valores y vectores propios. Método de las potencias y Rayleigh. 1.2.1 Cálculo del Polinomio Caracterstico: ALGORITMO DE SOURIAU. ENTRADA: la matriz A 1 = A, p 1 = traza(a 1 ), n =
Más detallesELEMENTOS DE ANÁLISIS FUNCIONAL
ELEMENTOS DE ANÁLISIS FUNCIONAL Guillermo Ames Universidad Tecnológica Nacional - Facultad Regional Córdoba 2011 TEMA 1: NOCIONES BÁSICAS DE ESPACIOS MÉTRICOS Espacios métricos: definición y ejemplos Definición
Más detallesPontificia Universidad Católica del Perú ICA624: Control Robusto. 2. Características de los Sistemas MIMO Valores Singulares Normas Matriciales
Pontificia Universidad Católica del Perú ICA624: Control Robusto 2. Características de los Sistemas Valores Singulares Matriciales Hanz Richter, PhD Profesor Visitante Cleveland State University Mechanical
Más detallesExtensión de medidas
Extensión de medidas Problemas para examen Semianillos de conjuntos 1. Escriba la definición de semianillo de conjuntos. 2. Convenio: el conjunto vacío pertenece a cualquier semianillo. En los siguientes
Más detallesString Matching. Análisis y diseño de algoritmos II
Análisis y diseño de algoritmos II Encontrar todas las ocurrencias de un patrón en un texto. Texto Patrón a b c a b a a b c a a b a a b a c Aplicaciones Funcionalidad de editores de texto Patrones en secuencias
Más detalles2. LÍMITES Y CONTINUIDAD DE LAS FUNCIONES REALES DE VARIABLE REAL.
2. LÍMITES Y CONTINUIDAD DE LAS FUNCIONES REALES DE VARIABLE REAL. ESQUEMA LÍMITES Y CONTINUIDAD DE LAS FUNCIONES REALES DE VARIABLE REAL Límites. Límite de una función. Tipos de límites. Álgebra de límites.
Más detallesInterpolación. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35
Interpolación Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35 Contenidos 1 Introducción 2 Interpolación de Taylor Cálculo del polinomio
Más detallesPráctica 3: Diferenciación
Análisis I Matemática I Análisis II (C) Análisis Matemático I (Q) 1er. Cuatrimestre 2017 Práctica 3: Diferenciación Aplicación de algunos resultados de diferenciación en una variable 1. Vericar que se
Más detallesInecuaciones Lineales en una Variable Real
en una Variable Real Carlos A. Rivera-Morales Matemática Preuniversitaria Tabla de Contenido Contenido : Contenido Discutiremos: resolver inecuaciones lineales en una variable real. : Contenido Discutiremos:
Más detalles2. CONSTRUCCIÓN DE MEDIDAS.
2. CONSTRUCCIÓN DE MEDIDAS. 1. MEDIDAS EXTERIORES. (2,1,1) Definición. Una medida exterior es una aplicación µ : P(X) [0, + ] que cumple: (a) µ ( ) = 0. (b) Monotonía: Si A B, entonces µ (A) µ (B). (c)
Más detallesConstrucción de Paul Lévy del Movimiento Browniano Estándar, según P. Morters y Y. Peres. August 31, 2016
del Movimiento Browniano Estándar, según P. Morters y Y. Peres August 31, 016 Algunos preliminares Definición Una función de distribución (de probabilidades) es una función F : R R tal que 1. F es no decreciente.
Más detallesComplementos de Matemáticas, ITT Telemática
Aproximación de funciones Interpolación Int. Segm. Complementos de Matemáticas, ITT Telemática Tema 2. Departamento de Matemáticas, Universidad de Alcalá Aproximación de funciones Interpolación Int. Segm.
