Look-up in Google Scholar
Full metadata record
Torreblanca Todco, María Luisa
Hurtado Soto, Marva
2017-12-13T14:27:18Z
2017-12-13T14:27:18Z
2017
http://repositorio.unsa.edu.pe/handle/UNSA/4343
En el presente trabajo de investigación se ha desarrollado métodos y técnicas para la diagonalización de Matrices Estocásticas Generalizadas en Mn (C[a,b]) para ello se ha hecho referencia a teoremas y propiedades relacionadas a la diagonalización de matrices en Mn (R) aplicándolas a matricesMn (C[a,b]) . El teorema de Perrón-Frobenius es aplicado a matrices no negativas, teniendo en consideración ello se ha logrado aplicarlo a matrices en Mn (C[a,b]); en lo que respecta al cálculo de autovalores y autovectores de matrices en Mn (C'[a,b]) se ha observado que los autovalores de la derivada A' de una matriz A son las derivadas de los autovalores de de la matriz A, en ambos casos los autovectores asociados resultan tener entradas constantes. La generalización de este método para matrices de orden mayor a 2 y/o 3 se hace a través de bloques diagonalizables para matrices de orden n, el teorema de la diagonalización y triangulación es aplicable para matrices en Mn (C[a,b]). (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional de San Agustín de Arequipa (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ (es_PE)
Universidad Nacional de San Agustín de Arequipa (es_PE)
Repositorio Institucional - UNSA (es_PE)
Matrices polinomiales (es_PE)
Espectro de matrices (es_PE)
Matrices estocásticas (es_PE)
Álgebra lineal (es_PE)
Diagonalización de Matrices estocásticas generalizadas simétricas en Mn (C[a,b]) (es_PE)
info:eu-repo/semantics/masterThesis (es_PE)
Universidad Nacional de San Agustín de Arequipa.Unidad de Posgrado.Facultad de Ciencias Naturales y Formales (es_PE)
Maestría en Matemáticas (es_PE)
Maestría (es_PE)
Maestro en Matemáticas (es_PE)
https://purl.org/pe-repo/ocde/ford#1.01.01 (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons