Una invitación al estudio de las cadenas de Markov
|
|
- Natividad Rojas Aguirre
- hace 6 años
- Vistas:
Transcripción
1 Una invitación al estudio de las cadenas de Markov Víctor RIVERO Centro de Investigación en Matemáticas A. C. Taller de solución de problemas de probabilidad, de Enero de / 1
2 Potencias de una matriz mediante diagonalización Si {X n, n 0} es una cadena de Markov (π, P) con espacio de estados finitos y P es diagonalizable, es decir existen una matriz diagonal D y una matriz C con inversa tal que entonces D = C 1 P C, P n = CD (n) C 1, n 0. Ver ejercicio 1 para un ejemplo de este método. 2/ 1
3 Clasificación de los estados Clasificación de los estados Definición Sea (Ω, F, P) un espacio de probabilidad y {X n, n N} una cadena de Markov (π, P) definida sobre Ω y con espacio de estado E. Para x, y E, se dice que: (i) de x se accede a y si existe un n 0 tal que P (n) x,y > 0 y esto se denota por x y. (ii) x y y se comunican entre si x y y y x, esto se denota por x y. 3/ 1
4 Clasificación de los estados Ejemplo Sea {X n, n N} una cadena de Markov con espacio de estados E = {1, 2,..., 6} y matriz de transición P = 1/2 1/ / /3 1/ /2 1/ Determinar cuales estados se comunican entre si. Es claro que 1 2, 2 3, 1, 2, 3 4, 3 5, 4 5, / 1
5 Clasificación de los estados Hay otras definiciones equivalentes. Teorema Para cualesquiera x, y E, se tiene que las siguientes afirmaciones son equivalentes: (i) x y. (ii) P x,x1 P x1,x 2 P xn 2,x n 1 P xn 1,y > 0, para algunos x 1,..., x n 1 E; o dicho de otro modo, con probabilidad positiva existe una trayectoria que lleva de x a y. (iii) P(X n = y para algún n 1 X 0 = x) > 0. 5/ 1
6 Clasificación de los estados Encontrar los estados que se comunican entre si para la cadena de Markov con matriz de transición 1/2 0 1/8 1/4 1/ P = /2 0 1/ /2 1/ /2 1/2 Se ve que y por lo tanto ; 0 0, 0 2, 0 3, 0 4, / 1
7 Clasificación de los estados Proposición es una relación de equivalencia y da lugar a una partición del espacio de estados E en clases de equivalencia. Definición Diremos que un subconjunto C E es una clase de comunicación si cualesquiera dos estados x, y C se comunican entre si. Para todo x E la clase de comunicación de x se denota por C (x) y esta formada por C (x) = {y E : x y}. Se dice que un conjunto de estados de B E es cerrado si ningún estado de E \ B puede ser accedido desde un estado de C. Un estado x es absorbente si el conjunto {x} es cerrado, o equivalentemente P (1) x,x = 1. Diremos que una cadena es irreducible si E es la única clase de comunicación. 7/ 1
8 Clasificación de los estados Ejemplo Sea {X n, n N} una cadena de Markov con espacio de estados E = {1, 2,..., 6} y matriz de transición P = 1/2 1/ / /3 1/ /2 1/ Determinar cuales estados se comunican entre si. Es claro que 1 2, 2 3, 1, 2, 3 4, 3 5, 4 5, 5 6. Se tiene que los estados de la cadena se pueden agrupar en las clases de comunicación {1, 2, 3}, {4}, {5, 6} que estan compuestas por los estados que se comunican entre si. Observemos que una vez que llegamos al estado 5 ó 6 ya no podemos salir de dichos estados, es decir la clase de estados {5, 6} es cerrada. 8/ 1
9 Clasificación de los estados La cadena de Markov con matriz de transición P = 0 2/3 1/3 0 1/2 1/2 Tiene dos clases de comunicación {1} y {2, 3}, y ambas son cerradas. Sin embargo la cadena con matriz de transición 1/3 1/3 1/3 P = 0 2/3 1/3 0 1/2 1/2 tiene las mismas clases de comunicación: {1} y {2, 3}, pero solo la segunda de estas es cerrada. 9/ 1
10 Clasificación de los estados Definición Diremos que un estado x E es recurrente si P(X n = x para algún n 1 X 0 = x) = 1. Diremos que un estado x E es transitorio si P(X n = x para algún n 1 X 0 = x) < 1. 10/ 1
11 Clasificación de los estados ρ x = P(regresar a x en un tiempo finito X 0 = x) = { < 1 si x transitorio = 1 si x recurrente. Proposición Si x es recurrente Si x es transitorio P(X n = x para una infinidad de n s X 0 = x) = 1 P(X n = x para una infinidad de n s X 0 = x) = 0. Sea N x la variable aleatoria que cuenta el numero total de visitas al estado x. Se tiene que N x sigue una ley geométrica, es decir que P(N x = k X 0 = x) = (ρ x ) k 1 (1 ρ x ), k 1. 11/ 1
12 Clasificación de los estados En el caso en que X = {X n, n 0} es una cadena de Markov com Matriz de transición 1/2 0 1/8 1/4 1/ P = , /2 0 1/ /2 1/ /2 1/2 se tienen las clases de comunicación {0} {1, 2, 3} y {4, 5, 6} Las dos ultimas son cerradas y todos sus estados son recurrentes y la primera no es cerrada y sus estados son transitorios. 12/ 1
13 Clasificación de los estados Proposición Si E es finito toda cadena irreducible tiene todos sus estados recurrentes. Toda clase de comunicación irreducible y cerrada está formada por estados recurrentes. Toda clase de comunicación irreducible no cerrada es transitoria. Todos los estados de una misma clase de comunicación son del mismo tipo, es decir si alguno es recurrente entonces todos son recurrentes y si alguno es transitorio todos son transitorios. 13/ 1
14 Clasificación de los estados Proposición Si n=0 P(n) x,x = entonces x es recurrente. Si n=0 P(n) x,x < entonces x es transitorio. Observación: Sea T x el primer tiempo 1 de regreso a x. Se tiene que {T x < } = {X n = x para algún n 1}, y por lo tanto x es recurrente si y x es transitorio si Si x es transitorio se tiene que P(T x < X 0 = x) = 1 P(T x < X 0 = x) < 1. lim n P(n) x,x = 0. 14/ 1
15 Caminatas aleatorias Caminatas aleatorias S 0 Z, Y i, i {1, 2,...}, v.a.i.i.d. y con ley Binomial(p). n S n = S 0 + Y i, n 1. i=1 Lema Se tiene que para todo a, b enteros y n 0 P(S n = j S 0 = a) {( n = (n+b a)/2) p (n+b a)/2 q (n b+a)/2 si (n + b a)/2 Z 0 en otro caso. Una trayectoria que lleva de (0, a) a (0, b) en n pasos tiene r pasos para arriba (+1) y l pasos hacia abajo ( 1), estos son tales que r + l = n y r l = b a. (Pues S n = r(+1) + l( 1) = b a.) Lo que implica que r = (n + b a)/2 y l = (n b + a)/2, cada trayectoria que lleva de a a b en n pasos tiene probabilidad p r q l, y hay ( n (n+b a)/2) trayectorias 15/ 1
16 Caminatas aleatorias P(S n = 0 S 0 = 0) = n 0 n=0 P (n) 0,0 = k 0 ( ) 2k p k q k. k Se tiene que pq 1/4 con la igualdad si y solamente si p = q = 1/2. Por la identidad de Stirling n! n n+1/2 e n 2π, se tiene que para k suficientemente grande ( ) 2k (2k)2k+1/2 e 2k ( k 2π k k+1/2 e k) 2 ( 2π) 1 2 2k+1/2 k 1/2. Se sigue que el termino general de la serie está dado por la aproximación ( ) 2k ( π) 1 4 k k 1/2 (pq) k, para k suficientemente grande. k Si p = q = 1/2 es del orden de k 1/2 por lo que en este caso la serie no es convergente. En el caso en que p q se tiene que a = 4pq < 1 lo que implica que el termino general de la serie es del orden de k 1/2 a k a k, y por lo tanto la serie es convergente. 16/ 1
17 Caminatas aleatorias Sea T j = inf{n 0 : S n = j }, para j Z. Lema (Problema de la ruina) Sea h j la probabilidad de que una caminata aleatoria que parte del estado j llegue al nivel 0 antes de llegar al nivel N, es decir P(T 0 < T N S 0 = j ) = h j. Se tiene que ( q p ) j ( q p ) N p q, h j = 1 ( q p ) N 1 j N p = q = 1/2 17/ 1
18 Caminatas aleatorias Se obtiene condicionando con respecto al estado visitado al primer paso que h j = ph j +1 + qh j 1, si j {2,..., N 1} y h 0 = 1 y h N = 0. Re-escribiendo esta ecuación se tiene que h n = ph n+1 +qh n 1 q (h n h n 1 ) = p (h n+1 h n ) n 1. En el caso en que q = p tenemos que la función h n tiene una pendiente constante c = h n+1 h n y por lo tanto h n = 1 + n h j h j 1 = 1 + nc, 1 n N, j =1 y puesto que h N = 0 se puede concluir que c = 1/N. 18/ 1
19 Caminatas aleatorias Cuando q p, tomamos {x n, n N} definida por x 0 R, y x n = h n h n 1, 1 n N. De lo anterior se deduce que la sucesión {x n, 1 n N } satisface x n+1 = q p x n, 1 n N, es decir que x n = ( ) n q x 0, 0 n N. p Usando esto se tiene que la sucesión h n está dada por h n = h 0 + n (h j h j 1 ) j =1 n ( ) j q = h 0 + x 0 p j =1 ( ) n q ( ) 1 q p = h 0 + x 0 ( ). p q 1 p 19/ 1
20 Caminatas aleatorias Sabemos que h N = 0 y que h 0 = 1, y en consecuencia x 0 es igual a ( ) p 1 q p x 0 = ( ) N ), q 1 de donde que h n = 1 q ( p ( 1 ) 1 q p ) ) N ( q p ( q p ( ) 1 q p 1 ( q p ( q p ) n ) = ( q p ) n ( q 1 ( q p p ) N ) N. 20/ 1
21 Cadenas de nacimiento y muerte Cadenas de nacimiento y muerte Sean E = {0, 1, 2,..., N } con N, y {X n, n 0} una cadena de Markov con espacio de estados E y matriz de transición q x si y = x 1 r x si y = x P x,y = p x si y = x en otro caso, con 0 p x, r x, q x 1 y q x + r x + p x = 1 para todo x E y q 0 = 0 y p N = 0 si N <. Diremos que una cadena de Markov con espacio de estados y matriz de transición de esta forma pertenece a la clase de Cadenas de Nacimiento y Muerte. Ejemplos: Ehrenfest, la ruina del jugador, la caminata aleatoria con barreras reflejantes... 21/ 1
22 Cadenas de nacimiento y muerte Proposición Sea H x el primer tiempo de llegada al estado x H x = inf{n 0 : X n = x}, x E. Supongamos que p x > 0 y q x > 0 para todo x {1, 2,..., N 1} y que p 0 > 0 y q N > 0 si N <. Se tiene que la cadena es irreducible y para todo a < b, a, b E b 1 γ y y=z y=a z 1 γ y P z (H a < H b ) =, P b 1 z (H b < H a ) =, para todo a < z < b, b 1 γ y γ y y=a y=a con γ y = y j =1 ( qj p j ), y > 0, y γ 0 = 1. 22/ 1
23 Ley fuerte Sea N y n el número de visitas al estado y en n pasos. Teorema (Ley fuerte) Para y E estado transitorio N y n < con probabilidad 1. Para y E estado recurrente, y 1 lim n n N n y = 1 {T y < }, con probabilidad 1. E(T y X 0 = y) 1 lim n n E (N n y X 0 = x) = P(T y < X 0 = x), x E. E(T y X 0 = y) Si E es finito e irreducible entonces el vector π(y) = 1 E(T y X 0 = y), x E, es el único vector de probabilidad invariante. 23/ 1
24 Ley fuerte El sistema Bonus-Malus en el seguro de automóviles En Hong Kong y en otros lugares del mundo, se usa un sistema para fijar las primas de seguro de automóvil conocido como Bonus-Malus que consiste de 6 clases de tarificación, de 1 fort bonus a 6 fort malus, que se rige por las siguientes reglas: si un asegurado no tuvo siniestros durante el periodo, entonces pasa de la categoría i a la categoría max{1, i 1}, si el asegurado tiene al menos un siniestro entonces pasa de la categoría i a la 6. Si X n denota la categoría en cual se encuentra un individuo al n-ésimo periodo entonces {X n, n 0} es una cadena de Markov con espacio de estados {1, 2,..., 6} 24/ 1
25 Ley fuerte La matriz de transición asociada está dada por p p p p P = 0 p p 0 0 p p p 0 1 p p 1 p Si p (0, 1) el único vector π = (π(1), π(2),..., π(6)) que es invariante para la matriz P, es decir π P = π, y que satisface que π(1) + π(2) + + π(6) = 1, es el vector dado por π(1) = p 5, π(2) = p 4 (1 p), π(3) = p 3 (1 p), π(4) = p 2 (1 p), π(5) = p(1 p), π(6) = (1 p). 25/ 1
26 Ley fuerte Cual es la proporción de tiempo que un cliente pasa en el estado j después de n pasos, n 1 N j n, dado que X 0 = j? Dado que la cadena es irreducible y con espacio de estados finito 1 n N n j 1 π(j ) = E(T j X 0 = j ), con probabilidad 1. Cual es la prima promedio que paga un asegurado? Denotemos por c una función que determina la prima a pagar en función de la categoría. c es una función definida en {1, 2,..., 6} no-decreciente que toma solo valores positivos. La prima promedio que pagará un individuo en n periodos será entonces: 1 n n c(x j ), = j =1 6 j =1 c(j ) N (n) j n 6 π(j )c(j ), j =1 con probabilidad 1. 26/ 1
27 leyes invariantes Definición Diremos que un vector de probabilidad π = (π(x), x E), es una distribución o ley invariante para la cadena con matriz de transición P si la ecuación πp = π es satisfecha, la ecuación anterior es la notación matricial del sistema de ecuaciones π(y)p y,x = π(x), x E. y E 27/ 1
28 leyes invariantes Teorema (Estacionaria) Sea X = {X n, n 0} una cadena de Markov con características (λ, P) y supongamos que λ es invariante para P. Entonces se tiene que Para todo m N se tiene λp (m) = λ, es decir que P(X m = y) = λ(y), y E; La cadena de Markov X es estacionaria, es decir que para todo m, n N se cumple que el vector (X m+1,..., X m+n ) tiene la misma ley que (X 1,..., X n ), esto es P (X m+1 = x 1,..., X m+n = x n ) = P (X 1 = x 1,..., X n = x n ), para todo x 1,..., x n E. 28/ 1
29 leyes invariantes Teorema (Equilibro) Sea X = {X n, n 0} una cadena de Markov con espacio de estados finito y matriz de transición P. Supongamos que para algún x E se cumple que lim P x,y (n) := π(y), y E, n Entonces, el vector (π(y), y E) es un vector de probabilidad invariante. 29/ 1
30 leyes invariantes Es inmediato que 0 π(y) 1, para todo y E pues esto se vale para las potencia de la matriz de transición P, 0 P x,y (n) 1, para todo n 1 y x, y E. Es un vector de probabilidad: π(y) = lim P x,y (n) = lim P x,y (n) = 1. n n y E y E y E Es invariante: por las ecuaciones de Chapman-Kolmogorov tenemos que para todo y E. π(y) = lim P x,y (n+1) = lim P x,z (n) P z,y n n z E = lim P x,z (n) P z,y = π(z)p z,y n z E z E 30/ 1
31 leyes invariantes Sea X = {X n, n 0} una cadena de Markov con matriz de transición P = 0 1/2 1/2. 1/2 0 1/2 Encontrar una ley invariante para X. Debemos resolver el sistema (π 1, π 2, π 3 )P = /2 1/2 = π 1 π 2, 1/2 0 1/2 π 3 31/ 1
32 leyes invariantes Equivalentemente, resolver el sistemas de ecuaciones π 1 = 1 2 π 3, π π 2 = π 2, 1 2 π π 3 = π 3. Su solución queda determinada en términos de π 3 pues π 1 = 1 2 π 3, π 2 = π 3. Para determinar el valor de π 3 se utiliza la condición, π 1 + π 2 + π 3 = 1. Después de algunos cálculos elementales se llega a la solución: π = ( 1 5, 2 5, 2 5). 32/ 1
33 leyes invariantes La n-ésima potencia de la matriz de transición está dada por P (n) 1,1 = 1 ( ) n ( 1 4 ( nπ ) cos 2 ( nπ ) ) 2 5 sin. 2 Por lo tanto, lim n P(n) 1,1 = 1 5 = π(1). 33/ 1
34 leyes invariantes Teorema En el caso en que el espacio de estados E es finito siempre existe una ley invariante 34/ 1
35 leyes invariantes Teorema Sea P una matriz estocástica asociada a una cadena de Markov {X n, n N} con espacio de estados E finito y supongamos que existe un entero n tal que P (n) tiene todas sus entradas estrictamente positivas. Se tienen las siguientes propiedades. Cuando n tiende a infinito, P (n) converge entrada por entrada a una matriz Π tal que todos sus renglones son iguales a un mismo vector de probabilidad π cuyas entradas son estrictamente positivas. El vector π es el único vector de probabilidad invariante para P, eso es π P = π; cualquier otro vector v tal que v P = v es un múltiplo de π; Se tienen las siguientes convergencias: y lim P(X n = x) = π(x), x E, n lim P y(x n = x) = π(x), x, y E, n con π(x) la componente x del vector π. 35/ 1
Modelos Estocásticos I Tercer Examen Parcial Respuestas
Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado
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 detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detallesUna invitación al estudio de las cadenas de Markov
Una invitación al estudio de las cadenas de Markov Víctor RIVERO Centro de Investigación en Matemáticas A. C. Taller de solución de problemas de probabilidad, 21-25 de Enero de 2008. 1/ 1 Introducción
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 detallesCadenas de Markov. José Antonio Camarena Ibarrola
Cadenas de Markov José Antonio Camarena Ibarrola Definiciones elementales El proceso discreto cadena de Markov si se cumple es denominado es la probabilidad de que en el tiempo k, el proceso esté en el
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 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 detallesRecordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.
Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre
Más detallesContinuidad. 5.1 Continuidad en un punto
Capítulo 5 Continuidad 5.1 Continuidad en un punto Definición 5.1.1 (Aplicación continua en un punto). Sean (X, τ) e (Y, τ ) dos espacios topológicos, y sea f : X Y una aplicación entre ellos. Diremos
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 detallesFundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso
Fundamentos Matemáticos de la Ingeniería Tema 4 Hoja Escuela Técnica Superior de Ingeniería Civil e Industrial Esp en Hidrología Fundamentos Matemáticos de la Ingeniería Tema 4: Diagonaliación de matrices
Más detallesSucesiones en R n. Ejemplos.-Considerando el espacio R 2 sea la sucesión {x k } 1 dada por x k = ( k, 1 k) podemos listar como sigue:
Sucesiones en R n Definición. Una sucesión en R n es cualquier lista infinita de vectores en R n x, x,..., x,... algunos de los cuales o todos ellos pueden coincidir entre si. Dada una sucesión x, x,...,
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 detallesNotas sobre el teorema minimax
Notas sobre el teorema mini Antonio Martinón Abril de 2012 1 Teoremas mini Sean X e Y dos conjuntos no vacíos y consideremos una función Se verifica sup inf efectivamente, dado x X resulta claro que f
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 detallescadenas de Markov tienen la propiedad de que la probabilidad de que X n = j sólo depende
Cadenas de Markov Los procesos de paseo aleatorio en realidad son un caso particular de procesos más generales que son las cadenas de Markov. En esencia, una cadena es un proceso en tiempo discreto en
Más detallesConjuntos, relaciones y funciones Susana Puddu
Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también
Más detallesSubconjuntos notables de un Espacio Topológico
34 Capítulo 4 Subconjuntos notables de un Espacio Topológico 4.1 Adherencia Definición 4.1.1 (Punto adherente). Sea (X, τ) un espacio topológico, y sea S un subconjunto de X. Diremos que x X es un punto
Más detallesSea T R y (Ω, F, P ) un espacio de probabilidad. Un proceso aleatorio es una función
Capítulo 2 Cadenas de Markov 21 Introducción Sea T R y (Ω, F, P ) un espacio de probabilidad Un proceso aleatorio es una función X : T Ω R tal que para cada t T, X(t, ) es una variable aleatoria Si fijamos
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesRelaciones. Estructuras Discretas. Relaciones. Relaciones en un Conjunto. Propiedades de Relaciones en A Reflexividad
Estructuras Discretas Relaciones Definición: relación Relaciones Claudio Lobos, Jocelyn Simmonds clobos,jsimmond@inf.utfsm.cl Universidad Técnica Federico Santa María Estructuras Discretas INF 152 Sean
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 detalles1. Sucesiones y redes.
1. Sucesiones y redes. PRACTICO 7. REDES. Se ha visto que el concepto de sucesión no permite caracterizar algunas nociones topológicas, salvo en espacios métricos. Esto empieza con algunas definiciones
Más detallesLenguajes No Regulares
Lenguajes No Regulares Problemas que los Autómatas No Resuelven. Universidad de Cantabria Esquema Lema del Bombeo 1 Lema del Bombeo 2 3 Introducción Todos los lenguajes no son regulares, simplemente hay
Más detallesPROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES. Problemas 02
PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES Problemas 0 Salvador Pérez Gómez pies3coma14@hotmail.com 4 de abril de 007 PROBLEMA 1 Sea n un número natural. Sea A n = n + n + 3n. a) Demostrar que
Más detallesIES Fco Ayala de Granada Junio de 2012 (Común Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Junio de 01 (Común Modelo 4) Soluciones Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo Junio 01 común Sea f : R R la función definida como f(x) = e x.(x ). [1 punto]
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
Más detallesSistema de Ecuaciones Lineales Matrices y Determinantes (3ª Parte)
Sistema de Ecuaciones Lineales Matrices y Determinantes (ª Parte) Definición: Sistemas Equivalentes Dos sistemas de ecuaciones son equivalentes si y solo si tienen el mismo conjunto solución Teorema fundamental
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 detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detallesEl ente básico de la parte de la matemática conocida como ANÁLISIS, lo constituye el llamado sistema de los número reales.
EL SISTEMA DE LOS NÚMEROS REALES Introducción El ente básico de la parte de la matemática conocida como ANÁLISIS, lo constituye el llamado sistema de los número reales. Números tales como:1,3, 3 5, e,
Más detallesPRODUCTO CARTESIANO RELACIONES BINARIAS
PRODUCTO CARTESIANO RELACIONES BINARIAS Producto Cartesiano El producto cartesiano de dos conjuntos A y B, denotado A B, es el conjunto de todos los posibles pares ordenados cuyo primer componente es un
Más detallesLección 4. Ecuaciones diferenciales. 1. Ecuaciones diferenciales de primer orden. Trayectorias ortogonales.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 0.. Ecuaciones diferenciales de primer orden. Traectorias ortogonales. Muchas aplicaciones problemas de la ciencia, la ingeniería la economía se formulan en términos
Más detallesSistem as de ecuaciones lineales
Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a
Más detallesGrupos y Subgrupos El concepto de grupo Sea G un conjunto no vacío y sea G G G
Capítulo 1 Grupos y Subgrupos 001. El concepto de grupo Sea G un conjunto no vacío y sea G G G una operación interna en G para la cual denotaremos a la imagen de un par (x, y) mediante xy. Supongamos que
Más detallesDefinición de la matriz inversa
Definición de la matriz inversa Objetivos Aprender la definición de la matriz inversa Requisitos Multiplicación de matrices, habilidades básicas de resolver sistemas de ecuaciones Ejemplo El número real
Más detallesb) Sea una relación de equivalencia en A y una operación en A. Decimos que y son compatibles si a b a c b c y c a c b para todo a, b, c A
APENDICE Relaciones y Operaciones Compatibles 1 Definición: a) Sea A un conjunto y una relación entre elementos de A. Decimos que es una relación de equivalencia si es: i Reflexiva: a A, a a. ii Simétrica:
Más detallesIES Fco Ayala de Granada Septiembre de 2011 (Septiembre Modelo 2) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Septiembre de 0 (Septiembre Modelo ) Germán-Jesús Rubio Luna UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD CURSO 00-0. MATEMÁTICAS II Opción A Ejercicio opción A,
Más detallesTEMA2. SUCESIONES DE NÚMEROS REALES Y COMPLEJOS
TEMA2. SUCESIONES DE NÚMEROS REALES Y COMPLEJOS 2.1 SUCESIONES DE NUMEROS REALES 2.1.1 Definición de sucesión de números reales Definición: Una sucesión de números reales es una aplicación del conjunto
Más detallesRentas Ciertas MATEMÁTICA FINANCIERA. Rentas Ciertas: Ejemplo. Rentas Ciertas. Ejemplo (1) C C C C C
Rentas Ciertas MATEMÁTICA FINANCIERA RENTAS CIERTAS I Luis Alcalá UNSL Segundo Cuatrimeste 06 A partir de ahora, utilizaremos capitalización compuesta como ley financiera por defecto, salvo que expĺıcitamente
Más detallesEL CUERPO ORDENADO REALES
CAPÍTULO I. EL CUERPO ORDENADO DE LOS NÚMEROS REALES SECCIONES A. Elementos notables en R. B. Congruencias. Conjuntos numerables. C. Método de inducción completa. D. Desigualdades y valor absoluto. E.
Más detallesEspacios Topológicos 1. Punto de Acumulación. Al conjunto de puntos de acumulación de A se le denomina el conjunto derivado de A (A a Notación).
Espacios Topológicos 1 Punto de Acumulación Definición: Sea A un subconjunto arbitrario de R n, se dice que x R n es un punto de acumulación de A si toda bola abierta con centro x contiene un punto A distinto
Más detallesNÚCLEOS DEFINIDOS POSITIVOS, REGULARIDAD, PERTURBACIONES Y APLICACIONES.
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS POSTGRADO EN MATEMÁTICA NÚCLEOS DEFINIDOS POSITIVOS, REGULARIDAD, PERTURBACIONES Y APLICACIONES. Autor: MSc. Arnaldo De La Barrera. Tutor: Dra. Marisela
Más detallesMatrices 1 (Problemas). c
º Bachillerato Matrices 1 (Problemas) 1.- Efectúa las siguientes operaciones con matrices: a) 1 4 5 6 + b) 5 7 9 11 1 1 1 1 1 1 c). 4 d) 6. 1 6 1 18 1 g) 0 0 0 0 a 0 b 0. 0 b 0 0 0 c c 0 0.- Siendo A =
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 detallesSucesiones y Suma Finita
Sucesiones y Suma Finita Hermes Pantoja Carhuavilca Centro Pre-Universitario CEPRE-UNI Universidad Nacional de Ingeniería Algebra Hermes Pantoja Carhuavilca 1 de 21 CONTENIDO Convergencia de una sucesión
Más detallesUna topología de los números naturales*
Una topología de los números naturales* Divulgación Gabriel Ruiz Hernández Instituto de Matemáticas, UNAM 1 de septimebre de 1997 resumen En este trabajo vamos a describir un espacio topológico X con las
Más detallesPROCESOS ESTOCÁSTICOS
Capítulo 10 Cadenas de Markov PROCESOS ESTOCÁSTICOS Una sucesión de observaciones X 1,X 2,... se denomina proceso estocástico Si los valores de estas observaciones no se pueden predecir exactamente Pero
Más detallesSemana03[1/17] Funciones. 16 de marzo de Funciones
Semana03[1/17] 16 de marzo de 2007 Introducción Semana03[2/17] Ya que conocemos el producto cartesiano A B entre dos conjuntos A y B, podemos definir entre ellos algún tipo de correspondencia. Es decir,
Más detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesAplicaciones de Ec. en Diferencias a la Economía
Aplicaciones de Ec. en Diferencias a la Economía Economía Matemática. (FCEA, UdelaR) Aplicaciones 1 / 21 Nota previa sobre raices complejas Antes de ver algunos ejemplos aplicados a la economía, una nota
Más detallesMatemáticas Discretas TC1003
Matemáticas Discretas TC1003 Relaciones entre Conjuntos: Propiedades Departamento de Matemáticas / Centro de Sistema Inteligentes ITESM Relaciones entre Conjuntos: Propiedades Matemáticas Discretas - p.
Más detallesGráficas de funciones sobre variedades
Gráficas de funciones sobre variedades Oscar Perdomo Resumen Dadas una variedad riemanniana compacta n dimensional (M, g) y una función diferenciable F : M R k consideraremos la variedad M = {(x, F (x))
Más detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesEspacios conexos. Capítulo Conexidad
Capítulo 5 Espacios conexos 1. Conexidad En este capítulo exploraremos el concepto de conexidad en un espacio métrico, y estudiaremos algunas de sus aplicaciones. Definición 5.1. Decimos que el espacio
Más detallesAnillo de polinomios con coeficientes en un cuerpo
Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.
Más detallesELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano
ELEMENTOS DE GEOMETRÍA Eduardo P. Serrano Este Apunte de Clase está dirigido a los alumnos de la materia Elementos de Cálculo Numérico para Biólogos. Tiene por objeto exponer algunos conceptos básicos
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 detallesSuperficies cuádricas
Superficies cuádricas Jana Rodriguez Hertz GAL2 IMERL 9 de noviembre de 2010 definición superficie cuádrica definición (forma cuadrática) una superficie cuádrica está dada por la ecuación: definición superficie
Más detallesALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE.
ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Polinomio Sea K (Q,
Más 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 detallesNota 3.1 La propiedad markoviana es equivalente a cualquiera de las siguientespropiedades:
Capítulo 3: Cadenas de Markov. Una propiedad de especial importancia que poseen los ya estudiados caminos aleatorios y procesos de ramificación, es que sus valores en el n ésimo paso sólo dependen de los
Más detalles1 NOCIONES BÁSICAS SOBRE CONJUNTOS. SÍMBOLOS.
UNIDAD 1.- CONCEPTOS REQUERIDOS CONJUNTOS. AXIOMAS DE PERTENENCIA, PARALELISMO, ORDEN Y PARTICIÓN. 1 NOCIONES BÁSICAS SOBRE CONJUNTOS. SÍMBOLOS. 1.1 Determinaciones de un conjunto. Un conjunto queda determinado
Más detallesVARIABLE COMPLEJA Y ANÁLISIS FUNCIONAL
VARIABLE COMPLEJA Y ANÁLISIS FUNCIONAL (Curso 00-00) HOJA Ejercicio. Determina en qué recintos es holomorfa la siguiente función: f(x + iy) x + ay + i(bx + cy) En este caso consideramos: u(x, y) x + ay
Más detallesPROBLEMAS RESUELTOS MOVIMIENTO ONDULATORIO
PROBLEMAS RESUELTOS MOVIMIENTO ONDULATORIO 1. Una onda transversal se propaga en una cuerda según la ecuación (unidades en el S.I.) Calcular la velocidad de propagación de la onda y el estado de vibración
Más detallesSucesiones y series de números reales
Capítulo 2 Sucesiones y series de números reales 2.. Sucesiones de números reales 2... Introducción Definición 2... Llamamos sucesión de números reales a una función f : N R, n f(n) = x n. Habitualmente
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Líneas y s en el Espacio Departamento de Matemáticas ITESM Líneas y s en el Espacio Álgebra Lineal - p. 1/34 Los conjuntos solución a un sistema de ecuaciones lineales cuando tienen
Más detallesLenguajes, Gramáticas y Autómatas Conceptos
Lenguajes, Gramáticas y Autómatas Conceptos Departamento de Informática e Ingeniería de Sistemas C.P.S. Universidad de Zaragoza Última revisión: Febrero. 2004 11/02/2004 1 Índice Alfabetos, palabras y
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 detallesTALLER 1 DE ALGEBRA LINEAL Y GEOMETRÍA INGENIERÍA AMBIENTAL - UNIVERSIDAD DE CÓRDOBA FACTORIZACIÓN LU Y CADENAS DE MARKOV
TALLER 1 DE ALGEBRA LINEAL Y GEOMETRÍA INGENIERÍA AMBIENTAL - UNIVERSIDAD DE CÓRDOBA FACTORIZACIÓN LU Y CADENAS DE MARKOV DESCRIPCIÓN: En el siguiente trabajo se mostrarán algunos métodos para encontrar
Más detallesProblemas de exámenes de Aplicaciones Lineales y Matrices
1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector
Más detallesSISTEMAS DE ECUACIONES LINEALES. Método de reducción o de Gauss. 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González.
SISTEMAS DE ECUACIONES LINEALES Método de reducción o de Gauss 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González. SISTEMAS DE DOS ECUACIONES LINEALES CON DOS INCÓGNITAS.
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 detallesAutómatas Mínimos. Encontrar el autómata mínimo. Universidad de Cantabria. Introducción Minimización de Autómatas Deterministas Resultados Algoritmo
Autómatas Mínimos Encontrar el autómata mínimo. Universidad de Cantabria Introducción Dado un lenguaje regular sabemos encontrar un autómata finito. Pero, hay autómatas más sencillos que aceptan el mismo
Más detallesAyudantía N 9. Problema 1. Considere la siguiente matriz de transición. 1/2 1/2 0 1/3 1/3 1/3
Universidad Diego Portales. Escuela de Industrias, Facultad de Ingeniería. Modelos Estocásticos; 2do semestre de 2014. Profesor: Franco Basso Ayudantes: Diego Espinoza Ayudantía N 9 Problema 1 Considere
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesTEMA 6: DIVISIÓN DE POLINOMIOS RAÍCES MATEMÁTICAS 3º ESO
TEMA 6: DIVISIÓN DE POLINOMIOS RAÍCES MATEMÁTICAS 3º ESO 1. División de polinomios Dados dos polinomios P (el dividendo) y D (el divisor), dividir P entre D es encontrar dos polinomios Q (el cociente)
Más detallesFundamentos matemáticos. Tema 8 Ecuaciones diferenciales
Grado en Ingeniería agrícola y del medio rural Tema 8 José Barrios García Departamento de Análisis Matemático Universidad de La Laguna jbarrios@ull.es 2016 Licencia Creative Commons 4.0 Internacional J.
Más detallesMétodo de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte II)
Método de diferencias finitas para ecuaciones diferenciales parciales elípticas (Parte II) Métodos numéricos para sistemas lineales Solución numérica de EDPs requiere resolver sistemas de ecuaciones lineales
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 detalles!MATRICES INVERTIBLES
Tema 4.- MATRICES INVERTIBLES!MATRICES INVERTIBLES!TÉCNICAS PARA CALCULAR LA INVERSA DE UNA MATRIZ REGULAR 1 Hemos hablado anteriormente de la matriz cuadrada unidad de orden n (I n ).. Es posible encontrar
Más detallesMATEMÁTICAS II CC III PARCIAL
UNIDAD DIDÁCTICA #3 CONTENIDO ECUACIONES LINEALES CON UNA INCOGNITA TIPOS DE ECUACIONES RESOLUCION DE ECUACIONES LINEALES INECUACIONES LINEALES 1 ECUACIONES LINEALES CON UNA INCOGNITA Una ecuación es una
Más detalles> Cadenas de Markov. Horacio Rojo y Miguel Miranda. @ 71.07 Investigación Operativa
@ 707 Investigación Operativa > Cadenas de Markov Horacio Rojo y Miguel Miranda c 2009 Facultad de Ingeniería, Universidad de Buenos Aires Digitalizado por Virginia Guala $September 2, 2009 Cadenas de
Más detallesNúmeros reales Conceptos básicos Algunas propiedades
Números reales Conceptos básicos Algunas propiedades En álgebra es esencial manejar símbolos con objeto de transformar o reducir expresiones algebraicas y resolver ecuaciones algebraicas. Debido a que
Más detallesUnidad 1: SISTEMAS DE ECUACIONES. MÉTODO DE GAUSS
Unidad 1: SISTEMAS DE ECUACIONES. MÉTODO DE GAUSS 1.1.- SISTEMAS DE ECUACIONES LINEALES Ecuación lineal Las ecuaciones siguientes son lineales: 2x 3 = 0; 5x + 4y = 20; 3x + 2y + 6z = 6; 5x 3y + z 5t =
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesSESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES
SESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES RELACIONES BINARIAS PAR ORDENADO Es un arreglo de dos elementos que tienen un orden determinado donde a es llamada al primera componente y b es llamada la
Más detallesSucesiones Introducción
Temas Límites de sucesiones. convergentes. Sucesiones divergentes. Sucesiones Capacidades Conocer y manejar conceptos de sucesiones convergentes y divergentes. Conocer las principales propiedades de las
Más detallesFunciones integrables en R n
Capítulo 1 Funciones integrables en R n Sean un subconjunto acotado de R n, y f : R una función acotada. Sea R = [a 1, b 1 ]... [a n, b n ] un rectángulo que contenga a. Siempre puede suponerse que f está
Más detallesA partir de la definición obtenemos las siguientes propiedades para estas funciones:
Capítulo 1 Conjuntos Supondremos conocidas las nociones básicas sobre teoría de conjuntos, tales como subconjuntos, elementos, unión, intersección, complemento, diferencia, diferencia simétrica, propiedades
Más detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS CC SOCIALES CAPÍTULO 2 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 detalles1.2 Si a y b son enteros impares, entonces a + b es par. 1.4 Si el producto de enteros a y b es par, entonces alguno de ellos es par.
Sesión 1 Demostraciones Demostración directa 1.1 Si n es un número entero impar, entonces n 2 es impar. 1.2 Si a y b son enteros impares, entonces a + b es par. Demostración indirecta 1.3 Si n 2 es par,
Más detallesDiagonalización de Endomorfismos
Capítulo VII Diagonalización de Endomorfismos Fijemos, para todo este capítulo, un espacio vectorial E sobre un cuerpo k y un endomorfismo T : E E. Vamos a estudiar cuándo existe una base de E respecto
Más detallesAxiomas de separación
CAPíTULO 6 Axiomas de separación Tema 1. Axiomas de separación: conceptos básicos El objetivo de este capítulo es considerar ciertas propiedades topológicas que comparten algunos espacios topológicos y
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 detalles