Tema 4: Aplicaciones lineales
|
|
- Juan Francisco Rivero Santos
- hace 9 años
- Vistas:
Transcripción
1 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 cumple las dos siguientes propiedades:. Para todo par de vectores u, v V f(u + v) =f(u)+f(v). Para todo vector u V ytodoescalarα K f(αu) =αf(u) Propiedades:. Dada una aplicación f : V W entre dos espacios vectoriales V y W se tiene que f es lineal si y sólo si f(αu + βv) =αf(u)+βf(v) para todo par de vectores u, v V y todo par de escalares α, β K (así las dos propiedades de la definición pueden resumirse sólo en una).. Si f : V W es una aplicación lineal, entonces f(0 V )=0 W. La primera propiedad (que resume las dos anteriores de la definición) nos dice que las aplicaciones lineales son las que transforman combinaciones lineales de (dos o más) vectores del espacio vectorial inicial en las correspondientes combinaciones lineales de sus respectivas imágenes. La última propiedad nos proporciona un criterio útil, en ocasiones, para asegurar que ciertas aplicaciones son lineales: las que no cumplan el requisito anterior, es decir, las aplicaciones entre espacios vectoriales, en las queelvectornonulotengaimagennonula. Ejemplo.. La aplicación f : R R 3 definida por f(x, y) =(x, 0, x +5y) es lineal. Para probarlo cojamos vectores (a, b), (c, d) R y escalares arbitrarios α, β R. Entonces f([α(a, b)+β(c, d)] = f(αa + βc, αb + βd) =(αa +βc, 0, αa βc +5αb +5βd) αf(a, b)+βf(c, d) =α(a, 0, a+5b)+β(c, 0, c+5d) =(αa, 0, αa+5αb)+(βc, 0, βc+β5d) y ambas cosas coinciden, con lo que la aplicación es lineal.
2 . La aplicación f : R R definida por f(x, y) =(,x y) no es lineal, pues basta observar que f(0, 0) = (, 0) 6= (0, 0). 3. La aplicación f : R R definida por no es lineal a pesar de que f(0, 0) = (0, 0). f(x, y) =(xy, x) Para probarlo cojamos dos vectores (a, b), (c, d) R ydosescalaresα, β R. Entonces f[α(a, b)+β(c, d)] = f(αa + βc, αb + βd)`= = [(αa + βc) (αb + βd), (αa + βc)] y αf(a, b)+βf(c, d) =α(ab, a)+β(cd, c) =(αab + βcd, αa +βc) y ambas cosas no tienen por qué coincidir, pues si tomamos los valores α =, β =0,a = c = b = d =se tiene que lo primero vale (4, 4) ylosegundovale(, 4). 4. La aplicación f : R R definida por es lineal. f(x, y) = x +3y Para probarlo cojamos vectores (a, b), (c, d) R y escalares cualesquiera α, β R. Entonces f(α(a, b)+β(c, d)) = f(αa + βc, αb + βd) = (αa + βc)+3(αb + βd) y αf(a, b)+βf(c, d) =α( a +3b)+β( c +3d) = αa +3αb βc +3βd yambascosascoinciden. Cuando tengamos una aplicación f : R n R m alaexpresióndelvectorf(x,x,..., x n ) R m la denominaremos expresión analítica de f. Así en el primer ejemplo de los anteriores en el que teníamos una aplicación lineal su expresión analítica es f(x, y) =(x, 0, x +5y) Observación.3 En la práctica para ver que una aplicación f : R n R m es lineal basta observar si en cada una de las componentes de la expresión analítica de f aparecen CL de las incógnitas genéricas x,x,...,x n de R n.
