4 Aplicaciones Lineales

Tamaño: px
Comenzar la demostración a partir de la página:

Download "4 Aplicaciones Lineales"

Transcripción

1 Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1 f( u + v) =f( u)+f( v) para todo u v V 2 f(a u) =af( u) para todo a R yparatodo u V Las aplicaciones lineales entre espacios vectoriales también son denominadas homomorfismos Proposición 8 Si f es una aplicación lineal, es equivalente a decir que para todo a y b R y para todo u y v V se tiene que: f(a u + b v) =af( u)+bf( v) 42 Matriz asociada a una aplicación lineal Sean V y W dos espacios vectoriales sobre el cuerpo de los números reales, R Seaf : V W una aplicación lineal, B V = { v 1, v 2,, v n ) una base de V y B W = { w 1, w 2,, w m ) una base de W Elelementof( u 1 ) es un vector de W y por tanto puede escribirse como una combinación lineal de elementos de la base B W : Análogamente: f( u 1 )=a 11 w 1 + a 21 w a m1 w m f( u i )=a 1i w 1 + a 2i w a mi w m para i =1, 2,,n De este modo podemos construir la siguiente matriz: M B W B V = a 11 a 12 a 1m a 21 a 22 a 2m a n1 a n2 a nm La matriz M B W B V es la matriz de la aplicación f con respecto a las bases B V y B W Si tenemos ahora cualquier otro vector x V, x =(x 1,,, ) BV, a través de la aplicación lineal f se tiene que f( x) =y, donde y W luego y =(y 1,y 2,, y m ) En forma matricial obtenemos la siguiente expresión: y 1 y 2 y m = M B W B V x 1

2 Prof Susana López 42 Ejemplo: Consideremos la aplicación lineal f : R 3 R 2, cuyas ecuaciones respecto de las bases canónicas de R 3 y R 2 respectivamente viene dadas por: f (x, y, z) =(2x y + z, 3x z) Calculamos la matriz asociada a la aplicación lineal respecto de las bases R 3 y R 2 Para ello calculamos las imágenes de los vectores de la base canónica de R 3 : f (1, 0, 0) = (2, 3) f (0, 1, 0) = ( 1, 0) f (0, 0, 1) = (1, 1) de manera que la matriz asociada a la bases canónicas de R 3 y R 2 viene dada por: µ M R2 R = Queremos calcular la imagen del vector v =(3, 3, 1) cuyas coordenadas están dadas respecto de la base canónica utilizando la matriz asociada a la aplicación lineal µ f (3, 3, 1) = 3 µ 3 4 = Propiedades de las aplicaciones lineales Aplicación lineal suma Dadas dos aplicaciones lineales f : V W y g : V W definimos las aplicación lineal suma f + g : V W como: (f + g)( v) =f ( v)+g ( v) Si A y B son las matrices asociadas a la aplicaciones lineales f y g respectivamente respecto de las bases B V de V y B W de W, entonces la matriz asociada a la aplicación suma f + g viene dada por la matriz A y B Producto de una aplicación lineal por un escalar Dada la aplicación lineal f : V W definimoselproductodeunescalarλ R por la aplicación lineal λf : V W como: (λf)( v) =λf ( v) Si A es la matriz asociada a la aplicación lineal f : V W, la matriz λa es la matriz asociada a λf : V W Composición de aplicaciones lineales Dadas dos aplicaciones f : V W y g : W X se define la aplicación f compuesto con g, (g f) :V X como: (g f)( v) =g (f ( v)) Si A y B son las matrices asociadas a la aplicaciones lineales f y g respectivamente respecto de las bases B V de V, B W de W y B X de X entonces la matriz asociada a la aplicación composición viene dada por BA: (g f)( v) =g (f ( v)) = g (A v) =BA v

3 Prof Susana López 43 Aplicación inversa Dada la aplicación lineal f : V V diremos que f posee una aplicación inversa si existe una aplicación lineal f 1 : V V tal que f 1 f ( v) = v f f 1 ( v) = v Una aplicación lineal tendrá una aplicación inversa si la matriz A asociada a f : V V es invertible, en ese caso la matriz asociada a f 1 : V V será A 1 44 Núcleo e imagen de una aplicación lineal Definición 24 Diremos que una aplicación lineal f entre los espacios vectoriales V y W es inyectiva si para todo x e y V con x 6= y se tiene que f(x) 6= f(y) Cuandof es inyectiva la aplicación lineal también se denomina MONOMORFISMO Definición 25 Diremos que una aplicación lineal f entre los espacios vectoriales V y W es sobreyectiva o suprayectiva si para todo w W existe un elemento v V con f(v) =w Cuando f es sobreyectiva la aplicación lineal también se denomina EPIMORFISMO Definición 26 Diremos que una aplicación lineal f entre los espacios vectoriales V y W es BIYECTIVA si es inyectiva y sobreyectiva a la vez Cuando f es biyectiva la aplicación lineal también se denomina ISOMORFISMO En el caso particular de que los espacios vectoriales de origen y llegada sean iguales, V = W la aplicación lineal también se denomina ENDOMORFISMO, y si además el endomorfismo es biyectivo entonces se denomina AUTOMORFISMO Otro caso particular de aplicación lineal es el caso donde W = R, elcuerpodelosnúmeros reales, en ese caso la aplicación lineal se denomina FORMA LINEAL Definición 27 Dada una aplicación lineal f entre los espacios vectoriales V y W, f : V W, definimos el núcleo o kernel de la aplicación lineal como el conjunto de todos aquellos v V tales que f(v) =0Esdecir: N(f) =Ker(f) ={v V f(v) =0} Observar que el Ker(f) nunca es vacío ya que 0 Ker(f) Proposición 9 Si f : V W es una aplicación lineal entre los espacios vectoriales V y W, entonces Ker(f) es un subespacio vectorial de V Proposición 10 Una aplicación lineal es inyectiva si y sólo si Ker(f) ={0} Definición 28 Dada una aplicación lineal f entre los espacios vectoriales V y W, f : V W, definimos el subconjunto imagen de la aplicación lineal como el conjunto de todos aquellos w W para los cuales existe un vector v V tal que f(v) =w Esdecir: img(f) ={w W existe v V f(v) =w}

4 Prof Susana López 44 Proposición 11 Si f : V W es una aplicación lineal entre los espacios vectoriales V y W, entonces img(f) es un subespacio vectorial de W Proposición 12 Una aplicación lineal es sobreyectiva si y sólo si img(f) =W Teorema 3 Dada una aplicación lineal f entre los espacios vectoriales V y W, f : V W, si V es de dimensión finita entonces: dim(ker(f)) + dim(img(f)) = dim(v ) Definición 29 Definimos el rango, rang(f) de una aplicación lineal f como el rango de la matriz asociada la aplicación lineal Del teorema anterior obtenemos el siguiente resultado: a f es inyectiva si y sólo si rang(f) =dim(v ) b f es sobreyectiva si y sólo si rang(f) =dim(w ) c dim (img (f)) = rang (f) Diremos que dos espacios vectoriales cualesquiera son isomorfos si podemos encontrar un isomorfismo entre ellos Para que esto ocurra entre espacios vectoriales de dimensión finita la dimensión de ambos debe ser la misma Teorema 4 Dado cualquier número natural cualquiera n todos los espacios vectoriales de dimensión n sobre un mismo cuerpo son isomorfos 45 Cambio de base para aplicaciones lineales Supongamos que tenemos dos bases de un espacio vectorial V B C = { e 1, e 2,, e n } base canónica B 1 = { u 1, u 2,, u n } Dado cualquier vector w V lo podemos expresar como una combinación lineal de cada una de las bases: x 1 e 1 + e e n = w = x 0 1 u 1 + x 0 2 u x 0 n u n (1) donde (x 1,,, ) son las coordenadas de w en la base B C y (x 0 1,x 0 2,, x 0 n) son las coordenadas de w en la base B 1 Sabemos además que: u 1 = u 11 e 1 + u 21 e u n1 e n u 2 = u 12 e 1 + u 22 e u n2 e n u n = u 1n e 1 + u 2n e u nn e n

5 Prof Susana López 45 donde Esto último se puede expresar en forma matricial como: u 11 u 12 u 1n u 21 u 22 u 2n u1 u 2 u n = e1 e 2 e n u n1 u n2 u nn U = u 11 u 12 u 1n u 21 u 22 u 2n u n1 u n2 u nn (1) puede escribirse matricialmente como: x 1 e1 e 2 e n = w = u 1 u 2 u n x 0 1 x 0 2 x 0 n (2) pero a través de (2) tenemos que x 1 e1 e 2 e n = e 1 e 2 e n u 11 u 12 u 1n u 21 u 22 u 2n u n1 u n2 u nn x 0 1 x 0 2 x 0 n luego tenemos entonces que x 1 = u 11 u 12 u 1n u 21 u 22 u 2n u n1 u n2 u nn x 0 1 x 0 2 x 0 n (3) es decir, U es la matriz que nos permite pasar coordenadas de la base B 1 a coordenadas de la base canónica B C U = C B C B 1 Atravésde(3) también vemos que U 1 = CB B1 C nos permite pasar coordenadas de la base canónica B C a coordenadas de la base B 1 Supongamos ahora que tenemos dos bases ninguna de las cuales es la canónica B 1 = { u 1, u 2,, u n } B 2 = { v 1, v 2,, v n } al igual que antes tenemos ahora que la matriz V = C B C B 2 nos permiten pasar de B 2 alacanónica B C y V 1 = C B 2 B C nos permite pasar de la canónica a la base B 2

6 Prof Susana López 46 Supongamos que las coordenadas de un vector w en la base B 1 son (x 1,,, ) yqueremos saber cuáles son sus coordenadas en la base B 2, (x 0 1,x 0 2,, x 0 n) Por lo visto anteriormente tenemos que para pasar de la base B 1 alacanónicahayquemultiplicarporu, de este modo tenemos que x 1 U son las coordenadas de w en la base canónica Ahora para pasar de la canónica a B 2 tenemos que multiplicar por (V 1 ), de este modo tenemos que x 1 x 0 1 x 0 2 V 1 U = Acabamos de probar de este modo que la matriz que permite pasar de coordenadas de B 1 acoordenadasdeb 2 es, V 1 U = C B 2 B C C B C B 1 Si queremos pasar de B 2 a B 1 es simplemente multiplicar por la inversa (V 1 U) 1 = U 1 V = C B 1 B C C B C B 2 : x 1 = U 1 V Veamos a continuación como realizar un cambio de base cuando trabajamos con aplicaciones lineales Sea f una aplicación lineal que va del espacio vectorial V al espacio vectorial W SeaB V 1 una base de V, B W 1 una base de W y M B W 1 B V 1 la matriz asociada a la aplicación lineal respecto de las bases B V 1 y B W 1 Consideremos a continuación otras dos bases de ambos espacios vectoriales, B V 2 base de V y B W 2 base de W En este caso la matriz asociada a la aplicación lineal será M B W 2 B V 2 Queremos saber la relación que existe entre ambas matrices Sea C B V 1 B V 2 matriz de cambio de base de B V 2 a B V 1 y C B W 1 B W 2 la matriz de cambio de base de B W 2 a B W 1, de manera que la relación entre las matrices asociadas a la aplicación lineal según la base considerada es la siguiente: x 0 n x 0 1 x 0 2 x 0 n M B W 2 B V 2 =(C B W 1 B W 2 ) 1 M B W 1 B V 1 C B V 1 B V 2 (relacionar matrices con aplicaciones lineales)

7 Prof Susana López EJERCICIOS: 1 Estudiar cuáles de las siguientes aplicaciones son lineales entre los espacios vectoriales dados: (a) f(x, y, z) =(x + y, z) sol si (b) f(x, y) =(x + y, 0) sol si (c) f(x, y) =(x, y +2) sol no µ 1 (d) f : M 2 2 (R) M 2 1 (R) f(a) =AB donde B = 1 sol si (e) f : M 2 2 (R) M 2 2 (R), f(a) =A + B donde B M 2 2 es fija sol no (f) f : M 2 2 (R) M 2 2 (R), f(a) =AB BA donde B M 2 2 es fija sol si (g) f : P n (x) P n (x), f(p(x)) = p(x +1) sol si (h) f : P n (x) P n (x), f(p(x)) = p(x)+1 sol no 2 Sea f : V W una aplicación lineal entre dos espacios vectoriales V y W Demostrar lassiguientesproposiciones: (a) La imagen del elemento neutro de V mediante f es el elemento neutro de W,es decir, f( 0 V )= 0 W (b) La imagen mediante F del opuesto de un elemento v V es el opuesto de f( v), es decir, f( v) = f( v) (c) La imagen mediante f de cualquier subespacio de V es un subespacio vectorial de W (d) La imagen mediante una aplicación lineal de un subespacio vectorial de dimensión k es un subespacio vectorial de dimensión no superior a k (e) Sea B = e 1, e 2,, e n una base del espacio vectorial V y sean w 1, w 2,, w n, n vectores cualesquiera del espacio vectorial W En estas condiciones, existe una única aplicación lineal f de V a W tal que: f( e j )= w j,j =1, 2,, n 3 Comprobar si son aplicaciones lineales las siguientes funciones y en caso afirmativo calcular el núcleo y la imagen: (a) f : R 2 R, dadaporf(x, y) =2x 5y (b) f : R 2 R 3,dadaporf(x, y) =(y, x, x + y) (c) f : R 4 R 3,dadaporf(x, y, z, t) =(x y + z, t, x + y z + t) (d) f : R R 4,dadaporf(x) =(x, 1, 2x, x) 4 Sea f : R 3 R 3 dada por f(x, y, z) =(x + y, z, x + z) Encontrar la matriz de f con respecto a la base canónica Hallar la imagen mediante f de los siguientes subespacios vectoriales de R 3

8 Prof Susana López 48 (a) V 1 = {(x, y, z) R 3 x + y + z =0} (b) V 2 = {(x, y, 0) x, y R} (c) V 3 = {(x, y, z) =t(1, 1, 1) t R} En cada caso indicar la dimensión del subespacio y la dimensión de su imagen mediante f 5 Sea la aplicación lineal f : R 3 R 2 definida como f(x, y, z) =(x y, x + z) (a) Probar que f es una aplicación lineal (b) Determinar las ecuaciones paramétricas y cartesianas del núcleo y de la imagen (c) Encontrar una base del núcleo y otra de la imagen (d) Comprobar que se verifica el teorema de la dimensión núcleo-imagen (e) Clasificar f 6 Sea f : R 3 R 3 la aplicación lineal definida por: Calcular: f(e 1 )=3e 1 2e 2 + e 3, f(e 2 )=e 1 + e 2, f(e 3 )=2e 1 3e 2 + e 3 (a) Matriz de la aplicación lineal (b) Ecuaciones de f (c) Ecuaciones paramétricas y cartesianas del núcleo y de la imagen 7 Dadas las aplicaciones f : R 2 R 2 y g : R 2 R 2,definidas por f(x, y) =(x + y, x) y g(x, y) =(2x, 3x y), calcular las expresiones algebráicas y matriciales de g f, f g y f + g µ Sea la matriz de una aplicación lineal de R en R 2 Calcular: (a) Expresión algebráica de f (b) f( 1, 2, 3) (c) Estudiar si existe algún vector (x, y, z) cuya imagen sea el vector (1, 1) (d) Ecuaciones paramétricas y cartesianas del núcleo y de la imagen (e) Comprobar que se verifica el teorema núcleo-imagen (f) Clasificar f (g) Calcular la matriz de f respecto de las bases: B = {(1, 0, 1), (0, 0, 1), (2, 1, 1)}de R 3 B 0 = {(1, 0), (1, 1)}de R 2

9 Prof Susana López 49 9 Dada la aplicación lineal f : R 3 R 3 cuya matriz respecto de la base canónica de R 3 es α 2 2 Clasificar f según los distintos valores de α y β 6 3 β 10 Demostrar que si S = { x 1,,, } son linealmente independientes, entonces {f( x 1 ), f( ),, f( )} son linealmente independientes si y sólo si f es inyectiva 11 Describir el núcleo y la imagen de las siguientes aplicaciones lineales, indicando si son inyectivas, sobreyectivas o biyectivas: µ 1 (a) M B : M 2 2 M 2 2 donde M B (A) =AB con B = 1 (b) La aplicación derivación de P n (x) en P n 1 (x) 12 Sea f : R 3 R 3 la aplicación lineal definida por f(u 1,u 2,u 3 )=(u 1 u 2 +2u 3,u 1 +3u 2 ) y las bases B 1 = {(1, 0, 1), (2, 1, 0), (0, 1, 1)} y B 2 = {( 2, 1), (1, 1)} de R 3 y R 2 respectivamente Calcular: (a) Matriz asociada a f respecto de las bases canónicas de R 3 y R 2 (b) Matriz asociada a f respecto de la base B 1 de R 3 y la canónica de R 2 (c) Matriz asociada a f respecto de la base canónica de R 3 ylabaseb 2 de R 2 (d) Matriz asociada a f respecto de la base B 1 de R 3 ylabaseb 2 de R 2 13 Sea f : R 3 R 3 la aplicación lineal definida por f(u 1,u 2,u 3 )=(u 1 u 2 + u 3, 4u 2 u 3,u 1 + u 2 +5u 3 ) B = {(1, 2, 1), (3, 1, 0), ( 1, 3, 1)} base de R 3 y el vector v R 3 de coordenadas (-1,1,1) en la base B Calcular: (a) Las coordenadas del vector f( v) (b) Las coordenadas de f( v) respecto de la base B 14 Sea f : R 2 R 4 la aplicación lineal tal que f(3, 5) = (1, 1, 1, 1) Calcular: f( 1, 2) = (2, 1, 0, 2) (a) Hallar la expresión de la aplicación f, es decir, dado un vector v R 2 determinar f( v)

10 Prof Susana López 50 (b) Hallar la matriz asociada a f respecto de las bases canónicas de R 2 y R 4 (c) Determinar el subespacio imagen de la aplicación lineal f y su dimensión 15 Sea la aplicación f definida por: f( u 1 )=f(1, 0, 0) = (1, 2) f( u 2 )=f(1, 1, 0) = (1, 1) f( u 3 )=f(1, 1, 1) = (0, 2) DondeseconsideralasiguientebasedeR 3, B R 3 = { u 1, u 2, u 3 } Hallar: (a) Matriz asociada a f respecto de las bases B R 3 y la canónica de R 2 (b) Matriz asociada a f respecto de las bases canónicas de R 3 y R 2 16 Se define una aplicación f por: f( e 1 )=f(1, 0) = (1, 2, 0, 1) f( e 2 )=f(0, 1) = (0, 1, 1, 0) Sabiendo que las coordenadas de f( e 1 ) y f( e 2 ) están referidas a la base B R 4 = { v 1 = (1, 0, 0, 0), v 2 =(1, 1, 0, 0), v 3 =(1, 1, 1, 0), v 4 =(1, 1, 1, 1)} Calcular: (a) Matriz asociada a f referida a la base canónica de R 2 y B R 4 (b) Matriz asociada a f referida a las bases canónicas de R 2 y R 4 (c) f(1, 2) en las canónicas de R 2 y R 4 µ Sea la matriz de una aplicación lineal de R en R 2 Calcular: (a) Expresión algebráica de f (b) f( 1, 2, 3) (c) Estudiar si existe algún vector (x, y, z) cuya imagen sea el vector (1, 1) (d) Ecuaciones paramétricas y cartesianas del núcleo y de la imagen (e) Clasificar f (f) Calcular la matriz de f respecto de las bases: B = {(1, 0, 1), (0, 0, 1), (2, 1, 1)} B 0 = {(1, 0), (1, 1)} 18 Dada la aplicación lineal f : R 3 R 3 dada por sus ecuaciones: Calcular: f(x, y, z) =(z y, 2x 2z,y x)

11 Prof Susana López 51 (a) Matriz asociada respecto de las base canónica de R 3 (b) Transformado del vector (1,0,-2) (c) Calcular el núcleo y la imagen de f 19 Sean las aplicaciones f : R 4 R 2, f(x, y, z, t) =(x + y, z + t) y g : R 2 R 3, g(x, y) = (2x, 2y, x + y) Calcular si es posible las matrices asociadas a las aplicaciones (f g) y (g f) referidas a las bases canónicas 20 Sea la aplicación f definida por: f( u 1 )=f(1, 0, 0) = (1, 2) f( u 2 )=f(1, 1, 0) = (1, 1) f( u 3 )=f(1, 1, 1) = (0, 2) DondeseconsideralasiguientebasedeR 3, B R 3 = { u 1, u 2, u 3 } Hallar: (a) Matriz asociada a f respecto de las bases B R 3 y la canónica de R 3 (b) Matriz asociada a f respecto de las bases canónicas de R 3 y R 2 21 Se define una aplicación f por: f( e 1 )=f(1, 0) = (1, 2, 0, 1) f( e 2 )=f(0, 1) = (0, 1, 1, 0) Sabiendo que las coordenadas de f( e 1 ) y f( e 2 ) están referidas a la base B R 4 = { v 1 = (1, 0, 0, 0), v 2 =(1, 1, 0, 0), v 3 =(1, 1, 1, 0), v 4 =(1, 1, 1, 1)} Calcular: (a) Matriz asociada a f referida a la base canónica de R 2 y B R 4 (b) Matriz asociada a f referida a las bases canónicas de R 2 y R 4 (c) Matriz asociada a f referidaalabaseb R 2 = { w 1 =(1, 1), w 2 =(2, 1)} de R 2 y B R 4 (d) Matriz asociada a f referidaalabaseb R 2 y a la canónica de R 4 (e) f(1, 2) en B R 2 y la canónica de R 4 (f) f(1, 2) en B R 2 y B R 4 22 Clasificar el endomorfismo f(x, y, z) =(2x, 4x y, 2x +3y z) Encontrar las ecuaciones algebráicas de f 1, f 2 y f 2 en los casos que sea posible 23 La empresa IMAGE DEVELOPMENT COMPANY, IDC, fabrica en su planta de Zaragoza tres tipos de televisores: de 14, 21 y 25 pulgadas Los almacenes principales se encuentran en Madrid, Barcelona, Vigo y Sevilla Las ventas durante el año 1996 de almacéndemadridsecifraronen400,100y 500 televisores de 14, 21 y 25 pulgadas respectivamente; las del almacén de Barcelona en 300, 150 y 400; las del almacén de Vigo en 100, 100 y 200 y las del almacén de Sevilla en 200, 150 y 300 Los precios de venta de los televisores en 1996 fueron de ptas para los de 14 pulgadas, de ptas para los de 20 pulgadas y ptas para los de 25 pulgadas Se pide:

12 Prof Susana López 52 (a) Expresar las ventas de la empresa mediante una matriz A de orden 4 3 (b) Expresar mediante un vector x columna el precio de cada tipo de televisor (c) Interpreta el significado de A x

Aplicaciones Lineales

Aplicaciones Lineales Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse

Más detalles

1. APLICACIONES LINEALES

1. APLICACIONES LINEALES 1 1 APLICACIONES LINEALES El objetivo de este capítulo es el estudio de las aplicaciones lineales u homomorfismos entre espacios vectoriales Este tipo de aplicaciones respeta la estructura de espacio vectorial

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un

Más detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

4 APLICACIONES LINEALES. DIAGONALIZACIÓN 4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos

Más detalles

Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales.

Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales. Problemas y Ejercicios Resueltos. Tema : Aplicaciones Lineales. Ejercicios 1.- Determinar cuáles de las siguientes aplicaciones son lineales: (i) f : R R 2 definida por f((x, y, z)) = (x y, y + 2z). (ii)

Más detalles

Tema 4: Aplicaciones lineales

Tema 4: Aplicaciones lineales Tema 4: Aplicaciones lineales Definición, primeras propiedades y ejemplos Definición. Sean V y W dos espacios vectoriales sobre un cuerpo K. Una función f : V W se dice que es una aplicación lineal si

Más detalles

4 Aplicaciones lineales

4 Aplicaciones lineales Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4 Aplicaciones lineales 4. Aplicación lineal Sean V y W dos espacios vectoriales sobre el mismo cuerpo K (en general, R o C. Una aplicación

Más detalles

Tema 3. Aplicaciones lineales. 3.1. Introducción

Tema 3. Aplicaciones lineales. 3.1. Introducción Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones

Más detalles

Espacios vectoriales y Aplicaciones lineales

Espacios vectoriales y Aplicaciones lineales Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

1. APLICACIONES LINEALES

1. APLICACIONES LINEALES 1 1. APLICACIONES LINEALES 1. Estudiar si las siguientes aplicaciones son lineales: a) f : R 2 R 3, f(x, y) = (x + y, y, x 2y). Sí es lineal. b) f : R 2 R, f(x, y) = xy. No es lineal. Basta observar que

Más detalles

Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009)

Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009) ÁLGEBRA Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009) I. Se considera el homomorfismo f : P 2 (IR) P 2 (IR) definido por las siguientes condiciones: (1) Los polinomios sin

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)

Más detalles

ÁLGEBRA LINEAL I Soluciones a la Práctica 6

ÁLGEBRA LINEAL I Soluciones a la Práctica 6 ÁLGEBRA LINEAL I Soluciones a la Práctica 6 Aplicaciones lineales (Curso 2009 2010) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales, determinar cuáles son homomorfismos, monomorfismos,

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES 1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,

Más detalles

Espacios vectoriales y aplicaciones lineales.

