Aplicaciones lineales
|
|
- Ricardo Méndez Hidalgo
- hace 8 años
- Vistas:
Transcripción
1 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, coordenadas a un vector. Vimos que las coordenadas del vector suma son la suma de las coordenadas, y las de un vector escalado son las coordenadas escaladas: x + y [x] B + [y] B y cx c[x] B Estas curiosas propiedades son compartidas por muchas funciones o aplicaciones entre espacios vectoriales. En términos generales, una aplicación T entre dos espacios vectoriales V y W es una función T : V W x V y = T (x) W Se describe muchas veces una aplicación con la notación x T (x). El espacio V se denomina dominio de T y el espacio W codominio de T. A cada elemento v V del dominio de corresponde una imagen w W en el codominio A cada elemento del codominio puede corresponderle un conjunto entero de preimágenes. La imagen ( o recorrido ) de T es el conjunto de vectores de W tales que son imagen de algún x V, es decir, son de la forma T x W. No confundáis la imagen de un elemento v con la imagen de toda la aplicación T. En el libro de Lay [1] a la imagen de T se la denomina rango de T. 87
2 88 CAPÍTULO 4. APLICACIONES LINEALES Ejemplo La aplicación T : R 3 R 3 que pone a cero la tercera componente: T x 1 x 3 x 1 = 0 tiene como dominio y codominio a R 3. Su rango es el subespacio de R 3 formado por todos los vectores (a,b,0) con a,b R arbitrarios ( el plano x 1 ) 2. La aplicación T : R 3 R que elige la segunda componente T x 1 x 3 = tiene como dominio R 3, codominio R y rango todo R. 3. En el caso de la aplicación de coordenadas el dominio es el espacio vectorial V dado y el codominio es R n, donde n es la dimensión de V. Es decir, [ ] B : V R n y el rango es todo R n. Calcular la imagen de un cierto vector v del dominio V es simplemente calcular el valor w en el codominino W que le corresponde a v: w = T (v). Ilustremos el cálculo de la preimagen de un vector del codominio w W : en el ejemplo 4.1, 1., la preimagen de 0 es el conjunto de vectores {(0,0,x 3 ) R 3 : x 3 R}. Ejercicio 4.2. Calculad la preimagen de 1 en la aplicación 2 del ejemplo 4.1 Es un subespacio vectorial? Las propiedades interesantes que tiene la función de coordenadas son las que le confieren el carácter de ser una aplicación lineal. Definición 4.3. Una aplicación T : V W es lineal si tiene las dos siguientes propiedades: 1. T (u + v) = T (u) + T (v) para todo u, v en el dominio de T. 2. T (cu) = c T (u) para todo u y todo escalar c.
3 4.1. INTRODUCCCIÓN A LAS APLICACIONES LINEALES 89 La aplicación del ejemplo 4.1, 1. es lineal porque x 1 + y 1 x 1 y 1 T (x + y) = T x 2 + y 2 = x 2 + y 2 = T (x) + T (y) cx 1 x 1 T (cx) = cx 2 = c x 2 = ct (x) 0 0 y la 2. porque T (x + y) = + y 3 = T (x) + T (y), T (cx) = c = ct (x) Ejemplo 4.4. Las aplicaciones lineales tienen un profundo significado geométrico. Especialmente, aquellas cuyo dominio y codominio son el mismo conjunto T : R n R n, se pueden considerar como transformaciones ( lineales ) del espacio R n. Veamos algunos ejemplos significativos. 1. Una dilatación en R n es una aplicación T : R n R n que multiplica todos los vectores por un factor real k determinado: x T (x) = kx. Si 0 k < 1 entonces tenemos más bien una contracción, y si k < 1 se produce una inversión de todos los vectores respecto al origen, además de la dilatación o contracción. 2. La reflexión respecto a un eje en R 2, por ejemplo el eje ( ver figura 4.1 ) Ejercicio 4.5. Demostrad que una dilatación es lineal. Demostrad que la reflexión respecto al eje y es también lineal ( sugerencia: observad que en coordenadas la transformación se escribe (x 1, ) ( x 1, ) ) Proposición 4.6. Si T es una aplicación lineal T (0) = 0, T (c 1 v c p v p ) = c 1 T (v 1 ) + + c p T (v p ). Demostración. Se tiene que T (0) = T (x x) = T (x) T (x) = 0. Con tres vectores T (c 1 x 1 + c 2 + c 3 x 3 ) = T (c 1 x 1 + (c 2 + c 3 x 3 )) = T (c 1 x 1 ) + T (c 2 + c 3 x 3 ) = c 1 T (x 1 ) + T (c 2 ) + T (c 3 x 3 ) = c 1 T (x 1 ) + c 2 T ( ) + c 3 T (x 3 ). Para más vectores se demuestra por inducción. general en el libro de Lay se utiliza el término transformación para denotar una aplicación en
4 90 CAPÍTULO 4. APLICACIONES LINEALES T u u T u u T w w T w w v T v v x 1 T v x 1 Figura 4.1: Transformaciones geométricas del plano: reflexión respecto al eje y rotación de 30 La última fórmula de la proposición 4.6 se parafrasea diciendo que las aplicaciones lineales respetan las combinaciones lineales, y en física y tecnología es la formulación matemática del principio de superposición que muchos sistemas obedecen: los estados eléctricos de un circuito, o en general las disposiciones de los campos electromagnéticos que obedecen a las ecuaciones de Maxwell, los orbitales electrónicos que obedecen la ecuación de Schrödinger, etc. Además del rango, un conjunto importante asociado a una aplicación lineal es su núcleo o espacio nulo. Repetimos en la siguiente definición la definición de rango, por conveniencia de la exposición. Definición 4.7. Dada aplicación T : V W lineal La imagen o rango de T es el conjunto de vectores w de W tales que son imagen de algún v V, es decir, son de la forma w = T v W. Se denota imagent = {w W : v V, w = T (v)} El núcleo o espacio nulo de T es el conjunto de vectores de su dominio v V tales que T (v) = 0. Se denota núcleot = kert = {v V : T (v) = 0} En otras palabras, la imagen de una aplicación es el conjunto de las imágenes de todos los elementos de V, y el núcleo es el conjunto preimagen de 0. La imagen es un subconjunto de W, mientras que el núcleo está en V. Teorema 4.8. El núcleo y la imagen de una aplicación lineal son espacios vectoriales. Demostración. Si v 1 y v 2 están en el núcleo de T, entonces T (c 1 v 1 + c 2 v 2 ) = c 1 T (v 1 ) + c 2 T (v 2 ) = c c 2 0 = 0, por lo que c 1 v 1 + c 2 v 2 también está en el núcleo
5 4.2. APLICACIONES MATRICIALES 91 de T. Si w 1 y w 2 están en el rango de T, entonces existen v 1,v 2 V tales que w 1 = T v 1 y w 2 = T v 2. Pero entonces T (c 1 v 1 + c 2 v 2 ) = c 1 w 1 + c 2 w 2, por lo que c 1 w 1 + c 2 w 2 está en el rango de T. Ejercicio 4.9. Encontrar la imagen y el núcleo de las aplicaciones lineales del ejemplo 4.1. Ejercicio Sea el conjunto C 1 (R) el conjunto de funciones diferenciables f (x) y con derivada continua para todo x R. Es un espacio vectorial?. Demostrar que la aplicación T : C 1 (R) C 0 (R) f (x) d dx f (x) es lineal. Cuál es su núcleo? Y su imagen? 4.2. Aplicaciones matriciales Se puede asociar a una matriz m n una aplicación T sobre los vectores de R n utilizando el producto de la matriz por un vector: T : R n R m x T (x) = Ax (4.1) El dominio de T es R n y el codominio es R m. Llamaremos a este tipo de funciones T aplicaciones matriciales, y si es necesario denotaremos por T A la aplicación matricial asociada a la matriz A. Denotaremos también la aplicación como x Ax. Ejemplo La transformación trivial de R n es la transformación Id : R n R n dada por x Id(x) = I n x = Ejercicio Cuál es el resultado de la transformación trivial? Ejemplo Sea la aplicación T : R 2 R 3 tal que 1 2 x 1 2 x1 x1 T = 1 1 = x x x n
