r j ϕ j (v i ) = r i, ϕ(v i ) = v = n a ij ϕ j(v) ϕ i (v) =
|
|
- Aarón Lorenzo Martin Palma
- hace 7 años
- Vistas:
Transcripción
1 ESPACIO DUAL 1. Espacio Dual En temas anteriores dados V y V espacios vectoriales sobre k, definíamos en Hom(V, V ) una suma y un producto por elementos de k que convertían este conjunto en un espacio vectorial. Recordemos que dadas bases en V y en V existía un isomorfismo entre Hom(V, V ) y M n m, de donde podíamos deducir que dim(hom(v, V )) = dim(v )dim(v ). En este tema vamos a estudiar un caso particular, vamos a considerar V = k, es decir, estudiaremos el espacio vectorial Hom k (V, k). Definición 1.1. Dado V espacio vectorial sobre k, definimos el espacio vectorial dual de V, y lo notaremos V como el espacio vectorial Hom k (V, k). Los elementos de V los llamaremos formas lineales y los notaremos por las letras ϕ, ψ. Es claro que dim(v ) = dim(v ). Vamos a intentar calcular una base de V, para eso, consideramos B = {v 1, v 2,..., v n } una base de V, e intentemos construir n formas lineales. Lo haremos dando la imagen de cada vector de la base B. ϕ 1 : V k ϕ 2 : V k... ϕ n : V k ϕ 1 (v 1 ) = 1 ϕ 2 (v 1 ) = 0 ϕ n (v 1 ) = 0 ϕ 1 (v 2 ) = 0 ϕ 2 (v 2 ) = 1 ϕ n (v 2 ) = 0... ϕ 1 (v n ) = 0 ϕ 2 (v n ) = 0 ϕ n (v n ) = 1 Tenemos n aplicaciones lineales tales que ϕ i (v j ) = 0 si i j, y ϕ i (v i ) = 1. Esto abreviadamente se escribe ϕ i (v j ) = δ ij. Donde δ ij se llama delta de Kronecker, y es una función que es nula mientras i j y toma el valor 1 cuando i = j. Veamos que {ϕ 1, ϕ 2,..., ϕ n } es base de V. Como tenemos n vectores (n = dim(v )), basta ver que son linealmente independientes. Supongamos, pues, que r 1 ϕ 1 +r 2 ϕ 2 + +r n ϕ n = 0 (forma lineal nula), es decir v V : (r 1 ϕ 1 + r 2 ϕ r n ϕ n )(v) = 0 de donde, haciendo v = v 1, se tiene: (r 1 ϕ 1 + r 2 ϕ r n ϕ n )(v 1 ) = 0 r 1 ϕ 1 (v 1 ) + r 2 ϕ 2 (v 1 ) + + r n ϕ n (v 1 ) = 0, pero sólo ϕ 1 (v 1 ) 0, o sea r 1 ϕ 1 (v 1 ) = 0 y como ϕ 1 (v 1 ) = 1, se tiene que r 1 = 0. De manera análoga, haciendo v = v 2 se tiene r 2 = 0 y así sucesivamente hasta hacer v = v n para obtener r n = 0. Con lo que {ϕ 1, ϕ 2,..., ϕ n } es base de V. A esta base se le llama base dual de B. 1
2 2 ESPACIO DUAL Ejercicio 1.2. Sean en R 3 las bases B = {e 1, e 2, e 3 } y B = {e 1, e 1 +e 2, e 3 }. Calcular B = {ϕ 1, ϕ 2, ϕ 3 } y B = {ϕ 1, ϕ 2, ϕ 3} las respectivas bases duales de B y B. Observar que ϕ 1 y ϕ 1 son distintos a pesar de ser duales de un mismo elemento e 1, Esto quiere decir, que no se puede hablar de dual de un elemento, pues depende del resto de la base. 2. Cambio de Base Dual. Lema 2.1. Sea B = {v 1, v 2,..., v n } base de V espacio vectorial sobre k, y sea B = {ϕ 1, ϕ 2,..., ϕ n } su base dual. Sean v V y ϕ V, entonces: v = n i=1 ϕ i(v)v i ϕ = n j=1 ϕ(v j)ϕ j Proof. Como v V y B es base de V se tiene que v = n i=1 r iv i, si le aplicamos ϕ j, se tiene que: ϕ j (v) = r i ϕ j (v i ) = r j. i=1 Por tanto v = n i=1 ϕ i(v)v i. De forma análoga, si ϕ = n j=1 r jϕ j, aplicando esta igualdad a v i, tenemos que: ϕ(v i ) = r j ϕ j (v i ) = r i, j=1 y por tanto ϕ = n j=1 ϕ(v j)ϕ j. Teorema 2.2. (Cambio de base dual). Sean B = {v 1, v 2,..., v n } y B = {v 1, v 2,..., v n} dos bases de V espacio vectorial sobre k, y sean B = {ϕ 1, ϕ 2,..., ϕ n } y B = {ϕ 1, ϕ 2,..., ϕ n} sus respectivas bases duales. Entonces si la matriz de cambio de base de B a B es A = (a ij ), la matriz de cambio de base de B a B es A t = (a ji ) (La matriz traspuesta de A). Proof. Se tiene que v j = n i=1 a ijv i. Si v V por el lema anterior, tenemos que v = n j=1 ϕ j (v)v j = n j=1 ϕ j (v)( n i=1 a ijv i ) = n n j=1 i=1 ϕ j (v)a ijv i = n i=1 ( n j=1 a ijϕ j (v))v i. Por otra parte, del lema anterior tenemos que v = ϕ i (v)v i, por lo que entonces: ϕ i (v) = i=1 a ij ϕ j(v) j=1 y como esto es válido para todo v V, se tiene: ϕ i = n j=1 a ijϕ j. y por tanto la matriz de cambio de base de B a B es (a ji ). Ejercicio 2.3. Calcular las matrices de cambio de base de B a B y de B a B del ejercicio anterior.
3 ESPACIO DUAL 3 3. Teorema de Reflexividad Lema 3.1. Sea V espacio vectorial sobre k si v 0 entonces ϕ V tal que ϕ(v) 0. Proof. Se amplía {v} hasta una base de V, sea {ϕ, ϕ 2,..., ϕ n } la base dual, entonces ϕ(v) = 1 0. Definición 3.2. Se define el espacio bidual de V o doble dual, al espacio vectorial Hom(V, k), se notará V. Obviamente dim(v ) = dim(v ) = dim(v ) y como se dijo al principio del tema se puede definir una base en V partiendo de una base en V. Teorema 3.3. (de Reflexividad). Sea V espacio vectorial sobre k finitamente generado, sea V su bidual, entonces Φ : V V definido como Φ(v) = Φ v, donde Φ v : V k dada por Φ v (ϕ) = ϕ(v) es un isomorfismo. Proof. Hay que probar: (1) Φ v V, es decir, Φ v es lineal. (2) Φ es lineal. (3) Ker Φ = 0. Veámoslo: (1) Φ v es lineal. Φ v (rϕ + sψ) = (rϕ + sψ)(v) = rϕ(v) + sψ(v) = rφ v (ϕ) + sφ v (ψ) (2) Veamos que Φ(v + v ) = Φ(v) + Φ(v ) o lo que es lo mismo, comprobemos que Φ v+v = Φ v + Φ v. Para ello sea ϕ V : Φ v+v (ϕ) = ϕ(v + v ) = ϕ(v) + ϕ(v ) = Φ v (ϕ) + Φ v (ϕ) = Φ v + Φ v (ϕ) Comprobemos también que Φ av = aφ v. Φ av (ϕ) = ϕ(av) = aϕ(v) = aφ v. (3) Ker Φ = 0. Sea