Espacios vectoriales y aplicaciones lineales. Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales

Más detalles

Apuntes de Matemática Discreta 9. Funciones

Apuntes de Matemática Discreta 9. Funciones Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y

Más detalles

1 Espacios y subespacios vectoriales.

1 Espacios y subespacios vectoriales. UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto

Más detalles

1 El espacio vectorial R n.

1 El espacio vectorial R n. Manuel Gutiérrez Departamento de Álgebra, Geometría y Topología Universidad de Málaga February 26, 2009 1 El espacio vectorial R n. La estructura de espacio vectorial es posiblemente la estructura más

Más detalles

Aplicaciones abiertas y cerradas

Aplicaciones abiertas y cerradas 44 3. POSICIÓN DE UN PUNTO CON RESPECTO A UN CONJUNTO Tema 7. Aplicaciones abiertas y cerradas Hasta ahora nos hemos centrado en propiedades de puntos con respecto a conjuntos, y las únicas propiedades

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide:

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide: .- 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) e Im(f) a) f(x,y) = (x,-y) b) f(x,y)

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere

Más detalles

Construcción de bases en el núcleo e imagen de una transformación lineal

Construcción de bases en el núcleo e imagen de una transformación lineal Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.

Más detalles

Tema 2. Aplicaciones lineales y matrices.

Tema 2. Aplicaciones lineales y matrices. Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

Clase 15 Espacios vectoriales Álgebra Lineal

Clase 15 Espacios vectoriales Álgebra Lineal Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

Objetivos: Al inalizar la unidad, el alumno: Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará

Más detalles

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario) Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES

Más detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR} Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar

Más detalles

CAPÍTULO II. 4 El grupo afín

CAPÍTULO II. 4 El grupo afín CAPÍTULO II 4 El grupo afín En geometría clásica, antes de la aparición de los espacios vectoriales, se hablaba de puntos en lugar de vectores. Para nosotros serán términos sinónimos salvo que, cuando

Más detalles

Estructuras algebraicas

Estructuras algebraicas Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota

Más detalles

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.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial. Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =

Más detalles

4.1 El espacio dual de un espacio vectorial

4.1 El espacio dual de un espacio vectorial Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

3 Espacios Vectoriales

3 Espacios Vectoriales Prof. Susana López 31 3 Espacios Vectoriales 3.1 Introducción Un ector fijo en el plano no es más que un segmento orientado en el que hay que distinguir tres características: -dirección: la de la recta

Más detalles

Estructuras Algebraicas Una estructura algebraica es un objeto matemático consistente en un conjunto no vacío, con por lo menos una operación binaria.

Estructuras Algebraicas Una estructura algebraica es un objeto matemático consistente en un conjunto no vacío, con por lo menos una operación binaria. Estructuras Algebraicas Una estructura algebraica es un objeto matemático consistente en un conjunto no vacío, con por lo menos una operación binaria. Operación Binaria Se conoce una operación binaria

Más detalles

Práctica de Aplicaciones Lineales

Práctica de Aplicaciones Lineales practica5.nb 1 Práctica de Aplicaciones Lineales Aplicaciones lineales y matrices Las matrices también desempeñan un papel muy destacado en el estudio de las aplicaciones lineales entre espacios vectoriales

Más detalles

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector

Más detalles

elemento neutro y elemento unidad: inversa aditiva (opuesto): para todo λ K 0, existe un único µ K tal que λµ = 1;

elemento neutro y elemento unidad: inversa aditiva (opuesto): para todo λ K 0, existe un único µ K tal que λµ = 1; 3. Espacios Vectoriales 3.1. Definición de espacio vectorial Un cuerpo es una estructura algebraica (K, +, ) formada por un conjunto K no vacio y dos operaciones internas + y que verifican las siguientes

Más detalles

La aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es

La aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS 1 Aplicaciones lineales Núcleo e Imagen Tipos de aplicaciones lineales Sean E y E k-espacios vectoriales Definición 11 Una

Más detalles

1. Cambios de base en R n.

1. Cambios de base en R n. er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..

Más detalles

Algebra Lineal y Geometría.

