Sobre la estabilidad globalmente asintótica de sistemas singulares no lineales

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

Download "Sobre la estabilidad globalmente asintótica de sistemas singulares no lineales"

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

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 detalles

8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV

8.4. 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 detalles

Tema 2: Diagonalización

Tema 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 detalles

Tema 6: Resolución aproximada de sistemas de ecuaciones lineales

Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Métodos Numéricos: Resumen y ejemplos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de

Más detalles

Tema 2.- Formas Cuadráticas.

Tema 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 detalles

Propiedades de las Matrices Totalmente no Positivas

Propiedades 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 detalles

Funciones de Clase C 1

Funciones 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 detalles

Métodos Numéricos: Ejercicios resueltos

Métodos 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 detalles

2. Cálculo diferencial de funciones de varias variables. Mayo, 2009

2. 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 detalles

si existe un entorno V de a contenido en A, tal que la diferencia f(x) f(a) no cambia de signo cuando x V :

si 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 detalles

Las particiones y el Teorema de Bolzano

Las 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 detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS 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 detalles

Lección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos

Lección 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 detalles

Tema 5: Elementos de geometría diferencial

Tema 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 detalles

Semana 09 [1/28] Sucesiones. 29 de abril de Sucesiones

Semana 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 detalles

Ejercicios de ECUACIONES DIFERENCIALES ORDINARIAS

Ejercicios 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 detalles

Definición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.

Definición: 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 detalles

Diferenciales de Orden Superior

Diferenciales 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 detalles

10. Series de potencias

10. 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 detalles

Derivadas Parciales (parte 2)

Derivadas 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 detalles

ESTABILIDAD DEL MODELO MATEMÁTICO DE CRECIMIENTO MICROBIANO. Fernando Pozo Román

ESTABILIDAD 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 detalles

Teoria 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 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 detalles

ACTIVIDADES SELECTIVIDAD MATRICES

ACTIVIDADES 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 detalles

LA 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. 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 detalles

Clase 8 Matrices Álgebra Lineal

Clase 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 detalles

Tema 2 Resolución de EcuacionesNo Lineales

Tema 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 detalles

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN

May 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 detalles

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados.

Tema 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 detalles

Teoría de la Probabilidad Tema 2: Teorema de Extensión

Teoría 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 detalles

Es claro que es una relación de equivalencia. Para ver que tener la misma cardinalidad y la cardinalidad están bien definidas queremos ver que

Es 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 detalles

Límites 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. 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 detalles

I. 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. 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 detalles

Teoremas de convergencia y derivación bajo el signo integral

Teoremas 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 detalles

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

RESOLUCIÓN 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 detalles

Espacios métricos completos

Espacios 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 detalles

Esta 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 )

Esta 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 detalles

DOCENTE: JESÚS E. BARRIOS P.

DOCENTE: 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 detalles

Las variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.

Las 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 detalles

1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido

1 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 detalles

Parte 3. Vectores y valores propios

Parte 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 detalles

Álgebra Lineal VII: Independencia Lineal.

Álgebra 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 detalles

Matriz inversa generalizada y descomposición del valor singular

Matriz 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 detalles

Derivada de la función compuesta. Regla de la cadena

Derivada 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 detalles

TAREA 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 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 detalles

Clase 8 Nociones Básicas de Convexidad

Clase 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 detalles

Estructuras algebraicas. Departamento de Álgebra. Apuntes de teoría

Estructuras 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 detalles

Kolmogorov 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 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 detalles

1. Señales y sistemas Sistemas lineales e invariantes en el tiempo (SLI) 13.5

1. 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 detalles

Espacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1

Espacios 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 detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS 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 detalles

Métodos Multipaso lineales

Métodos 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 detalles

Robótica 4. Control de robots F. Hugo Ramírez Leyva

Robótica 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 detalles

VALORES Y VECTORES PROPIOS

VALORES 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 detalles

Estructuras algebraicas

Estructuras 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 detalles

La reordenación aleatoria de un conjunto finito

La 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 detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas 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 detalles

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Enteros

ALGEBRA 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 detalles

Determinación de órbitas periódicas usando el método ciclos lentos rápidos

Determinación 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 detalles

Algebra Lineal XXVI: La Regla de Cramer.

Algebra 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 detalles

Matrices. Álgebra de matrices.

Matrices. 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 detalles

MENORES, COFACTORES Y DETERMINANTES

MENORES, 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 detalles

Proyectos de trabajos para Matemáticas

Proyectos 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 detalles

Números naturales y recursividad

Números 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 detalles

Teoremas de Convergencia

Teoremas 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 detalles

x, 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.

x, 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 detalles

CONTENIDOS. 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 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 detalles

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).

de 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 detalles

Apéndice sobre ecuaciones diferenciales lineales

Apéndice 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 detalles

Espacios vectoriales reales.

Espacios 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 detalles

f(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).

f(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 detalles

Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes

Álgebra 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 detalles

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos.

Tema 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).

+ = 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 detalles

Ecuaciones diferenciales lineales con coeficientes variables

Ecuaciones 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 detalles

Tema 11.- Autovalores y Autovectores.

Tema 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 detalles

Límite de una función

Límite 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 detalles

Algunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices

Algunos 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 detalles

Autovalores y autovectores Diagonalización y formas canónicas

Autovalores 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 detalles

Descomposición en valores singulares de una matriz

Descomposición 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 detalles

Matrices, determinantes y sistemas de ecuaciones lineales

Matrices, 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 detalles

Tema 3: Espacios vectoriales

Tema 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 detalles

Métodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones

Métodos 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 detalles

Tema 8: Aplicaciones. Ecuaciones en. diferencias: modelos en tiempo discreto. 1 Modelo de crecimiento exponencial. 2 Sucesión de Fibonacci

Tema 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 detalles

Gustavo Rodríguez Gómez. Agosto Dicembre 2011

Gustavo 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 detalles

Diagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios

Diagonalización. 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 detalles

Tema 2 Conjuntos convexos

Tema 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 detalles

DERIVADAS PARCIALES Y APLICACIONES

DERIVADAS 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 detalles

1. Curvas Regulares y Simples

1. 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 detalles

Tema 5. Series de Potencias

Tema 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 detalles

Cálculo en varias variables

Cálculo 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 detalles

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales

Dos 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 detalles

Cálculo I. Índice Límites Infinitos. Julio C. Carrillo E. * 1. Introducción Límites infinitos Límites en el infinito 9

Cálculo 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 detalles

CAPÍTULO 4: DERIVADAS DE ORDEN SUPERIOR. En este capítulo D denota un subconjunto abierto de R n.

CAPÍTULO 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 detalles

SISTEMAS DE ECUACIONES LINEALES Y MATRICES

SISTEMAS 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 detalles

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

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

Más detalles

MODELOS DE SERIES DE TIEMPO 1. Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros.

MODELOS 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 detalles

La ecuación diferencial logística (o de Verhulst)

La 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 detalles

Se desea estudiar el comportamiento de una función a medida independiente x se aproxima a un valor específico.

Se 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 detalles

Estructuras Algebraicas

Estructuras 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 detalles

Conjuntos y matrices. Sistemas de ecuaciones lineales

Conjuntos 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