En varias ramas de las matemáticas y de las ciencias sociales, es común
|
|
- Rocío Andrea Pinto Fidalgo
- hace 6 años
- Vistas:
Transcripción
1 Introducción En varias ramas de las matemáticas de las ciencias sociales, es común representar fenómenos mediante modelos que emplean funciones de variable vectorial. Es decir, funciones entre espacios vectoriales. Estas funciones tienen el nombre de transformaciones son el primer paso para estudiar transformaciones con propiedades especiales llamadas transformaciones lineales. 7.. Definición de transformación. Dominio e imagen Comenzaremos la unidad recordando lo que es una función. Una función es una regla que asocia cada uno de los elementos de un conjunto A, llamado dominio, con uno de otro conjunto B, llamado codominio. Es decir, si f: AB es una función, significa que si a es un elemento de A entonces f(a) es el elemento de B asociado a a mediante la regla f. Es importante mencionar que f(a) es único para cada a en A. Definición 7.. Sean V W dos espacios vectoriales. Sea T: V W una función que asigna a cada vector v de V un vector único en W. T se llama transformación los conjuntos V W son respectivamente el dominio el codominio de la transformación. Vamos a dar varios ejemplos de transformaciones entre espacios vectoriales conocidos. Ejemplo a) Consideremos la relación refleión que manda a cada vector (, ) al vector (, ) que es su refleión con respecto al eje. Sea T: R 2 R 2, tal que T(,) = (, ). Probaremos que es una transformación; es decir, probaremos que T(, ) es único. Consideremos el vector u = (u ) en R 2 supongamos que T(u) = (a, b) T(u) = (c, d) son dos vectores en W, entonces, por la definición de la relación tenemos que 237
2 Unidad 7 (a, b) = T(u) = T(u ) = (u, u 2 ) (c, d) = T(u) = T(u ) = (u, u 2 ) de donde (a, b) = (c, d) = T(u) por lo que T(u) es único T es una transformación. b) Sea la función T: R 2 R 3 definida por T. 3 Como R 2 R 3 son espacios vectoriales, T es una transformación donde R 2 es el dominio R 3 es el codominio. Definición 7.2. Sea T: V W una transformación. Sea v en V, entonces T(v) en W se llama la imagen de v bajo la transformación T, el conjunto { en W tal que = T(v) para alguna v en V} se llama imagen de la transformación T. Veamos ejemplos de la imagen de algunas transformaciones. Ejemplo 2 a) Considera la transformación T: R 3 R 2 dada por T(,, z) = (, ). La imagen del vector (2, 3, 5) es T(2, 3, 5) = (2, 3) la imagen de la transformación es el conjunto de todas los vectores (, ) de R 2, tal que eista un vector (a, b, c) en R 3 tal que T(a, b, c) = (, ), es decir, T(a, b, c) = (a, b) = (, ) de donde a =, b =, por lo tanto el rango es todo el plano cartesiano R 2. b) Considera la transformación T: R R tal que T() =. Entonces la imagen de toda la transformación es T(R) = {}. Esto es, la imagen de T es el vector cero. c) Sea T: R 3 R 2 tal que T(,, z) = (, 3). La imagen de T es el conjunto de vectores de R 2 de la forma (a, 3a). La imagen del vector (, 2, 4) es T(, 2, 4) = ( 2, 6). 238
3 Ejercicio. Di si las siguientes funciones son transformaciones: a) T: R {, 2, 3} b) T: R 2 R 3 tal que T(, ) = (,, ) 2. Encuentra el dominio la imagen de las siguientes transformaciones: a) T: R 2 R 2 tal que T(, ) = (, ) b) T: R 3 R tal que T(,, z) = 2 c) T: M mn M nm tal que T(A) = A T 3. Considera la transformación T: R 2 R 3 tal que T(, ) = (,, + ) Encuentra la imagen de los siguientes vectores: a) (2, 3) b) ( 3, ) c) (6, 2) d) ( 2, 6) 7.2. Definición de transformación lineal. Propiedades En esta sección nos ocuparemos de una clase de transformaciones que son mu útiles, pues preservan la suma el producto por escalar, que son la base de los espacios vectoriales. Estudiaremos sus propiedades que nos darán la pauta para manejar las transformaciones tanto en su representación de funciones como en su representación por medio de matrices. Definición 7.3. Sean V W espacios vectoriales T: V W una transformación. T se llama transformación lineal si satisface las siguientes propiedades: i) T(u + v) = T(u) + T(v), u, vv ii) T(cu) = ct(u), uv, cr 239
