ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO

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

Download "ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO"

Transcripción

1 U N E X P O UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSE DE SUCRE VICE RECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERIA ELECTRONICA ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO Fracsco De La Cruz CAPITULO ANALISIS MATRICIAL EL333 - SISTEMAS DE CONTROL II - Seccó "U" Eulogo T. Pérez Ramos Marzo - Julo 98

2 CAPITULO : Aálss Matrcal. Itroduccó Cuado se estudó la descomposcó de fucoes de trasfereca, se observó que segú el procedmeto utlzado se obteía dferetes formas de represetacó, alguas más smples que otras. Etre las formas de represetacó más secllas y más fácles de aalzar está la forma ormal y la forma de Jordá. E este capítulo se estuda rá los procedmetos que este para ecotrar estas represetacoes a partr de las ecuacoes matrcales FE s teer que recurrr a la descomposcó de ua fucó de trasfereca. Se asume que el lector posee coocmetos de álgebra matrcal y sólo se presetará u repaso de los putos más esecales para el estudo de sstemas leales. Para u estudo mas profudo de estos tópcos se recomeda la cosulta de tetos mas específcos. El capítulo está estructurado de la sguete maera: e la seccó. se preseta ua sere de coceptos ecesaros para la compresó del materal cotedo e las seccoes sguetes. La seccó. cotempla los aspectos fudametales de las trasformacoes leales de vectores. E la seccó.5 se estuda los coceptos de ecuacó característca, valores y vectores propos de suma mportaca e las trasformacoes que se estuda e las seccoes sguetes. E la seccó.4 se aalza el caso de matrces co valores propos dferetes para su trasformacó e matrces dagoales. E la seccó.5 se trata las matrces co valores propos repetdos y su posteror trasformacó a matrces o formas caócas de Jordá. Ua maera de hallar la solucó de la ecuacó de estado se preseta e la seccó.6 utlzado ua terpretacó geométrca e base a los vectores propos de ua matrz co autovalores dferetes. Los objetvos que debe alcazarse al falzar el estudo de este capítulo so los sguetes:. Dada ua matrz real, determar tato su ecuacó característca como sus valores propos.. Determar los vectores propos, la matrz modal y la matrz dagoal asocados a ua matrz real co autovalores dferetes. 3. Determar los vectores propos geeralzados, la matrz de trasformacó y la forma de Jordá asocados a ua matrz real co autovalores repetdos. 4. Trasformar la represetacó matrcal estádar de u sstema a su correspodete represetacó e la forma ormal o e la forma de Jordá. 5. Hallar la epresó e el tempo del vector de estado de u sstema autóomo co autovalores dferetes a través de la terpretacó modal. Las dferecas para este capítulo so [], [], [4], [5], [6], [7], [8], [], [], [], [5], [6], [8]... Vectores y Espaco Leal Vectoral E esta seccó se preseta defcoes esecales para compreder los tópcos y procedmetos que se estudará e las seccoes sguetes. E la mayoría de los casos las Versó. - Abrl 98

3 CAPITULO : Aálss Matrcal 3 defcoes so poco rgurosas ya que está drgdas más haca el estudo de sstemas de cotrol que haca el estudo de álgebra leal. Defcó - U cojuto de elemetos escalares a, b, c,..., forma u campo F s para cualesquera dos elemetos de F, a y b, se cumple que a+b, a-b y a/b (b ) so també elemetos de F. Los campos utlzados e este lbro so el campo de los úmeros reales, R, y, e pocos casos, el campo de los úmeros complejos, C. Defcó - Se llama vector -dmesoal o de orde sobre u campo F a u cojuto de elemetos de F. Se deota como M Los elemetos se deoma compoetes del vector. Defcó -3 U espaco vectoral V sobre u campo F se defe como el cojuto de vectores e F que satsface las sguetes codcoes:. Para cada par de vectores y z, la suma + perteece a V. Además la suma de vectores es comutatva y asocatva.. Este e V u vector cero tal que +, dode es u vector e V. 3. A cada vector e V correspode u vector - tal que + (-). 4. Para cada e V y cada escalar c e F el producto c perteece a V. La multplcacó de u escalar por u vector es asocatva y dstrbucó co respecto a la suma. Defcó -4 Los vectores,,..., defdos sobre V so lealmete depedetes s c + c c (-) mplca que c c... c Versó. - Abrl 98

4 CAPITULO : Aálss Matrcal 4 E caso cotraro, es decr, s este costates c, c,..., c o todas cero para las cuales se satsface la ecuacó (-), los vectores se dce lealmete depedetes. Ejemplo - Cosdérese los vectores Aplcado la ecuacó (-) se tee ; C C + Esto sólo se cumple para C C por lo tato y so lealmete depedetes. Ejemplo - El cojuto de vectores,, 3 co, y 3 dferetes de cero es u cojuto lealmete depedete ya que ó c + c + c3 3 c + c + c3 3 se satsface para c c 3 y c de aquí que todo cojuto de vectores que cluya u vector se cosdera lealmete depedete. Defcó -5 U cojuto de vectores,,..., e V se deoma base del espaco vectoral V s esos vectores so lealmete depedetes, de maera que cualquer vector e V puede ser epresado como ua combacó úca de los vectores. α (-) El cojuto { α, α, L, α } se deoma represetacó de co respecto a la base,, L,. { } Defcó -6 El úmero de vectores de ua base e u espaco V se deoma dmesó de V. S el úmero es etoces V es u espaco -dmesoal. Versó. - Abrl 98

5 CAPITULO : Aálss Matrcal 5 Ejemplo -3 El cojuto de vectores lealmete depedetes ; ; 3 costtuye ua base de u espaco trdmesoal ya que cualquer vector arbtraro puede ser epresado como y y y ; co y costates y3 y y + y + y 3 3 Cualquer cojuto de vectores lealmete depedete costtuye ua base de u espaco -dmesoal. Estrá, así, dferetes represetacoes de u msmo vector depededo de la base escogda, y estrá ua relacó etre dos represetacoes dferetes de u vector. Esa relacó se puede epresar medate el sguete teorema. Teorema - Sea Z y w las represetacoes de u vector de orde co respecto a las bases Z {z, z,..., z }, y W {w, w,.., w }. La relacó etre ambas represetacoes vee dada como X Z X W X X Z W X z ó (-3) z w w X z P X w dode la matrz P Z W es o sgular. Demostracó: La represetacó del vector co respecto a la base Z es [ L ] a z a z + a z + L+ a z z z z a a Z M a z Versó. - Abrl 98

6 CAPITULO : Aálss Matrcal 6 y co respecto a la base W es [ L ] b w b w + b w + L+ b w w w w Por tratarse del msmo vector b b W M b w ó Z z W w z Z - W w Ejemplo -4 Cosdere la base Z {z, z } dode Z La represetacó de u vector co respecto a esta base es z [ ] represetacó de co respecto a la base W { w w } 3 La represetacó buscada será w W Z z 3 w Τ. Hallar la Defcó -7 La orma de u vector se deota como y está defda como la raíz cuadrada o egatva del producto escalar T, es decr T + + L + (-4) Versó. - Abrl 98

7 CAPITULO : Aálss Matrcal 7 dode las so los compoetes de. Para u vector real e u espaco de ó 3 dmesoes R o R 3, represeta la logtud del vector. U vector u cuya orma es se deoma vector utaro o ormalzado. Se puede obteer u vector utaro de todo vector smplemete dvdedo sus compoetes por su orma, es decr u (-5) Ejemplo -5 Calculado Normalzar el [ ] Τ y usado la ecuacó (-5) ( ) ( ) ( ) + + u Obsérvese que Τ u u. u Defcó -8: S el producto tero de dos vectores y z es gual a cero ( T z ) etoces se dce que los vectores so ortogoales etre sí. Ejemplo -6 Los vectores ; ; 3 forma u cojuto de vectores ortogoales ya que Versó. - Abrl 98

8 CAPITULO : Aálss Matrcal 8 ( Τ. ) ( Τ. ) ( Τ. ) 3 3 Ejemplo -7 E u espaco -dmesoal V, el cojuto de vectores utaros ; ; L; M M M costtuye u cojuto de vectores ortogoales (por ser utaros y ortogoales a la vez se les llama ortoormales) y forma la base fudametal del espaco -dmesoal V. A meos que se dque lo cotraro, cualquer vector especfcado de ahora e adelate estará defdo co respecto a esta base. Defcó -9 Sea el cojuto de vectores U {u, u,..., u } ua base del espaco vectoral V. La base recíproca de U es el cojuto de vectores R {r, r,..., r } tal que r r Τ Τ u j u j s j s j, j,,... ó utlzado el térmo δ j llamado delta de Kroecker δ j s j s j (-6) etoces ( ) Τ r. u δ, j,, L, (-7) j j Los vectores r, r,..., r costtuye u cojuto lealmete depedetes y por lo tato so otra base de V. S se defe U como la matrz cuyas columas so los vectores u y R como la matrz cuyas columas so los vectores T T r, etoces U ( R ) R. Ejemplo -8 Calcular los vectores recíprocos de Versó. - Abrl 98

9 CAPITULO : Aálss Matrcal 9 u u ; 3 Agrupado estos vectores detro de ua matrz U se tee U 3 su versa será U R T 3 Los vectores recíprocos buscados so las flas traspuestas R r 3 r ; Al ser u y u lealmete depedete costtuya ua base del espaco R, lo msmo sucede co r y r. Grafcado estos vectores e u plao se observa que u es perpedcular a r, Τ ya que r u r r Τ. u. Véase la Fgura -. y u es perpedcular a ( ) [, ] u r u [, ] r Fgura - Represetacó de los vectores u y u y sus correspodetes vectores recíprocos del Ejemplo -8 Los vectores recíprocos se puede utlzar para hallar la epresó de u vector co respecto a ua base dada. Supógase que se tee ua base,,..., del espaco V, por tato es posble epresar cualquer vector e V como Versó. - Abrl 98

10 CAPITULO : Aálss Matrcal α α + α + L + α (-8) Multplcado ambos térmos de esta ecuacó por el vector recíproco r Τ se obtee ( ) ( ) L ( ) Τ Τ Τ Τ r. α r + α r + + α r r ( ) α + + L+ α Τ Multplcado la ecuacó sucesvamete por r Τ, L, r Τ se obtee que e geeral α r Τ Luego la ecuacó -8 puede ser escrta como Τ ( ) r (-9) Ejemplo -9 Epresar el vector [- ] T e fucó de la base U dada e el Ejemplo -8. Desarrollado la ecuacó (-9) se tee Τ Τ r u + r u [ 3 ] u + [ ] u 7u + 3u.. Trasformacoes Leales Detro de las fucoes vectorales, es decr, aquellas fucoes dode tato la varable depedete como la depedete so vectores, este ua clase deomada trasformacó leal que es de gra utldad detro del aálss de sstemas de cotrol e el espaco de estado. E alguos tetos estas fucoes o trasformacoes se deoma geeradores leales. Sea V y W dos espacos vectorales y sea L ua fucó que a cada vector de V le asge u vector úco e W, etoces, se dce que L mapea o aplca V e W y se deota L: V W. Defcó - Ua fucó L: V W se dce que es ua trasformacó leal s para cualesquera vectores v y v e V y para todo escalar k se cumple que s Versó. - Abrl 98

11 CAPITULO : Aálss Matrcal etoces La ecuacó matrcal ( ) L v w ( ) ( ) ( ) L k v + k v k L v + k L v k w + k w A y (-) dode A es ua matrz (m), es u vector (m) y y es u vector (), es ua trasformacó leal: la matrz A trasforma el vector de u espaco m-dmesoal e u vector y de u espaco -dmesoal. Las trasformacoes leales o se reduce a este caso, llamado trasformacó matrcal, pero es el de mayor utlzacó e el aálss de sstemas leales, de aquí que se estude detalladamete a cotuacó. La ecuacó (-) o sempre tee solucó. Para coocer s este vectores solucó de esa ecuacó y determar cuatas solucoes lealmete depedetes se puede ecotrar es ecesaro troducr los coceptos presetados segudamete. Defcó - Cosdere la trasformacó de la ecuacó (-). Se deoma mage (o recorrdo) de A el cojuto de todos los vectores y de u espaco -dmesoal W para los cuales este al meos u vector e u espaco m-dmesoal V que satsface la ecuacó (-). Ejemplo - Sea la matrz A 4 U vector T y [ ] T [ ]. El vector y [ ] tal que y A este u vector tal que y A. ó perteece a la mage de A puesto que este u vector T o perteece a la mage de A ya que o La ecuacó (-) puede ser escrta e forma detallada como y a a L a y a a L a M M M y a a L a m m m m Versó. - Abrl 98

12 CAPITULO : Aálss Matrcal a a y M a + a a M a + L+ Es posble decr co base e esta últma ecuacó que la mage (o recorrdo) de A es el cojuto de todas las posbles combacoes leales de las columas de la matrz A. La mage de A costtuye u espaco vectoral detro de W (subespaco de W), por lo tato su dmesó es gual al mámo úmero de vectores lealmete depedetes e dcho subespaco. a a M a m m m Defcó - El rago r de ua matrz A es el mámo úmero de columas lealmete depedete e A, es decr, la dmesó de la mage (recorrdo) de A (dm R ( A)). Otra maera de defr el rago de A señala que r es el orde de la mayor submatrz de A cuyo determate es dferete de cero. Ejemplo - Determar el rago de las matrces A 3 B La mayor submatrz de A co determate o ulo es de orde ( ), por ejemplo. A lo que dca que el rago de A es r. Ya que B tee determate dferete de cero, la mayor submatrz de B que especfca su rago es ella msma, por lo tato el rago de B es r. Aalzado de otra maera: A tee columas lealmete depedetes, la tercera es combacó de las prmeras, metras que las columas de B so lealmete depedetes, esto coduce al msmo resultado r para ambas matrces. Se puede demostrar ([ 4 ], Pág. 83) que el mámo úmero de columas lealmete depedetes de ua matrz es gual al mámo úmero de flas lealmete depedetes. Luego, el rago de ua matrz puede ser calculado observado el úmero de relacoes leales de flas o columas etre sí. El cocepto de rago permte determar la esteca de solucoes de la ecuacó (-) por medo del teorema sguete. Versó. - Abrl 98

13 CAPITULO : Aálss Matrcal 3 Teorema - Cosdere la ecuacó (-). Dada la matrz A y cualquer vector y este u vector solucó de la ecuacó (-) s y sólo s el rago de A es gual a (al úmero de flas de A). Para la demostracó de este teorema reférase a [7], Pág. 3. Este u caso partcular de la ecuacó A y que merece ser estudado detalladamete: es el caso A que puede ser eteddo como ua trasformacó L: V W tal que a cada vector e el espaco m-dmesoal V, la trasformacó L le asga el vector e el espaco - dmesoal W. Defcó -5 Se deoma úcleo de A al cojuto de todos los vectores del espaco -dmesoal V para los cuales A. El úcleo de A es u subespaco de V, su dmesó se deoma uldad q dm ℵ( A). de A y se deota por la letra q ( ) Así pues, el úmero de vectores lealmete depedetes solucó de la ecuacó A está determado por la uldad q de la matrz A. S q etoces sólo estrá la solucó trval. Este ua relacó etre el rago y la uldad de toda matrz A la cual puede ser epresada por el sguete teorema. Teorema -3 (Teorema de la Dmesó) S A es ua matrz de orde (m) o () etoces ó Rago(A ) + Nuldad(A ) r + q Véase refereca [8] pág. 3 para la demostracó de este teorema. Ejemplo - Determar la uldad de la matrz 3 A La matrz A tee 3 columas (y flas) lealmete depedete, por ello, r3. Ya que 4 etoces Versó. - Abrl 98

14 CAPITULO : Aálss Matrcal 4 q - r 4-3 Este resultado dca que para la ecuacó A, usado la matrz A dada, sólo estrá u vector solucó de dcha ecuacó. La matrz A de las ecuacoes A y ó A se modfca cuado se camba la base del espaco vectoral utlzado. Cosdérese que los vectores y y de la ecuacó (-) está defdos co respecto a la base fudametal dcada e el Ejemplo -7. S se camba la base del espaco vectoral a u cojuto W ( w, w,...,w ). Por el Teorema - este ua matrz de trasformacó P o sgular tal que P w y P y w Susttuyedo estas epresoes e la ecuacó y A se tee ó P y w A P w falmete se puede escrbr y w P - A P w dode y w B w B P - A P La matrz B es la represetacó de A co respecto a la ueva base W. La ecuacó ateror se deoma Trasformacó de Semejaza y las matrces A y B se deoma semejates. Ejemplo -3 Hallar la matrz semejate de A epresada e fucó de la base W dode A W Usado el Teorema - P Z - W Supoedo que Z es la base fudametal, es decr Z I Versó. - Abrl 98

15 CAPITULO : Aálss Matrcal 5 P Ι W Luego B P AP es la matrz semejate buscada.3 Valores y Vectores Propos El estudo de los llamados valores y vectores propos es de suma mportaca cuado se aalza o dseña sstemas de cotrol e el espaco de estado. La faldad de dcho estudo es ecotrar ua ueva represetacó de A (matrz de plata) co respecto a ua ueva base costtuda precsamete por los vectores propos. Esa ueva represetacó es muy smple y fácl de aalzar y cotee la msma formacó cualtatva de la matrz A acerca del sstema. Utlzado las defcoes y teoremas presetados e las seccoes aterores se estudará ua trasformacó leal epresada como y A. Se requere ecotrar u vector tal que y sea proporcoal a, es decr, y dode es u escalar. Defcó -4 Sea A ua matrz real (). U valor de para el cual la ecuacó A (-) tee ua solucó o trval ( ), se deoma valor propo de la matrz A. E alguos tetos, e lugar del vocablo valores propos, utlza los térmos valores característcos, raíces latetes, egevalores o autovalores. La ecuacó (-) puede ser escrta como ( I ) A (-) Para que esta ecuacó tega ua solucó o trval se debe cumplr que el determate de la matrz (I - A), llamada Matrz Característca de A, sea gual a cero (véase Defcó -3), es decr I A (-3) El desarrollo de este determate es u polomo de orde e, llamado Polomo Característco de la matrz A y deotado como P(). La ecuacó (-3) o P() es llamada Ecuacó Característca de A. La forma geeral de esta ecuacó es Versó. - Abrl 98

16 CAPITULO : Aálss Matrcal 6 P( ) + a + L + a + a (-4) Las raíces de la ecuacó característca de A so precsamete los valores propos de A. Ya que A es ua matrz de elemetos reales, P() tedrá coefcetes a reales pero sus valores propos puede ser reales o complejos cojugados, dferetes o repetdos. Cuado u valor propo se repte m veces se dce que es de multplcdad m. Ejemplo -4 Ecuetre los autovalores de la matrz La matrz característca de A es ( I A) A + 3 I A + Los autovalores de A so, - y 3 P( ) ( )( + )( ) Ua propedad muy mportate de los valores propos de la ecuacó característcas radca e ser varates bajo trasformacoes de semejaza, esto sgfca que dos matrces semejates tee la msma ecuacó característca y, por supuesto, los msmos autovalores. Para demostrarlo, supógase dos matrces semejates A y B tal que B P - A P dode P es la matrz de trasformacó. La matrz característca de B es (I-B), pero El polomo característco de B será ( I B) ( I Ρ ΑΡ) ( Ρ I Ρ Ρ ΑΡ) ( ) Ρ Ι Α Ρ I B Ρ I A Ρ pero Versó. - Abrl 98