6 92 CAPÍTULO 4. APLICACIONES LINEALES Dados los vectores u = 3 2, b = 2 1, c = i) encontrar la imagen de T de un vector, por ejemplo u, es sencillo. Basta con calcular el producto matriz-vector: T (u) = Au = 1 1 = 1 1 ; ii) Encontrar las preimágenes de un vector b, es decir, un vector x tal que Ax = b, requiere calcular la solución de un sistema: x1 T (x) = Ax = 1 1 = 2 x 0 3 2, por lo que x 1 = 7/3. = 1/3 y x = 3[ 1 7 1] es la preimagen de b. Es importante darse cuenta de que, dado b, en este sistema particular sólo hay una posible preimagen. Y puede incluso suceder que no haya ninguna, es decir, que b no esté en la imagen de T. Por ejemplo, intentando encontrar la preimagen de c tenemos y el sistema es incompatible, por lo que c no tiene preimagen y, por tanto, no está en el rango de T. La observación fundamental es la siguiente. Proposición Las aplicaciones matriciales son lineales. Demostración. El teorema 1.30 implica que T A (x + y) = A(x + y) = Ax + Ay = T A x + T A y y T A (cx) = Acx = cax = ct A (x). Ejercicio Hallad el núcleo y la imagen de la aplicación matricial del Ejemplo 4.13.
7 4.3. LA MATRIZ DE UNA APLICACIÓN LINEAL 93 Proposición Para una aplicación matricial T (x) = Ax, el núcleo es el espacio nulo de A, y el rango el espacio columna de A núcleot = NulA, imagent = ColA 4.3. La matriz de una aplicación lineal Ejemplo (Rotación de π/6). Consideremos la transformación de R 2 que a cada vector le asigna su imagen rotada 30, como se ilustra en la figura 4.1. Si x = (x,y) = (r cosα,r senα) son las coordenadas de un vector x en polares, las coordenadas del vector rotado son, ( 30 = π/6 radianes ) ( x = r cos α + π ) (, y = r sen α + π ) (4.2) 6 6 Esta rotación es una aplicación lineal, aunque no sea del todo evidente. La propiedad T (cx) = ct (x) es sencilla de demostrar: el rotado de cx es c veces el rotado de x. Sin embargo, ver que el rotado de la suma es la suma de los rotados no es tan sencillo. Geométricamente de la figura 4.2, en donde se ilustra una rotación ( de 70 por claridad gráfica ) se puede intuir que es cierto. Desarrollando las T (u + v) u + v T v T u v u x 1 coordenadas (4.2) Figura 4.2: Rotación de 70 ( x = r cos α + π ) = r cosα cos π 6 3 r senα sen π 3 3 = 2 x 1 2 y ( y = r sen α + π ) = r senα cos π r cosα sen π 3 = x 2 y
8 94 CAPÍTULO 4. APLICACIONES LINEALES donde se ha usado que r cosα = x y r senα = y. Vemos entonces que la rotación es equivalente a una aplicación matricial [ x 3/2 ] y = 1 /2 x 1/2 3/2 y y por tanto, según la proposición 4.14, es lineal. Es importante el hecho expuesto en el ejemplo anterior: una transformación lineal, la rotación de 30, ha sido implementada mediante una transformación matricial. Las aplicaciones lineales están definidas por las propiedades de linealidad de la definición 4.3. Todas las aplicaciones matriciales son aplicaciones lineales, por lo que el concepto de aplicación lineal parece más amplio. Pero según el siguiente resultado, el teorema 4.18, las aplicaciones lineales entre R n y R m, son aplicaciones matriciales, con lo que ambos tipos de aplicación, matricial y lineal, son equivalentes entre R n y R m. Este hecho se utiliza de forma esencial en el cómputo y la implementación de modelos lineales por ordenador. Recordemos que los vectores canónicos de R n son los vectores columna de la matriz identidad I n, que denotaremos por e i, i = 1,...,n. Es decir e 1 =, e 2 =,..., e n = El teorema de implementación de aplicaciones lineales es el siguiente. Teorema Si T : R n R m es una aplicación lineal, entonces existe una única matriz A ( de m n ) tal que T (x) = Ax para todo x R n La matriz A es aquella que tiene como columna k-ésima el vector T (e j ), la imagen bajo T del vector canónico e j : A = [ T (e 1 ) T (e 2 ) T (e n ) ] Denominaremos a la matriz A de una aplicación lineal T, matriz canónica de T. Evidentemente, la matriz canónica de una aplicación matricial T A es A ( la matriz es A y la aplicación T A )
