Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización
|
|
- Andrés Prado Saavedra
- hace 8 años
- Vistas:
Transcripción
1 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 3, 2x + x 2, 3x x 2 + x 3 b f(x, x 2, x 3 = (x, x 2 +, x c f(x, x 2, x 3 = (x x 2 + x 3, x 3 a es lineal. La dimensión de la imagen es 3 b no es lineal (f(0 0 c es lineal. La dimensión de la imagen es 2. Ejercicio 2. Demostrar que existe una sóla transformación lineal de R 3 en sí mismo que tranforma los vectores a, a 2, a 3 en b, b 2, b 3. a b a = (2, 3, 5 a 2 = (0,, 2, a 3 = (, 0, 0 b = (,, b 2 = (,,, b 3 = (2,, 2 a = (2, 0, 3 a 2 = (4,, 5, a 3 = (3,, 2 b = (, 2, b 2 = (4, 5, 2, b 3 = (,, En ambos casos {a i } forman una base, y siempre existe una aplicación lineal que lleve los elementos de la base del espacio de salida a elementos arbitrarios del espacio de llegada (defínela como f( i λ ia i = i λ ib i. La unicidad se sigue de la linealidad: si hubiese dos funciones f f lineales con f(a i = b i, existiría v tal que f(v f (v
2 (en caso contrario f = f. Pero v = i λ ia i, luego f(v = i λ i f(a i = i λ i b i = i λ i f (a i = f (v Contradicción. Observación: en a {b i } es asimismo una base. Por lo tanto, la aplicación lineal consiste en un cambio de base. Ejercicio 3. Demostrar que la proyección de R 3 sobre la recta (, 0, 0 paralelamente al plano (0,, 0, (0, 0, es una aplicación lineal. Cuál es el núcleo de dicha aplicación? La aplicación viene dada por Es lineal, ya que f(x, x 2, x 3 = (x, 0, 0 f (λ(x, x 2, x 3 + µ(y, y 2, y 3 = (λx + µy = λf(x, x 2, x 3 + µf(y, y 2, y 3 Su imagen es el eje OX y su núcleo el plano L((0,, 0, (0, 0,. Ejercicio 4. Sea la aplicación lineal f : R 3 R 3 definida por f(x, y, z = (2x + y + 4z, x + y + 2z, x + y + 3z. Determinar el núcleo y la imagen de dicha aplicación.. ker(f = {0}. 2. Im(f = R 3. Ejercicio 5. Sea la aplicación lineal f : R 3 R 3 definida por f(x, y, z = ( 2x + y + z, x y, x z. Determinar unas ecuaciones paramétricas y cartesianas (o implícitas del núcleo y de la imagen de f. Calcular la dimensión y una base de cada uno de los dos subespacios. Estudiar si f es inyectiva y/o sobreyectiva. 2
3 Para Im(f:. Unas ecuaciones paramétricas son x = λ y = µ, λ, µ R z = λ µ 2. Una base está dada por B Im(f = {(, 0,, (0,, }. Deducimos por tanto que dim(im(f = 2. Como Im(f R 3, f no es sobreyectiva. 3. Unas ecuaciones cartesianas de Im(f son {(x, y, z : x + y + z = 0}. Para ker(f:. Unas ecuaciones cartesianas de ker(f son 2. Unas ecuaciones paramétricas son x = λ y = λ, λ R z = λ { (x, y, z : { } x y = 0. y z = 0 3. Una base de ker(f sería B ker(f = {(,, } y, por tanto, dim(ker(f =. Como ker(f {0}, la aplicación f no es inyectiva. Ejercicio 6. Sea la aplicación lineal f : R 3 R 3 definida por f(x, y, z = (x + y, x + z, x + y + z. Estudiar si la aplicación es inyectiva y/o sobreyectiva. Dar una base de la imagen de f. Estudiar si el vector u = (,, 0 está en la imagen de f y en ese caso dar las coordenadas de u con respecto a la base anterior. Se puede ver que ker(f = {(0, 0, 0}. Luego f es inyectiva. Por otro lado, se ve que Im(f = R 3. Por lo tanto f es sobreyectiva (así, f es un isomorfismo. Como Im(f = R 3, es obvio que u Im(f. Más aún, como podemos elegir cualquier base, escogemos la base canónica y por tanto las coordenadas del vector u en esta base son u = (,, 0 Bc. 3