Más detallesVariables aleatorias. Descripción breve del tema. Objetivos. Descripción breve del tema. Tema 4
Descripción breve del tema Variables aleatorias Tema 4 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Descripción breve
Más detallesTeoría de Calderón-Zygmund con medidas generales
Teoría de Calderón-Zygmund con medidas generales José Manuel Conde Alonso Seminario de Doctorandos UCM Consejo Superior de Investigaciones Científicas - Universidad Autónoma de Madrid 15 de octubre de
Más detallesElementos básicos de mecánica de
Elementos básicos de mecánica de sólidos Ignacio Romero ignacio.romero@upm.es Escuela Técnica Superior de Ingenieros Industriales Universidad Politécnica de Madrid Curso 2015/16 1. Tensión El vector tensión
Más detallesExtremos de funciones de varias variables
Extremos de funciones de varias variables R. Álvarez-Nodarse Universidad de Sevilla Cuándo una función f (x) de una variable tiene extremo? Cuándo una función f (x) de una variable tiene extremo? Definición
Más detallesCalculando los valores singulares y la pseudo-inversa de una matriz
Calculando los valores singulares y la pseudo-inversa de una matriz Juan David Alzate Universidad Nacional de Colombia jdalzater@unal.edu.co May 30, 2018 Juan David Alzate (UNAL) Calculando los valores
Más detallesTeoremas de la función inversa, función implícita y del rango constante
Teoremas de la función inversa, función implícita y del rango constante Pablo Zadunaisky 13 de marzo de 2015 A lo largo de este documento usamos varias normas sobre espacios vectoriales de dimensión finita,
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 detalles2. Cálculo diferencial de funciones de varias variables. Mayo, 2009
Cálculo 2. Cálculo diferencial de funciones de varias variables Mayo, 2009 Definición IR 2 = {(x 1,x 2 )/x 1 IR,x 2 IR} Sean dos puntos a y b, de coordenadas respectivas (a 1,a 2 ) y (b 1,b 2 ). Definición
Más detallesHipercuádricas afines. Clasificación. Elementos afines y euclídeos.
Capítulo 6 Hipercuádricas afines. Clasificación. Elementos afines y euclídeos. Sea k un cuerpo de característica distinta de dos. Definición 6.0.1. Una hipercuádrica afín en k n es una ecuación de segundo
Más detallesExtensión de medidas
Extensión de medidas Problemas para examen Semianillos de conjuntos 1. Escriba la definición de semianillo de conjuntos. 2. Convenio: el conjunto vacío pertenece a cualquier semianillo. En los siguientes
Más detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
Más detallesProblemas con soluciones
Departamento de Matemática, Universidad Técnica Federico Santa María, MAT-223. Problemas con soluciones 1) Muestre que si A es una base de una toplogía en X, entonces la topología generada por A es iqual
Más detallesProblemas de VC para EDVC elaborados por C. Mora, Tema 4
Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,
Más detallesTeoría de la Integración
Licenciatura en Matemáticas y Física Universidad de Antioquia 1 Introducción 2 3 Introducción Para toda persona con formación matemática superior, es conocida la teoría de la integración de Riemann. Sin
Más detallesANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes
ANOVA Análisis de la Varianza Univariante Efectos fijos Muestras independientes De la t a la F En el test de la t de Student para muestras independientes, aprendimos como usar la distribución t para contrastar
Más detallesAnálisis de Datos en Física de Partículas
Análisis de Datos en Física de Partículas Sección de Posgrado Facultad de Ciencias Universidad Nacional de Ingeniería C. Javier Solano jsolano@uni.edu.pe http://compinformatidf.wordpress.com/ Página del
Más detalles1 Funciones de Varias Variables y Diferenciabilidad
1 Funciones de Varias Variables y Diferenciabilidad (a) Definición: Diferenciabilidad Sea una función f : Ω R n R m, donde Ω es un abierto en R n, y x 0 Ω. Decimos que f es diferenciable en x 0 si existe
Más detallesESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio
ESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio Muestra aleatoria Conceptos probabiĺısticos básicos El problema de inferencia Estadísticos. Media y varianza
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Fracciones continuas, ecuación de Pell y unidades en el anillo de enteros de los cuerpos cuadráticos
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE. MATEMÁTICA PURA Fracciones continuas, ecuación de Pell y unidades en el anillo de enteros de los cuerpos cuadráticos
Más detallesCONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 MATRICES
CONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 Unidades: - Matrices (Bloque Álgebra) - Determinantes (Bloque Álgebra) - Sistemas de ecuaciones lineales (Bloque Álgebra) - Vectores (Bloque
Más detallesCurso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos
Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay
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 detallesAplicación de la distribución empírica: Tests de bondad de ajuste
Aplicación de la distribución empírica: Tests de bondad de ajuste 4 de marzo de 2009 Test de bondad de ajuste Supongamos que se dispone de una m.a.s de tamaño n de una población X con distribución desconocida
Más detallesControlabilidad y observabilidad
Lección 5 Controlabilidad y observabilidad 1 Eventos alcanzables y controlables Σ = (T, U, U, X, Y, ψ, η) un sistema de control arbitrario T X= Espacio de eventos (t, x) T X= el estado del sistema en el
Más detallesÁLGEBRA LINEAL I Práctica 3
ÁLGEBRA LINEAL I Práctica 3 Matrices y determinantes (Curso 2017 2018) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz
Más detallesCálculo infinitesimal Grado en Matemáticas Curso 20014/15 Clave de soluciones n o 6. Derivadas de orden superior
Cálculo infinitesimal Grado en Matemáticas Curso 2004/5 Clave de soluciones n o 6 Derivadas de orden superior 70. Hallar los polinomios de Taylor del grado indicado y en el punto indicado para las siguientes
Más detallesEjemplo 1: Ovalidad de Tubos
Ejemplo 1: Ovalidad de Tubos Histogramas de Ovalidades 0 5 10 15 20 Tuvo Tratamiento Termico 0.0 0.1 0.2 0.3 0. 0.5 0.6 Ovalidad 0 2 6 8 10 12 No tuvo Tratamiento Termico 0.0 0.1 0.2 0.3 0. 0.5 0.6 Ovalidad
Más detallesTema 5: Programas Universales
Tema 5: Programas Universales Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Lógica y Computabilidad Curso 2006 07 LC, 2006 07 Programas universales 5.1 Procedimientos
Más detallesTemas preliminares de Análisis Real
Temas preliminares de Análisis Real Problemas para examen Usamos la notación A B en el siguiente sentido: A es un subconjunto de B, puede ser que A = B. Propiedades de las operaciones con conjuntos 1.
Más detallesTema 7: Programación matemática
Tema 7: Programación matemática Formulación general: Optimizar f( x) sujeto a x X f : D R n R..................................................................... función objetivo x = (x 1, x 2,..., x
Más detallesCálculo de valores propios de matrices
Cálculo de valores propios de matrices Curso 2016-17 1 Cálculo de valores propios: principio básico» λ 1 0 λ 2 Teorema de Schur: U AU T...... fl 0 0 λ n Si ppλq λ 5 p 1 λ 4 p 2 λ 3 p 3 λ 2 p 4 λ p 5» 0
Más detallesVectores y matrices. v 1 v 2. = [v. v = v n. Herramientas de A.L. p.1/64
Vectores y matrices Los elementos básicos en teoría de sistemas lineales son vectores n 1 (columna) o 1 n (fila) y matrices n m con elementos reales (i.e. v R n y A R n m ). Denotamos el elemento i del
Más detallesP R O P I E D A D E S F I S I C A S
15 micras PESO UNITARIO gr/m2 13.5 +/- (.9 gr) BRILLO 75 MIN COEFICIENTE DE FRICCION 1470 MAX 2880 MAX 163 MAX 63 MAX 6. 3. 20 micras P R O P I E D A D E S F I S I C A S PESO UNITARIO gr/m2 18.13 +/- (.9
Más detallesMATE Dr. Pedro Vásquez UPRM. P. Vásquez (UPRM) Conferencia 1 / 23
Dr. Pedro Vásquez UPRM P. Vásquez (UPRM) Conferencia 1 / 23 Cómo la derivada afecta la forma de una grá ca? En muchas de las aplicaciones del cálculo depende de nuestras destrezas para deducir situaciones
Más detalles9. Normas y métodos iterativos de resolución de sistemas lineales.
9. Normas y métodos iterativos de resolución de sistemas lineales. Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior Universidad de Zaragoza Otoño 2010 Contents 9 Normas
Más detallesPráctica 3: Diferenciación
Análisis I Matemática I Análisis II (C) Análisis Matemático I (Q) Primer Cuatrimestre - 03 Práctica 3: Diferenciación Aplicación de algunos resultados de diferenciación en una variable. Vericar que se
Más detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más detalles