Francisco Cabo García Bonifacio Llamazares Rodríguez
|
|
- José María Peralta Aranda
- hace 7 años
- Vistas:
Transcripción
1 ÁLGEBRA LINEAL CON DERIVE 5 Francisco Cabo García Bonifacio Llamazares Rodríguez María Teresa Peña García Dpto. de Economía Aplicada (Matemáticas) Universidad de Valladolid Página 1 de 34
2 Ventana de Álgebra Línea de Edición Página 2 de 34
3 Operadores Fundamentales (acento) / (3 2 ) = 36 (4 3) 2 = 144 Página 3 de 34
4 Operadores Fundamentales (acento) / (3 2 ) = 36 (4 3) 2 = 144 Teclado Ratón Definición sqrt(a) Ctrl+q a a a a! a! inf #e Ctrl+e ê ln(e) = 1 #i Ctrl+i î 1 pi Ctrl+p π π = #eˆa exp(a) Crtl+eˆa ln(a) log(a) ln(a) e a Página 3 de 34
5 Espacios Vectoriales. Matrices y Determinantes. Definición de vectores y matrices Operaciones con matrices Definir un vector a partir de una función Resolución de ecuaciones Dependencia e independencia lineales Base de un espacio vectorial Coordenadas de un vector en una base Teorema de Rouché-Frobenius Página 4 de 34
6 Definición de vectores y matrices Definir un vector Editar (Autor) Vector o el botón x := [x 1,..., x n ] Página 5 de 34
7 Definición de vectores y matrices Definir un vector Editar (Autor) Vector o el botón x := [x 1,..., x n ] Definir una matriz Editar (Autor) Matriz o el botón A := [a 11,..., a 1n ; a 21,..., a 2n ;... ; a m1,..., a mn ] A := [[a 1,..., a n ]]. Genera matrices con una única fila Página 5 de 34
8 Operaciones con matrices Suma matricial A + B Producto matricial A B AB Se recuerda que la división matricial no existe. Al escribir A/B, DERIVE calcula A B 1 Potencia n-ésima de una matriz Aˆn Página 6 de 34
9 Inversa de una matriz Sea A M n n (R). Se dice que A es inversible o regular si existe B M n n (R) de forma que AB = BA = I n. En este caso, B se llama matriz inversa de A y se denota por A 1 Aˆ 1 Determinante de una matriz El determinante es una aplicación det : M n n R A det A DET(A) Página 7 de 34 A es inversible si y sólo si det(a) 0
10 Traspuesta de una matriz A (acento grave) Traza de una matriz TRACE(A) Rango de una matriz Sea A M m n, se denomina rango de A por filas (columnas) al número máximo de vectores fila (columna) linealmente independientes El rango de A es el orden del mayor menor no nulo de A RANK(A) Matriz identidad de orden n IDENTITY MATRIX(n) Página 8 de 34
11 Definir un vector a partir de una función Crear un vector cuyos componentes son el resultado de evaluar una función de una variable que sigue una progresión aritmética: Cálculo Vector. Antes de usar esta opción, la función debe estar seleccionada en la Ventana de Álgebra VECTOR(f, k, m, n, s). En este comando f es la función, k la variables, m el valor inicial, n el valor final y s la razón de la progresión aritmética; es decir, k toma los valores: m, m + s, m + 2s,... n. Si m y/o s no aparecen, su valor por defecto es 1 Ejemplo: [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] VECTOR(kˆ2, k, 1, 10, 1) [16, 25, 36, 49, 64, 81, 100] VECTOR(kˆ2, k, 4, 10, 1) [16, 36, 64, 100] VECTOR(kˆ2, k, 4, 10, 2) Página 9 de 34
12 Una ecuación algebraica Resolución de ecuaciones Representación gráfica Raíces de forma aproximada Sea f una función, al menos de x. La ecuación f = 0 puede resolverse respecto de esta variable de las siguientes formas: Escribir la ecuación y Resolver Expresión o Algebraico Mediante fórmulas Cualquiera Todas las raíces de forma numérica Numérico Una raíz en un intervalo determinado Dominio Real Complejo Página 10 de 34
13 Resolución de ecuaciones Una ecuación algebraica Representación gráfica Raíces de forma aproximada Sea f una función, al menos de x. La ecuación f = 0 puede resolverse respecto de esta variable de las siguientes formas: Escribir la ecuación y Resolver Expresión o Algebraico Mediante fórmulas Cualquiera Todas las raíces de forma numérica Numérico Una raíz en un intervalo determinado Dominio Real Complejo SOLVE(f, x). Equivalente al método Algebraico y el dominio Complejo APPROX(SOLVE(f, x)). Equivalente al método Cualquiera y el dominio Complejo Página 10 de 34
14 Sistema de Ecuaciones: Sistema de Ecuaciones Lineales a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b a m1 x 1 + a m2 x a mn x n = b m Sistema de Ecuaciones no Lineales g 1 (x 1, x 2,..., x n ) = b 1 g 2 (x 1, x 2,..., x n ) = b g m (x 1, x 2,..., x n ) = b m Página 11 de 34 Elegir tantas variables a despejar como ecuaciones tenga el sistema
15 Sistema de Ecuaciones Lineales Escribir el sistema de ecuaciones como: [a 11 x a 1n x n = b 1,..., a m1 x a mn x n = b m ] o a 11 x a 1n x n = b 1 and... and a m1 x a mn x n = b m o a 11 x a 1n x n = b 1... a m1 x a mn x n = b m hacer clic en el botón, seleccionar las m variables a despejar y el método Algebraico SOLVE(sistema, [x i1,..., x im ]). El 1 er argumento recoge el sistema de ecuaciones y el 2 o las m variables a despejar Página 12 de 34
16 Sistema de Ecuaciones Lineales Escribir el sistema de ecuaciones como: [a 11 x a 1n x n = b 1,..., a m1 x a mn x n = b m ] o a 11 x a 1n x n = b 1 and... and a m1 x a mn x n = b m o a 11 x a 1n x n = b 1... a m1 x a mn x n = b m hacer clic en el botón, seleccionar las m variables a despejar y el método Algebraico SOLVE(sistema, [x i1,..., x im ]). El 1 er argumento recoge el sistema de ecuaciones y el 2 o las m variables a despejar Las m ecuaciones no son independientes Sistema equivalente de menos ecuaciones. Todas independientes. Página 12 de 34
17 Sistema de Ecuaciones no Lineales Escribir el sistema de ecuaciones como: [g 1 (x 1,..., x n ) = b 1,..., g m (x 1,..., x n ) = b m ] o g 1 (x 1,..., x n ) = b 1 and... and g m (x 1,..., x n ) = b m o g 1 (x 1,..., x n ) = b 1 g m (x 1,..., x n ) = b m hacer clic en el botón, seleccionar las m variables a despejar y el método Cualquiera APPROX(SOLVE(sistema, [x i1,..., x im ])). El 1 er argumento recoge el sistema de ecuaciones y el 2 o las m variables a despejar Página 13 de 34
18 Dependencia e independencia lineales Dependencia lineal Sean U un espacio vectorial sobre R y u 1,..., u n U. Los vectores u 1,..., u n son linealmente dependientes si y sólo si existen escalares λ 1,..., λ n R no todos nulos, tales que λ 1 u λ n u n = 0 U Independencia lineal Sean U un espacio vectorial sobre R y u 1,..., u n U. Los vectores u 1,..., u n son linealmente independientes si y sólo si λ 1,..., λ n R λ 1 u 1 + +λ n u n = 0 U λ 1 = λ n = 0 Página 14 de 34
19 Base de un espacio vectorial Definición de base Sean U un espacio vectorial y u 1,..., u n U. {u 1,..., u n } es una base del espacio vectorial U si y sólo si: 1. Es un sistema libre 2. Es un sistema generador Página 15 de 34
20 Base de un espacio vectorial Definición de base Sean U un espacio vectorial y u 1,..., u n U. {u 1,..., u n } es una base del espacio vectorial U si y sólo si: 1. Es un sistema libre 2. Es un sistema generador Propiedades Si U es un espacio vectorial finitamente generado de dimensión n, entonces: 1. u 1,..., u n U l.i. {u 1,..., u n } base de U 2. {u 1,..., u n } SG de U {u 1,..., u n } base de U Página 15 de 34
21 Coordenadas de un vector en una base Sea U un espacio vectorial sobre R. Si B = {u 1,..., u n } es una base del espacio vectorial U, entonces cualquier vector de U se expresa, de forma única, como combinación lineal de los vectores de la base, es decir, n v U λ 1,..., λ n R únicos, tales que v = λ i u i v B = (λ 1,..., λ n ) es el vector de las componentes o coordenadas de v en la base U i=1 Página 16 de 34
22 Teorema de Rouché-Frobenius El sistema de ecuaciones lineales: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b a m1 x 1 + a m2 x a mn x n = b m puede escribirse de forma matricial como a 11 a 12 a 1n a 21 a 22 a 2n = a m1 a m2 a mn x 1 x 2 x n b 1 b 2 b m, o bien, Ax = b Se define la matriz ampliada o completa del sistema como la matriz que se obtiene de añadir a la matriz A la matriz columna b: Página 17 de 34
23 ( A b ) = a 11 a 12 a 1n b 1 a 21 a 22 a 2n b a m1 a m2 a mn b m Página 18 de 34
24 ( A b ) = a 11 a 12 a 1n b 1 a 21 a 22 a 2n b a m1 a m2 a mn b m Teorema de Rouché-Frobenius Un sistema de m ecuaciones lineales con n incógnitas es: 1. Compatible si y sólo si rg(a) = rg ( A b ). Además, (a) Si rg(a) = n, entonces el sistema es determinado (b) Si rg(a) < n, entonces el sistema es indeterminado 2. Incompatible si y sólo si rg(a) < rg ( A b ) Página 18 de 34
25 Aplicaciones Lineales Matrices asociadas a una aplicación lineal Sean U, V espacios vectoriales sobre R, B = {u 1,..., u n } y B = {v 1,..., v m } bases de U y V, respectivamente, y f L (U, V). La matriz asociada a f en las bases B y B se denota por M (f, B, B ) y se obtiene como: M (f, B, B ) = (f(u 1 ) B f(u n ) B ) M m n (R) f(x) B = M (f, B, B ) x B. La aplicación L (U, V) Φ M m n (R) f M (f, B, B ) es un isomormismo Página 19 de 34
26 Aplicaciones Lineales Matrices asociadas a una aplicación lineal Sean U, V espacios vectoriales sobre R, B = {u 1,..., u n } y B = {v 1,..., v m } bases de U y V, respectivamente, y f L (U, V). La matriz asociada a f en las bases B y B se denota por M (f, B, B ) y se obtiene como: M (f, B, B ) = (f(u 1 ) B f(u n ) B ) M m n (R) f(x) B = M (f, B, B ) x B. La aplicación L (U, V) Φ M m n (R) f M (f, B, B ) creadas con DERIVE es un isomormismo Página 19 de 34
27 Sean U, V espacios vectoriales sobre R y B, B bases de U y V respectivamente. Si f : U V es una aplicación lineal, entonces: Se denomina imagen de f al conjunto: Imf = f (U) = {v V u U v = f(u)} Se denomina núcleo de f al conjunto: Kerf = f 1 (0 V ) = {u U f(u) = 0 V } dim U = dimkerf + dimimf. rgf = dim Imf = rgm (f, B, B ) Si dim U = n y dim V = m, entonces 1. f inyectiva rgf = n 2. f suprayectiva rgf = m 3. f isomorfismo rgf = n = m Página 20 de 34
28 Endomorfismos y matrices diagonalizables Sean U un espacio vectorial sobre R y f End (U). f es diagonalizable si y sólo si existe una base B = {u 1,..., u n } de U tal que M (f, B, B) es diagonal Sea A M n n (R). A es diagonalizable P, D M n n (R), P inversible y D diagonal tal que A = P DP 1 λ λ (f(u 1 ) B f(u n ) B ) = = D 0 λ n Página 21 de 34 f(u 1 ) B = (λ 1,..., 0) f(u n ) B = (0,..., λ n ) i 1,..., n f(u i ) = λ i u i
29 Sean U un espacio vectorial sobre R y f End (U) 1. u U, u 0 U es un vector propio o autovector de f si y sólo si existe λ R tal que f(u) = λu 2. λ R es un valor propio o autovalor de f si y sólo si existe u U, u 0 U tal que f(u) = λu Página 22 de 34
30 Sean U un espacio vectorial sobre R y f End (U) 1. u U, u 0 U es un vector propio o autovector de f si y sólo si existe λ R tal que f(u) = λu 2. λ R es un valor propio o autovalor de f si y sólo si existe u U, u 0 U tal que f(u) = λu f es diagonalizable existe alguna base de U formada por vectores propios de f Toda base B en la que M (f, B, B) sea diagonal está formada por vectores propios de f, y los valores propios son los elementos de la diagonal principal Página 22 de 34
31 U B > U B (id U, B, C R n) D P P 1 M (id U, C R n, B) A U CR n > U CR n M (f, C R n, C R n) P = M (id U, B, C R n) = ( (u 1 ) CR n (u 2) CR n (u n) CR n ) M (f, B, B) = M (id U, C R n, B) M (f, C R n, C R n) M (id U, B, C R n) D = P 1 A P Página 23 de 34
32 de matrices Polinomio característico de A CHARPOLY(A). Devuelve el polinomio característico de A en potencias de w Página 24 de 34
33 de matrices Polinomio característico de A CHARPOLY(A). Devuelve el polinomio característico de A en potencias de w Autovalores de A EIGENVALUES(A). Devuelve un vector con los diferentes autovalores de la matriz A pero sin especificar su multiplicidad. Para conocer la multiplicidad de cada autovalor, se calcula el polinomio característico y se factoriza mediante la opción Simplificar Factorizar. Para matrices de orden superior a 4, generalmente DERIVE no puede encontrar los autovalores en forma algebraica (valor exacto); en tal caso, se pueden obtener los autovalores de forma numérica (valor aproximado) utilizando el botón Página 24 de 34
34 Autovectores de A EXACT EIGENVECTOR(A, w). Este comando devuelve el subespacio propio asociado al autovalor w, expresándolo como un vector donde las diferentes variables vienen Debe utilizarse cuando el autovalor w se ha obtenido de forma algebraica (valor exacto). Para un autovalor obtenido de forma numérica (valor aproximado) devuelve el vector nulo APPROX EIGENVECTOR(A, w). Cuando un autovalor no se puede calcular de forma algebraica y se obtiene un valor aproximado, w, de forma numérica, es posible obtener una aproximación a uno de sus autovectores utilizando este comando. Si dicho comando se emplea con un autovalor que se puede obtener de forma algebraica (valor exacto), el resultado no tiene por qué ser un autovector Página 25 de 34
35 Formas Cuadráticas Clasificación de las Formas Cuadráticas Criterio de los valores propios Criterio de los menores principales Formas Cuadráticas restringidas Página 26 de 34
36 Clasificación de las Formas Cuadráticas Sea Q : R n R una forma cuadrática 1. Q es definida positiva (D + ) si y sólo si x R n x 0 Q (x) > 0 2. Q es definida negativa (D ) si y sólo si x R n x 0 Q (x) < 0 3. Q es semidefinida positiva (SD + ) si y sólo si x R n Q (x) 0 y x 0 R n, tal que Q (x 0 ) = 0 4. Q es semidefinida negativa (SD ) si y sólo si x R n Q (x) 0 y x 0 R n, tal que Q (x 0 ) = 0 5. Q es indefinida (I) si y sólo si x 1, x 2 R n Q (x 1 ) > 0 Q (x 2 ) < 0 Página 27 de 34
37 Criterio de los valores propios Si Q : R n R una forma cuadrática y λ 1, λ 2,..., λ n son los valores propios de M (Q, C R n), entonces: 1. Q es D + i {1,..., n} λ i > 0 2. Q es D i {1,..., n} λ i < 0 3. Q es SD + i {1,..., n} λ i 0 y j {1,..., n}, λ j = 0 4. Q es SD i {1,..., n} λ i 0 y j {1,..., n}, λ j = 0 5. Q es I i, j {1,..., n}, λ i > 0, λ j < 0 Página 28 de 34
38 Criterio de los valores propios Si Q : R n R una forma cuadrática y λ 1, λ 2,..., λ n son los valores propios de M (Q, C R n), entonces: 1. Q es D + i {1,..., n} λ i > 0 2. Q es D i {1,..., n} λ i < 0 3. Q es SD + i {1,..., n} λ i 0 y j {1,..., n}, λ j = 0 4. Q es SD i {1,..., n} λ i 0 y j {1,..., n}, λ j = 0 5. Q es I i, j {1,..., n}, λ i > 0, λ j < 0 La aplicación de este criterio con DERIVE requiere: Utilidad creada con DERIVE Página 28 de 34
39 Criterio de los valores propios Si Q : R n R una forma cuadrática y λ 1, λ 2,..., λ n son los valores propios de M (Q, C R n), entonces: 1. Q es D + i {1,..., n} λ i > 0 2. Q es D i {1,..., n} λ i < 0 3. Q es SD + i {1,..., n} λ i 0 y j {1,..., n}, λ j = 0 4. Q es SD i {1,..., n} λ i 0 y j {1,..., n}, λ j = 0 5. Q es I i, j {1,..., n}, λ i > 0, λ j < 0 La aplicación de este criterio con DERIVE requiere: Utilidad creada con DERIVE EIGENVALUES(A). Devuelve un vector con los diferentes autovalores de la matriz A Página 28 de 34
40 Criterio de los menores principales Si Q : R n R una forma cuadrática y 1, 2,..., n los menores principales de A = M (Q, C R n) 1. Q es D + 1 > 0, 2 > 0,..., n > 0 2. Q es D 1 < 0, 2 > 0,..., ( 1) n n > 0 3. Si n = deta 0 y no se cumple ninguna de las condiciones anteriores, entonces Q es I 4. Si n = deta = 0 y rga = p, reordenando, si es necesario, hasta conseguir que el menor principal de orden p sea distinto de cero, con 1,..., p los menores principales de la nueva matriz, entonces: 4.1. Q es SD + 1 > 0, 2 > 0,..., p > Q es SD 1 < 0, 2 > 0,..., ( 1) p p > En cualquier otro caso, Q es I Página 29 de 34
41 Criterio de los menores principales Si Q : R n R una forma cuadrática y 1, 2,..., n los menores principales de A = M (Q, C R n) 1. Q es D + 1 > 0, 2 > 0,..., n > 0 2. Q es D 1 < 0, 2 > 0,..., ( 1) n n > 0 3. Si n = deta 0 y no se cumple ninguna de las condiciones anteriores, entonces Q es I 4. Si n = deta = 0 y rga = p, reordenando, si es necesario, hasta conseguir que el menor principal de orden p sea distinto de cero, con 1,..., p los menores principales de la nueva matriz, entonces: 4.1. Q es SD + 1 > 0, 2 > 0,..., p > Q es SD 1 < 0, 2 > 0,..., ( 1) p p > En cualquier otro caso, Q es I Utilidad creada con DERIVE Página 29 de 34
42 Formas Cuadráticas restringidas Sean Q : R n R una forma cuadrática, A = M (Q, C R n) y el subespacio vectorial de R n V = { x R n Bx = 0 }, con B M m n (R) y rg(b)= m Al sustituir el sistema Bx = 0, se obtienen m variables en función de las n m restantes. Sustituyendo en Q(x), se transforma la forma cuadrática restringida Q V en una forma cuadrática sin restricciones con menor número de variables (n m) Página 30 de 34
43 creadas con DERIVE Cargar el fichero ALGEBRA.MTH, copiado con anterioridad en C:\DfW5\Users, mediante la opción Archivo Leer MAT CAN(f, [x 1,..., x n ]). Devuelve la matriz asociada a la aplicación lineal f respecto de las bases canónicas, siendo [x 1,..., x n ] el vector de variables MAT AS(f, [x 1,..., x n ], B, C). Devuelve la matriz asociada a la aplicación lineal f respecto de dos bases, siendo [x 1,..., x n ] el vector de variables, B la matriz cuyas filas son los vectores de la base del espacio de partida y C la matriz cuyas filas son los vectores de la base del espacio de llegada B = u 1 u 2 u n C = v 1 v 2 v m Página 31 de 34
44 APL CAN(A, [x 1,..., x n ]). Devuelve la aplicación lineal cuya matriz asociada respecto de las bases canónicas es A, siendo [x 1,..., x n ] el vector de variables de dicha aplicación APL AS(A, [x 1,..., x n ], B, C). Devuelve la aplicación lineal cuya matriz asociada respecto de dos bases es A, siendo [x 1,..., x n ] el vector de variables de dicha aplicación, B la matriz cuyas filas son los vectores de la base del espacio de partida y C la matriz cuyas filas son los vectores de la base del espacio de llegada Página 32 de 34
45 MAT SIM(Q, [x 1,..., x n ]). Devuelve la matriz simétrica asociada a la forma cuadrática Q, siendo [x 1,..., x n ] el vector de variables Página 33 de 34
46 MAT SIM(Q, [x 1,..., x n ]). Devuelve la matriz simétrica asociada a la forma cuadrática Q, siendo [x 1,..., x n ] el vector de variables MENORES PRINCIPALES(A). Devuelve un vector cuyos elementos son los menores principales de la matriz A MENORES PRINCIP REST(A, B). Devuelve un vector cuyos elementos son los n m últimos menores principales de la matriz orlada, siendo A M n n la matriz de la forma cuadrática y B M m n la matriz de restricciones Página 34 de 34
MATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n A = a 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n a A = 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n a A = 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detallesTema 2. Aplicaciones lineales. Diagonalización de endomorfismos.
Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada
Más detallesAplicaciones Lineales. Diagonalización de matrices.
Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesCONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 MATRICES
CONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 Unidades: - Matrices (Bloque Álgebra) - Determinantes (Bloque Álgebra) - Sistemas de ecuaciones lineales (Bloque Álgebra) - Vectores (Bloque
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesMatrices, determinantes y sistemas de ecuaciones lineales
Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente
Más detallesMatemáticas Empresariales II. Sistemas de Ecuaciones lineales
Matemáticas Empresariales II Lección 4 Sistemas de Ecuaciones lineales Manuel León Navarro Colegio Universitario Cardenal Cisneros M. León Matemáticas Empresariales II 1 / 34 Sistema de ecuaciones lineales
Más detallesAUTÓNOMA DE MADRID. Dpto. Análisis Económico: Economía Cuantitativa UNIVERSIDAD. Soluciones de los ejercicios de Álgebra Lineal.
Soluciones de los ejercicios de Álgebra Lineal Curso 016/017 Versión 4-1-017 Índice general 1. Espacios vectoriales 1.1. Cuestiones test................................. 1.. Problemas.....................................
Más detallesPrácticas de Matemáticas II: Álgebra lineal
Prácticas de Matemáticas II: Álgebra lineal Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Prácticas de Matemáticas II: Álgebra lineal
Más detallesPROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 2005/06
PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 200/06 1. Utilizar el método de eliminación de Gauss para resolver el sistema de ecuaciones lineales siguiente: 2 x 1 2 x
Más detallesTEMA III: DIAGONALIZACIÓN.
TEMA III: DIAGONALIZACIÓN. OBJETIVOS: Generales: 1. Captar el motivo que justifica el problema de la diagonalización de endomorfismos. 2. Resolver y aplicar dicho problema cuando sea posible. Específicos:
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesExamen Final Ejercicio único (3 horas) 20 de enero de n(n 1) 2. C n,3 = n(n 3) n =
Álgebra Lineal I Examen Final Ejercicio único (3 horas) 0 de enero de 014 1. Sea P un polígono regular de n lados. (i) Cuántas diagonales tiene el polígono?. Las diagonales son segmentos que unen pares
Más detallesCuestiones de Álgebra Lineal
Cuestiones de Álgebra Lineal Algunas de las cuestiones que aparecen en esta relación están pensadas para ser introducidas en un plataforma interactiva de aprendizaje de modo que los parámetros a, b que
Más detallesSEGUNDO PARCIAL - EJERCICIOS DE REPASO
Algebra y Geometría 28 SEGUNDO PARCIAL - EJERCICIOS DE REPASO 3-6-8 ESPACIOS VECTORIALES. Construya en R 2 un subconjunto que sea: a cerrado para la suma y resta de vectores, pero no para la multiplicacion
Más detallesÁLGEBRA LINEAL I Práctica 6
ÁLGEBRA LINEAL I Práctica 6 Aplicaciones Lineales (Curso 2016 2017) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos
Más detallesMatrices y sistemas de ecuaciones lineales. Autovalores y autovectores.
Tema 5 Matrices y sistemas de ecuaciones lineales Autovalores y autovectores 5 Introducción Una matriz es una disposición ordenada de elementos de la forma: a a a m a a a m a n a n a nm Sus filas son las
Más detallesDIAGONALIZACIÓN DE MATRICES CUADRADAS
DIAGONALIZACIÓN DE MATRICES CUADRADAS.- Considerar los vectores u = (, -, ) y v = (, -, ) de : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué
Más detallesHoja de diagonalización MATEMÁTICAS I
Hoja de diagonalización MATEMÁTICAS I 9- - En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax así como los subespacios vectoriales N(f)
Más detalles5. Aplicaciones Lineales
Contents 5 Aplicaciones Lineales 2 5.1 Aplicaciones lineales. Definición y propiedades........................ 2 5.2 Núcleo e Imagen.................................................... 3 5.3 Descomposición
Más detallesGeometría afín y proyectiva, 2016 SEMANA 3
Geometría afín y proyectiva, 2016 SEMANA 3 Sonia L. Rueda ETS Arquitectura. UPM September 20, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más detallesDiagonalización de Endomorfismos
Tema 5 Diagonalización de Endomorfismos 5.1 Introducción En este tema estudiaremos la diagonalización de endomorfismos. La idea central de este proceso es determinar, para una aplicación lineal f : E E,
Más detallesHoja de diagonalización MATEMÁTICAS I
Hoja de diagonalización MATEMÁTICAS I 8-9.- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax así como los subespacios vectoriales
Más detallesHoja de diagonalización MATEMÁTICAS I
Hoja de diagonalización MATEMÁTICAS I 007-008 1.- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) = Ax, así como los subespacios vectoriales
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Químicas FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina si cada
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2010 2011) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesMatemáticas para la Empresa
Matemáticas para la Empresa 1 o D.C.E. 1 o L.A.D.E. Curso 2008/09 Relación 2. Aplicaciones Lineales. Diagonalización. Formas Cuadráticas 1. Estudia si son lineales las aplicaciones siguientes: a) La aplicación
Más detallesTema 4: Sistemas de ecuaciones lineales.
Tema 4: Sistemas de ecuaciones lineales 1 Rango de una matriz Definición Sea A Mat n m (K) Se llama rango de filas de A, y se denota por rg f (A) la dimensión del subespacio vectorial generado por las
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 detallesETSI de Topografía, Geodesia y Cartografía
3ª Prueba de Evaluación Continua 7 05 12 (Grupo C) Espacio vectorial 1. a) Definir vectores linealmente dependientes en un espacio vectorial V. u,u,,u de un espacio vectorial V son b) Demostrar que si
Más detallesGuía de uso de DERIVE. 2) Botones de acceso rápido Al colocar el cursor sobre el botón aparece un recuadro con su función
Sobre la pantalla principal de DERIVE distinguimos: 1) La barra del menú 2) Botones de acceso rápido Al colocar el cursor sobre el botón aparece un recuadro con su función UNIDAD DOCENTE DE MATEMÁTICAS
Más detallesCapítulo 1: Diagonalización de matrices
Capítulo : Diagonalización de matrices Matrices y determinantes Definición Una matriz es un arreglo rectangular de números reales a a a m a A a a m a n a n a nm La matriz es de orden n m si consta de n
Más detallesÁLGEBRA LINEAL I Práctica 6
ÁLGEBRA LINEAL I Práctica 6 Aplicaciones Lineales (Curso 2012 2013) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales, determinar cuáles son homomorfismos, monomorfismos, epimorfismos
Más detallesAUTOVALORES Y AUTOVECTORES
12 de Julio de 2011 AUTOVALORES Y AUTOVECTORES (Clase 01) Departamento de Matemática Aplicada Facultad de Ingeniería Universidad Central de Venezuela 1 Puntos a tratar 1. Valores y vectores propios 2.
Más detallesPROGRAMA DE EXAMEN. Unidad Nº1: Matrices y Función Determinante
Ministerio de Cultura y Educación Universidad Nacional de San Juan Fac. de Ciencias Exactas Físicas y Naturales Ciclo Lectivo 2018 PROGRAMA DE EXAMEN Cátedra: ALGEBRA LINEAL Carrera: Licenciatura en Geofísica
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2009 2010) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesEspacios Vectoriales, Valores y Vectores Propios
, Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas
Más detalles3.8 Ejercicios propuestos
3.8 Ejercicios propuestos Ejercicio 3.7 Consideremos la aplicación lineal f : R 3 R 3 definida por f(x, y, z) =(2x + y, z,0) a) Determinar Ker f y hallar una base de dicho subespacio. b) Hallar el rango
Más detallesGeometría afín y proyectiva, 2016 SEMANA 4
Geometría afín y proyectiva, 2016 SEMANA 4 Sonia L. Rueda ETS Arquitectura. UPM September 30, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesSea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).
Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que
Más detalles3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE
3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS // Curso 2017-18 3.1.1. Resolución de sistemas de ecuaciones lineales. Método
Más detallesTÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA
ESCUELA ESTUDIOS DE TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA DEPARTAMENTO DE INGENIERÍA INFORMÁTICA MATEMÁTICA APLICADA I ÁLGERA LINEAL OLETINES DE PROLEMAS Curso 8-9 Sistemas de ecuaciones lineales.
Más detalles3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE
3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.1.1. Resolución de sistemas de ecuaciones lineales. Método
Más detalles6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...
Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................
