Objetivos: Al inalizar la unidad, el alumno:

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

Download "Objetivos: Al inalizar la unidad, el alumno:"

Transcripción

1 Unidad 3 espacios vectoriales Objetivos: Al inalizar la unidad, el alumno: Describirá las características de un espacio vectorial. Identiicará las propiedades de los subespacios vectoriales. Ejempliicará los conceptos de espacio y subespacio vectorial. Identiicará las características de los vectores linealmente independientes y linealmente dependientes. Construirá el wronskiano.

2

3 Álgebralineal Introducción El estudio de vectores comenzó con el trabajo del gran matemático irlandés sir William Hamilton ( ). Aunque en su época se consideró que los vectores no tenían ninguna utilidad, en la actualidad se usan cada vez más frecuentemente en física clásica y moderna y aun en las ciencias biológicas y sociales 1. En la unidad 1 se manejó a los vectores como un conjunto ordenado o n ada de números reales, y como matrices de orden 1 n, ejemplos de ellos son los puntos del plano cartesiano R 2 y del espacio R 3. Para muchas aplicaciones físicas (incluyendo nociones de fuerza, velocidad, aceleración y momento) es importante pensar en el vector no como un punto sino como una entidad que tiene longitud y dirección.. Es decir, vamos a representar los vectores (x,y) de R 2 como una flecha que parte del origen y que termina en el punto (x,y). Figura 3.1. A lo largo de esta unidad definiremos espacios vectoriales cuyos elementos no sean flechas sino objetos más abstractos; sin embargo, siempre regresaremos a R 2 como ejemplo con el fin de visualizar los conceptos, propiedades o resultados Definición de espacio vectorial La notación de los vectores será con letras minúsculas en negritas y la de los escalares reales con letras minúsculas. La siguiente definición nos permite tener una generalización de espacios vectoriales donde los objetos no necesariamente son n eadas de puntos de R n. 1 Véase el libro de Morris Kline, Mathematical Thought from Ancient to Modern Times, Oxford University Press,

4 Unidad 3 Definición 3.1. Sea V un conjunto de objetos, junto con dos operaciones llamadas suma y multiplicación por un escalar. Entonces V se llama espacio vectorial real si se satisfacen los siguientes axiomas: i) Si x V y y V entonces la suma x + y V. (Cerradura bajo la suma.) ii) Para todo x, y y z en V, (x + y) + z = x + (y + z). (Ley asociativa de la suma.) iii) Existe un vector 0 V tal que para todo x V, x + 0 = 0 + x = x. (El 0 se llama vector cero o idéntico aditivo.) iv) Si x V existe un vector x en V tal que x + ( x) = 0 ( x se llama inverso aditivo de x.) v) Si x y y están en V, entonces x + y = y + x. (Ley conmutativa de la suma de vectores.) vi) Si x V y α es un escalar, entonces α x V. (Cerradura bajo la multiplicación por un escalar.) vii) Si x y y están en V y α es un escalar, entonces α(x + y) = αx + αy (Primera ley distributiva.) viii) Si x V y α y β son escalares, entonces (α + β) x = αx + βx (Segunda ley distributiva.) ix) Si x V y α y β son escalares, entonces α(βx) = (α β)x (Ley asociativa de la multiplicación por escalares.) x) Para cada vector x V, 1x = x Ejemplos de espacios vectoriales Vamos a considerar en este apartado diversas clases de ejemplos de conjuntos que son espacios vectoriales y otros que no lo son: 1. Consideremos los vectores en el plano cartesiano R 2. Vamos a probar que R 2 es un espacio vectorial: Tomando los vectores a = (x 1 ) y b = (x 2, y 2 ), entonces definimos la suma de a y b como a + b = (x 1 ) + (x 2, y 2 ) = (x 1 + x 2 + y 2 ) R 2 y por lo tanto satisface i). Los puntos ii) hasta el x) se obtienen de la definición de suma de matrices, ya que los puntos de R 2 se consideran matrices de 1 2. Podemos generalizar este resultado a las n adas reales (x 1, x 2,, x n ) de R n. 2. Sea V = {0}. Es decir, V consiste sólo del número 0. Vamos a demostrar que V es un espacio vectorial que recibe el nombre de espacio vectorial trivial. 106

5 Álgebralineal i) Como = 0 V ii) (0 + 0) + 0 = 0 = 0 + (0 + 0) iii) = 0 iv) 0 + ( 0) = 0 v) = vi) α0 = 0 V vii) α(0 + 0) = 0 = α0 + α0 viii) (α + β)0 = 0 = α0 + β0 ix) α(β0) = α0 = 0 = (αβ)0 x) 1(0) = 0 Por lo tanto, V es un espacio vectorial. 3. Sea V = {1}. Tal que los elementos de V pertenecen a los naturales. Este no es un espacio vectorial ya que = 2 V, es decir no es cerrado bajo la suma. 4. El conjunto de puntos de R 2 que están en una recta que pasa por el origen. Sea V = {(x,y) R 2, tales que y = mx, donde m es un número real fijo}. Sean x = (x 1 ) y y = (x 2, y 2 ) en V. Entonces y 1 = mx 1 y y 2 = mx 2 y podemos escribir a x y y como sigue: x = (x 1, mx 1 ) y y = (x 2, mx 2 ) i) x + y = (x 1, mx 1 ) + (x 2, mx 2 ) = (x 1 + x 2, mx 1 + mx 2 ); si factorizamos el segundo término obtenemos mx 1 + mx 2 = m(x 1 + x 2 ), entonces x + y = (x 1 + x 2, m[x + x ]) que es un elemento de V. 1 2 iv) Supón que x = (x, y) está en V, entonces y = mx. Definimos x = ( x, y) de donde obtenemos que y = (mx) = m( x). Por lo tanto x está en V. De igual manera se prueban todas las demás propiedades ya que R 2 es un espacio vectorial. 5. El conjunto de puntos de R 2 que están en una recta que no pasa por el origen no es un espacio vectorial. Sea V = {(x,y) R 2, tales que y = mx + b, donde m y b son números reales fijos}. 107

6 Unidad 3 Si x = (x 1 ) y y = (x 2, y 2 ) en V, entonces y 1 = mx 1 + b y y 2 = mx 2 + b, de donde x + y = (x 1, mx 1 + b) + (x 2, mx 2 + b) = (x 1 + x 2, mx 1 + b + mx 2 + b), pero mx 1 + b + mx 2 + b = m(x 1 + x 2 ) + 2b, y por lo tanto este elemento no está en V, es decir V no es cerrado bajo la suma. 6. Sea M m n el conjunto de matrices de m n con entradas en R. Por las propiedades de las matrices de suma y producto por un escalar es claro que el conjunto M m n es un espacio vectorial. 7. El conjunto P n, formado por polinomios de coeficientes reales de grado menor o igual a n. Si p P n, entonces p = a n x n + a n 1 x n a 1 x + a 0 donde todas las a i son reales. Si p y q P n, donde q = b n xn + b n 1 x n b 1 x + b 0 entonces, p + q = (a n + b n )x n + (a n 1 + b n 1 ) x n 1 + (a 1 + b 1 ) x + (a 0 + b 0 ) P n. Las propiedades ii) y v) a x) son consecuencia de la suma y producto de polinomios. iii) Definimos el polinomio 0 = 0x n + 0x n x + 0 P n iv) Definimos el polinomio p = a n x n a n 1 x n 1 a 1 x a 0 P n Por lo que podemos concluir que P n es un espacio vectorial. 8. Sea C [0,1] el conjunto de todas las funciones continuas de valores reales definidas en el intervalo [0,1]. Si f y g C [0,1] definimos (f + g) (x) = f(x) + g(x) y (αf) (x) = α[f(x)]. Como la suma de funciones continuas es continua, el axioma i) se cumple; los otros axiomas se cumplen si definimos las funciones cero como 0(x) = 0; y ( f )(x) = [f(x)]. Por lo que C [0,1] es un espacio vectorial. 0 α 9. Sea H el conjunto de las matrices de 2 2 de la forma 0 0 donde α Consideremos las matrices A = y B = tenemos que A, B y sin embargo A+B = = 0 0. Como la matriz cero no está en H, podemos asegurar que H no es un espacio vectorial. 108

7 Álgebralineal 10. Sea F el conjunto de matrices de 2 2 definida como 0 α y sean α y β escalares. Hagamos un primer caso, en el cual tenemos una matriz 0 0 de la cual α=5 y sea β =2, tenemos que al efectuar el producto del escalar por la matriz se tiene que: ( 2) 0 0 =, esta matriz es un espacio 0 0 vectorial de F, ya que se define para cualquier matriz de Un segundo caso es que tenemos una matriz de la forma y β=6 un escalar, que al efectuar el producto del escalar por la matriz tenemos: 0 0 que es la matriz cero, que también es un espacio vectorial de F. 0 2 Un tercer caso es que se tiene la matriz y un escalar α=0, de 0 0 igual manera al efectuar el producto de este escalar por la matriz tenemos ( 0) 0 0 =, de lo que se observa que se obtiene la matriz cero, que es 0 0 un espacio vectorial de F. De los ejemplos anteriores se puede ver demostrado el siguiente teorema. Teorema 3.1. Sea V un espacio vectorial. Entonces: i) α 0 = 0 para todo escalar α ii) 0 x = 0 para todo x en V iii) Si αx = 0, entonces α = 0 o x = 0 (o ambos) iv) ( 1)x = x para todo x en V. 109

8 Unidad 3 Ejercicio 1 Menciona si los siguientes conjuntos son o no espacios vectoriales. En caso de no serlo menciona cuál de las propiedades es la que no se cumple: 1. El conjunto de puntos de R 2 de la forma {(x,y) R 2, tales que y = 3x} 2. El conjunto de puntos de R 2 de la forma {(x,y) R 2, tales que y = 3x + 2} 3. Los puntos de R 2 que se encuentran en el primer cuadrante, es decir {(x,y) R 2, tales que x 0, y 0}. 4. El conjunto de matrices de orden 2 2 que tienen la forma escalares. 0 b a 0, a, b 5. R 2 con la suma definida por (x 1 ) + (x 2, y 2 ) = (x 1 + x y 2 + 1), y la multiplicación por escalar ordinaria. 6. El conjunto de vectores (x, y, z) en R 3 donde 2x y 12z = Subespacios vectoriales En la sección anterior se vio que tanto R 2 como un subconjunto de R 2 son espacios vectoriales, como ejemplo sea V = {(x, y) tales que y = mx}; ve los ejemplos 1 y 4 sección 3.2. Es evidente que V R 2, y por lo tanto el espacio vectorial R 2 tiene un subconjunto que también es espacio vectorial. Definición 3.2. Sea H un subconjunto no vacío de un espacio vectorial V. Entonces H se llama subespacio vectorial de V si H es un espacio vectorial bajo las operaciones de suma y multiplicación por escalar definidas en V. Se puede decir que un subespacio vectorial H hereda las operaciones del espacio vectorial V. De donde se desprende el siguiente teorema: Teorema 3.2. Un subconjunto no vacío H de un espacio vectorial V es un subespacio vectorial de V si se cumplen las propiedades de cerradura: i) Si x H y y H, entonces x + y H. ii) Si x H, entonces αx H para todo escalar α. 110

9 Álgebralineal Notas: 1. Este teorema nos dice que basta probar que la suma de elementos de H y el producto por un escalar están en H para que H sea un subespacio vectorial. 2. Se encuentra contemplado en el resultado anterior que Todo subespacio de un espacio vectorial contiene a 0. Ejemplo 1 a) Para cualquier espacio vectorial V, el subconjunto H = {0} es un subespacio vectorial llamado subespacio trivial. i) = 0 H ii) α0 = 0 H Por lo tanto H = {0} es subespacio vectorial de V. b) Sea V cualquier espacio vectorial, entonces V es un subespacio de sí mismo. c) Sea H = {(x, y, z) R 3 tales que x = at, y = bt, z = ct }, entonces H es un subconjunto de R 3. i) Sean x = (x 1, z 1 ) y y = (x 2, y 2, z 2 ) H, entonces x 1 = at 1 = bt 1, z 1 = ct 1 y x 2 = at 2, y 2 = bt 2, z 2 = ct 2 x + y = (x 1 + x 2 + y 2, z 1 + z 2 ), de donde tenemos que: x 1 + x 2 = at 1 + at 2 = a(t 1 + t 2 ) y 1 + y 2 = bt 1 + bt 2 = b(t 1 + t 2 ) z 1 + z 2 = ct 1 + ct 2 = c(t 1 + t 2 ) y por lo tanto x + y H ii) Sea x = (x 1, z 1 ) H y α un escalar, entonces x 1 = at 1 = bt 1, z 1 = ct 1 αx = α(x 1, z 1 ) = (αx 1, αy 1, αz 1 ) de donde tenemos que: αx 1 = α(at 1 ) = a(αt 1 ); αy 1 = α(bt 1 ) = b(αt 1 ); αz 1 = α(ct 1 ) = c(αt 1 ) y por tanto, αx H 111

10 Unidad 3 iii) 0 = (0, 0, 0) H ya que 0 = 0t. Por lo tanto podemos asegurar que H es un subespacio vectorial de R 3. d) Consideremos el espacio vectorial M n n y sea H = {A M n n A es invertible}. (Recordemos que una matriz es invertible si su determinante es distinto de cero). Consideremos la matriz cero de M n n, como su determinante es cero no es invertible, por lo tanto la matriz cero no está en H y en consecuencia H no es subespacio vectorial de M n n e) Sea H = {(x, y, z) R 3 tales que z = 1} es un subconjunto de R 3. i) Sean x = (x 1, z 1 ) y y = (x 2, y 2, z 2 ) H, entonces z 1 = z 2 = 1 x + y = (x 1 + x 2 + y 2, z 1 + z 2 ) de donde tenemos que: z 1 + z 2 = = 2 y por lo tanto, x + y H y H no es subespacio vectorial. El siguiente teorema nos dice que podemos intersectar espacios vectoriales para obtener otros subespacios vectoriales. Teorema 3.3. Si H 1 y H 2 son subespacios vectoriales de V. Entonces H 1 H 2 es un subespacio vectorial de V. Ejemplo 2 Sean H 1 = {(x, y) R 2, tales que 2x y = 0} y H 2 = {(x, y) R 2, tales que x + 2y = 0} subespacios vectoriales de R 2 entonces, por el teorema anterior H 1 H 2 = {(x, y) R 2, tales que 2x y = 0 y x + 2y = 0} es un subespacio vectorial de R 2, por lo tanto H 1 H 2 = {(0,0)} es subespacio vectorial. 112

11 Álgebralineal Ejercicio 2 Determina en cada caso si el subconjunto dado H del espacio vectorial V es un subespacio vectorial de V. 1. V = R 2 : H = {(x, y) tales que x = y}. 2. V = R 2 : H = {(x, y) tales que x 2 + y 2 1}. 3. V = M n n : H = {A M n n donde A es triangular superior}. a b 4. V = M 2 2 : H = A M2 2 tal que A =. b c 3.4. Combinación lineal y vectores generadores de un espacio vectorial En esta sección veremos cuándo un conjunto de vectores puede generar un espacio vectorial. Para esto necesitaremos los conceptos de combinación lineal, conjunto que genera y espacio generado. Definición 3.3. Sean v 1,...,v n vectores en un espacio vectorial V. Entonces cualquier vector de la forma v=a 1 v 1 + a 2 v a n v n donde a 1, a 2,..., a n son escalares, se llama combinación lineal de v 1,..., v n. Ejemplo 3 a) Consideremos los siguientes vectores en R 2, (1, 0) y (0, 1), entonces cualquier vector de R 2 se puede escribir como combinación lineal de (1, 0) y (0, 1) ya que (x, y) = x (1, 0) + y (0, 1). b) En R 3, ( 7, 7, 7) es una combinación lineal de ( 1, 2, 4) y (5, 3, 1) ya que ( 7, 7, 7) = 2( 1, 2, 4) (5, 3, 1). 113

12 Unidad 3 c) Consideremos en M = por lo que es una combinación lineal de y d) Cualquier polinomio de P n (polinomios de grado menor o igual a n) se puede escribir como combinación lineal de los polinomios: 1, x, x 2, x 3,... x n 1, x n. Definición 3.4. Un conjunto de vectores {v 1,..., v n } de V generan a V si todo vector de V se puede escribir como combinación lineal de ellos. Es decir, si para todo v en V existen a 1, a 2,..., a n, escalares de modo que v = a 1 v 1 + a 2 v a n v n. Ejemplo 4 a) En el ejemplo 3a) de la definición 3.3. vimos que cualquier vector de R 2 podía escribirse como combinación lineal de los vectores i = (1, 0) y j = (0, 1) de R 2 ; por lo tanto podemos decir que {i, j} generan a R 2. b) De igual manera podría probarse que los vectores de R 3 : i = (1, 0, 0), j = (0, 1, 0) y k = (0, 0, 1) generan a todo R 3. c) Consideremos a c b d en M, entonces: 2 2 a b a b c d c d = por lo que podemos decir que las matrices,, y generan a M d) Los polinomios 1, x, x 2, x 3,... x n 1, x n generan a P n (véase ejemplo 3 inciso d). e) El conjunto de vectores de R 2 H = {(1, 1), ( 3, 3)} no puede generar a R

13 Álgebralineal Considera el vector (1, 0) de R 2, si H generara a R 2, entonces existirían a y b escalares de modo que (1, 0) = a(1, 1) + b( 3, 3) de donde tenemos el siguiente sistema de ecuaciones: a 3b = 1 y a 3b = 0 pero el sistema no tiene solución, por lo tanto H no genera a R 2. f) Consideremos el conjunto H = {(2, 3), (1, 2)}. Vamos a ver si H genera a R 2. Sea (x, y) en R 2, si H generara a R 2, existirían a y b de modo que (x, y) = a(2, 3) + b(1, 2), de donde obtenemos el sistema de ecuaciones: 2a + b = x, 3a 2b = y 2x+ y 3x 2y resolviendo el sistema obtenemos que a =, b =, de donde podemos asegurar que H sí genera a R De acuerdo con los ejemplos anteriores, no podemos suponer que cualquier conjunto de vectores genera a todo el espacio vectorial. La siguiente definición nos aclara este asunto: Definición 3.5. Sean {v 1,..., v k } k vectores de un espacio vectorial V. Denotado por gen {v 1,..., v k }, el espacio generado por {v 1,..., v k } es el conjunto de todas las combinaciones lineales de v 1,..., v k, es decir, gen {v 1,..., v k } = {v V tales que v = a 1 v 1 + a 2 v a k v k } Aquí surge una pregunta: el espacio generado por un conjunto de vectores es un espacio vectorial? El siguiente teorema contesta esa pregunta. Teorema 3.4. Si v 1,..., v k son k vectores de un espacio vectorial V, entonces gen {v 1,..., v k } es un subespacio vectorial de V. Ejemplo 5 a) Sean v 1 = (2, 1, 4) y v 2 = (4, 1, 6) elementos de R 3. Sea H = gen {v 1 } = {a 1 v 1 + a 2 v 2 } se tiene que si (x, y, z) está en H, entonces 115

