1. Cambios de base en R n.
|
|
- Jaime Blázquez Pérez
- hace 8 años
- Vistas:
Transcripción
1 er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos.. Cambios de base en R n. Sea B = fv ; ; v n g una base de R n. Sabemos que cada vector x R n puede escribirse de manera única como combinación lineal de los elementos de dicha base x = v + + n v n El vector cuyas entradas son ; ; n se llama vector de coordenadas de x en la base B y se representa por (x) B. Para escribir la igualdad anterior en forma matricial, llamamos P = [v ; ; v n ] y (x) B = [ ; ; n ] T y tenemos la igualdad x = P (x) B Las coordenadas funcionan como los códigos, cambian cuando cambia la base a la que están referidos. Por ejemplo, si estamos en R y tenemos la base B = fv = [; ] T ; v = [; ] T g y nombramos el dato (x) B = [ ; ] T, no nos estamos re riendo al vector [ ; ] T sino al vector x = v + v = [; ] T. Lógicamente, para reconstruir el vector x a partir de sus coordenadas hemos necesitado conocer la base fv ; v g, por eso se habla siempre de coordenadas respecto de una base y a las bases se las conoce también como sistemas de referencia. Las igualdades que relacionan coordenadas en distintas bases se llaman ecuaciones de cambio de base. Hay que señalar que si x = [x ; ; x n ] T entonces x se puede escribir de manera natural como combinación lineal de la base canónica x x =. 5 = x x n. 5 = x e + + x n e n x n Observamos que las coordenadas del vector x en la base canónica coincide con sus entradas o componentes. Si (x) C denota las coordenadas de x en la base canónica entonces, es obvio que, x = (x) c. Por esta razón la igualdad x = P (x) B es una relación de cambio de base entre la base B y la base canónica. Por lo tanto, escribimos (x) C = P (x) B. Una matriz A puede considerarse simplemente como cajas de números ordenados en las y columnas o como dispositivos (entrada/salida) que funcionan asignando al vector x el producto Ax (in) x! A! y = Ax (out) Esta manera de ver a las matrices es fundamental en la teoría pues permite estudiar y clasi car las matrices viendo el efecto geométrico-algebraico que producen en las guras que forman los vectores de entrada cuando pasan a través del dispositivo (o sistema) y se transforman en los vectores de salida. Si vemos la relación de cambio de base x = P (x) B de esta manera (in) (x) B! P! x = (x) C = P (x) B (out) Observamos que P transforma coordenadas en la base B en coordenadas en la base canónica. Por esta razón la matriz P se llama matriz de cambio de base de la base B a la base canónica. Para denotar esta dirección de cambio se usa la notación P = P B!C
2 Las matrices de cambio de base en R n son invertibles (son cuadradas y tienen columnas linealmente independientes). Por lo tanto, si (x) C = P (x) B entonces (x) B = P (x) C Ejemplo Consideremos en R la base B = fv = [; ] T ; v = [; ] T g Calcule la matriz P C!B. Sea V el subespacio de ecuación implícita x + x = (x ; x son las entradas del vector o coordenadas en la base canónica). Calcule la ecuación implícita que han de veri car las coordenadas en la base B de los vectores de V. Solución Sea la matriz P = [v ; v ] = Entonces el cambio de base entre B y la base canónica viene dado por (x) C = x = P (x) B. Queremos calcular P C!B, es decir, una matriz que al multiplicar a (x) C nos dé como resultado (x) B. Por lo tanto (x) C = P (x) B ) P (x) C = (x) B ) P C!B = P = = Para la segunda parte del ejercicio escribimos la ecuación implícita de V en forma matricial x x + x = ) Ax = ; donde A = [; ] y x =. Como la relación de cambio de base es x = P (x) B, sustituyendo en la ecuación Ax = se tiene que AP (x) B =. Si denotamos las coordenadas en B como (x) B = [, ] entonces AP (x) B = ) [; ] = ) x = ) =. Por lo tanto, la condición que tienen que veri car las coordenadas de un vector para estar en V es =. A partir de la fórmula de cambio de base entre una base cualquiera y la base canónica se puede deducir una fórmula de cambio de base entre dos bases cualesquiera (pero conocidas). Cambio de base entre dos bases cualesquiera conocidas. Si B = fu ; ; u n g y B = fv ; ; v n g son dos bases de R n y consideramos las matrices P = [u ; ; u n ] y Q = [v ; ; v n ] entonces x = P (x) B y x = Q(x) B y se veri ca que P (x) B = Q(x) B La anterior igualdad puede utilizarse para relacionar las coordenadas de x en B con las coordenadas de x en B. De ella se deducen también las matrices de cambio de base (sin más que despejar el vector que interese en cada momento) Q P (x) B = (x) B ) P B!B = Q P y P Q(x) B = (x) B ) P B!B = P Q. Cambio de base entre dos bases cualesquiera, no necesariamente conocidas. Veamos la fórmula de cambio de base entre dos bases cualesquiera, no necesariamente conocidas, de las que se conocen las coordenadas de los vectores de una base en función de la otra base.
3 Si B = fu ; ; u n g y B = fv ; ; v n g son dos bases de R n de manera que los valores concretos de dichos vectores son desconocidos. Supongamos que conocemos las coordenadas de los vectores de B en la base B, es decir, nos dan el dato P = [(v ) B ; ; (v n ) B ] Entonces la relación de cambio de base es es decir, (x) B = P (x) B ; P = [(v ) B ; ; (v n ) B ] = P B!B En la sección siguiente demostraremos esta última relación de cambio de base.. Aplicaciones Lineales de R n en R m. De nición Una aplicación f R n! R m se dice que es lineal si f (v + v ) = f (v ) + f(v ), para todo, R y para todo v, v R n... Aplicaciones Lineales y Matrices. Las matrices siempre de nen aplicaciones lineales (es obvio a partir de las propiedades del producto de matrices) f R n! R m x! Ax Recíprocamente, toda aplicación lineal es la actuación de una (única) matriz. En efecto, si descomponemos un vector como combinación lineal de los vectores de la base canónica x x =. 5 = x x n. 5 = x e + + x n e n x n entonces, por la linealidad de f se tiene que f (x) = f (x e + + x n e n ) = x f (e ) + + x n f(e n ) = [f (e ); ; f(e n )] {z } =A x. x n 5 = Ax Vemos que la matriz asociada a la aplicación tiene por columnas las imágenes de los elementos de la base canónica. Propiedad Una aplicación lineal queda determinada si se conocen las imágenes de los elementos de cualquier base (del espacio de partida). Prueba Para demostrarlo, sea B = fu ; ; u n g una base de R n y supongamos conocidas sus imágenes B = [f (u ) ; ; f (u n )] = [Au ; ; Au n ] {z } es un dato Sea P = [u ; ; u n ], sabemos que esta matriz es invertible, entonces A = A[u ; ; u n ][u ; ; u n ] = [Au ; ; Au n ][u ; ; u n ] = BP
4 En muchos ejercicios es más sencillo despejar directamente los vectores ff (e ); ; f(e n )g (veasé los ejercicios resueltos más adelante ). Ejercicio La aplicación que a cada vector de R n le hace corresponder las coordenadas de dicho vector en una base pre jada es una aplicación lineal f R n! R m x! (x) B Solución Supongamos que la base es B = fu ; ; u n g y formamos la matriz P = [u ; ; u n ]. Hemos visto que x = P (x) B. Por lo tanto, la aplicación que a cada vector de R n le hace corresponder las coordenadas de dicho vector en la base B es una aplicación lineal ya que viene dada por una matriz, ésta es concretamente P. En la siguiente propiedad, usaremos el ejercicio anterior para demostrar la relación de cambio de base que quedó pendiente en la sección anterior. Propiedad Supongamos que B = fu ; ; u n g y B = fv ; ; v n g son dos bases de R n de manera que los valores concretos de dichos vectores son desconocidos. Supongamos que conocemos las coordenadas de los vectores de B en la base B, o sea nos dan el dato P = [(v ) B ; ; (v n ) B ] Supongamos que (x) B = [ ; ; n ] T. Eso signi ca que x = v + + n v n Si aplicamos la linealidad de la aplicación coordenadas en B "tenemos que las coordenadas de una combinación lineal será la combinación lineal de las coordenadas, es decir (x) B = (v ) B + + n (v n ) B Aplicando que el producto de una matriz por una columna de números es una combinación lineal de las columnas de la matriz y los coe cientes de dicha combinación lineal son las componentes del vector", se tiene que (x) B = [(v ) B ; ; (v n ) B ].. n 5 = P (x) B.. Propiedades de las aplicaciones lineales. Propiedad Una aplicación lineal siempre transforma en. Es obvio pues f() = A =. Propiedad Las aplicaciones lineales transforman subespacios vectoriales en subespacios vectoriales. Prueba Sea V un subespacio vectorial de R n, generado por una base B = fv ; ; v k g. Si V = fg no tiene base, en este caso es obvio que f(v ) = fg. Si V = fg y tomamos v V entonces existirán escalares tales que v = v + + k v k. Por la linealidad de f se tiene que f(v) = f( v + + k v k ) = f(v ) + + k f(v k ) Es decir, la imagen del subespacio V está generada por los vectores ff(v ); ; f(v k )g