4 Unidad 7 Esta definición nos dice que las transformaciones lineales conservan la suma el producto por un escalar, es decir, que se obtiene el mismo resultado si las operaciones de suma multiplicación por un escalar se efectúan antes o después de que se aplique la transformación lineal. Debe observarse que las operaciones pueden ser diferentes a como se indica en el siguiente diagrama Suma en V Suma en W T(u + v) = T(u) + T(v) Multiplicación por escalar en V Multiplicación por escalar en W T(cu) = ct(u) Ejemplo 3 a) Considera la transformación T: R 2 R 2 tal que T(u, v) = (u v, u + 2v); probaremos que es una transformación lineal. i) Sean u = (u ) v = (v, v 2 ) en R 2, probaremos que T(u + v) = T(u) + T(v). Recordemos que en R 2 u + v = (u ) + (v, v 2 ) = (u + v 2 ) Por la definición de la transformación tenemos que T(u ) = T(u ) = (u u 2, u ); T(v) = T(v, v 2 ) = (v v 2, v + 2v 2 ) T(u + v) = T(u + v 2 ) = [(u ) (u 2 + v 2 ), (u ) + 2(u 2 + v 2 )] = [u u 2 v 2, u + 2v 2 ] Consideremos ahora la suma T(u) + T(v) en R 2 T(u) + T(v) = (u u 2, u ) + (v v 2, v + 2v 2 ) usando la definición de suma en R 2 tenemos = [(u u 2 ) + (v v 2 ), (u ) + (v + 2v 2 )], eliminando paréntesis: 24
5 = [u u 2 v 2, u + 2v 2 ], usando la propiedad conmutativa en R: = [u u 2 v 2, u + 2v 2 ] = T(u + v) De donde T(u + v) = T(u) + T(v) ii) Sea c un escalar, entonces probaremos que T(cu) = ct(u) Por la definición de la transformación lineal tenemos que T(cu) = T(cu, cu 2 ) = (cu cu 2, cu + 2cu 2 ) por otro lado, al multiplicar por un escalar c la imagen de la transformación tenemos que ct(u) = c(u u 2, u ) = [c(u u 2 ), c(u )] por la propiedad de transitividad en R: = (cu cu 2, cu + 2cu 2 ) = T(cu) Por lo tanto T(cu) = ct(u) De i) ii) tenemos que T es una transformación lineal. b) Sea A una matriz de 22, considera la transformación T: R 2 R 2 tal que T(u) = Au Vamos a probar que T es una transformación lineal. i) Probaremos que T(u + v) = T(u) + T(v) Por la definición de la transformación T(u + v) = A(u + v) Usando la propiedad distributiva de la multiplicación de matrices, tenemos que A(u + v) = Au + Av = T(u) + T(v) por la definición de la transformación. De donde T(u + v) = T(u) + T(v) ii) Comprobaremos que T(cu) = c T(u) Por la definición de la transformación tenemos que T(cu) = A(cu) 24
6 Unidad 7 Usando la propiedad de la multiplicación de matrices c(ab) = (ca)b = A(cB) tenemos que A(cu) = c(au) = ct(u) por lo tanto, T(cu) = ct(u) De i) ii) podemos asegurar que T es una transformación lineal. Es importante mencionar que no todas las transformaciones son lineales. Veamos un ejemplo de esto. c) Consideremos la transformación T: R R tal que T() = + Sea T( + ) = + +, sin embargo, T() + T( ) = ( + ) + ( + ) = Por lo tanto T no es una transformación lineal. Las transformaciones lineales son importantes dentro del álgebra porque poseen propiedades especiales como las que se mencionan en el siguiente teorema. Teorema 7.. Sea T: V W una transformación lineal, sean u, v dos vectores en V, entonces T tiene las siguientes propiedades: i) T(v) = ii) T( u) = T(u) iii) T(u v) = T(u) T(v) iv) Si v = c v + c 2 v c n v n, entonces T(v) = T(c v + c 2 v c n v n ) = c T(v ) + c 2 T(v 2 ) c n T(v n ) Es importante mencionar que en la propiedad i) el primer cero corresponde al espacio vectorial V mientras que el segundo corresponde al cero del espacio vectorial W. Vamos a dar un ejemplo para verificar que se satisface este teorema. 242
7 Ejemplo 4 Consideremos la transformación T: R 2 R 3 definida por T 3 Probaremos que T es una transformación lineal después que satisface las propiedades mencionadas en el teorema 7.. u v u ) Sean u = v = en R u2 v 2, entonces u + v = 2 u T( u + v) = T u v u v 2 2 v v 2 2 ( u v) ( u2 v2) ( u u2) ( v v2) ( u v) ( u2 v2) = ( u u2) ( v v2) 3( u2 v2) 3u2 3v 2 T(u) = T u u u2 u u2 u T(v) = T v v v2 v v2 2 3u v 2 2 3v 2 u u2 u v T(u) + T(v) = T T v v2 ( u u2) ( v v2) u u2 u2 v + v v2 ( u u2) ( v v2) 2 3u 2 3v 2 3u2 3v 2 De donde T(u + v) = T(u) + T(v) 2) Sea c un escalar, T(cu) = T cu cu cu cu2 cu cu2 3cu 2 2 ct(u) = c T u u u u2 cu cu2 c u u2 cu cu2 = T(cu) 3u 2 3cu 2 2 por ) 2) T es una transformación lineal. Probemos ahora las propiedades del teorema 7.. i) Sea en R 2, entonces = T() = T = en R 3 3 ( ) 243
8 Unidad 7 ii) T( u) = T u ( u2) u u2 u u ( u2) u u u2 2 3( u 2) 3u 2 T(u) = T u u u2 u u2 u u2 u u2 u de donde T( u) = T(u) 2 3u 2 3u 2 iii) T(u v) = T[u + ( v)] = T(u) + T( v) = T(u) + [ T(v)] = T(u) T(v) iv) Sea v = c v + c 2 v c n v n, una combinación lineal de vectores de R 2, entonces por ser T una transformación lineal tenemos que T(v) = T(c v + c 2 v c n v n ) = c T(v ) + c 2 T(v 2 ) c n T(v n ) Esta propiedad siempre se va a satisfacer por el simple hecho de ser una transformación lineal si tomamos en cuenta la propiedad asociativa de los reales. La propiedad iv) es una propiedad mu importante a que establece que una transformación lineal T: V W está determinada por sus efectos sobre los elementos de una base de V; a que si {v, v 2,..., v n } es una base de V de modo que T(v ), T(v 2 ),..., T(v n ) estén definidos, entonces T(v) está definida para cualquier v en V. Ejemplo 5 Sea B = {i = (,, ), j = (,, ), k = (,, )} la base canónica de R 3 sea T: R 3 R 3 una transformación lineal tal que T(,, ) = (2,, 4) ; T(,, ) = (, 5, 2) T(,, ) = (, 3, ) Encontrar la imagen T(2, 3, 2). Como (2, 3, 2) = 2(,, ) + 3(,, ) 2(,, ), entonces, por la propiedad iv) del teorema 7.2 tenemos que T(2, 3, 2) = 2 T(,, ) + 3 T(,, ) 2 T(,, ) = 2(2,, 4) + 3(, 5, 2) 2(, 3, ) = (7, 7, ) 244
9 Lo anterior nos lleva a preguntarnos: Si dos transformaciones lineales mandan a los elementos de una base a imágenes iguales, serán la misma transformación? El siguiente teorema nos da la respuesta. Teorema 7.2. Sea V un espacio vectorial de dimensión finita n, B = {v, v 2,..., v n } una base de V. Sean T : V W T 2 : V W dos transformaciones lineales tales que para i =, 2,..., n se tiene que T (v i ) = T 2 (v i ), entonces T = T 2. Este teorema nos dice que si T: V W V es de dimensión finita, entonces sólo es necesario conocer el efecto de T sobre los vectores de la base de V para determinar de manera única la imagen de cualquier vector de V. Sin embargo, surge otra pregunta, si {, 2,..., n } son n vectores de W, eistirá alguna transformación lineal T de tal manera que T(v i ) = i para i =, 2,..., n? La respuesta nos la muestra el siguiente teorema. Teorema 7.3. Sea V un espacio vectorial de dimensión finita con base B ={v, v 2,..., v n }. Sea W un espacio vectorial {, 2,..., n } un conjunto de vectores en W. Entonces eiste una transformación lineal única T: V W tal que T( v i ) = i para i =, 2,..., n. Ejemplo 6 Sea W = tales que 2 3z un subespacio vectorial de R 3. Sean = (, 2, ) 2 = (, 3, ) vectores de W. Vamos a encontrar una transformación lineal T: R 2 W de tal modo que las imágenes de la base canónica de R 2 sean específicamente 2. Definimos T(, ) = (, 2, ) T(, ) = (, 3, ), entonces 245
10 Unidad 7 T(, ) = T(, ) + T(, ) = (, 2, ) + (, 3, ) = (, 2, ) + (, 3, ) = (, 2 + 3, ) lo cual determina completamente a T. Ejercicio 2. Determina si las siguientes transformaciones son transformaciones lineales: a) T: R 2 R 2 tal que T(, ) = (, ) b) T: R 3 R 3 tal que T(,, z) = ( +,, z) c) T: M 22 R tal que T(A) = det (A) d) T: R 2 R 2 tal que T(, ) = (, ) e) T: R 2 R 2 tal que T(, ) = (, ) 2. Considera la transformación lineal T: R 2 R 2 tal que T(, ) = (, ) T(, ) = (, ): Encuentra T(, ) T(, 2). 3. Sea T: R 2 R 2 una transformación lineal tal que T(, ) = (, ) T(, ) = (, ) Determina T(, ) Definición de núcleo de una transformación lineal. Determinación de núcleos En esta sección nos ocuparemos de aquellos vectores cua imagen bajo una transformación lineal es el vector cero. Este conjunto llamado núcleo está íntimamente relacionado con la nulidad de una matriz además de que posee, junto con la imagen, propiedades mu importantes útiles en el manejo de las transformaciones lineales. Definición 7.4. Sea T: V W una transformación lineal. El conjunto de vectores de V cua imagen es el vector cero de W se llama núcleo de la transformación se denota nu T, es decir, nu T = {v en V tales que T(v) = }. 246
11 Al núcleo de una transformación también se le llama kernel. Es importante mencionar que el núcleo de una transformación lineal nunca es un conjunto vacío, a que la propiedad i) del teorema 7.2 nos garantiza que al menos contiene al cero del espacio vectorial que actúa como dominio. Ejemplo 7. a) Consideremos la transformación lineal T: P 2 R tal que T( a 2 bc) c Vamos a encontrar su núcleo. nu T = {p en P 2 tales que T(p) = } esto implica que si p = a 2 b c, entonces T(p) = T( a 2 b c) c = lo que nos lleva a concluir que los vectores de núcleo de T son aquellos polinomios de la forma p = a 2 b ; es decir, nu T = {p en P 2 tales que p = a 2 b } b) Sea T: V V tal que T(v) =, entonces nu T = V. A esta transformación lineal se le llama la transformación cero. c) Sea T: R 3 R 2 tal que T(,, z) = (, z); donde nu T = { en R 3 tales que T(,, z) = } En este caso T(,, z) = implica que T(,, z) = (, z) = (, ), entonces = z = de donde nu T = {(,, ) en R 3 } d) Sea T: V V tal que T(v) = v. Esta transformación se llama transformación identidad. nu T = {v en V tal que T(v) = } esto nos lleva a que T(v) = v =, por tanto nu T = {} El siguiente resultado nos será de gran utilidad cuando se manejen las representaciones matriciales de una transformación lineal; nos proporcionará una equivalencia entre el núcleo de una transformación lineal los correspondientes núcleo nulidad de una matriz. 247
12 Unidad 7 Teorema 7.4. Sea T: V W una transformación lineal, entonces i) nu T es un subespacio vectorial de V. ii) Imagen T es un subespacio vectorial de W. Utilizando las propiedades de las transformaciones lineales, probaremos este teorema. i) Sean u, v vectores del núcleo de T, queremos que u + v esté en el núcleo de T. Como u, v están en nu T, entonces T(u) = T(v) = T(u + v) = T(u) + T(v) = + =, por lo que u + v está en nu T. Sea c un escalar, veremos si cu está en el núcleo de T. T(cu) = ct(u) = c() =, por tanto cu está en nu T De ambos resultados obtenemos que nu T es un subespacio vectorial de V. ii) Sean vectores de la imagen de T, queremos que + esté en la imagen de T. Como, son vectores de la imagen, eisten u, v vectores de V, tales que T(u) = T(v) =. Como T es una transformación lineal, T(u + v) = T(u) + T(v) = +, entonces + está en la imagen de T, pues eiste uvv con T(u + v) = + Sea c un escalar, probaremos que c está en la imagen de T. Como T es transformación lineal, T(cu) = ct(u) = c, de donde c está en la imagen de T, por los dos resultados imagen de T es un subespacio vectorial de W. Como el núcleo la imagen son subespacios vectoriales, podemos considerar su dimensión. Veamos la siguiente definición. Definición 7.5. Sea T: V W una transformación lineal, entonces a la dimensión del núcleo de T se le llama nulidad de T, a la dimensión de la imagen de T se le llama rango de T se denotan por 248
13 (T) = dim nu T = nulidad (T) = dim imagen T = rango Recordemos que para encontrar la dimensión de un espacio vectorial, basta encontrar una base de ese espacio, la dimensión del espacio es el número de vectores de la base. Vamos a encontrar el rango la nulidad de algunas transformaciones lineales conocidas. Ejemplo 8. a) Sea T: R 3 R 3 tal que T(,, z) = (,, ). nu T = {(,, z) en R 3 tal que T(,, z) = (,, ) = (,, )} = {(,, z) en R 3 } el vector (,, ) es una base para nu T, por lo tanto la nulidad de T = (T) = imagen T = {(,, ) en R 3 } de donde {(,, ), (,, )} es una base para la imagen T de donde el rango de T = (T) = 2. b) Sea T: R 2 R 2 tal que T(,) = ( +, ) nu T = {(, ) tal que T(, ) = (, )} = {(, ) tal que ( +, ) = (, )} Al resolver el sistema de ecuaciones obtenemos que =, =, por lo tanto nu T = {(, )} de donde (T) = dim nu T = En este caso obtener una base para la imagen de T no resulta tan fácil, surge entonces la pregunta: no habrá alguna otra manera de obtener el rango de la transformación? El siguiente resultado nos brinda la respuesta. Teorema 7.5. Sea T: V W una transformación lineal donde V es un espacio vectorial de dimensión n. Entonces la suma de la nulidad el rango es igual a la dimensión del dominio. nulidad + rango = (T) + (T) = dim V = n En el ejemplo anterior observamos que (T) = dim nu T = que la dimensión de R 2 es 2, por lo tanto usando este teorema tenemos que el rango=(t) =
14 25 Unidad 7 En cualquier caso, es más fácil encontrar la nulidad de una transformación lineal usar el teorema anterior para encontrar el rango de la misma. Veamos algunos ejemplos. Ejemplo 9 a) Sea T: R 4 R 2 tal que T z z una transformación lineal. Vamos a encontrar su núcleo o kernel. T z z eso implica que z z, por lo tanto nu T = de donde{(,,, ), (,,, )} es una base para el núcleo, por tanto (T) = dim nu T = 2. Como dim R 4 = 4 = (T) + (T) = 2 + (T) entonces el rango(t) = 2. b) Sea T: R 2 R 3 tal que T una transformación lineal. nu T = T lo que implica que = =, por lo tanto nu T = {(, )}, entonces (T) = dim nu T =. Como dim R 2 = 2 = (T) + (T) = + (T) entonces rango(t) = 2.
15 Esto nos lleva a que T {(,, ), (,, )} es una base para la imagen de T. de donde Ejercicio 3. Encuentra el núcleo de las siguientes transformaciones lineales: a) T: R R 2 tal que T() = (, 2) b) T: R 2 R 2 tal que T 2 c) T: R 3 R 2 tal que T z z d) T: R P 3 tal que T(a) = a + a + a 2 + a 3 2. Encuentra el rango la nulidad de las transformaciones del ejercicio anterior. 3. Encuentra una base para la imagen de las transformaciones de los incisos a), b) c) del ejercicio Transformaciones lineales inectivas, supraectivas biectivas. Isomorfismos En esta sección se estudiarán transformaciones lineales especiales como son las inectivas, supraectivas biectivas. Estos tipos de transformaciones son importantes porque dan origen a los isomorfismos entre espacios vectoriales, lo que nos permitirá definir clases de espacios vectoriales que tienen la misma dimensión. Definición 7.6. Sea T: V W una transformación lineal, se llama transformación inectiva si satisface que T(u) = T(v) implica que u = v. 25
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 detallesor t o G o n a l i d a d y
Unidad 6 or t o G o n a l i d a d y o r t o n o r M a l i d a d Objetivos: Al inalizar la unidad, el alumno: Determinará cuándo un conjunto de vectores es ortogonal u ortonormal. Obtendrá las coordenadas
Más detallesTransformaciones lineales y matrices
CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesMatrices. Álgebra de matrices.
Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,
Más detallesEspacios Vectoriales, Valores y Vectores Propios
, Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesEspacios vectoriales
Espacios vectoriales [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación
Más detallesGuía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen
Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen 1. Teorema de la representación matricial de una transformación
Más detallesMatrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =
Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
Más detallesUna forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.
Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES
Más detallesIntroducción a los espacios vectoriales
1 / 64 Introducción a los espacios vectoriales Pablo Olaso Redondo Informática Universidad Francisco de Vitoria November 19, 2015 2 / 64 Espacios vectoriales 1 Las 10 propiedades de un espacio vectorial
Más detalles102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D.
102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D. Tema 1. Espacios Vectoriales. 1. Dar la definición de cuerpo. Dar tres ejemplos de cuerpos. Dar un ejemplo de un cuerpo finito 2. Defina
Más detalles5. Aplicaciones lineales
5. Aplicaciones lineales Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior Universidad de Zaragoza Otoño 2010 Contents 5 Aplicaciones lineales 7 5.1 Definición y propiedades..............................
Más detallesDefinición 1 Un semigrupo es un conjunto E provisto de una operación binaria asociativa sobre E, se denota por (E, ).
ALGEBRA La primera parte del presente libro está dedicada a las estructuras algebraicas. En esta parte vamos a iniciar agregándole a los conjuntos operaciones. Cuando las operaciones tienen determinadas
Más detallesÁlgebra Lineal V: Subespacios Vectoriales.
Álgebra Lineal V: Subespacios Vectoriales. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detallesAplicaciones Lineales. Diagonalización de matrices.
Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición
Más detalles1 Sistemas de ecuaciones lineales.
Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Sea S el siguiente sistema de m ecuaciones lineales y n incógnitas: 9 a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 >=
Más detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detallesUn subconjunto no vacío H de un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura:
4 Subespacios 29 b) x 5 [25;5], 5 [;24], z 5 [4;4] Use a 5 2, a 5 / a 5 2 / 2 c) Su propia elección de x,, z /o a 2 a) Elija algunos valores para n m genere tres matrices aleatorias de n m, llamadas X,
Más detallesFunciones. Domf = {x R f(x) B} Ranf = {f(x) x Domf} x (, 4) (4, ) 4y + 1 y. 4y + 1. > 4 = y y. > 0 = y
Funciones Una función real de variable real es una aplicación f : A B donde A,B son conjuntos de números reales. Domf = x R f(x) B Rango: El rango o imagen de la función f es un conjunto que se define
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesTEMA 2. ESPACIOS VECTORIALES
TEMA 2. ESPACIOS VECTORIALES CÉSAR ROSALES GEOMETRÍA I En este tema comenzaremos el estudio de los objetos que nos interesarán en esta asignatura: los espacios vectoriales. Estos son estructuras básicas
Más detallesDefinición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.
UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.
Más detallesALGEBRA LINEAL - 2do Cuatrimestre 2014 Práctica 2 - Espacios vectoriales
Departamento de Matemática - Facultad de Ciencias Exactas y Naturales - UBA 1 ALGEBRA LINEAL - 2do Cuatrimestre 2014 Práctica 2 - Espacios vectoriales Espacios vectoriales 1. Sea V un espacio vectorial
Más detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más detallesAnillos. a + (b + c) = (a + b) + c. 3) Existe un elemento 0 en R, el cual llamaremos cero, tal que. a + 0 = 0 + a = a para todo a en R.
Capítulo 7 Anillos 7.1 Definiciones Básicas El concepto de Anillo se obtiene como una generalización de los números enteros, en donde están definidas un par de operaciones, la suma y el producto, relacionadas
Más detallesMATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).
1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesAlgebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010.
Algebra Lineal * José de Jesús Ángel Ángel jjaa@mathcommx Working draft: México, DF, a 17 de noviembre de 2010 Un resumen de los principales temas tratados en un curso de Álgebra Lineal Contenido 1 Sistemas
Más detallesMatemáticas Discretas TC1003
Matemáticas Discretas TC13 Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas ITESM Matrices: Conceptos y Operaciones Básicas Matemáticas Discretas - p. 1/25 Una matriz A m n es un arreglo
Más detallesPROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 3. Transformaciones Lineales
Tema. Transformaciones Lineales TEMA: TRANSFORMACIÓN LINEAL, NÚCLEO Y RECORRIDO Problema : Sean P el espacio vectorial real de los polinomios de grado menor o igual a dos con coeficientes reales y la transformación
Más detallesALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República
ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto
Más detallesMatrices y operaciones con Matrices.
Matrices y operaciones con Matrices En clases anteriores hemos usado arreglos rectangulares de números, denominados matrices aumentadas, para resolver sistemas de ecuaciones lineales Denición Una matriz
Más detallesTransformaciones lineales
Semana 8 [1/62] 8 de septiembre de 27 Definiciones básicas Semana 8 [2/62] Definición Transformación lineal U, V dos espacios vectoriales sobre el mismo cuerpo Ã. T : U V es una transformación (o función)
Más detallesCONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero
Fundamento Científico del Currículum de Matemáticas en Enseñanza Secundaria CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero ESPACIOS VECTORIALES DEFINICIÓN... 1 PROPIEDADES DE
Más detallesTEMA 4. APLICACIONES LINEALES
TEMA 4. APLICACIONES LINEALES 1.- Definición y propiedades. 2.- Aplicaciones lineales inyectivas y Suprayectivas. 3.- Núcleo, imagen, matriz asociada y rango de una aplicación lineal. 4.- Operaciones con
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesTema 2: Espacios Vectoriales
Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detallesEspacios Vectoriales
Leandro Marín Octubre 2010 Índice Definición y Ejemplos Paramétricas vs. Impĺıcitas Bases y Coordenadas Para definir un espacio vectorial tenemos que empezar determinando un cuerpo sobre el que esté definido
Más detallesTRANSFORMACIONES 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
Más detallesBENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN BANCO DE PREGUNTAS CURSO: ALGEBRA LINEAL LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Mendoza Otoño
Más detallesSobre funciones reales de variable real. Composición de funciones. Función inversa
Sobre funciones reales de variable real. Composición de funciones. Función inversa Cuando en matemáticas hablamos de funciones pocas veces nos paramos a pensar en la definición rigurosa de función real
Más detallesTema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.
Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz
Más detallesAlgebra Lineal XIX: Rango de una Matriz y Matriz Inversa.
Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email:
Más detallesCapítulo 1: Diagonalización de matrices
Capítulo : Diagonalización de matrices Matrices y determinantes Definición Una matriz es un arreglo rectangular de números reales a a a m a A a a m a n a n a nm La matriz es de orden n m si consta de n
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detalles1. Matrices. Operaciones con matrices
REPASO MUY BÁSICO DE MATRICES. Matrices. Operaciones con matrices.. Introducción Las matrices aparecieron por primera vez hacia el año 850, introducidas por el inglés J. J. Sylvester. Su desarrollo se
Más detallesNOTAS DE ESTUDIO DE ÁLGEBRA LINEAL M.C. MARCOS CAMPOS NAVA TEC DE ATITALAQUIA
Hasta ahora se han discutido algunas de las propiedades de objetos matemáticos llamados matrices. Un caso de especial interés son las matrices cuadradas, por ejemplo: Se sabe que esta matriz es invertible
Más detallesGF = I V. G(v ) = v 1
7- Inversas a Izquierda y Derecha Sea F : V V una transformación lineal. G : V V lineal se denomina inversa a izquierda de F si GF = I V donde I V : V V denota el operador identidad en V. En tal caso F
Más detallesESPACIOS VECTORIALES
MATEMÁTICA I - - Capítulo 8 ------------------------------------------------------------------------------------ ESPACIOS VECTORIALES.. Espacios Vectoriales y Subespacios... Definición. Un espacio vectorial
Más detallesTeorema de Cayley-Hamilton
Espacio las Teorema - Algebra Espacio las Teorema - Espacio las Teorema - Veamos algunos resultados sobre transformaciones lineales En particular, el teorema - Espacio las Teorema - las Transformaciones
Más detallesTema 2. Aplicaciones lineales. Diagonalización de endomorfismos.
Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes 1 ÍNDICE Matemáticas Cero Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 5 2
Más detallesUNIDAD 5 : ESTRUCTURAS ALGEBRAICAS
UNIVERSIDAD DON BOSCO - DEPARTAMENTO DE CIENCIAS BÁSICAS UNIDAD 5 : ESTRUCTURAS ALGEBRAICAS ÁLGEBRA LINEAL - GUIÓN DE CLASE - SEMANA 10 - CICLO 01-2015 Estudiante: Grupo: 1. Aplicaciones 1.1. Aplicaciones.
Más detallesÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3
ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión
Más detallesESPACIOS VECTORIALES
ESPACIOS VECTORIALES Un espacio vectorial sobre K es una conjunto V que cumple: 1) Existe una regla que asocia a dos elementos u, v V su suma que se denota por u + v, que es también elemento de V y que
Más detallesPROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 3. Transformaciones Lineales
PROLEMS RESUELTOS ÁLGER LINEL Tema. Transformaciones Lineales SUTEM: MTRICES SOCIDS UN TRNSFORMCIÓN Problema : Sean P P los espacios vectoriales de lo polinomios de grado menor o igual a dos menor o igual
Más detalles5.1Definición 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 detallesForma binomial de números complejos (ejercicios)
Forma binomial de números complejos (ejercicios) Objetivos. Mostrar que los números reales x se pueden identificar con números complejos de la forma (x, 0), y cada número complejo (x, y) se puede escribir
Más detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más detalles1 0 4/ 5 13/
1 1 1 7 1 0 4/ 5 13/ 5 R1 R 1+1/5R3 0 0 0 2 R2 R3 0 5 9 22 0 5 9 22 0 0 0 2 Como la matriz tiene un renglón (0, 0, 0, 2) indica que el sistema no tiene solución ya que no existe un número que sea 2 y al
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Más detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesde la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).
INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.
Más detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesEspacios vectoriales. Capítulo Espacios vectoriales y subespacios Preliminares
Capítulo 1 Espacios vectoriales En diversos conjuntos conocidos, por ejemplo los de vectores en el plano o en el espacio (R 2 y R 3 ), o también el de los polinomios (R[X]), sabemos sumar sus elementos
Más detallesDESIGUALDADES. AXIOMA 1.- Tricotomía de los números reales. Si a y b son números reales entonces se cumple una y solo una de las relaciones
DESIGUALDADES 4.1.- AXIOMAS DE ORDEN. Cualquier conjunto o Campo de números que satisface los siguientes 4 Axiomas se dice que es un conjunto de números ORDENADO. El conjunto o Campo de los números reales
Más detallesBase y Dimensión de un Espacio Vectorial
Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un
Más detallesCombinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291)
Combinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291) I. Combinación Lineal Definición: Sean v 1, v 2, v 3,, v n vectores en el espacio vectorial V. Entonces cualquier
Más detallesAproximación Polinomial de Funciones.
Aproximación Polinomial de Funciones José María Rico Martínez Departamento de Ingeniería Mecánica Universidad de Guanajuato, F I M E E 1 Introducción En estas notas se presentan los fundamentos de los
Más detallesDOCENTE: JESÚS E. BARRIOS P.
DOCENTE: JESÚS E. BARRIOS P. DEFINICIONES Es larga la historia del uso de las matrices para resolver ecuaciones lineales. Un texto matemático chino que proviene del año 300 A. C. a 200 A. C., Nueve capítulos
Más detalles3. Ecuaciones Diferenciales Lineales Homogéneas de Orden Superior con Coeficientes Constantes. Ecuaciones Diferenciales de Segundo Orden
3. Lineales Homogéneas de de Segundo Orden Sabemos que la solución general de una ecuación diferencial lineal homogénea de segundo orden está dada por por lo que se tiene dos soluciones no triviales, en
Más detallesEl ente básico de la parte de la matemática conocida como ANÁLISIS, lo constituye el llamado sistema de los número reales.
EL SISTEMA DE LOS NÚMEROS REALES Introducción El ente básico de la parte de la matemática conocida como ANÁLISIS, lo constituye el llamado sistema de los número reales. Números tales como:,3, 3 5, e, π
Más detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesMatrices y determinantes
Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna
Más detallesConjuntos y matrices. Sistemas de ecuaciones lineales
1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución
Más detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesÁlgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes
Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 6 2 Herramientas 8 21 Operaciones
Más detallesPRIMER EXAMEN PARCIAL ÁLGEBRA LINEAL I. Soluciones. Suponer que x, y, z y t son escalares tales que, xh + yi + ze + tf = T.
PRIMER EXAMEN PARCIAL ÁLGEBRA LINEAL I Soluciones Sea W un espacio vectorial real de dimensión 2 y sea {u, u 2 } una base dada. Considerar las transformaciones lineales H, I, E, F EndW ) definidas de la
Más detallesEspacios vectoriales
CAPíTULO 2 Espacios vectoriales 1. Definiciones básicas En lo que sigue k denotará un cuerpo arbitrario: e.g. el cuerpo de los números reales R, el cuerpo de los números racionales Q, el cuerpo de los
Más detallesEjercicios del Tema 2: Estructuras algebraicas básicas
Ejercicios del Tema 2: Estructuras algebraicas básicas En los ejercicios 1, 2, 8 y 9 se utilizará que si G = {g 1,...,g n } es un conjunto finito y * una operación interna definida en G, podemos utilizar
Más detallesSolución de Sistemas de Ecuaciones Diferenciales Lineales
Solución de Sistemas de Ecuaciones Diferenciales Lineales Departamento de Matemáticas, CCIR/ITESM 9 de febrero de Índice..Introducción.................................................Ejemplo.................................................3.Ejemplo................................................
Más detallesTEMA 8. GEOMETRÍA ANALÍTICA.
TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos
Más detallesMatrices, determinantes y sistemas de ecuaciones lineales
Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente
Más detallesTema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS
1 Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS 1.1 Los Números Naturales. Los números naturales aparecen por la necesidad que tiene el hombre (primitivo) tanto de contar como de ordenar
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesEspacios Vectoriales
Espacios y subespacios vectoriales Espacios Vectoriales 1. Demuestre que con la suma y multiplicación habituales es un espacio vectorial real.. Considere el conjunto C de los números complejos con la suma
Más detallesÁlgebra Booleana. Suma Booleana. El término suma es 1 si al menos uno de sus literales son 1. El término suma es 0 solamente si cada literal es 0.
Álgebra Booleana El álgebra de Boole son las matemáticas de los sistemas digitales. En el nivel de lógica digital de una computadora, lo que comúnmente se llama hardware y que está formado por los componentes
Más detallesAMPLIACIÓN DE MATEMÁTICAS. a = qm + r
AMPLIACIÓN DE MATEMÁTICAS CONGRUENCIAS DE ENTEROS. Dado un número natural m N\{0} sabemos (por el Teorema del Resto) que para cualquier entero a Z existe un único resto r de modo que con a = qm + r r {0,
Más detalles1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS
1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes
Más detalles