MMAF: Espacios normados y espacios de Banach

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "MMAF: Espacios normados y espacios de Banach"

Transcripción

1 MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012

2 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el cual están definidas las operaciones suma + de dos elementos x, y de V y multiplicación de un escalar (número real) α por un elemento de V. V es un espacio vectorial si 1 x, y V, el vector suma, w = x + y V y se cumple que: 1 x + y = y + x 2 (x + y) + z = x + (y + z) 3 Existe un elemento nulo de V, tal que x + 0 = 0 + x = x 4 Cualquiera sea el vector x de V, existe el elemento ( x) opuesto a x, tal que x + ( x) = ( x) + x = 0. 2 x V, el vector w = α x V y se cumple que: 1 α (x + y) = α x + α y 2 (α + β) x = α x + β x 3 α (β x) = (αβ) x 4 1 x = x

3 Ejemplos de espacios vectoriales 1 El conjunto de los vectores de R n cuando la suma de dos vectores y la multiplicación por un escalar es la estándard. 2 El conjunto R m n de las matrices m n cuando la suma de dos matrices y la multiplicación por un escalar es la estándard. 3 El conjunto P n de los polinomios de grado a lo sumo n P n = {p n (t) = a 0 +a 1 t+ +a n t n, a 0,..., a n números reales.}, donde definimos p(t) = a 0 + a 1 t + + a n t n, q(x) = b 0 + b 1 t + + b n t n, (p + q)(t) p(t) + q(t) = (a 0 + b 0 ) + (a 1 + b 1 )t + + (a n + b n )t n, (α p)(t) α p(t) = (αa 0 ) + (αa 1 )t + + (αa n )t n. Además, p n = 0, si y sólo si a 0 = a 1 = = a n = 0. 4 El conjunto C [a,b] de las funciones continuas en [a, b]

4 Subespacios vectoriales Definición Sea V un espacio vectorial. Diremos que un subconjunto H de elementos de V es un subespacio vectorial de V si H es a su vez un espacio vectorial respecto a las mismas operaciones suma + y multiplicación que V. Ejemplos. 1 Dado un espacio vectorial V, son subespacios vectoriales triviales los subespacios H = {0} (conjunto que tiene como único elemento, el nulo) y H = V (el mismo espacio vectorial). 2 Para V = C [a,b], H = P n es un subespacio vectorial, para cualquier n = 0, 1, 2,... entero. 3 Para V = P n, H = P k es un subespacio vectorial para todo k < n.

5 Subespacios vectoriales Teorema Un subconjunto H de elementos de V es un subespacio vectorial de V si y sólo si se cumple que Para todos x e y, vectores de H y α, β R el vector w = αx + βy también es un vector de H.

6 Subespacios vectoriales Teorema Un subconjunto H de elementos de V es un subespacio vectorial de V si y sólo si se cumple que Para todos x e y, vectores de H y α, β R el vector w = αx + βy también es un vector de H. Al vector v = x 1 v 1 + x 2 v x p v p, x 1,..., x p R, se le denomina combinación lineal de los vectores v 1, v 2,..., v p. Sea span (v 1, v 2,..., v p ) el conjunto de todas las combinaciones lineales de los vectores v 1, v 2,..., v p V

7 Subespacios vectoriales Teorema Un subconjunto H de elementos de V es un subespacio vectorial de V si y sólo si se cumple que Para todos x e y, vectores de H y α, β R el vector w = αx + βy también es un vector de H. Al vector v = x 1 v 1 + x 2 v x p v p, x 1,..., x p R, se le denomina combinación lineal de los vectores v 1, v 2,..., v p. Sea span (v 1, v 2,..., v p ) el conjunto de todas las combinaciones lineales de los vectores v 1, v 2,..., v p V Teorema span (v 1, v 2,..., v p ) es un subespacio vectorial de V. Dicho subespacio vectorial comúnmente se denomina subespacio generado por los vectores v 1, v 2,..., v p.

8 Conjuntos linealmente independientes Definición Un conjunto de vectores v 1, v 2,..., v p de un espacio vectorial V se denomina linealmente independiente si la ecuación vectorial x 1 v 1 + x 2 v x p v p = 0, x 1, x 2,, x p R tiene como única solución la trivial x 1 = = x p = 0.

9 Conjuntos linealmente independientes Definición Un conjunto de vectores v 1, v 2,..., v p de un espacio vectorial V se denomina linealmente independiente si la ecuación vectorial x 1 v 1 + x 2 v x p v p = 0, x 1, x 2,, x p R tiene como única solución la trivial x 1 = = x p = 0. Definición Un conjunto de vectores v 1, v 2,..., v p se denomina linealmente dependiente si existen x 1, x 2,, x p R no todos iguales a cero tales que se verifique la ecuación vectorial x 1 v 1 + x 2 v x p v p = 0.