9 4.3. LA MATRIZ DE UNA APLICACIÓN LINEAL 95 Ejemplo Sea una aplicación lineal T : R 2 R 3 tal que, si e 1 y e 2 son los vectores canónicos de R 2, 5 3 T (e 1 ) = 7 y T (e 2 ) = Según el teorema 4.18, podemos escribir directamente la matriz de la aplicación lineal como 5 3 A = Razonemos por qué esto es así, dando una idea de la demostración del teorema. Cualquier vector x = x 1 se puede escribir como combinación lineal de los vectores canónicos: ] ] ] x = [ x1 = x 1 [ 1 0 Al ser T una aplicación lineal + [ 0 1 = x 1 e 1 + e 2. T (x) = T (x 1 e 1 + e 2 ) = x 1 T (e 1 ) + T (e 2 ) = x = como aseguraba el teorema. Interesa también observar que una aplicación lineal de R n a R m se puede considerar como una función vectorial de varias variables. El resultado de la aplicación es un vector de m componentes, cada una de las cuales es una función lineal escalar de n variables. Es decir, las componentes son, observemos, combinaciones lineales de las variables. Los coeficientes de la combinación lineal correspondiente a la componente i-ésima son los elementos de la fila i-ésima de la matriz A. Por ejemplo, 1 2 x 1 2 x1 x1 T = 1 1 = x x Existen aplicaciones lineales sobre espacios más generales que R n que no son representables como aplicaciones matriciales. Veremos ejemplos más adelante. [ x1 ]
10 96 CAPÍTULO 4. APLICACIONES LINEALES Ejemplo Matriz canónica de la aplicación dilatación por un factor 3 T (x) = 3x. Esta matriz asociada A se encuentra calculando la acción de la aplicación sobre los vectores canónicos con lo cual T (e 1 ) = 3e 1 = 3 1 = 0 T (x) = 3, T (e 0 2 ) = 3e 2 = 3 [ ][ x1 ] 0 = 1 Ejemplo La aplicación rotación por un ángulo ϕ se define como aquella que rota todos los vectores un ángulo ϕ en sentido positivo ( contrario a las agujas del reloj ) La aplicación sobre los vectores canónicos es T (e 1 ) = cosϕ, T (e senϕ 2 ) = senϕ cosϕ 0 3 con lo cual se obtiene una aplicación matricial con una matriz de rotación cosϕ senϕ x1 T (x) = senϕ cosϕ 4.4. Inyectividad y sobreyectividad Definición Se dice que una aplicación entre dos conjuntos T : X Y es sobreyectiva ( o sobre Y ) si todos los elementos del codominio y Y son alcanzados por la aplicación, es decir, si todos los y Y son la imagen de algún x X ( T (x) = y ) Se dice que T : X Y es inyectiva si cada y Y es la imagen de un x X, como mucho ( T podría no ser sobreyectiva ) Es decir, cada imagen tiene una sola preimagen. Si T : X Y es inyectiva y sobreyectiva, se dice que es biyectiva, y establece una correspondencia uno a uno entre X e Y, es decir, a cada x X le corresponde una sola imagen y Y, y a todo y Y una sola preimagen x. Ejercicio Hemos dado previamente un nombre a una aplicación biyectiva entre espacios vectoriales, que sea lineal. Cuál? también se usa el término suprayectiva