5 Nota Cabe señalar que dichos vectores no tienen porqué ser una base de f (V ) Por ejemplo, si A = ; ] T g es un plano y se transforma en el sube- entonces el subespacio generado por los vectores f[; ; ] T ; [; spacio generado por f[; ] T ; [; ] T g; que es una recta. De niciones Los subespacios más importantes asociados a una aplicación lineal son el núcleo y la imagen. El núcleo está formado por todos los vectores que van al cero N(f) = fx f(x) = g Por lo tanto, el núcleo de f es lo mismo que el núcleo de la matriz de f. La imagen son todos los vectores que son imagen de alguien Im(f) = ff(x) x R n g Por lo tanto, la imagen es lo mismo que el espacio columna (o rango) de la matriz de f. También es cierto que Im(f) = f(r n ). Una aplicación que transforma vectores distintos en vectores distintos se dice que es inyectiva. Esto equivale a decir que f es inyectiva si cumple la condición f (x) = f (y) ) x = y. Propiedad Una aplicación lineal es inyectiva si y sólo si tiene núcleo cero. Prueba Supongamos que la aplicación lineal es inyectiva. Si f(x) = entonces (como es lineal) se tiene que f() = ; por lo tanto f(x) = f() ) x =. Luego N(f) es fg. Recíprocamente, si tiene núcleo cero y f (x) = f (y) entonces, como f es aplicación lineal, Luego f es inyectiva = f (x) f (y) = f (x y) ) x y N(f) ) x y = ) x = y Propiedad Antes hemos observado que una aplicación lineal f no tiene porqué transformar una base en otra base. Pues bien, si N(f) = fg entonces transforma un sistema linealmente independiente (base de V ) en otro linealmente independiente (base de f(v )) Por consiguiente, una aplicación lineal con núcleo cero transforma un subespacio en otro con la misma dimensión. Este hecho es consecuencia de la siguiente propiedad. Propiedad 5 Si V es un espacio vectorial y f es una aplicación lineal entonces se veri ca que dim (f(v )) = dim(v ) dim(v \ N(f)). Prueba Para demostrar dicha igualdad nos damos cuenta de que V \ N(f) es un subespacio de V. Usando ampliaciones de base podemos construir una base de V a partir de una base de V \ N(f) 8 9 >< >= > fv ; ; v k g ; fv k+ ; ; v m g {z } {z } >; base de V \N(f) ampliación 5
6 Es obvio que dicha base se transforma en f; f(v k+ ); ; f(v m )g, que son generadores de f(v ). Además, es fácil ver que ff(v k+ ); ; f(v m )g son linealmente independientes, ya que k+ f(v k+ ) + + m f(v m ) = ) (f es lineal) f( k+v k+ + + m v m ) = y, por tanto, k+ v k+ + + m v m N(f) (y a V ). Observemos que dicho vector no puede estar en la ampliación a menos que sea cero. Si k+ v k+ + + m v m = entonces todos los escalares son cero pues fv k+ ; ; v m g son linealmente independientes. Si contamos los vectores obtenemos la fórmula... Propiedades del rango de una matriz.. El rango de un producto no puede superar el rango de ninguno de los factores, es decir, r(ab) r(a) y r(ab) r(b) Esto es cierto porque un vector de R(AB) es siempre de la forma ABx De ese modo, es de la forma Av con v = Bx y, por lo tanto, está en R(A). Es decir, R(AB) R(A) y, por tanto, su dimensión será menor o igual. La otra desigualdad se puede deducir de la anterior (para ello léase rango(producto)rango(primera)) usando la traspuesta r(ab) = r((ab) T ) = r(b T A T ) r(b T ) = r(b).. Si A tiene columnas independientes (en particular, si A es invertible) entonces r(ab) = r(b). Esto es fácil de ver a partir de la propiedad anterior, pues si una matriz tiene columnas independientes entonces tiene núcleo fg y, por tanto, transforma un subespacio (R(B)) en otro que tiene la misma dimensión (R(AB)).. Si B tiene las independientes (en particular, si B es invertible) entonces r(ab) = r(a). Para demostrar esto basta aplicar la propiedad anterior y las propiedades de la traspuesta (si B tiene las independientes entonces B T tiene columnas independientes)... Cambios de base en aplicaciones lineales. Antes hemos visto que un vector queda caracterizado por sus coordenadas en una base. Se plantea en esta sección calcular la matriz de una aplicación lineal cuando los datos de entrada y salida vienen determinados, no por sus valores, sino por sus coordenadas en ciertas bases. Consideremos una aplicación lineal f R n! R m x! y = Ax y sean B = fu ; ; u n g y B = fv ; ; v m g dos bases de R n y R m, respectivamente. Consideramos las matrices P = [u ; ; u n ] y Q = [v ; ; v m ] entonces y = Ax x = P (x) B y = Q(y) B 9 = ; ) Q(y) B = AP (x) B ) (y) B = Q AP (x) B La matriz Q AP se llama matriz de la aplicación lineal f en las bases B y B. Con esta nomenclatura la matriz A resulta ser la matriz de f en las bases canónicas (pues en ese caso P y Q son la identidad de orden n y m respectivamente).