10 Importancias de los vectores li: Bases Definición Sea H un subespacio vectorial del espacio vectorial V. El conjunto de vectores B = {b 1, b 2,..., b p } de V es una base de H si i) B es un conjunto de vectores linealmente independientes ii) H = span (b 1, b 2,..., b p ), o sea, B genera a todo H. En particular si H coincide con V, entonces B es una base de todo el espacio vectorial V.

11 Importancias de los vectores li: Bases Definición Sea H un subespacio vectorial del espacio vectorial V. El conjunto de vectores B = {b 1, b 2,..., b p } de V es una base de H si i) B es un conjunto de vectores linealmente independientes ii) H = span (b 1, b 2,..., b p ), o sea, B genera a todo H. En particular si H coincide con V, entonces B es una base de todo el espacio vectorial V. Ejemplo 1: Las n columnas a 1,..., a n de una matriz invertible n n, son li y además R n = span (a 1,..., a n ). Por tanto B = a 1,..., a n es una base de R n. Si A = I n, es la matriz identidad n n, las columnas e 1, e 2,..., e n de la misma son la base canónica de R n.

12 Importancias de los vectores li: Bases Definición Sea H un subespacio vectorial del espacio vectorial V. El conjunto de vectores B = {b 1, b 2,..., b p } de V es una base de H si i) B es un conjunto de vectores linealmente independientes ii) H = span (b 1, b 2,..., b p ), o sea, B genera a todo H. En particular si H coincide con V, entonces B es una base de todo el espacio vectorial V. Ejemplo 1: Las n columnas a 1,..., a n de una matriz invertible n n, son li y además R n = span (a 1,..., a n ). Por tanto B = a 1,..., a n es una base de R n. Si A = I n, es la matriz identidad n n, las columnas e 1, e 2,..., e n de la misma son la base canónica de R n. Ejemplo 2: El conjunto de vectores S = {1, t, t 2,..., t n } P n es li, además span (1, t, t 2,..., t n ) = P n. Luego S es una base de P n (canónica).

13 Bases y dimensión del espacio Teorema Si un espacio vectorial V tiene una base de n vectores B = {b 1, b 2,..., b n }, entonces cualquier conjunto con más de n vectores de V es linealmente dependiente. Además, si un espacio vectorial V tiene una base de n vectores B = {b 1,..., b n }, entonces cualquier otra base de V tendrá que tener n vectores de V.

14 Bases y dimensión del espacio Teorema Si un espacio vectorial V tiene una base de n vectores B = {b 1, b 2,..., b n }, entonces cualquier conjunto con más de n vectores de V es linealmente dependiente. Además, si un espacio vectorial V tiene una base de n vectores B = {b 1,..., b n }, entonces cualquier otra base de V tendrá que tener n vectores de V. El menor número de vectores linealmente independientes que generan un espacio vectorial es una propiedad intrínseca de dicho espacio y se denomina dimensión del espacio vectorial.

15 Bases y dimensión del espacio Teorema Si un espacio vectorial V tiene una base de n vectores B = {b 1, b 2,..., b n }, entonces cualquier conjunto con más de n vectores de V es linealmente dependiente. Además, si un espacio vectorial V tiene una base de n vectores B = {b 1,..., b n }, entonces cualquier otra base de V tendrá que tener n vectores de V. El menor número de vectores linealmente independientes que generan un espacio vectorial es una propiedad intrínseca de dicho espacio y se denomina dimensión del espacio vectorial. Un espacio vectorial V es de dimensión finita n si V está generado por una base de n elementos en cuyo caso dim V = n.

16 Bases y dimensión del espacio Teorema Si un espacio vectorial V tiene una base de n vectores B = {b 1, b 2,..., b n }, entonces cualquier conjunto con más de n vectores de V es linealmente dependiente. Además, si un espacio vectorial V tiene una base de n vectores B = {b 1,..., b n }, entonces cualquier otra base de V tendrá que tener n vectores de V. El menor número de vectores linealmente independientes que generan un espacio vectorial es una propiedad intrínseca de dicho espacio y se denomina dimensión del espacio vectorial. Un espacio vectorial V es de dimensión finita n si V está generado por una base de n elementos en cuyo caso dim V = n. El espacio nulo {0} tiene dimensión 0.

17 Bases y dimensión del espacio Teorema Si un espacio vectorial V tiene una base de n vectores B = {b 1, b 2,..., b n }, entonces cualquier conjunto con más de n vectores de V es linealmente dependiente. Además, si un espacio vectorial V tiene una base de n vectores B = {b 1,..., b n }, entonces cualquier otra base de V tendrá que tener n vectores de V. El menor número de vectores linealmente independientes que generan un espacio vectorial es una propiedad intrínseca de dicho espacio y se denomina dimensión del espacio vectorial. Un espacio vectorial V es de dimensión finita n si V está generado por una base de n elementos en cuyo caso dim V = n. El espacio nulo {0} tiene dimensión 0. Si V no puede ser generado por una base finita, entonces V es de dimensión infinita: dim V =.

18 Bases y dimensión del espacio Teorema Si un espacio vectorial V tiene una base de n vectores B = {b 1, b 2,..., b n }, entonces cualquier conjunto con más de n vectores de V es linealmente dependiente. Además, si un espacio vectorial V tiene una base de n vectores B = {b 1,..., b n }, entonces cualquier otra base de V tendrá que tener n vectores de V. El menor número de vectores linealmente independientes que generan un espacio vectorial es una propiedad intrínseca de dicho espacio y se denomina dimensión del espacio vectorial. Un espacio vectorial V es de dimensión finita n si V está generado por una base de n elementos en cuyo caso dim V = n. El espacio nulo {0} tiene dimensión 0. Si V no puede ser generado por una base finita, entonces V es de dimensión infinita: dim V =. Ejemplos: dim R n = n, dim P n = n + 1, dim C [a,b] =.

19 Espacios normados y de Banach Definición Un espacio vectorial X se denomina espacio normado si para todo x X existe un número real denominado norma, y que denotaremos por x, que cumple con las condiciones 1 x X, x 0 y si x = 0 entonces x = 0. 2 x X y λ R, λx = λ x. 3 x, y X, se tiene la des. triang. x + y x + y.

20 Espacios normados y de Banach Definición Un espacio vectorial X se denomina espacio normado si para todo x X existe un número real denominado norma, y que denotaremos por x, que cumple con las condiciones 1 x X, x 0 y si x = 0 entonces x = 0. 2 x X y λ R, λx = λ x. 3 x, y X, se tiene la des. triang. x + y x + y. Si en un espacio normado X definimos la func. ρ(x, y) = x y, esta satisface los axiomas de la definición de espacio métrico, i.e., todo espacio normado es un espacio métrico. La ρ anterior se denomina métrica inducida por la norma.

21 Espacios normados y de Banach Definición Un espacio vectorial X se denomina espacio normado si para todo x X existe un número real denominado norma, y que denotaremos por x, que cumple con las condiciones 1 x X, x 0 y si x = 0 entonces x = 0. 2 x X y λ R, λx = λ x. 3 x, y X, se tiene la des. triang. x + y x + y. Si en un espacio normado X definimos la func. ρ(x, y) = x y, esta satisface los axiomas de la definición de espacio métrico, i.e., todo espacio normado es un espacio métrico. La ρ anterior se denomina métrica inducida por la norma. Definición Un espacio normado completo (en la métrica inducida por la norma) se denomina espacio de Banach.

22 Ejemplos Ejemplo X = R n (C n ), con la norma x = n k=1 x k 2, es un espacio de Banach.

23 Ejemplos Ejemplo X = R n (C n ), con la norma x = n k=1 x k 2, es un espacio de Banach. Ejercicio Qué ocurre con X = R n (C n ) si usamos las normas x = ( n k=1 x k p ) 1/p, p 1? Y con la norma x = max k=1,...,n x k?

24 Ejemplos Ejemplo X = R n (C n ), con la norma x = n k=1 x k 2, es un espacio de Banach. Ejercicio Qué ocurre con X = R n (C n ) si usamos las normas x = ( n k=1 x k p ) 1/p, p 1? Y con la norma x = max k=1,...,n x k? Ejemplo ( ) b 1/p, Sea X = C [a,b] y definamos la norma f = a f (x) p p 1. Este espacio es un espacio normado pero no de Banach ( por qué?).

25 Ejemplos Ejemplo Sea X = C [a,b]. Definamos la norma f = max x [a,b] f (x). Este espacio es un espacio de Banach.

26 Ejemplos Ejemplo Sea X = C [a,b]. Definamos la norma f = max x [a,b] f (x). Este espacio es un espacio de Banach. Ejemplo Sea ahora X el espacio de todas las sucesiones x = (x 1, x 2,..., x n,...) reales t.q. k=1 x k p < + con la norma x = ( k=1 x k p ) 1/p, p 1. Dicho espacio lo denotaremos por l p y es un espacio de Banach.

27 Ejemplos Ejemplo Sea X = C [a,b]. Definamos la norma f = max x [a,b] f (x). Este espacio es un espacio de Banach. Ejemplo Sea ahora X el espacio de todas las sucesiones x = (x 1, x 2,..., x n,...) reales t.q. k=1 x k p < + con la norma x = ( k=1 x k p ) 1/p, p 1. Dicho espacio lo denotaremos por l p y es un espacio de Banach. Ejercicio Decide si el espacio X de todas las sucesiones reales x = (x 1, x 2,..., x n,...) acotadas con la métrica x = sup k N x k, es un espacio de Banach.

28 Todo espacio métrico es normado? Sea X el espacio de todas las sucesiones reales x = (x 1, x 2,..., x n,...) con la métrica ρ(x, y) = j=1 1 x j y j 2 j 1 + x j y j. Esta métrica no puede ser inducida por ninguna norma ya que de ella nunca podremos obtener la propiedad x X y λ R, λx = λ x, de la norma.

29 Todo espacio métrico es normado? Sea X el espacio de todas las sucesiones reales x = (x 1, x 2,..., x n,...) con la métrica ρ(x, y) = j=1 1 x j y j 2 j 1 + x j y j. Esta métrica no puede ser inducida por ninguna norma ya que de ella nunca podremos obtener la propiedad x X y λ R, λx = λ x, de la norma. Lema Sea X un espacio normado. Entonces, la métrica ρ inducida por la norma satisface las condiciones 1 ρ(x + z, y + z) = ρ(x, y), 2 ρ(λx, λy) = λ ρ(x, y).

30 Espacios normados vs Espacios métricos En los espacios normados podemos definir la conv. de sucesiones, suc. de Cauchy, etc. Basta considerarlos como espacios métricos con la métrica ρ inducida por la norma: ρ(x, y) = x y. Algunas definiciones son algo más sutiles:

31 Espacios normados vs Espacios métricos En los espacios normados podemos definir la conv. de sucesiones, suc. de Cauchy, etc. Basta considerarlos como espacios métricos con la métrica ρ inducida por la norma: ρ(x, y) = x y. Algunas definiciones son algo más sutiles: Definición Sea X un espacio normado y sea M un subespacio vectorial de X. Si M es un espacio normado con la norma de X restringida a M se dice que M es un subespacio de X. Si M es cerrado en X entonces se dice que es un subespacio cerrado.

32 Espacios normados vs Espacios métricos En los espacios normados podemos definir la conv. de sucesiones, suc. de Cauchy, etc. Basta considerarlos como espacios métricos con la métrica ρ inducida por la norma: ρ(x, y) = x y. Algunas definiciones son algo más sutiles: Definición Sea X un espacio normado y sea M un subespacio vectorial de X. Si M es un espacio normado con la norma de X restringida a M se dice que M es un subespacio de X. Si M es cerrado en X entonces se dice que es un subespacio cerrado. Definición (En los espacios normados podemos definir las series:) Sea una suc. (x n ) n de un espacio normado X definiremos la n sucesión (s n ) n de sumas parciales por s n = x k, n N. Si k=1 s n s X (en norma), diremos que la serie es converge en X y s es su suma. La serie converge absolutamente si n k=1 x k < +.

33 Series en espacios normados Teorema Sea X un espacio de Banach (normado y completo). Entonces toda serie absolutamente convergente es convergente.

34 Series en espacios normados Teorema Sea X un espacio de Banach (normado y completo). Entonces toda serie absolutamente convergente es convergente. El teorema anterior no es cierto si X no es completo. Ejercicio Prueba que si X es un espacio normado, entonces toda serie absolutamente convergente es convergente si y sólo si X es completo.

35 Series en espacios normados Teorema Sea X un espacio de Banach (normado y completo). Entonces toda serie absolutamente convergente es convergente. El teorema anterior no es cierto si X no es completo. Ejercicio Prueba que si X es un espacio normado, entonces toda serie absolutamente convergente es convergente si y sólo si X es completo. Teorema ( Todo espacio normado se puede completar!) Sea (X,. ) un espacio normado. Entonces existe un espacio de Banach X y una isometría A de X en W X, tal que W es denso en X. Además, X es único excepto isometrías.

36 Base de Schauder Definición Sea X un espacio normado y sea M un subespacio vectorial de X. Si M es un espacio normado con la norma de X restringida a M se dice que M es un subespacio de X. Si M es cerrado en X entonces se dice que es un subespacio cerrado. Definición Sea X un espacio normado. Sea (e n ) n una sucesión de elementos de X tal que, para todo x X, existe una única sucesión de escalares (α n ) n tales que x (α 1 e α n e n n 0. Dicha sucesión se denomina base de Schauder.

37 Base de Schauder y separabilidad Ejemplo Sea X el espacio l p de las sucesiones y sea (e n ) n la sucesión e k = δ i,k, i.e., la sucesión de vectores de l p con 1 en la posición k y 0 en el resto. Probemos que dicha sucesión es una base de Schauder. En efecto, para todo x l p tenemos x = (x 1, x 2, x 3,..., x n,... ). Sea s n = n k=1 x ke k. Como x l p, entonces lim s n s = lim n n ( k=n+1 x k p ) 1/p n 0.

38 Base de Schauder y separabilidad Ejemplo Sea X el espacio l p de las sucesiones y sea (e n ) n la sucesión e k = δ i,k, i.e., la sucesión de vectores de l p con 1 en la posición k y 0 en el resto. Probemos que dicha sucesión es una base de Schauder. En efecto, para todo x l p tenemos x = (x 1, x 2, x 3,..., x n,... ). Sea s n = n k=1 x ke k. Como x l p, entonces Ejercicio lim s n s = lim n n ( k=n+1 x k p ) 1/p n 0. Prueba que si un espacio normado X tiene una base de Schauder, entonces es separable.

39 Espacios normados de dimensión finita Lema (Lema técnico) Sean n vectores cualesquiera x 1,..., x n linealmente independientes de un espacio normado X. Entonces, existe un número real c > 0 tal que cuales quiera sean los escalares α 1,..., α n, α 1 x α n x n c( α α n ). Demostración: Sea s = α α n. Si s = 0 el lema es trivial así que asumiremos s > 0. Dividiendo por s 2 se sigue que 2 es equivalente a probar que si x 1,..., x n son linealmente independientes, entonces existe un número real c > 0 tal que cuales quiera sean los los escalares β 1,..., β n, con n k=1 β k = 1 β 1 x β n x n c. La prueba será por reducción al absurdo.

40 Prueba del Lema técnico Entonces ha de existir ( por qué?) una sucesión (y m ) m X tal que y m = β (m) 1 x β (m) n x n, n k=1 β (m) k = 1, y y m m 0. De la condición n numéricas (β (m) k k=1 β(m) k = 1 se sigue que las n sucesiones ) m, k = 1,..., n, son acotadas. Sea la sucesión (β (m) 1 ) m acotada, entonces por el T de B-W de ella se puede extraer una subsucesión convergente β (m j ) j 1 β 1. Escojamos de cada una de las sucesiones restantes (β (m) k ) m, k = 2,..., n, las subsucesiones definidas por los índices m j. Entonces (β (m j ) 2 ) j es acotada y por B-W y podemos extraer una subsucesión convergente β (j l ) l 2 β 2. Además, si escogemos los índices j l definidos, la subsucesión (β (j l ) 1 ) j l β 1 ( por qué?).

41 Prueba del Lema técnico Continuando este proceso n veces una subsucesión de índices l i t.q. β (l i ) i k β k, k = 1, 2,..., n. Además, dicha sucesión de índices define una subsucesión (y li ) i de (y m ) m t.q. y li = n k=1 β (l i ) k x k, β (l i ) i k β k lim i y li = n β k x k := y, k=1 n β k = 1. k=1 De lo anterior se sigue que no todos los β k = 0 al mismo tiempo. Como los vectores x 1,..., x n son li y 0 ( por qué?). La norma es una aplicación continua lim y l i = y lim y li = y, i i pero como y m m 0, entonces lim i y li = 0, luego y = 0 de donde se sigue que y = 0 lo cual es una contradicción.

Algebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21

Algebra 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 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

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

1. ESPACIOS DE HILBERT Y OPERADORES

1. 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 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

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 [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación

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

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 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

Introducción a los espacios vectoriales

Introducción 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 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

Problemas de VC para EDVC elaborados por C. Mora, Tema 4

Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,

Más detalles

CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero

CONCEPTOS 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 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

Una norma en un espacio lineal (o vectorial) X es una función. : X R con las siguientes propiedades: (a) x 0, para todo x X (no negatividad);

Una norma en un espacio lineal (o vectorial) X es una función. : X R con las siguientes propiedades: (a) x 0, para todo x X (no negatividad); MATEMÁTICA APLICADA II Segundo cuatrimestre 20 Licenciatura en Física, Universidad Nacional de Rosario Espacios de Banach. Introducción Frecuentemente estamos interesados en qué tan grande. es una función.

Más detalles

Espacios vectoriales reales.

Espacios 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 detalles

Álgebra Lineal VII: Independencia Lineal.

Álgebra Lineal VII: Independencia Lineal. Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx

Más detalles

LEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS

LEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS LEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS Sea una estructura formada por un conjunto A, sobre cuyos elementos se ha definido una operación o ley interna, comúnmente denotada por " * ", que

Más detalles

Autovalores y autovectores Diagonalización y formas canónicas

Autovalores 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 detalles

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que

Más detalles

Operadores estrictamente singulares en retículos de Banach

Operadores estrictamente singulares en retículos de Banach Operadores estrictamente singulares en retículos de Banach 4 de abril de 2008 Tesis en curso dirigida por F. L. Hernández y J. Flores 1 Preliminares Definiciones Dos problemas naturales 2 3 Factorización

Más detalles

ALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República

ALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto

Más detalles

Espacios compactos. Capítulo Cubiertas. En este capítulo estudiaremos el concepto de compacidad en un espacio métrico.

Espacios compactos. Capítulo Cubiertas. En este capítulo estudiaremos el concepto de compacidad en un espacio métrico. Capítulo 3 Espacios compactos 1. Cubiertas En este capítulo estudiaremos el concepto de compacidad en un espacio métrico. Definición 3.1. Sea (X, d) un espacio métrico y A X. Una cubierta de A es una familia

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

Combinación 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) 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 detalles

Tema 11.- Autovalores y Autovectores.

Tema 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 detalles

NÚCLEOS DEFINIDOS POSITIVOS, REGULARIDAD, PERTURBACIONES Y APLICACIONES.

NÚCLEOS DEFINIDOS POSITIVOS, REGULARIDAD, PERTURBACIONES Y APLICACIONES. UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS POSTGRADO EN MATEMÁTICA NÚCLEOS DEFINIDOS POSITIVOS, REGULARIDAD, PERTURBACIONES Y APLICACIONES. Autor: MSc. Arnaldo De La Barrera. Tutor: Dra. Marisela

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

Espacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1

Espacios 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 detalles

Sucesiones en R n. Ejemplos.-Considerando el espacio R 2 sea la sucesión {x k } 1 dada por x k = ( k, 1 k) podemos listar como sigue:

Sucesiones en R n. Ejemplos.-Considerando el espacio R 2 sea la sucesión {x k } 1 dada por x k = ( k, 1 k) podemos listar como sigue: Sucesiones en R n Definición. Una sucesión en R n es cualquier lista infinita de vectores en R n x, x,..., x,... algunos de los cuales o todos ellos pueden coincidir entre si. Dada una sucesión x, x,...,

Más detalles

Comisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 2012

Comisión 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 detalles

Espacios Vectoriales, Valores y Vectores Propios

Espacios Vectoriales, Valores y Vectores Propios , Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas

Más detalles

Un subconjunto no vacío H de un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura:

Un 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

Algebra Lineal XIV: Espacio Nulo y Rango de una. transformación lineal.

Algebra Lineal XIV: Espacio Nulo y Rango de una. transformación lineal. Algebra Lineal XIV: Espacio Nulo y Rango de una Transformación Lineal. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de

Más detalles

Álgebra Lineal V: Subespacios Vectoriales.

Álgebra Lineal V: Subespacios Vectoriales. Álgebra Lineal V: Subespacios Vectoriales. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx

Más detalles

Descomposición en valores singulares de una matriz

Descomposición 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 detalles

Apéndice sobre ecuaciones diferenciales lineales

Apéndice sobre ecuaciones diferenciales lineales Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.

Más detalles

Espacios completos. 8.1 Sucesiones de Cauchy

Espacios 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 detalles

Espacios Vectoriales

Espacios 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 detalles

Matrices, Determinantes y Sistemas Lineales.

Matrices, Determinantes y Sistemas Lineales. 12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión

Más detalles

Esta 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 )

Esta 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 detalles

Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa.

Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa. Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email:

Más detalles

Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS

Tema 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 detalles

APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES

APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES Ignacio López Torres. Reservados todos los derechos. Prohibida la reproducción total o parcial de esta obra, por cualquier medio electrónico

Más detalles

ESPACIOS VECTORIALES

ESPACIOS VECTORIALES 1. Introducción: 1.1 Grupo Abeliano 1. Cuerpo. Estructura de espacio vectorial 3. Propiedades 4. Subespacio vectorial 5. Combinación lineal de vectores 5.1 Propiedades 6. Dependencia e independencia lineal

Más detalles

1. Sucesiones y redes.

1. Sucesiones y redes. 1. Sucesiones y redes. PRACTICO 7. REDES. Se ha visto que el concepto de sucesión no permite caracterizar algunas nociones topológicas, salvo en espacios métricos. Esto empieza con algunas definiciones

Más detalles

Definición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.

Definición: 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 detalles

Esta definición se puede ampliar a cualquier par de bases de los espacio inicial y final MATRIZ DE UNA APLICACIÓN LINEAL EN BASES ARBITRARIAS

Esta 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 detalles

Base y Dimensión de un Espacio Vectorial

Base 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 detalles

2.1. Estructura algebraica de espacio vectorial

2.1. Estructura algebraica de espacio vectorial Tema 2 Espacios vectoriales de dimensión finita 21 Estructura algebraica de espacio vectorial Los vectores libres en el plano son el sustento geométrico del concepto de espacio vectorial Se trata de segmentos

Más detalles

Subconjuntos notables de un Espacio Topológico

Subconjuntos notables de un Espacio Topológico 34 Capítulo 4 Subconjuntos notables de un Espacio Topológico 4.1 Adherencia Definición 4.1.1 (Punto adherente). Sea (X, τ) un espacio topológico, y sea S un subconjunto de X. Diremos que x X es un punto

Más detalles

Conjuntos y funciones convexas

Conjuntos y funciones convexas Conjuntos y funciones convexas Un conjunto X R n se dice convexo si para todo par de puntos x 1 y x 2 en X, λ x 1 + ( 1- λ) x 2 X, para todo λ [0,1] Qué significa esto geométricamente? Un punto λ x 1 +

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

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

II. ESPACIOS NORMADOS Y ESPACIOS DE BANACH

II. ESPACIOS NORMADOS Y ESPACIOS DE BANACH II. ESPACIOS NORMADOS Y ESPACIOS DE BANACH Se pretende en este capítulo establecer los resultados generales relacionados con el concepto de norma en un espacio vectorial así como mostrar las distintas

Más detalles

Anillo de polinomios con coeficientes en un cuerpo

Anillo de polinomios con coeficientes en un cuerpo Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.

Más detalles

El método de súper y sub soluciones en el espacio de funciones casi periódicas.

El método de súper y sub soluciones en el espacio de funciones casi periódicas. El método de súper y sub soluciones en el espacio de funciones casi periódicas. Universidad de Buenos Aires - IMAS (CONICET) UMA - Bahía Blanca - 2016 Super y sub soluciones Problema periódico asociado

Más detalles

Estructuras Algebraicas

Estructuras 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 detalles

Es trivial generalizar la definición al caso de varios conjuntos: A B C, etc.

Es 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 detalles

Continuidad. 5.1 Continuidad en un punto

Continuidad. 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 detalles

Ejercicios del Tema 2: Estructuras algebraicas básicas

Ejercicios del Tema 2: Estructuras algebraicas básicas Ejercicios del Tema 2: Estructuras algebraicas básicas En los ejercicios 1, 2, 8 y 9 se utilizará que si G = {g 1,...,g n } es un conjunto finito y * una operación interna definida en G, podemos utilizar

Más detalles

SESIÓN 4: ESPACIOS VECTORIALES

SESIÓN 4: ESPACIOS VECTORIALES SESIÓN 4: ESPACIOS VECTORIALES Un espacio vectorial sobre un campo (como el cuerpo de los números reales o los números complejos) es un conjunto no vacío, dotado de dos operaciones para las cuales será

Más detalles

1. (F, +) es un grupo abeliano, denominado el grupo aditivo del campo.

1. (F, +) es un grupo abeliano, denominado el grupo aditivo del campo. Capítulo 5 Campos finitos 5.1. Introducción Presentaremos algunos conceptos básicos de la teoría de los campos finitos. Para mayor información, consultar el texto de McEliece [61] o el de Lidl y Niederreiter

Más detalles

ANÁLISIS FUNCIONAL. Oscar Blasco

ANÁLISIS FUNCIONAL. Oscar Blasco ANÁLISIS FUNCIONAL Oscar Blasco Contents 1 Introducción a los espacios de Hilbert 5 1.1 Producto escalar: Propiedades y ejemplos........... 5 1.2 Completitud y ortogonalidad................... 9 1.3 Proyecciones

Más detalles

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Lineal Ma1010 Departamento de Matemáticas ITESM Álgebra Lineal - p. 1/16 En esta lectura veremos el proceso para obtener la factorización QR de una matriz. Esta factorización es utilizada para

Más detalles

Capítulo 1. Espacios de Hilbert Introducción

Capítulo 1. Espacios de Hilbert Introducción Capítulo 1 Espacios de Hilbert 1.1. Introducción Dentro de la familia de espacios vectoriales dotados de una estructura métrica, son los espacios de Hilbert los que, como generalización a cualquier dimensión

Más detalles

Espacios vectoriales

Espacios 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 detalles

TEMA 8.- NORMAS DE MATRICES Y

TEMA 8.- NORMAS DE MATRICES Y Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos

Más detalles

Espacios Vectoriales. Tema Introducción. 1.2 Repaso de Estructuras Algebraicas

Espacios Vectoriales. Tema Introducción. 1.2 Repaso de Estructuras Algebraicas Tema 1 Espacios Vectoriales 1.1 Introducción Estas notas se han escrito con el ánimo de facilitar al estudiante una guía para el estudio de la asignatura, y no como un libro de texto o manual de Álgebra

Más detalles

ESPACIOS VECTORIALES

ESPACIOS VECTORIALES MATEMÁTICA I - - Capítulo 8 ------------------------------------------------------------------------------------ ESPACIOS VECTORIALES.. Espacios Vectoriales y Subespacios... Definición. Un espacio vectorial

Más detalles

Transformaciones lineales

Transformaciones lineales Semana 8 [1/62] 8 de septiembre de 27 Definiciones básicas Semana 8 [2/62] Definición Transformación lineal U, V dos espacios vectoriales sobre el mismo cuerpo Ã. T : U V es una transformación (o función)

Más detalles

ECUACIONES EN DERIVADAS PARCIALES Tópicos previos

ECUACIONES EN DERIVADAS PARCIALES Tópicos previos ECUACIONES EN DERIVADAS PARCIALES Tópicos previos Para tomar el curso de ecuaciones en derivadas parciales es importante la familiaridad del alumno con los conceptos que se detallan a continuación. Sugerimos

Más detalles

ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA.

ESPACIOS 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 detalles

TEMA 8. GEOMETRÍA ANALÍTICA.

TEMA 8. GEOMETRÍA ANALÍTICA. TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos

Más detalles

un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:

un 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 detalles

Resumen de Análisis Matemático IV

Resumen de Análisis Matemático IV Resumen de Análisis Matemático IV 1. Funciones inversas e implícitas y extremos condicionados 1.1. Teorema de la función inversa Teorema de la función inversa: Sea A abierto de R n, f : A R n tal que f

Más detalles

Dependencia e independencia lineal

Dependencia 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 detalles

1. Curvas Regulares y Simples

1. Curvas Regulares y Simples 1. Regulares y Simples en R n. Vamos a estudiar algunas aplicaciones del calculo diferencial e integral a funciones que están definidas sobre los puntos de una curva del plano o del espacio, como por ejemplo

Más detalles

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 =

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 = 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 detalles

Convergencia de sucesiones

Convergencia de sucesiones TEMA 4. CONVERGENCIA DE SUCESIONES 65 Tema 4. Convergencia de sucesiones Definición 5.4.1. Sea X un conjunto: una sucesión en X es una aplicación s : N X; denotaremos x n := s(n) y por S := {x n } n N

Más detalles

Espacios Vectoriales

Espacios 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 detalles

Continuidad y monotonía

Continuidad y monotonía Tema 14 Continuidad y monotonía Generalizando lo que se hizo en su momento para sucesiones, definiremos la monotonía de una función, en forma bien fácil de adivinar. Probaremos entonces dos resultados

Más detalles

ESPACIOS VECTORIALES

ESPACIOS VECTORIALES 01 de Junio de 2011 ESPACIOS VECTORIALES (Clase 02) Departamento de Matemática Aplicada Facultad de Ingeniería Universidad Central de Venezuela 1 Puntos a tratar 1. Combinación lineal 2. Subespacio vectorial

Más detalles

1. Convergencia en medida

1. Convergencia en medida FACULTAD CS. FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE MA3801 Teoría de la Medida. Semestre 2009-02 Profesor: Jaime San Martín Auxiliares: Andrés Fielbaum y Cristóbal Guzmán Clase auxiliar 7 21 de Septiembre

Más detalles

Productos Interiores No-Arquimedeanos

Productos Interiores No-Arquimedeanos U N IV E R S ID AD D E C O N C E P C IÓ N FAC U LT AD D E C IE N C IAS F ÍS IC AS Y M AT E M ÁT IC AS P R O G R AM A D E M AG IS TE R E N M AT E M ÁTIC AS -AC AD É M IC O Productos Interiores No-Arquimedeanos

Más detalles

PAIEP. Complemento Ortogonal

PAIEP. 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 detalles

Algebra Lineal y Geometría.

Algebra 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 detalles

Cálculo numérico. Sistemas de ecuaciones lineales.

Cálculo numérico. Sistemas de ecuaciones lineales. José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2010. Las raíces de x 2 bx + c = 0. r = b ± b 2 4c 2 b = 3.6778, c = 0.0020798 r 1 = 3.67723441190... r 2 = 0.00056558809...

Más detalles

ESPACIOS VECTORIALES

ESPACIOS VECTORIALES ESPACIOS VECTORIALES Sergio Stive Solano 1 Mayo de 2015 1 Visita http://sergiosolanosabie.wikispaces.com ESPACIOS VECTORIALES Sergio Stive Solano 1 Mayo de 2015 1 Visita http://sergiosolanosabie.wikispaces.com

Más detalles

Ejemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales.

Ejemplo 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 detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas 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 detalles

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 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 detalles

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno

4. 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 detalles

como el número real que resulta del producto matricial y se nota por:

como 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 detalles

3. Determinantes. Propiedades. Depto. de Álgebra, curso

3. Determinantes. Propiedades. Depto. de Álgebra, curso Depto de Álgebra curso 06-07 3 Determinantes Propiedades Ejercicio 3 Use la definición para calcular el valor del determinante de cada una de las siguientes matrices: 3 0 0 α A = 5 4 0 A = 6 A 3 = 0 β

Más detalles

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados.

Tema 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 detalles

Reconocer y utilizar las propiedades sencillas de la topología métrica.

Reconocer y utilizar las propiedades sencillas de la topología métrica. 3 Funciones continuas De entre todas las aplicaciones que pueden definirse entre dos espacios métrico, las aplicaciones continuas ocupan un papel preponderante. Su estudio es fundamental no sólo en topología,

Más detalles

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los

Más detalles

Matrices y determinantes. Sistemas de ecuaciones lineales

Matrices y determinantes. Sistemas de ecuaciones lineales Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo

Más detalles