Aplicaciones Lineales
|
|
- Pablo Montero Quintero
- hace 7 años
- Vistas:
Transcripción
1 Aplicaciones Lineales Ejercicios resueltos Ximo Beneyto
2 PROBLEMAS RESUELTOS APLICACIONES LINEALES 1.Dada la aplicación f : ú 3 6 ú² / f(x, y, z) = (x+y-z, 2x+3z): 1.1. Probar que f es una aplicación lineal Hallar el núcleo y la imagen de f Obtener la matriz asociada a f en las BASES canónicas de R 3 y R² 1.4. Obtener la matriz asociada a f, en las bases B={(1, 1, 2),(2, 1, 0),(1, 1, 1)} de R 3 y B'= {(1, 1),(2, 0)} de ú² 1.1 APLICACIÓN LINEAL. œ =(x, y, z), =(x', y', z') 0 R 3 œ ", ß 0 R f("@ + ß@ ) = "@ f( ) + ß@ f( )?. * f("a + $A )= f("a ( x, y, z)+ $A (x',y', z'))= f( "x + $x', "y + $Ay', "z + $z')={ Aplicando la definición de f} = ("x + $x' + "y + $y' - ("z + $z'), 2("x + $x') + 3("z + $z')) = = ("x + $x' + "y + $y' -"z - $z', 2"x + 2$x' + 3"z + 3$z' ) **"Af( ) + $Af( )= "A f( x, y, z) + $A f(x', y', z' )) = "A (x + y - z, 2x + 3z) + $A (x'+ y'- z', 2x'+ 3z') = = ( "x + "y - "z, 2"x + 3"z ) + ($x' + $y' - $z', 2$x' + 3$z') = ( "x + "y - "z + $x' + $y' - $z', 2"x + 3"z + 2$x' + 3$z') Como en ambos casos hemos llegado al mismo resultado Y f("@ + ß@ ) = "@f( ) + ß@f( ), por tanto f es una aplicación lineal. 1.2 NÚCLEO Por definición, Ker(f) = { (x, y, z) 0 R 3 / f(x, y, z) = (0, 0) } de donde: (x + y - z, 2x + 3z) = (0, 0) Y x + y - z = 0 * 2x + 3z = 0 * Resolviendo, x = -3z/2 ; y = 5z/2 œ z 0 ú. œ (x, y, z) 0 Ker(f) Y (x, y, z) = (,,z) = z@ (,, 1) (-3, 5, 2) Y Sistema Generador de Ker(f) = {(-3, 5, 2)}, como es un vector linealmente independiente: Una base del núcleo de f = {(-3, 5, 2)}
3 dim Ker(f) = IMAGEN Por definición, Im(f) = { f(x, y, z) / (x, y, z) 0 ú 3 } f(x, y, z) = (x + y - z, 2x + 3z) = x@ (1, 2) + y@ (1, 0) + z@ (-1, 3), de donde: Sistema Generador de Im(f) = {(1, 2), (1, 0), (-1, 3)}, analizando la dependencia lineal: 1.4 CLASIFICACIÓN Hemos visto que podemos clasificar una aplicación lineal a partir de la dimensión del núcleo y de la imagen, así: dim Ker(f) = 1 0 * dim Im(f) = 2 = dim R² * f es un EPIMORFISMO. ( Aplicación lineal SOBREYECTIVA) 1.5 MATRIZ ASOCIADA EN BASES CANÓNICAS f(1, 0, 0) = (1, 2) * f(0, 1, 0) = (1, 0) * Y La matriz asociada a f en las Bases Canónicas, es: f(0, 0, 1) = (-1, 3) * [ Observa el "doble lenguaje" empleado en lo que se refiere a la expresión del vector fila/vector columna según la parte de problema ]. 1.6 MATRIZ ASOCIADA A f RESPECTO DE LAS BASES B Y B' Sean B = {(1, 1, 2), (2, 1, 0), (1, 1, 1)} Base de R 3 y B'= {(1, 1), (2, 0)} Base de R². Expresando las imágenes de los vectores de la base B como combinación lineal de los vectores de la Base B': f(1, 1, 2) = (0, 8) = "@ (1, 1) + (2, 0) * " = 8 ß = -4 f(2, 1, 0) = (3, 4) = "'@ (1, 1) + ß'@ (2, 0) *Resolviendo: "' = 4 ß' = -1/2 f(1, 1, 1) = (1, 5) = "''@(1, 1) + ß''@(2, 0) * "''= 5 ß''= -2 La matriz asociada a f en las Bases B y B' es:
4 Matricialmente, podríamos haber obtenido la matriz M, mediante la fórmula matricial : ######## 2. Dada la aplicación f(x, y, z) = (x+y-2z, 2x-z, 1). Probar que f no es lineal. Una de las consecuencias de la linealidad de f, es que la imagen del vector 0 del espacio inicial, sea el vector 0 del espacio final. Como en este caso f(0, 0, 0) = (0, 0, 1) (0, 0, 0) Y f no puede ser una aplicación lineal. ####### 3. Sea f: ú² 6 ú² una aplicación lineal, y B = una Base de (ú²(ú), +, A). Si: Hallar la matriz asociada a f en la Base B. Determinar la aplicación lineal y clasificarla. Empleando la linealidad de la aplicación, trataremos de conseguir las imágenes de los vectores de la Base B. Tomando los coeficientes de la combinación lineal, (Componentes de las imágenes de los vectores de la base B ) tenemos que la matriz asociada a f en la Base B es: por tanto
5 Expresado en forma de vector fila, NÚCLEO Por definición Ker(f) = {(x, y) 0 R² / f(x, y) = (0, 0) } Y = (0, 0) Y œ (x, y) 0 Ker(f) Y (x, y) = (0, 0) Y Ker(f) = {(0, 0)} ; dim Ker(f) = 0. IMAGEN Recurriendo en este caso al teorema de la dimensión, obtenemos: dim Ker(f) + dim Im(f) = dim R² Y 0 + dim Im(f) = 2 Y dim Im(f) = 2, por lo tanto: Im(f) = ú² dim Im(f) = 2. CLASIFICACIÓN f: ú² 6 ú² Endomorfismo * Como dim Ker(f) = 0 Inyectiva * Y f es un AUTOMORFISMO dim Im(f) = dim ú² Sobreyectiva * (Apl. lineal BIYECTIVA) ####### 4. Sea (P 2 [x](ú),+,a), el Espacio Vectorial de los polinomios de grado "2" en una indeterminada (x), con coeficientes reales, con las operaciones usuales de suma de polinomios y producto de un polinomio por un escalar. Sea f: P 2 [x] 6 P 1 [x], la aplicación que a un polinomio de P 2 [x] le hace corresponder su derivada ( f(p(x)) = p'(x) œ p(x) 0 P 2 [x] ). Probar que f es una Aplicación Lineal. Hallar su matriz asociada en las Bases Canónicas. Clasificarla. Hallar la matriz asociada en las bases B = {x²+1, x+2, 1 } de P 2 [x] y B'= { x+1, x-1 } de P 1 [x]. Organicemos un poco el enunciado antes de afrontar el problema: f: P 2 [x] 6 P 1 [x] p(x) µ p'(x) ax²+ bx + c µ 2ax + b