7 Por otro lado, la matriz de la aplicación lineal f en las bases B y B también puede determinarse de otra manera. Para ello partimos de que un vector x R n se puede escribir como combinación lineal de la base B mediante sus coordenadas (x) B =. n 5, x = u + + n u n Aplicando la linealidad de f obtenemos que f (x) = f(u ) + + n f(u n ).Si aplicamos la linealidad de las coordenadas obtenemos que (f (x)) B = (f(u )) B + + n (f(u n )) B escribiendo dicha combinación lineal en forma matricial se tiene (f (x)) B = (f(u )) B ; ; (f(u n )) B. n 5 = (f(u )) B ; ; (f(u n )) B (x)b Eso quiere decir que la matriz Q AP que hemos calculado anteriormente coincide con (f(u )) B ; ; (f(u n )) B Los ejercicios que hay en la relación de problemas sobre cambios de base en aplicaciones lineales se resuelven aplicando directamente las fórmulas obtenidas..5. Ejercicios Resueltos. Ejercicio. De una matriz A se sabe que es y que para v = [; ; ; ] T, los valores de A n v, para n = ; ; ; son Av = [; ; ; ] T ; A v = [; ; ; ] T ; A v = [; ; ; ] T ; A v = [; ; ; ] T. Comprueba que los vectores v; Av; A v; A v son linealmente independientes.. Calcula A.. Sea f(x) = Ax, calcula la matriz de f en la base B = fv; Av; A v; A vg Solución Sabemos que una aplicación lineal queda determinada conociendo las imágenes de los elementos de una base (cuatro vectores independientes en R son una base). Por lo tanto, del apartado se deduce que A queda determinada con los datos que da el problema 8 f(v) = Av; >< f(av) = A v = A(Av); f(a > v) = A v = A(A v); f(a v) = A v = A(A v). Los vectores son independientes porque al aplicar el método de Gauss obtenemos cuatro pivotes 5! Gauss
8 . Si colocamos las imágenes en una matriz B y la base en una matriz P, sabemos que la matriz A es BP. Otra forma de calcular A es despejar de los datos que nos dan, los vectores f (e ), f (e ),... No siempre es fácil, pero en este caso sí lo es. Para ello renombramos los vectores de la manera habitual v = u Av = u A v = u A v = u 9 >= 8 ><! >; > v = f(u ) = f (e + e + e + e ) = f(e ) + f(e ) + f(e ) + f(e ) v = f(u ) = f (e e + e e ) = f(e ) f(e ) + f(e ) f(e ) v = f(u ) = f (e e ) = f(e ) f(e ) v = f(u ) = f (e e ) = f(e ) f(e ) Sumando la primera y la segunda ecuación nos queda f(e ) + f(e ) = v + v Si sumamos esto a la tercera ecuación (multiplicada por dos) nos queda f(e ) = v + v + v ) f(e ) = Restando la primera la segunda ecuación nos queda f(e ) + f(e ) = v v Si sumamos esto a la cuarta ecuación (multiplicada por dos) nos queda f(e ) = v v + v ) f(e ) = Los dos vectores que faltan se despejan de las dos últimas ecuaciones f(e ) = f(e ) v = 5 5 = f(e ) = f(e ) v = 5 5 = Para comprobar el resultado vemos que, efectivamente, Au i = v i, i = ; ; ; 5 5 =. Sea f(x) = Ax, calcula la matriz de f en la base B = fv; Av; A v; A vg. La matriz de f en B es B = [(f(v)) B ; (f(av)) B ; (f(a v)) B ; (f(a v)) B ] = [(Av) B ; (A v) B ; (A v) B ; (A v) B ] 8
9 Calculemos las coordenadas de cada uno de estos vectores respecto de la base B f(v) = Av = v + Av + A v + A v f(av) = A v = v + Av + A v + A v f(a v) = A v = v + Av + A v + A v f(a v) = A v = v + Av + A v + A v Vamos a obtener las coordenadas de f(a v) = A v respecto de la base B A v = 5 = que equivale a resolver el sistema de ecuaciones 5 = cuya solución es Por tanto, la matriz de f en B es B = 5 = = 5= = 5 = 5= = Ejercicio +. Sea G el subespacio de R G x + x = ; x x + x =. Halla A, la matriz de una aplicación lineal f R! R tal que si u G? entonces f(u) = u; [; ; ; ] T N (f) ; n n oo G? + Gen [; ; ; ] T? N (f). Halla la imagen por f del subespacio G? + N (f).. Calcula A n v para v un vector genérico de R Solución 9
10 . Una aplicación lineal f R! R queda determinada sabiendo la imagen de cuatro vectores de R linealmente independientes. Examinemos los datos para ver si tenemos eso. En primer lugar, observamos que G tiene dimensión y que su ortogonal, que está generado por los coe cientes de las ecuaciones de G, también tiene dimensión Luego ya conocemos la imagen de dos vectores independientes f( En segundo lugar, cabe esperar que los otros dos datos den dos vectores independientes cuyas imágenes son conocidas, ya que valen cero por estar en el núcleo. n n oo G? + Gen [; ; ; ] T?. La suma se genera juntando gener- Calculamos primero las ecuaciones de adores 8 >< G? + Gen > 5 ) = 5, f( 5 ) = 9 8 >= >< 5 = Gen >; > Calculamos las ecuaciones implícitas de G? + Gen n[; o ; ; ] T x x x x 5! Gauss 9 >= >; x x x x x x x + x + x n n oo Luego G? + Gen [; ; ; ] T? está generado por el vector [; ; ; ] T. La matriz de la aplicación lineal se calcula mediante la expresión A = BP = 5 5 o bien despejando las imágenes de los vectores de la base canónica con los datos que tenemos. Hacemos esto último. El sistema que tenemos que resolver es 8 >< donde v = [; ; ; ] T y v = [; ; ; ] T. > f(e ) + f(e ) = v ; f(e ) f(e ) + f(e ) = v ; f(e ) + f(e ) = ; f(e ) f(e ) + f(e ) + f(e ) = ; Para resolver el sistema podemos trabajar algebraicamente con las ecuaciones, como se hizo en el ejercicio anterior, o bien se puede aplicar el método de eliminación gaussiana considerando como incógnitas a los vectores f(e ), f(e ), f(e ), f(e ), y los términos independientes son también vectores. Esto es válido porque las propiedades algebraicas de las operaciones del espacio vectorial coinciden con las propiedades de las operaciones entre números v v 5! Gauss v v v + v v + v