Más detallesCurso Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones
Tema 5. ÁLGEBRA Diagonalización. Curso 217-218 José Juan Carreño Carreño Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones Escuela Técnica Superior de Ingeniería
Más detallesProblemas de Álgebra Ingeniería Técnica en Informática de Sistemas. Curso 2009/10
Problemas de Álgebra Ingeniería Técnica en Informática de Sistemas Curso 2009/10 Hoja 1 Preliminares 1 Resuelve los siguientes sistemas de ecuaciones de números complejos: { z 1 + iz 2 = 1 i 3z 1 + (1
Más detalles1. DIAGONALIZACIÓN. FORMAS CANÓNICAS
1 1. DIAGONALIZACIÓN. FORMAS CANÓNICAS 1. Se considera la matriz: A = ( 2 3 4 13 con coeficientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de
Más detallesÍndice. Programación de las unidades. Unidad 1 Matrices 6. Unidad 2 Determinantes 8. Unidad 3 Sistemas de ecuaciones lineales 10
Índice Programación de las unidades Unidad 1 Matrices 6 Unidad 2 Determinantes 8 Unidad 3 Sistemas de ecuaciones lineales 10 Unidad 4 Geometría en el espacio 12 Unidad 5 Producto escalar 14 Unidad 6 Productos
Más detallesTema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada
Tema 3: MATRICES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura: Matemáticas
Más detallesExpresa en lenguaje matemático los siguientes conjuntos:
universidad de valladolid facultad de cc ee y ee matemáticas 1 1. Expresa en lenguaje matemático los siguientes conjuntos: (a) El conjunto S 1 de los vectores de IR 3 que tienen las dos primeras componentes
Más detalles1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: (1 i)(2 i)(i 3) ; 344 ( i) 231 i(1 + i) 5
1.5.1 Complejos 1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: i 1 ; 2 + i ; 2i 2 i 1 + i +i; 5 (1 i)(2 i)(i 3) ; i344 +( i) 231 ; (1 + i) 5 + 1 (1 i) 5 1 ; 2. Usar,
Más detallesEjercicios tipo test de las lecciones 1 y El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1, 2, 1) y
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Ejercicios tipo test de las lecciones 1 y 2. 1. El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1,
Más detallesÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 2 de julio de 2012 Duración del examen: 3 horas Fecha publicación notas: 11 de julio
ÁLGEBRA LINEAL EXAMEN EXTRAORDINARIO 2 de julio de 22 Duración del examen: 3 horas Fecha publicación notas: de julio Fecha revisión examen: 3 de julio Apellidos: Nombre: Grupo: Titulación: ESCRIBA EL APELLIDO
Más detalles1 Matrices y Sistemas lineales de ecuaciones
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 1 Matrices y Sistemas lineales de ecuaciones Sea M n m = M n m (R) el espacio vectorial de las matrices reales con n ilas y m columnas.
Más detallesÁlgebra Lineal. Maestría en Ciencias Matemáticas. x y + z = 1 x y z = 3 2x y z = 1. x + y + 2z = 1 4x 2ty + 5z = 2 x y + tz = 1
Álgebra Lineal Maestría en Ciencias Matemáticas Resuelva el siguiente sistema usando la factorización LU o P T LU (según sea el caso) x y + z = x y z = 3 2x y z = 2 Calcule A usando el algoritmo de Gauss-Jordan:
Más detallesSoluciones a los ejercicios del examen final C =. 1 0
Universidade de Vigo Departamento de Matemática Aplicada II E T S E de Minas Álgebra Lineal Curso 205/6 de enero de 206 Soluciones a los ejercicios del examen final Se considera el subespacio U {X M 2
Más detalles1 Sistemas de ecuaciones lineales.
Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Sea S el siguiente sistema de m ecuaciones lineales y n incógnitas: 9 a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 >=
Más detallesObjetivos formativos de Álgebra
Objetivos formativos de Álgebra Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera como objetivo
Más detalles6. Forma canónica de matrices
6. Forma canónica de matrices Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior Universidad de Zaragoza Otoño 2010 Contents 6 6. Forma canónica de matrices 7 6.1 Introducción....................................
Más detallesRelación 1. Espacios vectoriales
MATEMÁTICAS PARA LA EMPRESA Curso 2007/08 Relación 1. Espacios vectoriales 1. (a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy) Demuestra que IR
Más detallesAP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
Capítulo 6 Diagonalización 6 Valores y vectores propios 6 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V, nos planteamos el problema
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesSoluciones de los problemas de álgebra lineal
Soluciones de los problemas de álgebra lineal HOJA :. a. a. b,d 4. b,c. b. (a) 4A +C t = 6 6 µ 6 4 7 6, (b) (BA) t C = 7 6 0 8 4 µ (c) B + AC = 0 9 4, (d) CA =, 0 µ (e) (B I) =, (f) (CA) = 6 4 0 6 8 7
Más detallesProposición Sea V un espacio vectorial sobre K de dimensión n y B una base de V. Gl(n, K) = {A M(n n, K) A = 0}.
Tema 6 Formas canónicas 6.1 Introducción Proposición 6.1.1. Sea V un espacio vectorial sobre K de dimensión n y B una base de V. La aplicación Φ B : End(V ) M(n n, K) definida por Φ B (f) = M B (f), es
Más detallesMatemáticas Empresariales II. Diagonalización de Matrices
Matemáticas Empresariales II Lección 6 Diagonalización de Matrices Manuel León Navarro Colegio Universitario Cardenal Cisneros M. León Matemáticas Empresariales II 1 / 25 Introducción Sea f un endomorfismo,
Más detallesESPACIOS VECTORIALES Y APLICACIONES LINEALES
Departamento de Matemática Aplicada II E.E.I. ÁLGEBRA Y ESTADÍSTICA Boletín n o (010-011 ESPACIOS VECTORIALES Y APLICACIONES LINEALES 1. En el espacio vectorial ordinario R 4 estudiar cuáles de los siguientes
Más detallesFACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas
EXÁMENES DE MATEMÁTICAS Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha 5 de julio de 99. Dada la aplicación lineal: T
Más detallesCUESTIONES TEÓRICAS. Matemáticas II Curso
CUESTIONES TEÓRICAS Matemáticas II Curso 2013-14 1. Definición de función continua: Una función es continua en un punto a si existe el valor de la función en dicho punto, el límite de la función cuando
Más detallesPodemos pues formular los dos problemas anteriores en términos de matrices.
Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión
Más detalles( 1 0 BLOQUE DE GEOMETRÍA TEMA 4: ESPACIOS VECTORIALES. ( 5+ 3i )+ ( 2 i )=7+ 2i. La suma de dos números complejos es un número complejo.
BLOQUE DE GEOMETRÍA TEMA 4: ESPACIOS VECTORIALES. Operaciones Binarias: Observamos las siguientes operaciones: ( 5+ 3i )+ ( 2 i )=7+ 2i. La suma de dos números complejos es un número complejo. ( 1 0 2
Más detallesÁlgebra Lineal y Geometría I. Prueba 3. Grupo A. 12 de marzo de (
Álgebra Lineal y Geometría I. Prueba 3. Grupo A. 2 de marzo de 208. Apellidos: Nombre: DNI: Ejercicio.-(4 puntos) Se considera la matriz siguiente: A = 2 0 3 0 2. Calcule W = null(a 2I), W 2 = null(a 4I)
Más detallesMATRICES. 1.- Calcular: g) 0 a b a 0 c b c 0. x x x. x + a b c a x + b c a b x + c. a b b b a b b b a
MATRICES 1.- Calcular: a) 3 2 5 2 1 4 3 1 6 b) 2 1 3 4 2 5 6 0 2 c) 3 1 5 0 5 4 6 3 1 3 2 1 6 7 5 4 d) 7 6 8 5 6 7 10 6 7 8 8 9 8 7 9 6 e) 1 3 2 1 3 5 3 2 3 6 2 2 6 4 5 3 f) 1 1 1 1 1 1 1 g) 1 1 1 1 1
Más detalles1. DIAGONALIZACIÓN DE ENDOMORFISMOS
. DIAGONALIZACIÓN DE ENDOMORFISMOS. Se considera la matriz: A ( 2 3 4 3 con coecientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de A. Calcular
Más detallesAPLICACIONES LINEALES.
Tema 4. ÁLGEBRA APLICACIONES LINEALES. Curso 2017-2018 José Juan Carreño Carreño Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones Escuela Técnica Superior de
Más detallesÁlgebra Lineal - Exámenes
Álgebra Lineal Dpto. de Matemáticas (EPSI Gijón) Página 1 Álgebra Lineal - Exámenes 2005-2006 Ejercicio n o 1 Constrúyase una función f que, dada una matriz, nos devuelva su primera fila, el elemento que
Más detallesAquella que tiene nulos los elementos nos situados en la diagonal principal. Los elementos situados por encima de la diagonal principal son nulos.
Álgebra lineal Matrices Rango de una matriz Orden del mayor menor complementario no nulo. Matriz regular det A Diagonal principal Elementos a ii de la matriz. Si la matriz es cuadrado son los elementos
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesForma canónica de Jordan.
Práctica 3 Forma canónica de Jordan. Contenido: Matrices semejantes. Polinomio característico. Valores propios. Vectores propios. Forma canónica de Jordan. Forma real de la forma canónica de Jordan. Aplicaciones:
Más detallesPrograma EUROPA Ayuda a la Mejora en el Aprendizaje Matemáticas Cuarta sesión
1/26 Programa EUROPA Ayuda a la Mejora en el Aprendizaje Matemáticas Cuarta sesión Ramón Esteban y Antonio Pastor Índice 1 Álgebra 3 Sistemas de ecuaciones lineales................ 3 Métodos conocidos...................
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2008 2009) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesÁLGEBRA LINEAL. EXAMEN FINAL 18 de Enero de b) (0, 5 puntos) Estudia si la siguiente afirmación es verdadera o falsa, justificando
ÁLGEBRA LINEAL EXAMEN FINAL 8 de Enero de Apellidos y Nombre: Duración del examen: 3 horas Publicación de notas: enero Revisión de Examen: feb Ejercicio. ( puntos a (, puntos Estudia si la siguiente afirmación
Más detallesFACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R.
FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA ANALÍTICO DE LA ASIGNATURA: ALGEBRA LINEAL Código L2.07.1 PLAN DE ESTUDIOS: 2002 CARRERA: Licenciatura en Matemática DEPARTAMENTO:
Más detallesSoluciones a los ejercicios del examen final
Álgebra Lineal Curso 206/7 6 de junio de 207 Soluciones a los ejercicios del examen final Se considera la aplicación lineal L : R 3 R 3 definida por L(x, y, z) = (z x, x + y + z, x y 3z). a) Hallar la
Más detallesMatrices, Determinantes y Sistemas Lineales.
12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión
Más detallesEspacios vectoriales reales
140 Fundamentos de Matemáticas : Álgebra Lineal 9.1 Espacios vectoriales Capítulo 9 Espacios vectoriales reales Los conjuntos de vectores del plano, R 2, y del espacio, R 3, son conocidos y estamos acostumbrados
Más detallesPOLINOMIOS Y FRACCIONES ALGEBRAICAS. ECUACIONES Y SISTEMAS DE ECUACIONES CAPÍTULO 2
CAPÍTULO 2 POLINOMIOS Y FRACCIONES ALGEBRAICAS. ECUACIONES Y SISTEMAS DE ECUACIONES. 1.- SIMPLIFICAR EXPRESIONES 2.- FACTORIZAR EXPRESIONES 3.- DESARROLLAR EXPRESIONES 4.- FRACCIONES ALGEBRAICAS 5.- RESOLUCIÓN
Más detalles