6 ( pues es su derivada ). Así pues, nuestra aplicación lineal será: f(ax² + bx + c)= 2ax + b. LINEALIDAD œ p(x) = ax² + bx + c, q(x) = a'x² + b'x + c' 0 P 2 [x] * œ ", ß 0 R * f("@ p(x)+ ß@ q(x)) = "@ f(p(x) ) + ß@ f(q(x))? * f("@p(x) + ß@q(x)) = f( "@ (ax² + bx + c)+ ß@(a'x² + b'x + c')) = f( ("a + ßa')x² + ("b + ßb')x + ("c + ßc')) = 2 ("a + ßa')x + ("b + ßb') = 2"ax + 2ßa'x + "b + ßb'. ** "@f(p(x)) + ß@f(q(x)) = "@ f(ax² + bx + c) + ß@ f(a'x² + b'x + c')) = "(2ax + b) + ß( 2a'x +b') = 2" ax + "b + 2ßa'x + $ b'. Como en ambos casos hemos llegado al mismo resultado Y f("@p(x) + ß@q(x)) = "@f(p(x)) + ß@f(q(x)), por tanto f es una aplicación lineal. MATRIZ ASOCIADA EN BASES CANÓNICAS Sean B = {x², x, 1 } y B'= {x, 1} las Bases Canónicas de P 2 [x] y P 1 [x] respectivamente. y su acción sobre los vectores de P 2 [x]: [ Observa la forma de expresar los resultados en la base B' ] y tomando solo componentes en las bases canónicas, f(a,b,c)=(2a, b) NÚCLEO Por definición, Ker(f) = { ax² + bx + c 0 P 2 [x] / f(ax² + bx + c) = 0 (Polinomio cero) } f(ax²+bx+c) = 2ax + b = 0x + 0 Y * 2a = 0 Y a = 0 * b = 0 Y b = 0 œ ax² + bx + c 0 Ker(f) Y ax²+bx+c = 0x² + 0x + c = c = c@ 1. Base de Ker(f) = { 1 }, también podríamos haber puesto 0x² + 0x + 1 dim Ker(f) = 1
7 IMAGEN Vamos a obtener en esta ocasión el subespacio Im(f) a partir de la propiedad que nos dice que: Las imágenes de una base cualquiera del Espacio Inicial, forman un Sistema Generador del Subespacio Im(f). Para mayor agilidad, tomemos la base canónica de P 2 [x], B = {x², x, 1}. f(x²) = 2x * Por tanto, Sistema Generador de Im(f) = { 2x, 1, 0 }, tomando los vectores Linealmente f(x) = 1 * Independientes, f(1) = 0 * Base de Im(f) = { 2x, 1 } dim Im(f) = 2 CLASIFICACIÓN ) f:p 2 [x] 6 P 1 [x] * dim Ker(f) = 1 0 dim Im(f) = 2 = dim P 1 [x] * * f es un EPIMORFISMO (Apl. lineal SOBREYECTIVA MATRIZ ASOCIADA EN LAS BASES B y B' Sean B = {x²+1, x+2, 1 } de P 2 [x] y B'= { x+1, x-1 } de P 1 [x], las bases del enunciado. Como: f(x²+1) = 2x = "@ (x+1) + ß@ (x-1) * Resolviendo: " = 1 ß = 1 f(x+2) = 1 = "'@ (x+1) + ß'@ (x-1) * "' = 1/2 ß' = -1/2 f(1) = 0 = "''@ (x+1) + ß''@ (x-1) * "''= 0 ß''= 0 Por consiguiente, la matriz asociada a la aplicación respecto de estas dos bases, será: ####### 5. Sea f: R 2 6 R 3, una aplicación lineal. Consideremos las bases B = {(1, 2), (0, -1)} y B' = { (1, 1, 0),(0, 1, 1),(0, 0, 1)} sobre (R 2 (ú),+,a) y (R 3 (ú),+,a), respectivamente. Si la matriz asociada a f respecto de las Bases B y B' es:. Hallar la matriz asociada a f en las Bases Canónicas de R 2 y R 3. Tomando como referencia la expresión matricial de la repercusión del cambio de base en un
8 espacio vectorial sobre la matriz asociada a una aplicación lineal, obtenemos: A : Matriz asociada en {(1, 0), (0, 1)} y {(1, 0, 0), (0, 1, 0), (0, 0, 1)} M = Q P Y A = P -1, y tomando matrices convenientemente: ####### 6. A partir de tres materias primas, que llamaremos A,B, C, obtenemos mediante un proceso de fabricación, tres productos finales, que llamaremos P 1,P 2,P 3. Sabemos que el vector de cantidades de producción final (p 1,p 2,p 3 ) viene en función de las cantidades de materia empleada de cada tipo a,b,c. Siendo la relación: (p 1,p 2,p 3 ) = t(a,b,c) = ( a+b-c, 2a+3b+c, a+b) Obtener las cantidades de A, B, C para un vector de producción (1, 6, 2) 6.2. Podemos obtener cualquier vector de producción? Con cantidades diferentes de materia prima, Podemos obtener la misma producción? 6.4. Obtener el vector de producción, para un vector de materias primas (2, 2, 2) e interpretar el resultado. Si nos fijamos un poco en la estructura del problema, observaremos que "t" es una aplicación lineal de ú 3 en ú 3, t: R 3 6 R 3 t(a,b,c) = ( a+b-c, 2a+3b+c, a+b). 6.1 Veamos si existe (a, b, c) 0 R 3 / t(a, b, c) = (1, 6, 2). Tendremos que: t(a,b,c) = ( a+b-c, 2a+3b+c, a+b) = (1, 6, 2) de donde: a + b - c = 1 % a = 1 - b +c a = 1 2a +3b + c = 6 % b + 3c = 4 % b = 1 a + b = 2 % c = 1 % c = 1 Hemos encontrado, pues, (a,b,c) = (1, 1, 1). Por tanto deberemos emplear: 1 unidad de materia prima A, 1 unidad de materia prima B y una unidad de materia prima C para obtener: 1 unidad de producto P 1, 6 unidades de producto P 2 y 2 unidades de producto
9 P Nos preguntamos si œ (p 1,p 2,p 3 ) 0 R 3 existe (a, b, c ) 0 R 3 / t(a, b, c) = (p 1,p 2,p 3 ), es decir, si la aplicación es SOBREYECTIVA. Recordemos la caracterización de la sobreyectividad a partir de la dimensión de la imagen, dim Im(f) = dim F, mejor trabajar con la caracterización que demostrar el concepto sobreyectividad, más sencillo!. f(1, 0, 0) = (1,2,1) % Y Sistema Generador de Im(f) = {(1,2,1), (1,3,0), (-1, 1, 0)}, veamos f(0, 1, 0) = (1,3,0) % son Linealmente Independientes: f(0, 0, 1) = (-1,1,0) % Base de Im(f) = {(1,2,1), (1,3,0), (-1, 1, 0)} dim Im(f) = 3 = dim R 3 Y f es SOBREYECTIVA, así pues, cualquier vector de producción se puede obtener a partir del correspondiente vector de materias primas. [ Desde un punto de vista económico, el resultado sería discutible al no tener sentido cantidades negativas de materias primas ] Naturalmente, si la aplicación es inyectiva, no podrá obtenerse un vector de producto final a partir de dos vectores diferentes de materia prima. de clasificar f. Empleando de nuevo la caracterización de INYECTIVIDAD ( dim Ker(f) = 0 ), vamos a tratar Como dim Ker(f) + dim Im(f) = dim R 3 Y dim ker(f) + 3 = 3 Y dim Ker(f) = 0 Y f es INYECTIVA. Por lo tanto, vectores de materias primas diferentes, dan lugar a vectores de producto final diferentes según concepto de inyectividad. Si además juntamos los resultados, obtenemos que f es un AUTOMORFISMO, que establecería una correspondencia " uno a uno ", entre los vectores de materia prima y los vectores de producto acabado ". 6.4 Como f(2,2,2) = (2,12, 4) Y obtendremos: 2 unidades de producto P 1, 12 unidades de producto P 2, 4 unidades de producto P 3. ####### 7. Sea P 2 [x], el Espacio Vectorial de los polinomios de grado "2" en una
10 indeterminada(x), con coeficientes reales, con las operaciones usuales de suma de polinomios y producto por un escalar. Sea f: P 2 [x] 6 P 2 [x], la aplicación f(p(x)) = x@p'(x) - p(x) œ p(x) 0 P 2 [x] ). Probar que f es una Aplicación Lineal. Hallar su matriz asociada en las Bases Canónicas. Hallar Núcleo e Imagen. Clasificarla. Hallar la matriz asociada en la base B = {x²+1, x+2, 1 } de P 2 [x]. Organicemos un poco el enunciado antes de empezar el problema: f: P 2 [x] 6 P 2 [x] p(x) 6 x@p'(x) - p(x) ax²+ bx + c 6 x@(2ax + b) - ( ax²+bx+c) = ax² - c Nuestra aplicación lineal será: f(ax² + bx + c) = ax² - c. A partir de esta construcción el problema se resuelve con la misma estructura que el problema nº 4. ( Dejamos al lector la tarea de resolverlo). ####### 8. Sea f: R 3 6 R 3 un Endomorfismo, B = { } una Base de R 3. Si sabemos que:. ", $, : 0 ú. Hallar la matriz asociada a f: 8.1. En la Base B 8.2. En la Base Vamos a emplear el concepto de matriz asociada a un Endomorfismo respecto de una Base B. Recordemos que la matriz asociada se obtenía mediante las imágenes de los vectores de la Base B expresados por columna como combinación lineal de los vectores de la Base B.( Ya que al ser un endomorfismo, la Base del Espacio Inicial y la Base del Espacio Final es la misma (Salvo mención explícita en sentido contrario)). 8.1 Como :
11 La matriz asociada será: [ Observemos que la matriz asociada a un Endomorfismo, respecto de una Base que cumpla la condición de que sus vectores se transforman en múltiplos de sí mismos mediante f, es una matriz DIAGONAL ] 8. 2 Como : razonando como en el problema anterior ####### 9. Dada la aplicación f : ú 2 6 M 2 tal que : 9.1. Probar que f es una plicación lineal 9.2. Hallar núcleo e imagen de f 9.3. Clasificar f 9.4. Hallar la matriz asociada a f en bases canónicas de ú 2 y M f lineal? Para comprobarlo, vamos a desarrollar ambos lados de la igualdad : ** f " (x, y) + $ (x', y') = f " x + $ x', " y + $ y' = [ Definición de f ] = ** " A f(x, y) + $ f (x', y') = [ Definición de f ]
12 = [ suma usual en M 2 ]= En ambos casos llegamos al mismo vector ( matriz ) Y f es aplicación lineal 9.2 Núcleo? Como Ker (f) = { (0, 0) } ; dim Ker (f) = 0 Imagen? Y ahora definamos la imagen de f Im (f) = { f (x, y) 0 M 2 / (x, y) 0 ú 2 } Como Sistema Generador de Es fácil comprobar que se trata de dos vectores linealmente independientes Y una base de dim Im (f) = Clasificación? Recordemos la opción de clasificar una aplicación lineal a partir del núcleo y de la imagen Y f es un MONOMORFISMO [ Aplicación Lineal
13 Inyectiva ] 9.4. Matriz asociada a f en bases canónicas? 6 Base canónica de (ú 2 (ú), +, A) { (1, 0), (0, 1) } 6 Base canónica de (M 2 (ú), +, A) Resolviendo de una forma muy sencilla Y " 1 = 1 " 2 = 1 " 3 = 0 " 4 = 0 $ 1 = 0 $ 2 = 1 $ 3 = 0 $ 4 = 1 Y La matriz asociada a f en bases canónicas será : Comentario : La imagen de un vector mediante la matriz A, la obtenemos multiplicando la matriz por el vector columna. El resultado es un vector columna y no una matriz de M 2. Para obtener ésta basta con desarrollar las componentes obtenidas en la base de M 2 considerada ( En este caso la base canónica ). Para hallar f(1, 3) = f(1, 3) = Comprendido? Obviamente el vector (1, 3) en base canónica de (ú 2 (ú), +, A) tiene por componentes (1, 3) ####### 10. Se considera el homomorfismo f: ú 3 6 ú 2 que hace corresponder a los vectores { (1, 0, 1), (0,
14 1, 1), (1, 1, 0)} los vectores { (1, 0), (0, 2), (1, 1) } respectivamente. Se pide : Matriz asociada a f en las bases canónicas de ú 3 y ú Núcleo e Imagen de f f -1 (2, 3) 6 Ordenando la transformación de la que nos hace mención el enunciado Sea f: ú 3 6 ú 2 / La primera comprobación que hacemos es observar si { (1, 0, 1), (0, 1, 1), (1, 1, 0) } forman una base de ú 3, pues, de lo contrario, no podríamos considerar definido el homomorfismo. 6 Vamos a dar tres maneras diferentes de resolver el problema de obtener la imagen mediante f de un vector cualquiera de ú 3. ( Hay más, por supuesto ) 6 1ª Solución Utilizando el concepto de base œ (x, y, z) 0 ú 3, sean ", $, ( 0 ú / (x, y, z) = " A(1, 0, 1) + $A (0, 1, 1) + (A (1, 1,0) Y Aplicando f a ambos lados y teniendo en cuenta la linealidad de f Y Sustituyendo las imágenes : Y y operando
15 Como : La matriz asociada a f en las bases canónicas de ú 3 y ú 2 es : 6 2ª Solución.- Utilizando más el concepto linealidad de f. Llamemos Sustituyendo en las relaciones iniciales Resolviendo : ( Vamos a detallar la solución )
16 Sustituyendo en las demás relaciones : Y La matriz asociada a f en bases canónicas de ú 3 y ú 2 es : 6 3ª Solución La llamamos técnica de la matriz incógnita. Sea A la matriz asociada a f en bases canónicas Y En cada caso hemos cimentado la demostración sobre una idea diferente: 6 Buscando la imagen de un vector cualquiera de ú 3 6 Buscando las imágenes de los vectores de la base canónica de ú 3. Opera, en lo sucesivo, con la que te resulte más sencilla Núcleo, Imagen, Clasificar? Si es la matriz asociada a f en canónicas Y œ (x, y, z) 0 ú 3 y en vector fila
17 NÚCLEO Ker (f) =/{ (x, y, z) 0 ú 3 / f (x, y, z) = (0, 0) } si x = 0 Y 3y + z = 0 Y z = - 3y œ (x, y, z) 0 Ker (f) Y (x, y, z) = (0, y, -3y) = y (0, 1, -3) Ker (f) = < (0, 1, -3) > Una Base Ker (f) = { (0, 1, -3) } dim Ker (f)) = 1 IMAGEN Im (f) = { f(x, y, z) 0 ú 2 / (x, y, z) 0 ú 3 } dim Im(f) = 2 CLASIFICACION Y f es un EPIMORFISMO [ Aplicación Lineal Sobreyectiva ] 10.3 f -1 (2, 3)? Si (x, y, z) 0 f -1 (2, 3) Y f(x, y, z) = (2, 3) Y Resolviendo : x = 2 3y + z = 8 Y z = 8-3y ( Hay infinitas soluciones ) f -1 (2, 3) = { (x, y, z) 0 ú 3 / x = 2 ; z = 8-3y œ y 0 ú }
18 ####### 11. Determinar, si es posible, las siguientes aplicaciones : f :ú 3 6 ú 2 Aplicación Lineal Im (f) generada por { (1, 1), (0, -2) } Ker (f) generado por { (-1, 0, 0), (1, 3, 2) } 6 Como (1, 1) y (0, -2) son linealmente independientes Y Una base de Im(f) = { (1, 1), (0, -2) } dim Im (f) = 2 6 Como (-1, 0, 0) y (1, 3, 2) son linealmente independientes Y Una base de Ker(f) = { (-1, 0, 0), (1, 3, 2) } dim Ker(f) = 2 El teorema de la dimensión nos dice que dim Ker(f)+ dim Im(f) = dim ú 3, pero en este caso Y no es posible determinar una aplicación lineal con las condiciones anteriores f :ú 4 6 ú 3 Aplicación Lineal Im (f) = < (1, 1, 1), (0, -2, 1) > Ker (f) = < (-1, 0, 0, 1), (1, 3, 2, 0) > 6 Razonando como en el apartado anterior Y Una base de Im(f) = { (1, 1, 1), (0, -2, 1) } dim Im (f) = 2 6 Y Una base de Ker(f) = { (-1, 0, 0, 1), (1, 3, 2, 0) } dim Ker(f) = 2 dim Ker(f) + dim Im(f) = dim ú = 4 Y En este caso, si es posible determinar una aplicación lineal que cumpla las condiciones anteriores. Puesto que una aplicación lineal queda determinada conocidas las imágenes de una base del Espacio Inicial, vamos a seguir este camino con los datos que tenemos. 6 En primer lugar, ampliemos la base del núcleo a una base de ú 4, añadiendo dos vectores linealmente independientes con los que ya tenemos. (La selección la haremos de forma intuitiva ) * Base Ker(f) = { (-1, 0, 0, 1), (1, 3, 2, 0) }
19 * Base ú 4 = { (-1, 0, 0, 1), (1, 3, 2, 0), (1, 0, 0, 0), (0, 1, 0, 0) } Hallemos sus imágenes, apoyándonos en el concepto de núcleo e imagen 6 (-1, 0, 0, 1) 0 Ker(f) Y f(-1, 0, 0, 1) = (0, 0, 0) ( 1, 3, 2, 0) 0 Ker(f) Y f( 1, 3, 2, 0) = (0, 0, 0) 6 ( 1, 1, 1) 0 Im(f) Y f( 1, 0, 0, 0) = (1, 1, 1) ( 0, -2, 1) 0 Im(f) Y f( 0, 1, 0, 0) = (0, -2, 1) Con lo cual queda determinada una aplicación lineal f :ú 4 6 ú 3 cumpliendo las condiciones. [ NOTA : f no es, desde luego, única. Los vectores con los que ampliamos la base de ker(f), no son únicos, ni la asignación de las imágenes de estos vectores es única ] ####### 12. Sea f : ú 3 6 ú 3 una aplicación lineal / 6 Dado el subespacio de ú 3, S = { (x, y, z) 0 ú 3 / x + y + z = 0 } Y f(v) = v œ v 0 S 6 Ker (f) = { w 0 ú 3 / w t A v = 0 œ v 0 S } Dar la matriz asociada a f, considerando en el espacio inicial, la base B = { (1, 0, -1), (0, 1, -1), (1, 1, 1)} y en el esapcio final, la base canónica de ú Definir la imagen de un vector cualquiera (x, y, z) 0 ú Matriz de f en base B? Vamos a comenzar, imponiendo a f las dos condiciones del enunciado. Busquemos una base de S : œ (x, y, z) 0 S Y x + y + z = 0 Y z = -x -y Y (x, y, z) = (x, y, -x-y) = x (1, 0, -1) + y (0, 1, -1) Y S = < (1, 0, -1), (0, 1, -1)> Y Base S = { (1, 0, -1), (0, 1, -1) } [ Observa la pequeña habilidad para que los vectores obtenidos "coincidan" con los dos primeros vectores de la base B. Casualidad preparada! ] Como f (v) = v œ v 0 S Y f(1, 0, -1) = (1, 0, -1) Y f(0, 1, -1) = (0, 1, -1) Como Ker(f) = { w 0 ú 3 / w t A v = 0 œ v 0 S }
20 Y si (x, y, z) 0 ker(f) Y (x, y, z) = (z, z, z) = z (1, 1, 1) Base Ker(f) = {(1, 1, 1)} Como (1, 1, 1) 0 ker(f) Y f(1, 1, 1) = (0, 0, 0) Y La matriz asociada a f en la base B de ú 3 (inicial) y CANONICA en ú 3 (final) será [ Imágenes de los vectores de la base del Espacio Inicial como combinación lineal de los vectores de la base del Espacio Final ] f(x, y, z)? Vamos a utilizar la tercera salida al problema de obtener la matriz en bases canónicas de una aplicación lineal construída sobre bases cualesquiera. En este caso, tendremos una bonita resolución matricial. Sea A, la matriz asociada a f en base canónica. Como f(v) = A A v œ v 0 ú 3 Y Es decir : y, despejando matricialmente,