3 Núcleo e imagen Dada una aplicación lineal f : V W se llama núcleo de f al siguiente conjunto de vectores de V ker f = {v V f(v) =0} Recordemos que la imagen de la aplicación f es el siguiente conjunto de vectores de W Im f = {w W v V cumpliendo que f(v) =w} = {f(v) v V } El siguiente resultado nos dice que ambos conjuntos son subespacios de los respectivos espacios vectoriales a los que pertenecen. Propiedad: Si f : V W es una aplicación lineal entonces ker f V Im f W En la práctica, del núcleo de una aplicación lineal podremos hallar fácilmente las ecuaciones implícitas, y de la imagen un SG. Lo primero lo veremos en los ejemplos más detalladamente. En cuanto a lo último he aquí la propiedad exacta: Propiedad: Si f : V W es una aplicación lineal y es una base(o SG)de V se tiene que es un SG de Im f. B = {v,v,..., v n } f(b) ={f(v ),f(v ),...,f(v n )}. Tipos de aplicaciones Recordemos que había 3 características que estudiábamos para las aplicaciones: el que fueran o no inyectivas, suprayectivas o biyectivas. En aplicaciones lineales introducimos un nuevo concepto: endomorfismo. Se trata de las aplicaciones lineales cuyos dominio y codominio coinciden. A continuación veremos, para una aplicación f : V W, cómo puede verse, en función del núcleo y la imagen, cuáles de estas propiedades se dan. Propiedades: Sea f : V W una aplicación lineal. Entonces:. f es un inyectiva si y sólo si ker f =0.. f es un suprayectiva si y sólo si dim Im f =dimw. 3. f es un biyectiva si y sólo si dim Im f =dimw y ker f =0. 3
4 Fórmula de las dimensiones: Si una aplicación f : V W es lineal entonces se cumple que dim ker f +dimimf =dimv Esta fórmula nos permite calcular sencillamente la dimensión de uno de los dos subespacios ker f o Im f teniendo la del otro. Ejemplo. Consideremos la aplicación lineal f : R R 3 vista anteriormente y definida por f(x, y) =(x, 0, x +5y) Hallemos su núcleo y su imagen y veamos las propiedades de f. En primer lugar ker f = {(x, y) f(x, y) =0} = {(x, y) (x, 0, x +5y) =(0, 0, 0)} Así ker f es el subespacio de R que tiene por ecuaciones implícitas x =0 0=0 x +5y =0 La única solución de este sistema es el vector (0, 0). Así ker f =0,luegof es inyectiva. Tomando un SG de R, por ejemplo {(, 0), (0, )}, sabemos que los vectores f(, 0) = (, 0, ) f(0, ) = (0, 0, 5) forman un SG de Im f. Y al ser además LI es claro que forman también una base de Im f, luego dim Im f =6= 3=dimR 3 y f no es suprayectiva. f no es endomorfismo al no coincidir el espacio inicial y el final. Ejemplo. Consideremos la aplicación lineal f : R 5 R 4 definida por f(x,x,x 3,x 4,x 5 )=(x x 4, 3x 3, 0, 5x + x 5 ) Hallemostantoelnúcleocomolaimagendef y veamos las propiedades de f. Las ecuaciones implícitas de ker f son x x 4 = 0 3x 3 = 0 0 = 0 5x +x 5 = 0 Después de eliminar la tercera ecuación obtenemos una posible escalonación del sistema x 4 +x = 0 5x +x 5 = 0 3x 3 = 0 4
5 Así, eligiendo como parámetros x = α y x 5 = β y resolviendo el sistema tendríamos unas ecuaciones paramétricas de ker f x = β 5 x = α x 3 =0 x 4 = β 5 x 5 = β de donde una base de ker f sería {(0,, 0, 0, 0), ( 5, 0, 0, 5, )} luego f no es inyectiva. La imagen de f estará generada por los vectores que son, respectivamente, f(, 0, 0, 0, 0),f(0,, 0, 0, 0),f(0, 0,, 0, 0),f(0, 0, 0,, 0),f(0, 0, 0, 0, ) (, 0, 0, 5), (0, 0, 0, 0), (0, 3, 0, 0), (, 0, 0, 0), (0, 0, 0, ) de donde puede obtenerse una base de Im f, por ejemplo {(0, 3, 0, 0), (, 0, 0, 0), (0, 0, 0, )} luego f no es suprayectiva. f no es endomorfismo al no coincidir el espacio inicial y el final. Ejemplo.3 Consideremos la aplicación lineal f : R R definida por f(x, y) =x 3y Hallemos su núcleo y su imagen y veamos las propiedades de f. En primer lugar ker f = {(x, y) f(x, y) =0} = {(x, y) x 3y =0} Así ker f R tiene por ecuación implícita x 3y =0. En consecuencia dim ker f =y f no es inyectiva. Tomando un SG de R, por ejemplo {(, 0), (0, )}, sabemos que los vectores f(, 0) = f(0, ) = 3 forman un SG de Im f. ComoéstesubespaciodeR debe tener dimensión (= dimr dim ker f) éste debe ser todo R (al coincidir las dimensiones), por tanto Im f = R, y por tanto sería una base suya, por ejemplo, {}. Así f es suprayectiva. f no es endomorfismo al no coincidir el espacio inicial y el final. Ejemplo.4 Consideremos la aplicación lineal f : R 4 R 4 definida por f(x, y, z, t) =(x, x y, 3x +y +z,4x + y +5z +7t) Hallemostantoelnúcleocomolaimagendef y veamos las propiedades de f. 5
6 La imagen de f estará generada por los vectores que son, respectivamente, f(, 0, 0, 0),f(0,, 0, 0),f(0, 0,, 0),f(0, 0, 0, ) (,, 3, 4), (0,,, ), (0, 0,, 5), (0, 0, 0, 7) se observa claramente que éstos son una base del codominio R 4, por lo que la aplicación es suprayectiva. Luego aplicando la fórmula de las dimensiones se cumple que dim R 4 =dimkerf +dimimf es decir 4=dimkerf +4 yportantodim ker f =0. De ahí concluimos que ker f =0. Ejemplo.5 Consideremos la aplicación lineal f : C 3 C definida por f(x, y) =(ix z,[3 i]x + y) Hallemos su núcleo y su imagen y la clasificación. En primer lugar ker f = {(x, y, z) C 3 f(x, y, z) =0} = {(x, y, z) ix z =0, (3 i)x + y =0} Así ker f es el subespacio de C 3 que tiene por ecuaciones implícitas Al pasar a paramétricas obtenemos que ix z =0 (3 i)x + y =0 x = x y =( 3+i)x z =ix y por tanto obtenemos una base para ker f, quees {(, 3+i, i)} luego dim ker f =y f no es inyectiva. De lo anterior se deduce que dim Im f =dimc 3 dim ker f =3 ==dimc luego f sí es suprayectiva. Tomando un SG de C 3, por ejemplo la base canónica {(, 0, 0), (0,, 0), (0, 0, )} 6
7 sabemos que los vectores f(, 0, 0) = (i, 3 i) f(0,, 0) = (0, ) f(0, 0, ) = (, 0) forman un SG de Im f, de los cuáles sobra pues la dimensión es. Se observa que el primer vector es CL de los otros del modo (i, 3 i) =(3 i)(0, ) i(, 0) luego una base de Im f será {(0, ), (, 0)} 3 Existencia y unicidad de aplicaciones lineales Para una aplicación lineal f : R n R m hay otras formas de tener determinada además de la expresión analítica. Para darnos cuenta de ello y para disponer de un mecanismo de construcción de aplicaciones lineales resulta de utilidad el siguiente teorema (válido para aplicaciones lineales no sólo entre espacios vectoriales de la forma R n y R m ): Teorema 3. (Existencia y unicidad de aplicaciones lineales) Sean V y WK-espacios vectoriales. Dada una base B = {v,v,...,v n } de V y un sistema de vectores w,w,...,w n de W existe una única aplicación lineal f : V W tal que f(v )=w f(v )=w... f(v n )=w n Nota: Daremos una idea de cómo está definida tal aplicación. Dado v V, si sus coordenadas respecto de la base B son v B =(x,x,..., x n ), es decir entonces se tiene que v = x v + x v x n v n f(v) =x w + x w x n w n De esta forma tenemos construida una aplicación f que es lineal y que cumple lo requerido(y es la única que lo cumple). Ejemplo 3. Sea f : R 3 R una aplicación lineal de la que se conocen las imágenes de los vectores (, 0, 0), (,, ), (, 3, ) 7
8 Probar que entonces f queda totalmente determinada por dichas imágenes. Si conseguimos demostrar que el sistema B = {(, 0, 0), (,, ), (, 3, )} es una base de R 3 el Teorema de existencia y unicidad de aplicaciones lineales garantizaría en efecto que la aplicación lineal f está totalmente determinada por las imágenes de dichos vectores. Pero es inmediato que los 3 vectores son LI, pues el rango de la matriz es 3, luego queda probada la afirmación Ejemplo 3.3 Sea f : R R una aplicación lineal que verifica que f(, ) = (, ) y f(, 0) = (3, ) Hallar f(5, ). Poniendo el vector (5, ) como combinación lineal de los vectores (, ) y (, 0) obtenemos (5, ) = α(, ) + β(, 0) = (α + β, α) de donde se deduce que α =y β =3.Endefinitiva f(5, ) = f[(, ) + 3(, 0)] = f(, ) + 3f(, 0) = (, ) + 3(3, ) = (, 4) Ejemplo 3.4 Dada la base B de R formada por los vectores {(, ), (, 0)} y dada la aplicación lineal f : R R 3 cumpliendo que f(, ) = (, 0, ) f(, 0) = (,, ) determinar la expresión analítica de f. La expresión analítica de una aplicación lineal viene determinada por las imágenes de los vectores de la base canónica debido a lo siguiente: f(x, y) =f((x, 0) + (0,y)) = f(x(, 0) + y(0, )) = xf(, 0) + yf(0, ) Así que es suficiente con determinar f(, 0) y f(0, ). Para esto emplearemos el siguiente truco: (, 0, ) = f(, ) = f(, 0) + f(0, ) (,, ) = f(, 0) = f(, 0) 8
9 Si en el sistema anterior ponemos V = f(, 0),W = f(0, ), éstequeda (, 0, ) = V + W (,, ) = V lo cual representa un sistema de ecuaciones lineales en el que tanto las incógnitas V,W como los términos independientes son vectores tridimensionales (en vez de números, como habitualmente). De aquí obtenemos Finalmente se tiene que f(, 0) = V = (,, ) = (,, ) f(0, ) = W =(, 0, ) + (,, ) = ( 3,, ) f(x, y) =xf(, 0) + yf(0, ) = xv + yw = x(,, ) + y( 3,, ) = ( x 3y, x +y, x y) 4 Matriz asociada a una aplicación lineal Sean V y W espacios vectoriales cuyas dimensiones son dim V = n y dim W = m, sea f : V W una aplicación lineal y sean B = {v,v,..., v n } B 0 = {w,w,..., w m } bases de V y W respectivamente. Llamaremos matriz asociada a f respecto de B y B 0 alamatriz cuyascolumnasson f(v ) B 0,f(v ) B 0,..., f(v n ) B 0 (es decir, las coordenadas en B 0 de las imágenes de los vectores de B). Denotaremos a esta matriz por M B B 0 (f), y en el caso particular en que V = W y B = B 0 usaremos además de la notación M B B (f) también la notación M B (f). Observación 4. Este concepto es muy similar al de matrices cambio de base, de hecho éste último es un caso particular del que ahora introducimos, pues la matriz asociada a la aplicación identidad es la matriz cambio de base. Concretamente, si V es un espacio vectorial, son bases de V entonces donde I : V V es la aplicación identidad. B = {v,v,..., v n } B 0 = {w,w,..., w n } M B B 0(I) =M B B 0 La matriz asociada a una aplicación lineal respecto de ciertas bases B y B 0 nos proporciona una representación de la aplicación lineal, referida a las bases en cuestión, pues la aplicación lineal queda 9
10 totalmente determinada por la matriz. Nos permite relacionar las coordenadas de un vector v V respecto de la base B con las coordenadas de su imagen respecto de la base B 0, pues si entonces se cumple la siguiente fórmula: oabreviadamente v B = (x,x,..., x n ) f(v) B 0 = (y,y,..., y m ) y y... y m = M (f) B B 0 x x... x n f(v) B 0 = M B B 0(f) v B fórmulaenlaquetantov B como f(v) B 0 están puestos en forma de vector-columna. En el caso particular de que V = R n y W = R m, es decir, que estemos con una aplicación lineal f : R n R m y tomemos las bases canónicas de ambos espacios vectoriales C n y C m, la fórmula anterior queda así f(v) C m = M Cn Cm (f) v Cn y como las coordenadas de cualquier vector en la base canónica son las propias componentes del vector, lo que tenemos realmente es f(v) =M Cn Cm (f) v de donde vemos que podemos obtener la expresión analítica de f sin más que multiplicar por la matriz asociada a f respecto de las bases canónicas: f(x,x,..., x n ) t = M Cn Cm (f) obteniendo la expresión analítica en forma de columna. x x... x n Observación 4. Observemos que si es una aplicación lineal y f : R n R m A = M C n Cm (f) es la matriz asociada a f respecto de las bases canónicas, entonces ker f =kera 0
11 Ejemplo 4.3 Obtener la matriz asociada respecto de las bases canónicas de la aplicación lineal f : R R 4 cuya expresión analítica es f(x, y) =(x y, 0, 3x +5y, 7y) Como f(, 0) = (, 0, 3, 0) f(0, ) = (, 0, 5, 7) la matriz pedida es M C C 4 (f) = Ejemplo 4.4 Para la aplicación lineal f : R 3 R cuya expresión analítica es f(x, y, z) =(x 4y z,3x y) ylasbases B = {(,, 3), (0,, 0), (3,, )} C = {(, 0), (0, )} hallar la matriz M B C (f). Como las imágenes de los vectores de B salen f(,, 3) = ( 0, ) f(0,, 0) = (4, ) f(3,, ) = (9, 0) ylabasefinal es la canónica, la matriz pedida es Ejemplo 4.5 Obtener la expresión analítica de la aplicación lineal f : R 3 R 3 cuya matriz asociada respecto de la base canónica es 0 3 0
12 Ésta es f(x, y, z) t = o puesto en forma de vector-fila x y z = x y +z y + z 3x + y f(x, y, z) =(x y +z,y + z, 3x + y) Ejemplo 4.6 Dada la aplicación lineal f : R R 3 cuya expresión analítica es hallar:. La matriz asociada a f respecto de las bases f(x, y) =(x y, y, 3x 3y) B = {(, ), (, 3)} B 0 = {(0, 0, ), (, 0, ), (,, 0)}. f(v) B 0,siendov R tal que v B = 4 En primer lugar, y mediante sustitución en la expresión analítica de la función, tenemos que f(, ) = (,, 3) f(, 3) = (, 6, 6) Omitiendo los cálculos intermedios para hallar las coordenadas de estos vectores se puede duducir que De esto deducimos que (,, 3) = 0(0, 0, ) + 3(, 0, ) (,, 0) (, 6, 6) = 0(0, 0, ) + 4(, 0, ) 6(,, 0) f(, ) B 0 =(0, 3, ) f(, 3) B 0 =( 0, 4, 6) M B B 0 (f) = Para el segundo apartado bastaría con multiplicar para obtener f(v) B 0 = M B B 0(f) v B = 3 4 = 6 0 8
13 Antesdepasaraverpropiedadesdelamatrizasociadaveamosotrasdelasaplicacioneslineales y que nos servirán: Propiedades:. La composición de aplicaciones lineales es lineal.. La aplicación identidad (que es el elemento neutro para la composición) es lineal. 3. La inversa de una aplicación biyectiva lineal es de nuevo lineal. 4. Propiedades de la matriz asociada. Dada una matriz A de orden m n con coeficientes sobre un cuerpo K y dadas dos bases B y B 0 de R n y R m, respectivamente, siempre existe una única aplicación lineal f : R n R m de manera que A es la matriz asociada a f respecto de las bases, es decir, A = M B B 0(f). El rango de la matriz asociada coincide con la dimensión de la imagen (también se llama rango de la aplicación lineal), sean cuales sean las dos bases elegidas. Ejemplo 4.7 Determinar si la aplicación lineal f : R 3 R 4 cuya matriz asociada respecto a sendas bases es es inyectiva. Para ello basta con que calculemos el rango, que es. Entonces dim Im f = y dim ker f =3 =6= 0 luego f no es inyectiva. 3
14 Ejemplo 4.8 Determinar si la aplicación lineal f : R 3 R 3 cuya matriz asociada respecto a una base de R 3 es 0 3 es biyectiva. Para ello basta con que calculemos el rango y veamos que es 3, luego dim Im f =3 y por tanto la aplicación lineal es suprayectiva. Como dim ker f =3 3=0 f es también inyectiva, y en conclusión, biyectiva. 3. Supongamos que tenemos dos aplicaciones lineales V f W g U y que tenemos bases B,B 0 y B 00, respectivamente de V,W y U. Entonces se verifica la siguiente fórmula ( ) M B B 00(g f) =M B 0 B 00 (g) M B B 0(f) Ejemplo 4.9 Consideremos las aplicaciones lineales definidas del siguiente modo: R 4 f R g R 3 f(x,x,x 3,x 4 )=(x 3x + x 3, x +x 4 ) g(x, y) =(x 3y, 0,x+4y) Considerando las bases canónicas en cada uno de los espacios hallemos la matriz asociada a la aplicación g f. Tenemos dos opciones: o bien hallar la expresión analítica de g f y después calcular la matriz requerida M C4 C 3 (g f), o bien hallar dicha matriz como el producto de M C C 3 (g) y de M C4 C (f). Haciéndolo de esta última forma resulta que 3 0 M C4 C (f) = 0 0 M C C 3 (g) =
15 = M C4 C 3 (g f) =M C C 3 (g) M C4 C (f) = 3 0 = Supongamos que tenemos una aplicación lineal f : V W y bases B y B 0 de V,yB y B 0 de W. Entonces si aplicamos la fórmula (*), y teniendo en cuenta que la matriz asociada a la aplicación identidad es la matriz cambio de base, tenemos que M B 0 (f) =M B 0 B M B 0 B B (f) M B 0 B Nota: En el caso particular en que f : R n R m y B = C n y B = C m sean las bases canónicas respectivas, vemos que siempre puede obtenerse la matriz M B 0 apartirdem B (f) 0 C (f), pues n Cm M B 0 (f) =M B 0 C M m B 0 Cn Cm (f) M B 0 Cn Y teniendo en cuenta que M C m B 0 =(M B 0 Cm ) obtenemos la versión más sencilla M B 0 (f) =(M B 0 B 0 ) M Cm Cn Cm (f) M B 0 Cn 5. Supongamos que tenemos una aplicación lineal f de un espacio vectorial V en sí mismo (un endomorfismo f : V V ) y dos bases B y B 0 de V. Entonces si aplicamos la fórmula (*) (o el apartado anterior) tenemos que M B 0 B 0 (f) =M B B 0 M B B (f) M B 0 B Como M B B 0 =(M B 0 B ) la fórmula anterior queda del siguiente modo M B 0 B 0(f) =(M B 0 B ) M B B (f) M B 0 B Definición 4.0 Dos matrices cuadradas del mismo tamaño A y A 0 se dice son semejantes cuando existe una matriz invertible Q que cumple que A 0 = Q AQ 5
16 Con este concepto tenemos que la última fórmula prueba que matrices asociadas a la misma aplicación lineal respecto de bases distintas, A = M B B (f) A 0 = M B 0 B 0(f) son matrices semejantes. Es más, puede comprobarse que matrices que sean semejantes siempre van asociadas a algún endomorfismo del espacio vectorial, cada una respecto de una base (como se ve en el apéndice del tema). Nota: En el caso particular en que B = C sea la base canónica vemos que siempre puede obtenerse la matriz M B 0 B 0(f) apartirdem C C (f), pues M B 0 B 0(f) =M C B 0 M C C (f) M B 0 C oequivalentemente M B 0 B 0 (f) =(M B 0 C ) M C C (f) M B 0 C Ejemplo 4. Consideremos la aplicación lineal f : R 3 R cuya expresión analítica es f(x, y, z) =(x 3y + z, x y +3z) Tomemos las siguientes bases respectivas B = {(,, ), (,, 0), (3, 0, 0)} B 0 = {(, ), (3, )}. Hallar la matriz asociada a f respecto de ambas bases. Aplicaremos la fórmula M B B 0(f) =(M B 0 C ) M C3 C (f) M B C3 siendo C 3 y C las bases canónicas respectivas. En primer lugar se tiene que 3 M B C3 = M B 0 C = pues cuando la base final es la canónica la matriz cambio de base se obtiene de modo inmediato poniendo las componentes de los vectores de la primera base por columnas. En segundo lugar se tiene de modo sencillo que 3 M C3 C (f) = 3 6 3
17 Finalmente habría que calcular la inversa (M B 0 C ) = 3 (que es un mero cálculo) y realizar la multiplicación de las 3 matrices, que lo hacemos a continuación M B B 0 (f) = 0 = = = Ejemplo 4. Consideremos el endomorfismo de R cuya expresión analítica es f(x, y) =(x y, x +4y) Tomemos como bases de R, la base canónica C y la siguiente B = {(, ), (3, )} Hallar la matriz asociada a f respecto de B, esdecir Aplicaremos la fórmula M B B (f) M B B (f) =(M B C ) M C C (f) M B C Tengamos en cuenta que M B C = M C C (f) = 3 4 Finalmente habría que calcular la inversa (M B C ) = 5 3 (que es un mero cálculo) y realizar la multiplicación de las 3 matrices, que lo hacemos a continuación M B B (f) = 3 3 = 5 4 = = =
18 Ejemplo 4.3 Consideremos el endomorfismo de R cuya expresión analítica es f(x, y) =(x + y, x +3y) Tomemos como bases de R, la base canónica C y la siguiente B = {(, ), (, )} Hallar M C B (f). Aplicaremos la fórmula Tengamos en cuenta que M C B (f) =(M B C ) M C C (f) M B C = M C C (f) = 3 Finalmente habría que calcular la inversa (M B C ) = 3 y realizar la multiplicación de las matrices, que lo hacemos a continuación M C B (f) = = =
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 detallesProblemas 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 detallesTema 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 detallesBASES 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 detalles1. 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 detalles4 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 detallesTema 3: Producto escalar
Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica
Más detallesTema 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 detallesAplicaciones 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 detallesEspacios 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 detallesE 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 detallesAplicaciones 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 detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
Más detalles1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una
Más detallesCómo?: 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 detallesEspacios 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 detalles1. ESPACIOS VECTORIALES
1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,
Más detallesAplicaciones 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 detallesApuntes 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 detallesTema 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 detallesAnexo 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 detallesSubespacios 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 detalles4 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 detallesEspacios 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(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 detallesTema 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 detallesvectoriales 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 detallesEspacios 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 detallesTema 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 detallesCapitán 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 detallesMatemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales
Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector
Más detalles1. 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 detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesEJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
Más detalles21.1.2. 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 detallesConstrucción 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 detalles1 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 detallesEjemplo 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 detallesMatrices 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 detallesClase 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 detalles1. 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 detallesPráctica de Aplicaciones Lineales
practica5.nb 1 Práctica de Aplicaciones Lineales Aplicaciones lineales y matrices Las matrices también desempeñan un papel muy destacado en el estudio de las aplicaciones lineales entre espacios vectoriales
Más detalles1. 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 detallesProblemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales.
Problemas y Ejercicios Resueltos. Tema : Espacios vectoriales. Ejercicios 1.- Determinar el valor de x para que el vector (1, x, 5) R 3 pertenezca al subespacio < (1,, 3), (1, 1, 1) >. Solución. (1, x,
Más detallesEspacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
Más detallesFunciones de varias variables
Funciones de varias variables Derivadas parciales. El concepto de función derivable no se puede extender de una forma sencilla para funciones de varias variables. Aquí se emplea el concepto de diferencial
Más detallesCambio 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 detallesNota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:
Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición
Más detallesFunciones, x, y, gráficos
Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre
Más detallesSolución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009)
ÁLGEBRA Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009) I. Se considera el homomorfismo f : P 2 (IR) P 2 (IR) definido por las siguientes condiciones: (1) Los polinomios sin
Más detallesTema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.
Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal
Más detallesDiagonalización 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 detallesObjetivos: 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 detalles4.1 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 detallesProblema 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 detallesEspacios 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 detalles8. 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 detallesAplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
Más detallesCaracterísticas de funciones que son inversas de otras
Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =
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 detalles4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES
Espacios Vectoriales y Aplicaciones Lineales 4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA 1.- Espacios Vectoriales..- Propiedades de un Espacio Vectorial..-
Más detallesTema 2: Espacios vectoriales
Tema 2: Espacios vectoriales La estructura de espacio vectorial juega un papel fundamental en el álgebra lineal pues es la base de todos los conceptos que ahí se desarrollan. Vamos en la siguiente sección
Más detalles1 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 detallesAlgebra 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 detallesFORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración
Más detallesAPLICACIONES LINEALES. DIAGONALIZACIÓN
I.- Sea f una transformación lineal de un espacio vectorial V de dimensión n. Sea B una base de V. Sea A la matriz asociada a f respecto de la base B. Señala, sin demostrar, cuáles de las siguientes afirmaciones
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesFormas bilineales y cuadráticas.
Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos
Más detallesPROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Más detallesFunciones uno-uno, sobre y biunívocas
Funciones uno-uno, sobre y biunívocas La inversa (biunívocas) de una función es una regla que actúa en la salida de la función y produce la entrada correspondiente. Así, la inversa deshace o invierte lo
Más detallesAplicaciones lineales
aplicaciones_lineales.nb Aplicaciones lineales Práctica de Álgebra Lineal, E.U.A.T, Grupos ºA y ºB, 005 Aplicaciones lineales y matrices Hay una relación muy estrecha entre aplicaciones lineales y matrices:
Más detallesTema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)
Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto
Más detallesSegundo 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 detallesAplicaciones 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 detallesEstructuras 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 detallesCAPÍTULO II. 4 El grupo afín
CAPÍTULO II 4 El grupo afín En geometría clásica, antes de la aparición de los espacios vectoriales, se hablaba de puntos en lugar de vectores. Para nosotros serán términos sinónimos salvo que, cuando
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesTema 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 detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesAPUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO
APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO ÍNDICE VECTORES EN EL PLANO... 3 Vector Fijo... 3 VECTOR LIBRE... 3 Operaciones con Vectores... 3 Suma de vectores... 3 Producto de un número por
Más detallesAplicaciones lineales continuas
Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas
Más detallesClasificación 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 detallesCAPÍTULO II. 3 El grupo lineal
CAPÍTULO II 3 El grupo lineal Como ya se advirtió en el capítulo precedente, los grupos de transformaciones juegan un importante papel en el estudio de la geometría. En esta sección nos ocuparemos de aquellas
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa
Más detallesESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN
Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra
Más detalles4.- 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 detallesTema 10: Funciones de varias variables. Funciones vectoriales. Límites y continuidad
Tema 10: Funciones de varias variables. Funciones vectoriales. Límites y continuidad 1 Funciones de varias variables Observación 1.1 Conviene repasar,enestepunto,lodadoeneltema8paratopología en R n : bolas,
Más detallesAplicaciones Lineales y Multilineales Continuas
Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones
Más detallesy 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 detallesRepaso de matrices, determinantes y sistemas de ecuaciones lineales
Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento
Más detallesVECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.
VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar
Más detalleselemento 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 detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detallesVariedades 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 detallesVectores en el espacio
Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
Más detallesEspacios 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 detallesRelaciones entre conjuntos
Relaciones entre conjuntos Parejas ordenadas El orden de los elementos en un conjunto de dos elementos no interesa, por ejemplo: {3, 5} = {5, 3} Por otra parte, una pareja ordenada consiste en dos elementos,
Más detallesLa aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS 1 Aplicaciones lineales Núcleo e Imagen Tipos de aplicaciones lineales Sean E y E k-espacios vectoriales Definición 11 Una
Más detallesVII. 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 detallesMATEMÁTICAS 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