Cuestiones de Álgebra Lineal. September 29, 2002
|
|
- Julia Palma Rivero
- hace 7 años
- Vistas:
Transcripción
1 Cuestiones de Álgebra Lineal September 29,
2 Espacios vectoriales 1. Prueba que cada uno de 1os siguientes conjuntos no tiene estructura de espacio vectorial a) El subconjunto de R 2 de parejas (x, y) con x y b) El conjunto de parejas (x, y), en donde la suma se define como en R 2, pero el producto se define λ(x, y) := (λx, y) c) El conjunto de polinomios de grado, a lo sumo 1, en donde suma y producto se definen de la forma siguiente: (P + Q)(x) := (a 0 + b 0 ) + (a 0 b 1 + a 1 b 0 )x ; (λp )(x) := (λa 0 ) + (λa 1 )x. d) El subconjunto de R 3 de puntos (x, y, z) con x 2 + y 2 + z 2 1. e) El subconjunto de R 3 de puntos (x, y, z) con x + y + z = 1 f) El subconjunto de R 3 de puntos (x, y, z) con x y z. 2. Sea E e.v.s. K. Entonces a) {x + y x E, y E} = E E b) {x + y x E, y E} = E c) {λx x E} = K E. 3. La multiplicación por un escalar en un e.v.s. K es una aplicación a) E E K b) K K K c) K E E. 4. Averiguar si los siguientes conjuntos tienen estructura de e.v.s. R a) {(x 1, x 2, x 3, x 4 ) R 4 x 4 = 0}, b) el conjunto de todos los polinomios con coeficientes reales, c) el conjunto de las funciones reales de una variable derivables. 5. Un subespacio siempre contiene a1 vector 0 del espacio vectoria1. 6. El subconjunto de R 2 de los puntos (x, y) tales que x 2 y 2 = 1 es un subespacio. 7. Si F es un subespacio de E, entonces F + F = F. 2
3 8. Si el subconjunto F genera E, entonces todo vector de E puede ser escrito de forma única como combinacion lineal de elementos de F. 9. Si F y G son subespacios de E, probar que F G es subespacio de E si y solo si, F G o G F y que si F G es subespacio de E, entonces F G o G F. 10. Probar que F = [1, x 2, x 4,..., x 2n ] es el subespacio de R 2n+1 (x) de los polinomios pares y que G = [x, x 3, x 5,..., x 2n+1 ] es el subespacio de R 2n+1 (x) de los polinomios impares. Probar que F + G = R 2n+1 (x). Es F G = R 2n+1 (x)?. 11. Sea F el subconjunto de R 3 (x) de todos los polinomios P (x) tales que P (1) = 0. Probar que F es un subespacio y hallar tres polinomios que generen F. 12. Si F, G, H son subespacios y G F, entonces F (G+H) = G+(F H). 13. Sea E e.v.s. K, F un subespacio de E y E F = {x E x / E F }. Entonces a) existe un subespacio G tal que E G es subespacio, pero E F no es, en general, subespacio, b) E F es un subespacio de E, c) E F nunca es subespacio. 14. Sean F y G subespacios de un E e.v.s. K. Son los siguientes subconjuntos subespacios de E? a) F G b) (F + G) (F G) c) F G. 15. Sea F el e.v.s. R generado por los vectores u= cos 2 x, v= sin 2 x. Uno de los siguientes vectores pertenece a F : a) cos 2x b) 3 + x 2 c) sin x. 16. Sean F y G subespacios de E e.v.s. K. Entonces, F G a) es siempre subespacio de E, b) es subespacio si F G = 0, 3
4 c) es subespacio si, y sólo si, F G o G F. 17. Averiguar si es cierto o falso que si V es un espacio vectorial y W un subconjunto de V, entonces W es subespacio de V. 18. Averiguar si es cierto o falso que si V es un espacio vectorial y W 1 y W 2 son subespacios de V, entonces W 1 W 2, W 1 W 2 y W 1 + W 2 son subespacios de V. 19. Averiguar si es cierto o falso que si u, v, w R 3 tales que v w, entonces [u,v] [u,w]. 20. Averiguar si es cierto o falso que si u, v y w son tres vectores cualesquiera de R 2, entonces {u, v, w} es un conjunto generador de R Si 0 es uno de los vectores del subconjunto {x 1,..., x k }, entonces, {x 1,..., x k } es l.d Si {x 1, x 2, x 3 } R 4 es l.d., entonces x i es múltiplo de x j para algunos i, j tales que i j. 23. Si {x 1,..., x k } es l.d., entonces existe un i tal que x i = Si F es un subconjunto l.d., entonces todo elemento de F es combinación lineal de los demás. 25. Subconjuntos de conjuntos l.d. son tambien l.d Subconjuntos de conjuntos l.i. son tambien l.i Probar que si {x, y} es l.i., también lo es {x + y, x y}. 28. Probar que si αx+βy+γz = 0 con αγ 0 es l.i., entonces [x, y] = [y, z]. 29. Si 0 A = {x 1,..., x n }, entonces A a) es l.i. b) es l.d. c) puede ser l.i.. 4
5 30. Si {x 1, x 2, x 3 } es un conjunto l.i. de E e.v.s. K, entonces a) {x 1, x 2 } es necesariamente l.d., b) {x 1, x 2 } puede ser l.d., c) {x 1, x 2 } es necesariamente l.i Un subconjunto {x 1,..., x k } es l.i. si a) λ 1 =... = λ k = 0 λ 1 x λ k x k = 0, b) λ 1 x λ k x k = 0 λ 1 =... = λ k = 0, c) λ 1 x λ k x k = 0 para toda n-pla (λ,..., λ k ). 32. Averiguar si las siguientes aflrmaciones son válidas: a) si {u 1, u 2, u 3 } es l.i., entonces {u 3, u 1 } es l.i., b ) si {u 1, u 2, u 3 } es l.d., entonces {u 1, u 2, u 3, x} es l.d. para cualquier vector x del espacio vectorial, c) si {u 1, u 2 } es l.i. y si u / [u 1, u 3 ], entonces {u 1, u 2, u 3 } es l.d Un subconjunto de una base es siempre l.i Si F es un subespacio de E y si dim(f ) = dim(e), entonces F = E. 35. Si F es un subconjunto l.i. de E y si dim(e) = n, entonces F no puede tener más de n elementos. 36. Si F y G son subespacios de E y si dim(f + G) = dim(f )+dim(g), entonces F G = {0}. 37. Un espacio vectorial no puede tener más de una base. 38. Si un espacio vectorial tiene dimension finita, todas sus bases tienen el mismo número de vectores. 39. La dimension de R n (x) es n. 40. Si E tiene dimension n, entonces E posee exactamente un subespacio de dimension 0 y un subespacio de dimension n. 5
6 41. Si F y G son subespacios de E, entonces, dim(f + G) = dim(f ) + dim(g). 42. Un espacio de dimensión n, no puede tener un conjunto generador con más de n elementos. 43. Si n vectores generan un espacio de dimensión n, entonces forman un conjunto l.i El vector 0 es el único vector de un espacio vectorial cuya expresión como combinación lineal de los elementos de cualquier base tiene todos los coeficientes nulos. 45. Dado un vector x 0, siempre podemos hallar una base del espacio vectorial de forma que sus coordenadas respecto de esa base sean 0,0,... y Hallar una base, lo más simple posible, para los subespacios generados por los conjuntos de vectores (i) [(1,1,1,-2),(2,4,3,3),(0,4,2,2)] (ii) [(2,-1,1),(4,-2,-1),(-2,1,-3),(6,-3,5)] (iii) [(2,-1,2,-1),(1,1,-1,2),(1,2,1,7),(1,3,-2,7)]. 47. Si (x,y,z ) es una base de R 3 y u = 2x + 7y 3z v = x 2y + 5z w = 4x + 3y + 7z demostrar que no es posible expresar x, y y z como combinaciones lineales de u, v y w. Qué significa ese hecho sobre (u,v,w)?. 48. Determinar cuales de 1os siguientes subconjuntos de R 3 son bases a) (1,0,-1), (2,5,1), (0,-4,3) b) (2,-4,1), (0,3,-1), (6,0,-1) c) (1,-3,-2), (-3,1,3), (-2,-10,-2) 6
7 49. Determinar cuales de 1os siguientes subconjuntos de R 2 (x) son bases a) { 1 x + 2x 2, 2 + x 2x 2, 1 2x + 4x 2 } b) {1 + 2x + x 2, 3 + x 2, x + x 2 }. 50. Los vectores (2,-3,1), (1,4,-2), (-8,12,-4), (1,37,-17) y ( -3,-5,8) generan R 3. Hallar un subconjunto del anterior que sea base. 51. Los vectores (1,1,1,1), (0,1,1,1), (0,0,1,1) y (0,0,0,1) son una base de R 4. Expresar cualquier vector de R 4 como combinación lineal de la base anterior. 52. Hallar una base para los siguientes subespacios de R 4 : a) Todos los vectores cuyas dos primeras coordenadas son nulas b) Los vectores de la forma (a, b, a, b) c) El conjunto de vectores (x, y, z, u) tales que x + y + z + u = Hallar la dimensión del subespacio de R 3 de todos los vectores x = (x 1, x 2, x 3 ) tales que x 2 = Sean F y G subespacios de E e.v.s.k de dimensiones m y r respectivamente con m r. Probar que dim(f G) r y que dim(f + G) m + r. Construir subespacios de R 3 en donde las desigualdades se conviertan en igualdades. 55. Probar que si (x, y) es una base de E, también lo es (x + y, x y). 56. Probar que si (x, y, z) es una base de E, también lo es (x+y+z, y+z, z). 57. El conjunto de soluciones del sistema x 2y + z = 0 2x 3y + z = 0 es un subespacio de R 3. Hallar una base de este subespacio. 58. Completa (1, 2 x, x 2 + 1) a una base de R 4 (x) y expresa P (x) = 2 3x + x 2 + 4x 3 en funcion de esta base. 7
8 59. Hallar una base de R 4 (x) que incluya los polinomios 1 y x + x Sea F = {(x, y, z) y z = 0}. Hallar un subespacio G de R 3 tal que F G = {0} y F + G = R Se considera el conjunto F de vectores {x, y, z, u} que verifican x+2y = z + 2u. Probar que A = {(1, 0, 1, 0), (0, 1, 0, 1)} es l.i. y está contenido en F y extender A a una base de F. 62. Extender a una base de R 4 los siguientes conjuntos l.i.: a) (1, 1, 1, 1), (0, 2, 1, 1) b) (1, 0, 1, 1), ( 1, 1, 0, 0), (0, 1, 1, 0). 63. Hallar una base de los siguientes subespacios de R 3 : a) {(x, y, z) 3x 4y + z = 0} b) {(x, y, z) x + y z = 0, 2x y + z = 0}. 64. Si F y G son subespacios de un espacio vectorial E tales que dim(f ) = dim(g) y F G, probar que F = G. 65. Hallar una base del conjunto de soluciones del sistema x + 2y z + 2t = 0, x + y + 2z t = 0, x + 4y 7z + 8t = 04 y prolongarla a una base de R Sea {x 1,..., x n } un conjunto l.d. de vectores de un e.v.s. K. Entonces a) contiene al vector 0, b) es tal que [x 1,..., x n ] tiene dimensión k, c) puede estar formada por vectores no nulos. 67. El e.v.s. R de todos 1os polinomios de grado, a lo sumo, n, tiene dimensión a) n + 1 b) n c) n 1. 8
9 68. Sea A = {x 1,..., x k } un subconjunto de E e.v.s. K y sea C = {z 1,..., z m } un subconjunto l.i. de A. El teorema de Steinitz permite asegurar que a) m k y que podemos reemplazar r vectores de A (con r m) por r vectores de C sin alterar [x 1,..., x k ], b ) m = k Y que podemos reemplazar todos 1os vectores de A por los de C para obtener [x 1,..., x k ], c) m > k y que [z 1,..., z m ] [x 1,..., x k ]. 69. Sea Sea A = (x 1,..., x k ) una base de E e.v.s.k y sean los escalares α 1,..., α k. Entonces, a) (α 1 x 1,..., α k x k ) no es base para ninguna elección de los α i salvo α 1 =... = α k = 1, b) puede no ser base de E, aunque todos los α i sean no nulos, c) es base de E, si todos los α i son no nulos. 70. Sea F el e.v.s. R generado por los vectores u= cos 2 x, v= sin 2 x y w= cos 2x. Entonces a) (u,v,w) no es base de F, b) {u, v, w} es l.i., c) dim(f ) = Averiguar si las siguientes afirmaciones son correctas: a) el subespacio F = {(a, b, c, 0) R 4 a, b, c R} tiene dimensión 3, b) el subespacio F = {(a, b, c, d) R 4 d = a + b, c = ab, a, b, c, d R} tiene dimensión 2, c) el subespacio F = {(a, b, c, d) R 4 a = b = c = d, a, b, c, d R} tiene dimensión 2, 72. Sean F = [(1, 0, 0), (0, 1, 0)] y G = [(1, 1, 0)]. Averiguar si las siguientes afirmaciones son correctas: a) dim(f ) = 2 y dim(g) = 1. Como F G = G, entonces dim(f G) = 1, b) F + G = R 3, con lo que dim(f + G) = dim(f )+dim(g), c) dim(f G) < dim(g). 9
10 73. Sea {1, 2 x, x 2 + 1} un conjunto de vectores l.i. de R 4 (x). Uno de los siguientes conjuntos es base de R 4 (x) a) {1, 2 x, x 2 + 1, x 3 7, x 3 5x + 1}, b) {1, 2 x, x 2 + 1, x 3, x 4 }, c) {1, 2 x, x 2 + 1, x 2 + x + 1, x 4 }. 74. Sean F y G subespacios de E e.v.s. K. Si dim(f +G) = dim(f )+dim(g), entonces a) F + G = F G, b) dim(f G) = 1, c) F G = { 0 }. 75. Averiguar si es cierto o falso que si B = (u, v) es una base de V e.v.s.r, entonces para todo w V se tiene que w = αu + βv. 76. Averiguar si es cierto o falso que si V es un espacio vectorial de dimensión 3, entonces los conjuntos de vectores B = (u 1, u 2, u 3, u 4 ) y A = (v 1, v 2 ) no son bases de V. 77. Averiguar si es cierto o falso que si u, v y w son tres vectores l.i. de R 3, entonces B = (u, v, u + v + w) es una base de R Sea V un espacio vectorial de dimensión n y sea S = {v 1, v 2,..., v p } un conjuto de vectores de V. Entonces a) Si p < n, el conjunto S es l.i. b) Si p n, el conjunto S es generador de V. c) Si [v 1, v 2,..., v p ] V y p = n, el conjunto S es l.d. c) Si [v 1, v 2,..., v p ] = V, es p n. 79. Sea W un subespacio vectorial de R 3 definido por W = {(x 1, x 2, x 3 ) R 3 ax 1 + bx 2 + x 3 = 0, x 1 + x 2 + x 3 = 0} Se tiene que a) Si a = b, entonces dim(s) = 2. b) Si a b, entonces dim(s) = 1. 10
11 a) Si a = b = 1, entonces ((1, 1, 0), (0, 1, 1)) es una base de W. 80. Dado V e.v.s R, sean u, v, w V, W 1 = [u, v] y W 2 = [u, v, w]. Emtonces si dim(w 1 ) = 1 y w no es combinación lineal de u y v se verifica que dim(w 2 ) = 3. a) Verdadero pues como el conjunto {u, v, w} es l.i. y además genera W 2, entonces es una base de W 2 por lo que dim(w 2 ) = 3. b) Falso pues al ser dim(w 1 ) = 1, entonces u y v son l.d. Por tanto el rango de {u, v, w} es 2, de donde se deduce que dim(w 2 ) = 2. c) Falso ya que si u = (1, 1, 0), v = (2, 2, 0) y w = (0, 1, 1), entonces se cumplen todas las condiciones del enunciado y, sin embargo, dim(w 2 ) = dim([{(x, y, z) R 3 x + z = y}] = Sea S = {u 1, u 2,..., u m } un conjunto de m vectores l.d. de un espacio vectorial V. Entonces se verifica que suprimiendo algún vector de S puede encontrarse un subconjunto B S que es base de S. a) Verdadero porque todo conjunto de vectores l.d. contiene un subconjunto l.i. que es, por tanto, base del espacio vectorial V. b) Falso pues si S no es generador de V, tampocio lo será ningún subconjunto B de S. c) Falso ya que si, por ejemplo, V = R 2 y S = {u, 2u, 3u}, con u 0, es claro que S es l.d. pero ningún subconjunto de S es una base de R 2. d) En general es falso, aunque será verdadero si m dim(v ). 82. El conjunto W = {(x, y, z) R 3 x + y z = 0, 2x y = a} es un subespacio vectorial de dimensión 1. a) En general es falso aunque es verdadero si a = 0 pues, en este caso, todo vector u W verifica que u = α(1, 2, 3), con α R, por lo que W = [(1, 2, 3)] b) Falso pues si a = 3, entonces v = (1, 1, 0) W pero 2v / W. 83. Sea W el subespacio de R n generado por tres vectores v 1, v 2, v 3 R n y sea u R n tal que u = v 1 + v 2 + v 3 y u = 2v 1 + 3v 3. Entonces se verifica que dim(w ) 2. 11
12 a) Verdadero pues como v 1 +v 2 +v 3 = 2v 1 +3v 3, entonces v 1 v 2 +2v 3 = 0, de donde se deduce que {v 1, v 2, v 3 } es l.d.. Luego cualquier base de W tiene menos de tres vectores. b) Verdadero pues si fuese dim(w ) = 3, entonces el conjunto {v 1, v 2, v 3 } es base de W y todo vector de W se expresa de forma única como combinación lineal de v 1, v 2 y v 3. c) Falso pues por ser W un subespacio vectorial generado por tres vectores, su dimensión es 3. 12
13 Aplicaciones lineales 84. Averiguar si es cierto o falso que si f es una aplicación de R 3 en R 3 tal que f(x = 3x, entonces f es lineal. 85. Si f es un endomorfismo de E y dim(im(f)) = dim(nuc(f), entonces dim(e) es un número par. 86. Toda aplicación lineal f transforma el cero del espacio inicial en el cero del espacio imagen, es decir, f(0) = 0. Toda aplicación lineal transforma conjuntos l.i. en conjuntos l.i La aplicación f de R 3 en R 2 definida por f(x, y, z) = ( x, y z) es lineal. La aplicación g de R 3 en R 2 definida por g(x, y, z) = (0, z) es lineal. 88. Averiguar si es cierto o falso que si f es una aplicación lineal de R 2 en R 3, entonces Im(f) es un subespacio de R 3 de dimensión menor o igual que Averiguar si es cierto o falso que si f es una aplicación lineal de R n en R m tal que Nuc(f)={0}, entonces m n. 90. Si f es una aplicación lineal, conserva sumas y productos por escalares. 91. Si f es una aplicación lineal, f es inyectiva si y sólo si Nuc(f) = Si f es una aplicación lineal, dim(nuc(f)) + dim(im(f)) = dim(e), siendo E el espacio final. 93. Si f es una aplicación lineal, tal que Nuc(f) 0, existen vectores x e y distintos tales que f(x) = f(y). 94. Averiguar si es cierto o falso que si f es una aplicación de R n en R m y {x 1,..., x n } es un conjunto l.i., entonces {f(x 1 ),..., f(x n )} es un conjunto l.i. cuando m n y l.d. cuando m < n. 13
14 95. Hallar Im(f) y Nuc(f) para las siguientes aplicaciones lineales de R 4 en R 5 : a) f(x, y, z, u) = (5x y, x + y, z, u, x) b) f(x, y, z, u) = (x + y + 7z + u, 2z + u, x, y, x y). 96. Sea f una aplicación de E en F. Probar que: a) si dim(e) < dim(f ), f no puede ser sobreyectiva, b) si dim(e) > dim(f ), f no puede ser inyectiva. 97. Dar un ejemplo de endomorfismo f en R 2 tal que Nuc(f) = Im(f). 98. Si {x 1,..., x n } es un sistema de generadores de E (pero no necesariamente una base), explica por que una aplicacion lineal f de E en F no viene definida al asignar imagenes mediante f a cada x i, (i = 1,..., n). 99. Si f es un endomorfismo en E tal que Im(f) Nuc(f) = 0, probar que f(f(x)) = 0 implica que f(x) = Sea f un endomorfismo en E y sea (x 1,..., x n ) una base de E. Si f es biyectivo, probar que (f(x 1 ),..., f(x n )) es también una base de E Sea f un endomorfismo en E y F un subespacio de E. Si f es biyectivo, probar que dim(f ) = dim(f(f )) Sea A = (x 1, x 2,..., x n ) una base de R n y f un endomorfismo de R n tal que f(x i ) = x i+1 y f(x n ) = 0. Entonces a) f es inyectivo. b) f es sobreyectivo. c) ninguna de las dos cosas Sea (x 1, x 2,..., x n ) una base de un espacio vectorial E y f un endomorfismo de E. Una de las siguientes afirmaciones no es correcta a) Si f(x i ) = 0, para todo i, entonces f = 0. b) (f(x 1 ), f(x 2 ),..., f(x n )) es siempre base de E c) Si f(x i ) = x i, para todo i, entonces f = I E. 14
15 104. Sea f la aplicación lineal de R 2 (x) en R 3 (x) definida por f(p(x)) = xp(x). Averiguar si siguientes polinomios pertenecen a Im(f) a) 1 + x b) 3 x 2 c) x + x Sea f la aplicación lineal de R n en R n definida por f(x 1, x 2,..., x n ) = (0, x 1,..., x n 1 ). Entonces a) f n 1 = 0R n, b) f n = 0R n, c) f n+1 = 0R n Sea f la aplicación lineal de R 2 en R 2 definida por f(x, y) = (ax + by, cx + dy), para a, b, c, d reales. Entonces a) f es biyectiva si y sólo si ad bc, b) f es biyectiva si y sólo si ac bd, c) f es biyectiva si y sólo si ac = bd Sea f un endomorfismo de un espacio vectorial E tal que Im(f) 0 Nuc(f). Entonces es cierto que a) no existe un endomorfismo verificando esa igualdad, b) dim(e) es par, c) f = 0 E Sea f la aplicación lineal de R 3 (x) en R 1 (x) definida por f(a 0 + a 1 x + a 2 x 2 ) = (a 0 + a 1 ) (2a 1 + 3a 2 )x. Su matriz respecto de las bases canónicas es 1 0 a) ( ) b) ( ) c) Toda matriz (2,3) define una aplicación lineal de R 2 en R 3. 15
16 110. Si f es una aplicación lineal de E en F, con dim(e) = n y dim(f ) = m, entonces su matriz asociada es del tipo (m, n) Permutar el orden de dos vectores de la base la base produce una permutación en el orden de las columnas de la matriz de la aplicación Sea f un endomorfismo de R 2 tal que f(1, 0) = (1, 4) y f(1, 1) = (2, 5). Hallar f(2, 3) y estudiar si f es inyectiva Sea f la aplicación de R 3 en R 2 tal que f(x, y, z) = (x, y). Probar que es lineal y que f 2 = f Sea f la aplicación de R 3 en R 2 tal que f(x, y, z) = (x + a, x y + z), con a un cierto número real, entonces f es una aplicación lineal para todo valor de a es a) verdadero pues f es la aplicación ( lineal cuya ) matriz asociada respecto 1 + a 0 0 de las bases canónicas es, b) verdadero pues la función f verifica la condición de aplicación lineal, c) falso ya que f(0, 0, 0) (0, 0) si a 0, d) falso ya que f es aplicación lineal sólamente si a = Sea f la aplicación lineal de matriz asociada ( respecto ) de las bases canónicas es de R 3 y R 2, respectivamente y sean los subespacios F = {x R 3 f(x) = 0} G = {y R 2 ( x R 3 )y = f(x)}. Entonces dim(f ) = dim(g) = 2 es a) falso pues F y G no pueden tener la misma dimensión ya que F R 3 y G R 2, b) falso ya que dim(g) = 2 y dim(f ) = 1, c) verdadero pues dim(f ) = dim(g) = rang(a) = 2. 16
17 116. Sea f el endomorfismo de R(x) definido por f(p (x)) = x 0 P (s)ds. Probar que f es inyectivo, pero no sobreyectivo Si f es un endomorfismo de R 2. Hallar la matriz de f respecto de la base canónica en los siguientes casos: a) f(x) = 4x (una dilatación). b) f(x) = x (una simetría respecto del origen). c) f(x, y) = (x, y) (una simetría respecto de OX). d) f(x, y) = ( y, x) (una rotación de ángulo π/2). e) f(x, y) = (x, 0) (una proyección sobre OX) Sea f una aplicación lineal de R m en R n tal que Im(f) = R n. Entonces a) m n, b) cualquier matriz asociada a f es de orden (m, n), c) cualquier matriz asociada a f es de rango m, d) si m n, existe un vector no nulo x R m tal que f(x) = 0, e) si m = n existe la función inversa f Si f es un endomorfismo de R 3. Hallar la matriz de f respecto de la base canónica en los siguientes casos: a) f(x) = x/3 (una dilatación). b) f(x, y, z) = (x, y, z) (una simetría respecto del plano XOY ). c) f(x, y, z) = (x, z, y) (una rotación de ángulo π/2 en el plano XOY ). d) f(x, y) = (x, y, 0) (una proyección sobre el plano XOY ) Si f es un endomorfismo de R 3 (x). Hallar la matriz de f respecto de la base canónica en los siguientes casos: a) f(p (x)) = P (x). b) f(p (x)) = P (x) Si f es un endomorfismo de R 2 (x). Hallar la matriz de f respecto de la base (1, x + x 2, x 2 ) en los siguientes casos: a) f(p (x)) = 3P (x). 17
18 b) f(p (x)) = P (x) + P (x) Explicar porqué el endomorfismo nulo tiene a la matriz nula como matriz asociada, independientemente de las bases que se elijan Si es la matriz asociada a un endomorfismo f de R respecto e las bases canónicas, calcular la matriz de f respecto de la base ((1, 1, 0), (1, 0, 1), ((0, 0, 1)). ( ) a b 124. Si es la matriz asociada a un endomorfismo f, probar que c d f (a + b)f + (ad bc)i = Sea f un endomorfismo de matriz Hallar Im(f) y Nuc(f) y hallar una base tal que la matriz de f sea alguna base tal que la matriz de f sea la matriz nula?.. Existe 126. Sean f y g los endomorfismos representados por las matrices a a 1 1 λ a 1 y 1 λ respectivamiente. Hallar los a valores de a y de λ para los que f y g son biyectivos Averiguar si son lineales las aplicaciones de M (2,2) (R) en R tales que si A = (a ij ) M (2,2) (R), es a) f(a) = a 11 a 22 a 12 a 21, b) f(a) = a a 2 12, c) f(a) = a 11 + a 22, 18
19 128. Sea f la aplicación lineal de R 3 (x) en R 1 (x) definida por f(a 0 + a 1 x + a 2 x 2 ) = (a 0 + a 1 ) (2a 1 + 3a 2 )x. Su matriz respecto de las bases canónicas es 1 0 a) ( ) b) ( ) c)
20 Matrices 129. Si A es de orden (3,3) y antisimétrica, entonces rang(a) < Si A es de orden (n, n) y antisimétrica, entonces rang(a) < n de orden (m, n) es la única matriz de rango Probar que si C es una matriz en forma escalonada por filas con r filas no nulas, entonces rang(c) = r Probar que la matriz Si λ 0, entonces rang(λa) = rang(a). tiene rango Probar que si A tiene algún elemento no nulo, entonces rang(a) Sea A una matriz (n, n). El número de elementos que se encuentran por encima y por debajo de la diagonal principal es a) n(n + 1), b) n(n + 1)/2, c) n(n 1) El rango de una matriz cuadrada A coincide con a) La dimensión del núcleo de su endomorfismo asociado. b) El número de sus elementos de la diagonal no nulos. c) El número de filas no nulas de su forma escalonada Sea f una aplicación lineal de R 3 en R 3 y sea A su matriz respecto de las bases canónicas. Entonces a) f es un isomorfismo rang(a) = 3. b) f nunca es un isomorfismo. 20
21 c) f es inyectiva rang(a) = Sean A, B M (m,n) (R). Entonces a) rang(a+b) rang(a) y rang(a+b) rang(b). b) rang(a+b) = max(rang(a),rang(b)). c) rang(a+b) = rang(a)+rang(b) Sea A M (m,n) (R), con m n. Entonces a) m rang(a) n. b) n rang(a). c) rang(a) m La dimension del espacio vectorial M (m,n) (R) es m + n Sea f una aplicación del espacio vectorial M (n,n) (R) en sí mismo tal que f(a) = P 1 AP, donde P es una matriz regular. Probar que es lineal Probar que el conjunto de todas las matrices triangulares superiormente forman un espacio vectorial Probar que el conjunto de todas las matrices antisimétricas forman un espacio vectorial Hallar un conjunto l.i. de matrices diagonales que generen todas las matrices diagonales de M (n,n) (R) Si A es una matriz escalonada, probar que sus filas son vectores l.i Hallar una base del espacio vectorial de todas las matrices (n, n) que tienen traza cero y de todas las matrices antisimétricas Averiguar si los siguientes tres conjuntos tienen estructura de e.v.s. R con las operaciones habituales a) el conjunto de las n-plas (x, x,..., x) con x real, 21
22 ( a 1 b) el conjunto de las matrices (2,2) del tipo 1 b c) el conjunto de las matrices (2,2) diagonales. ) con a y b reales, 149. El conjunto de los n vectores fila de una matriz (n, n) regular a) puede ser l.d., b) no generan necesariamente R n, c) forman una base de R n En el espacio vectorial M (2,2) R se tiene que ( ) ( ) a) {, } es l.d., ( ) ( ) b) α + β = 0 α = β = 0, c) existen cinco matrices que forman un conjunto l.i Sean a, b, c reales cualesquiera ( y sean ) F y G ( los subespacios ) de M (2,2) (R) a b 0 a de las matrices de la forma y, respectivamente. c a a b Hallar las dimensiones de F, G, F + G y F G Si A = ( ), entonces AA = 0. ( ) Probar que las aplicaciones lineales de matrices A = y B = 1 2 son no inyectiva y no sobreyectiva, respectivamente. 0 1 Comprobar que AB = I, mientras que BA I e interpretar este resultado. ( ) Las matrices A = y B = 1 1 ( ) conmutan Si A M (m,n) (R), B M (n,p) (R) y AB = 0, entonces A = 0 o B = 0. 22
23 156. Si A M (m,n) (R), B M (n,p) (R) y a y b son dos números reales, entonces (aa)(ba) = (ab)ab Si A M (m,n) (R), B M (m,n) (R) y C M (n,p) (R), entonces (A B)C = AC BC Si A + A = 0, entonces A = Si p es un entero positivo impar, entonces ( A) p = A p A 2 B 2 = (A + B)(A B Si A es simétrica, también lo es A k El producto de dos matrices triangulares es triangular Si A conmuta con B y B conmuta con C, entonces A conmuta con C Si BA = A, entonces B = I Si A es diagonal, entonces A k es diagonal Si para algún natural p tenemos que A p = 0, entonces A = AD = DA si D es una matriz diagonal Hallar una matriz A M (2,2) (R) tal que A 2 = I Probar que dos matrices que conmuten con ), deben conmutar entre sí Expresar la matriz y de otra antisimétrica ( como suma de una matriz simétrica 23
24 171. Calcula las potencias sucesivas de Hallar ( matrices ) B y C tales que AB = I 2 y CA = I 2 siendo A = 1 1 y comparar ambas matrices. 1 0 ( ) Si A = hallar, si es posible, una matriz B tal que AB = I Qué es lo que no funciona? Se puede hallar una matriz C tal que AC = 0 2? Probar que si A es antisimétrica, entonces A 2 es simétrica Es cierto que la matriz inversa de una matriz triangular inferior con 1 en la diagonal se obtiene manteniendo la diagonal y cambiando de signo los demás elementos? 176. Si A 1 y B 1 existen y conmutan, entonces AB conmutan Sean A, B y C matrices (n, n), con C 0 y rang(a) > rang(b), entonces rang(ac) > rang(bc) rang(a + B) rang(a)+rang(b) rang(λa) = λ rang(a) rang(ab) rang(a) rang(b) Hallar rang(a), rang(a 2 ), rang(a 3 ) y rang(a 4 ), para la matriz A =
25 ( a La potencia n-ésima de H = 0 a ( ) a n 1 a) b) 0 a v ( a n n 0 a n ) c) a n 1 ( a n 0 a ) ). con a real es 183. Sean A y B matrices tales que AB = 0. Entonces, a) A = 0 o B = 0, b) A = 0 y B = 0, c) puede ocurrir que A 0 y B Sean A una matriz (n, n) tal que A+A = 0. Entonces, a) A es antisimétrica, b) puede ocurrir que A 0, c) con seguridad A = Una de las siguientes tres matrices A satisface AB = BA = I para cualquier matriz B del tipo (3,3): a) 0 1 0, b) 1 1 1, c) La multiplicación entre matrices no tiene la propiedad a) asociativa b ) distributiva c) conmutativa 25
26 187. Hallar una base del espacio vectorial de todas las matrices (n, n) que tienen traza cero y del espacio vectorial de todas las matrices antisimétricas Averiguar si es cierto que si p es impar y A es cuadrada, entonces a) ( A) p = A p, b) si A y B son matrices (m, n), entonces A AB = (B A), c) si A y B son cuadradas, entonces A 2 B 2 = (A + B)(A B) Sea A = ( ). Entonces a) AB = A para cualquier matriz B de orden (2,2), b ) la ecuación AX = I nunca tiene solución, ( ) 1 1 c) B = verifica AB = I Averiguar si los siguientes resultados son correctos: ( ) n ( ) 1 a 1 na a) =, ( ) n ( ) n b) = n, n 1 0 a 1 0 na c) 0 1 b = 0 1 nb ( cos x sin x 191. Si A = sin x cos x a) I, ( ) cos b) n x sin n x sin n x cos n, x ( ) cos(nx) sin(nx) c). sin nx) cos(nx) ), entonces A n es igual a 26
27 ( El conjunto de matrices que conmutan con A = 0 1 ( ) x 1 a), 0 y ( 0 x b) y 0 ( x 0 c) 0 y ), ). ) n, es 193. El conjunto de matrices que conmutan con A = ( x y a) 0 x ( x x b) 0 x ( x x c) 0 y ), ), ). ( Averiguar si las siguientes afirmaciones son correctas: a) si existe AB, entonces existe BA, b) si existe AB y AC, entonces A(B+C) = AB + AC, c) si AB = 0, entonces A=0 o A= Averiguar si las siguientes afirmaciones son correctas: a) si AB = AC, entonces existe B = C, b) si existe A 2 = I, entonces A = I o A = I, c) si A n = 0, entonces A p = 0 para todo p n. ) n, es 196. Si las matrices A, B y C satisfacen las igualdades AB = 0 y CA = I, entonces a) A = B b) B = 0 c) B = I. ( cos x sin x 197. Sean las matrices A = sin x cos x Para qué ángulo α conmutan A y B ) ( cos x sin x y B = sin x cos x ). 27
28 a) para ninguno b) α = kπ/2, k Z c) α = kπ, k Z 198. Sean A M (m,n) (R) y B M (n,m) (R) tales que BA = I M (n,n) (R) y f y g sus respectivas aplicaciones lineales asociadas. Entonces a) m = n, f es biyectivo y g es biyectivo. b) m n, f es sobreyectivo y g es inyectivo. a) m n, f es inyectivo y g es sobreyectivo AA siempre es simétrica Averiguar si las siguientes afirmaciones son correctas: a) dos matrices diagonales conmutan siempre, b) si A es antisimétrica, entonces B AB es antisimétrica, c) si A y B son simétricas, entonces AB es simétrica Si f es un endomorfismo de M (2,2) R definido por f(a) = A, hallar la matriz de f respecto de la base canónica Prueba que si A + 2A = 0, entonces a ii = 0 para todo i Probar que si A y B conmutan equivale a que A y B conmutan Probar que si A es simétrica, también lo es P AP para cualquier elección de P Hallar todas las matrices de M (2,2) (R) que satisfagan A A = Averiguar si las siguientes afirmaciones son correctas: a) Si A es (m, n) y tiene sus elementos enteros, entonces AA no tiene necesariamente sus elementos enteros, b ) Si A es cuadrada y si A + 2A = 0, entonces algún elemento de la diagonal de A puede ser no nulo, c) Si A y B son matrices (m, n) y si A + B = A, entonces A = B/2. 28
29 207. Sea A una matriz real triangular. Si AA = A A, entonces a) A es una matriz escalar b) A = I c) A es diagonal 208. Averiguar si las siguientes igualdades son correctas: a) (ABC) t = A B C b) (A B ) t = BA c) (λa) t = λa Sean A, B M (n,n) (R). Entonces a) rang(ab) = rang(a)rang(b). b) rang(ab) = rang(ba). c) rang(ab) = rang(b A ) La traza tr(a) de una matriz cuadrada se define como la suma de todas sus entradas diagonales. Probar que tr(a+ab) = tr(a)+tr(b) y que tr(λa = λtr(a) El producto de dos matrices elementales es una matriz elemental La inversa de una matriz elemental es elemental La traspuesta de una matriz elemental es elemental La suma de dos matrices elementales es elemental Si B es obtiene efectuando una operación elemental por filas en A, entonces B puede ser obtenida también efectuando una operación elemental por columnas en A El aplicar operaciones elementales sobre filas a la matriz ampliada A b de un sistema de ecuaciones lineales Ax = b para obtener otra matriz C d, hace que el sistema Cx = d tenga las mismas soluciones que el anterior Señalar qué tipo de operaciones elementales de filas hay que efectuar sobre I para obtener las siguientes matrices elementales
30 218. Sea A una matriz (3, m). Indica a qué operación elemental sobre filas de A corresponde el acto de premultiplicar A por cada una de las siguientes matrices 1/ Comprueba que una matriz elemental es distinta de I en, a lo sumo, dos filas Probar que no es una matriz elemental. Prueba que P 2 I pero que P 3 = I y escribe P como producto de dos matrices elementales Una matriz diagonal es no regular si y sólo si a 11 a 22 a nn = Toda matriz elemental es regular Si A es producto de matrices elementales, A es regular Si A y B es regular, A + B es regular Si A es regular y AB = 0, B = 0. ( a b 226. La matriz adjunta de c d ) ( d c es b a ) 227. Suponiendo que todas las matrices que intervienen son regulares, despeja D en cada una de las siguientes ecuaciones matriciales: a) ADB = C b) ACDB = C c) CADB = C d) (AB) 1 AD = I e) A(B + D) = (B 1 ) Suponiendo que una matriz B de orden (n, n) satisface la ecuación B 7 3B + I = 0, probar que B es regular y halla una fórmula para B 1 en función de B. 30
31 229. Suponiendo que una matriz A de orden (n, n) satisface la ecuación A p = 0 para algún p, probar que A es no regular Si A = ( ), calcular A 2 y A Si A = y B = matricial AX + B = resolver la ecuación 232. Sean A y B matrices cuadradas. Probar que si AB es regular, entonces A y B son regulares Probar que si A es regular y simétrica, A 1 es simétrica Hallar una matriz regular P tal que PA = B siendo A = B = Hallar asímismo una matriz regular Q tal que AQ = B Calcular la inversa de la matriz A = 236. Comprobar que la matriz A = 0 c b c 0 a b a está dominada por sus elementos diagonales y concluir que A es regular. En la definición de matriz dominante en la diagonal, reemplazar > por y hallar una matriz con elemntos no nulos que cumpla esa condicion y que no sea regular 237. Probar que si A es no-singular y si AB = BA, entonces A 1 B = BA 1. 31
32 238. Calcular la inversa de la matriz H = a 0 1 a b 1 a b c 239. Probar que si A es simétrica y regular, entonces A 1 es simétrica y regular Probar que si A y A son matrices regulares, entonces las siguientes fórmulas son equivalentes AB = BA AB 1 = B 1 A A 1 B = BA 1 A 1 B 1 = B 1 A Hallar la inversa de la matriz de Vandermonde 242. Averiguar si es cierto que si A es regular y si a b c a 2 b 2 c 2 a) A tiene todos sus elementos enteros, entonces A 1 tiene todos sus elementos enteros, b) A es diagona1, entonces A 1 es diagonal, c) A es simétrica, entonces A 1 es simétrica Para qué valores de a es regular la matriz 244. Para qué valores de a es regular la matriz a a a. 1 a a 2 a a a a Si A es una matriz (n, n) regular que verifica A 2 4A+I = 0, entonces a) A 1 = 4I A b) A 1 = A 4I c) A 1 = 4I + A Averiguar si es cierto que para una matriz regular A a) (λa) k = λ k A k, para todo entero k, b) AB = AC B = C, 32..
33 c) (A + B) 1 = A 1 + B 1, si B es regular Sean A y B dos bases de un espacio vectorial E y sea I E el endomorfismo idéntico sobre E. Entonces a) la matriz de I E en las bases A y B es una matriz no regular, b) la matriz de I E en las bases A y B puede ser la matriz unidad, c) la matriz de I E en las bases A y A es la matriz unidad Sea A M (n,n) (R), entonces a) rang(a) = n si y sólo si A es regular. b) Si A es regular, rang(a) = n pero existen matrices de rango n que no son regulares. c) Si rang(a) = n, A es regular pero existen matrices regulares de rango n. 33
34 Cambios de base 249. Sean A, B y C bases de E un e.v.s. K y f y g endomorfismos de E. Entonces a) Matriz de f g respecto de las bases A y C es igual al producto de la matriz de f en las bases B y C por la matriz de g en las bases A y C. b) Matriz de f g respecto de las bases A y C es igual al producto de la matriz de f en las bases B y C por la matriz de g en las bases A y C. c) Matriz de f g respecto de las bases A y C es igual al producto de la matriz de f en las bases C y B por la matriz de g en las bases C y A Si A y B son matrices de un mismo endormorfismo (respecto a bases distintas), entonces existe una matriz regular P tal que A = P 1 BP Sea E un e.v.s. K referido a una base A y F otro e.v.s. K referido a una base B. Sea f una aplicación lineal de E en F y sea el esquema I E f I F E E F F Sea B la matriz de la aplicación f en las bases A y B y sea A la matriz de la aplicación I F f I E en las bases A y B. Entonces a) A = I 1 BI, b) B = IAI 1, c) A = IBI 1. 34
35 Sistemas de ecuaciones lineales 252. Sean los sistemas: 2x + y (3 + 2λ)z = 0 x + (1 + µ)z = 0 y x y + (3 λ)z = 0 (µ 1)x + y + µ(µ 1)z = 0 Obtener el conjunto de soluciones de ambos sistemas y calcular los valores de λ y µ que hacen los sistemas equivalentes Todo sistema tiene, al menos, una solución. Todo sistema tiene, a lo sumo, una solución. Todo sistema homogéneo tiene, al menos, una solución Cualquier sistema de n ecuaciones con n incógnitas tiene, a lo sumo, una solución. Cualquier sistema de n ecuaciones con n incógnitas tiene, al menos, una solución Si Ax = 0 tiene una solución, entonces Ax = b tiene una solución Si el sistema lineal Ax = 0 sólo tiene laa solución trivial, entonces Ax = b es compatible determinado para cualquier b Si A M (m,n) (R), b M (m,1) (R) y rang(a) = n, entonces Ax = b es compatible determinado Si A M (4,3) (R), b M (4,1) (R), rang(a) = 2 y el sistema Ax = b es compatible, entonces las infinitas soluciones del sistema dependen de un parámetro Si A M (4,3) (R), b M (4,1) (R), rang(a) = 2, entonces el sistema Ax = b es equivalente al sistema formado por dos ecuaciones de Ax = b Si A,B M (m,n) (R), b M (m,1) (R) y x e y son soluciones de los ssitemas Ax = b y Bx = 0, respectivamente, entonces x+y es solución de (A+B)z = b. 35
36 261. Si A M (n,n) (R), b M (n,1) (R) y det(a) = 8, entonces Ax = b tiene como única solución x = A 1 b Sean A M (m,n) (R), b M (m,1) (R). Si S es el conjunto de soluciones del sistema Ax = b, entonces entre las siguientes afirmaciones (1) (0, 0,..., 0) S, (2) S es usbespacio vectorial de R n, (3) rang(a) = rang(a b), se verifican las implicaciones (1) (3) (3) (2). a) Verdadero, pues (1), (2) y (3) son equivalentes. b) Verdadero, pues (1) (3) ya que si (0, 0,..., 0) S, entonces b = 0 y rang(a) = rang(a b); además (3) (2) pues si rang(a) = rang(a b), entonces el sistema es compatible y el conjunto de soluciones de un sistema es siempre un espacio vectorial. c) Falso, pues la implicación (3) (2) sólo es cierta si b = Sea A una matriz cuadrada de orden n tal que el sistema homogéneo Ax = 0 es compatible indeterminado. Entonces si b M (n,1) (R), el sistema Ax = b es compatible indeterminado. a) Verdadero, pues rang(a) = rang(a b). b) Falso, ya que si consideramos las matrices A = y b = 1, se cumple que Ax = 0 es compatible indeterminado y, sin embargo, Ax = b es incompatible. c) En general es falso, aunque sería cierto si b es el doble de la primera columna de la matriz A Sea f un endomorfismo de R 3 de matriz A respecto de la base canónica, cuyo subespacio imagen está dado por Im(f) = {(x, y, z) R 3 x + y + z = 0, z = 0}. 1 Entonces se verifica que el sistema Ax = 1 es compatible determinado. 0 36
37 a) Verdadero, pues como (1, 1, 0) Im (f) el sistema tiene solución y dado que rang(a) = dim(im(f)) = 3 la solución es única. b) Falso, ya que como pues como (1, 1, 0) Im (f) es rang(a) = rang(a b) pero este rango común no es igual al número de incógnitas sino menor. Por ello es sistema es compatible indeterminado. c) Falso, pues no disponemos de información suficiente para poder calcular rang(a) Si A M (n,n) (R), b M (n,1) (R) sea el sistema, Ax = b. Entonces si b pertenece al subespacio generado por las columnas de la matriz A, el sistema es compatible determinado. a) Verdadero, pues la condición sobre b garantiza la compatibilidad y como el número de ecuaciones es igual al de incógnitas, es determinado. ( ) b) Falso, pues el sistema de matriz ampliada es un contraejemplo c) Falso, pues lo único que podemos asegurar es que el sistema es compatible. d) Sería cierto si rang(a) = n Si el sistema lineal Ax = b es incompatible, entonces Ax = 0 es compatible indeterminado El rango de la matriz de coeficientes de un sistema lineal nunca es superior al rango de la matriz ampliada Si A b se obtiene de A b mediante transformaciones elementales de filas, 1os sistemas A x = b y Ax = b son equivalentes Un sistema Ax = b con matriz A del tipo (m, n) y rango m siempre tiene una solución Un sistema de m ecuaciones con m+1 incógnitas siempre tiene una solución Estudiar la compatibilidad del sistema de ecuaciones lineales cuya matriz ampliada es 37
38 y del que resulta de reemplazar la última columna por la 272. El sistema de ecuaciones lineales cuya matriz ampliada es 1 k 2 1 k verifica que a) no tiene solución para k = 1, b) para cualquier k R es compatible, c) tiene solución única para k > 1, d) tiene infinitas soluciones para k = 5/3, e) tiene exactamente dos soluciones distintas para k = El sistema de ecuaciones lineales cuya matriz ampliada es a a b verifica que a) si a = 1, tiene solución única para cualquier b R, b) si a = b, es compatible, c) si a = b = 0, el conjunto de todas las soluciones es un espacio vectorial de dimensión 1, d) si b = 0, es compatible indeterminado para cualquier a R, e) no existen valores de a y b para los cuales sea incompatible Prueba que el sistema de ecuaciones lineales cuya matriz ampliada es
39 es compatible si, y sólo si c 2a + b = Resolver los sistemas de ecuaciones lineales cuyas matrices ampliadas son a Sea el sistema Ax = b con b 0 y su sistema homogéneo asociado Ax = 0. Sean x e y dos soluciones cualesquiera de Ax = b. Entonces a) x y es solución de Ax = 0 pero no lo es x + y, 39
40 b) x y y x+y son soluciones de Ax = 0 pues el conjunto de soluciones de Ax = 0 es un subespacio vectorial, c) x + y es solución de Ax = 0 pero no lo es x y Si b es una de las columnas de A, el sistema Ax = b es a) compatible determinado, b) compatible con más de una solución, c) posiblemente incompatible Averiguar cuáles de las siguientes afirmaciones son ciertas: el sistema Ax = b con A M (n,n) (R) es compatible determinado si a) dim(nuc(a)) = 0, b) rang(a) = n, c) dim(nuc(a)) = n Sea A M (n,n) (R) con det(a) = 0. Entonces el sistema Ax = b a) es compatible sólo para alguna b, b) es compatible sólo para b = 0, c) es compatible para toda b, pero no necesariamente determinado Sea A M (n,n) (R) y supongamos que el sistema el sistema Ax = b tiene dos soluciones l.i. Entonces a) rang(a) n y puede que rang(a) = n b) rang(a) n 1 y puede que rang(a) = n 1 c) rang(a) n 2 y puede que rang(a) = n Sea A M (n,n) (R). Entonces el sistema el sistema Ax = 0 tiene solución no trivial si y sólo si a) rang(a) < n, b) rang(a) = n, c) A 0. 40
41 282. Sea A M (37,38) (R). Entonces el sistema el sistema Ax = 0 a) no tiene solución no trivial, b) es incompatible, c) debe tener solución no trivial Sea A M (38,37) (R). Entonces el sistema el sistema Ax = 0 a) no tiene solución no trivial, b) es incompatible, c) debe tener solución no trivial. 41
42 Espacios euclideos 284. Todo polinomio de segundo grado es una forma cuadrática. Si q(x) = x Ax, entonces A es una matriz simétrica Si q es una forma cuadrática definida positiva, entonces para todo x R n es q(x) > 0. Si q es una forma cuadrática no definida, entonces para todo x R n con x 0es q(x) 0. Si q es una forma cuadrática definida negativa, entonces αq(x) es definida negativa si α > 0 y definida positiva si α < La fórmula f(x, y) = x 2 y 2 es una forma cuadrática indefinida Es definida positiva la forma cuadrática de matriz 288. Estudiar el signo de las formas cuadráticas de matrices ( ) 1 1 0, , ? Para qué valores del parámetro son positivas las siguientes formas cuadráticas 3x 2 4xy + 4ay 2 5x 2 + y 2 + az 2 + 4xy 2xz 2yz 3x 2 + y 2 + 3z 2 + 2axy + 2xz La forma cuadrática x 2 +3y 2 +z 2 +4xy 4yz se escribe matricialmente a) ( x y z ) x y z b) ( x y z ) x y z 42
43 c) ( x y z ) Dada la forma cuadrática q(x, y) = ax 2 + by 2 + cxy con a, b, c R, entonces ( ) ( ) a 2c x a) q(x, y) = (x y), c b y ( ) ( ) a/2 c/2 x b) q(x, y) = (x y). c/2 b/2 y c) si a > 0, q no está definida, d) si ab < 0, q no está definida, e) si a + b + c > 0, q es definida positiva Dada la forma cuadrática q(y) = x Ax con A =, entonces a) si a < 1, q no está definida, x y z a a b) si a = 1, existe un vector no nulo x R 3 tal que q(x) = 0, c) si a < 0, q es definida negativa, d) si a = 2, q restringida al conjunto B 1 = {(x, y, z) R 3 x + 2y z = 0} es definida positiva, e) si a = 0, q restringida al conjunto B 2 = {(x, y, z) R 3 x = y, z = 0} es no definida Dada la forma cuadrática q(x 1, x 2, x 3, x 4 ) = ax bx cx dx 2 4 con a, b, c, d R tales que a 2 = bcd, se verifica que q es definida positiva o bien indefinida. a) Falso, ya que de la condición a 2 = bcd sólo puede deducirse que q no es definida negativa. b) Verdadero, pues si a 2 = bcd, entonces o bien a, b, c, d son todos positivos o bien dos de ellos son positivos y los otros dos negativos. 43
44 294. La función f((x 1, x 2 ), (y 1, y 2 )) = x 1 y 1 + x 2 y 2 es un producto escalar en R Si < x, y >= 0 para todo y de E, entonces y = Averiguar si f(x, y) = x 1 y 1 + 5x l y 2 + 5y l x x 2 y 2 define en R 2 un producto escalar en R 2. Calcular su matriz en las bases (i) base canónica (ii) ((1, 1), ( 1, 1)) (iii) ((1, 0), ( 5, 1)) Averiguar si f(p (x), Q(x)) = 1 P (x)q(x)dx define un producto escalar en R 3 (x) y hallar su matriz respecto de la base 1 canónica Toda forma bilineal simétrica define un producto escalar Averiguar si las siguientes formas bilineales sobre R 3 son productos escalares a) f((x 1, x 2, x 3 ), (y 1, y 2, y 3 )) = x 1 + x 2 + y 1 + y 2 b) f((x 1, x 2, x 3 ), (y 1, y 2, y 3 )) = x 1 y 1 + x 2 y 2 c) f((x 1, x 2, x 3 ), (y 1, y 2, y 3 )) = 9x 1 y 1 + 3x 1 y 2 + 4x 2 y 2 + 3x 2 y Averiguar si las siguientes afirmaciones son correctas a) < (x 1, x 2, x 3 ), (y 1, y 2, y 3 ) >= 1 (y 1, y 2, y 3 ) = (1/x 1, 1/x 2, 1/x 3 ) b) < (x 1, x 2, x 3 ), (y 1, y 2, y 3 ) >=< (x 1, x 2, x 3 ), (z 1, z 2, z 3 ) > (y 1, y 2, y 3 ) = (z 1, z 2, z 3 ) c) < (y 1, y 2, y 3 ), (z 1, z 2, z 3 ) > (x 1, x 2, x 3 ) = (v 1, v 2, v 3 ) (x 1, x 2, x 3 ) = (1/ < (y 1, y 2, y 3 ), (z 1, z 2, z 3 ) >)(v 1, v 2, v 3 ) 301. Sean los vectores x = (x 1, x 2 ) y y = (y 1, y 2 ) de R 2. Avriguar si son producto escalar a) < x, y >= x 1 + x 2 + y 1 + y 2. b) < x, y >= x 1 y 1 + x 2 y 2. c) < x, y >= 9x 1 y 1 + 3x 1 y 2 + 4x 2 y 2 + 3x 2 y 1. 44
45 302. Averiguar si es cierto que a) < x, y >= 1 x = 1/y. b) < x, y >=< x, z > y = z. c) < y, z > x = v x = (1/ < y, z >)v si < y, z > Todo vector es ortogonal a Si x [y, z], entonces {x, y, z} es l.i Si ortogonalizamos por Gram-Schmidt una familia A de cinco vectores de un espacio euclídeo, de los cuales los tres primeros son ortogonales, entonces los tres primeros vectores producidos por el método coinciden con los tres primeros de A Si x E, entonces el ortogonal del ortogonal de [x ] es precisamente [x ] Si y es ortogonal a n vectores l.i. de un espacio euclideo E de dimensión n, entonces y = Todo conjunto ortonormal es l.i Todo espacio euclídeo tiene una base ortonormal Para todo subespacio F de E, la suma de F y su ortogonal es todo el espacio E Todo conjunto ortogonal es l.i Probar que f(p (x), Q(x)) = 1 P (x)q(x)dx define un producto escalar en R 1 (x) y hallar su matriz respecto de la base canónica. Averiguar 1 si las bases siguientes son ortogonales u ortonormales: (i) base canónica (ii) (1, x 2) (iii) (x 2/3, x/2) En R 2 con el producto escalar ordinario, sean x = (1,2), y = (6,4). Calcular x, x y y el coseno del ángulo que forman x e y. 45
46 314. Sea el producto escalar f(p (x), Q(x)) = 2 0 P (x)q(x)dx en R 2(x). Calcular x 2, x 2 x + 2, el coseno del ángulo que forman x 2 y x + 2 averiguando si son ortogonales Aplicar el método de Gram-Schmidt a la base de R 3 ((1, 0, 1), (1, 0, 1), (1, 3, 4)) para obtener una base ortonormal, considerando el producto escalar ordinario Sea el producto escalar f(p (x), Q(x)) = 1 1 P (x)q(x)dx en R 3(x). Ortonormalizar la base canónica Sea W el subespacio de R 4 de todos los vectores ortogonales a (1, 0, 1, 1) y a (2, 3, 1, 2). Hallar una base ortonorrnal de W y extenderla a una base ortonormal de R En R 3, considera W = {(x, y, z) 3x + y z = 0}. Hallar la proyección ortogonal del vector (1,1,1) sobre W Hallar un vector ortogonal a (2, 1, 1) y (1, 2, l) Averiguar si las siguientes afirmaciones son correctas a) x y x y b) x > y x > y c) x + y = x y = Averiguar si las siguientes afirmaciones son correctas a) x = y x = y b) x = y < x + y, x y >= 0 c) x + y = x y < x, y >= Averiguar si respecto del producto escalar ordinario son ortogonales los siguientes pares de vectores a) (5, 2, 3) y (2, 4, 6) b) (1, 1, 1) y ( 1, 1, 1) c) (cos x cos y, sin x sin y, sin y) y (cos x sin y, sin x cos y, cos y) 46
Álgebra Lineal, Ejercicios
Álgebra Lineal, Ejercicios MATRICES 1 Se llama traza de una matriz cuadrada a la suma de los elementos de su diagonal principal Sea G el conjunto de todas las matrices cuadradas de orden n con traza nula
Más detallesMatrices, determinantes, sistemas de ecuaciones lineales.
UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m
Más detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesMatriz sobre K = R o C de dimensión m n
2 Matrices y Determinantes 21 Matrices Matriz sobre K = R o C de dimensión m n A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn Tipos de matrices: Cuadrada: n n = (a ij) i=1,,m j=1,,n Nula: (0) i,j 1 0
Más detallesEjemplo 1. Ejemplo introductorio
. -Jordan. Ejemplo 1. Ejemplo introductorio. -Jordan Dos especies de insectos se crían juntas en un recipiente de laboratorio. Todos los días se les proporcionan dos tipos de alimento A y B. 1 individuo
Más detalles2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U.
2 Ortogonalidad En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U 1 Vectores ortogonales Definición 11 Dos vectores x, ȳ U se dicen ortogonales si: x ȳ = 0 Veamos algunas propiedades
Más detallesSistemas de Ecuaciones Lineales
Sistemas de Ecuaciones Lineales 1 Sistemas de ecuaciones y matrices Definición 1 Una ecuación lineal en las variables x 1, x 2,..., x n es una ecuación de la forma con a 1, a 2... y b números reales. a
Más detallesBLOQUE DE ÁLGEBRA: TEMA 1: MATRICES.
BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES. Matrices: Se llama matriz de dimensión m n a un conjunto de números reales dispuestos en m filas y n columnas de la siguiente forma: 11 a 12 a 13... a 1n A= a a 21
Más detallesÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; (A ) = A. 2. La inversa de A 1 es A; (A 1 ) 1 = A. 3. (AB) = B A.
ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; A = A. 2. La inversa de A 1 es A; A 1 1 = A. 3. AB = B A. 4. Las matrices A A y AA son simétricas. 5. AB 1 = B 1 A 1, si A y B son no singulares. 6. Los escalares
Más detallesPROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 2005/06
PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 200/06 1. Utilizar el método de eliminación de Gauss para resolver el sistema de ecuaciones lineales siguiente: 2 x 1 2 x
Más detallesARITMÉTICA Y ÁLGEBRA
ARITMÉTICA Y ÁLGEBRA 1.- Discutir el siguiente sistema, según los valores de λ: Resolverlo cuando tenga infinitas soluciones. Universidad de Andalucía SOLUCIÓN: Hay cuatro ecuaciones y tres incógnitas,
Más detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más detallesCOLEGIO UNIVERSITARIO CARDENAL CISNEROS. Libro de Ejercicios de Matemáticas Empresariales II
COLEGIO UNIVERSITARIO CARDENAL CISNEROS Libro de Ejercicios de Matemáticas Empresariales II Manuel León Navarro 2 Capítulo 1 Ejercicios lección 1 1. Sea el conjunto de las matrices cuadradas de orden 2
Más detallesOperaciones con matrices
Operaciones con matrices Problemas teóricos En todos los problemas de esta lista se supone que F es un campo (cuerpo). Si no conoce bien el concepto de campo, entonces puede pensar que F = R. Operaciones
Más detallesTema 2. Grupos. 3. El conjunto de matrices de orden 2 con coeficientes enteros (o reales) con la suma es un grupo conmutativo.
Tema 2. Grupos. 1 Grupos Definición 1 Un grupo es una estructura algebraica (G, ) tal que la operación binaria verifica: 1. * es asociativa 2. * tiene elemento neutro 3. todo elemento de G tiene simétrico.
Más detalles40 Matemáticas I. Parte II. Álgebra Lineal. I.T.I. en Electricidad. Prof: José Antonio Abia Vian
40 Matemáticas I Parte II Álgebra Lineal 41 Matemáticas I : Álgebra Lineal Tema 4 Espacios vectoriales reales 4.1 Espacios vectoriales Definición 88.- Un espacio vectorial real V es un conjunto de elementos
Más detallesCAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES
CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES Parte A: determinantes. A.1- Definición. Por simplificar, consideraremos que a cada matriz cuadrada se le asocia un número llamado determinante que se
Más detallesTema 5: Sistemas de Ecuaciones Lineales
Tema 5: Sistemas de Ecuaciones Lineales Eva Ascarza-Mondragón Helio Catalán-Mogorrón Manuel Vega-Gordillo Índice 1 Definición 3 2 Solución de un sistema de ecuaciones lineales 4 21 Tipos de sistemas ecuaciones
Más detallesCapitulo 6. Matrices y determinantes
Capitulo 6. Matrices y determinantes Objetivo. El alumno aplicará los conceptos fundamentales de las matrices, determinantes y sus propiedades a problemas que requieran de ellos para su resolución. Contenido.
Más detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 1 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesUna matriz es una tabla ordenada (por filas y columnas) de escalares a i j de la forma: ... ... a... ...
MATRICES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales. Tienen también muchas aplicaciones
Más detallesTEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.
TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A
Más detallesMatrices y Determinantes.
Matrices y Determinantes. Definición [Matriz] Sea E un conjunto cualquiera, m, n N. Matrices. Generalidades Matriz de orden m n sobre E: a 11 a 12... a 1n a 21 a 22... a 2n...... a m1 a m2... a mn a ij
Más detalles1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO
1 1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO Muchos de los fenómenos que se investigan en la geometría utilizan nociones como las de longitud de un vector y ángulo entre vectores. Para introducir estos dos
Más detallesTema 1. Álgebra lineal. Matrices
1 Tema 1. Álgebra lineal. Matrices 0.1 Introducción Los sistemas de ecuaciones lineales aparecen en un gran número de situaciones. Son conocidos los métodos de resolución de los mismos cuando tienen dos
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2010 2011) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
real de con Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura real de con Índice real de con real de con.
Más detallesAplicaciones Lineales. Diagonalización de matrices.
Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición
Más detallesTÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA
ESCUELA ESTUDIOS DE TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA DEPARTAMENTO DE INGENIERÍA INFORMÁTICA MATEMÁTICA APLICADA I ÁLGERA LINEAL OLETINES DE PROLEMAS Curso 8-9 Sistemas de ecuaciones lineales.
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES MATRICES. SISTEMAS DE ECUACIONES LINEALES Matrices ) Dada la matriz M=, prueba que n n M M, n. ) Demuestra la siguiente implicación: Si I A I AA A
Más detallesProblemas de exámenes de Aplicaciones Lineales y Matrices
1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesProblemas de exámenes de Formas Bilineales y Determinantes
1 Problemas de exámenes de Formas Bilineales y Determinantes 1. Sea R 3 con el producto escalar ordinario. Sea f un endomorfismo de R 3 definido por las condiciones: a) La matriz de f respecto de la base
Más detallesProblemas de Álgebra Ingeniería Técnica en Informática de Sistemas. Curso 2009/10
Problemas de Álgebra Ingeniería Técnica en Informática de Sistemas Curso 2009/10 Hoja 1 Preliminares 1 Resuelve los siguientes sistemas de ecuaciones de números complejos: { z 1 + iz 2 = 1 i 3z 1 + (1
Más detallesAplicaciones lineales y matrices.
Tema 2 Aplicaciones lineales y matrices. 2.1. Introducción. Supondremos al alumno familiarizado con la idea de matriz o tabla de orden n, m con n, m números naturales que denotan el número de filas y columnas,
Más detallesMatrices. Operaciones con matrices.
Matrices. Operaciones con matrices. Ejercicio. Dadas las matrices ( ) ( ) 4 A = B = ( ) C = D = 4 5 ( ) 4 E = F = seleccione las que se pueden sumar y súmelas. Ejercicio. Dadas las matrices ( ) ( ) A =
Más detallesMatrices. p ij = a ik b kj = a i1 b 1j + a i2 b 2j + + a in b nj.
Matrices Introducción Una matriz de m filas y n columnas con elementos en el cuerpo K es un rectángulo de elementos de K (es decir, números) del tipo a a 2 a n a 2 a 22 a 2n A = (a ij ) = a m a m2 a mn
Más detalles10. 1 Definición de espacio euclídeo.
ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA MATEMATICAS 10. ESPACIOS EUCLÍDEOS 10. 1 Definición de espacio euclídeo. Producto escalar
Más detalles1. Determinar las ecuaciones paramétricas y la ecuación continua de las rectas que pasan por el punto A y con el vector de dirección dado:
CAPÍTULO. GEOMETRÍA AFÍN.. Problemas. Determinar las ecuaciones paramétricas y la ecuación continua de las rectas que pasan por el punto A y con el vector de dirección dado: a) A(,, ), v = (,, ) ; b) A(0,
Más detallesTema 2. Sistemas de ecuaciones lineales
Tema 2. Sistemas de ecuaciones lineales Estructura del tema. Definiciones básicas Forma matricial de un sistema de ecuaciones lineales Clasificación de los sistemas según el número de soluciones. Teorema
Más detalles1.5.3 Sistemas, Matrices y Determinantes
1.5.3 Sistemas, Matrices y Determinantes 24. Sean las matrices 3 0 4 1 A= 1 2 B = 0 2 1 1 C = 1 4 2 3 1 5 1 5 2 D = 1 0 1 E = 3 2 4 6 1 3 1 1 2 4 1 3 a Calcular cuando se pueda: 3C D, ABC, ABC, ED, DE,
Más detallesEstructuras algebraicas
Estructuras algebraicas Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Relaciones binarias 11 Recordatorio Definición Dados dos conjuntos A y B se llama producto cartesiano de A por B
Más detallescomo el número real que resulta del producto matricial y se nota por:
Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,
Más detallesÁlgebra y Álgebra II - Segundo Cuatrimestre 2017 Práctico 4 - Espacios Vectoriales
Álgebra y Álgebra II - Segundo Cuatrimestre 2017 Práctico 4 - Espacios Vectoriales (1) Sea n N. Mostrar que el conjunto de polinomios sobre R de grado menor que n es un subespacio vectorial de R[x]. Este
Más detallesGEOMETRÍA EN EL ESPACIO.
GEOMETRÍA 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 detallesEJERCICIOS RESUELTOS DE SISTEMAS LINEALES
EJERCICIOS RESUELTOS DE SISTEMAS LINEALES 1. Dado el sistema de ecuaciones lineales: 2x + 3y 3 4x +5y 6 a) Escribir la expresión matricial del sistema. b) Discutir el sistema. c) Resolver el sistema por
Más detallesDada la proporción =, calcula el producto de extremos menos el producto de medios. 4. Halla los determinantes de las siguientes matrices: Solución:
3 Determinantes. Determinantes de orden y 3 por Sarrus Piensa y calcula 3 6 Dada la proporción =, calcula el producto de extremos menos el producto de medios. 4 8 3 8 6 4 = 4 4 = 0 Aplica la teoría. Calcula
Más detallesÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN BOLETÍN DE PROBLEMAS DE
E.T.S. DE INGENIERÍA INFORMÁTICA BOLETÍN DE PROBLEMAS DE ÁLGEBRA LINEAL para las titulaciones de INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN 1. Matrices y determinantes Ejercicio 1.1 Demostrar
Más detallesBases y dimensión. Problemas teóricos. En todos los problemas se supone que V es un espacio vectorial sobre un campo F. p=1
Bases y dimensión Problemas teóricos Bases de un espacio vectorial En todos los problemas se supone que V es un espacio vectorial sobre un campo F. Definición de base. Sean b 1,..., b n V. Se dice que
Más detallesEspacios vectoriales con producto interior
Espacios vectoriales con producto interior Longitud, norma o módulo de vectores y distancias entre puntos Generalizando la fórmula pitagórica de la longitud de un vector de R 2 o de R 3, definimos la norma,
Más detallesTEMA 7: MATRICES. OPERACIONES.
TEMA 7: MATRICES. OPERACIONES. 1. MATRICES. TIPOS DE MATRICES. Se llama matriz de orden m x n (m filas y n columnas) a un conjunto de m n elementos, distribuidos en m filas y n columnas y encerrados entre
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2008 2009) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás 6 de julio de 2016 2 Índice general 1. Álgebra 5 1.1. Año 2000............................. 5 1.2. Año 2001.............................
Más detallesIsabel Eguia Ribero Aitziber Unzueta Inchaurbe Elisabete Alberdi Celaya
FUNDAMENTOS DEL ÁLGEBRA LINEAL. EJERCICIOS Y CUESTIONES. SOLUCIONES CON MATHEMATICA Isabel Eguia Ribero Aitziber Unzueta Inchaurbe Elisabete Alberdi Celaya ISBN: 978-84-606-6054-5 Depósito legal: BI-355-2015
Más detalles1. Teoría de Conjuntos y Funciones
Universidad Central de Venezuela Facultad de Ciencias Escuela de Matemática Álgebra I 1. Teoría de Conjuntos y Funciones 1.1. Teoría de Conjuntos 1. Dados los conjuntos A, B y C, demuestre que: a) (A B)
Más detalles102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D.
102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D. Tema 1. Espacios Vectoriales. 1. Dar la definición de cuerpo. Dar tres ejemplos de cuerpos. Dar un ejemplo de un cuerpo finito 2. Defina
Más detallesEjercicio 2 (Examen de septiembre de 2009) Razona cuáles de los siguientes conjuntos son subespacios vectoriales:
Ejercicio 1 De los siguientes subconjuntos de R 3 decida cuales son subespacios y cuales no: a) U 1 = {(x,y,z) / x = 1 = y+z} b) U 2 = {(x,y,z) / x+3y = 0,z 0} c) U 3 = {(x,y,z) / x+2y+3z= 0 = 2x+y} d)
Más detallesÁLGEBRA LINEAL I Práctica 6
ÁLGEBRA LINEAL I Práctica 6 Aplicaciones Lineales (Curso 2016 2017) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos
Más detallesBLOQUE 1 : ÁLGEBRA. EJERCICIO 1 Resuelve la ecuación : EJERCICIO 4 Dado el sistema de ecuaciones :
EJERCICIO 1 Resuelve la ecuación : BLOQUE 1 : ÁLGEBRA = 0 EJERCICIO 2 Dado el sistema de ecuaciones : a) Discutirlo según los distintos valores de k. b) Resolverlo en los casos en que sea posible. EJERCICIO
Más detallesEjercicios de Álgebra Lineal
Ejercicios de Álgebra Lineal Sección 1 Lenguaje Ejercicio 1.1 Usar flechas de implicación o equivalencia para marcar en qué dirección se cree que van las conclusiones lógicas en las siguientes proposiciones:
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2009 2010) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesMatemáticas Febrero 2013 Modelo A
Matemáticas Febrero 0 Modelo A. Calcular el rango de 0 0 0. 0 a) b) c). Cuál es el cociente de dividir P(x) = x x + 9 entre Q(x) = x +? a) x x + x 6. b) x + x + x + 6. c) x x + 5x 0.. Diga cuál de las
Más detallesEjercicios resueltos del capítulo 1
Ejercicios resueltos del capítulo Ejercicios impares resueltos..b Resolver por el método de Gauss el sistema x +x x +x 4 +x = x x +x 4 = x +x +x = x +x x 4 = F, ( ) F 4, () F, ( ) F, () 8 6 8 6 8 7 4 Como
Más detallesMatemáticas para la Empresa
Matemáticas para la Empresa 1 o D.C.E. 1 o L.A.D.E. Curso 2008/09 Relación 2. Aplicaciones Lineales. Diagonalización. Formas Cuadráticas 1. Estudia si son lineales las aplicaciones siguientes: a) La aplicación
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesSISTEMAS DE ECUACIONES
Tema 3 SISTEMAS DE ECUACIONES 1.- Se consideran las matrices 1 2 λ A = 1 1 1 y 1 3 B = λ 0, donde λ es cualquier número real. 0 2 a) Encontrar los valores de λ para los que AB es invertible b) Determinar
Más detallesESPACIOS VECTORIALES Y APLICACIONES LINEALES
Departamento de Matemática Aplicada II E.E.I. ÁLGEBRA Y ESTADÍSTICA Boletín n o (010-011 ESPACIOS VECTORIALES Y APLICACIONES LINEALES 1. En el espacio vectorial ordinario R 4 estudiar cuáles de los siguientes
Más detallesÁlgebra Lineal Grupo A Curso 2011/12. Espacios vectoriales. Bases...
Álgebra Lineal Grupo A Curso 2011/12 Espacios vectoriales. Bases 61) Dados los vectores v 1,v 2,...,v n linealmente independientes, probar que también lo son los vectores u 1 = v 1 u 2 = v 1 + v 2... u
Más detallesMatrices. Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas.
Matrices Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detallesPRUEBA MÚLTIPLE ELECCIÓN MATRICES Y DETERMINANTES
PRUEBA MÚLTIPLE ELECCIÓN MATRICES Y DETERMINANTES 1. Sea una matriz A M n n (R) nilpotente de índice p. r(a) n 1 r(a) =p 1 8 4 2 2. Sea la matriz A = 2 1 1 0 5 2 1 1 r(a) =2 r(a) =3 r(a) =4 3. Sea una
Más detallesEjercicios de Matrices, determinantes y sistemas de ecuaciones lineales. Álgebra 2008
Ejercicios de Matrices, determinantes sistemas de ecuaciones lineales. Álgebra 8 - Dado el sistema de ecuaciones lineales 5 (a) ['5 puntos] Clasifícalo según los valores del parámetro λ. (b) [ punto] Resuélvelo
Más detalles1 Aplicaciones lineales
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Aplicaciones lineales y diagonalización. El objetivo principal de este tema será la obtención de una matriz diagonal
Más detallesTEMA 4: Espacios y subespacios vectoriales
TEMA 4: Espacios y subespacios vectoriales 1. Espacios vectoriales Sea K un cuerpo. Denominaremos a los elementos de K escalares. Definición 1. Un espacio vectorial sobre K es un conjunto V cuyos elementos
Más detallesPolinomios. 1.- Funciones cuadráticas
Polinomios 1.- Funciones cuadráticas Definición 1 (Función polinomial) Sea n un entero no negativo y sean a n, a n 1,..., a, a 1, a 0 número s reales con a n 0. La función se denomina función polinomial
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes 1 ÍNDICE Matemáticas Cero Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 5 2
Más detallesPrácticas de Matemáticas II: Álgebra lineal
Prácticas de Matemáticas II: Álgebra lineal Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Prácticas de Matemáticas II: Álgebra lineal
Más detallesProyecciones. Producto escalar de vectores. Aplicaciones
Proyecciones La proyección de un punto A sobre una recta r es el punto B donde la recta perpendicular a r que pasa por A corta a la recta r. Con un dibujo se entiende muy bien. La proyección de un segmento
Más detallesTema 4.- Sistemas de Ecuaciones Lineales
Álgebra. 004-005. Ingenieros Industriale s. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 4.- Sistemas de Ecuaciones Lineales Se sugieren los siguientes ejercicios del capítulo del
Más detallesACTIVIDADES INICIALES
2 Determinantes ACTIVIDADES INICIALES I. Enumera las inversiones que aparecen en las siguientes permutaciones y calcula su paridad, comparándolas con la permutación principal 1234. a) 1342 b) 3412 c) 4321
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Químicas FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina si cada
Más detallesESPACIOS Y SUBESPACIOS VECTORIALES
ESPACIOS Y SUBESPACIOS VECTORIALES. ESPACIO VECTORIAL REAL Un espacio vectorial real V es un conjunto de objetos llamados vectores, junto con dos operaciones, llamadas suma y multiplicación por un escalar
Más detallesSESIÓN 4: ESPACIOS VECTORIALES
SESIÓN 4: ESPACIOS VECTORIALES Un espacio vectorial sobre un campo (como el cuerpo de los números reales o los números complejos) es un conjunto no vacío, dotado de dos operaciones para las cuales será
Más detallesDeterminante de una matriz
25 Matemáticas I : Preliminares Tema 3 Determinante de una matriz 31 Determinante de una matriz cuadrada Definición 67- Sea A una matriz cuadrada de orden n Llamaremos producto elemental en A al producto
Más detallesRelación 1. Espacios vectoriales
MATEMÁTICAS PARA LA EMPRESA Curso 2007/08 Relación 1. Espacios vectoriales 1. (a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy) Demuestra que IR
Más detallesVECTORES EN EL ESPACIO
VECTORES EN EL ESPACIO Página 133 REFLEXIONA Y RESUELVE Relaciones trigonométricas en el triángulo Halla el área de este paralelogramo en función del ángulo a: cm a cm Área = sen a = 40 sen a cm Halla
Más detallesETSI de Topografía, Geodesia y Cartografía
Prueba de Evaluación Continua Grupo A 9-04-14 ESPACIOS VECTORIALES-DIAGONALIZACIÓN (parte sin DERIVE) 1. a) Definir sistema ligado de vectores de un espacio vectorial V. b) Demostrar que si un sistema
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 6 2 Herramientas 8 21 Operaciones
Más detallesMatrices triangulares y matrices ortogonales
Matrices triangulares y matrices ortogonales Problemas para examen Matrices diagonales 1. Sea a R n. Se denota por diag(a) la matriz diagonal con entradas a 1,..., a n : diag(a) = [ a j δ j,k ] n j,k=1.
Más detallesLección 1. Algoritmos y conceptos básicos.
Página 1 de 8 Lección 1. Algoritmos y conceptos básicos. Objetivos. La primera lección del curs está dedicada a repasar los conceptos y algoritmos del álgebra lineal, básicos para el estudio de la geometría
Más detallesTema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES
Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...
Más detallesÁlgebra y Álgebra II - Primer Cuatrimestre 2018 Práctico 4 - Espacios Vectoriales
Álgebra y Álgebra II - Primer Cuatrimestre 2018 Práctico 4 - Espacios Vectoriales (1) Decidir si los siguientes conjuntos son R-espacios vectoriales con las operaciones abajo denidas. (a) R n con v w =
Más detallesTALLER II Profesor: H. Fabian Ramirez MATRICES Y ESPACIOS VECTORIALES
UNIVERSIDAD NACIONAL Facultad de Ciencias Departamento de Matemáticas TALLER II Profesor: H. Fabian Ramirez MATRICES Y ESPACIOS VECTORIALES OBSERVACIÓN: N.A significa Ninguna de las Anteriores. 2. Sean
Más detallesSe denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
TEMA 1.- MATRICES 1.-Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la
Más detalles