21 Existencia garantizada por formarla vectores de una base. Y de la forma habitual : ####### 13. Sea f : ú 3 6 ú 2 una aplicación lineal / f(x, y, z) = (x+y, y+z) œ (x, y, z) 0 ú 3, se consideran las bases B = { (1, 0, 0), (1, 1, 0), (1, 1, 1) } de ú 3 y B' = { (1, 1), (1, 2) } de ú 2. Hallar la matriz asociada a f respecto de las bases B y B'. Utilizar la matriz anterior para hallar f(v) siendo v = (1, 2, 1). 6 M B, B' (f) Utilizando fundamentos Y Como
22 Resolviendo ( Es supersencillo ) " = 2 $ = -1 "' = 3 $' = -1 "'' = 2 $'' = 0 cuya acción será [ ATENCION : Problema propuesto para comprender el significado de la matriz asociada a una aplicación lineal respecto de cualquier par de bases ] 6 f(v)? Puesto que la matriz anterior opera sobre vectores expresados en la base B Y al ser v = (1, 2, 1) necesitamos conocer sus componentes en la base B. Veamos : Sean ", $, ( 0 ú / (1, 2, 1) = " (1, 0, 0) + $ (1, 1, 0) + ( (1, 1, 1) Resolviendo Y " = -1, $ = 1, ( = 1 Y v = (-1, 1, 1) B Aplicando la matriz anterior Y Y f(v B ) = (3, 0) B' para obtener las coordenadas del vector, expresándolo mediante su relación con B' (3, 0) B' = 3 A (1, 1) + 0 A (1, 2) = (3, 3) [ Observa que sustituyendo en la definición original de la aplicación : f (1, 2, 1) = (1+2, 2+1) = (3, 3) que es el mismo resultado que hemos obtenido ] ####### 14. Considera (P 3 (x)(ú),+,a),(m 2 (ú)(ú),+,a) y sus bases: B = {x 3,x 2,x,1} y. Sea la aplicación lineal
23 f:p 3 (x)6m 2 (ú)/f(ax 3 +bx 2 +cx+d)=. Hallar: Matriz de la aplicación en las bases citadas Base y dimensión del núcleo y de la imagen Clasificación M B, B' (f)? Desarrollando el problema, tal vez un poco más de lo habitual. Hallemos las imágenes de los vectores de la base B y expresémoslas como combinación lineal de los vectores de la base B'. B = {x 3, x 2, x, 1 } f(x 3 ) = f(1 A x A x A x + 0 } = f(x 2 ) = f(0 A x A x A x + 0 } = f(x) = f(0 A x A x A x + 0 } = f(1) = f(0 A x A x A x + 1 } = Como la base de M 2 (ú ) es la base canónica Y las componenetes de cada una de las imágenes obtenidas coincidirá con los elementos de la matriz respectiva en el orden marcado por las matrices de la base B={x 3, x 2, x, 1 } f(x 3 ) = ( ) B' f(x 2 ) = ( ) B' f(x) = ( ) B' f(1) = ( ) B' Y M B, B' (f) =
24 14.2. Núcleo de f, Imagen de f Ker(f) = { ax 3 + bx 2 + cx + d 0 P 3 (x) / f (ax 3 + bx 2 + cx + d ) = } Y f (ax 3 + bx 2 + cx + d ) = œ ax 3 + bx 2 + cx + d 0 Ker(f) Y ax 3 + bx 2 + cx + d = cx 2 + cx + d = c (x 2 + x) + d A 1 Ker(f) = < x 2 + x, 1 > Base Ker(f) = { x 2 + x, 1 } dim Ker(f) = 2 Im(f) = { f(ax 3 + bx 2 + cx + d) 0 M 2 (ú ) / ax 3 + bx 2 + cx + d 0 P 3 (x) } Y f (ax 3 + bx 2 + cx + d ) = Im(f) =< > Es fácil comprobar que son Linealmente Independientes Base Im(f) = { } Clasificación dim Im(f) = 3 Y f es una aplicación lineal u HOMOMORFISMO ordinario ####### 15. Sea la aplicación f : ú 3 6 ú 3 definida por f(x, y, z) = (x+y, y-z, x+y+z) Probar que f es una aplicación lineal Hallar núcleo e imagen. Clasificarla
25 15.3. Hallar su matriz asociada en : Base canónica de ú Base B = { (1, 0, 0), (1, 1, 0), (1, 1, 1) } f lineal? Desarrollando ambos lados : ** f (" (x, y, z) + $ (x', y', z')) = f (" x + $x', " y + $y', " z + $z') = (" x + $x' + " y + $y', " y + $y' - (" z + $z'), " x + $x' + " y + $y' + " z + $z' ) = (" x + $x' + " y + $y', " y + $y' -" z - $z', " x + $x' + " y + $y' + " z + $z' ) ** " f (x, y, z) + $ f (x', y', z') = " ( x+y, y-z, x+y+z) + $ (x'+y', y'-z', x'+y'+z') = = (" x + " y + $ x' + $y', " y - " z + $y' - $z', " x +" y + " z + $x' + $y' + $z' ) Coordenada a coordenada ambos vectores son iguales. Y f es una aplicación lineal Núcleo e Imagen? * NÚCLEO Como f : ú 3 6 ú 3 Ker (f) = { (x, y, z) 0 ú 3 / f(x, y, z) = (0, 0, 0) } Como f(x, y, z) = (x+y, y-z, x+y+z) = (0, 0, 0) Y Y Ker(f) = {(0, 0, 0) } Y dim Ker(f) = 0 * IMAGEN Im(f) = { f(x, y, z) 0 ú 3 / (x, y, z) 0 ú 3 } f(x, y, z) = (x+y, y-z, x+y+z) = x A (1, 0, 1) + y A (1, 1, 1) + z A (0, -1, 1) Im(f) = < (1, 0, 1), (1, 1, 1), (0, -1, 1) > Estudiemos su dependencia lineal
26 Son Linealmente Independientes Y Base Im(f) = {(1, 0, 1), (1, 1, 1), (0, -1, 1) } Y dim Im(f) = 3 Im (f) = ú 3 * Clasificación Como f : ú 3 6 ú 3 ENDOMORFISMO dim Ker (f) = 0 INYECTIVA dim Im(f) = 3 = dim ú 3 SOBREYECTIVA f es un AUTOMORFISMO ( Endomorfismo BIYECTIVO ) Matriz? Matriz asociada a f en base canónica? Como f : ú 3 6 ú 3 tomaremos la misma base en el espacio inicial como en el final. Sea B = { (1, 0, 0), (0, 1, 0), (0, 0, 1) } la base canónica de ú Matriz asociada a f en base B = { (1, 0, 0), (1, 1, 0), (1, 1, 1) } y final. Vamos a dar dos resoluciones : a) Concepto de matriz de una aplicación lineal respecto de bases en un espacio inicial f(1, 0, 0) = (1, 0, 1) ; Sea (1, 0, 1) = " (1, 0, 0) + $ (1, 1, 0) + ( (1, 1, 1) f(1, 1, 0) = (2, 1, 2) ; Sea (2, 1, 2) = "' (1, 0, 0) + $'(1, 1, 0) + ('(1, 1, 1) f(1, 1, 1) = (2, 0, 3) ; Sea (2, 0, 3) = "'' (1, 0, 0) + $''(1, 1, 0) + (''(1, 1, 1) Resolviendo [ Observa : M B (f), pues no es necesario M B,B (f) al ser ENDOMORFISMO ] b) Mediante la relación matricial.
27 Hagamos un pequeño DIAGRAMA de apoyo P A v B = v CAN Y M B (f) = P -1 A M CAN (f) A P Como : Y Operando : [ Ambas resoluciones han sido muy elegantes ] #######
ALGEBRA. 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 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 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 detallesÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3
ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión
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 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 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 detallesCOLEGIO UNIVERSITARIO CARDENAL CISNEROS. Libro de Ejercicios de Matemáticas Empresariales II
COLEGIO UNIVERSITARIO CARDENAL CISNEROS Libro de Ejercicios de Matemáticas Empresariales II Manuel León Navarro 2 Capítulo 1 Ejercicios lección 1 1. Sea el conjunto de las matrices cuadradas de orden 2
Más detalles1 Aplicaciones lineales
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Aplicaciones lineales y diagonalización. El objetivo principal de este tema será la obtención de una matriz diagonal
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
3 RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES Página 74 Determinantes de orden 2 Resuelve cada uno de los siguientes sistemas de ecuaciones y calcula el determinante de la matriz de los coeficientes:
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 detallesEcuaciones de la recta en el espacio
Ecuaciones de la recta en el espacio Ecuación vectorial de la recta Sea P(x 1, y 1 ) es un punto de la recta r y uu su vector director, el vector PPXX tiene igual dirección que uu, luego es igual a uu
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesTema 3: Sistemas de ecuaciones lineales
Tema 3: Sistemas de ecuaciones lineales 1. Introducción Los sistemas de ecuaciones resuelven problemas relacionados con situaciones de la vida cotidiana que tiene que ver con las Ciencias Sociales. Nos
Más detallesA1.- Determina a y b sabiendo que el sistema de ecuaciones. x + 3y +z = 1 -x + y +2z = -1 ax + by + z = 4 tiene, al menos, dos soluciones distintas.
A1.- Determina a y b sabiendo que el sistema de ecuaciones x + 3y +z = 1 -x + y +z = -1 ax + by + z = 4 tiene, al menos, dos soluciones distintas. Para que el sistema tenga, al menos, dos soluciones distintas
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 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 detallesSistemas de dos ecuaciones lineales de primer grado con dos incógnitas
Un sistema de dos ecuaciones lineales de primer grado con dos incógnitas tiene la siguiente forma Ax + By + C = 0 A x + B y + C (1) = 0 Ya sabemos que una ecuación lineal de primer grado con dos incógnitas
Más detallesTema 2. Grupos. 3. El conjunto de matrices de orden 2 con coeficientes enteros (o reales) con la suma es un grupo conmutativo.
Tema 2. Grupos. 1 Grupos Definición 1 Un grupo es una estructura algebraica (G, ) tal que la operación binaria verifica: 1. * es asociativa 2. * tiene elemento neutro 3. todo elemento de G tiene simétrico.
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 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 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 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 detalles8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.
Prácticas de Matemáticas I y Matemáticas II con DERIVE-5 6 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x
Más detallesSistemas lineales con parámetros
4 Sistemas lineales con parámetros. Teorema de Rouché Piensa y calcula Dado el siguiente sistema en forma matricial, escribe sus ecuaciones: 3 0 y = 0 z + y 3z = 0 y = Aplica la teoría. Escribe los siguientes
Más detallesTeoría Tema 9 Ecuaciones de la recta en el espacio tridimensional
página 1/11 Teoría Tema 9 Ecuaciones de la recta en el espacio tridimensional Índice de contenido Ecuación vectorial, paramétrica y continua de la recta...2 Ecuación general o implícita de la recta...5
Más detallesESPACIO AFÍN 2.- SISTEMAS DE REFERENCIA: COORDENADAS DE UN PUNTO. 3.- VARIEDAD LINEAL: ECUACIONES DE LA RECTA Y EL PLANO.
ESPACIO AFÍN 1.- CONCEPTO DE ESPACIO AFÍN. 2.- SISTEMAS DE REFERENCIA: COORDENADAS DE UN PUNTO. 3.- VARIEDAD LINEAL: ECUACIONES DE LA RECTA Y EL PLANO. 4.- PROBLEMAS DE INCIDENCIA. 5.- POSICIONES RELATIVAS
Más detallesSistemas de ecuaciones lineales
Ecuación lineal con n incógnitas Sistemas de ecuaciones lineales Es cualquier expresión del tipo: a 1 x 1 + a 2 x 2 + a 3 x 3 +... + a n x n = b, donde a i, b. Los valores a i se denominan coeficientes,
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 detallesMatrices positivas y aplicaciones. María Isabel García Planas Profesora Titular de Universidad
Matrices positivas y aplicaciones María Isabel García Planas Profesora Titular de Universidad Primera edición: Septiembre 2008 Editora: la autora c M ā Isabel García Planas ISBN: 978-84-612-6101-7 Depósito
Más detallesProblemas métricos. 1. Problemas afines y problemas métricos
. Problemas afines y problemas métricos Al trabajar en el espacio (o análogamente en el plano) se nos pueden presentar dos tipos de problemas con los elementos habituales (puntos, rectas y planos): Problemas
Más detallesMATEMÁTICASII Curso académico BLOQUE GEOMETRÍA. TEMA 1: VECTORES
MATEMÁTICASII Curso académico 2015-2016 BLOQUE GEOMETRÍA. TEMA 1: VECTORES 1.1 VECTORES DEL ESPACIO. VECTORES LIBRES DEL ESPACIO Sean y dos puntos del espacio. Llamaremos vector (fijo) a un segmento orientado
Más detallesCONCEPTOS BASICOS DE LA TRANSFORMADA DE LAPLACE LA TRANSFORMADA DE LAPLACE
LA TRANSFORMADA DE LAPLACE Por cálculo integral sabemos que cuando vamos a determinar una integral impropia de la forma,su desarrollo se obtiene realizando un cambio de variable en el límite superior de
Más detallesETSI de Topografía, Geodesia y Cartografía
Prueba de Evaluación Continua Grupo A 9-04-14 ESPACIOS VECTORIALES-DIAGONALIZACIÓN (parte sin DERIVE) 1. a) Definir sistema ligado de vectores de un espacio vectorial V. b) Demostrar que si un sistema
Más detallescomo el número real que resulta del producto matricial y se nota por:
Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,
Más detallesMatemáticas. D e t e r m i n a n t e s
Matemáticas D e t e r m i n a n t e s El determinante de una matriz cuadrada es un número que se obtiene a partir de los elementos de la matriz. Su estudio se justifica en cuanto que simplifica la resolución
Más detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detallesÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.
ÁLGEBRA DE MATRICES Página 47 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes
Más detallesECUACIONES POLINÓMICAS CON UNA INCÓGNITA
Unidad didáctica. Ecuaciones, inecuaciones y sistemas de ecuaciones e inecuaciones ECUACIONES POLINÓMICAS CON UNA INCÓGNITA Las ecuaciones polinómicas son aquellas equivalentes a una ecuación cuyo primer
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid Resueltos Isaac Musat Hervás 22 de mayo de 213 Capítulo 11 Año 21 11.1. Modelo 21 - Opción A Problema 11.1.1 3 puntos Dada la función: fx
Más detallesTransformaciones lineales
Capítulo 3 Transformaciones lineales Las transformaciones lineales son las funciones con las que trabajaremos en Álgebra Lineal. Se trata de funciones entre K-espacios vectoriales que son compatibles con
Más detallesTEMA 1.- POLINOMIOS Y FRACCIONES ALGEBRAICAS
TEMA 1.- POLINOMIOS Y FRACCIONES ALGEBRAICAS 1.- POLINOMIOS Recordemos que un monomio es una expresión algebraica (combinación de letras y números) en la que las únicas operaciones que aparecen entre las
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más 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 detallesFunciones convexas Definición de función convexa. Tema 10
Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en
Más detallesGEOMETRÍA. que pasa por el punto P y es paralelo a π. (0,9 puntos) b) Determinar la ecuación del plano π
GEOMETRÍA 1.- Se considera la recta r : ( x, y, z) = ( t + 1, t,3 t), el plano π: x y z = 0y el punto P (1,1,1). Se pide: a) Determinar la ecuación del plano π 1 que pasa por el punto P y es paralelo a
Más detallesNOCIONES PRELIMINARES (*) 1
CONJUNTOS NOCIONES PRELIMINARES (*) 1 Conjunto no es un término definible, pero da idea de una reunión de cosas ( elementos ) que tienen algo en común. En matemática los conjuntos se designan con letras
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 detallesSobre funciones reales de variable real. Composición de funciones. Función inversa
Sobre funciones reales de variable real. Composición de funciones. Función inversa Cuando en matemáticas hablamos de funciones pocas veces nos paramos a pensar en la definición rigurosa de función real
Más detallesUnidad 2: Ecuaciones, inecuaciones y sistemas.
Unidad 2: Ecuaciones, inecuaciones y sistemas 1 Unidad 2: Ecuaciones, inecuaciones y sistemas. 1.- Factorización de polinomios. M. C. D y m.c.m de polinomios. Un número a es raíz de un polinomio es 0.
Más detallesr j ϕ j (v i ) = r i, ϕ(v i ) = v = n a ij ϕ j(v) ϕ i (v) =
ESPACIO DUAL 1. Espacio Dual En temas anteriores dados V y V espacios vectoriales sobre k, definíamos en Hom(V, V ) una suma y un producto por elementos de k que convertían este conjunto en un espacio
Más detallesCAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES
CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES Parte A: determinantes. A.1- Definición. Por simplificar, consideraremos que a cada matriz cuadrada se le asocia un número llamado determinante que se
Más detallesTeoría Tema 6 Ecuaciones de la recta
página 1/14 Teoría Tema 6 Ecuaciones de la recta Índice de contenido Base canónica en dos dimensiones como sistema referencial...2 Ecuación vectorial de la recta...4 Ecuación paramétrica de la recta...6
Más detallesPROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 3. Transformaciones Lineales
PROLEMS RESUELTOS ÁLGER LINEL Tema. Transformaciones Lineales SUTEM: MTRICES SOCIDS UN TRNSFORMCIÓN Problema : Sean P P los espacios vectoriales de lo polinomios de grado menor o igual a dos menor o igual
Más detallesTEMA 6 Ejercicios / 3
TEMA 6 Ejercicios / 1 TEMA 6: RECTAS Y PLANOS EN EL ESPACIO 1. Ecuaciones de los planos cartesianos en forma vectorial, paramétrica e implícita. Ecuaciones del plano XY: Punto del plano P 0, 0, 0 Vectores
Más detallesECUACIONES.
. ECUACIONES... Introducción. Recordemos que el valor numérico de un polinomio (y, en general, de cualquier epresión algebraica) se calcula sustituyendo la/s variable/s por números (que, en principio,
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
real de con Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura real de con Índice real de con real de con.
Más detallesde la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).
INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesTema 3 Álgebra Matemáticas I 1º Bachillerato. 1
Tema 3 Álgebra Matemáticas I 1º Bachillerato. 1 TEMA 3 ÁLGEBRA 3.1 FACTORIZACIÓN DE POLINOMIOS LA DIVISIBILIDAD EN LOS POLINOMIOS Un polinomio P(x) es divisible por otro polinomio Q(x) cuando el cociente
Más detallesTema 1: MATRICES. OPERACIONES CON MATRICES
Tema 1: MATRICES. OPERACIONES CON MATRICES 1. DEFINICIÓN Y TIPO DE MATRICES DEFINICIÓN. Una matriz es un conjunto de números reales dispuestos en filas y columnas. Si en ese conjunto hay m n números escritos
Más detallesTema 4: Sistemas de ecuaciones e inecuaciones
Tema 4: Sistemas de ecuaciones e inecuaciones Sistemas Lineales pueden ser de No lineales Gráficamente Ecuaciones se clasifican se resuelven Algebraicamente Compatible determinado Compatible indeterminado
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 detallesTeoría de anillos. Dominios, cuerpos y cuerpos de fracciones. Característica de un cuerpo.
1 Tema 5.-. Teoría de anillos. Dominios, cuerpos y cuerpos de fracciones. Característica de un cuerpo. 5.1. Anillos y cuerpos Definición 5.1.1. Un anillo es una terna (A, +, ) formada por un conjunto A
Más detallesTema 6: Trigonometría.
Tema 6: Trigonometría. Comenzamos un tema, para mi parecer, muy bonito, en el que estudiaremos algunos aspectos importantes de la geometría, como son los ángulos, las principales razones e identidades
Más detalles3- Sistemas de Ecuaciones Lineales
Nivelación de Matemática MTHA UNLP 1 3- Sistemas de Ecuaciones Lineales 1. Introducción Consideremos el siguiente sistema, en él tenemos k ecuaciones y n incógnitas. Los coeficientes a ij son números reales
Más detallesUNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES
UNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES En la Sección anterior se abordó contenidos relacionados con las funciones y gráficas, continuamos aprendiendo más sobre funciones; en la presente unidad abordaremos
Más detalles1. ECUACIONES DIFERENCIALES ORDINARIAS
1 1. ECUACIONES DIFERENCIALES ORDINARIAS 1.1. PRIMERAS DEFINICIONES. PROBLEMA DEL VALOR INICIAL Definición 1.1. Una ecuación diferencial es una ecuación en la que intervienen una variable dependiente y
Más detallesÁlgebra Lineal Ma1010
Álgebra Ma1010 Departamento de Matemáticas ITESM Álgebra - p. 1/31 En este apartado se introduce uno de los conceptos más importantes del curso: el de combinación lineal entre vectores. Se establece la
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
Más detalles1 Curvas planas. Solución de los ejercicios propuestos.
