• Ir al contenido principal
  • Ir a la barra lateral primaria
  • Ir al pie de página

Álgebra y Geometría Analítica

Contenidos de Álgebra para UTN-FRBA

  • Inicio
  • Parte 1
    • Vectores, recta y plano
      • Introducción a vectores en R3
      • Producto escalar en R3
      • Producto vectorial y mixto
      • Ecuaciones del plano
      • Ángulos y distancias
      • Haz de planos
      • Recta en ({mathbb{R}^3})
      • Recta y plano: intersecciones y ángulos
      • Distancias y proyecciones
    • Matrices y determinantes
      • Matrices
      • Determinante de una matriz
      • Matrices y sistemas de ecuaciones lineales
    • Espacios vectoriales
      • Espacios y subespacios vectoriales
      • Conjunto generador. LI y LD. Base. Dimensión.
      • Operaciones con subespacios
    • Sistemas de ecuaciones
      • Rango y sistemas de ecuaciones lineales
      • Relaciones entre soluciones de AX=B y AX=0. Variables libres.
  • Parte 2
    • Transformaciones lineales
      • Definición y propiedades de las transformaciones lineales
      • Núcleo e imagen. Clasificación de las transformaciones lineales.
      • Teorema fundamental de las transformaciones lineales
      • Matriz asociada a una transformación lineal
      • Composición e inversa de transformaciones lineales
      • Matriz de cambio de base
    • Autovalores y autovectores
      • Autovalores y autovectores: definiciones y propiedades
      • Multiplicidades algebraica y geométrica de un autovalor
      • Matrices semejantes
      • Diagonalización de una matriz
      • Diagonalización ortogonal de matrices simétricas
      • Diagonalización de una transformación lineal
    • Cónicas, parametrización y superficies cuádricas
      • Introducción a cónicas
      • Circunferencia
      • Parábola
      • Elipse
      • Hipérbola
      • Ecuaciones paramétricas de las cónicas (circunferencia, elipse, parábola e hipérbola)
    • Aplicaciones de la diagonalización
      • Potencias de una matriz diagonalizable
      • Rototraslación de cónicas
    • Números complejos
      • Definición y operaciones de números complejos en forma binómica
      • Operaciones en forma trigonométrica y exponencial
      • Radicación de números complejos
      • Regiones del plano complejo
  • Parciales
    • Parcial 1
      • 24-05-2015
      • 12-02-2016
      • 22-04-2017
      • 09-09-2017
      • 05-05-2018
    • Parcial 2
      • 21-06-2019
      • 10-11-2018
      • 23-06-2018
      • 04-11-2017
      • 10-06-2017
      • 13-06-2015
      • 31-10-2015
  • Finales
  • Empeza por aca

Última vez actualizado 24 mayo, 2017 por Isabel Pustilnik y Federico Gómez

Matriz de cambio de base

Queremos construir una matriz que nos permita cambiar las coordenadas de un vector en una base por las coordenadas del mismo vector en otra base. Consideremos en un espacio vectorial \(V\) la función identidad, que transforma cada vector en sí mismo. Dejamos a cargo del lector demostrar que es una T.L. \[Id:V \to V{\rm{\;}}|{\rm{\;}}Id\left( v \right) = v\]

Observación: Si \(V\; = \mathbb{R}\), la función identidad es \(f\left( x \right) = x\). Tomemos un par de bases del mismo espacio vectorial \(V\): \[B = \left\{ {{v_1}, \ldots ,{v_n}} \right\}\] \[B{\rm{‘}} = \left\{ {{w_1}, \ldots ,{w_n}} \right\}\] Construyamos ahora la matriz asociada a la transformación lineal identidad: \[M{\left( {Id} \right)_{BB{\rm{‘}}}} = \left( {{{\left[ {{v_1}} \right]}_{B’}},{\rm{\;}} \ldots ,{\rm{\;}}{{\left[ {{v_n}} \right]}_{B’}}} \right) \in {\mathbb{R}^{n \times n}}\] Recordemos que: \[M{\left( F \right)_{BB{\rm{‘}}}}{\rm{\;}}{\left[ v \right]_B} = {\left[ {F\left( v \right)} \right]_{B{\rm{‘}}}}\] En el caso particular de la transformación identidad, teniendo en cuenta que \(Id\left( v \right) = v\), resulta: \[M{\left( {Id} \right)_{BB’}}.{\left[ v \right]_B} = {\left[ v \right]_{B’}}\] ¿Qué efecto produce esta matriz? Cambia las coordenadas, o sea el sistema de referencia. No transforma el vector pues \(Id\left( v \right) = v\).