Φ(v) = 0, es decir, Φ v = 0, o lo que es lo mismo, Φ v (ϕ) = 0 ϕ V ϕ(v) = 0 ϕ V, pero si v 0 sabemos, por el lema anterior, que existe ϕ V tal que ϕ(v) 0, por tanto v = 0. Este teorema nos da un isomorfismo entre V y V, pero este isomorfismo es especial. Dado v V, podemos decir quien es Φ v V, cosa que no sucede para V. 4. El Subespacio Anulador Definición 4.1. Sea S un subconjunto de V, se define el anulador de S como an(s) = {ϕ V : ϕ(v) = 0 v S}. Si S es subconjunto de V se puede escribir an(s) = {v V utilizando el teorema de reflexividad. : ϕ(v) = 0 ϕ S},
4 4 ESPACIO DUAL Proposición 4.2. Sea V espacio vectorial sobre k y sea S subconjunto de V entonces: (1) an(s) es subespacio de V. (2) Si S es subespacio de V entonces dim(an(s)) = dim(v ) dim(s). (3) an(an(s)) = L(S). Si S es subespacio de V se tiene an(an(s)) = S. Proof. (1) Sean ϕ, ψ an(s), es decir ϕ(v) = ψ(v) = 0 v V, y r, s k, entonces (rϕ + sψ)(v) = rϕ(v) + sψ(v) = 0 con lo que rϕ + sψ an(s), y an(s) es subespacio de V. (2) Sea {v 1, v 2,..., v m } base de S subespacio de V, y la completamos hasta {v 1, v 2,..., v n } base de V y consideramos B = {ϕ 1, ϕ 2,..., ϕ n }, entonces {ϕ m+1,..., ϕ n } es base de an(s). Veámoslo: Como es linealmente independiente, veamos que es sistema de generadores. Sea ϕ an(s), es decir, ϕ(v) = 0 v S. Como ϕ V tenemos: ϕ = n j=1 ϕ(v j)ϕ j = n j=m+1 ϕ(v j)ϕ j. Esta última igualdad se tiene porque {v 1, v 2,..., v m } es base de S y por tanto ϕ(v i ) = 0 i = 1,..., m. Luego {ϕ m+1,..., ϕ n } es sistema de generadores y por tanto base. Con lo que dim(an(s)) = dim(v ) dim(s). (3) Como an(an(s)) es subespacio de V y L(S) es el menor que contiene a S, si S an(an(s)) entonces L(S) an(an(s)). Sea, pues, v S entonces ϕ an(s), ϕ(v) = 0, o lo que es lo mismo, v an(an(s)). Para ver que los dos conjuntos son iguales, tenemos que, por el apartado anterior, dim(an(an(s))) = dim(v ) dim(an(s)) = dim(v ) (dim(v ) dim(l(s))), de donde, dim(an(an(s))) = dim(l(s)). Y por tanto los dos conjuntos son iguales. 5. Trasposición de aplicaciones lineales. Definición 5.1. Sea f : V V podemos definir f t : V V (ϕ ) ϕ f. A esta aplicación, se le llama aplicación traspuesta de f. Proposición 5.2. f t es lineal. Proof. Sean ϕ y ψ V. Probemos primero que f t (ϕ + ψ ) = f t (ϕ ) + f t (ψ ). Para ello sea v V y calculemos: f t (ϕ + ψ )(v) = (ϕ + ψ ) f(v) = (ϕ + ψ )(f(v)) = ϕ (f(v)) + ψ (f(v)) = (ϕ f)(v) + (ψ f)(v) = (ϕ f + ψ f)(v) = (f t (ϕ ) + f t (ψ ))(v). Ahora veamos que respeta el producto por escalares. f t (rϕ )(v) = (rϕ f)(v) = (rϕ )(f(v)) = r(ϕ (f(v))) = r(f t (ϕ ))(v).
5 ESPACIO DUAL 5 Proposición 5.3. Sean f, g Hom k (V, V ) y sea r k entonces: (f +g) t = f t +g t y (rf) t = rf t. La demostración se hará como ejercicio. Proposición 5.4. Sean f Hom k (V, V ) y g Hom k (V, V ), entonces: (g f) t = f t g t. Proof. Sea ϕ V, tenemos que (g f) t (ϕ ) = ϕ (g f) = (ϕ g) f = f t (ϕ g) = f t (g t (ϕ )) = (f t g t )(ϕ ). Proposición 5.5. Sea f Hom k (V, V ). Identificando V y V con sus duales, tenemos que f = (f t ) t Proof. Estamos identificando v y Φ v. Es claro que Sea ϕ V entonces (f t ) t (v) = (f t ) t (Φ v ) = Φ v (f t ). Φ v (f t )(ϕ ) = Φ v (f t (ϕ )) = Φ v (ϕ f) = (ϕ f)(v) = ϕ (f(v)) = Φ f(v) (ϕ ). Con lo que Φ v (f t ) = Φ f(v) que estamos identificando con f(v). Proposición 5.6. Sea f Hom k (V, V ) y sean B = {v 1, v 2,..., v n } y B = {v 1, v 2,..., v n} bases de V y V respectivamente, entonces: a a n1 a a 1n M(f, B, B ) =.. M(f t, B, B ) =.. a 1n... a nn a n1... a nn Proof. Sea f(v j ) = m k=1 a kjv k y sea f t (ϕ i ) = n k=1 b kiϕ k. Calculemos: Por otra parte, también Con lo que a ij = b ji. f t (ϕ i )(v j) = ϕ i (f(v j)) = ϕ i ( m k=1 a kjv k ) = m k=1 a kjϕ i (v k ) = a ij. f t (ϕ i)(v j ) = b ki ϕ k (v j ) = b ji. Proposición 5.7. Sea f : V V una aplicación lineal. Se tiene que: (1) an(im f) = Ker f t (2) an(ker f) = Im f t Proof. (1) k=1 ϕ an(im f) v V ϕ (f(v)) = 0 f t (ϕ ) = ϕ f = 0 ϕ Ker f t.
6 6 ESPACIO DUAL (2) Aplicamos el apartado anterior a f t : V V y tenemos an(im f t ) = Ker (f t ) t, o lo que es lo mismo an(im f t ) = Ker f, aplicando anuladores, an(an(im f t ) = an(ker f), o lo que es lo mismo: Im f t = an(ker f). Corolario 5.8. Sea f : V V una aplicación lineal, entonces: rango(f) = rango(f t ) Proof. Por la proposición anterior, sabemos que rango(f t ) = dim(im (f t )) = dim(an(ker f)), y como además dim(an(ker f)) = dim(v ) dim(ker f) = rango(f).
Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen
Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen 1. Teorema de la representación matricial de una transformación
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Más detallesEspacios 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 detallesTema 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 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 detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesEspacios 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 detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detallesTema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.
Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz
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 detallesDiagonalización simultánea de formas cuadráticas.
Diagonalización simultánea de formas cuadráticas Lucía Contreras Caballero 14-4-2004 Dadas dos formas cuadráticas, si una de ellas es definida positiva, se puede encontrar una base en la que las dos diagonalizan
Más detallesTransformaciones lineales y matrices
CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal
Más detallesIntroducción a los espacios vectoriales
1 / 64 Introducción a los espacios vectoriales Pablo Olaso Redondo Informática Universidad Francisco de Vitoria November 19, 2015 2 / 64 Espacios vectoriales 1 Las 10 propiedades de un espacio vectorial
Más detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesPAIEP. Complemento Ortogonal
Programa de Acceso Inclusivo, Equidad y Permanencia PAIEP Universidad de Santiago de Chile Complemento Ortogonal Veamos ahora una aplicación de los vectores ortogonales a la caracterización de subespacios
Más detallesTema 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 detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detallesESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA.
ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA. Índice de contenido 1. Espacio vectorial....2 Estructura de espacio vectorial...2 Subespacios
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesALGEBRA 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 detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detallesTema 4: Aplicaciones lineales
Águeda Mata y Miguel Reyes, Dpto de Matemática Aplicada, FI-UPM 1 Tema 4: Aplicaciones lineales Ejercicios 1 Estudia la linealidad de las siguientes aplicaciones: (a) f : R R 3, definida por f(x, y) =
Más detallesTEMA 2. ESPACIOS VECTORIALES
TEMA 2. ESPACIOS VECTORIALES CÉSAR ROSALES GEOMETRÍA I En este tema comenzaremos el estudio de los objetos que nos interesarán en esta asignatura: los espacios vectoriales. Estos son estructuras básicas
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesGrupos libres. Presentaciones.
S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad
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 detallesDiferenciales de Orden Superior
Capítulo 10 Diferenciales de Orden Superior En este capítulo extenderemos a las funciones definidas sobre espacios normados el concepto de función r-veces diferenciable y de clase C r y obtendremos las
Más detalles4.1 El espacio dual de un espacio vectorial
Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo
Más detallesSobre funciones reales de variable real. Composición de funciones. Función inversa
Sobre funciones reales de variable real. Composición de funciones. Función inversa Cuando en matemáticas hablamos de funciones pocas veces nos paramos a pensar en la definición rigurosa de función real
Más detallesDependencia e independencia lineal
CAPíTULO 3 Dependencia e independencia lineal En este capítulo estudiaremos tres conceptos de gran importancia para el desarrollo del álgebra lineal: el concepto de conjunto generador, el concepto de conjunto
Más detallesCapítulo 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 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 detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más detallesConstrucción de bases en la suma y la intersección de subespacios (ejemplo)
Construcción de bases en la suma y la intersección de subespacios (ejemplo) Objetivos Aprender a construir bases en S + S y S S, donde S y S están dados como subespacios generados por ciertos vectores
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 detallesEsta definición se puede ampliar a cualquier par de bases de los espacio inicial y final MATRIZ DE UNA APLICACIÓN LINEAL EN BASES ARBITRARIAS
Cambios de base 3 3. CAMBIOS DE BASE Dada una aplicación lineal : y la base,,, se ha definido matriz en bases canónicas de la aplicación lineal a la matriz,, cuyas columnas son las coordenadas de en la
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detallesProblemas 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 detallesComplejos Simpliciales y Poliedros (Introducción) Notas - Ejercicios Guiados
Complejos Simpliciales y Poliedros (Introducción) Notas - Ejercicios Guiados Un poliedro es un espacio topológico que admite una triangulación por un complejo simplicial. Las triangulaciones permiten analizar
Más detalles4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno
para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos
Más detallesEspacios Vectoriales
Leandro Marín Octubre 2010 Índice Definición y Ejemplos Paramétricas vs. Impĺıcitas Bases y Coordenadas Para definir un espacio vectorial tenemos que empezar determinando un cuerpo sobre el que esté definido
Más detallesRecordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.
Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre
Más detallesTema II. Capítulo 5. Aplicaciones bilineales y formas cuadráticas.
Tema II Capítulo 5 Aplicaciones bilineales y formas cuadráticas Álgebra Departamento de Métodos Matemáticos y de Representación UDC 5 Aplicaciones bilineales y formas cuadráticas o simplemente f( x, ȳ)
Más detallesConjuntos, relaciones y funciones Susana Puddu
Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también
Más detallesDefinición 1 Un semigrupo es un conjunto E provisto de una operación binaria asociativa sobre E, se denota por (E, ).
ALGEBRA La primera parte del presente libro está dedicada a las estructuras algebraicas. En esta parte vamos a iniciar agregándole a los conjuntos operaciones. Cuando las operaciones tienen determinadas
Más detallesAlgebra Lineal y Geometría.
Algebra Lineal y Geometría. Unidad n 6: Subespacios Vectoriales. Algebra Lineal y Geometría Esp. Liliana Eva Mata 1 Contenidos. Subespacios Vectoriales. Operaciones con Subespacios: Intersección, unión,
Más detallesAlgebra 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 detallesBase y Dimensión de un Espacio Vectorial
Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un
Más detallesMatriz asociada a una transformación lineal respecto a un par de bases
Matriz asociada a una transformación lineal respecto a un par de bases Objetivos Definir la matriz asociada a una transformación lineal respecto a un par de bases y estudiar la representación matricial
Más detallesTransformaciones lineales
Capítulo 3 Transformaciones lineales Las transformaciones lineales son las funciones con las que trabajaremos en Álgebra Lineal. Se trata de funciones entre K-espacios vectoriales que son compatibles con
Más detallesContinuidad. 5.1 Continuidad en un punto
Capítulo 5 Continuidad 5.1 Continuidad en un punto Definición 5.1.1 (Aplicación continua en un punto). Sean (X, τ) e (Y, τ ) dos espacios topológicos, y sea f : X Y una aplicación entre ellos. Diremos
Más detallesEspacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1
Espacios Vectoriales 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Espacios Vectoriales... 4 1.1 Definición de espacio vectorial... 4 1.2 Definición de subespacio vectorial...