1 Curvas planas. Solución de los ejercicios propuestos. 1. Se considera el lugar geométrico de los puntos del plano tales que la suma del cuadrado de las distancias a los puntos P 1 = (, 0) y P = (, 0)
Más detallesTeoría Tema 9 Ecuaciones del plano
página 1/11 Teoría Tema 9 Ecuaciones del plano Índice de contenido Determinación lineal de un plano. Ecuación vectorial y paramétrica...2 Ecuación general o implícita del plano...6 Ecuación segmentaria
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 detallesUNIDAD IV DISTANCIA ENTRE DOS PUNTOS
UNIDAD IV DISTANCIA ENTRE DOS PUNTOS Dados los puntos: P(x1, y1) y Q(x2, y2), del plano, hallemos la distancia entre P y Q. Sin pérdida de generalidad, tomemos los puntos P y Q, en el primer cuadrante
Más detallesGEOMETRÍA: ESPACIO AFÍN
GEOMETRÍA: ESPACIO AFÍN.- ECUACIONES DE LA RECTA EN EL PLANO..- Ecuación vectorial Sea Pab (, ) un punto de la recta r, v = ( v, v) dirección que r, y, sea (, ) en el siguiente dibujo: un vector, no nulo,
Más detallesTema 2: Polinomios, ecuaciones y sistemas de ecuaciones.
Tema 2: Polinomios, ecuaciones y sistemas de ecuaciones. Polinomios Ecuaciones Ecuaciones de primer grado Ecuaciones de segundo grado Ecuaciones polinómicas de grado superior Ecuaciones racionales Ecuaciones
Más detallesLección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos
Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto
Más detallesTemario de Matemáticas
Temario de Matemáticas BLOQUE I: ÁLGEBRA LINEAL Y GEOMETRÍA 1 o Grado en Biología Alma Luisa Albujer Brotons Índice general 1. Matrices 1 1.1. Conceptos básicos y ejemplos...............................
Más detallesTema 6: Ecuaciones diferenciales lineales.
Tema 6: Ecuaciones diferenciales lineales Una ecuación diferencial lineal de orden n es una ecuación que se puede escribir de la siguiente forma: a n (x)y (n) (x) + a n 1 (x)y (n 1) (x) + + a 0 (x)y(x)
Más detallesDeterminantes. Determinante de orden uno. a 11 = a 11 5 = 5
DETERMINANTES Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un escalar particular denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno
Más detalleslasmatemáticas.eu Pedro Castro Ortega materiales de matemáticas
º ESO 1. Expresiones algebraicas En matemáticas es muy común utilizar letras para expresar un resultado general. Por ejemplo, el área de un b h triángulo es base por altura dividido por dos y se expresa
Más detallesGEOMETRÍA EN EL ESPACIO.
GEOMETRÍA EN EL ESPACIO. Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
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 detallesIES Fco Ayala de Granada Junio de 2011 (Específico 2 Modelo 1) Soluciones Germán-Jesús Rubio Luna
PRUEBA DE ACCESO A LA UNIVERSIDAD MATEMÁTICAS II DE ANDALUCÍA CURSO 010-011 Opción A Ejercicio 1, Opción A, Modelo especifico de Junio de 011 [ 5 puntos] Una ventana normanda consiste en un rectángulo
Más detallesT0. TRANSFORMADAS DE LAPLACE
ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA MATEMATICAS T0. TRANSFORMADAS DE LAPLACE Mediante transformadas de Laplace (por Pierre-Simon
Más detallesEJERCICIOS RESUELTOS DE SISTEMAS LINEALES
EJERCICIOS RESUELTOS DE SISTEMAS LINEALES 1. Dado el sistema de ecuaciones lineales: 2x + 3y 3 4x +5y 6 a) Escribir la expresión matricial del sistema. b) Discutir el sistema. c) Resolver el sistema por
Más detallesDISTANCIA ENTRE DOS PUNTOS EN EL PLANO CARTESIANO.
RAZONAMIENTO Y DEMOSTRACIÓN Determina la distancia entre pares de puntos. Calcula las coordenadas del punto medio del segmento cuyos extremos son dos puntos dados. Halla la pendiente de una recta. COMUNICACIÓN
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 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 detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesTema 2. Sistemas de ecuaciones lineales
Tema 2. Sistemas de ecuaciones lineales Estructura del tema. Definiciones básicas Forma matricial de un sistema de ecuaciones lineales Clasificación de los sistemas según el número de soluciones. Teorema
Más detalles1. Si están situados en rectas paralelas: la recta que une los orígenes, deja sus extremos en un mismo semiplano.
CAPÍTULO El plano vectorial Consideremos P como el plano intuitivo de puntos: A,,C..... El espacio vectorial de los vectores Definición. Vectores fijos Dado dos puntos cualesquiera A e del espacio nos
Más detallesFunción cuadrática. Ecuación de segundo grado completa
Función cuadrática Una función cuadrática es aquella que puede escribirse como una ecuación de la forma: f(x) = ax 2 + bx + c donde a, b y c (llamados términos) son números reales cualesquiera y a es distinto
Más detallesCardinalidad. Teorema 0.3 Todo conjunto infinito contiene un subconjunto infinito numerable.
Cardinalidad Dados dos conjuntos A y B, decimos que A es equivalente a B, o que A y B tienen la misma potencia, y lo notamos A B, si existe una biyección de A en B Es fácil probar que es una relación de
Más detallesTema II: Aplicaciones lineales
Definiciones y ejemplos. Matriz asociada a una aplicación lineal. Núcleo e imagen. Cambios de base. Espacio vectorial cociente.teoremas de isomorfía. El espacio de las aplicaciones lineales. Ejemplos de
Más detallesGuía de Ejercicios: Funciones
Guía de Ejercicios: Funciones Área Matemática Resultados de aprendizaje Determinar dominio y recorrido de una función. Analizar funciones: inyectivas, sobreyectivas y biyectivas. Determinar la función
Más detalles2. Cuál es el valor del cociente de la suma entre la diferencia de los senos de dos ángulos?
1. Qué relaciones ligan las razones trigonométricas de (45º-a) y (45º+a) 2. Cuál es el valor del cociente de la suma entre la diferencia de los senos de dos ángulos? 3. Demostrar la fórmula: 4. Expresar
Más detallesEs trivial generalizar la definición al caso de varios conjuntos: A B C, etc.
Tema 1 Espacios Vectoriales 1.1 Introducción Estas notas están elaboradas pensando simplemente en facilitar al estudiante una guía para el estudio de la asignatura, y en consecuencia se caracterizan por
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 detalles