17 CAPITULO : Aálss Matrcal 7 Ρ Ρ I Luego I B I A Esta ecuacó dca la gualdad de los polomos característcos de A y B, y e cosecueca la de sus ecuacoes característcas y sus autovalores. Ya que etre todas las posbles represetacoes de u sstema sempre este relacoes de semejaza, las ecuacoes característcas y los autovalores de las matrces de plata de cada represetacó será sempre las msmas. Por esta razó, los dseños de sstemas de cotrol se realza e base a los autovalores o las ecuacoes característcas deseadas de ua forma de represetacó smple y luego se regresa, usado la trasformacó matrcal correspodete, a la represetacó matrcal orgal. Defcó -5 U vector, solucó de la ecuacó se deoma vector propo de A asocado al autovalor A (-5) Los térmos autovector, egevector y vector característco se utlza como sómo de vector propo. La ecuacó (-5) puede ser escrta como ( I ) A (-6) la cual represeta u cojuto de ecuacoes escalares. La solucó de ese sstema de ecuacoes homogéeas para cada correspode a la represetacó del vector propo. Podría supoerse que asocado a cada autovalor debe estr u vector propo pero esto o es ecesaramete váldo cuado este autovalores repetdos. Por esta razó, se acostumbra estudar calmete el caso de matrces co autovalores dferetes y luego el caso de matrces co autovalores repetdos..4. Matrces co Valores Propos dferetes. Dagoalzacó. Cosdérese ua matrz A de orde () co autovalores dferetes,,...,. La matrz característca (I - A) evaluada para cada autovalor es de rago - (debdo a la ecuacó (-3), I A ). Etoces el úmero de solucoes de la ecuacó ( I ) A (-7) es, segú el Teorema -3, gual a (q - r -(-)) lo cual dca que este u vector propo solucó de la ecuacó (-7) asocado a cada autovalor. Versó. - Abrl 98

18 CAPITULO : Aálss Matrcal 8 Teorema -4 S los autovalores de ua matrz A () so dferetes etoces los vectores propos correspodetes so lealmete depedetes y costtuye ua base. Demostracó: Por cotradccó. Supógase que los vectores propos so depedetes de tal maera que los vectores,,..., k sea depedetes y los vectores k+,..., sea depedetes de los prmeros. Etoces por la ecuacó (-) u vector propo s puede ser epresado como α ; s k +, L, s k dode o todos los α so guales a cero. Por otro lado y usado la ecuacó (-5) Luego A s s s k k s A α α k α A k α k ( ) α k α k s s α s Debdo a que o todos los α so guales a cero y ( - s ) por ser autovalores dferetes etoces el cojuto de vectores propos, es decr,,,..., k es depedete lo cual cotradce la suposcó y por lo tato el cojuto de vectores propos es lealmete depedete y costtuye ua base. Ejemplo -5 Determe los vectores propos de la matrz La ecuacó característca de A es 3 A Versó. - Abrl 98

19 CAPITULO : Aálss Matrcal ( Ι A) Luego ( ) ( )( ) Ρ Ι Α + + Los autovalores de A so -, - y 3 Los vectores propos se determa usado la ecuacó (-7) ( ) Ι Α de dode se obtee el sguete cojuto de ecuacoes 3 + ;, ; 3 3 Estas ecuacoes tee 3 cógtas, por ello se debe escoger arbtraramete ua de las cógtas, sempre y cuado. Tomado 3 se tee ( ) Ι Α, de dode + ; 3 3 ;, Escogedo 3 Versó. - Abrl 98

20 CAPITULO : Aálss Matrcal ( ) Ι Α de dode 3, ; 3 3 La cógta 3 o aparece e las ecuacoes y se escoge també arbtraramete pero dferete de cero, por coveeca 3. Luego 3 3 S es solucó de la ecuacó (-7) etoces K, dode K es u escalar, també será solucó de dcha ecuacó; s embargo, se escoge ua solucó ya que sólo este u vector propo para cada. E alguos casos, se acostumbra ormalzar los vectores propos (véase Defcó -7) para evtar cofusoes. Es coveete escoger los vectores propos de maera que posea la mayor catdad posble de ceros y uos pero s dejar de ser lealmete depedetes, esto co la faldad de facltar cálculos posterores. Auque todo lo epresado hasta el mometo e esta seccó es váldo para toda matrz co autovalores dferetes vale la pea estudar el caso partcular de las matrces smétrcas puesto que será útl posterormete coocer alguas de sus propedades. Teorema -5 Los valores propos de ua matrz real smétrca so todos reales (Véase[3]). Teorema -6 Los vectores propos asocados a los valores propos dferetes de ua matrz real smétrca forma u cojuto ortogoal. Versó. - Abrl 98

21 CAPITULO : Aálss Matrcal Demostracó: S los vectores propos y de ua matrz real smétrca A so ortogoales se debe Τ cumplr que. S los autovalores correspodetes so y,, etoces A A S la prmera ecuacó se traspoe y posmultplca por y s la seguda se premultplca Τ por se obtee Τ Τ Τ Α Τ Τ Α pero A T A por ser ua matrz smétrca, por cosguete de dode Τ Τ Α Τ ( ) Τ ya que, esto mplca que Τ, es decr, y so ortogoales. Ejemplo -6 Cosdere la matrz real smétrca La matrz característca de A es ( Ι Α) Α co I - A ( - ). Se tee etoces y. Usado ( I ) A Versó. - Abrl 98

22 CAPITULO : Aálss Matrcal ó + Luego Para ( Ι Α) ó Luego Τ Τ Se verfca que Se ha mecoado que los vectores propos asocados a los autovalores dferetes de ua matrz A costtuye ua base. Ua matrz o sgular M, llamada Matrz Modal, formada por los vectores propos de A colocados como columas, permte obteer ua matrz semejate a la matrz A, o sea, la represetacó de A co respecto a esa ueva base. La ueva represetacó de A es ua matrz dagoal co los elemetos de su dagoal prcpal guales a los autovalores de A. El sguete teorema resume estos plateametos. Teorema -7 S ua matrz A de orde () posee autovalores dferetes,,...,, etoces, A puede ser dagoalzada, es decr, trasformada e ua matrz dagoal Λ por medo de la ecuacó Λ Μ ΑΜ O (-8) Versó. - Abrl 98

23 CAPITULO : Aálss Matrcal 3 dode M es la matrz modal formada por los vectores propos,,..., Demostracó: [ L ] M (-9) Sea,,..., los vectores propos asocados a los autovalores,,...,,de maera que se cumple A. Etoces A M A[ L ] A M [ A A L A ] [ L ] A M AM [ L ] O A M M Λ ó Λ M A M Ejemplo -7 Cosdere la matrz A del Ejemplo -5. Tomado los valores propos allí calculados se forma la matrz modal Μ [ ] 3 Luego Λ Μ ΑΜ Versó. - Abrl 98