Algebra Lineal y Geometría. Algebra Lineal y Geometría. Unidad nº7: Transformaciones Lineales. Algebra Lineal y Geometría Esp. Liliana Eva Mata 1 Contenidos. Transformación lineal entre dos espacios vectoriales. Teorema fundamental

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

Aplicaciones lineales

Aplicaciones lineales Capítulo 4 Aplicaciones lineales 4.1. Introduccción a las aplicaciones lineales En el capítulo anterior encontramos la aplicación de coordenadas x [x] B que asignaba, dada una base del espacio vectorial,

Más detalles

TEST DE ÁLGEBRA. 6.- Sea el subespacio de R 3 S = { (x,,y,z) / x +y+z = 0} a) es de dimensión 1 b) es de dimensión 2 c) es R 3 d) NDLA

TEST DE ÁLGEBRA. 6.- Sea el subespacio de R 3 S = { (x,,y,z) / x +y+z = 0} a) es de dimensión 1 b) es de dimensión 2 c) es R 3 d) NDLA TEST DE ÁLGEBRA 1.- Sea f:r 4 -----> R 5 una apli. lineal a) Dim ker(f) tiene que ser 3 b) Dim ker(f) será 4 c) Dim ker(f) es 5 2.- El sistema homogéneo 3 x % 8 y % ð z 0 y & z 0 a) tiene soluciones no

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales.

Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales. Problemas y Ejercicios Resueltos. Tema : Espacios vectoriales. Ejercicios 1.- Determinar el valor de x para que el vector (1, x, 5) R 3 pertenezca al subespacio < (1,, 3), (1, 1, 1) >. Solución. (1, x,

Más detalles

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES Espacios Vectoriales y Aplicaciones Lineales 4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA 1.- Espacios Vectoriales..- Propiedades de un Espacio Vectorial..-

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS

Más detalles

Clasificación de métricas.

Clasificación de métricas. Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye

Más detalles

Estructuras algebraicas

Estructuras algebraicas Tema 1 Estructuras algebraicas 1.1 Álgebras binarias Sea A un conjunto no vacío, una operación binaria (u operación interna) en A es una aplicación *: A A A (x, y) x * y es decir, una regla que a cada

Más detalles

Formas bilineales y cuadráticas.

Formas bilineales y cuadráticas. Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos

Más detalles

Variedades Diferenciables. Extremos Condicionados

Variedades Diferenciables. Extremos Condicionados Capítulo 16 Variedades Diferenciables. Extremos Condicionados Vamos a completar lo visto en los capítulos anteriores sobre el teorema de las Funciones Implícitas y Funciones Inversas con un tema de iniciación

Más detalles

Grupos. Subgrupos. Teorema de Lagrange. Operaciones.

Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1 Tema 1.-. Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1.1. Primeras definiciones Definición 1.1.1. Una operación binaria en un conjunto A es una aplicación α : A A A. En un lenguaje más coloquial

Más detalles

1. Producto escalar, métrica y norma asociada

1. Producto escalar, métrica y norma asociada 1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la

Más detalles

Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).

Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid

Más detalles

MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios

MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios Sonia L. Rueda ETS Arquitectura. UPM Curso 2007-2008. 1 MATEMÁTICAS I TEMA 1: Espacios Vectoriales 1 Definición de espacio vectorial. Subespacios Dados dos conjuntos V y K se llama ley de composición externa

Más detalles

Transformaciones canónicas

Transformaciones canónicas apítulo 29 Transformaciones canónicas 29.1 Introducción onsideremos una transformación arbitraria de las coordenadas en el espacio de las fases de dimensión 2(3N k) (con el tiempo como un parámetro) Q

Más detalles

VII. Estructuras Algebraicas

VII. Estructuras Algebraicas VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

(Ec.1) 2α + β = b (Ec.4) (Ec.3)

(Ec.1) 2α + β = b (Ec.4) (Ec.3) Problema 1. Hallar t R para que el vector x = (3, 8, t) pertenezca al subespacio engendrado por los vectores u = (1, 2, 3) y v = (1, 3, 1). Solución del problema 1. x L{ u, v} si, y sólo si, existen α,

Más detalles

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. Prácticas de Matemáticas I y Matemáticas II con DERIVE 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar si el

Más detalles

1. El teorema de la función implícita para dos y tres variables.

1. El teorema de la función implícita para dos y tres variables. GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Aplicaciones de la derivación parcial.. El teorema de la función implícita para dos tres variables. Una ecuación con dos incógnitas. Sea f :( x, ) U f(

Más detalles

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................

Más detalles

Ejemplos: Sean los conjuntos: A = { aves} B = { peces } C = { anfibios }

Ejemplos: Sean los conjuntos: A = { aves} B = { peces } C = { anfibios } La Teoría de Conjuntos es una teoría matemática, que estudia básicamente a un cierto tipo de objetos llamados conjuntos y algunas veces, a otros objetos denominados no conjuntos, así como a los problemas

Más detalles

Funciones, x, y, gráficos

Funciones, x, y, gráficos Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre

Más detalles

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades: Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición

Más detalles

Funciones uno-uno, sobre y biunívocas

Funciones uno-uno, sobre y biunívocas Funciones uno-uno, sobre y biunívocas La inversa (biunívocas) de una función es una regla que actúa en la salida de la función y produce la entrada correspondiente. Así, la inversa deshace o invierte lo

Más detalles

TEMA 2: Grupos. El grupo Simétrico.

TEMA 2: Grupos. El grupo Simétrico. Álgebra y Estructuras Discretas Grupo B de la Ingeniería Técnica de Sistemas TEMA 2: Grupos. El grupo Simétrico. 1. Definición de Grupo. Propiedades Básicas. Definición 1. Dado un conjunto no vacío G,

Más detalles

9.1 Primeras definiciones

9.1 Primeras definiciones Tema 9- Grupos Subgrupos Teorema de Lagrange Operaciones 91 Primeras definiciones Definición 911 Una operación binaria en un conjunto A es una aplicación α : A A A En un lenguaje más coloquial una operación

Más detalles

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad

Más detalles

Aplicaciones Lineales y Multilineales Continuas

Aplicaciones Lineales y Multilineales Continuas Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística.

Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Índice General 1 PRACTICAS CON MATHEMATICA 2 1.1 Introducción...

Más detalles

Esta es la forma vectorial de la recta. Si desarrollamos las dos posibles ecuaciones, tendremos las ecuaciones paramétricas de la recta:

Esta es la forma vectorial de la recta. Si desarrollamos las dos posibles ecuaciones, tendremos las ecuaciones paramétricas de la recta: Todo el mundo sabe que dos puntos definen una recta, pero los matemáticos son un poco diferentes y, aún aceptando la máxima universal, ellos prefieren decir que un punto y un vector nos definen una recta.

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

Relaciones entre conjuntos

Relaciones entre conjuntos Relaciones entre conjuntos Parejas ordenadas El orden de los elementos en un conjunto de dos elementos no interesa, por ejemplo: {3, 5} = {5, 3} Por otra parte, una pareja ordenada consiste en dos elementos,

Más detalles

Espacios vectoriales. Bases. Coordenadas

Espacios vectoriales. Bases. Coordenadas Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos

Más detalles

Tema 3: Aplicaciones de la diagonalización

Tema 3: Aplicaciones de la diagonalización TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:

Más detalles

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1 . ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio

Más detalles

GEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008

GEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008 1. Sean los puntos A (1, 0,-1) y B (,-1, 3). Calcular la distancia del origen de coordenadas a la recta que pasa por A y B. Calculemos la recta que pasa por A y B. El vector AB es (1,-1,4) y por tanto

Más detalles

13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.

13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3. ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN

Más detalles

Tema 7: ESPACIOS VECTORIALES AFINES

Tema 7: ESPACIOS VECTORIALES AFINES Tema 7: ESPACIOS VECTORIALES AFINES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura:

Más detalles

4.- Para los siguientes conjuntos de vectores, probar si son o no subespacios vectoriales de R 4 : 2d + 1 : b, d reales. d

4.- Para los siguientes conjuntos de vectores, probar si son o no subespacios vectoriales de R 4 : 2d + 1 : b, d reales. d GRADO EN I. TELEMÁTICA. HOJA : ESPACIOS VECTORIALES. ESPACIOS NULO Y COLUMNA.- Sea W el conjunto de todos los vectores de R de la forma subespacio de R. s + t s t s t t, con s, t R. Probar que W es un.-

Más detalles

APLICACIONES LINEALES. DIAGONALIZACIÓN

APLICACIONES LINEALES. DIAGONALIZACIÓN I.- Sea f una transformación lineal de un espacio vectorial V de dimensión n. Sea B una base de V. Sea A la matriz asociada a f respecto de la base B. Señala, sin demostrar, cuáles de las siguientes afirmaciones

Más detalles

5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades

5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades 5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio

Más detalles

Tema 2 ESPACIOS VECTORIALES

Tema 2 ESPACIOS VECTORIALES Tema 2 ESPACIOS VECTORIALES Prof. Rafael López Camino Universidad de Granada 1 Espacio vectorial Definición 1.1 Un espacio vectorial es una terna (V, +, ), donde V es un conjunto no vacío y +, son dos

Más detalles

Transformaciones lineales invertibles (no singulares)

Transformaciones lineales invertibles (no singulares) Transformaciones lineales invertibles (no singulares) Objetivos. Estudiar la definición y los criterios de invertibilidad de una transformación lineal. Requisitos. Funciones inyectivas, suprayectivas e

Más detalles

UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.

UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado

Más detalles

Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización

Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Ejercicio. Decidir cuáles de las siguientes aplicaciones son lineales. Cuál es la dimensión del espacio imagen? a f(x, x 2, x 3 = (x 2 + x

Más detalles

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes. VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar

Más detalles

Conjuntos, Relaciones y Grupos. Problemas de examen.

Conjuntos, Relaciones y Grupos. Problemas de examen. Conjuntos, Relaciones y Grupos. Problemas de examen. Mayo 2006 1. La función f es definida por (a) Halle el recorrido exacto, A, de f. f : R R donde f(x) = e senx 1. (b) (i) Explique por qué f no es inyectiva.

Más detalles

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com. Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen

Más detalles

Matrices invertibles. La inversa de una matriz

Matrices invertibles. La inversa de una matriz Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad

Más detalles