11 Si despejamos en las ecuaciones obtenidas vamos obteniendo los vectores f(e ) = ( v + v ) = f(e ) = v + f(e ) f(e ) = f(e ) = v v + f(e ) = f(e ) = v f(e ) = Por lo tanto, la matriz de f es A =. En las notas teóricas hemos comentado cómo se calcula la imagen de un subespacio los transformados de un sistema de generadores de V generan el subespacio transformado f(v ). En este caso sabemos cuales son los generadores de G? + N (f) los generadores de G? junto con los generadores de N (f). También sabemos cuáles son las imágenes de cada uno de ellos los de N(f) van al cero y los de G? van a sí mismos. Por lo tanto, deducimos que f G? + N (f) = G?. En este ejemplo particular, el problema de calcular A n v la respuesta es sencilla si nos damos cuenta de que juntando las bases respectivas de los subespacios G? y N (f) formamos una base de R (gracias a eso la aplicación lineal ha quedado determinada). Supongamos que fv ; v g es la base de G? y que fv ; v g es la base de N (f). Luego un vector v R siempre se podrá escribir de la forma v = v + v + v + v Como sabemos los transformados de todos los vectores de G? y de N (f) Av = f(v) = f(v ) + f(v ) + f(v ) + f(v ) = v + v Si a este vector le volvemos a aplicar f el resultado es A v y por el mismo razonamiento es v + v. En general, se ve que A n v = Av; para todo v R Ejercicio. Sea la aplicación lineal f R! R tal que f((; ; ) T ) = (8; ; ; ) T ; f((; ; ) T ) = (; ; ; ) T ; f((; ; ) T ) = (; ; ; ) T. Halla la matriz de f. Cuál es el transformado de (; ; ) T?. Determina N(f).. Determina Im(f).. Existe algún x = [x ; x ; x ] T R tal que f(x) = [y ; y ; y ; y ] T con y =? En caso a rmativo, determínelos.
12 5. Calcule una matriz R de la forma R = r r r r r r 5 tal que Ry = x, para todo x, y que veri quen la ecuación y = f (x). (Observe que A y R veri carán RA = I, pero no se puede calcular R invirtiendo A porque A no es cuadrada). Solución. Como en todos los ejercicios anteriores se puede calcular la matriz de f obteniendo las imágenes de los vectores de la base canónica. También podemos calcular la matriz BP 8 A = BP = = = 8. Puede resolverse el sistema Ax = o bien esperar a resolver el apartado siguiente. El motivo es que la nulidad más el rango es el número de columnas. Por lo tanto, si el rango es tres, que es lo que sucede en este problema, deducimos que el núcleo es cero sin hacer operaciones.. El rango (o imagen) está generado por las columnas de A (también por las de B piénselo). El problema de calcular las ecuaciones implícitas de un subespacio a partir de un sistema de generadores debe ser ya conocido de temas anteriores. Si se lleva a cabo se obtiene la ecuación implícita y y + y y =.. La respuesta es mucho más sencilla si la pregunta se reformula de la siguiente manera y el vector y y 5 Im (f)? y Como hemos calculado la ecuación de Im (f) en el apartado anterior, sólo tenemos que sustituir Vemos que la respuesta es sí, para todo y R. y y + y ( y ) = 5. Tal y como dice el enunciado, la matriz R hay que calcularla imponiendo que Ry = x, para todo y = f(x). Si tomamos como valores de f (x) los datos del problema r 8 r r r 5 5 = 5 r r
13 se obtienen más ecuaciones (nueve) que incógnitas (cuatro). Seleccionamos cuatro ecuaciones que determinen las cuatro incógnitas 8 >< > 8r + r = r r = r r = r = ) r =, r =, r =, r =. Y ya sólo nos queda comprobar que las cinco ecuaciones que no hemos tenido en cuenta se veri can para los valores que hemos calculado. Lo que hemos comprobado es que RB = P. Por lo tanto, R(BP ) = I. Como A = BP, tenemos que RA = I Como f(x) = x, para todo x, tenemos que Rf(x) = RAx = Ix = x; para todo x. Ejercicio 9. Consideremos los siguientes subespacios de R V x x = x + x + x = W = Genf 5 g. Determina V + W y V \ W.. Sea f R! R la aplicación lineal que veri ca Calcula f (e ) y f (e ) y la matriz de f. N(f) = V f (e ) = (; ; ; ) T f (e ) = (; ; ; ) T. Demuestra que Im(f) = W (hay un error en la relación de problemas).. Quién es f (V + W )? Quién es f (V \ W )? Razone su respuesta. 5. Puede encontrar dos subespacios E y F para los cuales f (E \ F ) no sea igual a f (E) \ f(f )? Solución. La suma V + W se calcula juntando generadores y la intersección V \ W se calcula juntando ecuaciones. Calculemos una base de V!! base de V = fv Gauss = [; ; ; ] T ; [; ; ; ] T g Calculemos ecuaciones implícitas de W x x x 5! Gauss x x x + x x x x x x 5! ecuaciones de W x x = ; x x x = Juntamos la base de V con la de W y reducimos para quedarnos con los vectores linealmente independientes 5! Gauss
14 Luego una base de V + W es 8> < > Unas ecuaciones de V + W se calculan x x x 5! Gauss x x x + x x x x x x 9 >= >; 5! ecuaciones de V + W fx x = g Con la fórmula de las dimensiones ya sabemos que V \ W tiene dimensión. Juntamos las ecuaciones de V y W y lo calculamos 5! Gauss 5! base de V \ W = f[ ; ; ; ]T g. Con los datos que nos da el problema conocemos f (e ) ; f (e ) y como e nos ha salido en el apartado anterior en V y nos dicen que V = N(f), pues también conocemos f (e ). Del otro generador de V podemos deducir f (e ) f C 5A = ) f (e ) f (e ) + f (e ) = ) f (e ) = f (e ) + f (e ) = Luego la matriz es A =. La imagen está generada por las columnas de A. Como el núcleo (es V ) tiene dimensión sabemos que la imagen tiene dimensión (luego ya sé que la imagen estará generada por las dos primeras columnas de A). Calculamos sus ecuaciones x x x x 5! Gauss x x x x x x x 5! ecuaciones de Im(f) x x = ; x x x = Podemos observar que los generadores de W veri can las ecuaciones de Im(f), por lo tanto W Im(f) y como tienen ambos la misma dimensión tienen que ser iguales.. Se calculan las imágenes de los tres generadores de V + W y eso genera f (V + W ). La solución es f (V + W ) = Genf[ ; ; ; ] T g El problema lo que pregunta es si sabemos cosas acerca de f (V + W ) sin hacer cálculos Sabemos que un espacio se transforma en otro que tiene la misma dimensión menos la del corte con el núcleo. En este caso, el núcleo es V y como V + W tiene dimensión tres, sabemos que f (V + W ) tiene dimensión uno. Otra cosa que sabemos (para cualquier f lineal) es que f (V + W ) = f(v ) + f(w )
15 Eso es inmediato de demostrar porque V + W = fv + w v V, w W g En este caso, tenemos que V = N(f) luego f (V + W ) = f(w ). Por otro lado, la imagen de la intersección también se puede calcular directamente transformando el único generador de V \ W. La solución es el vector nulo y por lo tanto f (V \ W ) = fg. Eso ya se sabía sin cuentas porque V \ W V = N(f). 5. En general, f (E \ F ) no es igual a f(e) \ f(f ). Siempre se tiene una contención si v E \ F entonces v E y v F, por lo tanto f(v) f(e) \ f(f ). Es decir, f (E \ F ) f(e) \ f(f ). Un ejemplo de que la otra contención no es cierta en general puede ser el siguiente. Tomamos v un vector del núcleo y w otro vector que no esté en el núcleo y consideramos el plano generado por esos dos vectores. La intersección de ese plano con el núcleo tiene que tener dimensión uno (por descarte de las demás posibilidades que son cero y dos). Eso signi ca que podemos tomar w y w, dos vectores independientes en dicho plano y que no estén en el núcleo (imagine un plano con una recta dentro, lo que estamos diciendo es que podemos tomar dos vectores que formen un ángulo y ninguno de ellos en la recta). De nimos E = Genfw g y F = Genfw g. Es obvio que E \ F es la intersección de dos rectas que sólo se cortan en el cero. Por otro lado E + F es el plano y su imagen tiene que tener dimensión uno (es una recta), porque se cumple la fórmula dim (f(v )) = dim(v ) dim(v \ N(f)) = Luego f (E) y f(f ) son dos rectas (porque w y w no pertenecen al núcleo) que están obligadas a estar dentro de la misma recta (o sea, que son la misma). Piense que E y F están dentro de E + F y por lo tanto f(e) y f(f ) f(e + F ) que es una recta. Por lo tanto, f(e) \ f(f ) es una recta. Este ejemplo vale para cualquier f que tenga núcleo (como la de nuestro ejercicio). Si quiere una visualización de la idea anterior piense en una proyección ortogonal sobre el suelo OXY. El núcleo es el eje OZ Tome dos vectores independientes fuera de OZ, pero que formen un plano con OZ. Esos dos vectores se proyectan en el suelo en dos vectores que pertenecen a la misma recta. Se plantea a los alumnos pensar si la igualdad es cierta cuando N(f) = fg 5
E 1 E 2 E 2 E 3 E 4 E 5 2E 4
Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),
Subespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Tema 3. Aplicaciones lineales. 3.1. Introducción
Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones
1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una
BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Tema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Anexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Aplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Aplicaciones Lineales
Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse
4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales.
Problemas y Ejercicios Resueltos. Tema : Aplicaciones Lineales. Ejercicios 1.- Determinar cuáles de las siguientes aplicaciones son lineales: (i) f : R R 2 definida por f((x, y, z)) = (x y, y + 2z). (ii)
Aplicaciones Lineales
Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)
Tema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
4 Aplicaciones Lineales
Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1
Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Construcción de bases en el núcleo e imagen de una transformación lineal
Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.
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.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Espacios vectoriales y aplicaciones lineales.
Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en
Espacios vectoriales y Aplicaciones lineales
Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea
Espacios vectoriales y aplicaciones lineales
Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un
Matrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}
Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar
1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
1. ESPACIOS VECTORIALES
1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,
Tema 4: Aplicaciones lineales
Tema 4: Aplicaciones lineales Definición, primeras propiedades y ejemplos Definición. Sean V y W dos espacios vectoriales sobre un cuerpo K. Una función f : V W se dice que es una aplicación lineal si
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES
Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere
Matrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.
Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =
Formas bilineales y cuadráticas.
Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos
Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)
Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto
1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
1. APLICACIONES LINEALES
1 1. APLICACIONES LINEALES 1. Estudiar si las siguientes aplicaciones son lineales: a) f : R 2 R 3, f(x, y) = (x + y, y, x 2y). Sí es lineal. b) f : R 2 R, f(x, y) = xy. No es lineal. Basta observar que
Objetivos: Al inalizar la unidad, el alumno:
Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará
Tema 2. Aplicaciones lineales y matrices.
Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................
Tema 3: Producto escalar
Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica
8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.
Prácticas de Matemáticas I y Matemáticas II con DERIVE 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar si el
4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA
4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA Una ecuación con una incógnita es de segundo grado si el exponente de la incógnita es dos. Ecuaciones de segundo grado con una incógnita son: Esta última ecuación
Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales.
Problemas y Ejercicios Resueltos. Tema : Espacios vectoriales. Ejercicios 1.- Determinar el valor de x para que el vector (1, x, 5) R 3 pertenezca al subespacio < (1,, 3), (1, 1, 1) >. Solución. (1, x,
Aplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
Ecuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Segundo de Bachillerato Geometría en el espacio
Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto
LÍMITES Y CONTINUIDAD DE FUNCIONES
Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos
1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Matrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
Apuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
(Ec.1) 2α + β = b (Ec.4) (Ec.3)
Problema 1. Hallar t R para que el vector x = (3, 8, t) pertenezca al subespacio engendrado por los vectores u = (1, 2, 3) y v = (1, 3, 1). Solución del problema 1. x L{ u, v} si, y sólo si, existen α,
Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.
Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal
Aproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.
VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar
5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades
5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio
Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).
Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid
Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:
Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición
Espacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
1. El teorema de la función implícita para dos y tres variables.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Aplicaciones de la derivación parcial.. El teorema de la función implícita para dos tres variables. Una ecuación con dos incógnitas. Sea f :( x, ) U f(
Clase 15 Espacios vectoriales Álgebra Lineal
Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos
MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa
Esta es la forma vectorial de la recta. Si desarrollamos las dos posibles ecuaciones, tendremos las ecuaciones paramétricas de la recta:
Todo el mundo sabe que dos puntos definen una recta, pero los matemáticos son un poco diferentes y, aún aceptando la máxima universal, ellos prefieren decir que un punto y un vector nos definen una recta.
Práctica de Aplicaciones Lineales
practica5.nb 1 Práctica de Aplicaciones Lineales Aplicaciones lineales y matrices Las matrices también desempeñan un papel muy destacado en el estudio de las aplicaciones lineales entre espacios vectoriales
Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales
Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental
M a t e m á t i c a s I I 1
Matemáticas II Matemáticas II ANDALUCÍA CNVCATRIA JUNI 009 SLUCIÓN DE LA PRUEBA DE ACCES AUTR: José Luis Pérez Sanz pción A Ejercicio En este límite nos encontramos ante la indeterminación. Agrupemos la
Aplicaciones lineales continuas
Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas
PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Características de funciones que son inversas de otras
Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =
Aplicaciones lineales
aplicaciones_lineales.nb Aplicaciones lineales Práctica de Álgebra Lineal, E.U.A.T, Grupos ºA y ºB, 005 Aplicaciones lineales y matrices Hay una relación muy estrecha entre aplicaciones lineales y matrices:
Espacios vectoriales. Bases. Coordenadas
Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos
AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES
AXIOMASDECUERPO(CAMPO) DELOSNÚMEROSREALES Ejemplo: 6 INECUACIONES 15 VA11) x y x y. VA12) x y x y. Las demostraciones de muchas de estas propiedades son evidentes de la definición. Otras se demostrarán
Aplicaciones Lineales y Multilineales Continuas
Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +
Soluciones de los ejercicios de Selectividad sobre Funciones de Matemáticas Aplicadas a las Ciencias Sociales II
Soluciones de los ejercicios de Selectividad sobre Funciones de Antonio Francisco Roldán López de Hierro * Convocatoria de 200 Las siguientes páginas contienen las soluciones de los ejercicios propuestos
4.1 El espacio dual de un espacio vectorial
Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo
Definición de vectores
Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre
Función Lineal Prof. Natalia Rodríguez 1
Función Lineal Prof. Natalia Rodríguez 1 1 Función lineal 1.1 La función lineal Sea f una función tal que, f : IR! IR. Se llama función lineal si f (x) = mx + b con m, b 2 IR. El dominio, el codominio
Lección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.
ÁLGEBRA DE MATRICES Página 49 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes
CAPÍTULO II. 4 El grupo afín
CAPÍTULO II 4 El grupo afín En geometría clásica, antes de la aparición de los espacios vectoriales, se hablaba de puntos en lugar de vectores. Para nosotros serán términos sinónimos salvo que, cuando
Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012
Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes
APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO
APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO ÍNDICE VECTORES EN EL PLANO... 3 Vector Fijo... 3 VECTOR LIBRE... 3 Operaciones con Vectores... 3 Suma de vectores... 3 Producto de un número por
Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones
Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración
Espacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.
ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN
a < b y se lee "a es menor que b" (desigualdad estricta) a > b y se lee "a es mayor que b" (desigualdad estricta)
Desigualdades Dadas dos rectas que se cortan, llamadas ejes (rectangulares si son perpendiculares, y oblicuos en caso contrario), un punto puede situarse conociendo las distancias del mismo a los ejes,
4 Aplicaciones lineales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4 Aplicaciones lineales 4. Aplicación lineal Sean V y W dos espacios vectoriales sobre el mismo cuerpo K (en general, R o C. Una aplicación
Sistemas de vectores deslizantes
Capítulo 1 Sistemas de vectores deslizantes 1.1. Vectores. Álgebra vectorial. En Física, se denomina magnitud fsica (o simplemente, magnitud) a todo aquello que es susceptible de ser cuantificado o medido
SISTEMAS DE ECUACIONES LINEALES
Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,
3. Operaciones con funciones.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lección. Funciones derivada. 3. Operaciones con funciones. En esta sección veremos cómo podemos combinar funciones para construir otras nuevas. Especialmente
Geometría Tridimensional
Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,
Valores propios y vectores propios
Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas
Bienvenidos a los concertos para violin entre el álgebra y la Geometría.
Bienvenidos a los concertos para violin entre el álgebra y la Geometría. Capitulo 17 Atención Esta guía no pretender ser una sustituta del libro de texto del curso. Lo que busca es presentar las herramientas
CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
INECUACIONES NOTA IMPORTANTE: El signo de desigualdad de una inecuación puede ser,, < o >. Para las cuestiones teóricas que se desarrollan en esta unidad únicamente se utilizará la desigualdad >, siendo
CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
RECTAS Y PLANOS EN EL ESPACIO
UNIDAD 6 RECTA Y PLANO EN EL EPACIO Página 1 1. Puntos alineados en el plano Comprueba que los puntos A (, ), B (8, ) y C (1, ) no están alineados. A (, ) B (8, ) C (1, ) AB = (, 1); BC = (, ) No tienen
Estructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Listas de vectores y conjuntos de vectores
Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas
MÉTODOS DE ELIMINACIÓN Son tres los métodos de eliminación más utilizados: Método de igualación, de sustitución y de suma o resta.
ECUACIONES SIMULTÁNEAS DE PRIMER GRADO CON DOS INCÓGNITAS. Dos o más ecuaciones con dos incógnitas son simultáneas cuando satisfacen iguales valores de las incógnitas. Para resolver ecuaciones de esta
Diagonalización de matrices
diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla