TRANSFORMACIONES LINEALES

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

Download "TRANSFORMACIONES LINEALES"

Transcripción

1 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 / 1

2 Contenido M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 2 / 1

3 OBJETIVO ESPECÍFICO Objetivo específico El capacitando conocerá el concepto de transformación lineal mediante la resolución de problemas. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 3 / 1

4 INTRODUCCIÓN AL TEMA Introducción al tema En este tema se estudia una clase especial de funciones llamadas transformaciones lineales que ocurren con mucha frecuencia en el algebra lineal y otras ramas de matemáticas. Las transformaciones lineales tienen una gran variedad de aplicaciones importantes. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 4 / 1

5 DEFINICIÓN Y EJEMPLOS Definition (Trnasformación lineal) Sean V y W espacios vectoriales reales. Una transformación lineal T de V en W es una función que asigna a cada vector v V un vector único T v W y que satisface, para cada u y v en V y cada escalar α, T (u + v) = T u + T v T (αv) = αt v M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 5 / 1

6 DEFINICIÓN Y EJEMPLOS Example (Una transformación lineal de R 2 en R 3 ) Sea T : R 2 R 3 definida por ( x T y ) = x + y x y. 3y M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 6 / 1

7 DEFINICIÓN Y EJEMPLOS Example (Una transformación lineal de R 2 en R 3 ) Sea T : R 2 R 3 definida por ( x T y ) = x + y x y. 3y Example (La transformación cero) Sean V y W espacios vectoriales y defina T : V W por T v = 0 para todo v en V. En este caso, T se llama la transformación cero. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 6 / 1

8 DEFINICIÓN Y EJEMPLOS Example (Una transformación lineal de R 2 en R 3 ) Sea T : R 2 R 3 definida por ( x T y ) = x + y x y. 3y Example (La transformación cero) Sean V y W espacios vectoriales y defina T : V W por T v = 0 para todo v en V. En este caso, T se llama la transformación cero. Example (La transformación identidad) Sea V un espacio vectorial y defina I : V V por I v = v para todo v en V. I es una transformación lineal, la cual se llama la transformación identidad u operador identidad. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 6 / 1

9 DEFINICIÓN Y EJEMPLOS Example (Transformación de reflexión) Sea I : R 2 R 2 definida por ( x T y ) ( x = y ). M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 7 / 1

10 DEFINICIÓN Y EJEMPLOS Example (Transformación de reflexión) Sea I : R 2 R 2 definida por ( x T y ) ( x = y ). Example (Transformación de rotación) Sea T : R 2 R 2 definida por ( ) ( x cos θ sin θ T = y sin θ cos θ ) ( x y ). M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 7 / 1

11 DEFINICIÓN Y EJEMPLOS Example (Transformación de reflexión) Sea I : R 2 R 2 definida por ( x T y ) ( x = y ). Example (Transformación de rotación) Sea T : R 2 R 2 definida por ( ) ( x cos θ sin θ T = y sin θ cos θ ) ( x y ). Example (Un operador de proyección) Se define T : R 3 R 3 por T x y z = x y 0 Entonces T es el operador de proyección que toma un vector en el espacio de tres dimensiones y lo proyecta sobre el plano xy.. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 7 / 1

12 DEFINICIÓN Y EJEMPLOS Example (Operador integral) Sea J : C[0, 1] R definida por Jf = 1 0 f (x) dx. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 8 / 1

13 DEFINICIÓN Y EJEMPLOS Example (Operador integral) Sea J : C[0, 1] R definida por Jf = 1 0 f (x) dx. Example (Operador diferencial) Suponga que D : C 1 [0, 1] [0, 1] se define por Df = df dx. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 8 / 1

14 DEFINICIÓN Y EJEMPLOS Example (Operador integral) Sea J : C[0, 1] R definida por Jf = 1 0 f (x) dx. Example (Operador diferencial) Suponga que D : C 1 [0, 1] [0, 1] se define por Df = df dx. Example (Una transformación que no eslineal) Sea T : R 2 R 2 definida por Entonces T no es lineal. T ( x y ) = ( 4 x + y ) M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 8 / 1

15 DEFINICIÓN DE IMAGÉN Y NÚCLEO Definition (núcleo) Sean V y W dos espacios vectoriales y sea T : V W una transformación lineal. Entonces el núcleo de T, denotado por nu T, está dado por nu T = {v V : T v = 0} (1) M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 9 / 1

16 DEFINICIÓN DE IMAGÉN Y NÚCLEO Definition (núcleo) Sean V y W dos espacios vectoriales y sea T : V W una transformación lineal. Entonces el núcleo de T, denotado por nu T, está dado por nu T = {v V : T v = 0} (1) Definition (imagen) Sean V y W dos espacios vectoriales y sea T : V W una transformación lineal. Entonces la imagen de T, denotado por nu T, está dado por imagen T = {w W : w = T v para alguna v V } (2) M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 9 / 1

17 DEFINICIÓN DE IMAGÉN Y NÚCLEO Definition (núcleo) Sean V y W dos espacios vectoriales y sea T : V W una transformación lineal. Entonces el núcleo de T, denotado por nu T, está dado por nu T = {v V : T v = 0} (1) Definition (imagen) Sean V y W dos espacios vectoriales y sea T : V W una transformación lineal. Entonces la imagen de T, denotado por nu T, está dado por imagen T = {w W : w = T v para alguna v V } (2) Theorem Teorema 1. Si T : V W es una transformación lineal. Entonces i nu T es un subespacio de V. ii imagen T es un subespacio de W. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 9 / 1

18 DEFINICIÓN DE IMAGÉN Y NÚCLEO Example (Núcleo e imagen de la transformación cero) Sea T v=0 para todo v en V. (T es la transformación cero.) Entonces nu T = V e imagen T = {0}. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 10 / 1

19 DEFINICIÓN DE IMAGÉN Y NÚCLEO Example (Núcleo e imagen de la transformación cero) Sea T v=0 para todo v en V. (T es la transformación cero.) Entonces nu T = V e imagen T = {0}. Example (Núcleo e imagen de la transformación identidad) Sea T v = v para todo v en V. Entonces nu T = {0} e imagen T = V. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 10 / 1

20 DEFINICIÓN DE IMAGÉN Y NÚCLEO Example (Núcleo e imagen de la transformación cero) Sea T v=0 para todo v en V. (T es la transformación cero.) Entonces nu T = V e imagen T = {0}. Example (Núcleo e imagen de la transformación identidad) Sea T v = v para todo v en V. Entonces nu T = {0} e imagen T = V. Example (Un operador de proyección) x Sea T : R 3 R 3 definida por T y = z x x 0 T y = y = 0 = 0 z 0 0 x y 0. Si, entonces x = y = 0. Así, nu T = {(x, y, z) : x = y = 0} = eje z, e imagen T = {(x, y, z) : z = 0} = plano xy. Obsérvese que dim nu T = 1 y dim imagen T = 2. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 10 / 1

21 DEFINICIÓN DE IMAGÉN Y NÚCLEO Definition (Nulidad) Si T es una transformación lineal de V en W. Entonces se define Nulidad de T = ν(t ) = dim nu T. (3) M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 11 / 1

22 DEFINICIÓN DE IMAGÉN Y NÚCLEO Definition (Nulidad) Si T es una transformación lineal de V en W. Entonces se define Nulidad de T = ν(t ) = dim nu T. (3) Definition (Rango) Si T es una transformación lineal de V en W. Entonces se define Rango de T = ρ(t ) = dim imagen T. (4) M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 11 / 1

23 DEFINICIÓN DE IMAGÉN Y NÚCLEO Definition (Nulidad) Si T es una transformación lineal de V en W. Entonces se define Nulidad de T = ν(t ) = dim nu T. (3) Definition (Rango) Si T es una transformación lineal de V en W. Entonces se define Rango de T = ρ(t ) = dim imagen T. (4) Example (Núcleo y nulidad de un operador de proyección) Sea H un subespacio de R n y sea T v = proy H v. ρ(t ) = dim H, y ν(t ) = dim H = n ρ(t ). M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 11 / 1

24 REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN LINEAL Theorem Sea T : R n R m una transformación lineal. Entonces existe una matriz única de m n, tal que T x = A T xpara todax R n. (5) M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 12 / 1

25 REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN LINEAL Theorem Sea T : R n R m una transformación lineal. Entonces existe una matriz única de m n, tal que T x = A T xpara todax R n. (5) Definition (Matriz de transformación) La matriz A T en el teorema 1 se llama matriz de transformación correspondiente a T o representación matricial de T. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 12 / 1

26 REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN LINEAL Theorem Sea T : R n R m una transformación lineal. Entonces existe una matriz única de m n, tal que T x = A T xpara todax R n. (5) Definition (Matriz de transformación) La matriz A T en el teorema 1 se llama matriz de transformación correspondiente a T o representación matricial de T. Example (Representación matricial de una transformación de rotación) Se víó en el ejemplo 5, que si T es la función que rota a todo vector en R 2 un ángulo θ entonces ( ) cos θ sin θ A T =. sin θ cos θ M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 12 / 1

27 ISOMORFISMOS Definition (Transformación muno a uno) Sea T : V W es una transformación lineal; entonces T es uno a uno, escrito 1 1, si T v 1 = T v 2implica quev 1 = v 2. (6) Es decir, T es 1 1 si y sólo si todo vector w en la imagen de T es la imagen de exactamente un vector en V. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 13 / 1

28 ISOMORFISMOS Definition (Transformación muno a uno) Sea T : V W es una transformación lineal; entonces T es uno a uno, escrito 1 1, si T v 1 = T v 2implica quev 1 = v 2. (6) Es decir, T es 1 1 si y sólo si todo vector w en la imagen de T es la imagen de exactamente un vector en V. Nota. Una transformación 1 1 se llama también inyectiva. Theorem Sea T : V W una transformación lineal. Entonces T es 1 1 si y sólo si nu T = {0}. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 13 / 1

29 ISOMORFISMOS Definition (Transformación muno a uno) Sea T : V W es una transformación lineal; entonces T es uno a uno, escrito 1 1, si T v 1 = T v 2implica quev 1 = v 2. (6) Es decir, T es 1 1 si y sólo si todo vector w en la imagen de T es la imagen de exactamente un vector en V. Nota. Una transformación 1 1 se llama también inyectiva. Theorem Sea T : V W una transformación lineal. Entonces T es 1 1 si y sólo si nu T = {0}. Example (Una transformación 1-1 de R 2 en R 2 ) ( ) ( ) x x y Defina T : R 2 R 2 por T =. Es sencillo encontrar y 2x + y ( ) 1 1 A T = y ρ(a 2 1 T ) = 2; así, ν(a T ) = 0 y N AT = nu T = {0}. Por lo tanto T es 1 1. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 13 / 1

30 ISOMORFISMOS Definition (Transformación sobre) Sea T : V W es una transformación lineal. Entonces se dice que T es sobre, si para todo w W existe al menos una v V tal que T v = w. Es decir, T es sobre si y sólo si imagen T = W. T v 1 = T v 2implica quev 1 = v 2. (7) Es decir, T es 1 1 si y sólo si todo vector w en la imagen de T es la imagen de exactamente un vector en V. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 14 / 1

31 ISOMORFISMOS Definition (Transformación sobre) Sea T : V W es una transformación lineal. Entonces se dice que T es sobre, si para todo w W existe al menos una v V tal que T v = w. Es decir, T es sobre si y sólo si imagen T = W. T v 1 = T v 2implica quev 1 = v 2. (7) Es decir, T es 1 1 si y sólo si todo vector w en la imagen de T es la imagen de exactamente un vector en V. Nota. Una transformación sobre se llama también suprayectiva. Definition (Transformación isomorfismo) Sea T : V W es una transformación lineal. Entonces T es un isomorfismo, si T es 1 1 y sobre. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 14 / 1

32 ISOMORFISMOS Definition (Transformación sobre) Sea T : V W es una transformación lineal. Entonces se dice que T es sobre, si para todo w W existe al menos una v V tal que T v = w. Es decir, T es sobre si y sólo si imagen T = W. T v 1 = T v 2implica quev 1 = v 2. (7) Es decir, T es 1 1 si y sólo si todo vector w en la imagen de T es la imagen de exactamente un vector en V. Nota. Una transformación sobre se llama también suprayectiva. Definition (Transformación isomorfismo) Sea T : V W es una transformación lineal. Entonces T es un isomorfismo, si T es 1 1 y sobre. Example (Un isomorfismo entre R 3 y P 2) Defina T : R 3 P 2 por T a b = a + bx + cx 2. Es sencillo verificar que T es lineal. c M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 14 / 1

33 ISOMETRÍAS Definition (Isometría) Una transformación lineal T : R n R n se llama una isometría, si para cada x en R n, T x = x. (8) M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 15 / 1

34 ISOMETRÍAS Definition (Isometría) Una transformación lineal T : R n R n se llama una isometría, si para cada x en R n, T x = x. (8) Theorem Sea T una isometría de R n R n y suponga que x y y están en R n. Entonces T x y = x y (9) Esto es, una isometría en R n preserva el producto escalar. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 15 / 1

35 ISOMETRÍAS Definition (Isometría) Una transformación lineal T : R n R n se llama una isometría, si para cada x en R n, T x = x. (8) Theorem Sea T una isometría de R n R n y suponga que x y y están en R n. Entonces T x y = x y (9) Esto es, una isometría en R n preserva el producto escalar. Theorem Una transformación lineal R n R n es una isometría si y sólo si la representación matricial de T es ortogonal. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 15 / 1

36 ISOMETRÍAS Theorem Sea R 2 R 2 una isometría. Entonces T es i una transformación de rotación o bien ii una reflexión respecto al eje x seguida de una transformación de rotación. M. C. Roberto Rosales Flores (ITST) TRANSFORMACIONES LINEALES Tercer Semestre 16 / 1

TEMA 6. EIGENVALORES Y EIGENVECTORES

TEMA 6. EIGENVALORES Y EIGENVECTORES TEMA 6. EIGENVALORES Y EIGENVECTORES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST TEMA 6. EIGENVALORES Y EIGENVECTORES

Más detalles

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

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

Más detalles

Aplicaciones lineales

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

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

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

Más detalles

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

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

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

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

Más detalles

Tema 3. Aplicaciones lineales. 3.1. Introducción

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

Más detalles

Clase 15 Espacios vectoriales Álgebra Lineal

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

Más detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

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

Más detalles

Variedades Diferenciables. Extremos Condicionados

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

Más detalles

Subespacios vectoriales en R n

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

Más detalles

Aplicaciones Lineales

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

Más detalles

Espacios vectoriales y aplicaciones lineales

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

Más detalles

VII. Estructuras Algebraicas

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

Más detalles

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

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

Más detalles

Espacios vectoriales y Aplicaciones lineales

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

Más detalles

TRANSFORMACIONES LINEALES. Transformaciones. TRANSFORMACIONES LINEALES Ejemplo. TRANSFORMACIONES LINEALES Ejemplo

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

Más detalles

Estructuras algebraicas

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

Más detalles

Clasificación de métricas.

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

Más detalles

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

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

Más detalles

4 Aplicaciones Lineales

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

Más detalles

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

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

Más detalles

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

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

Más detalles

1. APLICACIONES LINEALES

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

Más detalles

1. Producto escalar, métrica y norma asociada

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

Más detalles

Tema 9: ESPACIO AFÍN EUCLÍDEO. MOVIMIENTOS RÍGIDOS

Tema 9: ESPACIO AFÍN EUCLÍDEO. MOVIMIENTOS RÍGIDOS Tema 9: ESPACIO AFÍN EUCLÍDEO. MOVIMIENTOS RÍGIDOS Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso

Más detalles

Transformaciones lineales invertibles (no singulares)

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

Más detalles

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

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

Más detalles

Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores

Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores FASÍCULO: ESPACIOS CON PRODUCTO INTERNO Teorema. Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : i) ii) iii) iv) Ejemplo: Sean el espacio vectorial con el producto interno definido

Más detalles

Aplicaciones Lineales

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

Más detalles

Anexo 1: Demostraciones

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

Más detalles

Bibliografía recomendada

Bibliografía recomendada Álgebra II Guía del Examen a Título de Suficiencia Escuela Superior de Física y Matemáticas del Instituto Politécnico Nacional Licenciatura en Física y Matemáticas Esta guía está elaborada por el colectivo

Más detalles

Vectores y Valores Propios

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

Más detalles

1 Espacios y subespacios vectoriales.

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

Más detalles

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

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

Más detalles

Espacios vectoriales y aplicaciones lineales.

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

Más detalles

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

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

Más detalles

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_02_01.tex

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_02_01.tex http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_02_01.tex Lección 1 - Problemas Problemas CAPÍTULO 2 FUNCIONES VECTORIALES Lección 2.2. Curvas enr n Una aplicación F : I R n,

Más detalles

Espacios vectoriales

Espacios vectoriales Espacios vectoriales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Concepto de espacio vectorial y propiedades 1.1 Definición Se llama espacio vectorial sobre K (IR o C a toda terna

Más detalles

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

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

Más detalles

1 El espacio vectorial R n.

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

Más detalles

Curso de Procesamiento Digital de Imágenes

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

Más detalles

1. Cambios de base en R n.

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

Más detalles

Cambio de representaciones para variedades lineales.

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

Más detalles

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

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

Más detalles

Transformaciones Lineales

Transformaciones Lineales Transformaciones Lineales Definición de transformación Una función, aplicación o transformación es un conjunto de operaciones que se realizan sobre un elemento de un espacio vectorial V, para convertirlo

Más detalles

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

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

Más detalles

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

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

Más detalles

Seminario Universitario Material para estudiantes. Física. Unidad 2. Vectores en el plano. Lic. Fabiana Prodanoff

Seminario Universitario Material para estudiantes. Física. Unidad 2. Vectores en el plano. Lic. Fabiana Prodanoff Seminario Universitario Material para estudiantes Física Unidad 2. Vectores en el plano Lic. Fabiana Prodanoff CONTENIDOS Vectores en el plano. Operaciones con vectores. Suma y producto por un número escalar.

Más detalles

Apuntes de Matemática Discreta 9. Funciones

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

Más detalles

Tema 2. Aplicaciones lineales y matrices.

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

Más detalles

Aplicaciones Lineales

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

Más detalles

Espacios generados, dependencia lineal y bases

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............................................

Más detalles

DE LOS NÚMEROS NATURALES A LOS NÚMEROS ENTEROS

DE LOS NÚMEROS NATURALES A LOS NÚMEROS ENTEROS DE LOS NÚMEROS NATURALES A LOS NÚMEROS ENTEROS Exposición de contenidos matemáticos Primera Parte SOBRE EL CONCEPTO DE FUNCIÓN Qué es una función? Una función es una formula? Por ejemplo X 2 + Y 3 es una

Más detalles

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

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide: .- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax, así como los subespacios vectoriales N(f) e Im(f) a) f(x,y) = (x,-y) b) f(x,y)

Más detalles

4 Aplicaciones lineales

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

Más detalles

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

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

Más detalles

Tema 4: Aplicaciones lineales

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

Más detalles

4.1 El espacio dual de un espacio vectorial

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

Más detalles

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

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

Más detalles

Álgebra Lineal. Sesión de Prácticas 6: Ortogonalidad. Método de Gram-Schmidt. Complemento ortogonal y mejor aproximación

Álgebra Lineal. Sesión de Prácticas 6: Ortogonalidad. Método de Gram-Schmidt. Complemento ortogonal y mejor aproximación Álgebra Lineal Sesión de Prácticas 6: Ortogonalidad. Método de Gram-Schmidt. Complemento ortogonal y mejor aproximación Primero Grado Ingeniería Informática Departamento de Matemática Aplicada Facultad

Más detalles

Tema 3. Espacios vectoriales

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

Más detalles

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.

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

Más detalles

Diagonalización de matrices

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

Más detalles

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V.

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V. Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL x x x1 n θ y y ȳ1 n 1 n x1 n ȳ1 n Carlos Arce S. William Castillo E. Jorge González V. 2003 Algebra Lineal Carlos Arce S., William Castillo

Más detalles

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

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

Más detalles

Espacios vectoriales con producto interno

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.

Más detalles

Algebra Lineal y Geometría.

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

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas de Ecuaciones Lineales y Matrices Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre

Más detalles

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es

Más detalles

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA FACULTAD DE INGENIERÍA MEXICALI

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA FACULTAD DE INGENIERÍA MEXICALI PROGRAMA EDUCATIVO PLAN DE ESTUDIO CLAVE DE UNIDAD DE APRENDIZAJE NOMBRE DE LA UNIDAD DE APRENDIZAJE Tronco Común 2009-2 11211 Álgebra Lineal PRÁCTICA No. NOMBRE DE LA PRÁCTICA DURACIÓN (HORAS) 7 Producto

Más detalles

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones.

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

Más detalles

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

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

Más detalles

VECTORES EN EL PLANO

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

Más detalles

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

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

Más detalles

VECTORES COORDENADOS (R n )

VECTORES COORDENADOS (R n ) VECTORES COORDENADOS (R n ) Cómo puede ser representado un número Real? Un número real puede ser representado como: Un punto de una línea recta. Una pareja de números reales puede ser representado por

Más detalles

Matrices equivalentes. El método de Gauss

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

Más detalles

4. FUNCIONES DE VARIAS VARIABLES

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

Más detalles

MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS

MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS Tema 1.- MATRICES MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS Fundamentos Matemáticos de la Ingeniería 1 Un poco de historia Lord Cayley es uno de los fundadores de la teoría

Más detalles

FUNCIONES EN R. Agosto 2007

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

Más detalles

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012 Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes

Más detalles

Tema 4.- El espacio vectorial R n.

Tema 4.- El espacio vectorial R n. Tema 4- El espacio vectorial R n Subespacios vectoriales de R n Bases de un subespacio Rango de una matriz 4 Bases de R n Cambios de base 5 Ejercicios En este tema estudiamos la estructura vectorial del

Más detalles

Conjuntos, Relaciones y Grupos. Problemas de examen.

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

Más detalles

Espacios vectoriales

Espacios vectoriales Espacios vectoriales Problemas teóricos Muchos de estos problemas me los han enseñado mis colegas: profesores Flor de María Correa Romero, Carlos Domínguez Albino, Sergio González Govea, Myriam Rosalía

Más detalles

1.4.- D E S I G U A L D A D E S

1.4.- D E S I G U A L D A D E S 1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y

Más detalles

Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales.

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

Más detalles

Tema 7: ESPACIOS VECTORIALES AFINES

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

Más detalles

Singularidades de campos de vectores reales: perfil topológico (I)

Singularidades de campos de vectores reales: perfil topológico (I) Singularidades de campos de vectores reales: perfil topológico (I) VI Escuela Doctoral de Matemáticas PUCP-UVA 2013 Conceptos básicos Sea U un abierto del espacio euclídeo R n. Un campo de vectores en

Más detalles

Espacios vectoriales. Bases. Coordenadas

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

Más detalles

Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 3: Lunes 25 - Jueves 28 de Marzo. Contenidos

Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 3: Lunes 25 - Jueves 28 de Marzo. Contenidos Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 3: Lunes 25 - Jueves 28 de Marzo Cálculo Contenidos Clase 1: Funciones: Dominio, recorrido, gráfico. Ejemplos. Clase 2: Igualdad de funciones.

Más detalles

2.5 Linealización de sistemas dinámicos no lineales

2.5 Linealización de sistemas dinámicos no lineales 25 Linealización de sistemas dinámicos no lineales En las secciones anteriores hemos visto como representar los sistemas lineales En esta sección se estudia una manera de obtener una aproximación lineal

Más detalles

Principios de álgebra multilineal

Principios de álgebra multilineal Principios de álgebra multilineal 2013-03-11 19:27:49 [twocolumn]article AMSbUmsbmn AMSb ÁLGEBRA MULTILINEAL DE ESPACIOS VECTORIALES REALES CON PRODUCTO INTERIOR Juan M. Márquez B. Sea V un espacio vectorial

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

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

Más detalles

Segundo de Bachillerato Geometría en el espacio

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

Más detalles

1. APLICACIONES LINEALES

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

Más detalles

(Ec.1) 2α + β = b (Ec.4) (Ec.3)

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

Más detalles

UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES

UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES Departamento: Matemática Carrera: Analista en Computación ASIGNATURA: Geometría Código: 3327 Profesor Responsable:

Más detalles

1º) Siempre que se pueda, hay que sacar factor común: :a b ± a c ± a d ± = a (b ± c ± d ± ):

1º) Siempre que se pueda, hay que sacar factor común: :a b ± a c ± a d ± = a (b ± c ± d ± ): Pág. 1 de 7 FAC T O R I Z AC I Ó N D E P O L I N O M I O S Factorizar (o descomponer en factores) un polinomio consiste en sustituirlo por un producto indicado de otros de menor grado tales que si se multiplicasen

Más detalles

Espacios Vectoriales

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

Más detalles

Lección 2. Puntos, vectores y variedades lineales.

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

Más detalles