11 4.4. INYECTIVIDAD Y SOBREYECTIVIDAD 97 Teorema 4.24 (Parte del teorema I). Una aplicación lineal T : R n R n es inyectiva si y solo si la ecuación T (x) = 0 tiene solo la solución trivial, es decir, núcleot = {0}. Si A es la matriz canónica de T, esto equivale a que las columnas de A formen un conjunto linealmente independiente. Demostración. La aplicación T es inyectiva si cada imagen y R m tiene solo una ( o ninguna ) preimagen x R n, con T (x) = y. Si T es inyectiva, entonces 0 solo puede tener una preimagen, que resulta ser x = 0 R n ( que siempre es preimagen ) luego T (x) = 0 solo tiene la solución trivial. Viceversa, si T (x) = 0 solo tiene la solución trivial, es decir, 0 solo tiene una preimagen, todos los y R m tienen solo una preimagen. Porque si un y tuviera dos preimágenes distintas x 1,, entonces y = T (x 1 ) e y = T ( ). Restando estas ecuaciones 0 = T (x 1 ) T ( ) = T (x 1 ), y como T (x) = 0 solo tiene la solución trivial x = 0, ha de ser x 1 = 0, es decir, x 1 =, la misma preimagen: contradicción. Evidentemente, la ecuación T (x) = 0 equivale a la ecuación Ax = 0, que tiene sólo la solución trivial si las columnas de A forman un conjunto linealmente independiente ( teorema 1.44 ) Es interesante observar que el teorema 4.24 afirma que si T es lineal basta comprobar el número de preimágenes de 0 R m para saber si es inyectiva, y no es necesario realizar esta comprobación para todos los elementos y R m. Teorema 4.25 (Parte del teorema S). Una aplicación lineal T : R n R n es sobreyectiva si su imagen es todo R m, imagent = R m. Esto sucede si y solo si las columnas de su matriz estándar A generan todo R m. Demostración. La aplicación T es sobreyectiva si y solo si T (x) = y tiene solución para todo y R m. Esto equivale a que la ecuación Ax = y tenga solución para todo y R m. Pero esto equivale ( teorema 1.27 ) a que las columnas de A generen R m. Transformaciones lineales y el teorema de la matriz invertible. En la proposición 3.18 asegurábamos que la ecuación Ax = b tiene solución si y sólo si el vector b está en el espacio columna de A. En términos de aplicaciones lineales, la ecuación Ax = b tiene solución si y sólo si el vector b está en la imagen ( rango ) de la aplicación matricial T A (x) = Ax = b. Una vez que hemos extendido los teoremas I y S, el teorema B ( teorema de la matriz invertible 2.27 ) se puede extender análogamente. Recopilamos también
12 98 CAPÍTULO 4. APLICACIONES LINEALES aquí algunas conclusiones obtenidas en el capítulo 3. Teorema 4.26 (Extensión del teorema de la matriz invertible). Sea A n n. Entonces es equivalente a que A sea invertible cualquiera de las siguientes afirmaciones. f. La transformación lineal x Ax es biyectiva. i. La transformación lineal x Ax es sobreyectiva. m. Las columnas de A forman una base para R n. n. ColA = R n. o. dimcola = n. p. rangoa = n. q. NulA = {0}. r. dimnula = 0. Demostración. La única cuestión peculiar es el apartado i. Lo que afirma es que si la transformación es sobreyectiva, entonces es obligatoriamente biyectiva. El apartado m. se demostró en el ejemplo Composición de aplicaciones y multiplicación de matrices. Recordemos lo que hicimos en el capítulo 2 para definir el producto de matrices. Supongamos que componemos dos aplicaciones matriciales consecutivas a un vector, es decir, primero hacemos actuar una aplicación matricial de matriz B sobre un vector x de R p y sobre el vector resultante hacemos actuar una aplicación matricial de matriz A. El vector resultante es A(Bx). Ejercicio Demostrad que la aplicación compuesta x A(Bx) es lineal. Como la aplicación compuesta es lineal, existirá una matriz asociada, según el teorema 4.18, que hará que la aplicación compuesta sea matricial. Ya calculamos en la discusión anterior a la definición 2.3 que esta matriz es la que definimos como producto AB. Podemos comprobarlo aquí de otra manera: calculando la matriz canónica con el teorema Como Be i es la columna i-ésima b i de B, es decir Be i = b i, aplicando la transformación a un vector e i de la base canónica