Más detallesEspacios vectoriales
CAPíTULO 2 Espacios vectoriales 1. Definiciones básicas En lo que sigue k denotará un cuerpo arbitrario: e.g. el cuerpo de los números reales R, el cuerpo de los números racionales Q, el cuerpo de los
Más detallesMatrices positivas y aplicaciones. María Isabel García Planas Profesora Titular de Universidad
Matrices positivas y aplicaciones María Isabel García Planas Profesora Titular de Universidad Primera edición: Septiembre 2008 Editora: la autora c M ā Isabel García Planas ISBN: 978-84-612-6101-7 Depósito
Más detallesEspacios vectoriales con producto interno
Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.
Más detallesDerivada de la función compuesta. Regla de la cadena
Derivada de la función compuesta. Regla de la cadena Cuando en las matemáticas de bachillerato se introduce el concepto de derivada, su significado y su interpretación geométrica, se pasa al cálculo de
Más detallesNúmeros naturales, principio de inducción
, principio de inducción. Conjuntos inductivos. Denotaremos por IN al conjunto de números naturales, IN {,,, 4, 5, 6,...}, cuyos elementos son suma de un número finito de unos. Recordemos que IN es cerrado
Más detallesEjemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales.
Facultad de Ingeniería - IMERL - Geometría y Álgebra Lineal 2 - Curso 2008. 1 Transformaciones lineales en espacios con producto interno Notas para el curso de Geometría y Algebra Lineal 2 de la Facultad
Más detallesLección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos
Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto
Más detallesEspacios completos. 8.1 Sucesiones de Cauchy
Capítulo 8 Espacios completos 8.1 Sucesiones de Cauchy Definición 8.1.1 (Sucesión de Cauchy). Diremos que una sucesión (x n ) n=1 en un espacio métrico (X, d) es de Cauchy si para todo ε > 0 existe un
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detalles1. ESPACIOS DE HILBERT Y OPERADORES
1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación
Más detallesESPACIOS VECTORIALES
MATEMÁTICA I - - Capítulo 8 ------------------------------------------------------------------------------------ ESPACIOS VECTORIALES.. Espacios Vectoriales y Subespacios... Definición. Un espacio vectorial
Más detallesEspacios Vectoriales
Espacios Vectoriales Ev En todo el curso K es un cuerpo Podeis pensar que K = Q, K = R o K = C Un conjunto no vacio E es un K-espacio vectorial (o abreviadamente, un K-ev) cuando existan dos operaciones,
Más detallesMatrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =
Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente
Más detallesMatrices y Determinantes
Tema 2 Matrices y Determinantes 21 Introducción Presentaremos en este tema las matrices y los determinantes, centrándonos en particualar en el caso de matrices constituidas por números reales 22 Matrices
Más detallesEJERCICIO. Dadas las rectas y
EJERCICIO Dadas las rectas x4 y1 z y z 8 r : y s: x1 1 3 se pide: a) Comprueba que las rectas r y s se cruzan. b) Determina la ecuación de la perpendicular común. c) Calcula la distancia entre ambas. Perpendicular
Más detallesEspacios vectoriales y Aplicaciones lineales
Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesTema 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 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 detallesTRA NSFORMACIO N ES LIN EA LES
TRA NSFORMACIO N ES LIN EA LES C o m p uta c i ó n G r á fica Tipos de Datos Geométricos T Un punto se puede representar con tres números reales [x,y,z] que llamaremos vector coordenado. Los números especifican
Más detallesDefinición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.
UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.
Más detallesTriangularización Simultanea
Triangularización Simultanea Antonio M. Oller 21 de Noviembre de 2005 1. Introducción Sabemos que toda matriz sobre C (y en general sobre un cuerpo algebráicamente cerrado) es semejante a una matriz triangular
Más detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesTema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS
1 Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS 1.1 Los Números Naturales. Los números naturales aparecen por la necesidad que tiene el hombre (primitivo) tanto de contar como de ordenar
Más detallesEspacios vectoriales reales.
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
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
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 detallesDefinición 1. Dado un conjunto C una aplicación definida por : C C C
ESTRUCTURAS ALGEBRAICAS. En matemáticas aparecen distintos conjuntos cuyos elementos podemos operar de alguna manera. Los conjuntos de números usuales: N, Z, Q, y R son unos ejemplos claros. Otros ejemplos
Más detalles1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3.
. Producto escalar. Propiedades... Norma de un vector. Espacio normado...ortogonalidad. Ángulos..3.Producto escalar en V..4.Producto escalar en V 3.. Producto vectorial de dos vectores de V 3...Expresión
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.
Más detallesComisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 2012
AMARUN www.amarun.org Comisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 212 Introducción Algunas fechas: 197: Noción de Operador lineal
Más detallesCombinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291)
Combinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291) I. Combinación Lineal Definición: Sean v 1, v 2, v 3,, v n vectores en el espacio vectorial V. Entonces cualquier
Más detalles8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.
Prácticas de Matemáticas I y Matemáticas II con DERIVE-5 6 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesEspacios vectoriales. Capítulo Espacios vectoriales y subespacios Preliminares
Capítulo 1 Espacios vectoriales En diversos conjuntos conocidos, por ejemplo los de vectores en el plano o en el espacio (R 2 y R 3 ), o también el de los polinomios (R[X]), sabemos sumar sus elementos
Más detallesMatemáticas I Grado de Administración y Dirección de Empresas Examen de Febrero Curso 2011/ ?
Matemáticas I Grado de Administración y Dirección de Empresas Examen de Febrero Curso 011/1 1) (1 punto) Dado el subespacio vectorial,,,,,,,,,,, a) Obtener la dimensión, unas ecuaciones implícitas, unas
Más detallesCAPÍTULO 4. Sistemas de ecuaciones lineales de primer orden
CAPÍTULO 4 Sistemas de ecuaciones lineales de primer orden Hasta ahora hemos considerado únicamente ecuaciones diferenciales aisladas Sin embargo, en muchas aplicaciones aparecen situaciones en las que
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 detallesFunciones Inversas. Derivada de funciones inversas
Capítulo 15 Funciones Inversas En este capítulo estudiaremos condiciones para la derivación de la inversa de una función de varias variables y, en particular, extenderemos a estas funciones la fórmula
Más detallesEs trivial generalizar la definición al caso de varios conjuntos: A B C, etc.
Tema 1 Espacios Vectoriales 1.1 Introducción Estas notas están elaboradas pensando simplemente en facilitar al estudiante una guía para el estudio de la asignatura, y en consecuencia se caracterizan por
Más detallesCONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero
Fundamento Científico del Currículum de Matemáticas en Enseñanza Secundaria CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero ESPACIOS VECTORIALES DEFINICIÓN... 1 PROPIEDADES DE
Más detallesTema 1: MATRICES. OPERACIONES CON MATRICES
Tema 1: MATRICES. OPERACIONES CON MATRICES 1. DEFINICIÓN Y TIPO DE MATRICES DEFINICIÓN. Una matriz es un conjunto de números reales dispuestos en filas y columnas. Si en ese conjunto hay m n números escritos
Más detallesAplicaciones Lineales
Aplicaciones Lineales Ejercicios resueltos Ximo Beneyto PROBLEMAS RESUELTOS APLICACIONES LINEALES 1.Dada la aplicación f : ú 3 6 ú² / f(x, y, z) = (x+y-z, 2x+3z): 1.1. Probar que f es una aplicación lineal.
Más detalles1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS
1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes
Más detallesUn subconjunto no vacío H de un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura:
4 Subespacios 29 b) x 5 [25;5], 5 [;24], z 5 [4;4] Use a 5 2, a 5 / a 5 2 / 2 c) Su propia elección de x,, z /o a 2 a) Elija algunos valores para n m genere tres matrices aleatorias de n m, llamadas X,
Más detalles