14 Unidad 3 (x, y, z) = a 1 v 1 + a 2 v 2 = a 1 (2, 1, 4) + a 2 (4, 1, 6) = (2a 1 + 4a 2, a 1 + a 2, 4a 1 + 6a 2 ) de donde obtenemos x = 2a 1 + 4a 2, y = a 1 + a 2, z = 4a 1 + 6a 2 para algunas a 1 y a 2. Usaremos el teorema 3.2 para probar que H es un subespacio vectorial de R 3. i) Sean x = (x 1, z 1 ) y y = (x 2, y 2, z 2 ) elementos de H, entonces existen a 1, a 2, b 1 y b 2 tales que x 1 = 2a 1 + 4a 2 = a 1 + a 2, z 1 = 4a 1 + 6a 2 y x 2 = 2b 1 + 4b 2, y 2 = b 1 + b 2, z 2 = 4b 1 + 6b 2 entonces x + y = (x 1 + x 2 + y 2, z 1 + z 2 ) de donde, x 1 + x 2 = 2(a 1 + b 1 ) + 4( a 2 + b 2 ) y 1 + y 2 = (a 1 + b 1 ) + (a 2 + b 2 ) z 1 + z 2 = 4(a 1 + b 1 ) + 6(a 2 + b 2 ) por lo cual x + y está en H. ii) Sea α un escalar, entonces αx = α(x 1, z 1 ) = (αx 1, αy 1, αz 1 ) de donde αx 1 = α(2a 1 + 4a 2 ) = 2αa 1 + 4αa 2 αy 1 = α( a 1 + a 2 ) = αa 1 + αa 2 αz 1 = α(4a 1 + 6a 2 ) = 4αa 1 + 6αa 2 por lo cual αx está en H. Por lo tanto, H es un subespacio vectorial de R 3. El siguiente teorema nos indica que si agregamos un vector a un conjunto generador, el conjunto que resulta también es generador del mismo espacio vectorial. Teorema 3.5. Sean {v 1,..., v n, v n+1 } vectores de un espacio vectorial V. Si {v 1,..., v n } genera a V, entonces {v 1,..., v n, v n+1 } también genera a V. Ejemplo 6 Sean v 1 =(1,0) y v 2 =(0,2) elementos de R

15 Álgebralineal Propongamos que sea F el espacio vectorial generado por v 1 y v 2 de tal manera que: F= gen {v 1 } = {α v 1 + β v 2 } y sean α y β dos escalares, de tal manera que: ( x, x )= α( 10, )+ β( 02, )=( α + 00, + 2β)= ( α, 2β) 1 2 por lo que x 1 =α y x 2 =2β que pertenecen a R 2, entoces v 1 y v 2 generan a F. Sea v 3 = (3,4) tendremos que ( x, x)= α( 10, )+ β( 02, )+ γ( 34, )=( α γ, 0+ 2β + 4γ)= ( α + 3γ, 2β + 4γ ) 1 2 de donde x 1 =α+3γ y x 2 =2β+4γ que son elementos de R 2 por lo que v 1 y v 3 son vectores que generan a F. Ejercicio 3 1. Responde si son falsas o verdaderas las siguientes afirmaciones: a) (3, 5) está en el espacio generado por {(1, 1), (2, 4)}. b) (1, 2, 3) está en el espacio generado por {(2, 0, 4), ( 1, 0, 3)}. c) Si {(1, 2), (2, 3)} genera a R 2, entonces {(1, 2), (2, 3), ( 2, 3)} también genera a R Determina si los siguientes conjuntos de vectores generan el espacio vectorial dado: a) En R 2 : H = {(1, 2), (3, 4)}. b) En R 2 : K = {(1, 1), (2, 2), (5, 5)}. c) En R 3 : M = {(1, 1, 2), (1, 1, 2), (0, 0, 1)} d) En M 2 2 :,,,

16 Unidad Vectores linealmente dependientes e independientes En la sección anterior vimos cómo un conjunto de vectores podía o no generar a todo un espacio vectorial. En esta sección veremos qué condiciones debe cumplir un conjunto de vectores para asegurar que genere un espacio vectorial; para ello necesitaremos introducir los conceptos de conjunto linealmente independiente y dependiente. Definición 3.6. Sean {v 1,..., v n } n vectores de un espacio vectorial V. Entonces se dice que los vectores son linealmente independientes si la única combinación lineal de ellos igual a cero, es aquella cuyos escalares son cero. Es decir, si a 1 v 1 + a 2 v a n v n = 0 entonces a 1 = a 2 = a 3 =... = a n = 0. Definición 3.7. Sean {v 1,..., v n } n vectores de un espacio vectorial V. Entonces se dice que los vectores son linealmente dependientes si existe una combinación lineal de ellos igual a cero, cuyos escalares no son todos cero. Es decir existen a 1, a 2, a 3,...,a n no todas cero tales que a 1 v 1 + a 2 v a n v n = 0. Ejemplo 7 a) Consideremos los siguientes vectores en R 4. v 1 = (2, 1, 0, 3) y v 2 = ( 6, 3, 0, 9). Vamos a tomar una combinación lineal de ellos igual a cero a 1 v 1 + a 2 v 2 = 0. Entonces a 1 (2, 1, 0, 3) + a 2 ( 6, 3, 0, 9) = (0, 0, 0, 0), por lo tanto tenemos 2a 6a = el sistema a + 3a = 0 que si a 1 = 3 y a 2 = 1 se cumple la igualdad, por lo 1 2 3a 9a = tanto v 1 y v 2 son linealmente dependientes. b) Consideremos los vectores en R 3. v 1 = (1, 2, 4) y v 2 = (2, 5, 3). Al tomar una combinación lineal igual a cero b 1 v 1 + b 2 v 2 = 0 tenemos que b 1 (1, 2, 4) + b 2 (2, 5, 3) = (0, 0, 0) de donde obtenemos el sistema 118 b + 2b = b + 5b = 0 cuya solución es b 1 = b 2 = 0, 1 2 4b 3b = 0 1 2

17 Álgebralineal por lo tanto v 1 y v 2 son linealmente independientes. c) Determinar si los vectores de R 3 v 1 = (1, 3, 0) = (3, 0, 4) y v 3 = (11, 6, 12) son linealmente independientes o dependientes. Consideremos una combinación lineal de ellos igual a cero, c 1 (1, 3, 0) + c 2 (3, 0, 4) + c 3 (11, 6, 12) = (0, 0, 0), entonces tenemos el sistema de ecuaciones c + 3c + 11c = c 6c = c + 12c = de donde obtenemos que c c + 2 c = c = haciendo c 3 = 1 obtenemos c 2 = 3 y c 1 = 2, por lo tanto v 1 y v 3 son linealmente dependientes. Cuántos vectores deberá tener un conjunto para ser linealmente dependiente? Teorema 3.6. Un conjunto de m vectores en R n siempre es linealmente dependiente si m > n. Ejemplo 8 Consideremos el conjunto H = {(1,0,0), (0,1,0), (0,0,1), (1,2,3)} de 4 vectores de R 3 y una combinación lineal de ellos igual a cero. a (1,0,0) + b(0,1,0) + c(0,0,1) + d(1,2,3) = (0,0,0) entonces tenemos que: a+ d = 0 c+ 3d = 0 a= d b+ 2d = 0 de donde obtenemos b= 2d el sistema tiene una infinidad de c= 3d soluciones y por lo tanto el conjunto H es linealmente dependiente. Corolario 3.1. Un conjunto de vectores linealmente independientes en R n contiene a lo más n vectores. Consideremos ahora un sistema homogéneo (definición 2.2.) de m ecuaciones con n incógnitas. 119

18 Unidad 3 y sea la matriz asociada a c + a c a c = n n a c + a c a c = n n a c m1 1 + a m2c2+ + amncn = 0 A= a11 a12... a1 a21 a22... a2 a 1 a 2... a m m mn n n entonces tenemos el siguiente resultado. Teorema 3.7. Las columnas de A, consideradas como vectores, son linealmente dependientes si y sólo si el sistema homogéneo asociado tiene soluciones diferentes de cero. Ejemplo 9 x1 + 2x2 x3 + 2x4 = 0 Considera el sistema homogéneo y su matriz 3x1 + 7x2 + x3 + 4x4 = asociada A = sus columnas son linealmente dependientes (4 vectores en R 2, teorema 3.6) por lo tanto, el sistema homogéneo tiene más de una solución no trivial. Vamos a encontrarla: Reduciendo por renglones obtenemos de donde el sistema asociado es x 9x + 6x = 0 x = 9x 6x x = 4x + 2x x + 4x 2x = despejamos x 1 y x 2 Se ve que este sistema tiene un número infinito de soluciones que se pueden escribir como combinación lineal de los vectores columna: 120

19 Álgebralineal 121 x x x x x x x x x x x = + = x. Comprobaremos que y son soluciones linealmente independientes del sistema original. Vamos a sustituir cada una de ellas en el sistema original: 9 + 2( 4) 1 + 2(0) = = (2) 0 + 2(1) = = 0 3(9) + 7( 4) (0) = = 0 3( 6) + 7(2) (1) = = 0 por lo tanto (9, 4, 1, 0) y ( 6, 2, 0, 1) son soluciones del sistema original. Probaremos ahora que son linealmente independientes: Tomemos una combinación lineal de ellos igual a cero: a(9, 4, 1, 0) + b( 6, 2, 0, 1) = 0 entonces a b a b a b = + = = = de donde a b = = 0 0 por lo que (9, 4, 1, 0) y ( 6, 2, 0, 1) son linealmente independientes. De aquí se desprende el siguiente teorema que agrupa varios resultados.

20 Unidad 3 Teorema 3.8. Sea A una matriz de n n. Entonces las siguientes afirmaciones son equivalentes: i) A es invertible. ii) La única solución al sistema homogéneo Ax = 0 es la solución trivial. iii) El sistema Ax = b tiene una solución única. iv) A es equivalente a la matriz identidad. v) det A 0. vi) Las columnas de A (y sus renglones) son linealmente independientes. Como consecuencia de los teoremas 3.5 y 3.6 tenemos el siguiente resultado que nos será muy útil en la siguiente unidad. Teorema 3.9. Cualquier conjunto de n vectores linealmente independientes en R n genera a R n. Como consecuencia de los teoremas 3.8 y 3.9 tres vectores en R 3 generan a R 3, si y sólo si, su determinante es diferente de cero. 122 Ejemplo 10 a) Los vectores (2, 1, 4), (1, 0, 2) y (3, 1, 5) generan a R 3 ya que su determinante = 2(2) 1( 5+4) +3( 2) = 1 y por lo tanto son linealmente independientes b) En M 2 3 sean A 1 = 3 1 1, A = y A = Determinar si A 1, A 2 y A 3 son linealmente independientes o dependientes. Suponga que c 1 A 1 + c 2 A 2 + c 3 A 3 = 0, entonces c c c =

21 Álgebralineal c c c c 2c + 4c + c de donde 3c1 + 2c2 + c3 c1 + 3c2 + 2c3 c1 + c = por lo tanto, la única solución es c 1 = c 2 = c 3 = 0 y las matrices son linealmente independientes. Ejercicio 4 1. Determina si el conjunto de vectores dado es linealmente dependiente o independiente: a) {(1, 2), ( 1, 3)} b) {(2, 1, 4), (4, 2, 7)} c) {(1, 0, 1), (0, 1, 0), (0, 0, 1)} d) {( 3, 4, 2), (7, 1, 3), (1, 2, 8)} e) En P 2 : 1 x, x 2 1 f) En M 2 2 : 0 3, , El wronskiano En esta sección estudiaremos un caso especial de espacio vectorial que es C [0,1], el conjunto de funciones con primeras derivadas continuas definidas 1 en el intervalo [0, 1]. Definición 3.8. Sean dos funciones f( x) yg( x) en C[, ], entonces el wronskiano W de f y g es el determinante f( x) gx ( ) W(f, g) = det = f' ( x) g' ( x) f( x) g' ( x) gx ( ) f '( x) donde f '( x) y g' ( x) son las primeras derivadas de f y g, respectivamente. El siguiente teorema nos permite caracterizar las funciones de C 1 [0, 1] que son linealmente dependientes e independientes. Teorema Sean f(x) y g(x) en C 1 [0, 1], entonces f y g son linealmente dependientes, si y sólo si, W(f, g)(x) = 0 para toda x en [0, 1]. 123

22 Unidad 3 Vamos a demostrar el teorema Consideremos dos funciones f(x) y g(x) en C 1 [0, 1] linealmente dependientes, entonces existen c 1 y c 2 distintos de cero tales que c 1 f(x) + c 2 g(x) = 0, de donde f ( c x ) c gx f x c = 2 ( ) ( ) 2 y ' = c g ' ( x). Por lo tanto 1 W( f, g)(x) = f(x) g '( x ) c gx ( ) f '( x ) = c gx ( ) g' ( x) gx ( ) c c g' ( x) 2 2 = Ejemplo 11 Verifica que f(x) = x 3 x y g(x) = x 2 1 son linealmente independientes. 2 Entonces f '( x)= 3x 1 1 y g'( x)= 2 x, son las derivadas correspondientes. El wronskiano W( f, g) = = 2x 4 2x 2 3x 4 + x 2 + 3x 2 1 = x 4 + 2x 2 1 x x x x 1 2x = 2x(x 3 x) (x 2 1)(3x 2 1) Si x = 0, entonces W = 1, y por lo tanto f(x) y g(x) son linealmente independientes. (Teorema 3.10) Ejercicio 5 Para los siguientes ejercicios recordemos que la derivada de senx es cosx y la derivada de cosx es senx. 1. Encuentra el wronskiano de las siguientes parejas de funciones: a) y 1 = x ; y 2 = x 2 b) y 1 = senx; y 2 = cosx c) y 1 = e x ; y 2 = e 2x 124

23 Álgebralineal 2. Menciona si las siguientes parejas de funciones son linealmente independientes o dependientes: a) y 1 = x ; y 2 = 3x b) y 1 = x 3 ; y 2 = x 2 1 c) y 1 = senx ; y 2 = cosx Ejercicios resueltos 1. Determina si los conjuntos son espacios vectoriales. a) V={x en R 3 tales que x = (x, x, x)} junto con las operaciones de suma y producto por escalar definidas para R 3. Sean u, v y z elementos de V, entonces u = (u, u, u), v = (v, v, v) y z = (z, z, z). i) u + v = (u + v, u + v, u + v) está en V. ii) u + (v + z) = (u + v) + z. u + (v + z) = (u, u, u) + [(v, v, v) + (z, z, z)] = (u, u, u) + (v + z, v + z, v + z) = (u + [v + z], u + [v + z], u + [v + z]) =* ([u + v] + z, [u + v] + z, [u + v] + z) = (u + v, u + v, u + v) + (z, z, z) = [(u, u, u) + (v, v, v)] + (z, z, z) = (u + v) + z. * Esta igualdad es verdadera ya que R 3 es un espacio vectorial; se dice que R 3 le hereda esta propiedad a V. iii) 0 = (0, 0, 0) está en V. iv) u = ( u, u, u) está en V. v) u + v = v + u (la hereda de R 3 ). vi) αu = (αu, αu, αu) está en V. vii) α(u + v) = αu + αv (la hereda de R 3 ). viii) (α + β)u = αu + βu (la hereda de R 3 ). ix) α(βu) = (αβ)u (la hereda de R 3 ). x) 1u = (1u, 1u, 1u) = (u, u, u) = u. Por lo tanto, V es un espacio vectorial. b) V = {(x, y) en R 2 tales que y 0}, la propiedad iv) no se cumple ya que si u = (0, 1), entonces u = (0, 1) no está en V, por lo tanto V no es un espacio vectorial. 125

24 Unidad 3 2. Menciona si los conjuntos son subespacios vectoriales o no: a) H = {(x, y, 0) en R 3 } Sean u, v en H, entonces u = (x 1, 0) y v = (x 2, y 2, 0). i) u + v = (x 1 + x 2 + y 2, 0) está en H. ii) αu = (αx 1, αy 1, α0) = (αx 1, αy 1, 0) está en H. iii) 0 = (0, 0, 0) está en H. Por lo tanto H es un subespacio vectorial de R 3. b) H = {p en P n tal que p(0) = 1} El polinomio 0 no está en H ya que 0(0) = 0. Por lo tanto, H no es un subespacio vectorial. 3. Menciona si el conjunto H = {1 x, 3 x 2 } genera al espacio vectorial P 2. No, por que el polinomio x no puede escribirse como combinación lineal de 1 x, y 3 x 2 ya que si x = a(1 x) + b(3 x 2 ) = (a+3b) + ( a)x + ( b)x 2, entonces a + 3b = 0; a = 1; b = 0 de donde b = 0 ; a = 0 y a = 1, lo cual no puede ser. 4. Determina si el conjunto H = {(2, 1, 4), (4, 2, 8)} es linealmente independiente o dependiente. a(2, 1, 4) + b(4, 2, 8) = (0, 0, 0) entonces, 2a + 4b = 0; a 2b = 0; 4a + 8b = 0 de aquí tenemos que a = 2b tiene infinitas soluciones no triviales, por lo tanto H es un conjunto linealmente dependiente. 5. Encuentra el wronskiano de las funciones y 1 = 3x y 2 = 1 x y menciona si son linealmente dependientes o independientes. y1' = 3, y2' = 1, entonces W = 3 x 1 x = 3x 3(1 x) = 3 por lo 3 1 tanto, son linealmente independientes. 126

25 Álgebralineal Ejercicios propuestos 1 α 1. Di si el conjunto de matrices de 2 2 de la forma, con las β 1 operaciones de matrices usuales es un espacio vectorial; si no, menciona por qué. 2. Di si el conjunto H = {(x, y) en R 2 tales que x = 1} es un subespacio vectorial de R 2, si no lo es menciona cuál es la condición que falla. 3. Prueba que el conjunto H = {(2, 3), (1, 0)} genera a R Menciona si el conjunto es linealmente dependiente o independiente: a) H = {(2, 3), (1, 0)} b) H = {(3, 2, 1), (6, 4, 2)} 5. Encuentra el wronskiano y di si las siguientes parejas de funciones son linealmente independientes o dependientes: a) f(x) = 4x + 5; g(x) = x 2 b) f(x) = 3x 2 ; g(x) = 2x 2 c) f(x) = sen 3x; g(x) = cos 3x 127

26 Unidad 3 Autoevaluación 1. Menciona si las siguientes afirmaciones son falsas o verdaderas: a) El conjunto de vectores {(x, 3x) en R 2 } es un espacio vectorial. b) El conjunto de vectores {(x, 3x + 1) en R 2 } es un espacio vectorial. c) El conjunto de vectores {(x, y, 1) en R 3 } es un subespacio de R 3. d) El conjunto de polinomios de grado 2 es un subespacio de P 3. e) (3, 5) está en el espacio generado por {(1,1), (2,4)}. f) gen{(1, 2, 1, 3), (7, 1, 0, 4), ( 8, 0, 8, 2)} es un subespacio de R 3. g) Si {(1, 2), (2, 3)} genera a R 2, entonces {(1, 2), (2, 3), ( 2, 3)} también genera a R 2. h) Si {v 1,..., v n } son linealmente independientes, entonces {v 1,..., v n, v n+1 } también son linealmente independientes. i) Si {v 1,..., v n } son linealmente dependientes, entonces {v 1,..., v n, v n+1 } también son linealmente dependientes. j) Si el wronskiano de f y g es cero para una x en [0, 1], f y g son linealmente dependientes. 2. Cuál de los siguientes conjuntos de vectores genera P 2? a) 1, x 2 b) 3, 2x, x 2 c) 1+x, 2+2x, x 2 d) 1, 1+x, 1+x 2 3. Cuál de los siguientes pares de vectores son linealmente independientes? a) {(1, 1), ( 1, 1)} b) {(2, 3), (3, 2)} c) {(11, 0), (0, 4)} d) {(6, 10), ( 3, 5)} e) {( 2, 4), (4, 8)} 128

27 Álgebralineal Respuestas a los ejercicios Ejercicio 1 1. Sí es, ya que se trata de una recta que pasa por el origen. 2. No es, ya que no es cerrado bajo la suma. 3. No es, ya que el inverso aditivo no está. 4. Sí es espacio vectorial. 5. No es, pues no satisface la propiedad vii). 6. Sí es espacio vectorial. Ejercicio 2 1. Sí es subespacio vectorial. 2. No es subespacio vectorial, ya que no es cerrado bajo la suma. 3. Sí es subespacio vectorial. 4. Sí es subespacio vectorial. Ejercicio 3 1. a) V b) F c) V 2. a) Sí genera. b) No genera. c) Sí genera. d) No genera. Ejercicio 4 a) Son linealmente independientes. b) Son linealmente independientes. c) Son linealmente independientes. d) Son linealmente independientes. e) Son linealmente independientes. f) Son linealmente dependientes. 129

28 Unidad 3 Ejercicio 5 1. a) W = x 2 b) W = 1 c) W = e 3x 2. a) Son linealmente dependientes. b) Son linealmente independientes. c) Son linealmente independientes. Respuestas a los ejercicios propuestos 1. No es un espacio vectorial porque la matriz conjunto. 0 0 no está en el H no es un subespacio vectorial, ya que (1, y) + (1, z) = (1 + 1, y + z) = (2, y + z) no está en H. 3. Sí genera a R a) Es linealmente independiente. b) Es linealmente dependiente. 5. a) W( f, g) = 4x x Son linealmente independientes. b) W( f, g) = 0 Son linealmente dependientes. c) W( f, g) = 3 Son linealmente independientes. 130

29 Álgebralineal Respuestas a la autoevaluación 1. a) V b) F c) F d) F e) V f) F g) V h) F i) V j) V 2. b), c) y d) 3. b) y c) 131

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

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

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

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

Propiedades de la adición de vectores y la multiplicación de un vector por un escalar

Propiedades de la adición de vectores y la multiplicación de un vector por un escalar ÁLGEBRA MATRICIAL PROF. MARIELA SARMIENTO SESIÓN : ESPACIO VECTORIAL Propiedades de la adición de vectores y la multiplicación de un vector por un escalar Teorema.1: Si A, B y C son vectores cualesquiera

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

Sistemas de Ecuaciones Lineales y Matrices

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

Más detalles

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

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior. Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas

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

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

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa

Más 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 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

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

Matrices Invertibles y Elementos de Álgebra Matricial

Matrices Invertibles y Elementos de Álgebra Matricial Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices

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

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

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

Vector Spaces 4.1 ESPACIOS VECTORIALES Y SUBESPACIOS. 2012 Pearson Education, Inc.

Vector Spaces 4.1 ESPACIOS VECTORIALES Y SUBESPACIOS. 2012 Pearson Education, Inc. 4 Vector Spaces 4. ESPACIOS VECTORIALES Y SUBESPACIOS 0 Pearson Education, Inc. ESPACIOS VECTORIALES Y SUBESPACIOS Definición: Un espacio vectorial es un conjunto no vacío V de objetos, sobre el cual se

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

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

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

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

Más detalles

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

3 Espacios Vectoriales

3 Espacios Vectoriales Prof. Susana López 31 3 Espacios Vectoriales 3.1 Introducción Un ector fijo en el plano no es más que un segmento orientado en el que hay que distinguir tres características: -dirección: la de la recta

Más detalles

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

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

Más detalles

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

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

Tema 3: Aplicaciones de la diagonalización

Tema 3: Aplicaciones de la diagonalización TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:

Más detalles

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos

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

Ahora podemos comparar fácilmente las cantidades de cada tamaño que se vende. Estos valores de la matriz se denominan elementos.

Ahora podemos comparar fácilmente las cantidades de cada tamaño que se vende. Estos valores de la matriz se denominan elementos. Materia: Matemática de 5to Tema: Definición y Operaciones con Matrices 1) Definición Marco Teórico Una matriz consta de datos que se organizan en filas y columnas para formar un rectángulo. Por ejemplo,

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

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

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

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

La aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es

La aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS 1 Aplicaciones lineales Núcleo e Imagen Tipos de aplicaciones lineales Sean E y E k-espacios vectoriales Definición 11 Una

Más detalles

Álgebra Vectorial. Principios de Mecánica. Licenciatura de Física. Curso 2007-2008. 1

Álgebra Vectorial. Principios de Mecánica. Licenciatura de Física. Curso 2007-2008. 1 Álgebra Vectorial Principios de Mecánica. Licenciatura de Física. Curso 2007-2008. 1 Indice. 1. Magnitudes Escalares y Vectoriales. 2. Vectores. 3. Suma de Vectores. Producto de un vector por un escalar.

Más detalles

TEMA 1. VECTORES Y MATRICES

TEMA 1. VECTORES Y MATRICES TEMA 1. VECTORES Y MATRICES 1.1. Definición de vector. Operaciones elementales 1.2. Matrices. Operaciones elementales 1.3. Traza y Determinante 1.4. Aplicaciones 1.1. DEFINICIÓN DE VECTOR. OPERACIONES

Más detalles

Espacios vectoriales

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

Más detalles

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

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

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

Listas de vectores y conjuntos de vectores

Listas de vectores y conjuntos de vectores Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas

Más detalles

Valores y vectores propios de una matriz. Juan-Miguel Gracia

Valores y vectores propios de una matriz. Juan-Miguel Gracia Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-

Más detalles

Algebra lineal. Un par de vectores son linealmente dependientes si existe un escalar diferente de cero que asocie ambos vectores, ejemplo: X 2 =k*x 1

Algebra lineal. Un par de vectores son linealmente dependientes si existe un escalar diferente de cero que asocie ambos vectores, ejemplo: X 2 =k*x 1 Minimo necesario para redes neuronales. Espacio vectorial Algebra lineal El espacio vectorial X, se define como un conjunto de elementos (vectores) definidos sobre un campo escalar F, que satisface las

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

EJERCICIOS RESUELTOS DE LOS TEOREMAS DEL VALOR MEDIO

EJERCICIOS RESUELTOS DE LOS TEOREMAS DEL VALOR MEDIO MATEMÁTICAS EJERCICIOS RESUELTOS DE LOS TEOREMAS DEL VALOR MEDIO Juan Jesús Pascual TEOREMAS DEL VALOR MEDIO. Es aplicable el teorema de Rolle a la función f( x) = x 5x 6 en [ 0, 5 ]? El teorema de Rolle

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

Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice

Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +

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

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

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

Geometría Tridimensional

Geometría Tridimensional Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,

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

Lección 9: Polinomios

Lección 9: Polinomios LECCIÓN 9 c) (8 + ) j) [ 9.56 ( 9.56)] 8 q) (a x b) d) ( 5) 4 k) (6z) r) [k 0 (k 5 k )] e) (. 0.) l) (y z) s) (v u ) 4 f) ( 5) + ( 4) m) (c d) 7 t) (p + q) g) (0 x 0.) n) (g 7 g ) Lección 9: Polinomios

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

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

Polinomios y Fracciones Algebraicas

Polinomios y Fracciones Algebraicas Tema 4 Polinomios y Fracciones Algebraicas En general, a lo largo de este tema trabajaremos con el conjunto de los números reales y, en casos concretos nos referiremos al conjunto de los números complejos.

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 continuas

Aplicaciones lineales continuas Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas

Más 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

_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano

_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano 24 Unidad II Vectores 2.1 Magnitudes escalares y vectoriales Unidad II. VECTORES Para muchas magnitudes físicas basta con indicar su valor para que estén perfectamente definidas y estas son las denominadas

Más detalles

ESTÁTICA 2. VECTORES. Figura tomada de http://www.juntadeandalucia.es/averroes/~04001205/fisiqui/imagenes/vectores/473396841_e1de1dd225_o.

ESTÁTICA 2. VECTORES. Figura tomada de http://www.juntadeandalucia.es/averroes/~04001205/fisiqui/imagenes/vectores/473396841_e1de1dd225_o. ESTÁTICA Sesión 2 2 VECTORES 2.1. Escalares y vectores 2.2. Cómo operar con vectores 2.2.1. Suma vectorial 2.2.2. Producto de un escalar y un vector 2.2.3. Resta vectorial 2.2.4. Vectores unitarios 2.2.5.

Más detalles

Lección 2. Puntos, vectores y variedades lineales.

Lección 2. Puntos, vectores y variedades lineales. Página 1 de 11 Lección 2. Puntos, vectores y variedades lineales. Objectivos. En esta lección se repasan las nociones de punto y vector, y se identifican, via coordenadas, con los pares (ternas,...) de

Más detalles

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

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

March 25, 2010 CAPÍTULO 2: LÍMITES Y CONTINUIDAD DE FUNCIONES EN EL ESPACIO EUCLÍDEO

March 25, 2010 CAPÍTULO 2: LÍMITES Y CONTINUIDAD DE FUNCIONES EN EL ESPACIO EUCLÍDEO March 25, 2010 CAPÍTULO 2: LÍMITE Y CONTINUIDAD DE FUNCIONE EN EL EPACIO EUCLÍDEO 1. Producto Escalar en R n Definición 1.1. Dado x = (x 1,..., x n ), y = (y 1,..., y n ) R n, su producto escalar está

Más detalles

Valores propios y vectores propios

Valores propios y vectores propios Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas

Más detalles

Tema 10: Límites y continuidad de funciones de varias variables

Tema 10: Límites y continuidad de funciones de varias variables Tema 10: Límites y continuidad de funciones de varias variables 1 Funciones de varias variables Definición 1.1 Llamaremos función real de varias variables atodafunciónf : R n R. Y llamaremos función vectorial

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

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

Matrices: Conceptos y Operaciones Básicas

Matrices: Conceptos y Operaciones Básicas Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas, CCIR/ITESM 8 de septiembre de 010 Índice 111 Introducción 1 11 Matriz 1 113 Igualdad entre matrices 11 Matrices especiales 3 115 Suma

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

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 7 Funciones reales de una variable real Elaborado por la Profesora Doctora

Más detalles

Te damos los elementos básicos de los vectores para que puedas entender las operaciones básicas.

Te damos los elementos básicos de los vectores para que puedas entender las operaciones básicas. 4 año secundario Vectores, refrescando conceptos adquiridos Te damos los elementos básicos de los vectores para que puedas entender las operaciones básicas. El término vector puede referirse al: concepto

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

(Ec.1) 2α + β = b (Ec.4) (Ec.3)

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

Más detalles

Módulo 9 Sistema matemático y operaciones binarias

Módulo 9 Sistema matemático y operaciones binarias Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional

Más detalles

EXPRESIONES ALGEBRAICAS. POLINOMIOS

EXPRESIONES ALGEBRAICAS. POLINOMIOS EXPRESIONES ALGEBRAICAS. POLINOMIOS 1. EXPRESIONES ALGEBRAICAS. Estas expresiones del área son expresiones algebraicas, ya que además de números aparecen letras. Son también expresiones algebraicas: bac,

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

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

Diferenciabilidad de funciones de R n en R m

Diferenciabilidad de funciones de R n en R m Diferenciabilidad de funciones de R n en R m Cálculo II (2003) En este capítulo generalizamos la noción de diferenciabilidad para funciones vectoriales de variable vectorial, que también llamamos aplicaciones.

Más detalles

Alternativamente, los vectores también se pueden poner en función de los vectores unitarios:

Alternativamente, los vectores también se pueden poner en función de los vectores unitarios: 1. Nociones fundamentales de cálculo vectorial Un vector es un segmento orientado que está caracterizado por tres parámetros: Módulo: indica la longitud del vector Dirección: indica la recta de soporte

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Problemas teóricos Sistemas de ecuaciones lineales con parámetros En los siguientes problemas hay que resolver el sistema de ecuaciones lineales para todo valor del parámetro

Más detalles

Nivelación de Matemática MTHA UNLP 1. Vectores

Nivelación de Matemática MTHA UNLP 1. Vectores Nivelación de Matemática MTHA UNLP 1 1. Definiciones básicas Vectores 1.1. Magnitudes escalares y vectoriales. Hay magnitudes que quedan determinadas dando un solo número real: su medida. Por ejemplo:

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

ESTRUCTURAS ALGEBRAICAS

ESTRUCTURAS ALGEBRAICAS ESTRUCTURAS ALGEBRAICAS Se ha trabajado con números complejos, polinomio y matrices y hemos efectuado con ellos ciertas operaciones: sin embargo no todas las operaciones se comportan de la misma manera,

Más detalles

(a) El triángulo dado se descompone en tres segmentos de recta que parametrizamos de la siguiente forma: (0 t 1); y = 0. { x = 1 t y = t. (0 t 1).

(a) El triángulo dado se descompone en tres segmentos de recta que parametrizamos de la siguiente forma: (0 t 1); y = 0. { x = 1 t y = t. (0 t 1). INTEGRALES DE LÍNEA. 15. alcular las siguientes integrales: (a) (x + y) ds donde es el borde del triángulo con vértices (, ), (1, ), (, 1). (b) x + y ds donde es la circunferencia x + y ax (a > ). (a)

Más detalles

Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística.

Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Índice General 1 PRACTICAS CON MATHEMATICA 2 1.1 Introducción...

Más detalles

Tema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES

Tema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos

Más detalles

4.1 El espacio dual de un espacio vectorial

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

Más detalles

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

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

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

Más detalles

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

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

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

Más detalles

ESTRUCTURAS ALGEBRAICAS

ESTRUCTURAS ALGEBRAICAS ESTRUCTURAS ALGEBRAICAS 1.1. LEY DE COMPOSICIÓN INTERNA Definición 1.1.1. Sea E un conjunto, se llama ley de composición interna en E si y sólo si a b = c E, a, b E. Observación 1.1.1. 1. también se llama

Más detalles

UNIDAD I NÚMEROS REALES

UNIDAD I NÚMEROS REALES UNIDAD I NÚMEROS REALES Los números que se utilizan en el álgebra son los números reales. Hay un número real en cada punto de la recta numérica. Los números reales se dividen en números racionales y números

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las

Más detalles

Vectores en el plano con punto inicial fijo

Vectores en el plano con punto inicial fijo Vectores en el plano con punto inicial fijo bjetivos. Considerar el conjunto V 2 () de los vectores en el plano euclidiano (también llamados segmentos dirigidos o flechas) con un punto inicial fijo. Definir

Más detalles