13 4.6. LA APLICACIÓN DE COORDENADAS 99 tenemos que A(Be i ) = A(b i ) = Ab i La matriz canónica buscada es entonces [ A(Be1 ) A(Be 2 ) A(Be p ) ] = Ab 1 Ab 2 Ab p = A B Resumiendo, la composición de aplicaciones matriciales corresponde al producto de matrices: A(Bx) = (AB)x. Transformaciones lineales invertibles. La ecuación A 1 (Ax) = x se puede interpretar en términos de las transformaciones lineales matriciales asociadas a A y A 1 : T A transforma x en otro vector Ax, mientras que T A 1 transforma cualquier Ax en el vector x, es decir, transforma un vector y en aquel vector x que se transformaría en y bajo T A : A 1 y = x con Ax = y. si Se dice que una transformación S es la inversa de la transformación lineal T S(T (x)) = x y T (S(x)) = x para todo x R n. Teorema Sea T : R n R n una transformación lineal, y A su matriz asociada. Entonces T es invertible si y sólo si A es invertible. En ese caso, la matriz asociada a la aplicación inversa S es A 1, es decir, S(x) = A 1 x. Demostración. Si T es invertible, x = S T (x) = S(T (x)) = S(Ax) = BAx donde B es la matriz asociada a S, y también T S(x) = T (S(x)) = ABx = x. La matriz canónica tanto de S T como de T S es la identidad I n. Entonces AB = I y BA = I y por tanto la matriz A es invertible y B es su inversa A 1. Evidentemente, S(x) = A 1 x es la aplicación inversa de T, si A es invertible La aplicación de coordenadas Retomemos el estudio de la aplicación de coordenadas, presentada en la sección 3.4.1, usando los conceptos de las aplicaciones lineales discutidos en este capítulo. La relación x [x] B es una aplicación V R n con dominio V y codominio R n. que es uno a uno ( biyectiva ) es decir a todos los vectores x V les corresponde un vector de R n, y sólo uno ( esto es lo que dice el teorema de representación unica 3.34 ) Como demostramos en la sección 3.4.1, es una aplicación lineal.
14 100 CAPÍTULO 4. APLICACIONES LINEALES Teorema La aplicación x [x] B, que da las coordenadas de un vector x de un espacio vectorial V en una base B de V determinada, es una aplicación uno a uno y lineal. A una aplicación T : V W entre dos espacios vectoriales V y W, que es uno a uno y lineal,, se la denomina isomorfismo. La aplicación mantiene todas las combinaciones lineales y relaciones de dependencia: si v 1,...v p V, y w 1 = T (v 1 ),...,w p = T (v p ) W, entonces T (c 1 v c p v p ) = c 1 T (v 1 ) + + c p T (v p ) = c 1 w c p v p. Si dos espacios vectoriales V y W se pueden relacionar a través de un isomorfismo, entonces su estructura como espacios vectoriales es idéntica y se dice que son espacios isomorfos. Se puede pensar que, aunque pueden estar definidos de modo diferente y contener elementos aparentemente muy distintos, son el mismo espacio vectorial. En el ejemplo 3.43 vimos cómo el espacio de polinomios de hasta tercer grado es isomorfo a R Respuestas a los ejercicios 4.10 El núcleo lo constituyen las funciones constantes, que como se puede demostrar usando el teorema del valor medio ( enunciado en el curso de Cálculo I ) son las únicas de derivada nula. La imagen es el conjunto completo de funciones continuas C 0 (R), ya que por el teorema fundamental del cálculo integral toda función continua g(x) tiene una primitiva f (x) = g(x)dx cuya derivada f (x) = g(x) es g(x).