4 Ejercicio 7. Existe una aplicación lineal f : R 3 R 4 tal que su núcleo está generado por los vectores (, 0, 0 y (,, 0 y la imagen está generada por (, 0, 0, 0 y (, 0, 0,? No puede existir una tal aplicación lineal ya que eso supondría que dim(ker(f = 2 y dim(im(f = 2, pero la fórmula de la dimensión para aplicaciones lineales nos dice que en este caso dim(ker(f+dim(im(f = 3. Ejercicio 8. Dar las matrices asociadas a las aplicaciones lineales correspondientes a los ejercicios., 2. y 3. de esta hoja. Dar la dimensión del núcleo y de la imagen de cada una de las aplicaciones..a.c ( a En bases {a i } en el espacio de salida y {b i } en el de llegada, la matriz es la identidad. En base canónica, la matriz es: b En bases {a i } en el espacio de salida y canónica en el de llegada la matriz es De la canónica a la canónica:
5 Ejercicio 9 (*. Demostrar que el giro de ángulo α en el plano es una transformación lineal. Determina su matriz. Pista: utiliza las coordenadas polares (r cos θ, r sin θ para definir la función. A continuación, emplea las relaciones trigonométricas para el seno y el coseno de la suma. Recordemos que un punto en el plano siempre puede escribirse como f((rcosθ, rsinθ donde r es la distancia al 0 y θ es el ángulo que la recta que pasa por el punto y el 0 forma con el lado positivo del eje OX. Así, un giro de ángulo α viene dado por f(rcosθ, rsinθ = (rcos(θ + α, rsin(θ + α Desarrollando: ( rcos(θ + α rsin(θ + α = ( r(cosθcosα sinθsinα r(sinθcosα + cosθsinα cosα sinα = sinα cosα rcosθ rsinθ Luego la aplicación viene dada por multiplicación de los vectores por una matriz. Puesto que esta operación es lineal, se sigue que la aplicación es lineal. Ejercicio 0. Demostrar que la transformación de R 3 en sí mismo indicada abajo es lineal. x f x 2 x 3 = (x, x 2, x 3, (, 2, donde u, v indica el producto escalar de dos vectores. Cuál es la matriz en la base siguiente? B = {(, 0,, (2, 0,, (,, 0} La linealidad de la aplicación f se prueba como en los ejercicios anteriores. 5
6 La matriz de f en la base B viene dada por M B,B (f = Ejercicio. Aclarar si son semejantes entre sí las siguientes matrices: (a A = 3 5, B = (b A = , B = (a No son semejantes puesto que los determinantes son diferentes. (b No son semejantes puesto que las trazas son diferentes. Ejercicio 2. Encontrar el polinomio característico de las siguientes matrices: (a , (b (a t 3 + 6t t + 38 (b t 3 t 2 + 8t 62 (ct 2 6t + 3(t 2 9t + 28 (dt (t 3(t 5(t 6, (c , (d Ejercicio 3. Demostrar, usando las propiedades del determinante, que una matriz tiene el mismo polinomio característico que su traspuesta. P A (λ = det(a λi = det((a λi t = det((a t λi t = det((a t λi = P A t(λ. 6
7 ( 2 2 Ejercicio 4. Sea A = 3 : (a Encontrar todos los autovalores y sus correspondientes autovectores (b Encontrar una matriz no singular P de forma que A = P DP, siendo D una matriz diagonal. (c Encontrar A 6 y A 4 3A 3 6A 2 + 7A + 3I. (a Autovalores: λ =, λ 2 = 4. Autovectores: v = (2,, v 2 = (, ( 2 (b P = ( (c A 6 = ( 2 A 4 3A 3 6A 2 + 7A + 3I = 0 Ejercicio 5. Sea A = ( : (a Encontrar todos los autovalores y sus correspondientes autovectores (b Encontrar una matriz no singular P de forma que A = P DP, siendo D una matriz diagonal. (c Encontrar A 6 y A 4 5A 3 + 7A 2 2A + 5I. (a Autovalores: λ =, λ 2 = 4. Autovectores: v = (,, v 2 = (, 2 ( (b P = 2 ( (c A 6 = ( 9 3 A 4 5A 3 + 7A 2 2A + 5I =
8 Ejercicio 6. Repetir el ejercicio anterior para la siguiente matriz: ( 5 6 A = 2 2 (a Autovalores: λ =, λ 2 = 2. Autovectores: v = (3, 2, v 2 = (2, ( 3 2 (b P = 2 ( (c A 6 = ( 2 6 A 4 5A 3 + 7A 2 2A + 5I = 2 9 Ejercicio 7. Sea A = : (a Encontrar todos los autovalores y una base de autovectores de A sabiendo que los autovalores son enteros positivos. (b Encontrar una matriz no singular P de forma que A = P DP, siendo D una matriz diagonal. (a Autovalores: λ = 3, λ 2 = 3, λ 3 = 5. Autovectores: v = (,, 0, v 2 = (, 0,, v 3 = (, 2,. La base de autovectores es {v, v 2, v 3 }. (b P = Ejercicio 8. Repetir el ejercicio anterior para las siguientes matrices: (a 7 5, (b 3 5 3, (c
9 (a.a Autovalores: λ = 2, λ 2 = 2, λ 3 = 4. Autovectores: v = (,, 0, v 3 = (0,,. La base de autovectores es {v, v 3 }. Notemos que tiene dimensión 2 y por tanto la matriz no diagonalizará. (a.b La matriz no diagonaliza. (b.a Autovalores: λ = 2, λ 2 = 2, λ 3 = 4. Autovectores: v = (,, 0, v 2 = (, 0,, v 3 = (,, 2. La base de autovectores es {v, v 2, v 3 }. (b.b P = (c.a Autovalores: λ = 3, λ 2 = 3, λ 3 =. Autovectores: v = (,, 0, v 2 = (, 0,, v 3 = (2,,. La base de autovectores es {v, v 2, v 3 }. 2 (c.b P = 0 0 Ejercicio 9. Para cada una de las siguientes matrices, encontrar todos los autovalores, autovectores y una matriz no singular P que diagonalice la matriz ( 2 3 (a 2 5 (d 4, (b , (e, (c (a.a Autovalores: λ =, λ 2 = 4. Autovectores: v = (3,, v 2 = (, 2. ( 3 (a.b P = 2 (b.a Autovalores: λ =, λ 2 = 5. Autovectores: v = (2,, v 2 = (2, 3. ( 2 2 (b.b P = 3 9,
10 (c.a Autovalores: λ =, λ 2 =, λ 3 = 2. Autovectores: v = (,, 0, v 2 = (,, 2, v 3 = (,,. (c.b P = 0 2 (d.a Autovalores: λ =, λ 2 =, λ 3 = 22. Autovectores: v = (2,,, v 2 = (2, 3,, v 3 = (, 2, (d.b P = (e.a Autovalores: λ = 5, λ 2 = 5, λ 3 = 6. Autovectores: v = (0,, 2, v 2 = ( 5, 8, 4, v 3 = (4, 2, (e.b P = Ejercicio 20 (*. Hallar la k-ésima potencia de la siguiente matriz (celda de Jordan: α α J = 0 0 α α α Pista: Escribe J como αi +A e investiga cuanto valen las potencias de A. Concluye expandiendo el binomio, teniendo en cuenta que I y A conmutan. Sea A = En primer lugar, notemos que:
11 A 2 = , A 3 = o, lo que es lo mismo A m vale en la superdiagonal m-ésima y 0 en el resto de posiciones de la matriz. Para m > n, A m = 0. Por tanto, tenemos que: J k = (αi + A k = k i=0 ( k α k i I k i A i = i min{k,n } i=0 ( k α k i A i i donde en el penúltimo paso hemos usado que I y A conmutan y en el último que para i > n, A i = 0. Ahora, cada una de las matrices que aparecen en el sumatorio no comparte entradas no nulas con ninguna de las demás y por tanto, tenemos que la superdiagonal j-ésima tendrá entradas iguales al coeficiente que acompaña a A j : J k = ( k 0 α k k α k k 2 α k 2... k k α k k 0 0 ( 0 k 0 α k k α k k 2 α k 2... k k α k k 0 ( 0 0 k 0 α k k α k k 2 α k 2... k k α k k ( k 2 α k 2 ( k α k k 2 α k 2 ( k 0 α k k α k α k ( k 0
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
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
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:
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
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)
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
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
Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales
Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2
Definición de vectores
Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre
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
Aplicaciones Lineales
Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)
Tema 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
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
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
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
Diagonalización de matrices
diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla
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
Espacios vectoriales con producto interno
Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.
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
Tema 3. Aplicaciones lineales. 3.1. Introducción
Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones
1. 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
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
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..
Aplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Aplicaciones Lineales
Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse
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
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
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
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
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
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)
Calcular la dimensión, una base y unas ecuaciones implícitas linealmente independientes del núcleo e imagen de
Calcular la dimensión, una base y unas ecuaciones implícitas linealmente independientes del núcleo e imagen de 1 (a) f(x 1, x 2, x 3 ) = (x 1 + x 3, x 2 + x 3, x 1 + x 3, x 2 + x 3 ) (b) f(x 1, x 2, x
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
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
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
Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Espacios vectoriales y Aplicaciones lineales
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
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
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
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.
Apoyo para la preparación de los estudios de Ingeniería y Arquitectura Física (Preparación a la Universidad) Unidad 4: Vectores
Apoyo para la preparación de los estudios de Ingeniería y Arquitectura Física (Preparación a la Universidad) Unidad 4: Vectores Universidad Politécnica de Madrid 5 de marzo de 2010 2 4.1. Planificación
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
Álgebra lineal y matricial
Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen
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
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,
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
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
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.....................................
Espacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
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
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),
Sistemas de vectores deslizantes
Capítulo 1 Sistemas de vectores deslizantes 1.1. Vectores. Álgebra vectorial. En Física, se denomina magnitud fsica (o simplemente, magnitud) a todo aquello que es susceptible de ser cuantificado o medido
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
EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
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
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
VECTORES EN EL PLANO
VECTORES EN EL PLANO VECTOR: vectores libres Segmento orientado, con un origen y extremo. Módulo: es la longitud del segmento orientado, es un número positivo y su símbolo es a Dirección: es la recta que
Teoría Tema 5 Espacios vectoriales
página 1/14 Teoría Tema 5 Espacios vectoriales Índice de contenido Puntos en 2 y 3 dimensiones...2 Vectores en el plano...5 Suma de vectores...7 Combinación lineal de vectores...8 Sistema generador...10
Vectores y Valores Propios
Capítulo 11 Vectores y Valores Propios Las ideas de vector y valor propio constituyen conceptos centrales del álgebra lineal y resultan una valiosa herramienta en la solución de numerosos problemas de
(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,
Espacio afín. Transformaciones afines y movimientos
Capítulo Espacio afín. Transformaciones afines y movimientos. Espacio afín y espacio afín métrico Definición. El espacio afín (tridimensional) está constituido por los siguientes elementos. El espacio
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
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
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
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,
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
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
3.1 DEFINICIÓN. Figura Nº 1. Vector
3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado
Criterio de Sylvester
Criterio de Sylvester Objetivos. Aprender a aplicar el criterio de Sylvester para analizar cuándo una forma cuadrática es positiva definida, usando los menores principales de su matriz asociada. También
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
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
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...................................
VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Muchas veces hemos visto un juego de billar y no nos percatamos de los movimientos de las bolas (ver gráfico 8). Gráfico 8
Esta semana estudiaremos la definición de vectores y su aplicabilidad a muchas situaciones, particularmente a las relacionadas con el movimiento. Por otro lado, se podrán establecer las características
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
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
Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones.
Tema 4 Producto escalar En bachiller habéis visto los conceptos de producto escalar, longitud, distancia y perpendicularidad en R y R 3 En este tema del curso se generalizan estos conceptos a R n, junto
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
Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.
Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas
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.-
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.
MÉTODOS DE ELIMINACIÓN Son tres los métodos de eliminación más utilizados: Método de igualación, de sustitución y de suma o resta.
ECUACIONES SIMULTÁNEAS DE PRIMER GRADO CON DOS INCÓGNITAS. Dos o más ecuaciones con dos incógnitas son simultáneas cuando satisfacen iguales valores de las incógnitas. Para resolver ecuaciones de esta
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:
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
Lección 2. Puntos, vectores y variedades lineales.
Página 1 de 11 Lección 2. Puntos, vectores y variedades lineales. Objectivos. En esta lección se repasan las nociones de punto y vector, y se identifican, via coordenadas, con los pares (ternas,...) de
6.1 Definición de valores y vectores característicos de una matriz cuadrada
6.Valores y Vectores Característicos 6. Definición de valores y vectores característicos de una matriz cuadrada El cálculo de los valores propios y de los vectores propios de una matriz simétrica tiene
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 =
6. VECTORES Y COORDENADAS
6. VECTORES Y COORDENADAS Página 1 Traslaciones. Vectores Sistema de referencia. Coordenadas. Punto medio de un segmento Ecuaciones de rectas. Paralelismo. Distancias Página 2 1. TRASLACIONES. VECTORES
Definición operacional, independientemente de cualquier sistema de referencia
Carácter de las magnitudes físicas: Magnitudes escalares y vectoriales. Vectores unitarios, Operaciones con vectores. No todas las magnitudes físicas tienen las mismas características matemáticas El carácter
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
Qué son los monomios?
Qué son los monomios? Recordemos qué es una expresión algebraica. Definición Una expresión algebraica es aquella en la que se utilizan letras, números y signos de operaciones. Si se observan las siguientes
Concurso Nacional de Matemáticas Pierre Fermat 2012. Examen para Nivel Superior Primera Etapa. Problemas
1 Concurso Nacional de Matemáticas Pierre Fermat 2012 Examen para Nivel Superior Primera Etapa Instrucciones: No utilizar celular (éste deberá de estar apagado), calculadora ó cualquier otro medio en el
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
Problemas de Cinemática 1 o Bachillerato
Problemas de Cinemática 1 o Bachillerato 1. Sean los vectores a = i y b = i 5 j. Demostrar que a + b = a + b a b cos ϕ donde ϕ es el ángulo que forma el vector b con el eje X.. Una barca, que lleva una
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
Ejemplo: Resolvemos Sin solución. O siempre es positiva o siempre es negativa. Damos un valor cualquiera Siempre + D(f) =
T1 Dominios, Límites, Asíntotas, Derivadas y Representación Gráfica. 1.1 Dominios de funciones: Polinómicas: D( = La X puede tomar cualquier valor entre Ejemplos: D( = Función racional: es el cociente
Vectores en el espacio
Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
SOLUCIONES CIRCUNFERENCIA. 1. Ecuación de la circunferencia cuyo centro es el punto (1, 2) y que pasa por el punto (2,3).
SOLUCIONES CIRCUNFERENCIA 1. Ecuación de la circunferencia cuyo centro es el punto (1,) y que pasa por el punto (,). Para determinar la ecuación de la circunferencia es necesario conocer el centro y el
Polinomios y Fracciones Algebraicas
Tema 4 Polinomios y Fracciones Algebraicas En general, a lo largo de este tema trabajaremos con el conjunto de los números reales y, en casos concretos nos referiremos al conjunto de los números complejos.
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