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

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

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

Transcripción

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

2 2

3 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS TIPOS DE MATRICES 3. SUMA DE MATRICES 4. PRODUCTO DE MATRICES POR UN ESCALAR 5. PRODUCTO DE DOS MATRICES 6. MATRIZ INVERSA DE UNA MATRIZ CUADRADA 7. RANGO O CARACTERÍSTICA DE UNA MATRIZ 8. CÁLCULO DEL RANGO POR EL MÉTODO DE GAUSS 9. CÁLCULO DE LA MATRIZ INVERSA POR EL MÉTODO DE GAUSS DETERMINANTES. DETERMINANTES. DEFINICIÓN. CÁLCULO DE UN DETERMINANTE POR EL MÉTODO DE GAUSS 2. CÁLCULO DE UN DETERMINANTE POR LOS ELEMENTOS DE UNA FILA O COLUMNA 3. CÁLCULO DEL RANGO DE UNA MATRIZ MEDIANTE DETERMINANTES 4. CÁLCULO DE LA MATRIZ INVERSA MEDIANTE DETERMINANTES SISTEMAS DE ECUACIONES LINEALES 5. NOTACIÓN ORDINARIA Y MATRICIAL 6. SISTEMAS COMPATIBLES E INCOMPATIBLES, DETERMINADOS E INDETERMINADOS 7. RESOLUCIÓN POR REDUCCIÓN O MÉTODO DE GAUSS 8. RESOLUCIÓN MEDIANTE DETERMINANTES O MÉTODO DE CRAMER Ejercicios CAPÍTULO 2 ESPACIOS VECTORIALES DE DIMENSIÓN FINITA. ESTRUCTURA DE GRUPO Y CUERPO 2. ESTRUCTURA DE ESPACIO VECTORIAL 3. PROPIEDADES DE LOS ESPACIOS VECTORIALES 4. ESPACIOS VECTORIALES DE LAS FUNCIONES Y LAS MATRICES 5. SUBESPACIOS VECTORIALES 6. SUBESPACIO VECTORIAL: CONDICIÓN NECESARIA Y SUFICIENTE 7. INTERSECCIÓN, UNIÓN Y SUMA DE SUBESPACIOS 8. COMBINACIÓN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO DE VECTORES 9. INDEPENDENCIA Y DEPENDENCIA LINEAL. SISTEMA DE GENERADORES DE UN ESPACIO O SUBESPACIO VECTORIAL 3

4 . BASE DE UN ESPACIO VECTORIAL. DIMENSIÓN 2. COORDENADAS DE UN VECTOR RESPECTO DE UNA BASE. RANGO 3. ECUACIONES PARAMÉTRICAS E IMPLÍCITAS DE UN SUBESPACIO VECTORIAL 4. CAMBIO DE BASE EN UN ESPACIO VECTORIAL 5. EJERCICIO RESUELTO DE LOS APARTADOS 8 AL 4 Ejercicios CAPÍTULO 3 FUNCIONES Y APLICACIONES LINEALES. RELACIONES FUNCIONALES O FUNCIONES 2. CLASIFICACIÓN DE LAS FUNCIONES 3. COMPOSICIÓN DE FUNCIONES 4. APLICACIÓN LINEAL 5. PROPIEDADES Y CLASIFICACIÓN DE LAS APLICACIONES LINEALES 6. NÚCLEO E IMAGEN DE UNA APLICACIÓN LINEAL 7. DIMENSIONES DEL NÚCLEO Y LA IMAGEN. RANGO DE UNA APLICACIÓN LINEAL 8. MATRIZ ASOCIADA A UNA APLICACIÓN LINEAL 9. CAMBIO DE BASES DE REFERENCIA EN DOS ESPACIOS VECTORIALES Ejercicios CAPÍTULO 4 DIAGONALIZACIÓN DE MATRICES Y FORMAS CUADRÁTICAS. VECTORES EN. MÓDULO Y VECTOR UNITARIO 2. ADICIÓN Y PRODUCTO ESCALAR DE VECTORES EN 3. ESPACIO VECTORIAL EUCLIDIANO. PRODUCTO INTERIOR 4. ÁNGULO DE DOS VECTORES 5. ORTOGONALIDAD 6. CONJUNTO ORTOGONAL DE VECTORES 7. BASE ORTONORMAL 8. ORTONORMALIZACIÓN DE UNA BASE 9. VALORES Y VECTORES PROPIOS DE UNA MATRIZ. POLINOMIO CARACTERÍSTICO DE UNA MATRIZ CUADRADA. DETERMINACIÓN DE LOS VALORES Y VECTORES PROPIOS. MATRICES SEMEJANTES EN UNA APLICACIÓN LINEAL 2. POLINOMIO CARACTERÍSTICO DE UNA APLICACIÓN LINEAL 3. RAÍCES DEL POLINOMIO CARACTERÍSTICO Y DIAGONALIZACIÓN DE MATRICES 4. ECUACIÓN GENERAL DE LAS CÓNICAS. REDUCCIÓN 5. FORMAS CUADRÁTICAS 6. MATRIZ SIMÉTRICA ASOCIADA A UNA FORMA CUADRÁTICA 7. DIAGONALIZACIÓN DE MATRICES SIMÉTRICAS Y REALES 8. DIAGONALIZACIÓN ORTOGONAL 9. UN PROBLEMA FÍSICO DE APLICACIÓN Ejercicios 4

5 5

6 CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS TIPOS DE MATRICES 3. SUMA DE MATRICES 4. PRODUCTO DE MATRICES POR UN ESCALAR 5. PRODUCTO DE DOS MATRICES 6. MATRIZ INVERSA DE UNA MATRIZ CUADRADA 7. RANGO O CARACTERÍSTICA DE UNA MATRIZ 8. CÁLCULO DEL RANGO POR EL MÉTODO DE GAUSS 9. CÁLCULO DE LA MATRIZ INVERSA POR EL MÉTODO DE GAUSS DETERMINANTES. DETERMINANTES. DEFINICIÓN. CÁLCULO DE UN DETERMINANTE POR EL MÉTODO DE GAUSS 2. CÁLCULO DE UN DETERMINANTE POR LOS ELEMENTOS DE UNA FILA O COLUMNA 3. CÁLCULO DEL RANGO DE UNA MATRIZ MEDIANTE DETERMINANTES 4. CÁLCULO DE LA MATRIZ INVERSA MEDIANTE DETERMINANTES SISTEMAS DE ECUACIONES LINEALES 5. NOTACIÓN ORDINARIA Y MATRICIAL 6. SISTEMAS COMPATIBLES E INCOMPATIBLES, DETERMINADOS E INDETERMINADOS 7. RESOLUCIÓN POR REDUCCIÓN O MÉTODO DE GAUSS 8. RESOLUCIÓN MEDIANTE DETERMINANTES O MÉTODO DE CRAMER Ejercicios 6

7 CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN Una matriz es un conjunto de números dispuestos en filas y columnas escrito de la siguiente forma: donde el elemento situado en la fila, columna es el. Una matriz es rectangular si, y cuadrada si. La dimensión de una matriz es el producto. 2. ALGUNOS TIPOS DE MATRICES Matriz fila. Sólo tiene una fila. Ejemplo: Matriz columna. Sólo tiene una columna. Ejemplo: 5 9 Matriz triangular. Aquella en la que todos los elementos situados por encima o por debajo de la diagonal principal son nulos. Matriz transpuesta.. Se obtiene cambiando filas por columnas. Ejemplo: Sea la matriz , entonces Algunas propiedades de las matrices transpuestas son: 7

8 Matriz simétrica. Aquella que siendo cuadrada tiene los mismos elementos por encima y por debajo de la diagonal principal. Ejemplo: Matriz antisimétrica o hemisimétrica. Aquella que siendo cuadrada tienen los mismos elementos por encima y por debajo de la diagonal principal, pero cambiados de signo. Ejemplo: Matriz diagonal. Aquella que siendo cuadrada tiene todos los elementos, no pertenecientes a la diagonal principal, nulos. Ejemplo: 2 3 Matriz escalar. Aquella matriz diagonal con todos los elementos de la diagonal principal iguales. Ejemplo: Matriz unidad, canónica o identidad:. Aquella matriz escalar con todos los elementos de la diagonal principal iguales a. Por tanto, la matriz identidad de dimensión 3 3 es: Matriz nula o cero:. Aquella matriz que tiene todos sus elementos nulos. Ejemplo: 3. SUMA DE MATRICES Para sumar dos matrices y deben tener la misma dimensión. La suma se realiza elemento a elemento. Por ejemplo:

9 Propiedades Asociativa: Conmutativa: Elemento neutro:, siendo la matriz nula 4. PRODUCTO DE MATRICES POR UN ESCALAR El producto de la matriz por el escalar se calcula multiplicando todos los elementos de la matriz por el escalar. Por ejemplo: 5. PRODUCTO DE DOS MATRICES El producto de dos matrices se realiza multiplicando filas por columnas como se muestra en el siguiente ejemplo: donde tiene dimensión 2 3 mientras que la dimensión de es 3 2, de manera que la dimensión de es 3 3. En general, si la dimensión de es, la dimensión de debe ser para poderlas multiplicar, siendo la dimensión de. Propiedades Asociativa: En general, no cumple la propiedad conmutativa: Premultiplicar es multiplicar por la izquierda y postmultiplicar es hacerlo por la derecha. Así, en, premultiplica a, o postmultiplica a. Si es cuadrada, el elemento neutro del producto es :. 9

10 Distributiva respecto de la suma: Si y tienen matriz inversa (ver punto 6), entonces: Si, no es cierto, en general, que MATRIZ INVERSA DE UNA MATRIZ CUADRADA Si existe tal que entonces es la matriz inversa de, y se dice que es invertible o regular. Pero, si no existe, entonces es singular. 7. RANGO O CARACTERÍSTICA DE UNA MATRIZ Toda matriz de dimensión, leída fila a fila, es también un conjunto de vectores de dimensión. O, leída columna a columna, un conjunto de vectores de dimensión. El rango o característica de una matriz es el número de filas o de columnas (es decir, el número de vectores) linealmente independientes (LI). Propiedad El rango considerando la matriz por filas es igual al rango evaluado por columnas. 8. CÁLCULO DEL RANGO POR EL MÉTODO DE GAUSS Las transformaciones de filas o columnas que no modifican el rango son: Permutar dos filas o dos columnas. Multiplicar o dividir una fila o columna por un número distinto de cero. Sumar (o restar) a una fila o columna otra paralela. Suprimir filas o columnas nulas o combinación lineal de otras. Método de Gauss para determinar el rango de una matriz A continuación se expone el procedimiento a seguir para determinar el rango, conocido como método de Gauss o del pivote: Se elige como pivote un elemento no nulo. Los restantes elementos de su fila (o de su columna) se hacen nulos empleando las cuatro transformaciones anteriores. Se reitera el procedimiento eligiendo como pivote otro elemento no nulo no perteneciente ni a la fila ni a la columna del pivote anterior. Se vuelve a realizar, eligiendo otro pivote no nulo que no pertenezca ni a las filas ni a las columnas de los pivotes anteriores. Así sucesivamente hasta agotar todos los pivotes no nulos.

11 El rango es el número de las filas o de las columnas (el menor de los dos) cuyos elementos no sean todos nulos. Ejemplo Determinar el rango de la matriz Operando por filas (también se podría por columnas e incluso unas veces por filas y otras por columnas), se elige como pivote, por ejemplo, el elemento. Empleando la fila del pivote como operadora, se resta la fila ª de la 2ª y dos veces la fila ª de la 3ª. La matriz que resulta es: En esta nueva matriz, se elige como pivote uno que no sea nulo y no pertenezca ni a la fila ª ni a la columna ª, por ejemplo el. Empleando la fila del pivote como operadora, se resta dos veces la fila 2ª de la ª, dos veces la fila 2ª de la 3ª y la 2ª de la 4ª. La matriz que resulta es: En esta nueva matriz se elige como pivote uno que no sea nulo y no pertenezca ni a las filas ni a las columnas de los pivotes anteriores, por ejemplo el. Empleando la fila del pivote como operadora, se suma la fila ª con la 3ª, la 2ª con la 3ª y se resta la 3ª y la 4ª. La matriz que resulta es: El proceso ha finalizado pues no es posible elegir un nuevo pivote no nulo. En la última matriz se elimina la fila 4ª pues todos sus elementos son nulos. Por lo tanto, el rango es 3 y las tres primeras filas son vectores LI. 9. CÁLCULO DE LA MATRIZ INVERSA POR EL MÉTODO DE GAUSS Para determinar la inversa de una matriz se procede de la siguiente manera: se sitúa a su lado la matriz identidad y se sigue el método del epígrafe anterior a la matriz rectangular constituida por e. Tras sucesivas transformaciones se obtiene, si existe, según el esquema siguiente:

12 transformaciones de filas y columnas transformaciones de filas y columnas Ejemplo Calcular la matriz inversa de Paso º Paso 2º Paso 3º Paso 4º Paso 5º En el paso º se elige como pivote el elemento. En el paso 2º se resta la fila ª de la 2ª y dos veces la ª de la 3ª. Se elige como pivote el elemento 2. En el paso 3º se suma la fila 2ª con dos veces la 3ª. Se elige como pivote el elemento 5. En el paso 4º se resta cinco veces la fila ª de la 3ª y se suma cinco veces la 2ª y la 3ª. En el paso 4º se divide la fila ª por 5, la 2ª por y la tercera por 5. En estas condiciones, la matriz inversa es: A

13 DETERMINANTES. DETERMINANTES. DEFINICIÓN El determinante de una matriz cuadrada (se escribe o det ) es el número obtenido al sumar todos los productos posibles de sus elementos, de modo que en cada producto haya un elemento, y sólo uno, de cada fila y cada columna. El signo de cada producto es alternativamente positivo y negativo, siguiendo un orden relacionado con la posición de los elementos. El determinante de la matriz es: det El determinante de la matriz es: det Se ha desarrollando el determinante a través de los elementos de la primera fila, pero se podría haber empleado cualquier fila o columna, teniendo en cuenta el signo asociado a cada posición, tal como se representa a continuación para un determinante de 4 4: Propiedades El procedimiento se generaliza para. det det det det El determinante de una matriz diagonal o triangular es el producto de los elementos de la diagonal principal. Suma de determinantes: Veamos un ejemplo: El ejemplo se ha escrito empleando las primeras filas, pero se podría generalizar a cualquier fila o columna, pues dos determinantes se pueden sumar si tienen todas las filas (o las columnas) iguales menos una. Para multiplicar un determinante por un escalar basta multiplicar una fila o columna., aunque 3

14 Si se permutan dos filas o dos columnas el determinante cambia de signo. Si una fila o columna tiene todos los elementos nulos, el determinante es nulo. Un determinante es nulo si tiene dos filas o columnas combinación lineal. Si a una fila o columna se le suma otra paralela multiplicada por un número, el determinante no varía. Si el determinante de orden es nulo, el rango de su matriz es menor que : det. CÁLCULO DE UN DETERMINANTE POR EL MÉTODO DE GAUSS Empleando el método de Gauss del epígrafe 9 se puede calcular un determinante teniendo en cuenta que al multiplicar por un número la fila o columna a reemplazar, hay que dividir el determinante por dicho número. Basta obtener una matriz triangular, pues su determinante es el producto de la diagonal principal. También se pueden realizar otros cálculos combinados con el método de Gauss. Ejemplo Calcular el determinante de la matriz Elegido como pivote el elemento, multiplicamos por 5 la fila ª y restamos la 2ª para reemplazar esta última; como la fila 2ª ha sido multiplicada por, debemos tener en cuenta este factor. También multiplicamos la fila ª por 2 y le restamos la 3ª para reemplazarla, y hemos de tener presente de nuevo el factor por el que hemos multiplicado la fila 3ª. Por último, sumamos las filas ª y 4ª. La matriz que resulta es: Factores introducidos:, Se elige como pivote el 5. Multiplicamos por 5 la fila 3ª y le restamos la 2ª para reemplazar la 3ª (factor introducido: 5). Multiplicamos por 3 la fila 4ª y le restamos la 2ª para reemplazar la 4º (factor introducido: 3). No hace falta modificar la fila ª porque se trata de conseguir una matriz triangular. La matriz que resulta es: Factores introducidos: 5, 3 Se elige como pivote el 37. Multiplicamos por 6 la fila 3ª y le sumamos la 4ª multiplicada por 37 para reemplazarla (factor introducido: 37). No hace falta modificar las filas superiores. La matriz que resulta es: 4

15 El proceso ha finalizado pues se ha conseguido una matriz triangular superior. El determinante es: det CÁLCULO DE UN DETERMINANTE POR LOS ELEMENTOS DE UNA FILA O COLUMNA Se llama determinante adjunto o menor complementario del elemento al que resulta de eliminar la fila y la columna. La matriz del adjunto se llama cofactor o matriz complementaria. El signo del adjunto es alternativamente positivo o negativo, siguiendo el criterio explicado en el epígrafe. Todo determinante es igual a la suma de los elementos de una fila o columna, multiplicados por sus adjuntos. Ejemplo Ejemplo En el segundo ejemplo se han realizado cálculos por el método de Gauss combinados con el desarrollo por los elementos de una línea. 3. CÁLCULO DEL RANGO DE UNA MATRIZ MEDIANTE DETERMINANTES El rango de una matriz es el correspondiente al de la mayor matriz cofactor cuyo determinante menor complementario no sea nulo. En pocas palabras: el del «mayor menor» no nulo. Sea una matriz formada por vectores de dimensión con. Basta que un determinante de orden sea distinto de cero para que los vectores sean LI. Si fuese se analizaría la matriz traspuesta de manera análoga. Ejemplo Evaluar la dependencia o independencia lineal de los vectores de :, 3,, 7,, 2, 4, 6,, 2,. 5

16 Calculamos un determinante de tercer orden: 3 det como es distinto de cero, se puede asegurar que los tres vectores son LI. 4. CÁLCULO DE LA MATRIZ INVERSA MEDIANTE DETERMINANTES Se llama matriz adjunta de, y se escribe, a la obtenida al sustituir cada elemento por su determinante adjunto. Así, por ejemplo, sea se puede comprobar que Se demuestra que: det De esta expresión se deduce que es invertible si y sólo si. SISTEMAS DE ECUACIONES LINEALES 5. NOTACIÓN ORDINARIA Y MATRICIAL La notación ordinaria de un sistema de ecuaciones con incógnitas es: Si los términos independientes,, son todos nulos, se dice que el sistema es homogéneo. El mismo sistema se puede escribir con notación matricial. Sea la matriz de coeficientes: 6

17 Sea la matriz ampliada con los términos independientes: Sea la matriz columna de incógnitas: Y sea la matriz columna de términos independientes: por tanto Ejemplo La expresión matricial del sistema de ecuaciones es: 7 Premultiplicando esta igualdad por, si existe: Resolver el sistema de ecuaciones La matriz es: cuyo determinante es: lo que asegura que es invertible, de manera que:

18 por lo tanto de donde: es decir,, 2, SISTEMAS COMPATIBLES E INCOMPATIBLES, DETERMINADOS E INDETERMINADOS El criterio de Rouché-Frobenius establece que un sistema es compatible, es decir, tiene solución, si el rango de la matriz de coeficientes es igual al rango de la matriz ampliada. Caso contrario, es incompatible, y no tiene solución. Además, un sistema compatible es determinado si el rango de (o de ) es igual al número de incógnitas, y su solución es única; y es indeterminado si el rango es menor que, y tiene infinitas soluciones. 7. RESOLUCIÓN POR REDUCCIÓN O MÉTODO DE GAUSS Con el método de reducción o de Gauss lo que se convierte la matriz en una triangular, para así obtener un sistema de ecuaciones escalonado y equivalente (con las mismas soluciones que el dado). Ejemplo Resolver por el método de Gauss el sistema de ecuaciones, con: La matriz es: Siguiendo el método del epígrafe 9, se llega a la matriz triangular superior equivalente: 8

19 Se trata del siguiente sistema de ecuaciones escalonado: En la 4ª ecuación se calcula 2, cuyo valor se sustituye en la 3ª, obteniéndose 5. Se procede de manara análoga con la 2ª y ª ecuación, de manera que y. 8. RESOLUCIÓN MEDIANTE DETERMINANTES O MÉTODO DE CRAMER Se demuestra que la solución de un sistema determinado mediante determinantes (denominado método de Cramer) consiste en calcular cada incógnita siguiendo el esquema que se emplea en el siguiente ejemplo, generalizable para incógnitas: Ejemplo Resolver el sistema de ecuaciones por el método de Cramer Se trata del mismo sistema ya resuelto a través de la inversa de la matriz. El determinante de es: det 4 Las incógnitas se calculan como se expresa a continuación: det 8 5 det 2 5 ; det 2 8 det 2 5 2; det det 2 5 Se puede emplear el método de Cramer en sistemas indeterminados, teniendo ciertas precauciones. Veámoslo con un ejemplo. Ejemplo Resolver el sistema de ecuaciones por el método de Cramer 7 9

20 Pasando al segundo miembro: 7 la matriz de los coeficientes de y es: cuyo determinante es: 7 det M 2 Se le da a cualquier valor. Sea. Empleando el método de Cramer: 7 ; 7 Obsérvese que no sería válido resolver el sistema del enunciado pasando al segundo miembro: pues en ese caso la matriz sería: cuyo determinante es nulo. 7 2

21 Ejercicios. Se dice que una matriz es ortogonal si su inversa es igual a su transpuesta. Sean y dos matrices de orden n invertibles. es simétrica y ortogonal. Simplificar: 2. Sean y dos matrices tales que (matriz nula). Si es invertible, demostrar que tiene que ser la matriz nula. 3. Hallar la inversa de Hallar la matriz que verifica la identidad siendo 3, y Calcular el determinante de Vandermonde det Y generalizar el resultado hasta el exponente natural Resolver la ecuación det siendo 2 e identidad. 7. Hallar el rango de la siguiente matriz en función de los valores de sus parámetros: En el dominio de las matrices cuadradas de orden 5, demostrar: det 32 det 9. Si en el dominio de las matrices cuadradas de orden se satisface que, demostrar que es invertible y que ha de ser par Calcular el rango de

22 . Discutir y resolver según los valores de, el sistema: 2. Hallar la potencia n-sima de la matriz Sea 5 4, descomponer en una suma de una matriz simétrica y una 2 5 antisimétrica Demostrar que: det 2 det 2 2 det 2 det det 22

23 23

24 CAPÍTULO 2 ESPACIOS VECTORIALES DE DIMENSIÓN FINITA. ESTRUCTURA DE GRUPO Y CUERPO 2. ESTRUCTURA DE ESPACIO VECTORIAL 3. PROPIEDADES DE LOS ESPACIOS VECTORIALES 4. ESPACIOS VECTORIALES DE LAS FUNCIONES Y LAS MATRICES 5. SUBESPACIOS VECTORIALES 6. SUBESPACIO VECTORIAL: CONDICIÓN NECESARIA Y SUFICIENTE 7. INTERSECCIÓN, UNIÓN Y SUMA DE SUBESPACIOS 8. COMBINACIÓN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO DE VECTORES 9. INDEPENDENCIA Y DEPENDENCIA LINEAL. SISTEMA DE GENERADORES DE UN ESPACIO O SUBESPACIO VECTORIAL. BASE DE UN ESPACIO VECTORIAL. DIMENSIÓN 2. COORDENADAS DE UN VECTOR RESPECTO DE UNA BASE. RANGO 3. ECUACIONES PARAMÉTRICAS E IMPLÍCITAS DE UN SUBESPACIO VECTORIAL 4. CAMBIO DE BASE EN UN ESPACIO VECTORIAL 5. EJERCICIO RESUELTO DE LOS APARTADOS 8 AL 4 Ejercicios 24

25 CAPÍTULO 2 ESPACIOS VECTORIALES DE DIMENSIÓN FINITA. ESTRUCTURA DE GRUPO Y CUERPO Estructura de grupo Sea un conjunto y una operación que se efectúa con sus elementos; en adelante:,; se dice que, tiene estructura de grupo si: a) La operación es una ley de composición interna b) Se cumple la propiedad asociativa c) Existe el elemento neutro d) Existe el elemento inverso, Si los elementos de, además, cumplen la propiedad conmutativa: entonces, es un grupo abeliano. Estructura de cuerpo Sean y dos operaciones que se efectúan con los elementos de un conjunto ; en adelante,,; se dice que,, tiene estructura de cuerpo si: a), es un grupo abeliano b), es un grupo abeliano, donde es el elemento neutro de,, de manera que es el conjunto de los elementos de, excepto el. c) La operación es distributiva respecto a la operación +: Ejercicios,, E.. En el conjunto de los números enteros se define de la siguiente manera: 3. Comprobar si, tiene estructura de grupo abeliano. 25

26 E.2. En el conjunto de los números naturales se define de la siguiente manera: 3. Comprobar si, tiene estructura de grupo abeliano. E.3. Es,, cuerpo? ( y son la suma y el producto conocidos). E.4 Es,, cuerpo? ( el conjunto de los números racionales con y la suma y el producto conocidos). 2. ESTRUCTURA DE ESPACIO VECTORIAL Sea un conjunto no vacío (los elementos de se llaman vectores). Sea un cuerpo (los elementos de se llaman escalares). Sean y dos operaciones que en adelante llamaremos suma y producto. El objeto,,, es un espacio vectorial si: a), es un grupo abeliano. b) es una ley de composición externa en con escalares u operadores en c) Propiedad asociativa mixta ;, ; d) Propiedad distributiva del producto respecto de la suma en, ; e) Propiedad distributiva del producto respecto de la suma en ;, f) La unidad del cuerpo es el elemento neutro para el producto Nota: En adelante se entenderá que Ejercicios E.5. Sean y. Sea la adición definida en por,,,. Sea el producto de números reales por elementos de definido mediante la expresión,,. Demostrar que (,,, es un espacio vectorial. E.6. El mismo enunciado anterior, pero modificando la definición del producto:,,. Es (,,, un espacio vectorial? 26

27 E.7. El mismo enunciado, pero modificando la definición de la suma:,, 2,. Es(,,, un espacio vectorial? 3. PROPIEDADES DE LOS ESPACIOS VECTORIALES a) El producto del escalar por cualquier vector es el vector nulo b) El producto de cualquier escalar por el vector es el vector c) Si el producto de un escalar por un vector es el vector, entonces el escalar es o el vector es nulo. d) El opuesto de cualquier escalar por un vector es igual al opuesto de su producto 4. ESPACIOS VECTORIALES DE LAS FUNCIONES Y LAS MATRICES Se deja como ejercicio demostrar que las funciones sobre el cuerpo de los números reales constituyen un espacio vectorial; es decir, se cumple:, Se deja como ejercicio demostrar que las matrices reales de dimensión constituyen un espacio vectorial: : La función queda caracterizada por el conjunto: de manera que se cumple: 5. SUBESPACIOS VECTORIALES,,,,, Dados el espacio vectorial,,, y el conjunto,, si es un espacio vectorial sobre el mismo cuerpo y con las mismas leyes de composición que en, decimos que es un subespacio de. 27

28 Propiedades es subespacio de El subconjunto que contiene exclusivamente al vector nulo es también subespacio de. Se denomina subespacio nulo. Los demás subespacios de, distintos de y, se llaman subespacios propios. 6. SUBESPACIO VECTORIAL: CONDICIÓN NECESARIA Y SUFICIENTE Sea,, la condición necesaria y suficiente para que sea subespacio de es: Propiedad, ;, ; El vector nulo debe pertenecer a para afirmar que es un subespacio de. Ejercicios E.8. Demostrar que debe pertenecer a para afirmar que es subespacio de. E.9. En el espacio vectorial,,, con las operaciones conocidas y, determinar si los subconjuntos y son subespacios:, 2, E.. En el espacio vectorial,,, con las operaciones conocidas y, determinar si los subconjuntos siguientes,, y son subespacios:,,,,,,,, 2 7. INTERSECCIÓN, UNIÓN Y SUMA DE SUBESPACIOS La intersección de toda familia de subespacios de es un subespacio de. La unión de subespacios de no, en general, un subespacio de. Sean y dos subespacios de, el conjunto es la suma de y si:,, La suma de subespacios de es un subespacio de. Además, el subespacio es el menor de todos los subespacios que contienen a y a. Sean y dos subespacios de, el subconjunto es la suma directa de y, lo que denota escribiendo, si se verifica que y. Si, los dos subespacios y se denominan subespacios complementarios. 28

29 8. COMBINACIÓN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO DE VECTORES. COMBINACIÓN LINEAL DE VECTORES Sea,,, un espacio vectorial. Se llama combinación lineal de los vectores,,, a todo vector de la forma: Si la combinación lineal se llama trivial. SUBESPACIO VECTORIAL GENERADO POR UN CONJUNTO DE VECTORES Sea,,, un espacio vectorial y sea,,,, el subconjunto se denomina variedad lineal generada por el conjunto. El conjunto es un subespacio de que recibe el nombre de subespacio vectorial generado (o engendrado) por,,,. Propiedades Ejercicios E.. Comprobar si los vectores,, 3 y, 2, 2 son combinación lineal de los vectores,, 2 y, 2, 4. E.2. En el espacio vectorial,,, se consideran las matrices, y. Determinar todas las combinaciones lineales de,, que permiten obtener la matriz nula. 9. INDEPENDENCIA Y DEPENDENCIA LINEAL Sea,,, un espacio vectorial y sea,,,, se dice que es un sistema linealmente independiente (LI) o sistema libre si la única combinación lineal (CL) de ellos que vale es aquella en la que todos los escalares son nulos, es decir, es la trivial: Se dice que es un sistema linealmente dependiente (LD) o sistema ligado si no es un sistema libre, esto es, si existen algunos escalares no todos nulos tales que: 29

30 algún Propiedades Todo vector no nulo es un conjunto LI. El vector nulo es LD. Todo conjunto al que pertenezca el vector nulo es LD. Un vector es CL de toda familia que lo contenga. Un conjunto de vectores es LD si algún vector es CL de los demás. Un conjunto de vectores es LI si ningún vector es CL de los demás. Si un sistema de vectores es LD, entonces también lo es cualquier sistema que resulte de añadir algún vector a. Si un sistema de vectores es LI, entonces también lo es cualquier sistema que resulte de prescindir de alguno de los vectores de. Para averiguar si un conjunto de vectores es LI o LD basta aplicar el método de Gauss o del pivote. Si empleando las transformaciones del método es posible conseguir el vector nulo, entonces el conjunto es LD; en caso contrario es LI. Propiedades En el espacio -dimensional, vectores son LD. (Ej. Cuatro vectores de tres dimensiones son LD). Un conjunto de vectores -dimensionales es LD si su determinante es nulo. Ejercicios E. 3. En el espacio vectorial,,,, determinar si los siguientes vectores son LI: a),,,,,,,, ; b),,,,, 2,,,. E.4. Demostrar que las matrices,, son vectores LI. E.5. Demostrar que el espacio vectorial de los polinomios reales sobre el cuerpo definido por ; 2 son LI. E.6. Estudiar la dependencia o independencia lineal de los vectores 2 y 3 en el espacio vectorial,,, y en el espacio vectorial,,,. E.7. Determinar para que sean LD los vectores, 4, 6,, 4, 4 y, 4,.. SISTEMA DE GENERADORES DE UN ESPACIO O SUBESPACIO VECTORIAL Sea,,, un espacio vectorial y,,, un subespacio vectorial, se dice que los vectores de son un sistema de generadores (SG) de si todo vector de es CL de,,,. Un SG puede ser LI ó LD. 3