15 4.8. RESUMEN Resumen Definición. Una aplicación T : V W es lineal si 1. T (u + v) = T (u) + T (v) para todo u, v en el dominio de T. 2. T (cu) = c T (u) para todo u y todo escalar c. Proposición. Si T es lineal T (0) = 0 y T (c 1 v c p v p ) = c 1 T (v 1 ) + + c p T (v p ) Definición. Si T : V W es lineal La imagen de T es imagen T = {w W : v V, w = T (v)} El núcleo o espacio nulo de T es núcleot = kert = {v V : T (v) = 0} Teorema. El núcleo y la imagen de una aplicación lineal son espacios vectoriales. Proposición. Las aplicaciones matriciales T A (x) Ax son lineales. Proposición. Si T (x) = Ax núcleot = NulA, imagent = ColA Teorema. Si T : R n R m es lineal, su matriz canónica A ( de m n ) es A = [ T (e 1 ) T (e 2 ) T (e n ) ] y es tal que T (x) = Ax para todo x R n. Definición. Si T : X Y T es sobreyectiva ( o sobre Y ) si y Y x X con T (x) = y. T es inyectiva si T (x 1 ) = T ( ) x 1 =. T es biyectiva si es inyectiva y sobreyectiva. Teorema (S). Sea A de m n. Las siguientes afirmaciones equivalen: 1. Para todo b la ecuación Ax = b tiene solución. 2. Todos los vectores b R m son combinaciones lineales de las columnas de A. 3. Las columnas de A generan R m. 4. Hay una posición pivote en cada fila de A. 5. ColA = R m. dimcola = m. 6. rangoa = m. imagent A = R m. 7. T A es sobreyectiva. Teorema (I). Sea A de m n. Las siguientes afirmaciones equivalen: 1. No existe solución no trivial de la ecuación Ax = No hay una combinación lineal no trivial tal que c 1 a 1 + c 2 a c n a n = 0 ( a i columnas de A ) 3. Las columnas de A son linealmente independientes. 4. Hay una posición pivote en cada columna de A. 5. NulA = {0}. dimnula = rangoa = n. núcleot A = {0}. 7. T A es inyectiva.
16 102 CAPÍTULO 4. APLICACIONES LINEALES Teorema (Teorema de la matriz invertible ó B). Sea A una matriz n n (cuadrada). Las siguientes afirmaciones son equivalentes. a. A es invertible. b. A es equivalente por filas a la matriz identidad I n. c. A tiene n posiciones pivote (es decir, n pivotes no nulos). d. La ecuación homogénea Ax = 0 admite sólo la solución trivial. e. Las columnas de A forman un conjunto linealmente independiente. f. La transformación lineal x Ax es biyectiva. g. La ecuación Ax = b tiene al menos Teorema. La matriz de la aplicación compuesta T A T B es el producto A B, es decir T A (T B (x)) = (A B) x. Teorema. Sea T : R n R n una transformación lineal, y A su matriz asociada. T es invertible si y sólo si A es invertible. La una solución para todo b R n. h. Las columnas de A generan R n. i. La transformación lineal x Ax es sobreyectiva. j. Existe una matriz C n n tal que CA = I. k. Existe una matriz D n n tal que AD = I. l. A T es invertible. m. Las columnas de A forman una base para R n. n. ColA = R n. o. dimcola = n. p. rangoa = n. q. NulA = {0}. r. dimnula = 0. matriz de la aplicación inversa es A 1. Teorema. La aplicación de coordenadas x [x] B, que da las coordenadas de un vector x de un espacio vectorial V en una base B es un isomorfismo ( uno a uno y lineal )
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
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
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
4 Aplicaciones Lineales
Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1
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
Valores propios y vectores propios
Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas
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
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
Subespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Tema 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
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
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),
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
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.-
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
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
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
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 =
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
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.
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)
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
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
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
Curso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
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
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
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
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
Cambio de representaciones para variedades lineales.
Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia
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
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...................................
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
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
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
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
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
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración
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
Aplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
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
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
1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Matrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
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
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:
Teorema de Green. 6.1. Curvas de Jordan
Lección 6 Teorema de Green En la lección anterior, previa caracterización de los campos conservativos, hemos visto que un campo irrotacional puede no ser conservativo. Tenemos por tanto una condición fácil
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
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
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,
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
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
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
I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { }
I. RELACIONES Y FUNCIONES PAREJAS ORDENADAS Una pareja ordenada se compone de dos elementos x y y, escribiéndose ( x, y ) donde x es el primer elemento y y el segundo elemento. Teniéndose que dos parejas
Módulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
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..
Segundo de Bachillerato Geometría en el espacio
Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto
Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)
Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto
Vectores: Producto escalar y vectorial
Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con
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
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
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
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
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
Aproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
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
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
Álgebra y Matemática Discreta Sesión de Prácticas 10
Álgebra y Matemática Discreta Sesión de Prácticas 10 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 18 Nov 2013-24 Nov 2013 Núcleos e Imágenes Definición Sea f : V W una aplicación lineal. Se
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
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
ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN
Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra
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
Espacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Listas de vectores y conjuntos de vectores
Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas
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)
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.
Aplicaciones lineales continuas
Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas
Caracterización de los campos conservativos
Lección 5 Caracterización de los campos conservativos 5.1. Motivación y enunciado del teorema Recordemos el cálculo de la integral de línea de un gradiente, hecho en la lección anterior. Si f : Ω R es
Características de funciones que son inversas de otras
Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =
TRANSFORMACIONES LINEALES
TRANSFORMACIONES LINEALES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 1 /
MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa
Repaso de matrices, determinantes y sistemas de ecuaciones lineales
Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento
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
Profr. Efraín Soto Apolinar. La función lineal. y = a 0 + a 1 x. y = m x + b
La función lineal Una función polinomial de grado uno tiene la forma: y = a 0 + a 1 x El semestre pasado estudiamos la ecuación de la recta. y = m x + b En la notación de funciones polinomiales, el coeficiente
TRANSFORMACIONES LINEALES. Transformaciones. TRANSFORMACIONES LINEALES Ejemplo. TRANSFORMACIONES LINEALES Ejemplo
TRANSFORMACIONES LINEALES Transformaciones Conceptos básicos Gilberto Aguilar Miranda Instituto Tecnologico de Chihuahua : Una transformación lineal L de R n en R m (L : R n R m ) es una función que asigna
A estas alturas de nuestros conocimientos vamos a establecer dos reglas muy prácticas de cómo sumar dos números reales:
ADICIÓN Y RESTA DE NUMEROS REALES ADICIÓN L a adición o suma de números reales se representa mediante el símbolo más (+) y es considerada una operación binaria porque se aplica a una pareja de números,
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
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
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
4. FUNCIONES DE VARIAS VARIABLES
4. FUNCIONES DE VARIAS VARIABLES INDICE 4 4.1. Definición de una función de dos variables...2 4.2. Gráfica de una función de dos variables..2 4.3. Curvas y superficies de nivel....3 4.4. Límites y continuidad....6
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,
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
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
a < b y se lee "a es menor que b" (desigualdad estricta) a > b y se lee "a es mayor que b" (desigualdad estricta)
Desigualdades Dadas dos rectas que se cortan, llamadas ejes (rectangulares si son perpendiculares, y oblicuos en caso contrario), un punto puede situarse conociendo las distancias del mismo a los ejes,
Espacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Números algebraicos. Cuerpos de números. Grado.
< Tema 5.- Números algebraicos. Cuerpos de números. Grado. 5.1 Cuerpo de fracciones de un dominio. Tratamos de generalizar la construcción de Q, a partir de Z. Sea A un dominio de integridad. En A (A \
ESTRUCTURAS ALGEBRAICAS 1
ESTRUCTURAS ALGEBRAICAS Se da la relación entre dos conjuntos mediante el siguiente diagrama: (, ) (2, 3) (, 4) (, 2) (7, 8) (, ) (3, 3) (5, ) (6, ) (, 6)........ 5 6......... 2 5 i) Observa la correspondencia
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental
FUNCIONES EN R. Agosto 2007
FUNCIONES EN R Alexis Vera Pérez Instituto de Estadística & Sistemas Computarizados de Información Universidad de Puerto Rico, Recinto de Río Piedras Agosto 2007 1 Definición y notación Definición 1 Una