\(M{\left( {Id} \right)_{BB’}}\) se denomina matriz de cambio de base de \(B\) a \(B’\).

¿Qué rango tiene esta matriz? Tiene rango \(n\) ya que sus columnas son LI por ser coordenadas de vectores de una base de \(V\).

Por ser \(M{\left( {Id} \right)_{BB’}} \in {\mathbb{R}^{n \times n}}\) de rango \(n\), es inversible.

¿Qué efecto produce la matriz inversa? Nos permite volver a la primera base, como lo indica el siguiente esquema:

matriz de cambio de base

Si \(P\; = \;M{\left( {Id} \right)_{BB’}}\) entonces \({P^{ – 1}}\; = \;M{\left( {Id} \right)_{B’B}}\).

Ejemplo 1

Consideremos las siguientes bases de \({\mathbb{R}^2}\): \[{B_1} = \left\{ {\left( {1,0} \right),\;\left( {1,3} \right)} \right\}\] \[{B_2} = \left\{ {\left( {0,1} \right),\left( {1,1} \right)} \right\}\] \[E = \left\{ {\left( {1,0} \right),\left( {0,1} \right)} \right\}\]

a) Hallar \(M{\left( {Id} \right)_{{B_1}{B_2}}}\)

b) Hallar \(M{\left( {Id} \right)_{{B_1}E}}\)

c) Hallar \(M{\left( {Id} \right)_{E{B_1}}}\)

Resolución

Ítem a

Se construye la matriz de cambio de base buscando las coordenadas en la base \({B_2}\) de los vectores de la base \({B_1}\).

\[M{\left( {Id} \right)_{{B_1}{B_2}}} = \left( {{{\left[ {{v_1}} \right]}_{{B_2}}}\;\;\;\;{{\left[ {{v_2}} \right]}_{{B_2}}}} \right)\]

Busquemos las coordenadas de \(\left( {1,0} \right)\) en la base \({B_2}\):

\[\left( {1,0} \right) = \alpha .\left( {0,1} \right) + \beta .\left( {1,1} \right)\] \[ \Rightarrow \alpha = \; – 1\;\; \wedge \beta = 1\] \[ \Rightarrow {\left[ {\left( {1,0} \right)} \right]_{{B_2}}} = \left( {\begin{array}{*{20}{c}}{ – 1}\\1\end{array}} \right)\] Busquemos las coordenadas de \(\left( {1,3} \right)\) en la base \({B_2}\): \[\left( {1,3} \right) = \alpha .\left( {0,1} \right) + \beta .\left( {1,1} \right)\] \[ \Rightarrow \alpha = 2\;\; \wedge \;\beta = 1\] \[ \Rightarrow {\left[ {\left( {1,3} \right)} \right]_{{B_2}}} = \left( {\begin{array}{*{20}{c}}2\\1\end{array}} \right)\] \[M{\left( {Id} \right)_{{B_1}{B_2}}} = \left( {\begin{array}{*{20}{c}}{ – 1}&2\\1&1\end{array}} \right)\]

Ítem b

Se construye la matriz de cambio de base buscando las coordenadas en la base \(E\) de los vectores de la base \({B_1}\). \[M{\left( {Id} \right)_{{B_1}E}} = \left( {{{\left[ {{v_1}} \right]}_E}\;\;\;\;{{\left[ {{v_2}} \right]}_E}} \right)\] Pero las coordenadas en base canónicas son las mismas componentes del vector. Podemos verificarlo para \(\left( {1,0} \right)\): \[\left( {1,0} \right) = \alpha \left( {1,0} \right) + \beta \left( {0,1} \right) \Rightarrow \alpha = 1,\;\beta = 0\] Entonces las coordenadas de \(\left( {1,0} \right)\) en la base canónica son justamente \(\left( {\begin{array}{*{20}{c}}1\\0\end{array}} \right)\): \[{\left[ {\left( {1,0} \right)} \right]_E} = \left( {\begin{array}{*{20}{c}}1\\0\end{array}} \right)\] Para el vector \(\left( {1,3} \right)\) podemos escribir: \[{\left[ {\left( {1,3} \right)} \right]_E} = \left( {\begin{array}{*{20}{c}}1\\3\end{array}} \right)\] Así que la matriz de cambio de base resulta: \[M{\left( {Id} \right)_{{B_1}E}} = \left( {\begin{array}{*{20}{c}}1&1\\0&3\end{array}} \right)\] Que podemos decir que se construyó ubicando a los vectores de la base \({B_1} = \left\{ {\left( {1,0} \right),\left( {1,3} \right)} \right\}\) como columnas de la matriz.

Ítem c

Se pide que hallemos \(M{\left( {Id} \right)_{E{B_1}}}\), pero según hemos visto esta matriz es la inversa de \(M{\left( {Id} \right)_{{B_1}E\;}}\): \[M{\left( {Id} \right)_{E{B_1}}} = \frac{1}{3}.\left( {\begin{array}{*{20}{c}}3&{ – 1}\\0&1\end{array}} \right) = \left( {\begin{array}{*{20}{c}}1&{ – \frac{1}{3}}\\0&{\frac{1}{3}}\end{array}} \right)\]

Ejemplo 2

Sean \({B_1}\) y \({B_2}\) bases de \({\mathbb{R}^2}\) tales que \(P = \left( {\begin{array}{*{20}{c}}1&1\\0&{ – 3}\end{array}} \right)\) es la matriz de cambio de base de \({B_1}\) a \({B_2}.\)

a) Si \({\left[ u \right]_{{B_1}}} = \left( {\begin{array}{*{20}{c}}{ – 1}\\4\end{array}} \right)\) calcular \({\left[ u \right]_{{B_2}}}\)

b) Si \({\left[ v \right]_{{B_2}}} = \left( {\begin{array}{*{20}{c}}3\\5\end{array}} \right)\) calcular \({\left[ v \right]_{{B_1}}}\)

c) Si \({B_1} = \left\{ {\left( {1,3} \right),\left( {0,4} \right)} \right\}\), obtener la base \({B_2}\). ¿Es única?

Resolución

Ítem a

Según la propiedad de la matriz de cambio de base: \[P.{\left[ u \right]_{{B_1}}} = {\left[ u \right]_{{B_2}}} \Rightarrow {\rm{\;}}{\left[ u \right]_{{B_2}}} = \left( {\begin{array}{*{20}{c}}1&1\\0&{ – 3}\end{array}} \right).\left( {\begin{array}{*{20}{c}}{ – 1}\\4\end{array}} \right) = \left( {\begin{array}{*{20}{c}}3\\{ – 12}\end{array}} \right){\rm{\;}}\] ¿Podemos determinar cuál es el vector \(u\)? No, porque no tenemos información sobre las bases.

Ítem b

Ahora es en sentido contrario: \[{\left[ v \right]_{{B_2}}} = \left( {\begin{array}{*{20}{c}}3\\5\end{array}} \right) \to {\left[ v \right]_{B1{\rm{\;}}}} = ?\] \[P.{\left[ v \right]_{{B_1}}} = {\left[ v \right]_{{{\rm{B}}_2}}} \Rightarrow \left( {\begin{array}{*{20}{c}}1&1\\0&{ – 3}\end{array}} \right).{\left[ v \right]_B} = \left( {\begin{array}{*{20}{c}}3\\5\end{array}} \right){\rm{\;}} \Rightarrow {\left[ v \right]_B} = \left( {\begin{array}{*{20}{c}}{\frac{{14}}{3}}\\{ – \frac{5}{3}}\end{array}} \right){\rm{\;}}\]

Ítem c

En este punto nos dan la base \({B_1}\): \[{B_1} = \left\{ {\left( {1,3} \right),\left( {0,4} \right)} \right\}\] ¿Puede determinarse \({B_2}\)? Sabemos que: \[Id\left( {\left( {1,3} \right)} \right) = \left( {1,3} \right)\] \[Id\left( {\left( {0,4} \right)} \right) = \left( {0,4} \right)\] \[{v_1} = \left( {1,3} \right){\rm{\;\;}}{v_2} = \left( {0,4} \right)\] \[P = M{\left( {Id} \right)_{{B_1}{{\rm{B}}_2}}} = \left( {{{\left[ {{v_1}} \right]}_{{{\rm{B}}_2}}}{\rm{\;\;\;\;}}{{\left[ {{v_2}} \right]}_{{{\rm{B}}_2}}}} \right) = \left( {\begin{array}{*{20}{c}}1&1\\0&{ – 3}\end{array}} \right)\] Queremos obtener: \[{B_2} = \left\{ {{w_{1{\rm{\;}}}},{\rm{\;}}{w_2}} \right\}\] \[\left( {1,3} \right) = 1.{w_1} + 0.{w_2} \Rightarrow {w_1} = \left( {1,3} \right)\] \[\left( {0,4} \right) = 1.{w_1} + \left( { – 3} \right).{w_2} \Rightarrow {w_2} = \frac{{\left( {0,4} \right) – \left( {1,3} \right)}}{{ – 3}} = \left( {\frac{1}{3}, – \frac{1}{3}} \right)\] Quiere decir que si tenemos como dato la matriz de cambio de base, podemos determinar la base \({B_2}\;\)a partir de la base \({B_1}\) y viceversa.

Cómo afecta un cambio de base a la matriz asociada a una TL

En este apartado nos interesa estudiar cuál es la relación entre dos matrices asociadas a una misma transformación lineal, pero que están expresadas en bases diferentes.

Sean:

  • \(T:V \to W\) una transformación lineal
  • \({B_1},{B_3}\) bases de \(V\)
  • \({B_2},{B_4}\) bases de \(W\)
  • \(I{d_V}\) la transformación lineal identidad en el espacio vectorial \(V\)
  • \(I{d_W}\) la transformación lineal identidad en el espacio vectorial \(W\)

¿Qué relación existe entre \(M{\left( T \right)_{{B_1}{B_2}}}\) y \(M{\left( T \right)_{{B_3}{B_4}}}\;\)? ¿Cómo se podría a partir de una de ellas calcular la otra? Por las propiedades de las matrices asociadas a una TL, puede afirmarse que: \[M{\left( T \right)_{{B_1}{B_2}}}{\left[ v \right]_{{B_1}}} = {\left[ {T\left( v \right)} \right]_{{B_2}}}\] \[M{\left( T \right)_{{B_3}{B_4}}}{\left[ v \right]_{{B_3}}} = {\left[ {T\left( v \right)} \right]_{{B_4}}}\] \[M{\left( {I{d_V}} \right)_{{B_3}{B_1}}}{\left[ v \right]_{{B_3}}} = {\left[ v \right]_{{B_1}}}\] \[M{\left( {I{d_W}} \right)_{{B_2}{B_4}}}{\left[ {T\left( v \right)} \right]_{{B_2}}} = {\left[ {T\left( v \right)} \right]_{{B_4}}}\] Si el lector leyó cuidadosamente las igualdades anteriores, estará convencido de que son válidas (si no está convencido, sugerimos consultar por el foro). Las relaciones enunciadas pueden verse convenientemente en el siguiente esquema:

De todo esto es posible deducir que: \[M{\left( T \right)_{{B_3}{B_4}}} = M{\left( {I{d_W}} \right)_{{B_2}{B_4}}}.M{\left( T \right)_{{B_1}{B_2}}}.M{\left( {I{d_V}} \right)_{{B_3}{B_1}}}\]

Caso particular de \({\mathbb{R}^n}\) a \({\mathbb{R}^n}\)

Nos interesa especialmente el caso de las TL \(T:\;{\mathbb{R}^n} \to {\mathbb{R}^n}\), y la relación entre la matriz estándar y otra matriz asociada \(M{\left( T \right)_{BB}}\) , con \(B\) base de \({\mathbb{R}^n}\). Volvamos a construir el esquema para este caso particular: Habíamos visto que: \[M{\left( T \right)_{{B_3}{B_4}}} = M{\left( {Id} \right)_{{B_2}{B_4}}}.M{\left( T \right)_{{B_1}{B_2}}}.M{\left( {Id} \right)_{{B_3}{B_1}}}\] En este caso particular la expresión queda: \[ \Rightarrow M{\left( T \right)_{BB}} = M{\left( {Id} \right)_{EB}}.M{\left( T \right)_{EE}}.M{\left( {Id} \right)_{BE}}\] Por lo tanto: \[M{\left( T \right)_{BB}} = {P^{ – 1}}M{\left( T \right)_{EE}}\;P\;\;\;\;\;\;\;\;\;\;\;{\rm{\;donde\;\;\;\;\;\;\;}}P = M{\left( {Id} \right)_{BE}}\]

Ejemplo

\[T{\mathbb{R}^2} \to {\mathbb{R}^2}\] \[M{\left( T \right)_{EE}} = \left( {\begin{array}{*{20}{c}}1&3\\2&2\end{array}} \right)\] \[B = \left\{ {\left( {1,1,} \right),\left( {3, – 2} \right)} \right\}\] Queremos encontrar \(M{\left( T \right)_{BB}}\) . Calculamos la matriz de cambio de base: \[P = M{\left( {Id} \right)_{BE}} = \left( {\begin{array}{*{20}{c}}1&3\\1&{ – 2}\end{array}} \right)\] Buscamos su inversa: \[{P^{ – 1}} = M{\left( {Id} \right)_{EB}} = – \frac{1}{5}\left( {\begin{array}{*{20}{c}}{ – 2}&{ – 3}\\{ – 1}&1\end{array}} \right)\] Entonces resulta: \[M{\left( T \right)_{BB}} = {P^{ – 1}}.M{\left( T \right)_{EE}}.P = \left( {\begin{array}{*{20}{c}}4&0\\0&{ – 1}\end{array}} \right)\] Observemos que en esta base \(B\), la matriz asociada es diagonal. Dada una TL en \({\mathbb{R}^n}\), ¿cuándo es posible hallar una base \(B\) de modo que la matriz asociada en esa base resulte diagonal? La respuesta la encontraremos en la próxima unidad.

Ejercicio para el lector 6

a) Eligiendo una base adecuada, definir una transformación lineal \(T:{\mathbb{R}^3} \to {\mathbb{R}^3}\) que represente la simetría (reflexión) respecto del plano \(\pi :\;\;x – z = 0\) .

b) Hallar si es posible, una base \(B\) de \({\mathbb{R}^3}\) de modo que la matriz asociada a \(T\) sea: \[M{\left( T \right)_{BB}} = \left( {\begin{array}{*{20}{c}}1&0&0\\0&1&0\\0&0&{ – 1}\end{array}} \right)\] Sugerencia: si \(B = \left\{ {{v_1},{v_2},{v_3}} \right\}\), ¿cuáles son los transformados de los vectores de \(B\)? (Tener en cuenta cómo se construye \(M{\left( T \right)_{BB}}\)).

c) Obtener la matriz de \(T\) respecto de la base canónica de \({\mathbb{R}^3}\).

Archivado en:Parte 2, Transformaciones lineales

Barra lateral primaria

Actualizaciones recientes

  • Segundo Parcial Resuelto de AGA [21-06-2019]
  • Segundo Parcial Resuelto de AGA [10-11-2018]
  • Segundo Parcial Resuelto de AGA [23-06-2018]
  • Primer Parcial Resuelto de AGA [05-05-2018]
  • Segundo Parcial Resuelto de AGA [04-11-2017]

Archivos

  • junio 2019
  • noviembre 2018
  • julio 2018
  • mayo 2018
  • noviembre 2017
  • septiembre 2017
  • junio 2017
  • abril 2017
  • diciembre 2016
  • noviembre 2016
  • octubre 2016
  • septiembre 2016
  • agosto 2016

Categorías

  • Aplicaciones de la diagonalización
  • Autovalores y autovectores
  • Cónicas, parametrización y superficies cuádricas
  • Espacios vectoriales
  • Matrices y determinantes
  • Números complejos
  • Parte 1
  • Parte 2
  • Primer parcial resuelto
  • Segundo parcial resuelto
  • Sin categoría
  • Sistemas de ecuaciones
  • Transformaciones lineales
  • Vectores, recta y plano.

Descarga de PDFs

  • PDF Unidad 1
  • PDF Unidad 1
  • PDF Unidad 2
  • PDF Unidad 2
  • PDF Unidad 3
  • PDF Unidad 3
  • PDF Unidad 4
  • PDF Unidad 4
  • PDF Unidad 5
  • PDF Unidad 5
  • PDF Unidad 6
  • PDF Unidad 6
  • PDF Unidad 7
  • PDF Unidad 7
  • PDF Unidad 8
  • PDF Unidad 8
  • PDF Unidad 9
  • PDF Unidad 9

Unidad 3

Espacios vectoriales

En las unidades anteriores vimos que el álgebra de vectores y el álgebra de matrices presentan similitudes. Pudimos observar que las propiedades de la suma (de vectores o de matrices) y del producto por un escalar son idénticas en ambos conjuntos.

En esta unidad, generalizaremos el concepto de vector a partir de estas propiedades en común que hemos señalado para vectores geométricos y matrices.

Las siguientes preguntas nos ayudarán a focalizar el eje de esta unidad:

¿En qué se parecen los vectores geométricos, las matrices y los polinomios? ¿Qué propiedades comunes pueden detectarse en estos objetos de diferente naturaleza y variadas aplicaciones?

De esto se trata nuestra tercera unidad, donde se desarrollan conceptos centrales del álgebra lineal: espacios vectoriales, base, dimensión y coordenadas, entre otros.

Empezar Unidad 3

Footer

Buscá en el sitio

Realizado en UTN FRBA

UDB Matemática – Ciencias Básicas – Secretaría Académica

Licencia Creative Commons

Licencia Creative Commons
Esta obra está bajo una Licencia Creative Commons Atribución – No Comercial – Sin Obra Derivada 4.0 Internacional.

Los gifs

Los GIFs del material teórico

Archivos

  • junio 2019
  • noviembre 2018
  • julio 2018
  • mayo 2018
  • noviembre 2017
  • septiembre 2017
  • junio 2017
  • abril 2017
  • diciembre 2016
  • noviembre 2016
  • octubre 2016
  • septiembre 2016
  • agosto 2016

Descargas en PDF

  • PDF Unidad 1
  • PDF Unidad 1
  • PDF Unidad 2
  • PDF Unidad 2
  • PDF Unidad 3
  • PDF Unidad 3
  • PDF Unidad 4
  • PDF Unidad 4
  • PDF Unidad 5
  • PDF Unidad 5
  • PDF Unidad 6
  • PDF Unidad 6
  • PDF Unidad 7
  • PDF Unidad 7
  • PDF Unidad 8
  • PDF Unidad 8
  • PDF Unidad 9
  • PDF Unidad 9

Webs relacionadas

Proba Fácil con contenidos de probabilidad y estadística

  • Inicio
  • Parte 1
    • Vectores, recta y plano
      • Introducción a vectores en R3
      • Producto escalar en R3
      • Producto vectorial y mixto
      • Ecuaciones del plano
      • Ángulos y distancias
      • Haz de planos
      • Recta en ({mathbb{R}^3})
      • Recta y plano: intersecciones y ángulos
      • Distancias y proyecciones
    • Matrices y determinantes
      • Matrices
      • Determinante de una matriz
      • Matrices y sistemas de ecuaciones lineales
    • Espacios vectoriales
      • Espacios y subespacios vectoriales
      • Conjunto generador. LI y LD. Base. Dimensión.
      • Operaciones con subespacios
    • Sistemas de ecuaciones
      • Rango y sistemas de ecuaciones lineales
      • Relaciones entre soluciones de AX=B y AX=0. Variables libres.
  • Parte 2
    • Transformaciones lineales
      • Definición y propiedades de las transformaciones lineales
      • Núcleo e imagen. Clasificación de las transformaciones lineales.
      • Teorema fundamental de las transformaciones lineales
      • Matriz asociada a una transformación lineal
      • Composición e inversa de transformaciones lineales
      • Matriz de cambio de base
    • Autovalores y autovectores
      • Autovalores y autovectores: definiciones y propiedades
      • Multiplicidades algebraica y geométrica de un autovalor
      • Matrices semejantes
      • Diagonalización de una matriz
      • Diagonalización ortogonal de matrices simétricas
      • Diagonalización de una transformación lineal
    • Cónicas, parametrización y superficies cuádricas
      • Introducción a cónicas
      • Circunferencia
      • Parábola
      • Elipse
      • Hipérbola
      • Ecuaciones paramétricas de las cónicas (circunferencia, elipse, parábola e hipérbola)
    • Aplicaciones de la diagonalización
      • Potencias de una matriz diagonalizable
      • Rototraslación de cónicas
    • Números complejos
      • Definición y operaciones de números complejos en forma binómica
      • Operaciones en forma trigonométrica y exponencial
      • Radicación de números complejos
      • Regiones del plano complejo
  • Parciales
    • Parcial 1
      • 24-05-2015
      • 12-02-2016
      • 22-04-2017
      • 09-09-2017
      • 05-05-2018
    • Parcial 2
      • 21-06-2019
      • 10-11-2018
      • 23-06-2018
      • 04-11-2017
      • 10-06-2017
      • 13-06-2015
      • 31-10-2015
  • Finales
  • Empeza por aca

Desarrollado por SalvaCastro

  • Inicio
  • Parte 1
  • Parte 2
  • Parciales
  • Finales
  • Empeza por aca