31 Ejemplo El conjunto,,,,, es un SG de. En efecto, sea, cualquier vector de ; deben existir escalares,, tales que:,,,,. Es decir,,. Para,,,. Por tanto, es un SG de y cualquier vector puede expresarse de infinitas maneras como CL de los vectores de. Obsérvese, sin embargo, que los vectores de son LD. Ejercicio E. 8. Determinar si los vectores,,,,,,,, son un SG de.. BASE DE UN ESPACIO VECTORIAL. DIMENSIÓN BASE Sea,,, un conjunto de vectores del espacio,,,. El conjunto es una base de,,, si es un conjunto LI y SG de. Se llama base canónica de a la formada por los vectores: Ejemplo,,,,,,,,..,,,, Determinar una base del subespacio de,,, definido de la siguiente manera:,,. Si,, es un vector genérico de, entonces,,,,,,,,,,,,. De donde se deduce que los vectores,, y,, son una base de pues son SG y LI. Ejercicio E. 9. Proponer una base en cada caso: a),,, b),,, c),,, d),,,. es el conjunto de los números complejos. DIMENSIÓN Sea un subespacio de. Todas las bases de tienen el mismo número de vectores. Este número se denomina dimensión de y se representa dim. Propiedades La dimensión de un espacio vectorial es la dimensión de cualquiera de sus bases. 3

32 dim, por definición. Un conjunto de vectores LI de un espacio vectorial -dimensional es una base. Todo SG de vectores de un espacio vectorial -dimensional es una base. Si es una base de dimensión del espacio vectorial, entonces vectores de forman un conjunto LD. Si es un subespacio de y dim dim entonces. La dimensión de un subespacio vectorial es el número máximo de vectores de que son LI. Además, dim es el número mínimo de vectores de un SG de. Fórmula de Grassmann. Si y son dos subespacios vectoriales, se verifica: Ejemplo dim dim dim dim Determinar la dimensión de la suma de y :,, ;,,. Si,, es un vector genérico de, entonces,,,,,,,,,,,,. Por tanto, dim 2. Si,, es un vector genérico de, entonces,,,,,,,,,,,,. Por tanto, dim 2. Como el vector común a las bases de y es,,, entonces dim. De donde se deduce que: dim dim dim dim Teorema de Steinitz (también llamado teorema de la base incompleta o teorema de extensión a una base). Sea,,, un espacio vectorial de dimensión,,,, una base de y el conjunto,,, un sistema libre de vectores de, con. Entonces existe algún sistema de vectores de tal que es una base de. Además, los vectores de se pueden tomar de entre los de un base cualquiera,,, de. 2. COORDENADAS DE UN VECTOR RESPECTO DE UNA BASE. RANGO COORDENADAS DE UN VECTOR Todo vector queda identificado mediante una única CL de los vectores de una base dada. Estos coeficientes son las coordenadas del vector en la citada base. Se trata, pues, de expresar un vector como CL de los vectores de una cierta base,,,, de manera que:. Es decir, Ejemplo,,, Sea el conjunto, 2,,, 3,,,,. Comprobar que es una base de y determinar las coordenadas del vector, 2, 3 respecto a dicha base. 32

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

Capitán 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 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

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

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

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

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

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

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. 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 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

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

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

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)

Tema 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 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

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:

Nota 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 detalles

CURSO 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 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 detalles

Vectores en el espacio

Vectores 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 detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema 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 detalles

1. ESPACIOS VECTORIALES

1. 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 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

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

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

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

Tema 3: Producto escalar

Tema 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 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

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

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

1. 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 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

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

Definición de vectores

Definición de vectores Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre

Más detalles

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente. ÁLGEBRA DE MATRICES Página 49 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes

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

Ecuaciones de primer grado con dos incógnitas

Ecuaciones 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 detalles

VECTORES. 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. 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 detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso 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 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

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

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

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

a < b y se lee "a es menor que b" (desigualdad estricta) a > b y se lee "a es mayor que b" (desigualdad estricta)

a < b y se lee a es menor que b (desigualdad estricta) a > b y se lee a es mayor que b (desigualdad estricta) Desigualdades Dadas dos rectas que se cortan, llamadas ejes (rectangulares si son perpendiculares, y oblicuos en caso contrario), un punto puede situarse conociendo las distancias del mismo a los ejes,

Más detalles

3.- DETERMINANTES. a 11 a 22 a 12 a 21

3.- DETERMINANTES. a 11 a 22 a 12 a 21 3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles

Más detalles

Formas bilineales y cuadráticas.

Formas 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 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

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

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.

VECTORES 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 detalles

Grupos. Subgrupos. Teorema de Lagrange. Operaciones.

Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1 Tema 1.-. Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1.1. Primeras definiciones Definición 1.1.1. Una operación binaria en un conjunto A es una aplicación α : A A A. En un lenguaje más coloquial

Más detalles

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores

EJERCICIOS 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 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

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales

Matemáticas 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 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 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

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental

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

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

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 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

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

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN

ESPACIO 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 detalles

9.1 Primeras definiciones

9.1 Primeras definiciones Tema 9- Grupos Subgrupos Teorema de Lagrange Operaciones 91 Primeras definiciones Definición 911 Una operación binaria en un conjunto A es una aplicación α : A A A En un lenguaje más coloquial una operación

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

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. INVERSA DE UNA MATRIZ REGULAR

1. INVERSA DE UNA MATRIZ REGULAR . INVERSA DE UNA MATRIZ REGULAR Calcular la inversa de una matriz regular es un trabajo bastante tedioso. A través de ejemplos se expondrán diferentes técnicas para calcular la matriz inversa de una matriz

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

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

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,

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

Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo

Polinomios: Definición: Se llama polinomio en x de grado n a una expresión del tipo Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo P (x) = a 0 x n + a 1 x n 1 +... + a n Donde n N (número natural) ; a 0, a 1, a 2,..., a n son coeficientes reales

Más detalles

PROBLEMA 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 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 detalles

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad

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

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES

FORMA 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 detalles

3.1 DEFINICIÓN. Figura Nº 1. Vector

3.1 DEFINICIÓN. Figura Nº 1. Vector 3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado

Más detalles

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos.

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Prof. D. Miguel Ángel García Hoyo. Septiembre de 2011 Dependencia lineal

Más detalles

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES INECUACIONES NOTA IMPORTANTE: El signo de desigualdad de una inecuación puede ser,, < o >. Para las cuestiones teóricas que se desarrollan en esta unidad únicamente se utilizará la desigualdad >, siendo

Más detalles

LÍMITES Y CONTINUIDAD DE FUNCIONES

LÍMITES Y CONTINUIDAD DE FUNCIONES Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos

Más detalles

, o más abreviadamente: f ( x)

, o más abreviadamente: f ( x) TEMA 5: 1. CONCEPTO DE FUNCIÓN Observa los siguientes ejemplos: El precio de una llamada telefónica depende de su duración. El consumo de gasolina de un coche depende de la velocidad del mismo. La factura

Más detalles

4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA

4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA 4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA Una ecuación con una incógnita es de segundo grado si el exponente de la incógnita es dos. Ecuaciones de segundo grado con una incógnita son: Esta última ecuación

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

APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO

APUNTES 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 detalles

Ejercicios resueltos de vectores

Ejercicios resueltos de vectores Ejercicios resueltos de vectores 1) Sean a(2,-1,3), b(3,0,-2) y c(-2,-2,1), realiza las siguientes operaciones con vectores: a) 3a + b - c b) a -2b c) a c 2) Utilizando los vectores del ejercicio 1, comprueba

Más detalles

Geometría analítica. Impreso por Juan Carlos Vila Vilariño Centro I.E.S. PASTORIZA

Geometría analítica. Impreso por Juan Carlos Vila Vilariño Centro I.E.S. PASTORIZA Conoce los vectores, sus componentes y las operaciones que se pueden realizar con ellos. Aprende cómo se representan las rectas y sus posiciones relativas. Impreso por Juan Carlos Vila Vilariño Centro

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

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

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

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

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid Grado en Ingeniería en Tecnologías Industriales Grado en Ingeniería Química Apuntes de Álgebra ( Curso 2014/15) Departamento de Matemática

Más detalles

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace

Más detalles

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................

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

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

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

Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0.

Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. NÚMEROS COMPLEJOS. INTRO. ( I ) Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. Si bien esto no era un problema

Más detalles

3. Equivalencia y congruencia de matrices.

3. Equivalencia y congruencia de matrices. 3. Equivalencia y congruencia de matrices. 1 Transformaciones elementales. 1.1 Operaciones elementales de fila. Las operaciones elementales de fila son: 1. H ij : Permuta la fila i con la fila j. 2. H

Más detalles

Tema 7: Valores y vectores propios

Tema 7: Valores y vectores propios Tema 7: es y clausura s Espacios y Permutaciones es y clausura Una permutación p = {p 1, p 2,..., p n } de los números {1, 2,..., n} es una nueva ordenación de los elementos {1, 2,..., n}, es decir, un

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

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { }

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { } I. RELACIONES Y FUNCIONES PAREJAS ORDENADAS Una pareja ordenada se compone de dos elementos x y y, escribiéndose ( x, y ) donde x es el primer elemento y y el segundo elemento. Teniéndose que dos parejas

Más detalles

Álgebra lineal y matricial

Álgebra lineal y matricial Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen

Más detalles

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008

Más detalles

Relaciones binarias. ( a, b) = ( c, d) si y solamente si a = c y b = d

Relaciones binarias. ( a, b) = ( c, d) si y solamente si a = c y b = d Relaciones binarias En esta sección estudiaremos formalmente las parejas de objetos que comparten algunas características o propiedades en común. La estructura matemática para agrupar estas parejas en

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles