Clasificación de métricas.

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

Download "Clasificación de métricas."

Transcripción

1 Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye lo que se conoce como una geometría. Si τ : E E es un isomorfismo de espacios vectoriales, entonces podemos definir otra métrica T 2 en el espacio E por la regla: T 2(e 1, e 2) = T 2 (τ 1 e 1, τ 1 e 2) esto es, T 2 no es otra cosa que la propia métrica T 2 trasladada al espacio E a través del isomorfismo τ. De esta forma, se tiene que T 2 (e 1, e 2 ) = T 2(τ(e 1 ), τ(e 2 )) y el isomorfismo τ recibe el nombre de isometría y las geometrías (E, T 2 ) y (E, T 2) se dice que son isométricas. El problema de la clasificación que se plantea consiste, entonces, en la determinación de condiciones para que dos geometrías sean isométricas. Según la definición, la primera condición necesaria que tendrán que satisfacer dos geometrías para que sean isométricas es que sean de la misma dimensión. Lema 1. La condición necesaria y suficiente para que dos geometrías de la misma dimensión (E, T 2 ), (E, T 2) sean isométricas es que existan bases de E y E en las cuales las matrices de T 2 y T 2 respectivamente sean iguales. Demostración. La idea de la demostración es muy sencilla si se supone que los dos espacios son el mismo: basta con tener en cuenta que un cambio de base es un isomorfismo. 1

2 2. Especialización y proyección de métricas. Sea (E, T 2 ) una geometría sobre un cuerpo k. Dado un subespacio E de E, se puede aplicar la métrica T 2 a vectores de dicho subespacio, de manera que el par (E, T 2 ) es, a su vez, una geometría. Definición 1. Diremos que E es un subespacio no singular de (E, T 2 ) cuando (E, T 2 ) sea una geometría no singular. En otras palabras, E es no singular cuando su radical sea nulo: Rad E (T 2 ) = 0 E (E ) = 0 El radical de la métrica en la totalidad del espacio está formado por aquellos vectores que son ortogonales a todos los demás, luego es obvio en primer lugar que el radical es un subespacio ortogonal a cualquier otro subespacio y que cualquier suplementario del radical tiene que ser irreducible: E = Rad(T 2 ) E Rad E (T 2 ) = 0 Sea ahora p: E Ē = E/E la proyección de paso al cociente por un subespacio. Definición 2. Se dice que T 2 es p-proyectable si existe una métrica T 2 en Ē tal que T 2 (e 1, e 2 ) = T 2 (p(e 1 ), p(e 2 )) e 1, e 2 E Lema 2. La condición necesaria y suficiente para que T 2 sea p-proyectable es que E Rad(T 2 ) Demostración. Supongamos que E Rad(T 2 ). Se define T 2 (ē 1, ē 2 ) = T 2 (e 1, e 2 ) donde p(e i ) = ē i y comprobemos que la definición es correcta, esto es, que no depende de los vectores e i elegidos. En efecto, si e i son otros vectores de E tales que p(e i) = ē i, entonces e i e i son vectores de E y por tanto, del radical de la métrica T 2 : luego e i = e i + v i, v i E T 2 (e 1, e 2) =T 2 (e 1 + v 1, e 2 + v 2 ) = =T 2 (e 1, e 2 ) + T 2 (v 1, e 2 ) + T 2 (e 1, v 2 ) + T 2 (v 1, v 2 ) = =T 2 (e 1, e 2 ) 2

3 y por tanto, T 2 es p-proyectable. Recíprocamente, supongamos que T 2 es p-proyectable. Para que E esté contenido en el radical de la métrica, tendrá que ocurrir que T 2 (v, e) = 0 v E, e E pero, por hipótesis, T 2 (v, e) = T 2 (p(v), p(e) = 0 pues v es un vector del núcleo de proyección. En consecuencia, el subespacio de máxima dimensión por el que podemos hacer cociente de manera que la métrica sea proyectable es el propio radical de la métrica. Teorema 1. Sea E = Rad(T 2 ) y Ē = E/E. Entonces i) La métrica proyectada T 2 es irreducible. ii) Si E es un suplementario de E, entonces la proyección p: E Ē induce una isometría (E, T 2 ) (Ē, T 2 ) Demostración. Sea v un vector de Rad( T 2 ) y v E tal que v = p(v). Para todo vector e E se tiene que T 2 (e, v) = T 2 (p(e), p(v)) = T 2 (p(e), v) = 0 luego v es un vector del radical de T 2 y por tanto v = p(v) = 0. Que la restricción de p a E es un isomorfismo lineal es inmediato; veamos que también es una isometría. En efecto, dados dos vectores e 1, e 2 de E, se tiene que T 2 (e 1, e 2) = T (p(e 1), p(e 2)) luego es una isometría. La importancia de este teorema consiste en que únicamente nos tenemos que ocupar de clasificar las geometrías irreducibles. Teorema 2. La condición necesaria y suficiente para que dos geometrías de la misma dimensión (E, T 2 ), (E, T 2) sean isométricas es que lo sean las respectivas geometrías irreducibles (E/ Rad(T 2 ), T 2, ) (E / Rad(T 2), T 2) 3

4 Demostración. Si τ : E E es una isometría, τ(rad(t 2 )) = Rad(T 2) y por tanto, τ proyecta a los cocientes: τ : E/ Rad(T 2 ) E / Rad(T 2) que es una isometría trivialmente. Recíprocamente, supongamos que se tiene una isometría entre las geometrías proyectadas τ : E/ Rad(T 2 ) E / Rad(T 2) Dados suplementarios Ē y Ē de los radicales de T 2 y T 2 respectivamente, se tienen isometrías p: Ē E/ Rad(T 2 ), p : Ē E / Rad(T 2) luego, componiendo, una isometría τ : (Ē, T 2) (Ē, T 2). Por otra parte, como Rad(T 2 ) y Rad(T 2) tienen la misma dimensión, se puede construir un isomorfismo entre ellos que automáticamente es una isometría entre ellos (pues las respectivas métricas son idénticamente nulas): ˆτ : Rad(T 2 ) Rad(T 2) Sumando ambas isometrías, se tiene la isometría buscada entre E y E τ = ˆτ + τ : E = Rad(T 2 ) Ē Rad(T 2) Ē De este teorema, además, se desprende que una condición necesaria para que dos geometrías sean isométricas es que además de tener la misma dimensión, la dimensión de las geometrías en las que se proyectan irreduciblemente también tiene que ser la misma. Esa dimensión se llama rango de la métrica. 3. Subespacios totalmente isótropos, hiperbólicos y elípticos. Índice de una métrica. En lo que sigue se supondrá que las geometrías son irreducibles a menos que se diga lo contrario y que el cuerpo base no es de característica 2. Definición 3. Se dice que un vector e E es isótropo si T 2 (e, e) = 0, y se dice que un subespacio E de E es totalmente isótropo cuando todos sus vectores son isótropos. 4

5 El hecho de ser totalmente isótropo es equivalente a que la métrica T 2 es idénticamente nula sobre el subespacio E pues si e 1 y e 2 son dos vectores de E, se tiene que 0 =T 2 (e 1 + e 2, e 1 + e 2 ) = T 2 (e 1, e 1 ) + 2T 2 (e 1, e 2 ) + T 2 (e 2, e 2 ) = =2T 2 (e 1, e 2 ) Definición 4. Se dice que un subespacio W de E es elíptico si carece de vectores isótropos no nulos. En particular, los subespacios elípticos son no singulares. Definición 5. Se dice que un subespacio H 2 de E es un plano hiperbólico si es no singular, de dimensión 2 y contiene algún vector isótropo no nulo. Se dice que un subespacio H de E es un subespacio hiperbólico si es suma ortogonal de planos hiperbólicos: H = H 1 2 H m 2 En particular, los subespacios hiperbólicos son no singulares y de dimensión par. Lema 3. Sea E un subespacio totalmente isótropo de dimensión m de la geometría (E, T 2 ). Existe un subespacio hiperbólico H 2m de dimensión 2m tal que E H 2m. Demostración. Procederemos por inducción sobre m. Para m = 1, será E =< e > y por ser la geometría no singular, existe otro vector e en E tal que T 2 (e, e ) 0. Comprobemos que los vectores e y e son linealmente independientes: Dada la combinación lineal αe + βe = 0 hagamos producto con el vector e. Se tiene que 0 = αt 2 (e, e) + βt 2 (e, e ) = αt 2 (e, e) lo que implica que α = 0 y por tanto, que también β = 0 y los vectores son linealmente independientes. La misma operación nos prueba que el subespacio < e, e > es no singular: si el vector αe + βe es del radical, entonces 0 = αt 2 (e, e) + βt 2 (e, e ) = αt 2 (e, e) α = 0 5

6 y multiplicando por e, 0 = βt 2 (e, e) β = 0 luego H 2 =< e, e > es un plano hiperbólico. Supongamos ahora que m > 1 y que {e 1,..., e m} es una base de E. Como < e 1,..., e m 1 > < e 1,..., e m > y T 2 es no singular, es < e 1,..., e m > < e 1,..., e m 1 > y por tanto, existe un vector e m que es ortogonal a e 1,..., e m 1 pero no a e m. Al igual que antes, el subespacio H 2 =< e m, e m > es un plano hiperbólico. Por ser no singular, H2 es no singular y contiene a < e 1,..., e m 1 > pues los vectores e m y e m son ortogonales a los vectores e 1,..., e m 1. Por inducción, existe un subespacio hiperbólico H 2(m 1) en H2 que contiene a < e 1,..., e m 1 >; y el subespacio H 2m = H 2(m 1) H 2 es el subespacio hiperbólico que se buscaba. Definición 6. Se llama índice de una geometría no singular de dimensión finita (E, T 2 ) al máximo de las dimensiones de sus subespacios totalmente isótropos. En general, se llama índice de una geometría al índice de la geometría no singular en la cual proyecta de modo irreducible. Teorema 3. Sea (E, T 2 ) una geometría no singular de dimensión n e índice i. Entonces E descompone en suma ortogonal E = H 2i W de un subespacio hiperbólico H 2i de dimensión 2i y un subespacio elíptico W. Demostración. Sea E i un subespacio totalmente isótropo de E de dimensión i. Por el lema que acabamos de ver, existe un subespacio hiperbólico de dimensión 2i que lo contiene, H 2i. Llamemos W = H 2i, de manera que E = H 2i W. Veamos que W es elíptico: Si no lo fuera, existiría un vector isótropo e 0 en W, de manera que E i < e > es un subespacio totalmente isótropo lo cual no es posible pues contradice la definición de índice. Mediante este teorema, la clasificación de geometrías no singulares se reduce a la clasificación de los espacios hiperbólicos y a la de los elípticos. La clasificación de los espacios hiperbólicos es especialmente sencilla: Lema 4. Todos los planos hiperbólicos son isométricos. 6

7 Demostración. Sea H 2 un plano hiperbólico, e un vector isótropo de H 2 y e otro vector tal que T 2 (e, e ) 0 (en particular, {e, e } es una base de H 2 ). Veamos que es posible encontrar un vector isótropo ē que verifica T 2 (e, ē) = 0 de manera que en la base {e, ē} de H 2 la matriz de T 2 es ( ) El vector ē se podrá escribir en la forma ē = αe + βe y las condiciones que se tienen que satisfacer son 0 =T 2 (ē, ē) = 2αβT 2 (e, e ) + β 2 T 2 (e, e ) 1 =T 2 (e, ē) = βt 2 (e, e ) De la segunda ecuación se sigue que β = 1 T 2 (e, e ) y sustituyendo en la primera, tiene que ser 1 α = 2T 2 (e, e ) T 2(e, e ). 2 De este teorema se sigue inmediatamente la clasificación de los espacios hiperbólicos: Teorema 4. Dos espacios hiperbólicos son isométricos si y sólo si tienen la misma dimensión. Para concluir la clasificación de las métricas, únicamente nos queda por clasificar los espacios elípticos. Esta clasificación es más complicada y depende en gran medida de la aritmética del cuerpo base. En las siguientes secciones efectuaremos esta clasificación en el caso en que el cuerpo es algebraicamente cerrado y en el caso del cuerpo de los números reales. 7

8 4. Clasificación sobre cuerpo algebraicamente cerrado. Como hemos dicho, la clave está en la clasificación de los espacios elípticos (no nulos). Teorema 5. Todos los espacios elípticos tienen dimensión 1 y son isométricos. Demostración. Veamos que la dimensión de los espacios elípticos es 1. Si hubiera dos vectores linealmente independientes, e y e, entonces podríamos encontrar un vector isótropo en el plano < e, e >. Sea ē = αe + e y planteemos la ecuación 0 = T 2 (ē, ē) = α 2 T 2 (e, e) + 2αT 2 (e, e ) + T 2 (e, e ) que es una ecuación de segundo orden en α. Como el cuerpo base es algebraicamente cerrado, dicha ecuación tiene solución y en consecuencia, ē es isótropo lo cual no es posible en un espacio elíptico. Sea ahora e 0 un vector del espacio elíptico, veamos que podemos encontrar otro vector e tal que T 2 (e, e) = 1. Sea α un escalar solución de la ecuación α 2 T 2 (e, e ) = 1. El vector e = 1 α e es el vector que se buscaba. El teorema de clasificación es ahora inmediato: Teorema 6. Dos geometrías sobre un cuerpo algebraicamente cerrado son isométricas si y sólo si tienen la misma dimensión, el mismo rango y el mismo índice. 5. Clasificación sobre el cuerpo de los números reales. Lema 5. Sea (W, T 2 ) un espacio elíptico sobre el cuerpo de los números reales. Si T 2 (e, e) > 0 para algún vector e W, entonces T 2 (e, e ) > 0 para todo vector e W. Demostración. Al igual que en el caso de cuerpo algebraicamente cerrado, la demostración consiste en probar que si no fuera así, se podría encontrar un vector isótropo. Supongamos que T 2 (e, e ) < 0 e impongamos la condición de que el vector ē = αe + e sea isótropo: 0 = T 2 (ē, ē) = α 2 T 2 (e, e) + 2αT 2 (e, e ) + T 2 (e, e ) 8

9 Se trata de una ecuación de segundo grado en α cuyo discriminante es luego tiene soluciones reales. 4T 2 (e, e ) 2 4T 2 (e, e)t 2 (e, e ) > 0 Según este lema, o bien T 2 es definido positiva o definido negativa. En el primer caso, se dice que (W, T 2 ) tiene signo +1 o positivo y 1 o negativo en caso contrario. Teorema 7. Dos espacios elípticos sobre el cuerpo de los números reales son isométricos si y sólo si tienen la misma dimensión y el mismo signo. Demostración. Consiste en aplicar el método de ortonormalización de Gram- Schmidt. Para concluir la clasificación, tenemos que cerciorarnos de que coinciden los signos de los subespacios elípticos en dos descomposiciones diferentes de la misma geometría. Para ello utilizaremos la siguiente forma del teorema de Witt: Teorema 8. Sea (E, T 2 ) una geometría no singular y σ : E E una isometría entre dos subespacios no singulares de E. Entonces σ se prolonga a una isometría σ : E E. Demostración. Se procede por inducción sobre la dimensión, k, de E (y por tanto, de E ). Si k = 1, E =< e >, E =< e > con σ(e ) = e entonces T 2 (e, e ) = T 2 (e, e ). Al ser T 2 (e + e, e + e ) =T 2 (e, e ) + 2T 2 (e, e ) + T 2 (e, e ) T 2 (e e, e e ) =T 2 (e, e ) 2T 2 (e, e ) + T 2 (e, e ) uno de los vectores e + e, e e es no isótropo pues si fueran los dos isótropos, también lo sería e y por tanto E sería singular. Supongamos que e = e + e es el no isótropo (si fuera e e el no isótropo, se procedería análogamente). Dada la descomposición E =< e > < e >, se construye la isometría σ(λe + ē) = λe ē. Veamos que prolonga a σ: En primer lugar, T 2 (e, e e ) = T 2 (e, e ) T 2 (e, e ) = 0 luego σ(e e ) = e + e y σ(e + e ) = e + e. Se tiene entonces que σ(e ) σ(e ) = σ(e e ) = e + e σ(e ) + σ(e ) = σ(e + e ) = e + e 9

10 y, sumando, σ(e ) = e. Supongamos ahora que k > 1 y que tenemos la descomposición E = F F. Al ser la dimensión de F menor que k, la isometría σ : F σ(f ) prolonga, por inducción, a una isometría τ : E E y sólo la tendremos que ajustar para que coincida con σ sobre F. τ( F ) y σ( F ) son dos subespacios de σ(f ) luego, por inducción, se puede extender la isometría σ τ 1 : τ( F ) σ( F ) a una isometría ρ: σ(f ) σ(f ) y ésta a una isometría ρ: σ(f ) σ(f ) σ(f ) σ(f ) por la identidad en el primer sumando. Para concluir la demostración, veamos que la isometría σ = ρ τ es la extensión buscada, y para ello, que coincide con σ sobre F y sobre F. Sea e un vector de F ; σ(e ) = ρ(τ(e )) = ρ(σ(e )) pues τ es prolongación de σ sobre F. Por la definición de ρ, es la identidad sobre σ(f ) y por tanto, ρ(σ(e )) = σ(e ), de donde σ(e ) = σ(e ) Sea ē un vector de F ; σ(ē) = ρ(τ(ē)) = ρ(τ(ē)) pues ρ es una prolongación de ρ. Por definición de ρ, es una prolongación de σ τ 1, luego ρ(τ 1 (ē)) = (σ τ 1 )(τ(ē)) = σ(ē). Definición 7. Se llama signo de una geometría no singular (E, T 2 ) de dimensión finita sobre el cuerpo de los números reales al signo del subespacio elíptico W de una descomposición E = H 2i W Esta definición no depende de la descomposición elegida, pues si se tuviera otra E = H 2i W, por el teorema de Witt la isometría entre H 2i y H 2i se prolonga a una isometría de E que induce una isometría entre W y W luego ambos tienen el mismo signo. 10

11 Teorema 9. La condición necesaria y suficiente para que dos geometrías sobre el cuerpo de los numeros reales sean isométricas es que tengan la misma dimensión, el mismo rango, el mismo índice y el mismo signo. Para finalizar, veremos cómo se puede calcular el rango, índice y signo de una geometría sobre el cuerpo de los números reales. Para ello, además de la métrica simétrica T 2 que pretendemos clasificar, necesitaremos una métrica euclídea auxiliar T 2. Llamemos φ y φ a las polaridades asociadas a T 2 y T 2. Se define el endomorfismo asociado al par de métricas a T = φ 1 φ. Por definición de T, se tiene que T 2 (T (e), e ) = T 2 (e, e ) = T 2 (e, T (e )) luego también se verifica que para todo polinomio p(x) es T 2 (p(t )(e), e ) = T 2 (e, e ) = T 2 (e, p(t )(e )) Lema 6. T es diagonalizable y diagonaliza en una base ortonormal para T 2. Demostración. Para probar que T es diagonalizable, basta con probar que su polinomio anulador descompone en producto de factores lineales diferentes. Sea p(x) un factor primo del anulador. Si apareciera en el anulador con multiplicidad n > 1, se tendría que, para todo vector e Ker(p n (T )) T 2 (p n 1 (T )(e), p n 1 (T )(e)) = T 2 (p n (T )(e), p n 2 (T )(e)) = 0 luego p n 1 (T )(e) = 0 por ser T 2 euclídea y por tanto, p n 1 (x) anularía a Ker(p n (T )) lo cual no es posible. Veamos ahora que los factores primos son todos lineales. Si un factor primo es cuadrático, se puede escribir en la forma p(x) = (x a) 2 + b 2. Sea e un vector anulado por p(x), es decir luego 0 = p(t )(e) = (T a) 2 (e) + b 2 e T 2 ((T a)(e), (T a)(e)) = T 2 (e, (T a) 2 (e)) = b 2 T2 (e, e) < 0 lo cual es absurdo. Para concluir la demostración, veamos que los diferentes subespacios de vectores propios son ortogonales entre sí: Sean e y e dos vectores propios de valores propios diferentes, T (e) = ae, T (e ) = be. Se tiene que a T 2 (e, e ) = T 2 (T (e), e ) = T 2 (e, T (e )) = b T 2 (e, e ) y como a b, es T 2 (e, e ) = 0. 11

12 Teorema 10. Sea r + el número de raíces positivas, r el número de raíces negativas y r 0 el número de raíces nulas del polinomio característico de T. Entonces: 2i + r + r =r = n r 0 Sig T 2 = Sig(r + r ) donde r, i son el rango y el índice de la métrica T 2. Demostración. En una base de diagonalización de T ortonormal para T 2, la matriz de T y det 2 coinciden. Además, permutando los vectores propios si fuera preciso, se puede suponer que esta matriz es a 1 b 1... a s b s c 1... c m siendo a i raíces positivas, b i raíces negativas y c i raíces todas del mismo signo, r + r. Obviamente, es s = mín(r +, r ) y m = r + r. Si la base de diagonalización es {e 1,..., e n }, el subespacio es hiperbólico, el subespacio es elíptico y H 2s =< e 1,..., e 2s > W =< e 2s+1,..., e 2s+m > Rad(T 2 ) =< e 2s+m+1,..., e n > de manera que el índice de la métrica es i = s y se concluye. Como es natural, la clasificación de la métrica T 2 no depende de la elección de la métrica euclídea auxiliar T 2, de manera que, dada la matriz de la métrica T 2 en una base se suele elegir la métrica euclídea que tiene a esa base como base ortonormal, de manera que coincidan la matriz del endomorfismo asociado T y la matriz de T 2 en dicha base. 12

13 Para finalizar, al ser todas las raíces del polinomio característico de T reales, no es necesario calcularlas para conocer sus signos: basta con utilizar el teorema de Descartes. Teorema 11. Sea p(x) un polinomio con coeficientes reales tal que todas sus raíces son reales. El número de raíces positivas es igual al número de variaciones de signo entre los coeficientes no nulos de p(x). 13

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

4 APLICACIONES LINEALES. DIAGONALIZACIÓN 4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos

Más detalles

1. Producto escalar, métrica y norma asociada

1. Producto escalar, métrica y norma asociada 1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la

Más detalles

Diagonalización de matrices

Diagonalización de matrices diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR} Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar

Más detalles

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

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario) Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse

Más detalles

Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones

Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones Tema 13.- Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones 13.1 Teorema de estructura de los módulos finitamente generados sobre un D.I.P. En lo que sigue A denotará

Más detalles

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

Formas bilineales y cuadráticas.

Formas bilineales y cuadráticas. Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos

Más detalles

4 Aplicaciones Lineales

4 Aplicaciones Lineales Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1

Más detalles

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

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere

Más detalles

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define. VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman

Más detalles

LÍMITES Y CONTINUIDAD DE FUNCIONES

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

Más detalles

Espacios vectoriales y aplicaciones lineales.

Espacios vectoriales y aplicaciones lineales. Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales

Más detalles

Tema 3: Producto escalar

Tema 3: Producto escalar Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica

Más detalles

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

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades: Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición

Más detalles

1 Espacios y subespacios vectoriales.

1 Espacios y subespacios vectoriales. UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto

Más detalles

Definición de vectores

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

Más detalles

Espacios vectoriales con producto interno

Espacios 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 detalles

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1 . ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio

Más detalles

Parte I. Iniciación a los Espacios Normados

Parte I. Iniciación a los Espacios Normados Parte I Iniciación a los Espacios Normados Capítulo 1 Espacios Normados Conceptos básicos Sea E un espacio vectorial sobre un cuerpo K = R ó C indistintamente. Una norma sobre E es una aplicación de E

Más detalles

Juan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada

Juan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada FUNCIONES CONTINUAS. La mayor parte de las funciones que manejamos, a nivel elemental, presentan en sus gráficas una propiedad característica que es la continuidad. La continuidad de una función definida

Más detalles

Dominios de factorización única

Dominios de factorización única CAPíTULO 3 Dominios de factorización única 1. Dominios euclídeos En la sección dedicada a los números enteros hemos descrito todos los ideales de Z. En este apartado introducimos una familia de anillos

Más detalles

Variedades Diferenciables. Extremos Condicionados

Variedades Diferenciables. Extremos Condicionados Capítulo 16 Variedades Diferenciables. Extremos Condicionados Vamos a completar lo visto en los capítulos anteriores sobre el teorema de las Funciones Implícitas y Funciones Inversas con un tema de iniciación

Más detalles

Factorización de polinomios

Factorización de polinomios Factorización de polinomios Polinomios Un polinomio p en la variable x es una expresión de la forma: px a 0 a 1 x a x a n1 x n1 a n x n donde a 0, a 1, a,, a n1, a n son unos números, llamados coeficientes

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un

Más detalles

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

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

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

Funciones polinomiales de grados 3 y 4

Funciones polinomiales de grados 3 y 4 Funciones polinomiales de grados 3 y 4 Ahora vamos a estudiar los casos de funciones polinomiales de grados tres y cuatro. Vamos a empezar con sus gráficas y después vamos a estudiar algunos resultados

Más detalles

Ecuaciones de primer grado con dos incógnitas

Ecuaciones de primer grado con dos incógnitas Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

UNIDAD 3: ANILLOS DE POLINOMIOS

UNIDAD 3: ANILLOS DE POLINOMIOS UNIDAD 3: ANILLOS DE POLINOMIOS En nuestra educación matemática se nos introdujo muy pronto -generalmente en los primeros años de secundariaal estudio de los polinomios. Durante una temporada que parecía

Más detalles

Espacios vectoriales. Bases. Coordenadas

Espacios vectoriales. Bases. Coordenadas Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

VII. Estructuras Algebraicas

VII. Estructuras Algebraicas VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación

Más detalles

Divisibilidad y números primos

Divisibilidad y números primos Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos

Más detalles

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una

Más detalles

1º) Siempre que se pueda, hay que sacar factor común: :a b ± a c ± a d ± = a (b ± c ± d ± ):

1º) Siempre que se pueda, hay que sacar factor común: :a b ± a c ± a d ± = a (b ± c ± d ± ): Pág. 1 de 7 FAC T O R I Z AC I Ó N D E P O L I N O M I O S Factorizar (o descomponer en factores) un polinomio consiste en sustituirlo por un producto indicado de otros de menor grado tales que si se multiplicasen

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

Objetivos: Al inalizar la unidad, el alumno: Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará

Más detalles

Vectores en el espacio

Vectores en el espacio Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas

Más detalles

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

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración

Más detalles

Tema 4: Aplicaciones lineales

Tema 4: Aplicaciones lineales Tema 4: Aplicaciones lineales Definición, primeras propiedades y ejemplos Definición. Sean V y W dos espacios vectoriales sobre un cuerpo K. Una función f : V W se dice que es una aplicación lineal si

Más detalles

Subconjuntos destacados en la

Subconjuntos destacados en la 2 Subconjuntos destacados en la topología métrica En este capítulo, introducimos una serie de conceptos ligados a los puntos y a conjuntos que por el importante papel que juegan en la topología métrica,

Más detalles

4.1 El espacio dual de un espacio vectorial

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

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

Criterio de Sylvester

Criterio de Sylvester Criterio de Sylvester Objetivos. Aprender a aplicar el criterio de Sylvester para analizar cuándo una forma cuadrática es positiva definida, usando los menores principales de su matriz asociada. También

Más detalles

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

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS

Más detalles

Estructuras algebraicas

Estructuras algebraicas Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota

Más detalles

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES

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

Más detalles

Aplicaciones lineales continuas

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

Más detalles

Tema 3. Aplicaciones lineales. 3.1. Introducción

Tema 3. Aplicaciones lineales. 3.1. Introducción Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones

Más detalles

Tema 3: Aplicaciones de la diagonalización

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

Más detalles

Espacios vectoriales y Aplicaciones lineales

Espacios vectoriales y Aplicaciones lineales Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea

Más detalles

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

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes. VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar

Más detalles

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

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u

Más detalles

Aplicaciones Lineales y Multilineales Continuas

Aplicaciones Lineales y Multilineales Continuas Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES 1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,

Más detalles

Números algebraicos. Cuerpos de números. Grado.

Números algebraicos. Cuerpos de números. Grado. < Tema 5.- Números algebraicos. Cuerpos de números. Grado. 5.1 Cuerpo de fracciones de un dominio. Tratamos de generalizar la construcción de Q, a partir de Z. Sea A un dominio de integridad. En A (A \

Más detalles

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

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

Más detalles

342 SOBRE FORMAS TERNARIAS DE SEGUNDO GRADO.

342 SOBRE FORMAS TERNARIAS DE SEGUNDO GRADO. 342 SOBRE FORMAS TERNARIAS DE SEGUNDO GRADO. ALGUNAS APLICACIONES A LA TEORIA DE LAS FORMAS BINARIAS. Encontrar una forma cuya duplicación produce una forma dada del género principal. Puesto que los elementos

Más detalles

Tema 7: Valores y vectores propios

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

Más detalles

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2. PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.

Más detalles

Apuntes de Matemática Discreta 9. Funciones

Apuntes de Matemática Discreta 9. Funciones Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y

Más detalles

Tema 2. Aplicaciones lineales y matrices.

Tema 2. Aplicaciones lineales y matrices. Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................

Más detalles

Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización

Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Ejercicio. Decidir cuáles de las siguientes aplicaciones son lineales. Cuál es la dimensión del espacio imagen? a f(x, x 2, x 3 = (x 2 + x

Más detalles

Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores

Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores FASÍCULO: ESPACIOS CON PRODUCTO INTERNO Teorema. Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : i) ii) iii) iv) Ejemplo: Sean el espacio vectorial con el producto interno definido

Más detalles

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

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO) Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto

Más detalles

Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).

Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid

Más detalles

Tema 2 Límites de Funciones

Tema 2 Límites de Funciones Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos

Más detalles

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial. Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =

Más detalles

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

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

Más detalles

POLINOMIOS Y FRACCIONES ALGEBRAICAS

POLINOMIOS Y FRACCIONES ALGEBRAICAS POLINOMIOS Y FRACCIONES ALGEBRAICAS Página 66 PARA EMPEZAR, REFLEXIONA Y RESUELVE Múltiplos y divisores. Haz la división: 4 + 5 0 + 5 A la vista del resultado, di dos divisores del polinomio 4 + 5 0. (

Más detalles

Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales.

Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales. Problemas y Ejercicios Resueltos. Tema : Aplicaciones Lineales. Ejercicios 1.- Determinar cuáles de las siguientes aplicaciones son lineales: (i) f : R R 2 definida por f((x, y, z)) = (x y, y + 2z). (ii)

Más detalles

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com. Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen

Más detalles

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2

Más detalles

Práctica de Aplicaciones Lineales

Práctica de Aplicaciones Lineales practica5.nb 1 Práctica de Aplicaciones Lineales Aplicaciones lineales y matrices Las matrices también desempeñan un papel muy destacado en el estudio de las aplicaciones lineales entre espacios vectoriales

Más detalles

Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales.

Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales. Problemas y Ejercicios Resueltos. Tema : Espacios vectoriales. Ejercicios 1.- Determinar el valor de x para que el vector (1, x, 5) R 3 pertenezca al subespacio < (1,, 3), (1, 1, 1) >. Solución. (1, x,

Más detalles

Espacios generados, dependencia lineal y bases

Espacios generados, dependencia lineal y bases Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................

Más detalles

Los polinomios. Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x

Los polinomios. Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x Los polinomios Los polinomios Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x Elementos de un polinomio Los términos: cada

Más detalles

CAPÍTULO III. FUNCIONES

CAPÍTULO III. FUNCIONES CAPÍTULO III LÍMITES DE FUNCIONES SECCIONES A Definición de límite y propiedades básicas B Infinitésimos Infinitésimos equivalentes C Límites infinitos Asíntotas D Ejercicios propuestos 85 A DEFINICIÓN

Más detalles

Ejercicios Resueltos del Tema 4

Ejercicios Resueltos del Tema 4 70 Ejercicios Resueltos del Tema 4 1. Traduce al lenguaje algebraico utilizando, para ello, una o más incógnitas: La suma de tres números consecutivos Un número más la mitad de otro c) El cuadrado de la

Más detalles

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

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

Más detalles

Introducción a la Teoría de Grafos

Introducción a la Teoría de Grafos Introducción a la Teoría de Grafos Flavia Bonomo fbonomo@dc.uba.ar do. Cuatrimestre 009 Árboles Un árbol es un grafo conexo y acíclico (sin ciclos). Un bosque es un grafo acíclico, o sea, una unión disjunta

Más detalles

Espacios de Hilbert. 10.1. Producto Escalar y Norma. Tema 10

Espacios de Hilbert. 10.1. Producto Escalar y Norma. Tema 10 Tema 10 Espacios de Hilbert Vamos a desarrollar en lo que sigue los resultados básicos acerca de los espacios de Hilbert, un tipo muy particular de espacios de Banach con propiedades especiales que están

Más detalles

(Ec.1) 2α + β = b (Ec.4) (Ec.3)

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

Más detalles

1. Ecuaciones no lineales

1. Ecuaciones no lineales 1. Ecuaciones no lineales 1.1 Ejercicios resueltos Ejercicio 1.1 Dada la ecuación xe x 1 = 0, se pide: a) Estudiar gráficamente sus raíces reales y acotarlas. b) Aplicar el método de la bisección y acotar

Más detalles

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral. Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida

Más detalles

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

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

Más detalles

ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. La aplicación de Poincaré

ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. La aplicación de Poincaré ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. SISTEMAS PLANOS. TEOREMA DE POINCARÉ-BENDIXSON. La aplicación de Poincaré Recordemos que un subconjunto H de R n es una subvariedad de codimensión uno (o una

Más detalles