24 CAPITULO : Aálss Matrcal 4 Cosderado el caso de u sstema forzado descrto por las ecuacoes matrcales FE & Α + Βu y C (-) dode es el vector de estado (); u es el vector de etradas (r); y el vector de saldas (m); A es ua matrz () co autovalores dferetes; B y C so matrces de orde (r) y () respectvamete. Es posble utlzar la matrz modal M asocada a la matrz A, para ua trasformacó leal de la forma M q (-) dode q es u uevo vector de estado. Aplcado esta trasformacó a las ecuacoes (-) se tee Premultplcado la prmera ecuacó por M - Falmete puede escrbrse Μ &q Α Μ q + Βu y CΜ q &q Μ Α Μ q + Μ Βu y CΜ q &q Λ q + Β u y C q (-) dode Λ M - A M, B M - B y C C M Las ecuacoes (-) se cooce como represetacó e la Forma Normal (FN) del sstema de ecuacó (-). Las uevas varables q, q,.., q, está desacopladas es decr, su ecuacó es de la forma &q q + b u dode se observa su depedeca co respecto al resto de las varables. Ejemplo -8 Obteer la represetacó e la Forma Normal (FN) del sstema descrto por las ecuacoes Versó. - Abrl 98

25 CAPITULO : Aálss Matrcal 5 & + u y [ ] Calculado los autovalores de A se obtee, y 3 3. La matrz modal correspodete es Μ ; Μ / / / / Luego Λ Μ Α Μ 3 b Μ b Τ Τ [ ] c c Μ / / La represetacó ormal será &q Λ q + b u Τ y c q S la represetacó dada e la ecuacó (-) correspode la FCC la matrz del sstema tedrá la estructura sguete Α c L L M M M L M L a a a3 L a dode los a so los coefcetes de la ecuacó característca ( ) Ρ + a + L + a + a Versó. - Abrl 98

26 CAPITULO : Aálss Matrcal 6 S las raíces de esta ecuacó so,,...,, todos dferetes y sedo a su vez los autovalores de A c, etoces los vectores propos asocados estará defdos por la ecuacó por cosguete de dode se obtee ( ) I A c L L M M M L M L a a a3 L + a 3 ( ) M ( ) a + a + L+ ( + a ) M Las prmeras (-) de estas ecuacoes so lealmete depedetes y tee cógtas. Asgado y susttuyedo este valor e las (-) ecuacoes se obtee M (-3) Para cada autovalor estrá u vector de la forma dcada y la matrz modal correspodete será L L Μ L M M L M L (-4) Versó. - Abrl 98

27 CAPITULO : Aálss Matrcal 7 Este tpo de matrz se cooce como Matrz de Vadermode y permte calcular rápdamete los vectores propos asocados a ua matrz A c co autovalores dferetes, como la dcada calmete. Ejemplo -9 Obteer la matrz modal correspodete a la matrz A c 6 5 La ecuacó característca de A c se deduce a partr de su últma fla 3 P( ) 5+ 6 P( ) ( ) ( + ) ( 3) Luego, - y 3 3, y por cosguete Μ Matrces co Valores Propos Repetdos. Forma Caóca de Jordá. E esta seccó se estudará el caso de ua matrz A de orde co autovalores repetdos o de multplcdad m. Asocado a cada autovalor dferete sempre estrá u vector propo asocado solucó de la ecuacó (-6). S embargo, para u autovalor de multplcdad m (repetdo m veces), la uldad q de la matrz característca ( I - A) puede ser gual o meor que m, esto dca que sólo es posble hallar u úmero q de vectores propos asocados a. E el caso q m se podrá hallar tatos vectores propos como veces aparezca repetdo el autovalor, pero s q < m sólo se hallará q vectores propos solucó de la ecuacó (-6). Ejemplo - Hallar los vectores propos correspodetes a la matrz Se forma la matrz característca A Versó. - Abrl 98

28 CAPITULO : Aálss Matrcal 8 ( Ι Α) Las raíces de la ecuacó característca I - A so, y 3, es decr de multplcdad m y 3 3. Luego ( Ι Α) es de rago r, su uldad será q - r que es gual a m, por lo tato estrá vectores propos asocados al autovalor solucó de la ecuacó ( Ι Α) de la cual se obtee dos solucoes depedetes ; Para 3 3 se tee 3 Ejemplo - Dada la sguete matrz, calcular sus vectores propos La matrz característca es 3 3 A Versó. - Abrl 98

29 CAPITULO : Aálss Matrcal 9 co I A ( ) ( Ι Α) +. Esta matrz posee u autovalor - de multplcdad m3. Además 3 ( Ι Α) es de rago r. Luego q - r, es decr, este sólo u vector propo asocado a -. La solucó de la ecuacó para - es ese vector propo ( I ) A E matrces smétrcas co autovalores repetdos m veces es posble hallar m vectores propos ya que e tales matrces se cumple que mq dode q es la uldad de la matrz característca evaluada para el autovalor repetdo. Los vectores propos se calcula utlzado la propedad de ortogoaldad de autovectores asocada a matrces smétrcas (Teorema -6) la cual sgue sedo válda e el caso de autovalores repetdos. Ejemplo - Hallar los vectores propos asocados a la matrz smétrca La matrz característca es ( Ι Α) de dode se obtee la ecuacó característca Α 3 3 Versó. - Abrl 98

30 CAPITULO : Aálss Matrcal 3 ( ) ( ) P( ) I A 3 cuyas raíces so 3 y 3. Para 3 de multplcdad m se puede hallar vectores propos solucó de la ecuacó Para 3 se tee ( I ) A 3 () o be 3 Asgado y (por coveeca) se tee U segudo vector solucó de () debe ser ortogoal a y satsfacer smultáeamete la ecuacó Τ 3 [ ] Ua escogeca posble que satsface ambas codcoes es Para 3 el vector propos asocado es 3 Versó. - Abrl 98

31 CAPITULO : Aálss Matrcal 3 Cuado se cosdera ua matrz A co autovalores repetdos y de gual maera que e el caso de autovalores dferetes, es ecesaro hallar ua ueva base para la trasformacó de A e ua matrz semejate más fácl de mapular y aalzar. La ueva matrz semejate a ua matrz A co autovalores repetdos se cooce como Forma Caóca de Jordá o Forma de Jordá (FJ) y se desga por la letra J. La forma de Jordá tee las sguetes característcas.. Los elemetos de la dagoal prcpal so los valores propos de A (o de J, por ser matrces semejates).. E la (super) dagoal que se ecuetra por ecma de la dagoal prcpal y asocada a autovalores repetdos puede estr uos o ceros ( ó ). 3. El resto de los elemetos so ceros Dos ejemplos de formas de Jordá so las sguetes J J E ambos ejemplos se observa bloques o submatrces (lmtados por líeas puteadas) e cuya dagoal prcpal este autovalores repetdos y sólo hay uos medatamete por ecma de ellos, a ecepcó de los bloques de orde. Estos bloques se deoma bloques de Jordá y su forma geeral es, para el k-ésmo bloque asocado al autovalor. J k L L M O O M M M M O L (-5) La forma de Jordá geeral, epresada e fucó de los bloques de Jordá es Versó. - Abrl 98

32 CAPITULO : Aálss Matrcal 3 J J ( ) J ( ) O (-6) Jk( ) Jkr ( ) El úmero de bloques asocado a u autovalor de multplcdad m es gual a la uldad q de la matrz ( I-A) y por lo tato, gual al úmero de vectores propos asocados a. De hecho, este u vector propo asocado a cada bloque de Jordá. Ahora be, es ecesaro dspoer de vectores lealmete depedetes para costrur ua ueva base y q puede ser gual o meor que m. S q < m, los vectores propos o so sufcetes para costrur esa base y se recurre a los vectores propos geeralzados. Teorema -8 Este u bloque de Jordá de orde k asocado a u valor propo s y sólo s los k vectores lealmete depedetes,,, k (vectores propos geeralzados) satsface las ecuacoes Demostracó ( Ι Α) ( Ι Α) ( Ι Α) k k M (-7) Cosdérese ua matrz A de orde (kk) co u autovalor de multplcdad m y supógase que la uldad de ( I-A) es gual a. La forma de Jordá J tedrá u úco bloque de orde k. J L L L M M M O L L Se requere hallar ua matrz de trasformacó T tal que se cumpla la relacó de semejaza T - A T J (-8) Versó. - Abrl 98

33 CAPITULO : Aálss Matrcal 33 ó base A T T J (-9) La matrz T estará costtuda por vectores lealmete depedetes que costtuye ua Τ [ L k ] (-3) Luego a partr de la ecuacó (-9) se obtee [ L ] [ L ] Α y por cosguete k Α Α + M Α k k + k a partr de estas ecuacoes se llega a las ecuacoes (-7) k L L L M M M O M L Es posble coocer de atemao el úmero de bloques de Jordá de ua matrz J, pero cuado se trabaja co matrces de orde elevado (>4) el orde de los bloques puede ser dfícl de determar. E tales casos se debe recurrr a u procedmeto de esayo y error basado e el Teorema de la Dmesó (Teorema -3): Se aplca este teorema a cada bloques y sólo se hallará solucó a las ecuacoes (-7) s el bloque del cual se partó es del orde correcto. Ejemplo -3 Determe la forma de Jordá correspodete a la matrz A del Ejemplo -. Como se calculó e el Ejemplo -, los autovalores de A so, y 3. Además la uldad de la matrz (I-A) evaluada para es q, lo cual dca que este bloques asocados a. Para 3 estrá, por supuesto, u bloque. Luego la matrz de Jordá correspodete es J 3 Versó. - Abrl 98

34 CAPITULO : Aálss Matrcal 34 Ejemplo -4 Determe los vectores propos geeralzados y la matrz J correspodete a la matrz A del Ejemplo -. Se tee - de multplcdad m 3. Por otro lado, q lo que se traduce e bloque de Jordá asocado a -. La forma de Jordá es J Obsérvese que J está costtuda por u úco bloque 33, por ello los vectores propos geeralzados correspode a la solucó de las 3 prmeras ecuacoes (-7). Así se tee ) ( I ) A La solucó de esta ecuacó es el vector propo calculado e el ejemplo (-) I A ) ( ) 3 3 ó 3 Luego I A 3 ) ( ) Versó. - Abrl 98

35 CAPITULO : Aálss Matrcal 35 ó Luego Ejemplo -5 Hallar las matrces J y T correspodetes a La matrz característca es Α 3 ( Ι Α) 3 La ecuacó característca será P() I-A (-) 4. Etoces este u autovalor de multplcdad m 4. Evaluado (I-A) para este autovalor se tee ( Ι Α) Esta matrz es de rago r y su uldad es q-r. La forma de Jordá debe coteer bloques. Esto coduce a las sguetes dos alteratvas Versó. - Abrl 98

36 CAPITULO : Aálss Matrcal 36 J ó J La forma correcta se determa por esayo y error. Para ello, se parte de cualquera de las alteratvas. Tomado J la cual tee bloques de orde, se debe aplcar las prmeras ecuacoes (-7) para cada bloque. Así, para el prmer bloque ) ( I ) A, de dode se tee La estructura geeral del prmer vector es y so arbtraros pero o puede ser ceros smultáeamete. I A ) ( ) Esto coduce a La formas geerales de y será etoces ; + Para el segudo bloque, los vectores 3 y 4 tedrá ua estructura smlar de y respectvamete, ya que las ecuacoes (-7) correspodetes so de uevo las prmeras, es decr. Versó. - Abrl 98

37 CAPITULO : Aálss Matrcal 37 ) ( I ) A 3 I A 3 ) ( ) por cosguete ; S embargo, o es posble asgar valores para teer 4 vectores lealmete depedetes. De aquí que la forma J o es la correcta y se debe aalzar J. Para el bloque (33) de J se utlza las 3 prmeras ecuacoes (-7) las prmeras proporcoa el resultado ya coocdo. ; + La tercera ecuacó es I A 3 ) ( ) de dode y además Asgado valores arbtraros, co la salvedad de obteer u cojuto de vectores lealmete depedete, se llega ; ; 3, 5 Versó. - Abrl 98

38 CAPITULO : Aálss Matrcal 38 Para el bloque de orde de J se tee Ua solucó de esta ecuacó es ( I ) A 4 4 Luego se agrupa los 4 vectores para formar y la forma de Jordá correcta es Τ, 5 J Cosdérese el caso de u sstema descrto por las ecuacoes matrcales FE & A + B u y C (-3) dode A es de orde () co autovalores repetdos. La matrz de trasformacó T puede ser utlzada para obteer u uevo vector de estado z usado la ecuacó T z (-3) Aplcado esta trasformacó a las ecuacoes FE dadas se tee - &z T A T z + T Bu y CT z Dado que T - A T J y hacedo B j T - B y C j C T se puede escrbr Versó. - Abrl 98

39 CAPITULO : Aálss Matrcal 39 &z J z + B u y C z j j (-33) Estas ecuacoes se cooce como represetacó e la forma de Jordá. Las uevas varables z está parcalmete desacopladas, esto sgfca que su ecuacó es de la forma lo cual faclta su aálss. &z z + z + b u + Ejemplo -6 Trasforme la sguete represetacó FE represetacó e la forma de Jordá de u sstema a su correspodete & + u 3 y [ ] Se puede comprobar que la forma de Jordá para matrz A es J y la matrz de trasformacó es T luego, la represetacó buscada será &z z + u y z [ ] Versó. - Abrl 98

40 CAPITULO : Aálss Matrcal 4 dode Cuado la matrz A de la ecuacó (-3) correspode a varables de fase, se tee A A c Α c L L M M M L M a a a3 L a (-34) S A c tee u autovalor de multplcdad m y el resto de sus autovalores, 3,, k so dferetes etoces se puede demostrar (Véase [4], Pág. 6) que la matrz de trasformacó T es la matrz de Vadermode Modfcada la cual se represeta como Τ L L L L k L L k L 3 L 3 k M M M M M M ( ) ( ) d d d m ( ) L d d m d k!! (-35) Obsérvese que la seguda columa de T es la dervada co respecto a de la prmera; la tercera columa es la dervada de la seguda dvdda por!, y así sucesvamete hasta completar m columas para el autovalor. E la forma de Jordá correspodete a A c asocado al autovalor repetdo estrá u bloque de orde m, es decr J M O M O k Versó. - Abrl 98

41 CAPITULO : Aálss Matrcal 4 Ejemplo -7 Obteer las matrces J y T correspodete a De la últma fla de A c se deduce A c 4 P( ) + P( ) ( + ) ( ) Los autovalores será de multplcdad m y - també co m. Las matrces peddas será J Τ Nótese que para cada autovalor repetdo aparece e J u bloque de orde m y e T este m columas e la secueca e dervacó dcada e (-35)..6. Respuesta del Sstema e fucó de los Modos E la mecáca clásca, se deoma modo de vbracó a certas vbracoes de los sstemas alrededor de u puto de equlbro. Esas vbracoes so de tpo susodal y está caracterzadas por su frecueca y se dce que la respuesta de los sstemas leales debda sólo a las codcoes cales es ua superposcó de los modos de vbracó. El cocepto de modo puede ser eteddo a otros tpos de sstemas o mecácos utlzado los coceptos estudados e las seccoes aterores. Esta terpretacó modal sólo será aalzada aquí para el caso de sstemas co autovalores reales dferetes pero puede ser estudado para casos mas geerales (Véase [], Pág ). Versó. - Abrl 98

42 CAPITULO : Aálss Matrcal 4 Cosdérese el sstema autóomo (u ) descrto por la ecuacó de estado & Α (-36) co u vector de codcoes cales () y dode es el vector de estado () y A es ua matrz () co autovalores dferetes. La solucó de la ecuacó (-36) es u vector ( t), es decr, la epresó e el tempo del vector de estado y como todo vector del sstema puede ser represetado como u combacó úca de los vectores propos de A de la forma dcada e la ecuacó (-). ( ) ( ) t α t u (-37) dode u so los vectores propos ormalzados de A. Evaluado la ecuacó ateror para t se tee ( ) α ( ) u y se puede escrbr, usado los vectores recíprocos de u pero Luego α ( ) r Τ ( ) Para calcular los α ( t) de la ecuacó (-37), se susttuye ésta e la ecuacó (-36). De dode se deduce que α& ( t) u Α α ( t) u α ( t) Α u A u u ( ) ( ) &α t u α t u &α ( t) α ( t) La solucó de esta ecuacó es Versó. - Abrl 98

43 CAPITULO : Aálss Matrcal 43 Susttuyedo e (-37) se llega a α [ ] t t ( t) e α ( ) e r T ( ) [ ] t T ( ) ( ) t e r u (-38) El térmo e t represeta el -ésmo modo del sstema y la ecuacó (-38) represeta ua superposcó de todos los modos del sstema de ecuacó (-36). [ ] També de la ecuacó (-38) se deduce que la ectacó r ( ) T de cada modo depede solamete de las codcoes cales y que cada modo se ecta depedetemete de los otros modos. Para el caso cuado () es proporcoal a u vector propo ormalzado u se tee que la r T será ula s j y sólo se ectará el modo e t. [ ] ectacó ( ) Ejemplo -8 Para el sstema descrto por la ecuacó de estado autóomo & ; o 6 5 ( ) Hallar la epresó para (t) debda a las codcoes cales dadas. Los autovalores de A so - y -3. Por tratarse de ua represetacó FCC se tee que los vectores propos so ; 3 Ua vez ormalzados estos vectores se obtee u 5 ; 5 u 3 Usado la defcó -9, se calcula los vectores recíprocos r Τ [ 3 5 5] ; r [ ] Τ Versó. - Abrl 98

44 CAPITULO : Aálss Matrcal 44 Falmete, usado la ecuacó (-39) se cosgue t 5 3t ( ) [ ] + [ ] t e e 5 3 t 4 ( t) e e 8 + 3t t 3 e e t e 8e 3t 3 t Versó. - Abrl 98

45 CAPITULO : Aálss Matrcal 45 PROBLEMAS P- Calcular los valores y vectores propos así como la matrz dagoal correspodetes a las sguetes matrces a) Α c) Α b) Α d) Α 4 5 P- Calcule los valores y vectores propos asocados a las matrces smétrcas dcadas a cotuacó: 4 a) Α b) Α P-3 Determe la forma caóca de Jordá y la matrz de trasformacó T correspodete a cada ua de las sguetes matrces a) Α c) Α 4 e) Α b) Α d) Α 3 f) Α Versó. - Abrl 98

46 CAPITULO : Aálss Matrcal 46 P-4 Obtega la represetacó e la forma ormal o e la forma de Jordá, segú correspoda, de las sguetes represetacoes FE a) b) c) & + u 4 3 y [ ] & + u 3 y [ ] & + u y P-5 Hallar la epresó para y(t) e fucó de los modos del sstema descrto por las ecuacoes FCC & y Α c c c [ ] Los autovalores de A c so, y - y el vector de codcoes cales es c c ( ) 3 3 Versó. - Abrl 98

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices Tema V DIAGONALIZACIÓN POR TRANSFORMACIONES DE SEMEJANZA Objetvos Presetar los coceptos de autovalor y autovector, los cuales tee gra mportaca e las aplcacoes práctcas (tato es así, que podría decrse que

Más detalles

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector. Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Espacios con producto interior

Espacios con producto interior Espacos co producto teror [Versó prelmar] Prof. Isabel Arrata Z. Algebra Leal E esta udad, todos los espacos ectorales será reales Sea V u espaco ectoral sobre. U producto teror (p..) e V es ua fucó

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

AUTOVALORES MANUEL HERVÁS CURSO ENDOMORFISMOS 1

AUTOVALORES MANUEL HERVÁS CURSO ENDOMORFISMOS 1 AUTOVALORES MANUEL HERVÁS CURSO 0-0 ENDOMORFISMOS INTRODUCCIÓN Los problemas que volucra a los valores propos va asocados, e geeral, a feómeos de establdad: Dámca, como la frecueca de resoaca de u sstema

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

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

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

Problemas discretos con valores iniciales

Problemas discretos con valores iniciales Problemas dscretos co valores cales Gustavo Adolfo Juarez Slva Iés Navarro El presete trabajo pretede dfudr problemas dscretos co valores cales (e adelate PVID), a partr de ecuacoes e dferecas leales co

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

Interpolación polinómica.

Interpolación polinómica. 5 Iterpolacó polómca Itroduccó E muchas ocasoes e dferetes ramas de la geería, a la hora de resolver u problema, los datos de que se dspoe se ecuetra e tablas, como por ejemplo tablas estadístcas E la

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

Décimo primera clase. Repaso de álgebra lineal

Décimo primera clase. Repaso de álgebra lineal Uversdad Dstrtal Fracsco José de Caldas - Aálss de Señales y Sstemas - Marco A. Alzate Décmo prmera clase. Repaso de álgebra leal El álgebra leal juega u papel fudametal e la teoría de señales y sstemas,

Más detalles

CAPITULO 2º VECTORES Y ESPACIOS VECTORIALES - 1. Ing. Diego A. Patiño G. M.Sc., Ph. D.

CAPITULO 2º VECTORES Y ESPACIOS VECTORIALES - 1. Ing. Diego A. Patiño G. M.Sc., Ph. D. CAPITULO º VECTORES Y ESPACIOS VECTORIALES - Ig. Dego A. Patño G. M.Sc., Ph. D. Vectores Efoque mecáco: defcó asocada a magtud y dreccó. Sgfcado físco. Restrgdo a 3 dmesoes. E. elocdad, aceleracó, campo

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Unidad 2. Reactores Continuos

Unidad 2. Reactores Continuos Reactores Químcos: Udad Udad Reactores otuos Reactores cotuos so aquellos e los cuales, de maera cotua, se almeta los reactvos y també, de maera cotua se extrae los productos Detro de esta clasfcacó, de

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També

Más detalles

Introducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web:

Introducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web: Itroduccó al Algebra Leal e Cotexto Autor José Arturo Barreto M.A. Web: www.abaco.com.e www.mprofe.com.e josearturobarreto@yahoo.com Descomposcó e Valor Sgular (SVD: Sgular Value Decomposto) El sguete

Más detalles

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( ) Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R

Más detalles

( ) ( ) ( )( ) ( )( ) ( )

( ) ( ) ( )( ) ( )( ) ( ) Oetvos El alumo coocerá aplcará y comparará alguos métodos de terpolacó umérca de ucoes. Al al de esta práctca el alumo podrá:. Oteer ua ucó que cotega u couto dado de putos e u plao utlzado los métodos

Más detalles

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal GUÍA DE EJERCICIOS Área Matemátca Álgebra leal Resultados de apredzaje. Recoocer exsteca de subespaco vectoral. Cotedos 1. Espacos vectorales. 2. Subespacos vectorales. Debo saber Se debe recordar que

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

SISTEMAS DE ECUACIONES NO LINEALES

SISTEMAS DE ECUACIONES NO LINEALES SISTEMAS DE ECUACIONES NO INEAES Capítulo 7 Sstemas de ecuacoes o leales c Elzabeth Vargas 7 INTRODUCCIÓN os métodos teratvos para resolver ua ecuacó o leal se puede eteder para ecotrar la solucó de u

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

J O. = r i. por el vector unitario k cuya dirección y sentido son los del semieje positivo OZ:

J O. = r i. por el vector unitario k cuya dirección y sentido son los del semieje positivo OZ: aletos ísca para Cecas e Igeería 1.1 1.1 Cocepto de sóldo rígdo Al comeo del estudo de la Mecáca, vmos que u sóldo rígdo es u caso partcular de u sstema de partículas materales que se caractera por ser

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Transparencias de clase

Transparencias de clase Trasparecas de clase Dada ua tabla de datos se ha de ecotrar ua ucó que tome los valores requerdos e los putos dados; e el caso que os ocupa la ucó buscada será de carácter polómco Teorema: El polomo de

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 Pruebas estadísticas para los números pseudoaleatorios Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN 0.3. Cojutos abertos y cerrados.3 TOPOLOGÍA BÁSICA EN R El espaco eucldeao dmesoal se defe como: E ( R,,, d ) Dode (asumedo que X, Y R, co X = (x,..., x ), Y = (y,..., y )): El símbolo represeta el producto

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordacó de Cecas Computacoales - INAOE Matemátcas Dscretas Cursos Propedéutcos 0 Cecas Computacoales INAOE Dr. Erque Muñoz de Cote jemc@aoep.m http://ccc.aoep.m/~jemc Ofca 80 Dapostvas basadas e prevas

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

ANTES DE COMENZAR RECUERDA

ANTES DE COMENZAR RECUERDA ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

Capítulo 2 Sistemas Multi-Maquinas -Planteamiento-

Capítulo 2 Sistemas Multi-Maquinas -Planteamiento- LC-3054 Sstemas de Poteca II Capítulo Sstemas Mult-Maquas -Plateameto- Prof. Fracsco M. Gozález-Logatt fglogatt@eee.org http://www.gaelec.org/fglogatt/sp.htm SISTMAS D POTNCIA II stabldad Mult-Maquas Fracsco

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES 1. ESPACIOS LINEALES. x = x x L. ε es el elemento neutro de la ley del producto ( )

MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES 1. ESPACIOS LINEALES. x = x x L. ε es el elemento neutro de la ley del producto ( ) ÉTODOS ATEÁTICOS TEA 0: REPASO ÁLGEBRA ESPACIOS DE HILBERT Y OPERADORES LINEALES Profesora: ª Cruz Boscá ESPACIOS LINEALES Espaco leal L sobre u cuerpo (comutatvo) Λ U espaco leal (o vectoral) L sobre

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

FUNCIONES ALEATORIAS

FUNCIONES ALEATORIAS Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E wwwovauedes/webpages/ilde/web/dexhtm e-mal: mozas@elxuedes TEMA PROAILIDAD SUCESOS Exste feómeos o expermetos que, repetdos e détcas codcoes, sempre proporcoa el msmo resultado, a los que llamaremos determstas,

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles