Espacios vectoriales reales.

Save this PDF as:

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

Download "Espacios vectoriales reales."

Transcripción

1 Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre de suma de vectores y otra que recibe el nombre de producto de vectores por números reales o producto por escalares, que verifica las siguientes propiedades: (1). u + v V ; u, v V (2). u + v = v + u; u, v V (3). u + (v + w) = (u + v) + w; u, v, w V (4). Existe un vector, llamado vector cero y denotado por 0, tal que: 0 + u = u + 0 = u; u V (5). Para cada vector u V, existe un vector de V, llamado opuesto de u y denotado por u, tal que u + ( u) = 0 (6). ku V ; k IR y u V (7). k(u + v) = ku + kv ; k IR y u, v V (8). (k + l)u = ku + lu; k, l IR y u V (9). (kl)u = k(lu); k, l IR y u V (10). 1u = u; u V Por ser los escalares de IR, se dice que V es un IR-espacio vectorial. Se pueden considerar espacios vectoriales sobre cuerpos de escalares distintos de IR, en particular, suelen ser interesantes los espacios vectoriales complejos, donde los escalares son de C. Proposición 3.2 Algunas propiedades que se deducen de las anteriores son: a) 0u = 0 b) k0 = 0 c) ( 1)u = u d) ku = 0 k = 0 ó u = 0 e) El vector cero de un espacio vectorial es único f) El vector opuesto de cada vector del espacio vectorial es único 3.2 Subespacios vectoriales. Definición 3.3 Un subconjunto W de un espacio vectorial V se dice que es un subespacio vectorial de V si W es por si solo un espacio vectorial con las operaciones definidas en V. Como W V, todos los vectores de W verifican las propiedades 2 a 5 y 7 a 10, por tanto es suficiente probar que las operaciones suma y producto por escalares son internas en W, es decir, que se verifican las propiedades (1) y (6) en W : Preliminares. 35

2 3.3 Base y dimensión. (1 ). u + v W ; u, v W (6 ). ku W ; u W y k IR Estas dos propiedades son equivalentes a la propiedad única: ku + lv W ; u, v W y k, l IR. Observación: Es claro, que si W es un subespacio de V, entonces 0 W. Definición 3.4 Se dice que un vector v V es una combinación lineal de los vectores v 1, v 2,..., v n si, y sólo si, c 1, c 2,..., c n IR tales que v = c 1 v 1 + c 2 v c n v n. Definición 3.5 Dado un conjunto de vectores S = {v 1, v 2,..., v k } de un espacio vectorial V, podemos considerar el subespacio vectorial más pequeño que contiene al conjunto de vectores S (ver ejercicios 3.4 y 3.5). Dicho subespacio, es el conjunto de todas las combinaciones lineales que se pueden formar con los vectores del conjunto S, que se denomina subespacio lineal generado por S y se denota por lin S ó lin{v 1, v 2,..., v k }, y se dirá que v 1, v 2,..., v k generan lin S. Definición 3.6 Dado un conjunto S = {v 1, v 2,..., v k } de vectores del espacio vectorial V, la ecuación vectorial c 1 v 1 + c 2 v c k v k = 0 tiene al menos una solución, a saber: c 1 = c 2 = = c k = 0. Si esta solución es única, entonces se dice que S es un conjunto linealmente independiente (o que los vectores de S son linealmente independientes). Si existen otras soluciones, entonces se dice que S es linealmente dependiente (los vectores son linealmente dependientes). Se tiene la siguente caracterización para que un conjunto de dos o más vectores sea linealmente dependiente (ver ejercicio 3.9): Un conjunto de dos o más vectores es linealmente dependiente si, y sólo si, al menos uno de los vectores es una combinación lineal de los restantes. 3.3 Base y dimensión. Definición 3.7 Si V es un espacio vectorial y S = {v 1,..., v n } es un conjunto finito de vectores de V, diremos que S es una base de V si: a) S es linealmente independiente, y b) S genera a V. Se podría pensar que dos bases de un mismo espacio vectorial pudieran tener un número distinto de vectores, pero no es así, como nos asegura el teorema siguiente Proposición 3.8 Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier conjunto {v 1, v 2,..., v m } de vectores de V, con m > n, es linealmente dependiente. Teorema de la base 3.9 Cualesquiera dos bases de un espacio vectorial tienen el mismo número de elementos. Definición 3.10 Un espacio vectorial V se dice de dimensión finita si contiene un conjunto finito de vectores que forman una base. Si no existe un conjunto de este tipo, se dice que V es de dimensión infinita. Preliminares. 36

3 3.4 Intersección y suma de subespacios vectoriales. Al espacio vectorial { 0} le consideramos de dimensión finita, aún cuando no tiene conjuntos linealmente independientes. Si un espacio vectorial V es de dimensión finita, teniendo en cuenta el teorema de la base, diremos que la dimensión de V, dim V, es el número de vectores de cualquier base de V. Proposición 3.11 Si V es un espacio vectorial de dimensión finita, con dim V = n, entonces: a) un conjunto de n vectores de V es base de V, si el conjunto es linealmente independiente o si genera a V. b) a un conjunto de r vectores de V linealmente independiente, con r < n, se le pueden agregar n r vectores hasta formar una base de V. 3.4 Intersección y suma de subespacios vectoriales. Definición 3.12 Si V es un espacio vectorial y E y F son dos subespacios de V, llamaremos intersección de E y F, y lo denotaremos por E F, al conjunto: E F = {u V : u E, y u F }. Como puede probarse facilmente, la intersección de dos subespacios vectoriales de un mismo espacio vectorial V, también es un subespacio vectorial de V. En cambio la unión de dos subespacios no tiene porque serlo. Definición 3.13 Si V es un espacio vectorial y E y F son dos subespacios de V, llamaremos suma de E y F, y lo denotaremos por E + F, al conjunto: E + F = {u V : u = v + w; v E, w F }. Es fácil ver que E + F es un subespacio de V, y además se verifica que lin(e F ) = E + F, es decir, E + F es el menor subespacio que contiene a E F. Definición 3.14 Un espacio vectorial V se dice suma directa de los subespacios E y F, y se escribe V = E F (también se dice que E y F son subespacios suplementarios de V ) si y sólo si: V = E + F y E F = {0} Si se verifica que V = E + F, la segunda propiedad es equivalente a decir que cualquier vector u V puede escribirse de forma única como suma de un vector de E y otro de F. Teorema de Grassman 3.15 Sea V un espacio vectorial de dimensión finita y E y F subespacios de V, entonces: 3.5 El espacio vectorial IR n dim(e + F ) = dim E + dim F dim(e F ). Es frecuente representar el conjunto de los números reales, IR, mediante el conjunto de puntos de una recta en la que se ha definido un sistema de referencia (un origen, un sentido, y una unidad de medida). Esta representación nos permite identificar gráficamente cada número real con un punto de la recta, y viceversa. También es conocida la representación de IR 2 = IR IR mediante el conjunto de los puntos de un plano en el que se ha definido un sistema de coordenadas cartesianas (dos rectas perpendiculares entre sí en las que se definen dos sistemas de referencia que tienen en común el punto Preliminares. 37

4 3.5 El espacio vectorial IR n origen, y la unidad de medida). En este caso, se identifican pares de números reales, (x, y), con puntos del plano. Análogamente se identifican ternas de números reales (x, y, z) con puntos del espacio en el que se ha definido un sistema de coordenadas cartesianas (tres rectas perpendiculares entre sí... ). De esta forma se establece una biyección entre el conjunto IR 3 = IR IR IR y el conjunto de los puntos del espacio tridimensional. Aunque no sea identificable con una representación gráfica, nada impide considerar n- uplas de números reales (x 1, x 2,..., x n ), con n 4. De este modo, llamaremos espacio n- dimensional, IR n, al conjunto IR n = IR IR IR = {(x 1,..., x n ) : x i IR; i = 1,..., n.}. Utilizaremos la notación x para designar más brevemente al punto (x 1,..., x n ) de IR n. En este caso, al número real x i lo llamaremos coordenada o componente i-ésima del punto o vector x. Está claro que lo más frecuente es trabajar con IR 2 ó IR 3, pero también es cierto que los casos en que n > 3 se presentan con suficiente frecuencia en la práctica como para justificar su estudio. Nos encontramos con un espacio n-dimensional cada vez que consideremos un objeto cuyo estudio requiera contemplar n aspectos distintos susceptibles de variación. Definición 3.16 Diremos que dos puntos x = (x 1,..., x n ) e y = (y 1,..., y n ) de IR n iguales, y escribiremos x = y si y sólo si x i = y i ; i = 1,..., n. son Definición 3.17 Llamaremos suma de dos puntos x, y IR n, y lo representaremos por x+y, al punto: x + y = (x 1 + y 1,..., x n + y n ) Definición 3.18 Llamaremos producto del punto x IR n por el número real λ IR, y lo denotaremos por λx, al punto: λx = λ(x 1,..., x n ) = (λx 1,..., λx n ) Estas dos operaciones dotan a IR n de una estructura de espacio vectorial. Por esta razón, llamaremos también vectores a los puntos de IR n. El espacio vectorial IR n tiene dimensión n, y cualquier vector puede escribirse de la forma (x 1, x 2,..., x n ) = x 1 (1, 0,..., 0) + x 2 (0, 1,..., 0) + + x n (0, 0,..., 1). El conjunto de los vectores B = {e 1 = (1, 0,..., 0), e 2 = (0, 1,..., 0),..., e n = (0, 0,..., 1)}, se denomina base canónica, y es la base más sencilla y cómoda, en general. Evidentemente, existen otras operaciones que pueden dotar a IR n de estructura de espacio vectorial, pero las aquí definidas son las más usuales ya que supone trabajar con ellas a nivel geométrico en los casos IR 2 y IR 3. Otros ejemplos de espacios vectoriales son: a) El conjunto de todas las matrices de tamaño n m con elementos reales, junto con las operaciones de suma de matrices y producto de números reales por matrices, ya indicadas. b) El conjunto de las funciones f: IR IR con las operaciones (i) (f + g)(x) = f(x) + g(x); f, g: IR IR (ii) (kf)(x) = kf(x); k IR y f: IR IR Preliminares. 38

5 3.6 Espacios de las filas y las columnas de una matriz. Coordenadas. 3.6 Espacios de las filas y las columnas de una matriz. Coordenadas. Definición 3.19 Consideremos la matriz A m n, a 11 a a 1n a 21 a a 2n A = a m1 a m2... a mn Los m vectores r 1 = (a 11,..., a 1n ), r 2 = (a 21,..., a 2n ),..., r m = (a m1,..., a mn ) IR n, se denominan vectores fila de A y el subespacio vectorial de IR n generado por ellos, E f (A) = lin{r 1, r 2,..., r m }, espacio de las filas de A. Los n vectores c 1 = (a 11,..., a m1 ), c 2 = (a 12,..., a m2 ),..., c n = (a 1n,..., a mn ) IR m, se denominan vectores columna de A y el subespacio vectorial de IR m generado por ellos, E c (A) = lin{c 1, c 2,..., c n }, espacio de las columnas de A. Proposición 3.20 Si A es una matriz de tamaño m n, entonces las operaciones elementales sobre las filas (resp. columnas) de A no cambian el espacio de las filas (resp. columnas) de A. Corolario 3.21 Sea A una matriz, entonces: a) Los vectores no nulos en la forma escalonada de la matriz A, forman una base del espacio de las filas de A. b) Los vectores no nulos en la forma escalonada de la matriz A t, forman una base del espacio de las columnas de A. Teorema 3.22 Sea A una matriz de tamaño m n, entonces: dim(e f (A)) = dim(e c (A)). Demostración: El resultado es inmediato, teniendo en cuenta que rg(a) = rg(a t ), y que el rango de una matriz coincide con el número de vectores no nulos en la forma escalonada, así como el resultado anterior. Definición 3.23 Dado un espacio vectorial V de dimensión finita y B = {v 1, v 2,..., v n } una base de V, para cada vector v V existen unos únicos números reales c 1, c 2,..., c n tales que v = c 1 v 1 + c 2 v c n v n. Estos números se denominan coordenadas de v relativas a la base B. El vector de coordenadas de v relativo a la base B se denota mediante (v) B y es el vector de IR n : (v) B = (c 1, c 2,..., c n ). La matriz de coordenadas de v relativas a la base B se denota por [v] B y es la matriz n 1 definida por: [v] B = (v) t B = c Cambios de base. Definición 3.24 Sean B = {u 1, u 2,..., u n } y B = {v 1, v 2,..., v n } son bases de un espacio vectorial V. Recibe el nombre de matriz de transición o matriz de cambio de la base B a la base B, la matriz de dimensiones n n, que por columnas es ( ) P = [u 1 ] B [u 2 ] B [u n ] B, es decir, la columna i-ésima está constituida por las coordenadas del vector u i en la base B. c 1 c n. Preliminares. 39

6 3.8 Espacios vectoriales con producto interior. Proposición 3.25 Sea P la matriz de paso de una base B en otra base B para un espacio vectorial V. Entonces: a) x V se tiene que [x] B = P [x] B. b) P es inversible y su inversa, P 1, es la matriz de paso de la base B a la base B. 3.8 Espacios vectoriales con producto interior Producto interior. Norma. Distancia Definición 3.26 Un producto interior en un espacio vectorial real V es una función que a cada par de vectores u, v V le asocia un número real, que denotaremos por u, v, de tal manera que se cumplen las siguientes propiedades: a) u, v = v, u ; u, v V. b) u + v, w = u, w + v, w ; u, v, w V. c) ku, v = k u, v ; u, v V y k IR. d) u, u 0; u V y u, u = 0 u = 0. Otra propiedades que se deducen de las anteriores son: a) 0, u = 0 b) u, v + w = u, v + u, w c) u, kv = k u, v A partir de un producto interior sobre un espacio vectorial V se definen los conceptos de norma, distancia y ángulo. Definición 3.27 Si V es un espacio vectorial con producto interior, entonces la longitud de un vector v V se denota mediante v y se define como v = + v, v. norma o La distancia entre dos vectores u y v de V se denota mediante d(u, v) y se define como d(u, v) = u v = + u v, u v. Desigualdad de Cauchy-Schwarz 3.28 Para todo u, v V, espacio con producto interior, se tiene que u, v 2 u 2 v 2. Definición 3.29 Si u y v son vectores, distintos de cero, de un espacio con producto interior, entonces, como consecuencia de la desigualdad de Cauchy-Schwarz se tiene que 1 y por tanto existe un único ángulo, θ, tal que u, v u v 1 cos θ = u, v u v, con 0 θ π Preliminares. 40

7 3.8 Espacios vectoriales con producto interior. Definición 3.30 En un espacio vectorial con producto interior, V, dos vectores u y v se dicen ortogonales si u, v = 0. Además, si u V es ortogonal a todos los vectores de un conjunto W, se dice que u es ortogonal a W. Propiedades básicas de la norma 3.31 a) u 0; u V b) u = 0 u = 0 c) ku = k u ; u V y k IR d) u + v u + v ; u, v V Propiedades básicas de la distancia 3.32 a) d(u, v) 0; u, v V b) d(u, v) = 0 u = v c) d(u, v) = d(v, u); u, v V d) d(u, v) d(u, w) + d(w, v); u, v, w V El espacio euclídeo n-dimensional IR n Sobre el espacio vectorial IR n definimos la siguiente función IR n IR n IR (x, y) n x y = x 1 y x n y n = x i y i i=1 siendo x = (x 1,..., x n ) e y = (y 1,..., y n ). Como puede verse fácilmente dicha función es un producto interior, el que se conoce como producto interior euclídeo. Este producto interior da lugar a las conocidas como norma y distancia euclídeas. Se llama espacio euclídeo n-dimensional a IR n con las operaciones de suma, producto por escalares y producto interior definidos. El producto interior euclídeo, aquí definido, constituye una generalización a IR n del producto escalar definido, y bien conocido, en IR 2 y IR 3. Teorema general de Pitágoras 3.33 Si u y v son dos vectores ortogonales de un espacio vectorial con producto interior, entonces u + v 2 = u 2 + v 2. Este resultado de fácil demostración, se reduce en IR 2 con el producto interior euclídeo, al conocido teorema de Pitágoras Bases ortonormales. Proceso de Gram-Schmidt Definición 3.34 Sean V un espacio vectorial de dimensión n con producto interior y B = {v 1, v 2,..., v n } una base de V. Se dice que B es una base ortonormal de V si v i = 1, i = 1,..., n y v i, v j = 0; i, j = 1,..., n con i j. La ventaja de trabajar con bases ortonormales es muy grande como ya es conocido en IR 2 ó IR 3. Preliminares. 41

8 3.8 Espacios vectoriales con producto interior. Teorema 3.35 Si B = {v 1, v 2,..., v n } es una base ortonormal para un espacio, V, con producto interior, entonces v V se tiene que: es decir, (v) B = ( v, v 1, v, v 2,..., v, v n ). v = v, v 1 v 1 + v, v 2 v v, v n v n, Teorema 3.36 Si S = {v 1, v 2,..., v k } un conjunto finito de vectores no nulos, ortogonales dos a dos, entonces S es linealmente independiente. Teorema 3.37 Si P es la matriz de paso de una base ortonormal B a otra base ortonormal B, entonces P es una matriz ortogonal (es decir, P t = P 1 ). Definición 3.38 Sean V un espacio vectorial con producto interior, W subespacio de V y B = {v 1, v 2,..., v k } una base ortonormal de W. Para cada v V, llamaremos proyección ortogonal de v sobre W al vector de W Proy W v = w 1 = v, v 1 v 1 + v, v 2 v v, v k v k. Al vector v Proy W v se le llama componente ortogonal de v sobre W. Teorema 3.39 Sean V un espacio vectorial con producto interior, W subespacio de V y B = {v 1, v 2,..., v k } una base ortonormal de W, entonces para cada v V, el vector v Proy W v es ortogonal a cada vector de W. Proceso de ortonormalización de Gram-Schmidt 3.40 Sean V un espacio vectorial con producto interior de dimensión finita y B = {v 1, v 2,..., v n } una base de V. Vamos a describir un proceso para conseguir a partir de la base B una base ortonormal B = {u 1, u 2,..., u n }. Este proceso de ortonormalización es él de Gram-Schmidt y se basa en el teorema anterior. Demostración: 1 a etapa.- Como v 1 0 por ser de la base B, el vector u 1 = v 1 v 1 tiene norma 1. 2 a etapa.- Sea W 1 = lin{u 1 }, por el teorema anterior, el vector v 2 Proy W1 v 2 es ortogonal a W 1, en particular a u 1, y como es distinto del vector 0 se tiene que u 2 = v 2 Proy W1 v 2 v 2 Proy W1 v 2 = v 2 v 2, u 1 u 1 v 2 v 2, u 1 u 1 es ortogonal a u 1 y tiene norma 1. En efecto, si fuera v 2 v 2, u 1 u 1 = 0, entonces 0 = v 2 v 2, u 1 u 1 = v 2 v 2, u 1 v 1 v 1 = λ 1v 1 + λ 2 v 2, para λ 1 = v 2, v 1 y λ 2 = 1 y, en consecuencia, {v 1, v 2 } sería un conjunto linealmente dependiente, lo que es absurdo por ser B = {v 1, v 2,..., v n } una base de V v 1. 3 a etapa.- Sea W 2 = lin{u 1, u 2 }, aplicando el teorema anterior, sabemos que el vector v 3 Proy W2 v 3 es ortogonal a W 2, en particular a u 1 y u 2, y como es distinto del vector 0, se tiene que u 3 = v 3 Proy W2 v 3 v 3 Proy W2 v 3 = v 3 v 3, u 1 u 1 v 3, u 2 u 2 v 3 v 3, u 1 u 1 v 3, u 2 u 2 Preliminares. 42

9 3.9 Ejercicios. es ortogonal a u 1 y u 2, y tiene norma 1. En efecto, si fuera v 3 v 3, u 1 u 1 v 3, u 2 u 2 = 0, entonces 0 = v 3 v 3, u 1 u 1 v 3, u 2 u 2 = = v 3 v 3, u 1 v 1 v 1 v 3, u 2 v 2 v 2, u 1 u 1 v 2 v 2, u 1 u 1 = λ 1v 1 + λ 2 v 2 + λ 3 v 3 ; y como λ 3 = 1, {v 1, v 2, v 3 } sería un conjunto linealmente dependiente, lo que es absurdo por ser B = {v 1, v 2,..., v n } una base de V. Continuando con el proceso se va construyendo un conjunto ortonormal de n vectores no nulos, B = {u 1, u 2,..., u n }. Dado que dim V = n y que todo conjunto ortonormal es linealmente independiente, se concluye que B es una base ortonormal de V. 3.9 Ejercicios. 3.1 Determinar si son espacios vectoriales los siguientes conjuntos: a) IR 2 con las operaciones: (x, y) + (x, y ) = (x + x, y + y ) y k(x, y) = (2kx, 2ky). b) A = {(x, 0) : x IR} con las operaciones usuales de IR 2. c) IR 2 con las operaciones: (x, y) + (x, y ) = (x + x + 1, y + y + 1) y k(x, y) = (kx, ky). d) El conjunto de los números reales estríctamente positivos, IR + {0}, con las operaciones: x + x = xx y kx = x k. 3.2 Cuáles de los siguientes conjuntos son subespacios vectoriales de IR 3 ó IR 4? a) Todos los vectores de la forma (a, 1, 1). b) Todos los vectores de la forma (a, b, c) con b = a + c. c) Todos los vectores de la forma (a, b, c, d) con a + 2d = 7. d) Todos los vectores de la forma (a, b, c, d) con ba = Sean v 1 = (2, 1, 0, 3), v 2 = (3, 1, 5, 2) y v 3 = ( 1, 0, 2, 1). Cuáles de los vectores (2, 3, 7, 3), (0, 0, 0, 0), (1, 1, 1, 1) y ( 4, 6, 13, 4), están en lin{v 1, v 2, v 3 }? 3.4 Sea V un espacio vectorial y S = {v 1,..., v k }. Probar que lin S es un subespacio vectorial de V. 3.5 Sea V un espacio vectorial y S = {v 1,..., v k }. Probar que si W es un subespacio vectorial de V que contiene a los vectores de S, entonces lin S W. 3.6 Sean V un espacio vectorial y E y F dos subespacios de V. Probar que E F y E + F son subespacios de V. 3.7 Para qué valores reales de λ los vectores v 1 = (λ, 1 2, 1 2 ) v 2 = ( 1 1 2, λ, 2 ) y v 3 = ( 1 2, 1 2, λ) forman un conjunto linealmente dependiente en IR3? 3.8 Dados tres vectores linealmente independientes u, v y w, demostrar que u + v, v + w y w + u son también linealmente independientes. 3.9 Probar que si los vectores v 1,..., v k son linealmente dependientes, al menos uno de ellos se puede escribir como una combinación lineal de los restantes Determinar la dimensión de los siguientes subespacios de IR 4 : a) Todos los vectores de la forma (a, b, c, 0). b) Todos los vectores de la forma (a, b, c, d) con d = a + b y c = a b. c) Todos los vectores de la forma (a, b, c, d) con a = b = c = d. Preliminares. 43

10 3.9 Ejercicios Demostrar que los vectores solución de un sistema no homogéneo compatible, AX = B, de m ecuaciones con n incógnitas no forman un subespacio de IR n. Qué ocurre si el sistema es homogéneo, es decir, si B = 0? 3.12 Considerar en IR 4 los siguientes conjuntos de vectores: A = {(1, 2, 1, 3), (0, 1, 0, 3)} B = {(1, 1, 1, 0), (2, 3, 1, 2), (0, 0, 0, 1)} a) Hallar las dimensiones de lin(a) y de lin(b). b) Hallar las ecuaciones paramétricas de lin(a) y de lin(b). c) Hallar una base de lin(a) + lin(b). d) Hallar las ecuaciones cartesianas de lin(a) y de lin(b). e) Hallar la dimensión de lin(a) lin(b) Consideremos en el espacio vectorial IR 3 la base B = {u 1, u 2, u 3 }. Sea E el subespacio engendrado por los vectores v 1 = u 1 + 3u 3, v 2 = 2u 1 3u 2 + u 3, v 3 = 4u 1 3u 2 + 7u 3. Sea F el subespacio engendrado por los vectores w 1 = u 1 + u 2 + u 3, w 2 = 2u 1 + 3u 2 + 4u 3, w 3 = 3u 1 + 4u 2 + 5u 3. Hallar una base de E, una base de F, el subespacio E F y una base de E F Sea M 2 2 el espacio vectorial de las matrices cuadradas de orden ( 2 sobre IR y ) sea E a b + c el subconjunto de M 2 2 formado por las matrices de la forma con b + c a a, b, c IR. a) Demostrar que E es un subespacio vectorial. ( ) 1 0 b) Probar que las matrices A 1 =, A = una base de E. ( ), A 3 = ( ), forman 3.15 Sea B una base de un espacio vectorial V de dimensión n. Demostrar que el conjunto {v 1, v 2,..., v n } es una base de V si, y sólo si el conjunto {[v 1 ] B, [v 2 ] B,..., [v n ] B } es una base de IR n Sean u = (u 1, u 2, u 3 ) y v = (v 1, v 2, v 3 ). Determinar si u, v = u 1 v 1 u 2 v 2 + u 3 v 3 define un producto interior en IR Sea V un espacio con producto interior. Demostrar que si w es ortogonal a cada uno de los vectores v 1, v 2,..., v k entonces es ortogonal a lin{v 1, v 2,..., v k } a) Encontrar dos vectores de IR 2 con norma euclídea uno y cuyo producto interior euclídeo con ( 2, 4) sea cero. b) Demostrar que hay un número infinito de vectores en IR 3 con norma euclídea uno y cuyo producto interior euclídeo con ( 1, 7, 2) es cero Demostrar que si V es un espacio con producto interior, entonces u, v V, u, v = 1 4 ( u + v 2 u v 2) 3.20 Sea {v 1, v 2,..., v k } una base del espacio vectorial V con producto interior. Demostrar que 0 es el único vector en V que es ortogonal a todos los vectores de la base Sean a = ( 1 5, 1 5 ) y b = ( 2 30, 3 30 ). Demostrar que {a, b} es ortonormal si IR 2 tiene el producto interior u, v = 3u 1 v 1 + 2u 2 v 2 donde u = (u 1, u 2 ) y v = (v 1, v 2 ), y que no lo es si IR 2 tiene el producto interior euclídeo. Preliminares. 44

11 3.9 Ejercicios Considera IR 3 con el producto interior euclideo. Utiliza el proceso de Gram-Schmidt para transformar, en cada caso, la base {u 1, u 2, u 3 } en una base ortonormal. a) u 1 = (1, 1, 1), u 2 = ( 1, 1, 0), u 3 = (1, 2, 1). b) u 1 = (1, 0, 0), u 2 = (3, 7, 2), u 3 = (0, 4, 1) Considera IR 3 con el producto interior u, v = u 1 v 1 + 2u 2 v 2 + 3u 3 v 3. Utiliza el proceso de Gram-Schmidt para transformar la base formada por los vectores u 1 = (1, 1, 1), u 2 = (1, 1, 0) y u 3 = (1, 0, 0) en una base ortonormal Sea {v 1, v 2, v 3 } una base ortonormal de un espacio V con producto interior. Demostrar que si w es un vector de V, entonces: w 2 = w, v w, v w, v Tomemos en IR 4 el producto interior euclideo. Expresar el vector w = ( 1, 2, 6, 0) en la forma w = w 1 + w 2 donde, w 1 está en el subespacio W generado por los vectores u 1 = ( 1, 0, 1, 2) y u 2 = (0, 1, 0, 1), y w 2 es ortogonal a W Suponer que IR 4 tiene el producto interior euclideo. a) Hallar un vector ortogonal a u 1 = (1, 0, 0, 0) y u 4 = (0, 0, 0, 1), y que forme ángulos iguales con los vectores u 2 = (0, 1, 0, 0) y u 3 = (0, 0, 1, 0). b) Hallar un vector x de longitud 1, ortogonal a u 1 y a u 2, tal que el coseno del ángulo entre x y u 3 sea el doble del coseno del ángulo entre x y u Aplicar la desigualdad de Cauchy-Schwarz para demostrar que si a 1, a 2,..., a n son números reales positivos, entonces ( 1 (a 1 + a a n ) ) n 2 a2 a 2 a n 3.28 Hallar la distancia del vector u = (1, 1, 1, 1) al subespacio generado por los vectores v 1 = (1, 1, 1, 0) y v 2 = (1, 1, 0, 0) Dados los vectores x = (x 1, x 2, x 3 ) e y = (y 1, y 2, y 3 ) de IR 3, demostrar que la expresión x, y = 2x 1 y 1 + 2x 2 y 2 + x 3 y 3 + x 1 y 2 + x 2 y 1 define un producto interior. Encontrar una base {u 1, u 2, u 3 } ortonormal respecto al producto interior anterior tal que u 2 y u 3 tengan igual dirección y sentido que los vectores (0, 1, 0) y (0, 0, 1), respectivamente En una cierta base {u 1, u 2, u 3, u 4 } de un espacio vectorial V, un vector w tiene por coordenadas (3, 1, 2, 6). Hallar las coordenadas de W en otra base {v 1, v 2, v 3, v 4 } cuyos vectores verifican que v 1 = u 1 + u 2, v 2 = 2u 4 u 1, v 3 = u 2 u 3, v 4 = 2u 1 u En IR 3 se consideran las bases B = {e 1, e 2, e 3 } (la base canónica) y B = {v 1, v 2, v 3 } donde v 1 = (2, 0, 0), v 2 = (0, 1, 2) y v 3 = (0, 0, 3). Hallar las coordenadas respecto de la base B del vector x = 4e 1 + e 2 5e Se consideran en IR 3 las bases B = {u 1, u 2, u 3 } y B = {v 1, v 2, v 3 }, siendo u 1 = ( 3, 0, 3), u 2 = ( 3, 2, 1), u 3 = (1, 6, 1) y v 1 = ( 6, 6, 0), v 2 = ( 2, 6, 4), v 3 = ( 2, 3, 7). a) Hallar la matriz de paso de B a B. b) Calcular la matriz de coordenadas, [w] B, siendo w = ( 5, 8, 5). c) Calcular [w] B de dos formas diferentes 3.33 Sea V el espacio generado por f 1 (x) = sen(x) y f 2 (x) = cos(x). Preliminares. 45

12 3.9 Ejercicios. a) Demostrar que g 1 (x) = 2 sen x + cos x y g 2 = 3 cos x forman una base para V. b) Hallar la matriz de transición de B = {f 1, f 2 } a B = {g 1, g 2 }. c) Calcular la matriz de coordenadas, [h] B, donde h(x) = 2 sen x 5 cos x. d) Calcular la matriz de transición de B a B Probar que una matriz A de orden n es ortogonal si, y sólo si sus vectores fila forman un conjunto ortonormal en IR n. Preliminares. 46

Espacios vectoriales reales.

Espacios vectoriales reales. Capítulo 4 Espacios vectoriales reales. 4.1 Espacios vectoriales. Definición 86.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe

Más detalles

Espacios vectoriales reales

Espacios vectoriales reales 140 Fundamentos de Matemáticas : Álgebra Lineal 9.1 Espacios vectoriales Capítulo 9 Espacios vectoriales reales Los conjuntos de vectores del plano, R 2, y del espacio, R 3, son conocidos y estamos acostumbrados

Más detalles

Espacios vectoriales reales

Espacios vectoriales reales 144 Matemáticas 1 : Álgebra Lineal Capítulo 9 Espacios vectoriales reales 9.1 Espacios vectoriales Los conjuntos de vectores del plano, R, y del espacio, R 3, son conocidos y estamos acostumbrados a movernos

Más detalles

1.5.3 Sistemas, Matrices y Determinantes

1.5.3 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 detalles

Espacios vectoriales reales

Espacios vectoriales reales 41 Matemáticas 1 : Álgebra Lineal Capítulo Espacios vectoriales reales.1 Espacios vectoriales Los conjuntos de vectores del plano, R, y del espacio, R 3, son conocidos y estamos acostumbrados a movernos

Más detalles

Espacios vectoriales con producto escalar

Espacios vectoriales con producto escalar 147 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 10 Espacios vectoriales con producto escalar 10.1 Producto escalar. Norma. Distancia Definición 71.- Un producto escalar o producto interior en

Más detalles

40 Matemáticas I. Parte II. Álgebra Lineal. I.T.I. en Electricidad. Prof: José Antonio Abia Vian

40 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 detalles

148 Matemáticas 1. Unidad IV. Álgebra Lineal

148 Matemáticas 1. Unidad IV. Álgebra Lineal 148 Matemáticas 1 Unidad IV Álgebra Lineal 149 Matemáticas 1 : Álgebra Lineal Capítulo 13 Espacios vectoriales reales 13.1 Espacios vectoriales Definición 76.- Un espacio vectorial real V es un conjunto

Más detalles

1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: (1 i)(2 i)(i 3) ; 344 ( i) 231 i(1 + i) 5

1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: (1 i)(2 i)(i 3) ; 344 ( i) 231 i(1 + i) 5 1.5.1 Complejos 1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: i 1 ; 2 + i ; 2i 2 i 1 + i +i; 5 (1 i)(2 i)(i 3) ; i344 +( i) 231 ; (1 + i) 5 + 1 (1 i) 5 1 ; 2. Usar,

Más detalles

Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).

Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que

Más detalles

Tema 1. Espacios Vectoriales Definición de Espacio Vectorial

Tema 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 detalles

6 Vectores. Dependencia e independencia lineal.

6 Vectores. Dependencia e independencia lineal. 6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar

Más detalles

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos Capítulo Espacios vectoriales.1 Definición y ejemplos Un espacio vectorial sobre un cuerpo K (que supondremos conmutativo es un conjunto no vacío junto con 1. una operación interna, +, a la que llamaremos

Más detalles

Producto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31

Producto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular

Más detalles

Álgebra y Álgebra II - Segundo Cuatrimestre 2017 Práctico 4 - Espacios Vectoriales

Álgebra 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 detalles

1. Hallar el rango de cada una de las siguientes matrices

1. Hallar el rango de cada una de las siguientes matrices Tarea 5 Hallar el rango de cada una de las siguientes matrices 5 5 a) = 7 6 5 5 b) = 5 8 Solución: a) rang ( ) = b) rang ( ) = Determinar si cada uno de los siguientes conjuntos de vectores es linealmente

Más detalles

Geometría afín y proyectiva, 2016 SEMANA 2

Geometría afín y proyectiva, 2016 SEMANA 2 Geometría afín y proyectiva, 2016 SEMANA 2 Sonia L. Rueda ETS Arquitectura. UPM September 20, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra

Más detalles

ESPACIOS VECTORIALES

ESPACIOS VECTORIALES ESPACIOS VECTORIALES Luisa Martín Horcajo U.P.M. Definición: Vector libre. Operaciones Un vector fijo es una segmento orientado, que queda caracterizado por su origen A y su extremo B y se representa por

Más detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 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 detalles

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones

Más detalles

Tema 1: Espacios vectoriales

Tema 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 detalles

Clase de Álgebra Lineal

Clase de Álgebra Lineal Clase de Álgebra Lineal M.Sc. Carlos Mario De Oro Facultad de Ciencias Básicas Departamento de matemáticas 04.2017 Page 1 Espacios vectoriales Definicion. Espacio Vectorial (E.V.) Un V espacio vectorial

Más detalles

Si u y v son vectores cualquiera en W, entonces u + v esta en W. Si c es cualquier numero real y u es cualquier vector en W, entonces cu esta en W.

Si u y v son vectores cualquiera en W, entonces u + v esta en W. Si c es cualquier numero real y u es cualquier vector en W, entonces cu esta en W. Unidad 4 Espacios vectoriales reales 4.1 Subespacios Si V es un espacio vectorial y W un subconjunto no vacío de V. Entonces W es un subespacio de V si se cumplen las siguientes condiciones Si u y v son

Más detalles

2 Espacios vectoriales

2 Espacios vectoriales Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 2 Espacios vectoriales 2.1 Espacio vectorial Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V sobre el que hay

Más detalles

Aplicaciones lineales.

Aplicaciones lineales. Tema 4 Aplicaciones lineales. Definición 4. Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una aplicación lineal si: a f(u + v = f(u + f(v; u, v V, b f(ku = kf(u;

Más detalles

Tema 7. El espacio vectorial R n Conceptos generales

Tema 7. El espacio vectorial R n Conceptos generales Tema 7 El espacio vectorial R n. 7.1. Conceptos generales Un vector es un segmento orientado que queda determinado por su longitud, dirección y sentido. Sin embargo, desde el punto de vista del Álgebra,

Más detalles

Espacios vectoriales

Espacios vectoriales CAPíTULO 2 Espacios vectoriales 1. Definición de espacio vectorial Es frecuente representar ciertas magnitudes físicas (velocidad, fuerza,...) mediante segmentos orientados o vectores. Dados dos de tales

Más detalles

Álgebra y Álgebra II - Primer Cuatrimestre 2018 Práctico 4 - Espacios Vectoriales

Álgebra 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 detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 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 detalles

Las variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.

Las variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V. Capítulo 9 Variedades lineales Al considerar los subespacios de R 2, vimos que éstos son el conjunto {(0, 0)}, el espacio R 2 y las rectas que pasan por el origen. Ahora, en algunos contextos, por ejemplo

Más detalles

1. ESPACIO EUCLÍDEO. ISOMETRÍAS

1. ESPACIO EUCLÍDEO. ISOMETRÍAS 1 1. ESPACIO EUCLÍDEO. ISOMETRÍAS 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 conceptos

Más detalles

Introducción a la Teoría de Códigos

Introducción a la Teoría de Códigos Introducción a la Teoría de Códigos M.A.García, L. Martínez, T.Ramírez Facultad de Ciencia y Tecnología. UPV/EHU Resumen Teórico Tema 1: PRELIMINARES SOBRE ÁLGEBRA LINEAL Mayo de 2017 Tema 1 Preliminares

Más detalles

Aplicaciones lineales

Aplicaciones lineales 53 Matemáticas I : Álgebra Lineal Tema 5 Aplicaciones lineales 5. Definición. Núcleo e imagen Definición 26.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una

Más detalles

Tema 3: Espacios vectoriales

Tema 3: Espacios vectoriales Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación

Más detalles

Algebra lineal y conjuntos convexos

Algebra lineal y conjuntos convexos Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar

Más detalles

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios

Más detalles

CAPÍTULO 4 ESPACIOS VECTORIALES

CAPÍTULO 4 ESPACIOS VECTORIALES CAPÍTULO 4 ESPACIOS VECTORIALES 4.1.- Concepto y definición de espacio vectorial. 4.2.- Propiedades de los espacios vectoriales. 4.3.- Subespacios vectoriales. 4.4.- Combinación lineal de vectores. 4.5.-

Más detalles

1. Espacio vectorial. Subespacios vectoriales

1. Espacio vectorial. Subespacios vectoriales Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Sea k un cuerpo. 1. Espacio vectorial. Subespacios vectoriales Definición 1.1. Un k-espacio vectorial o espacio vectorial

Más detalles

UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL

UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL 1. Definiciones básicas. UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL I. Sistemas homogéneos y subespacios de R n. (a) Para el sistema

Más detalles

Espacios vectoriales (Curso )

Espacios vectoriales (Curso ) ÁLGEBRA Práctica 5 Espacios vectoriales (Curso 2008 2009) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2 x = 3y}.

Más detalles

Unidad 5: Geometría analítica del plano.

Unidad 5: Geometría analítica del plano. Geometría analítica del plano 1 Unidad 5: Geometría analítica del plano. 1.- Vectores. Operaciones con vectores. Un vector fijo es un segmento entre dos puntos, A y B del plano, al que se le da una orientación

Más detalles

Aplicaciones lineales

Aplicaciones lineales 49 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 0 Aplicaciones lineales 0. Definición. Núcleo e imagen Definición 29.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se

Más detalles

Aplicaciones lineales.

Aplicaciones lineales. Capítulo 5 Aplicaciones lineales. 5. Definición. Núcleo e imagen. Definición 23.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una aplicación lineal si: () f(u

Más detalles

Aplicaciones lineales

Aplicaciones lineales 54 Fundamentos de Matemáticas : Álgebra Lineal Capítulo Aplicaciones lineales. Definición. Núcleo e imagen Definición 294.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice

Más detalles

Tema 3: Espacios eucĺıdeos

Tema 3: Espacios eucĺıdeos Marisa Serrano, Zulima Fernández Universidad de Oviedo 25 de noviembre de 2009 email: mlserrano@uniovi.es Índice 1 2 3.1 V, R espacio vectorial, la aplicación : V V R ( v, u) v u a) v 1, v 2, u V α, β

Más detalles

Espacios Vectoriales www.math.com.mx

Espacios 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 detalles

Subspacios Vectoriales

Subspacios Vectoriales Subspacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Subspacios Vectoriales 1 / 25 Objetivos Al finalizar este tema tendrás que: Saber si un subconjunto es

Más detalles

Trabajo Práctico N 5: ESPACIOS VECTORIALES

Trabajo Práctico N 5: ESPACIOS VECTORIALES Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio 1: Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique

Más detalles

REPASO DE ALGEBRA VECTORIAL

REPASO DE ALGEBRA VECTORIAL REPASO DE ALGEBRA VECTORIAL Vectores en R 2 : Un vector v en el plano R 2 = XY es un par ordenado de números reales (a,b). Los números reales a y b se llaman componentes del vector v. El vector cero es

Más detalles

ÁLGEBRA LINEAL Y GEOMETRÍA

ÁLGEBRA LINEAL Y GEOMETRÍA ÁLGEBRA LINEAL Y GEOMETRÍA Laureano González Vega y Cecilia Valero Revenga Departamento de Matemáticas, Estadística y Computación Universidad de Cantabria Curso 2017 2018 Índice I Lecciones 1 1 Espacios

Más detalles

Espacios vectoriales DEFINICIÓN. PRIMERAS PROPIEDADES

Espacios vectoriales DEFINICIÓN. PRIMERAS PROPIEDADES Espacios vectoriales DEFINICIÓN. PRIMERAS PROPIEDADES Definición 47. Se dice que un conjunto E, a cuyos elementos llamaremos vectores, es un espacio vectorial sobre el cuerpo (IK, +, ), cuyos elementos

Más detalles

ALGEBRA LINEAL Segundo Semestre

ALGEBRA LINEAL Segundo Semestre 1 Universidad Nacional de La Plata Facultad de Ciencias Astronómicas y Geofísicas ALGEBRA LINEAL 2015 Segundo Semestre VICTORIA VAMPA 2 1. Espacios Vectoriales 1.1. Definición de espacio vectorial. Ejemplos

Más detalles

Grado en Ciencias Ambientales. Matemáticas. Curso 11/12

Grado en Ciencias Ambientales. Matemáticas. Curso 11/12 Grado en Ciencias Ambientales. Matemáticas. Curso 11/12 Problemas Tema 1. Espacios Vectoriales. 1 Repaso de Estructuras Algebraicas 1.1. Construye explícitamente el conjunto A B, siendo A = {1, 2, 3},

Más detalles

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 01 Taller 4

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 01 Taller 4 Universidad Nacional de Colombia Departamento de Matemáticas - Álgebra Lineal - Grupo Taller () Es el conjunto de los números reales con las operaciones de suma y multiplicación un R-espacio vectorial?

Más detalles

Espacios vectoriales (Curso )

Espacios vectoriales (Curso ) ÁLGEBRA Práctica 5 Espacios vectoriales (Curso 2009 2010) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x, y) IR 2 x 2 + y 2 = 1}. (b) B = {(x, y) IR 2 x = 3y}.

Más detalles

Problemas de Espacios Vectoriales

Problemas de Espacios Vectoriales Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial

Más detalles

Tema 13: Espacio vectorial

Tema 13: Espacio vectorial Tema 1: Espacio vectorial 1. Vectores en el espacio Un vector fijo del espacio es un segmento AB ordenado donde A y B son puntos del espacio. Lo representaremos por AB, siendo A el origen y B el extremo.

Más detalles

Aplicaciones Lineales (Curso )

Aplicaciones 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 detalles

MATEMÁTICAS II Tema 4 Vectores en el espacio

MATEMÁTICAS II Tema 4 Vectores en el espacio Geometría del espacio: Vectores; producto escalar, vectorial y mixto Aplicaciones MATEMÁTICAS II Tema 4 Vectores en el espacio Espacios vectoriales Definición de espacio vectorial Un conjunto E es un espacio

Más detalles

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES

EJERCICIOS 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 detalles

Trabajo Práctico N 5: ESPACIOS VECTORIALES. Ejercicio 1:

Trabajo Práctico N 5: ESPACIOS VECTORIALES. Ejercicio 1: 6 Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio : Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique

Más detalles

Matrices. Álgebra de matrices.

Matrices. Álgebra de matrices. Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,

Más detalles

Tema 2: Espacios Vectoriales

Tema 2: Espacios Vectoriales Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.

Más detalles

Ejercicio 3.1 Estudiar si son subespacios vectoriales los siguientes subconjuntos de los espacios R n indicados:

Ejercicio 3.1 Estudiar si son subespacios vectoriales los siguientes subconjuntos de los espacios R n indicados: 10 Departamento de Álgebra. Universidad de Sevilla Tema 3. Sección 1. Variedades lineales. Definición. Ejercicio 3.1 Estudiar si son subespacios vectoriales los siguientes subconjuntos de los espacios

Más detalles

Podemos pues formular los dos problemas anteriores en términos de matrices.

Podemos pues formular los dos problemas anteriores en términos de matrices. Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión

Más detalles

Tema 4: Estructura vectorial de R n.

Tema 4: Estructura vectorial de R n. TEORÍA DE ÁLGEBRA I: Tema 4. DIPLOMATURA DE ESTADÍSTICA 1 Tema 4: Estructura vectorial de R n. 1 Definiciones y propiedades Definición. 1.1 Denotaremos por R n al conjunto de todas las n-tuplas de números

Más detalles

1º Bachillerato Matemáticas I Tema 5: Vectores Ana Pascua García

1º Bachillerato Matemáticas I Tema 5: Vectores Ana Pascua García Página 1 de 13 Introducción Vectores: Algo más que números En este tema estudiaremos qué son los vectores en el plano real, R, sus propiedades, y a utilizarlos para entre otras cosas resolver problemas

Más detalles

Diagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios

Diagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios 61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial

Más detalles

TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA

TÉCNICA 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 detalles

4. Espacios vectoriales

4. Espacios vectoriales Contents 4 Espacios vectoriales 2 4.1 Dependencia e independencia lineal.................................. 4 4.2 Subespacios vectoriales.............................................. 7 4.3 Bases y dimensión..................................................

Más detalles

Sobre vectores y matrices. Independencia lineal. Rango de una matriz

Sobre vectores y matrices. Independencia lineal. Rango de una matriz Espacios vectoriales Llamaremos R 2 al conjunto de todos los pares ordenados de la forma (a 1, a 2 ) tal que a 1, a 2 R. Es decir: R 2 = {(a 1, a 2 ) : a 1, a 2 R} De la misma forma: R 3 = {(a 1, a 2,

Más detalles

Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1. Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación

Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1. Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 6 Espacios euclídeos 6.1 Producto escalar. Espacio euclídeo Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación

Más detalles

520142: ALGEBRA y ALGEBRA LINEAL

520142: 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 detalles

Trabajo Práctico N 5: ESPACIOS VECTORIALES

Trabajo Práctico N 5: ESPACIOS VECTORIALES Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio 1: Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique

Más detalles

2.10 Ejercicios propuestos

2.10 Ejercicios propuestos Ejercicios propuestos 99 1 0 0 0 x 1 0 1 0 0 x 2 0 0 1 0 x 3 x 2 0 0 0 1 x 4 + x 1 +4x 2 + x 3 x 2 0 0 0 1 x 5 x 2 1 0 0 0 x 1 0 1 0 0 x 2 0 0 1 0 x 3 x 2 0 0 0 1 x 4 + x 1 +4x 2 + x 3 x 2 0 0 0 0 x 5

Más detalles

ÁLGEBRA LINEAL I Práctica 5

ÁLGEBRA LINEAL I Práctica 5 ÁLGEBRA LINEAL I Práctica 5 Espacios vectoriales (Curso 2014 2015) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2

Más detalles

El espacio proyectivo. Sistemas de referencia. Dualidad.

El espacio proyectivo. Sistemas de referencia. Dualidad. Capítulo 1 El espacio proyectivo Sistemas de referencia Dualidad En todo lo que sigue k designará un cuerpo arbitrario 11 Espacio afín como subespacio del proyectivo Definición 111 Sea un entero n 0 El

Más detalles

Tema 1: Espacios vectoriales

Tema 1: Espacios vectoriales PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina

Más detalles

EL ESPACIO AFÍN. se distinguen, además de su origen A y su extremo B, las siguientes

EL ESPACIO AFÍN. se distinguen, además de su origen A y su extremo B, las siguientes VECTOR FIJO Y VECTOR LIBRE. Sea E el espacio ordinario. EL ESPACIO AFÍN Llamaremos vector fijo a cualquier segmento orientado dado por dos puntos A y B del espacio E. Al punto A lo llamamos origen del

Más detalles

Espacio Euclídeo. a b = a b. a b = b a c)

Espacio Euclídeo. a b = a b. a b = b a c) .- Un hiperplano de R es: a) Una recta. b) Un plano. c) {0}..- Sean a y b dos vectores de R, si a es ortogonal a b, entonces: a) a b = 0 b) a b = b a c) a b = a b.- Sea F una recta vectorial de R y F un

Más detalles

Álgebra Lineal Grupo A Curso 2011/12. Espacios vectoriales. Bases...

Álgebra 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 detalles

or t o G o n a l i d a d y

or t o G o n a l i d a d y Unidad 6 or t o G o n a l i d a d y o r t o n o r M a l i d a d Objetivos: Al inalizar la unidad, el alumno: Determinará cuándo un conjunto de vectores es ortogonal u ortonormal. Obtendrá las coordenadas

Más detalles

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal Básica - Grupo 3 Taller 3

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal Básica - Grupo 3 Taller 3 Universidad Nacional de Colombia Departamento de Matemáticas 2015555- Álgebra Lineal Básica - Grupo Taller (1) Es el conjunto de los números reales con las operaciones de suma y multiplicación un R-espacio

Más detalles

MATRICES Y SISTEMAS DE ECUACIONES

MATRICES Y SISTEMAS DE ECUACIONES MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n A = a 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales

Más detalles

Ba s e, d i M e n s i ó n y Mat r i z

Ba s e, d i M e n s i ó n y Mat r i z Unidad 4 Ba s e, d i M e n s i ó n y Mat r i z de transición Objetivos: Al inalizar la unidad, el alumno: Conocerá la deinición de base de un espacio vectorial Identiicará bases canónicas para algunos

Más detalles

Aplicaciones Lineales (Curso )

Aplicaciones 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 detalles

Puntos y Vectores. 16 de Marzo de 2012

Puntos y Vectores. 16 de Marzo de 2012 Geometría en Puntos y Vectores Universidad Autónoma Metropolitana Unidad Iztapalapa 16 de Marzo de 2012 Introducción En Geometría analítica plana las relaciones y las propiedades geométricas se expresan

Más detalles

Vectores en el espacio

Vectores en el espacio 1. El concepto, características y operaciones de los vectores en el espacio son una generalización de los vectores del plano, que ya se conocen de cursos pasados. Es conveniente por tanto repasar conceptos

Más detalles

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.

Más detalles

+ : X V X. (+) P : V X u P + u. (P + u) + v = P + (u + v). Nota La propiedad 1) de la definición anterior implica, en primer lugar, que

+ : X V X. (+) P : V X u P + u. (P + u) + v = P + (u + v). Nota La propiedad 1) de la definición anterior implica, en primer lugar, que Capítulo 1 El espacio afín 11 Introducción Dependencia lineal afín La Geometría afín sobre un cuerpo k tiene como objetos básicos los siguientes: un conjunto no vacío X, cuyos elementos serán llamados

Más detalles

EL ESPACIO AFÍN EUCLIDEO

EL ESPACIO AFÍN EUCLIDEO EL ESPACIO AFÍN EUCLIDEO DEFINICIÓN: Dado el Espacio Afín donde es el espacio ordinario, es el espacio de los vectores libres y f es la aplicación que a cada par de puntos (A,B) asocia el vector libre.

Más detalles

CONTENIDO DE LA PARTE DEL ÁLGEBRA LINEAL

CONTENIDO DE LA PARTE DEL ÁLGEBRA LINEAL CONTENIDO DE LA PARTE DEL ÁLGEBRA LINEAL Versión preliminar D. Yakubovich (2018) En algunas ocasiones, damos referencias a las páginas del libro E. Hernández, Álgebra y geometría, segunda edición, Addison-Wesley/UAM,

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Capítulo 5 Aplicaciones Lineales 51 Definición y Propiedades Sean V y W dos espacios vectoriales sobre el mismo cuerpo K Definición 511 Se dice que una aplicación f : V W es una aplicación lineal o un

Más detalles