Sobre la estabilidad globalmente asintótica de sistemas singulares no lineales
|
|
- Julio Pereyra Ferreyra
- hace 6 años
- Vistas:
Transcripción
1 XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, septiembre 2009 (pp. 1 8) Sobre la estabilidad globalmente asintótica de sistemas singulares no lineales B. Cantó, C. Coll, E. Sánchez Instituto de Matemática Multidisciplinar, Universidad Politécnica de Valencia, Camino de Vera s/n, Valencia. s: bcanto@mat.upv.es, mccoll@mat.upv.es, esanchezj@mat.upv.es. Palabras clave: sistema singular, sistema no lineal, estabilidad globalmente asintótica, Lyapunov Resumen En este trabajo se estudia el problema de la estabilidad global para sistemas singulares no lineales. Para ello se utiliza la definición de estabilidad asintótica según Lyapunov. Los resultados obtenidos son una generalización de dicho problema para el caso de sistemas no lineales estándar. 1. Preliminares Por lo general, los modelos matemáticos que representan procesos atmosféricos, ecológicos, de ingeniería, biológicos y económicos son sistemas no lineales. Uno de los problemas más importantes en el estudio de modelos es la estabilidad del proceso. En el caso de sistemas lineales es conocido que si el sistema es asintóticamente estable, la estabilidad asintótica se mantiene para todos los estados. Desafortunadamente en el caso no lineal, esto no es suficiente, y es cuando aparece el concepto de estabilidad globalmente asintótica, [1] y [5]. Recientemente varios autores han tratado estos temas, pero sólo unos pocos trabajos generalizan estos resultados para los sistemas singulares no lineales. En este trabajo se estudia el concepto de estabilidad global que juega un importante papel en los problemas referentes a la estabilización de los sistemas en su forma espacioestado. Para ello se aplica la teoría de estabilidad de Lyapunov. Se resuelve el problema para distintas clases de sistemas no lineales, aportando ejemplos numéricos con el fin de ilustrar los resultados obtenidos. A continuación introducimos algunas definiciones y propiedades que se usan a lo largo del trabajo. Consideramos un sistema singular no lineal dado por 1
2 B. Cantó, C. Coll, E. Sánchez Ex(k + 1) = f (x(k)), k N (1) donde E R n n es una matriz singular, x(k) R n representa el estado y f : R n R n es una función continuamente diferenciable en R n. Se dice que un vector x R n es un punto de equilibrio del sistema (1) si verifica que Ex = f(x ). Si se denota por x 0 el estado inicial, se pueden extender las definiciones habituales de estabilidad para el caso estándar, dadas en [4], al caso singular. Definición 1.1 Consideramos el sistema (1). i) El punto de equilibrio x de (1) es estable si dado ɛ > 0, existe δ = δ(ɛ) > 0 tal que x 0 x < δ entonces x(k) x < ɛ, para todo k 0. Dicho punto de equilibrio es inestable si no es estable. ii) El punto de equilibrio x de (1) es atractor si µ = µ(0) tal que x 0 x < µ entonces lím k x(k) = x. iii) El punto de equilibrio x de (1) es asintóticamente estable si es estable y atractor. La región donde se verifica la propiedad de estabilidad asintótica se llama dominio de atracción. La propiedad de estabilidad, en el sentido de Lyapunov, se da en términos de las matrices definidas. Una matriz A R n n es (semi) definida positiva si es simétrica y x T Ax > 0 ( x T Ax 0 ) para todo x R n distinto de cero. El término (semi) definida negativa significa que A es (semi) definida positiva. Denotamos por A > 0 (A 0) donde A es una matriz (semi) definida positiva y por A < 0 (A 0) donde A es una matriz (semi) definida negativa. El concepto de función de Lyapunov se muestra en la siguiente definición. Definición 1.2 Sea V : R n R una función de valores reales. El decremento de la variación de V relativo al sistema se define como V (x(k)) = V (x(k + 1)) V (x(k)). La función V es una función de Lyapunov si V es continua y el decremento V (x) 0. En [4] aparece un resultado sobre el análisis de la estabilidad del punto de equilibrio cuando el sistema considerado es estándar, es decir, E = I. Teorema 1.1 Si V es una función de Lyapunov para el punto de equilibrio x y satisface V (x ) = 0 y V (x) > 0, entonces x es estable. Si, además, V (x) < 0, siempre que x x, entonces x es asintóticamente estable. Cuando el sistema a estudiar es un sistema lineal singular dado por Ex(k + 1) = Ax(k) con E, A R n n, la respuesta del puede darse en términos de los valores propios generalizados (finitos e infinitos) del par (E, A). Para asegurar que el sistema admite solución necesitamos la propiedad de regularidad del par (E, A). En la siguiente definición recogemos los conceptos básicos para un par de matrices (para más detalles, ver [2] y [7]). 2
3 Estabilidad globalmente asintótica Definición 1.3 Consideramos el par (E, A). Este es regular si det(λe A) 0, es causal si grado(det (λe A)) = rg(e), es Schur estable si es regular y todos sus valores propios se encuentran en el interior del círculo unidad en el plano complejo. Y finalmente, el par (E, A) es admisible si es regular, causal y Schur stable. El siguiente resultado sobre la estabilidad del par (E, A) se encuentra en [9]. Teorema 1.2 Si el par (E, A) es admisible entonces para cada matriz (semi) definida positiva Q la ecuación A T P A E T P E = Q (2) tiene una única solución (semi) definida positiva P. Inversamente, si existen dos matrices definidas positivas P y Q que satisfagan (2), entonces el par (E, A) es admisible. Además, usando la función generalizada de Lyapunov, (ver [8]), dada por V (x) = x T E T P Ex, se obtiene el siguiente resultado (ver [3] y [10] ). Teorema 1.3 El par (E, A) es admisible si y sólamente si existe una matriz simétrica invertible P tal que E T P E es una matriz semidefinida positiva y A T P A E T P E es una matriz definida negativa. 2. El problema de la estabilidad globalmente asintótica Si la estabilidad asintótica se mantiene para todos los estados iniciales, es decir, si la trayectoria converge en el punto de equilibrio, entonces se obtiene el concepto de estabilidad globalmente asintótica. Dicho concepto queda formalizado en la siguiente definición. Definición 2.1 El punto de equilibrio x de (1) es globalmente asintóticamente estable si es asintóticamente estable y el dominio de atracción es todo el espacio R n. Si el sistema es estándar (E = I) y x es asintóticamente estable entonces la estabilidad del sistema es global. Este no es el caso del sistema no lineal, donde es necesario añadir alguna condición a la función de Lyapunov. Teorema 2.1 [4] Si V es una función de Lyapunov para el punto de equilibrio x del sistema x(k + 1) = f(x(k)) que satisface V (x ) = 0 y V (x) > 0, V (x) < 0, siempre que x x, y V (x) cuando x, entonces x es globalmente asintóticamente estable. En este trabajo estudiamos los sistemas singulares no lineales dados por Ex(k + 1) = f (x(k)). Si rg(e) = n 1 < n entonces, sin pérdida de generalidad, este sistema puede escribirse como ( ) ( ) ( ) In1 O x1 (k + 1) f1 (x(k)) = (3) O O x 2 (k + 1) f 2 (x(k)) 3
4 B. Cantó, C. Coll, E. Sánchez donde x 1 (k) R n 1, x 2 (k) R n 2, f 1 : R n R n 1 y f 2 : R n R n 2, n 1 + n 2 = n, son funciones continuamente diferenciables en R n. Obsérvese que por la estructura del sistema (3), x = (x 1 T x 2 T ) T es un punto de equilibrio si f 1 (x ) = x 1 y f 2(x ) = 0. Esto significa que los puntos de equilibrio del sistema (3) vienen determinados a partir de los del subsistema estándar. Es decir, si x 1 es un punto de equilibrio de x 1 (k + 1) = f 1 ( x(k)), (4) con x(k) = (x T 1 (k) 0)T, y satisface que f 2 ((x 1 T 0) T ) = 0, (5) entonces x = (x 1 T 0) T es un punto de equilibrio de (3). Inversamente, si f 2 satisface que la solución de f 2 (x(k)) = 0 es x(k) = x(k), entonces cualquier punto de equilibrio x de (3) se construye como (x 1 T 0) T, siendo x 1 un punto de equilibrio de (4) que satisface la condición (5). En el siguiente resultado se establecen condiciones que aseguren esta propiedad para sistemas singulares no lineales, usando, para ello, la función de Lyapunov. Teorema 2.2 Supongamos que el sistema singular no lineal (3) tiene solución. Sea f 2 tal que la matriz Jacobiana J = f 2 es invertible para todo x, y f 2 (x(k)) = 0 implica x 2 x 2 (k) = 0. Si V es una función de Lyapunov para el punto de equilibrio x tal que i) V (x ) = 0, V (x) > 0 y V (x) < 0, siempre que x x, y ii) V (x) cuando x entonces x es globalmente asintóticamente estable. Demostración. Como f 2 (x(k)) = 0 implica que x 2 (k) = 0, la solución del sistema (3) es x(k) = (x T 1 (k) 0)T y satisface x 1 (k + 1) = f 1 ( x(k)) 0 = f 2 ( x(k)). (6) A partir de V (x) definimos V 1 (x 1 ) = V ( x) y directamente se comprueba que V 1 (x) es una función de Lyapunov que satisface todas las condiciones que aseguran que el punto de equilibrio x 1 del sistema estándar (4) es globalmente asintóticamente estable. Por lo tanto, el punto de equilibrio x = (x 1 T 0) T del sistema (3) es globalmente asintóticamente estable. A continuación, damos algunas condiciones sobre la función f 1 con el propósito de construir una función de Lyapunov apropiada. Teorema 2.3 Supongamos que el sistema singular no lineal (3) tiene solución. Sea f 1 tal que satisfaga f 1 ( x(k)) < x(k) siendo x(k) = (x T 1 (k) 0)T, y sea f 2 tal que la matriz Jacobiana J = f 2 x 2 es invertible para todo x y f 2 (x(k)) = 0 implica que x 2 (k) = 0, entonces x es globalmente asintóticamente estable. 4
5 Estabilidad globalmente asintótica Demostración. Aplicando la hipótesis en el sistema (3) tenemos que su solución x(k) = (x 1 (k) T 0) T satisface (6). Construyendo V (x) = Ex, tenemos que V (x) > 0 y V (0) = 0 y además, V (x(k)) = V (x(k + 1)) V (x(k)) = f 1 ( x(k)) x(k) < 0 y V (x) cuando x. Como ejemplo de un sistema singular que satisface las condiciones del teorema anterior, podemos considerar un sistema compartimental del tipo (3) tomando f 2 (x) = Ax 2, con A una matriz invertible. Para ilustrar el desarrollo teórico realizado incluimos el siguiente ejemplo. Ejemplo 2.1 Consideramos el sistema singular no lineal (3) dado por x 11 (k + 1) x 12 (k + 1) x 21 (k + 1) x 22 (k + 1) = 0,25x 12 (k)[x 22 (k) + 1] 0,5x 11 (k) x 21 (k) x 22 (k) x 22 (k)x 2 21 (k) Entonces, como x = (x T 1 (k) 0)T, tenemos f 1 ( x(k)) = 0,5 0,25x 2 12 (k) + x2 11 (k) < x(k). Por otra parte, se verifican las condiciones sobre f 2, es decir J = f 2 es invertible, y x 2 f 2 (x(k)) = 0 implica x 2 (k) = 0. Por lo tanto, la hipótesis del Teorema 2.3 se satisface y el sistema es globalmente asintóticamente estable. Además, la solución de este sistema es x = (x T 1 (k) 0)T, siendo x 1 (k) la solución del subsistema estándar ( x 1 (k + 1) = 0 0,25 0,5 0 ) x 1 (k). Como los valores propios de la matriz se encuentran dentro del círculo unidad, la solución del subsistema estándar es globalmente asintóticamente estable. A continuación se consideran algunos tipos especiales del sistema dado en (3) que admiten un estudio particular. Para ello, introducimos en primer lugar los siguientes conjuntos de funciones F y F, F = {φ : R R / φ(x) x y φ(0) = 0} { } F = Φ : R n R n / Φ(x) = (φ 1 (x 1 ),..., φ n (x n )) T, φ i F, i = 1,..., n, y los conjuntos de matrices M y M, M = { P 1 R n 1 n 1 / P 1 = diag(p 1i ) > 0 }, M = { P R n n / P = diag(p 1, P 2 ) with P 1 M, n 1 < n }. Si ahora consideramos el sistema. Ex(k + 1) = AΦ(x(k)) (7) donde A R n n y Φ : R n R n es una función continuamente diferenciable en R n, Φ F, podemos establecer el siguiente resultado. 5
6 B. Cantó, C. Coll, E. Sánchez Teorema 2.4 Sea el sistema (7). Si existe una matriz P M tal que A T P A E T P E es una matriz definida negativa, entonces la solución cero de (7) es globalmente asintóticamente estable. Demostración. Como P M entonces V (x) = (Ex) T P Ex = x T 1 P 1x 1 > 0, y V (x (k)) = V (x (k + 1)) V (x (k)) Para x(k) 0 con Φ (x(k)) = 0 tenemos = Φ T (x(k)) A T P AΦ (x(k)) x T (k)e T P Ex(k). V (x (k)) = x T (k)e T P Ex(k) = x T 1 (k)p 1 x 1 (k), entonces V (x (k)) es definida negativa. Y en el caso en que x(k) 0 y Φ (x(k)) 0, como Φ F, Φ T (x(k)) E T P EΦ (x(k)) = n 1 i=1 n 1 n 1 p 1i (φ i (x i (k))) 2 = p 1i φ i (x i (k)) 2 i=1 p 1i x i (k) 2 = x T (k)e T P Ex(k). i=1 Por lo tanto, V (x(k)) = φ T (x(k)) A T P Aφ (x(k)) φ T (x(k)) E T P Eφ (x(k)) φ T (x(k)) ( A T P A E T P E ) φ (x(k)). De aquí V (x (k)) es definida negativa. Con el fin de ilustrar el resultado obtenido en el Teorema 2.4 se muestra el siguiente ejemplo. Ejemplo 2.2 Consideramos un sistema dado por E = , A = Usando la matriz diagonal P = A T P A E T P E = y Φ (x(k)) F. es una matriz definida negativa. De forma análoga a la demostración del Teorema 2.4 comprobamos que V (x) = x x 2 12 > 0., 6
7 Estabilidad globalmente asintótica Por otra parte, para x(k) 0, si Φ (x(k)) = 0 tenemos que y si Φ (x(k)) 0 obtenemos V (x(k)) φ T (x(k)) V (x (k)) = (x x 2 12) < 0, φ (x(k)) < 0. Por lo que la solución del sistema es globalmente asintóticamente estable. En el caso en que el sistema venga dado por donde Φ F y obtenemos los siguientes resultados. Ex(k + 1) = Φ (Ax(k)), k N (8) ( A1 O A = O I n2 ), (9) Proposición 3 Sea A dada en (9) y Φ F. Entonces Φ(Ax) < A 1 x 1, x R n y si P M con P 2 < 0 entonces Φ T (Ax)P Φ(Ax) < (A 1 x 1 ) T P 1 (A 1 x 1 ). Demostración. Por la estructura de la función Φ y de la matriz A, ( ) Φ1 (A Φ(Ax) = 1 x 1 ), Φ 2 (x 2 ) y por tanto, Φ(Ax) < Ax A 1 x 1, x R n. Por otra parte, si P 2 < 0 y teniendo en cuenta Φ T (Ax)P Φ(Ax) = Φ T 1 (A 1x 1 )P 1 Φ 1 (A 1 x 1 ) + Φ T 2 (x 2)P 2 Φ 2 (x 2 ), tenemos que Φ T (Ax)P Φ(Ax) < (A 1 x 1 ) T P 1 (A 1 x 1 ). Teorema 3.1 Sea el sistema (8). Si existe una matriz P M tal que A T P A E T P E < 0, entonces la solución cero de (8) es globalmente asintóticamente estable. Demostración. A partir de la condición del teorema se sigue que A T 1 P 1A 1 P 1 < 0 y P 2 < 0. Entonces V (k) = (Ex) T P Ex = x T 1 P 1x 1 > 0, y V (x (k)) = Φ T (Ax(k)) P Φ (Ax(k)) x T (k)e T P Ex(k). Para x(k) 0 con Φ (Ax(k)) = 0 V (x (k)) = x T (k)e T P Ex(k) = x T 1 (k)p 1 x 1 (k), entonces V (x (k)) es definida negativa. Y si x(k) 0 con Φ (Ax(k)) 0, usando la Proposición 3 V (x (k)) x T 1 (k)a T 1 P 1 A 1 x 1 (k) x T 1 (k)p 1 x 1 (k) = x T 1 (k) ( A T 1 P 1 A 1 P 1 ) x1 (k). Por lo que V (x (k)) es definida negativa. 7
8 B. Cantó, C. Coll, E. Sánchez Referencias [1] C. I. Byrnes, W. Lin. Losslessness, feedback equivalence, and the global stabilization of discrete-time nonlinear systems. IEEE Trans. Automat. Control, vol.39, no.1 (1994), [2] L. Dai, Singular Control Systems, Springer-Verlag, [3] C.H. Fang, L. Lee, and F.R. Chang. Robust control analysis and design for discrete-time singular systems. Automatica, vol.30, no.11 (1994), [4] E. Kaszkurewicz and A. Bhaya, Matrix diagonal stability in systems and computation, Birkhauser Verlag, [5] V.S. Kozyakin, A. Bhaya, E. Kaszkurewicz. A global asymptotic result for a class of totally asynchronous discrete nonlinear systems. Math. Control Signals Systems, vol.11 (1999), [6] H. Kwakernaak and R. Sivan, Linear Optimal Control Systems, Wiley and Sons Inc., [7] F.L. Lewis, A survey of linear singular systems. Circuits Systems Signal Processing, vol.5 (1986), [8] P. Misra, Numerical solution of generalized Lyapunov equations for descriptor systems. Proc. 30th Annual Allerton Conf. Comm. Control, Comp., (1992). [9] T. Stykel. Stability and inertia theorems for generalized Lyapunov equations. Linear Algebra Appl., vol.355 (2002), [10] S. Xu, C. Yang. Stabilization of discrete-time singular systems: a matrix inequalities approach. Automatica, vol.35 (1999),
Factorización 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 detalles8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV
8.4. CRITERIO DE ESTAB.: METODO DE LIAPUNOV 309 8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV Consideremos el sistema autónomo dx = F (x, y) dt (8.32) dt = G(x, y), y supongamos que tiene
Más detallesTema 2: Diagonalización
TEORÍA DE ÁLGEBRA II: Tema 2. DIPLOMATURA DE ESTADÍSTICA 1 Tema 2: Diagonalización 1 Introducción Sea f : R n R n lineal. Dada una base B de R n podemos asociar a f la matriz A 1 = [f, B] M n. Si C es
Más detallesTema 6: Resolución aproximada de sistemas de ecuaciones lineales
Métodos Numéricos: Resumen y ejemplos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesPropiedades de las Matrices Totalmente no Positivas
XX Congreso de Ecuaciones Diferenciales y Aplicaciones X Congreso de Matemática Aplicada Sevilla, 24-28 septiembre 2007 (pp 1 8) Propiedades de las Matrices Totalmente no Positivas R Cantó 1, B Ricarte
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesMétodos Numéricos: Ejercicios resueltos
Métodos Numéricos: Ejercicios resueltos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica
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 detallessi existe un entorno V de a contenido en A, tal que la diferencia f(x) f(a) no cambia de signo cuando x V :
Capítulo 7 Extremos Relativos Una aplicación clásica del Teorema Local de Taylor es el estudio de los extremos relativos de una función escalar. Aunque la analogía con el caso de una variable es total,
Más detallesLas particiones y el Teorema de Bolzano
Miscelánea Matemática 41 (005) 1 7 SMM Las particiones y el Teorema de Bolzano Carlos Bosch Giral Departamento de Matemáticas ITAM Río Hondo # 1 Tizapán San Angel 01000 México D.F. México bosch@itam.mx
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 4 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesLección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos
Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto
Más detallesTema 5: Elementos de geometría diferencial
Tema 5: Elementos de geometría diferencial José D. Edelstein Universidade de Santiago de Compostela FÍSICA MATEMÁTICA Santiago de Compostela, abril de 2011 Coordenadas locales y atlas. Funciones y curvas.
Más detallesSemana 09 [1/28] Sucesiones. 29 de abril de Sucesiones
Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará
Más detallesEjercicios de ECUACIONES DIFERENCIALES ORDINARIAS
Ejercicios de ECUACIONES DIFERENCIALES ORDINARIAS Grado en Matemáticas Curso 203-204 . Ecuaciones lineales con coeficientes constantes Ecuaciones de primer orden. Encontrar la solución de los siguientes
Más detallesDefinición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.
UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.
Más detallesDiferenciales de Orden Superior
Capítulo 10 Diferenciales de Orden Superior En este capítulo extenderemos a las funciones definidas sobre espacios normados el concepto de función r-veces diferenciable y de clase C r y obtendremos las
Más detalles10. Series de potencias
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 7-2 Basado en el apunte del curso Cálculo (2do semestre), de Roberto Cominetti, Martín Matamala y Jorge San
Más detallesDerivadas Parciales (parte 2)
40 Derivadas Parciales (parte 2) Ejercicio: Si donde y. Determinar Solución: Consideraremos ahora la situación en la que, pero cada una de las variables e es función de dos variables y. En este caso tiene
Más detallesESTABILIDAD DEL MODELO MATEMÁTICO DE CRECIMIENTO MICROBIANO. Fernando Pozo Román
ESTABILIDAD DEL MODELO MATEMÁTICO DE CRECIMIENTO MICROBIANO Fernando Pozo Román Instituto Mexicano de Tecnología del Agua Paseo Cuauhnáhuac No. 853 CP. 6550 Jiutepec, Mor. Tel. 01 (73) 19-40-00, ext. 43,
Más detallesTeoria de Semigrupos y su estabilidad. Jaime E. Muñoz Rivera LNCC IM-UFRJ
Teoria de Semigrupos y su estabilidad Jaime E. Muñoz Rivera LNCC IM-UFRJ La ecuación de primera orden Cuando A es un número real la solución es dada por : Para sistemas de ecuaciones diferenciales introducimos:
Más detallesACTIVIDADES SELECTIVIDAD MATRICES
ACTIVIDADES SELECTIVIDAD MATRICES Ejercicio 1 Para qué valores de m tiene solución la ecuación matricial? (b) Resuelve la ecuación matricial dada para. Ejercicio 2 Siendo I la matriz identidad de orden
Más detallesLA FUNCIÓN INVERSA. Si R es una relación, la relación R definida por la proposiciones. (a, b) R (b, a) R. (a, b) R (c, b) R a = c
LA FUNCIÓN INVERSA Existen diferentes definiciones de función inversa, aunque el concepto matemático es el mismo. Expondremos aquí tres de ellas, para efectos formales, ya que para hallar la inversa de
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesEs claro que es una relación de equivalencia. Para ver que tener la misma cardinalidad y la cardinalidad están bien definidas queremos ver que
Capítulo II Cardinalidad Finita II.1. Cardinalidad Definimos I n para n N como I n = {k N : 1 k n}. En particular I 0 =, puesto que 0 < 1. Esto es equivalente a la definición recursiva { si n = 0 I n =
Más detallesLímites Laterales. El límite por la derecha se denota. x 2 + x 2 = 1. x 2. x + x 2. x = x + x 2. El límite por la izquierda se denota
Límites Laterales Denición. Si f : D R R y x 0 es un punto de D, decimos que l d es ite de f en x 0 por la derecha si ɛ > 0 δ ɛ > 0 f(x) l d < ɛ si 0 < x x 0 < δ ɛ ɛ > 0 δ ɛ > 0 f(x) l d < ɛ si x 0 < x
Más detallesI. Métodos directos para resolución de SEL. Se dice que una matriz A admite una factorización LU indirecta A = LU
I. Métodos directos para resolución de SEL 1. Factorización LU Se dice que una matriz A admite una factorización LU si dicha matriz puede escribirse como el producto de una matriz triangular inferior,
Más detallesTeoremas de convergencia y derivación bajo el signo integral
Capítulo 8 Teoremas de convergencia y derivación bajo el signo integral En este capítulo estudiaremos sucintamente bajo qué circunstancias puede intercambiarse el orden de la integral con las operaciones
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES REFLEXIONA Y RESUELVE Resolución de sistemas 2 Ò 2 mediante determinantes A A y Resuelve, aplicando x = x e y =, los siguientes sistemas de ecuaciones: A A
Más detallesEspacios métricos completos
5 Espacios métricos completos Comenzamos introduciendo las sucesiones de Cauchy, que relacionamos con las sucesiones convergentes. En el caso de que coincidan, se trata de un espacio métrico completo.
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesDOCENTE: JESÚS E. BARRIOS P.
DOCENTE: JESÚS E. BARRIOS P. DEFINICIONES Es larga la historia del uso de las matrices para resolver ecuaciones lineales. Un texto matemático chino que proviene del año 300 A. C. a 200 A. C., Nueve capítulos
Más detallesLas variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.
Capítulo 9 Variedades lineales Al considerar los subespacios de R 2, vimos que éstos son el conjunto {(0, 0)}, el espacio R 2 y las rectas que pasan por el origen. Ahora, en algunos contextos, por ejemplo
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2004-2005 1 Introducción a los valores y vectores propios 2 3 4 5 Valores
Más detallesÁlgebra Lineal VII: Independencia Lineal.
Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx
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 detallesDerivada de la función compuesta. Regla de la cadena
Derivada de la función compuesta. Regla de la cadena Cuando en las matemáticas de bachillerato se introduce el concepto de derivada, su significado y su interpretación geométrica, se pasa al cálculo de
Más detallesTAREA 1 ALGEBRA ING. AMBIENTAL UNIVERSIDAD DE CÒRDOBA Vanessa Aldana, Cristian Gonzales, María De La Ossa
TAREA 1 ALGEBRA ING. AMBIENTAL UNIVERSIDAD DE CÒRDOBA Vanessa Aldana, Cristian Gonzales, María De La Ossa EJERCICIO 1 Para una matriz A nxn. En qué consiste la factorización o descomposición LU? Explique
Más detallesClase 8 Nociones Básicas de Convexidad
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 8 Nociones Básicas de Convexidad ICS 1102 Optimización Profesor : Claudio Seebach Apuntes
Más detallesEstructuras algebraicas. Departamento de Álgebra. Apuntes de teoría
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 2015/2016 Apuntes de teoría Tema 1: Grupos y subgrupos. 1.1. Introducción Definición 1.1. Un grupo es un par (G, ), donde G es un conjunto no vacío,
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 detalles1. Señales y sistemas Sistemas lineales e invariantes en el tiempo (SLI) 13.5
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO ANÁLISIS DE SISTEMAS Y SEÑALES 1418 4 09 Asignatura Clave Semestre Créditos Ingeniería Eléctrica Ingeniería de Control
Más detallesEspacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1
Espacios Vectoriales 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Espacios Vectoriales... 4 1.1 Definición de espacio vectorial... 4 1.2 Definición de subespacio vectorial...
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesMétodos Multipaso lineales
Elementos de Cálculo Numérico - Cálculo Numérico Segundo Cuatrimestre de 2008 (FCEN - UBA) Métodos Multipaso lineales Consideramos el problema de valores iniciales (PVI) y = f(x, y) a x b y(a) = α Dado
Más detallesRobótica 4. Control de robots F. Hugo Ramírez Leyva
Robótica 4. Control de robots F. Hugo Ramírez Leyva Cubículo 3 Instituto de Electrónica y Mecatrónica hugo@mixteco.utm.mx Marzo 2012 Representación en Variables de estado Un sistema dinámico no lineal
Más detallesVALORES Y VECTORES PROPIOS
VALORES Y VECTORES PROPIOS En diversos campos de la ingeniería y las matemáticas surge el problema de calcular los valores escalares λ y los vectores x 0 tales que para la matriz cuadrada A se cumple Ax
Más detallesEstructuras algebraicas
Semana 11[1/22] 4 de mayo de 2007 Anillos y cuerpos Semana 11[2/22] Anillos Comenzamos ahora el estudio de estructuras algebraicas que tengan definidas dos operaciones, y las clasificaremos en anillos
Más detallesLa reordenación aleatoria de un conjunto finito
La reordenación aleatoria de un conjunto finito Pérez Cadenas J. I. 0.06.2003 Resumen Al desordenar y, a continuación, reordenar aleatoriamente un conjunto finito es posible que algunos de sus elementos
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Enteros
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Z = N {0} N Enteros Las operaciones + y. son cerradas en Z, es decir la suma de dos números enteros es un número entero y el producto
Más detallesDeterminación de órbitas periódicas usando el método ciclos lentos rápidos
Determinación de órbitas periódicas usando el método ciclos lentos rápidos Manuel Fidel Domínguez Azueta, Gamaliel Blé González Universidad Juárez Autónoma de Tabasco, México Recibido 6 de f ebrero 2015.
Más detallesAlgebra Lineal XXVI: La Regla de Cramer.
Algebra Lineal XXVI: La Regla de Cramer José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesMatrices. Álgebra de matrices.
Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,
Más detallesMENORES, COFACTORES Y DETERMINANTES
MENORES, COFACTORES Y DETERMINANTES 1. Introducción. 2. Determinante de una matriz de 3 x 3. 3. Menores y cofactores. 4. Determinante de una matriz de n x n. 5. Matriz triangular. 6. Determinante de una
Más detallesProyectos de trabajos para Matemáticas
Proyectos de trabajos para Matemáticas 14 de julio de 2011 Resumen En cada uno de los Proyectos elegidos, los estudiantes deberán completar las etapas siguientes: Comprender el problema. Tomarse el tiempo
Más detallesNúmeros naturales y recursividad
Números naturales y recursividad Rafael F. Isaacs G. * Fecha: 12 de abril de 2004 Números naturales Cuál es el primer conjunto de números que estudiamos desde la escuela primaria? Se sabe que los números
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesx, y = x 0 y 0 + x 1 y 1 + x 2 y 2 + x 3 y 3. Es fácil ver que verifica 1. Es simétrica. x, y = y, x para todo x, y R 4.
1 Tema 2. Sección 1. Espacio vectorial de Minkowski. Manuel Gutiérrez. Departamento de Álgebra, Geometría y Topología. Universidad de Málaga. 29071-Málaga. Spain. Abril de 2010. En este capítulo se recordará
Más detallesCONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD
CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos
Más detallesde la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).
INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesÁlgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes
Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción
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 detalles+ = 0, siendo z=f(x,y).
Ecuaciones diferenciales de primer orden ECUACIONES DIFERENCIALES Definición. Se llama ecuación diferencial a toda ecuación que inclua una función, que es la incógnita, alguna de sus derivadas o diferenciales.
Más detallesEcuaciones diferenciales lineales con coeficientes variables
Tema 5 Ecuaciones diferenciales lineales con coeficientes variables 5 Existencia y unicidad Partimos de una ecuación de la forma a 0 (x y (n + a (x y (n + + a n (x y + a n (x y = b(x (5 con a 0 (x 0 donde
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesLímite de una función
CAPÍTULO 3 Límite de una función OBJETIVOS PARTICULARES. Comprender el concepto de límite de una función en un punto. 2. Calcular, en caso de que eista, el límite de una función mediante la aplicación
Más detallesAlgunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices
Matrices Una matriz de orden m n es un conjunto ordenado de m n números reales dispuestos en m filas y n columnas de la forma: A = a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n a i1 a i2 a ij a in a m1 a m2
Más detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detallesMatrices, determinantes y sistemas de ecuaciones lineales
Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente
Más detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesMétodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones
Métodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones Dr. Gonzalo Hernández Oliva UChile - Departamento de Ingeniería Matemática 07 de Mayo 2006 Abstract En este apunte veremos
Más detallesTema 8: Aplicaciones. Ecuaciones en. diferencias: modelos en tiempo discreto. 1 Modelo de crecimiento exponencial. 2 Sucesión de Fibonacci
8 de diciembre de 20 Contexto: Bloque de Álgebra Lineal Tema 6. Sistemas de ecuaciones lineales y matrices. Tema 7. Valores y vectores propios. Tema 8. Aplicaciones del cálculo de los valores y vectores
Más detallesGustavo Rodríguez Gómez. Agosto Dicembre 2011
Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 46 Capítulo II 2 / 46 1 Introducción Métodos Directos Sistemas Triangulares Sustitución Hacia Atrás Invertibilidad de una Matriz
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesTema 2 Conjuntos convexos
Tema 2 Conjuntos convexos José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 2 Conjuntos convexos. Propiedades básicas y ejemplos. Cierre e interior de un
Más detallesDERIVADAS PARCIALES Y APLICACIONES
CAPITULO IV CALCULO II 4.1 DEFINICIÓN DERIVADAS PARCIALES Y APLICACIONES En cálculo una derivada parcial de una función de diversas variables es su derivada respecto a una de esas variables con las otras
Más detalles1. Curvas Regulares y Simples
1. Regulares y Simples en R n. Vamos a estudiar algunas aplicaciones del calculo diferencial e integral a funciones que están definidas sobre los puntos de una curva del plano o del espacio, como por ejemplo
Más detallesTema 5. Series de Potencias
Tema 5. Series de Potencias Prof. William La Cruz Bastidas 21 de noviembre de 2002 Tema 5 Series de Potencias Definición 5.1 La sucesión de números complejos {z n } tiene un límite o converge a un número
Más detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesDos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales
Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley
Más detallesCálculo I. Índice Límites Infinitos. Julio C. Carrillo E. * 1. Introducción Límites infinitos Límites en el infinito 9
2.3. Límites Infinitos Julio C. Carrillo E. * Índice. Introducción 2. Límites infinitos 3. Límites en el infinito 9 * Profesor Escuela de Matemáticas, UIS. . Introducción En esta sección se discuten dos
Más detallesCAPÍTULO 4: DERIVADAS DE ORDEN SUPERIOR. En este capítulo D denota un subconjunto abierto de R n.
April 15, 2009 En este capítulo D denota un subconjunto abierto de R n. 1. Introducción Definición 1.1. Dada una aplicación f : D R, definimos la derivada parcial segunda de f como D ij f = 2 f = ( ) x
Más detallesSISTEMAS DE ECUACIONES LINEALES Y MATRICES
y SISTEMAS DE ECUACIONES ES Y MATRICES Sergio Stive Solano 1 Febrero de 2015 1 Visita http://sergiosolanosabie.wikispaces.com y SISTEMAS DE ECUACIONES ES Y MATRICES Sergio Stive Solano 1 Febrero de 2015
Más detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detallesMODELOS DE SERIES DE TIEMPO 1. Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros.
MODELOS DE SERIES DE TIEMPO 1 Introducción Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros. Originalmente tuvieron como objetivo hacer predicciones. Descomposición
Más detallesLa ecuación diferencial logística (o de Verhulst)
La ecuación diferencial logística o de Verhulst) José Luis López Fernández 2 de noviembre de 2011 Resolver un problema del que tenemos garantía de que existe solución, es como ir de excursión por el monte,
Más detallesSe desea estudiar el comportamiento de una función a medida independiente x se aproxima a un valor específico.
Tema: Límites de las funciones Objetivos: Comprender el concepto de límite de una función y las propiedades de los límites. Calcular el límite de una función algebraica utilizando las propiedades de los
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesConjuntos y matrices. Sistemas de ecuaciones lineales
1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución
Más detalles