lunes, 25 de mayo de 2020

Tarea: Informe - Transformaciones lineales


1. ¿QUÉ ES UNA TRANSFORMACIÓN LINEAL?

En primer lugar, una transformación lineal es una función. Por ser función, tiene su dominio y su condominio, con la particularidad de que éstos son espacios vectoriales

Tenemos dos espacios vectoriales VV y WW, y una función que va de VV a WW. O sea, una regla de asignación que transforma vectores de VV en vectores de WW. Pero no toda función que transforme vectores de VV en vectores de WW es una transformación lineal. Debe cumplir ciertas condiciones:

F: V→WF: V→W es una transformación lineal si y sólo si:

  1. F(u+v) =F(u)+F(v)    u,vVF(u+v)=F(u)+F(v)    u,vV
  2. F(k.v)=k.F(v)       vV,  kR





2. ¿CUÁLES SON LAS CONDICIONES PARA QUE EXISTA UNA TRANSFORMACIÓN LINEAL?

Propiedad 1

La imagen del vector nulo del dominio 0V0V es el vector nulo del condominio 
0w0w: T(0V) =0wT(0V) =0w


Demostración:
T(0V) =T (0.v) =0 T(v)=0.w=0WT(0V)=T(0.v)=0.T(v)=0.w=0W

Donde hemos expresado a 0V0V como el producto del escalar 00 por cualquier vector del espacio vectorial VV, hemos usado la segunda condición que debe cumplir una transformación lineal, y finalmente hemos vuelto a usar la propiedad de espacios vectoriales sobre el producto del escalar 0 por cualquier vector.



Propiedad 2

La imagen del vector –v–v es igual al opuesto de la imagen de vv:T(–v) =–T(v)T(–v) =–T(v)

Demostración:
T(–v) =T(–1.v)=–1.T(v)=–T(v)T(–v)=T(–1.v)=–1.T(v)=–T(v)

La justificación de los pasos dados en la demostración es similar a la anterior.



Propiedad 3

Consideremos rr vectores del espacio vectorial VV:v1, v2, vrVv1, v2, vrV

Tomemos una combinación lineal en el dominio:

α1v1+α2v2+α3v3+...+αrvrα1v1+α2v2+α3v3+...+αrvr 

Donde αiRαiR.

Si aplicamos la transformación lineal FF de VV a WW, teniendo en cuenta las propiedades enunciadas en la definición, resulta:

F(α1v1+α2v2+α3v3+...+αrvr)=α1F(v1)+α2F(v2)+…+αrF(vr)F(α1v1+α2v2+α3v3+...+αrvr)=α1F(v1)+α2F(v2)+…+αrF(vr)

Es decir que una transformación lineal «transporta» combinaciones lineales de VV a WW, conservando los escalares de la combinación lineal.



3. AL MENOS CINCO PROPIEDADES O TEOREMAS DE LAS TRANSFORMACIONES LINEALES.

Teorema 1

Sea T: VW una transformación lineal. Entonces para todos los vectores u, v, v1,v2,….vn, en V y todos los escalares α1, α2,…. αn:

         i.              T (0) = 0
         ii.            T (u-v) =Tu – Tv
         iii.           T (α1v1 + α2v2 + ….. αnvn) = α1Tv1 + α2Tv2 + …… αnTvn



Teorema 2

Sea V un espacio vectorial de dimensión finita con base B = {v1v2, ….vn}.

Sean w1w2, …. wn vectores en W. Suponga que T1 y T2 son dos transformaciones
lineales de V en W tales que T1vi = T2vi =wi para i = 1, 2,., n. Entonces para
cualquier vector v ϵ VT1v = T2v; es decir, T1 = T2


Teorema 3

Sea V un espacio vectorial de dimensión finita con base B = {v1v2, ….vn}.

Sea W un espacio vectorial que contiene los vectores w1w2, …. wn. Entonces existe una transformación lineal única T: Vtal queTvwi para i 1, 2, …, n.


Teorema 4

Para definir este teorema se deben definir dos conceptos propios de las transformaciones lineales: imagen y núcleo 

Sea V y W dos espacios vectoriales y sea TV  W una transformación lineal. Entonces:

i.              El núcleo de T, denotado por nu T, está dado por:
nu T = {v ϵ V : Tv = 0}

ii.            La imagen de T, denotado por im T, está dado por:
Im T = {w ϵ Ww = Tv para alguna v ϵ  V}

 Ahora viene la definición del teorema:

Sea TVes una transformación lineal, entonces

i.              nu T es un subespacio de V.

ii.            Im es un subespacio de W.



Teorema 5

La imagen del vector –v es igual al opuesto de la imagen de v: T(–v) = –T(v)

Demostración:
T(–v) =T(–1.v) = –1.T(v)=–T(v)




4. UN EJEMPLO DE UNA TRANSFORMACIÓN LINEAL.

¿Cómo demostrar que T es una transformación lineal?

Donde:

T: P2 --> M2x2
T (ax^2 + bx + c) = (a-b     b)
                                     (c+a    2a)

Hay que demostrar que es una aplicación y es lineal.

Que es una aplicación es obvio, a cada polinomio de P2 le corresponde una y solo una matriz de M2x2.

Y para ser lineal debe cumplir dos condiciones:

1) T(p+q) = T(p)+T(q)   para todo p,q € P2

2) T(Kp) = k·T(p) para todo p € P2 y todo k€R


Demostración:

Sea p=ax^2+bx+c
        q=a'x^2+b'x+c'
T(p+q) = T(ax^2+bx+c + a'x^2 +b'x +c') =
T((a+a')x^2+(b+b')x +(c+c') =
(a+a'-b-b'        b+b’ )
(c+c'+a+a'      2a+2a')
·
T(p)+T(q) =T(ax^2+bx+c) + T(a'x^2+b'x+c') =
(a-b     b) (a'-b'     b')    (a+a'-b-b'         b+b')
(c+a    2a) +  (c'+a'  2a')    =   (c+c'+a+a'    2a+2a')



5. CÓMO PROBAR ESA TRANSFORMACIÓN LINEAL.

Como vemos los dos resultados son iguales, luego

T(p+q) =T(p)+T(q)

Y la segunda condición será

T(kp) = T(kax^2+kbx+kc) =
(ka-kb     kb)
(kc+ka    2ka)
·
k·T(p) =
       (a-b     b) (ka-kb      kb)
 k (c+a   2a) = (kc+ka    2ka)

Los resultados son iguales, luego:
T(kp) = k·T(p)

Y siendo una aplicación y cumpliendo esas dos condiciones se cumple que T es una transformación lineal (o aplicación lineal en otros sitios).





lunes, 27 de abril de 2020

Script de la base de datos planteada en la TIA 2: Implementación y manipulación de bases de da

create database Arrendamientos
use Arrendamientos

--CREAR TABLAS

--Creacion de tabla Sede
Create Table Sede(
codigo int,
codigo_administracion int,
nombre_administracion varchar(30),
constraint pk_cs primary key(codigo)
)

-- Creacion de tabla Propiedad
Create Table Propiedad(
codigo int,
tipo varchar (30),
direccion varchar (50),
tamaño_metros int,
numero_habitaciones int,
precio bigint,
propietario varchar (50),
fecha_ultimo_arriendo datetime,
fecha_fin_ultimo_arriendo datetime,
Constraint pk_cp primary key(codigo)
)

--Creacion de tabla Fiador
Create Table Fiador(
nombre varchar (30),
cedula_fiador bigint,
codigo_propiedad int,
Constraint pk_nf primary key(cedula_fiador),
Constraint fk_cpf foreign key(codigo_propiedad) references Propiedad(codigo)
)

--Creacion de tabla Cliente
Create Table Cliente(
cedula bigint,
nombre varchar (50),
certificado_laboral varchar (30),
cedula_fiador bigint,
Constraint pk_cc primary key(cedula),
Constraint fk_nf1 foreign key(cedula_fiador) references Fiador(cedula_fiador)
)

--Creacion de tabla Contrato
Create Table Contrato(
codigo int,
codigo_propiedad int,
cedula_cliente bigint,
precio bigint,
fecha_inicio datetime,
duracion_meses int,
Constraint pk_cCo primary  key(codigo),
Constraint fk_cp1 foreign key(codigo_propiedad) references Propiedad(codigo),
Constraint fk_cc1 foreign key(cedula_cliente) references Cliente(cedula)
)

--Creacion de tabla Pago
Create Table Pago(
codigo int,
codigo_contrato int,
cedula_cliente bigint,
fecha_pago datetime,
valor bigint,
Constraint pk_cp2 primary key(codigo),
Constraint fk_cCo1 foreign key(codigo_contrato) references Contrato(codigo),
Constraint fk_cc2 foreign key(cedula_cliente) references Cliente(cedula),
)



Implementación y manipulación de bases de datos


Clic aquí para ver en tamaño original.

jueves, 23 de abril de 2020

Mapa mental sintetizando los conceptos de la unidad


Clic aquí para ver la imagen en su tamaño completo.


Informe solución sistemas de ecuaciones mediante método Gauss

TIA: Informe solución sistemas de ecuaciones mediante método Gauss



Tutor(a)
RUTH BEATRIZ MORENO ECHAVARRIA






Nombres completos:
Franco Anel Ubalde Arenas








23/04/2020
MEDELLÍN




PLANTEAMIENTO DEL PROBLEMA


Primer Punto:

Plantear el sistema de ecuaciones para hallar un número de tres cifras sabiendo que la suma de sus cifras es 11, que la suma de la primera y la tercera cifra es 5 y que la segunda cifra es el doble de la tercera.


RESPUESTA:

X + Y + Z = 11
X + Z = 5
Y = 2Z

Segundo Punto:

Resolver el siguiente sistema de ecuaciones por el método de Gauss
x + 2y - 3z = -16
3x + y - 2z = -10
2x - 3y + z = -4

RESPUESTA:

La matriz


Encuentra el pivote en la columna número 1 en la fila número 1


Multiplica la fila número 1 por 3


Sustrae la fila número 1 de la fila número 2 y restaurarla


Multiplica la fila número 1 por 2


Sustrae la fila número 1 de la fila número 3 y restaurarla


Encuentra el pivote en la columna número 2 dividiendo la fila número 2 entre -5


Multiplica la fila número 2 por 2


Sustrae la fila número 2 de la fila número 1 y restaurarla


Multiplica la fila número 2 por -7


Sustrae la fila número 2 de la fila número 3 y restaurarla


Encuentra el pivote en la columna número 3 dividiendo la fila número 3 entre -14/5



Multiplica la fila número 3 por -1/5


Sustrae la fila número 3 de la fila número 1 y restaurarla


Multiplica la fila número 3 por -7/5


Sustrae la fila número 3 de la fila número 2 y restaurarla


SOLUCIÓN:

X= 1
Y= 5
Z= 9

Tercer Punto:

Resolver el siguiente sistema de ecuaciones lineales x + y + z = 3
2x + 4y - 5z = 21
2y + 3z = 15

RESPUESTA:

La matriz


Encuentra el pivote en la columna número 1 en la fila número 1


Multiplica la fila número 1 por 2


Sustrae la fila número 1 de la fila número 2 y restaurarla


Encuentra el pivote en la columna número 2 dividiendo la fila número 2 entre 2


Resta la fila número 2 por la fila número 1


Multiplica la fila número 2 por 2


Sustrae la fila número 2 de la fila número 3 y restaurarla


Encuentra el pivote en la columna número 3 dividiendo la fila número 3 entre 10

Multiplica la fila número 3 por 9/2


Sustrae la fila número 3 de la fila número 1 y restaurarla


Multiplica la fila número 3 por -7/2


Sustrae la fila número 3 de la fila número 2 y restaurarla


SOLUCIÓN:

X= -9/2
Y= 15/2
Z= 0

¡Muy importante! Para tener en cuenta:

Muestre la matriz ampliada original de cada sistema de ecuaciones en cada uno de los puntos.
Indique las operaciones elementales y cada matriz resultante después aplicar cada paso.
En cada punto debe hacer una reflexión si el sistema tiene solución, si es única y en caso de no tenerla, por qué no la tiene.
Si requiere de más espacio para el desarrollo puede agregar páginas necesarias.

miércoles, 1 de abril de 2020

Matrices Especiales

Matriz simétrica: una matriz cuadrada es simétrica cuando los elementos a ambos lados de la diagonal principal son iguales. aij = aji
Matriz antisimétrica (o hemisimétrica): matriz cuadrada en la que los elementos a ambos lados de la diagonal principal son opuestos (iguales pero con distinto signo). aij = -aji

Matriz identidad: matriz cuadrada donde los elementos de la diagonal principal son unos y el resto ceros. Se representa por I2 la matriz identidad de orden 2, I3 la identidad de orden 3, I4 la de orden 4, etc.

Matriz triangular superior: todos los elementos por debajo de la diagonal principal son cero.

Matriz triangular inferior: todos los elementos por encima de la diagonal principal son cero.

Matriz diagonal: matriz cuadrada donde los elementos que no están en la diagonal principal son cero.
  • Bidiagonal superior: es una matriz cuyos elementos por encima de la diagonal 1 y debajo de la diagonal principal son 0.
  • Bidiagonal inferior: es una matriz cuyos elementos por debajo de la diagonal -1 y encima de la diagonal principal son 0.
  • Tridiagonal: es una matriz cuyos elementos por encima de la diagonal 1 y debajo de la diagonal -1 son 0.
Matriz diagonalmente dominante: una matriz puede ser diagonalmente dominante por filas o por columnas:

  • Por filas cuando, para todas las filas, el valor absoluto del elemento de la diagonal de esa fila es estrictamente mayor que el resto de elementos de esa fila.
  • Por columnas cuando, para todas las columnas, el valor absoluto del elemento de la diagonal de esa columna es estrictamente mayor que el resto de elementos de esa columna.

Matriz traspuesta: La matriz traspuesta de una matriz A se denota por AT y se obtiene cambiando sus filas por columnas (o viceversa).

Matriz adjunta o de cofactores: es una matriz obtenida a partir de otra, que traspuesta y dividida por el determinante de esta otra es igual a la matriz inversa de la matriz de partida. En otras palabras, es aquella en la que cada elemento se sustituye por su adjunto.

Matriz de Hessenberg superior: es una matriz cuadrada de dimensión n>1 cuyos elementos por debajo de la diagonal -1 son 0.

Matriz de Hessenberg inferior: es una matriz cuadrada de dimensión n>1 cuyos elementos por encima de la diagonal 1 son 0.

Matriz de Vandermonde: es una matriz que presenta una progresión geométrica en cada fila.

Mapa conceptual de la Unidad 1 - Algebra Lineal

Clic aquí para ver completo la imagen.


Reconociendo lo Aprendido UD1 - IoT

El Internet de las cosas (IoT) es el proceso que permite conectar elementos físicos cotidianos al Internet: desde objetos domésticos comunes...