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

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

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

Transcripción

1 ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con n, se llama grupo abeliano libre de rango n (donde Z = {}). Notación: Sea G un grupo abeliano. Sea a G y sea m Z. Escribiremos: m {}}{ a + a + + a si m > ma = si m = ( a) + + ( a) }{{} m si m < Observemos que, por definición, G = a 1,..., a n si y sólo si todo elemento a G puede escribirse como combinación lineal (con coeficientes enteros) de {a 1,..., a n }. Esto es, a G, m 1,..., m n Z, a = m 1 a m n a n. Todas las combinaciones lineales con las que trataremos tendrán coeficientes enteros, por tanto no volveremos a mencionar esta propiedad ya que todos los grupos considerados en este tema serán abelianos. En el caso particular de Z n, si llamamos e i = (,...,, (i) 1,,..., ) para i = 1,..., n, entonces Z n = e 1,..., e n Definición 1.2. Sea G un grupo abeliano. Diremos que un conjunto S es linealmente independiente, si la única forma de escribir G como combinación lineal de elementos de S es con todos los coeficientes nulos. Es decir, si para cualesquiera s 1,..., s r S, m 1 s m r s r = m 1 = = m r = Definición 1.3. Sea G un grupo abeliano. Una base de G es un sistema de generadores linealmente independiente. Ejemplos: {(1, ), (, 1)} es base de Z 2. {(2, ), (, 1)} es linealmente independiente, pero no es sistema de generadores, puesto que los elementos que genera tienen siempre su primera coordenada par. {( 2, ), (, 1)} es base de Z/Z3 Z. La demostración del siguiente resultado es análoga a la que vimos en Álgebra Lineal y Geometría I: Proposición 1.4. Un conjunto S G es base si y sólo si todo elemento se escribe de forma única como combinación lineal de S. 1

2 Gracias al resultado anterior, podemos saber cómo son las bases en el caso particular del grupo Z n. Proposición 1.5. Un conjunto de Z n linealmente independiente tiene como mucho n elementos. DEMOSTRACIÓN: Sea S Z n linealmente independiente. Si tuviera más de n elementos, podríamos tomar s 1,..., s n+1 S y formar una matriz A, de tamaño n (n+1), cuyas columnas son estos n+1 elementos. Pero entonces el sistema lineal Ax = tendría alguna solución no nula en Q, digamos ( p1 q 1,..., p n+1 q n+1 ). Multiplicando esta solución por q 1 q n+1, tendríamos una solución (m 1,..., m n+1 ) (,..., ) formada por enteros, donde m 1 s m n+1 s n+1 =, lo cual es imposible al ser S linealmente independiente. Por tanto, S tiene como mucho n elementos. Proposición 1.6. Un sistema de generadores de Z n tiene como mínimo n elementos. DEMOSTRACIÓN: Sea S G un sistema de generadores de Z n. Los elementos e 1,..., e n son combinación lineal de S con coeficientes enteros (en particular, con coeficientes en Q), por tanto S es sistema de generadores del Q-espacio vectorial Q n, luego tiene al menos n elementos. Corolario 1.7. Toda base de Z n tiene exactamente n elementos. Proposición 1.8. Sea S = {a 1,..., a n } Z n un conjunto con n elementos, y sea A la matriz n n cuyas columnas son los elementos de S. Son equivalentes: 1. S es base. 2. S es sistema de generadores. 3. A = ±1. [Trabajo personal: demostrarlo]. Definición 1.9. Sea B = {u 1,..., u n } una base de Z n. Dado un elemento a Z n, llamaremos coordenadas de a respecto de B, a la n-upla de enteros (m 1,..., m n ) tal que a = m 1 u m n u n. Escribiremos: a B = (m 1,..., m n ) Recordemos del Álgebra Lineal cómo afectan a las coordenadas de un elemento ciertos cambios elementales que efectuaremos en las bases: 1. Si B se obtiene de B al permutar u i y u j, entonces a B se obtiene de a B al permutar las coordenadas i y j. Esto se puede escribir 1 a B = E i,j a B, donde E i,j es la matriz que se obtiene de I al permutar las filas i y j. 2. Si B se obtiene de B al cambiar de signo u i, entonces a B se obtiene de a B al cambiar de signo la coordenada i. Esto se puede escribir a B = E i ( 1)a B, donde E i ( 1) es la matriz que se obtiene de I al cambiar de signo la fila i. 1 Aquí los vectores se consideran vectores columnas. De hecho, consideraremos los vectores como filas o columnas según convenga, y en el caso en que se usen en un producto de matrices, la elección será la única posible. 2

3 3. Si B se obtiene de B al sustituir u j por u j mu i, donde m Z, entonces se tiene: a = m 1 u m i u i + + m j u j + + m n u n = m 1 u (m i + m m j )u i + + m j (u j mu i ) + + m n u n Es decir, si entonces a B = (m 1,..., m i,..., m j,..., m n ) a B = (m 1,..., m i + m m j,..., m j,..., m n ). Por tanto, si B se obtiene de B al restar a u j, m veces u i, entonces a B se obtiene de a B al sumar a la coordenada i, m veces la coordenada j. Esto se puede escribir a B = E i,j (m)a B, donde E i,j (m) es la matriz que se obtiene de I al sumar a la fila i, m veces la fila j. Observemos que si hacemos este tipo de transformaciones, llamadas transformaciones elementales, a una base, obtenemos otra base de Z n. Es importante notar que las matrices descritas anteriormente tienen todas determinante ±1. Como aplicar una transformación elemental a una base equivale a multiplicar el vector de coordenadas de cualquier vector por una de estas matrices, se sigue que aplicar varias de estas transformaciones elementales seguidas equivale a multiplicar por varias de estas matrices, lo que finalmente multiplica (por la izquierda) el vector de coordenadas de cualquier vector, por una matriz de determinante ± Grupos abelianos finitamente generados En esta sección vamos a qué estructura tiene cualquier grupo abeliano finitamente generado. Esto nos permitirá, por ejemplo, deducir cuántos grupos abelianos finitos hay de un cierto orden no isomorfos. Teorema 1.1. Sea {u 1,..., u n } una base de Z n. Dado un grupo abeliano cualquiera G, y n elementos cualesquiera α 1,..., α n G, existe un único homomorfismo de grupos f : Z n G tal que f(u i ) = α i para todo i = 1,..., n. DEMOSTRACIÓN: Dado a Z n, sabemos que a se escribe de forma única como a = m 1 u m n u n. Definimos entonces f(a) = m 1 α 1 + +m n α n. Esta es una aplicación bien definida (puesto que la escritura de cada a Z n es única), y es muy sencillo demostrar que se trata de un homomorfismo. Además f(u i ) = α i para todo i = 1,..., n. Para ver la unicidad, consideremos un homomorfismo g que cumple las propiedades del enunciado. Dado a = m 1 u 1 + +m n u n, al ser g un homomorfismo de grupos tendremos g(a) = m 1 g(u 1 )+ + m n g(u n ) = m 1 α m n α n, luego g es precisamente f. Teorema Todo grupo abeliano finitamente generado es isomorfo a un cociente de Z n. DEMOSTRACIÓN: Si G = α 1,..., α n, tomamos f : Z n G tal que f(e i ) = α i para i = 1,..., n. Observemos que f es sobreyectiva porque α 1,..., α n = G. Por tanto, por el primer teorema de isomorfía: Z n / ker(f) = im(f) = G. El teorema anterior nos dice que estudiar los grupos abelianos finitamente generados es equivalente a estudiar los grupos cocientes de la forma Z n /H. Teorema Todo subgrupo de Z n está finitamente generado. Es más, admite un sistema de generadores con a lo sumo n elementos. 3

4 DEMOSTRACIÓN: Sea H Z n. Es bien conocido que si n = 1 entonces H = m para un cierto entero m, por tanto el resultado es cierto para n = 1. Supongamos que n > 1 y que el resultado es cierto para n 1. Sea π 1 : Z n Z la proyección sobre la primera coordenada, esto es, π 1 (a 1,..., a n ) = a 1 para todo (a 1,..., a n ) Z n. Observemos que π 1 (H) Z. En efecto, dados a, b π 1 (H) existen (a, a 2,..., a n ), (b, b 2,..., b n ) H, luego (a b, a 2 b 2,..., a n b n ) H y por tanto a b π 1 (H). Tenemos entonces π 1 (H) = a para un cierto a Z. Es decir, la primera coordenada de todo elemento de H es un múltiplo de a. Además, debe existir algún elemento u = (a, a 2,..., a n ) H, cuya primera coordenada sea a. Observemos que ker(π 1 ) = {(, a 2,..., a n ) Z n } es claramente isomorfo a Z n 1. Por tanto H ker(π 1 ), que es un subgrupo de ker(π 1 ), es isomorfo a un subgrupo de Z n 1. Pero entonces, por hipótesis de inducción tenemos H ker(π 1 ) = u 1,..., u r, con r n 1. Ya sólo queda observar que H = u, u 1,..., u r, ya que dado u = (m a, c 2,..., c n ) H, tenemos u mu H ker(π 1 ) = u 1,..., u r, luego u u, u 1,..., u r. Observemos además que el número de elementos en este sistema de generadores es r + 1 n, como queríamos demostrar Forma normal de Smith Sea H Z n. Acabamos de demostrar que podemos escribir H = a 1,..., a s, donde a i = (a 1i,..., a ni ). Estudiaremos H y Z n /H usando la matriz A = cuyas columnas son estos generadores de H. a 11 a 1s.. a n1 a ns Haremos transformaciones elementales por filas y columnas para simplificar A, y así conocer la estructura de Z n /H. Para ello debemos interpretar qué implica hacer una transformación elemental por filas o por columnas. Transformaciones elementales por columnas. Una transformación elemental por columnas de una matriz A consiste en una de las siguientes acciones: 1. Intercambiar dos columnas. 2. Cambiar una columna de signo. 3. Sumar a una columna un múltiplo (entero) de otra. Hay dos observaciones importantes que hacer: La primera es que al aplicar una transformación elemental por columnas a la matriz A (cuyas columnas son unos generadores de H), simplemente estamos cambiando el sistema de generadores de H. La segunda observación es que aplicar una transformación elemental por columnas equivale a multiplicar la matriz A, por la derecha, por una matriz elemental E i,j, E i ( 1) o E i,j (m) (de tamaño s s). Por tanto, al aplicar varias transformaciones elementales por columnas seguidas estamos multiplicando la matriz A, por la derecha, por una matriz con determinante ±1. Transformaciones elementales por filas. Una transformación elemental por filas de una matriz A consiste en una de las siguientes acciones: 4

5 1. Intercambiar dos filas. 2. Cambiar una fila de signo. 3. Sumar a una fila un múltiplo (entero) de otra. En este caso, observemos que aplicar una transformación elemental por filas equivale a aplicar una transformación elemental a la base de Z n, es decir, se trata simplemente de un cambio de base. Además, aplicar una transformación elemental por filas equivale a multiplicar la matriz A, por la izquierda, por una matriz elemental E i,j, E i ( 1) o E i,j (m) (de tamaño n n). Por tanto, al aplicar varias transformaciones elementales por filas seguidas estamos multiplicando la matriz A, por la izquierda, por una matriz con determinante ±1. Por tanto, para estudiar H y Z n /H, podemos transformar la matriz A, por filas y columnas, para simplificarla lo máximo posible. El resultado será una matriz cuyas columnas son un sistema de generadores de H, escrito respecto de una cierta base de Z n. Veamos cuánto se puede simplificar la matriz A. Teorema 1.13 (Forma normal de Smith). Sea A una matriz n s de enteros. Existe una única matriz n s de enteros S, de la forma d S = d r.... donde d 1,..., d r > y d i d i+1 para todo i = 1,..., r 1, tal que S se obtiene de A mediante transformaciones elementales de filas y columnas. DEMOSTRACIÓN: Veamos primero la existencia, dando un procedimiento para calcular S. Tomemos A. Permutando filas y columnas colocamos en la posición (1, 1) el elemento no nulo de menor valor absoluto, digamos m. Podemos considerar que m >, ya que si fuera m < cambiamos de signo su columna. Si un elemento a 1j de la primera fila no es un múltiplo de m, sabemos que a 1j = qm + m, con < m < m. Restando a la columna j, q veces la columna 1, obtenemos m en la posición (1, j). Permutando entonces las columnas 1 y j, obtenemos m < m en la posición (1, 1). Análogamente, si algún elemento de la primera columna no es múltiplo del de la posición (1, 1), podemos disminuir el elemento de la posición (1, 1) mediante transformaciones elementales por filas. Como este proceso debe parar (m no puede disminuir indefinidamente), en algún momento tendremos un elemento m en la posición (1, 1) que divide a todos los de su fila y columna. Entonces, haciendo transformaciones de tipo 3, se obtiene una matriz m. M Ahora, si un elemento en la posición (i, j) no es múltiplo de m, podemos sumarle a la fila 1 la fila i. Obtendremos un elemento en la primera fila que no es múltiplo de m, y podremos reducir m como antes. 5

6 Repetimos el proceso hasta que m no se pueda disminuir más, y obtendremos una matriz de la forma: d 1. M con d 1 dividiendo a todo elemento de M. Si tuviéramos s = 1 (una sola columna), ya habríamos terminado. Si s > 1, por inducción en s podemos aplicar transformaciones por filas y columnas, cambiando M, hasta obtener d d s.... con d 1, d 2,..., d r > y d 2 d 3 d r. Queda probar que d 1 d 2. Pero d 1 dividía a todo elemento de M, y esta propiedad se preserva al aplicar transformaciones elementales a M, por tanto d 1 d 2, y hemos probado la existencia de S. Veamos la unicidad. En primer lugar, el número r es precisamente el rango de A (porque las transformaciones elementales no varían el rango), luego r está determinado por la matriz original. Veamos que para todo i = 1,..., r, se tiene: i (A) = mcd ({menores de orden i de A}) = d 1 d i, y por tanto d 1,..., d r también estarán determinados por A. Para ello basta observar que una transformación elemental preserva el mcd de los menores de orden i de una matriz, y por tanto i (A) = i (S). Es fácil ver que i (S) = d 1 d i, y esto termina la demostración. Corolario Dado H Z n, existe una base B = {u 1,..., u n } de Z n y unos enteros positivos d 1 d 2 d r, tales que H = d 1 u 1, d 2 u 2,..., d r u r. DEMOSTRACIÓN: Basta transformar la matriz H en su forma normal de Smith, e interpretar el resultado. Una observación importante: Si al transformar la matriz A en su forma de Smith S, vamos aplicando las mismas transformaciones por filas a la matriz I n n, y las mismas transformaciones por columnas a la matriz I s s, obtendremos dos matrices P y Q, con determinante ±1, tales que P AQ = S Estas matrices P y Q son invertibles como matrices de enteros. Es decir, existe P 1 GL n (Z) y existe Q 1 GL s (Z). Es más, por construcción, las columnas de P 1 forman precisamente la base B = {u 1,..., u n } descrita en el corolario anterior, y las columnas de AQ son los generadores de H respecto de la base original. 6

7 Es interesante observar que para conocer las primeras r columnas de P 1 no es necesario calcular la inversa de P. Basta con darse cuenta de que las primeras r columnas de AQ son precisamente d 1 u 1,..., d r u r, luego podemos calcular cada u i simplemente dividiendo por d i la columna i de AQ, para i = 1,..., r. Proposición En las condiciones anteriores, DEMOSTRACIÓN: Consideremos Z n /H = Z/Zd 1 Z/Zd 2 Z/Zd r Z n r n r f : Z n {}}{ Z/Zd 1 Z/Zd r Z Z (m 1,..., m n ) B (m 1,..., m r, m r+1,..., m n ) La aplicación f está claramente bien definida, y es un homomorfismo de grupos sobreyectivo. Además { mi = k f((m 1,..., m n ) B ) = (,...,,,..., ) i d i i = 1,..., r m i = i = r + 1,..., n Es decir, ker(f) = {(k 1 d 1,..., k r d r,,..., ) B ; k 1,..., k r Z} = (d 1,,..., ) B, (, d 2,,..., ) B,..., (,...,, d r,,..., ) B = d 1 u 1, d 2 u 2,..., d r u r = H. Y por el primer teorema de isomorfía: Z n /H = Z n / ker(f) = im(f) = Z/Zd 1 Z/Zd r Z n r Teorema 1.16 (de estructura de los grupos abelianos finitamente generados). Todo grupo abeliano finitamente generado es isomorfo a un único grupo de la forma con 1 < d t d t+1 d r. Z/Zd t Z/Zd t+1 Z/Zd r Z n r DEMOSTRACIÓN: Sabemos que todo grupo abeliano finitamente generado es isomorfo a Z n /H para algún H Z n. Ahora basta aplicar el resultado anterior, y observar que si algún d i = 1 (necesariamente estos d i, si existen, serán los primeros) entonces Z/Zd i = Z/Z = {}. La unicidad proviene de la unicidad de la forma normal de Smith. La escritura de un grupo abeliano finitamente generado G como en el teorema de estructura, se llama descomposición canónica de G como producto directo de grupos cíclicos, y los enteros d 1,..., d r se llaman factores invariantes. Terminaremos este tema con un último resultado sobre los subgrupos de Z n. Ya hemos visto que pueden ser generados con a lo sumo n elementos. Pero además podemos dar una propiedad mucho más fuerte: Todo subgrupo de un grupo libre es libre. Demostraremos esta propiedad sólo para los grupos libres finitamente generados, usando la forma normal de Smith: Teorema Todo subgrupo de Z n es isomorfo a Z r para algún r n. [Trabajo personal: demostrarlo]. 7

Estructuras algebraicas. Departamento de Álgebra. Apuntes de teoría

Estructuras algebraicas. Departamento de Álgebra.  Apuntes de teoría ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 2015/2016 Apuntes de teoría Tema 1: Grupos y subgrupos. 1.1. Introducción Definición 1.1. Un grupo es un par (G, ), donde G es un conjunto no vacío,

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

Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. ) ( + ( ) ( )

Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. ) ( + ( ) ( ) MATRICES Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. Ejemplo 1. Algunos ejemplos de matrices ( + ( ) ( + ( ) El tamaño o el orden de una

Más detalles

Departamento de Ingeniería Matemática - Universidad de Chile

Departamento de Ingeniería Matemática - Universidad de Chile Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 08-2 SEMANA 7: ESPACIOS VECTORIALES 3.5. Generadores de un espacio vectorial Sea V un espacio vectorial

Más detalles

Ba s e, d i M e n s i ó n y Mat r i z

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

Más detalles

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

PAIEP. Sistemas de Ecuaciones Lineales

PAIEP. Sistemas de Ecuaciones Lineales Programa de Acceso Inclusivo, Equidad y Permanencia PAIEP Universidad de Santiago de Chile Sistemas de Ecuaciones Lineales Consideremos el sistema lineal de dos ecuaciones y dos incógnitas x + y = 2 2x

Más detalles

Aplicaciones de la Forma Normal de Smith de una Matriz Entera

Aplicaciones de la Forma Normal de Smith de una Matriz Entera Aplicaciones de la Forma Normal de Smith de una Matriz Entera Rafael Heraclio Villarreal Rodríguez Departmento de Matemáticas CINVESTAV-IPN, México D.F. XLV Congreso Nacional Sociedad Matemática Mexicana

Más detalles

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz

Más detalles

Definición 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 Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:

Más detalles

Estructuras algebraicas

Estructuras algebraicas Semana 10[1/14] 26 de abril de 2007 Semana 10[2/14] Grupos Un grupo es un caso particular de una estructura algebraica. Veremos que esta noción rescata ampliamente las propiedades de estructuras tales

Más detalles

58 7. ESPACIOS COCIENTE

58 7. ESPACIOS COCIENTE CAPíULO 7 Espacios cociente En esta sección estudiamos el cociente de un espacio vectorial por un subespacio W. Este cociente se define como el conjunto cociente de por una relación de equivalencia conveniente.

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

Capítulo 4. Matrices Definiciones y notación

Capítulo 4. Matrices Definiciones y notación Capítulo 4 Matrices 4.1. Definiciones y notación Esta primera Sección está dedicada a la introducción de la terminología usual asociada a las matrices. En primer lugar, definimos el propio concepto de

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

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)

Más detalles

a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2

a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2 68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado

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

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares

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 Repaso de Estructuras Algebraicas 1. Producto cartesiano de conjuntos. Dados los conjuntos A y B, se llama producto cartesiano de A y B, y se denota por A B al conjunto

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

Grupos libres. Presentaciones.

Grupos libres. Presentaciones. S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad

Más detalles

Álgebra y estructuras finitas/discretas (Grupos A)

Álgebra y estructuras finitas/discretas (Grupos A) Álgebra y estructuras finitas/discretas (Grupos A) Curso 2007-2008 Soluciones a algunos de los ejercicios propuestos en el Tema 2 Antes de ver la solución de un ejercicio, repase la teoría correspondiente

Más detalles

Teorema de Lagrange. En esta sección demostramos algunos hechos básicos sobre grupos, que se pueden deducir de la definición

Teorema de Lagrange. En esta sección demostramos algunos hechos básicos sobre grupos, que se pueden deducir de la definición Teorema de Lagrange Capítulo 3 3.1 Introducción En este capítulo estudiaremos uno de los teoremas más importantes de toda la teoría de grupos como lo es el Teorema de Lagrange. Daremos en primer lugar

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

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

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Aplicaciones Lineales 1 / 47 Objetivos Al finalizar este tema tendrás que: Saber si una aplicación es

Más detalles

Espacios vectoriales. Capítulo Espacios vectoriales y subespacios Preliminares

Espacios vectoriales. Capítulo Espacios vectoriales y subespacios Preliminares Capítulo 1 Espacios vectoriales En diversos conjuntos conocidos, por ejemplo los de vectores en el plano o en el espacio (R 2 y R 3 ), o también el de los polinomios (R[X]), sabemos sumar sus elementos

Más detalles

ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS

ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA.1 Definición de Aplicación Lineal. FUNDAMENTOS MATEMÁTICOS 8. APLICACIONES LINEALES Sean

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ximo Beneyto Tema: Pàgina : 49 APLICACIONES LINEALES Definición : Sean (E(K), +, A) y (F(K), +, A), Espacios Vectoriales construídos sobre un mismo cuerpo K, una aplicación f:e 6

Más detalles

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE 3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.1.1. Resolución de sistemas de ecuaciones lineales. Método

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

Semana 14 [1/19] Polinomios. 8 de junio de Polinomios

Semana 14 [1/19] Polinomios. 8 de junio de Polinomios Semana 14 [1/19] 8 de junio de 2007 División Semana 14 [2/19] Teorema de la División Al ser (K[x], +, ) un anillo, ocurre un fenómeno similar al de : Las divisiones deben considerar un posible resto. Teorema

Más detalles

ap l i c a c i o n e s d e l a s

ap l i c a c i o n e s d e l a s Unidad 9 ap l i c a c i o n e s d e l a s transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Relacionará algunas transformaciones especiales con movimientos geométricos de vectores

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

Contenido. 2 Operatoria con matrices. 3 Determinantes. 4 Matrices elementales. 1 Definición y tipos de matrices

Contenido. 2 Operatoria con matrices. 3 Determinantes. 4 Matrices elementales. 1 Definición y tipos de matrices elementales Diciembre 2010 Contenido Definición y tipos de matrices elementales 1 Definición y tipos de matrices 2 3 4 elementales 5 elementales Definición 1.1 (Matriz) Una matriz de m filas y n columnas

Más detalles

Tema 2: Determinantes

Tema 2: Determinantes Tema 2: Determinantes 1. Introducción En este tema vamos a asignar a cada matriz cuadrada de orden, un número real que llamaremos su determinante y escribiremos. Vamos a ver cómo se calcula. Consideremos

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

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

Tema 2. Grupos. 3. El conjunto de matrices de orden 2 con coeficientes enteros (o reales) con la suma es un grupo conmutativo.

Tema 2. Grupos. 3. El conjunto de matrices de orden 2 con coeficientes enteros (o reales) con la suma es un grupo conmutativo. Tema 2. Grupos. 1 Grupos Definición 1 Un grupo es una estructura algebraica (G, ) tal que la operación binaria verifica: 1. * es asociativa 2. * tiene elemento neutro 3. todo elemento de G tiene simétrico.

Más detalles

Tema 4: Estructura vectorial de R n.

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

Más detalles

Matrices, determinantes y sistemas de ecuaciones lineales

Matrices, determinantes y sistemas de ecuaciones lineales Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente

Más detalles

3- Sistemas de Ecuaciones Lineales

3- Sistemas de Ecuaciones Lineales Nivelación de Matemática MTHA UNLP 1 3- Sistemas de Ecuaciones Lineales 1. Introducción Consideremos el siguiente sistema, en él tenemos k ecuaciones y n incógnitas. Los coeficientes a ij son números reales

Más detalles

Matrices elementales

Matrices elementales Matrices elementales Jana Rodriguez Hertz GAL 1 IMERL 4 de abril de 2013 transformaciones elementales transformaciones elementales recordemos: transformaciones elementales llamamos transformación elemental

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 CÁLCULO MATRICIAL y ECUACIONES LINEALES

Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...

Más detalles

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

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

Más detalles

Conjuntos y matrices. Sistemas de ecuaciones lineales

Conjuntos y matrices. Sistemas de ecuaciones lineales 1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución

Más detalles

Anillos. a + (b + c) = (a + b) + c. 3) Existe un elemento 0 en R, el cual llamaremos cero, tal que. a + 0 = 0 + a = a para todo a en R.

Anillos. a + (b + c) = (a + b) + c. 3) Existe un elemento 0 en R, el cual llamaremos cero, tal que. a + 0 = 0 + a = a para todo a en R. Capítulo 7 Anillos 7.1 Definiciones Básicas El concepto de Anillo se obtiene como una generalización de los números enteros, en donde están definidas un par de operaciones, la suma y el producto, relacionadas

Más detalles

La estructura de un cuerpo finito.

La estructura de un cuerpo finito. 9. CUERPOS FINITOS El objetivo de este capítulo es determinar la estructura de todos los cuerpos finitos. Probaremos en primer lugar que todo cuerpo finito tiene p n elementos, donde p es la característica

Más detalles

Teoría de la Dimensión

Teoría de la Dimensión Capítulo II Teoría de la Dimensión En este capítulo introduciremos una de las propiedades más importantes que tienen los espacios vectoriales: la dimensión. Dos son los modos posibles de llegar a la noción

Más detalles

Derivada de la función compuesta. Regla de la cadena

Derivada de la función compuesta. Regla de la cadena Derivada de la función compuesta. Regla de la cadena Cuando en las matemáticas de bachillerato se introduce el concepto de derivada, su significado y su interpretación geométrica, se pasa al cálculo de

Más detalles

1 Sistemas de ecuaciones lineales.

1 Sistemas de ecuaciones lineales. Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Sea S el siguiente sistema de m ecuaciones lineales y n incógnitas: 9 a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 >=

Más detalles

Una forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.

Una forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes. Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES

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

MATEMÁTICAS II: MATRICES Y DETERMINANTES

MATEMÁTICAS II: MATRICES Y DETERMINANTES MATRICES Llamaremos matriz de números reales de orden (o dimensión) m n a un conjunto ordenado de m n números reales, dispuestos en m filas y n columnas: A a 11 a 12 a 13 a 1j a 1n a 21 a 22 a 23 a 2j

Más detalles

x, y = x 0 y 0 + x 1 y 1 + x 2 y 2 + x 3 y 3. Es fácil ver que verifica 1. Es simétrica. x, y = y, x para todo x, y R 4.

x, y = x 0 y 0 + x 1 y 1 + x 2 y 2 + x 3 y 3. Es fácil ver que verifica 1. Es simétrica. x, y = y, x para todo x, y R 4. 1 Tema 2. Sección 1. Espacio vectorial de Minkowski. Manuel Gutiérrez. Departamento de Álgebra, Geometría y Topología. Universidad de Málaga. 29071-Málaga. Spain. Abril de 2010. En este capítulo se recordará

Más detalles

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos.

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada

Más detalles

Los isomorfismos básicos de la teoría de cuerpos algebraicos.

Los isomorfismos básicos de la teoría de cuerpos algebraicos. 4. AUTOMORFISMOS DE CUERPOS. En este tema probaremos que dos elementos α y β, conjugados sobre un cuerpo F, determinan un isomorfismo entre los cuerpos F (α) y F (β). También cierto recíproco será válido.

Más detalles

Álgebra Lineal Capítulo 11. Tópicos Especiales y Aplicaciones Producto tensorial de espacios vectoriales y matrices

Álgebra Lineal Capítulo 11. Tópicos Especiales y Aplicaciones Producto tensorial de espacios vectoriales y matrices Álgebra Lineal Capítulo 11. Tópicos Especiales y Aplicaciones 11.4. Producto tensorial de espacios vectoriales y matrices En esta lección de nimos el producto tensorial de espacios vectoriales, transformaciones

Más detalles

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados

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

Más detalles

Departamento de Ingeniería Matemática - Universidad de Chile

Departamento de Ingeniería Matemática - Universidad de Chile Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 8-7 Formas cuadráticas SEMANA 4: FORMAS CUADRÁTICAS 7 Formas cuadráticas y matrices definidas positivas

Más detalles

ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICAS

ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICAS ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICAS 7. ESPACIOS VECTORIALES 7.1 Estructura de Espacio Vectorial. Sea

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Tema 1 Sistemas de ecuaciones lineales 11 Definiciones Sea K un cuerpo Una ECUACIÓN LINEAL CON COEFICIENTES EN K es una expresión del tipo a 1 x 1 + + a n x n = b, en la que n es un número natural y a

Más detalles

TEMA III: DIAGONALIZACIÓN.

TEMA III: DIAGONALIZACIÓN. TEMA III: DIAGONALIZACIÓN. OBJETIVOS: Generales: 1. Captar el motivo que justifica el problema de la diagonalización de endomorfismos. 2. Resolver y aplicar dicho problema cuando sea posible. Específicos:

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

TEMA 5: Aplicaciones Lineales. Diagonalización.

TEMA 5: Aplicaciones Lineales. Diagonalización. TEMA 5: Aplicaciones Lineales. Diagonalización. 1. Aplicaciones Lineales 1.1. Definición, propiedades y ejemplos. Definición 1. Dados dos espacios vectoriales V y V sobre un mismo cuerpo K, una aplicación

Más detalles

Grado en Física. Ejercicios de autoevaluación. Temas 1 4. Departamento de Álgebra, Universidad de Sevilla

Grado en Física. Ejercicios de autoevaluación. Temas 1 4. Departamento de Álgebra, Universidad de Sevilla Álgebra Lineal y Geometría Grado en Física Ejercicios de autoevaluación. Temas 1 4 Departamento de Álgebra, Universidad de Sevilla El contenido de estas notas ha sido diseñado y redactado por el profesorado

Más detalles

TEMA 4. APLICACIONES LINEALES

TEMA 4. APLICACIONES LINEALES TEMA 4. APLICACIONES LINEALES 1.- Definición y propiedades. 2.- Aplicaciones lineales inyectivas y Suprayectivas. 3.- Núcleo, imagen, matriz asociada y rango de una aplicación lineal. 4.- Operaciones con

Más detalles

Matrices y determinantes.

Matrices y determinantes. UNIVERSIDAD DE JAÉN FACULTAD DE CIENCIAS SOCIALES Y JURÍDICAS Departamento de Matemáticas (Área de Álgebra) Curso 24/5 PRÁCTICA Nº 3 Matrices y determinantes. En esta práctica veremos cómo los determinantes

Más detalles

DETERMINANTES MATRICES EQUIVALENTES POR FILAS RANGO DE UNA MATRIZ. APLICACIONES

DETERMINANTES MATRICES EQUIVALENTES POR FILAS RANGO DE UNA MATRIZ. APLICACIONES Tema 2.- DETERMINANTES DETERMINANTES MATRICES EQUIVALENTES POR FILAS RANGO DE UNA MATRIZ. APLICACIONES 1 Un poco de historia Los determinantes es uno de los temas más útiles del Álgebra Lineal, con muchas

Más detalles

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Enteros

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Enteros Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Z = N {0} N Enteros Las operaciones + y. son cerradas en Z, es decir la suma de dos números enteros es un número entero y el producto

Más detalles

TIPOS DE GRUPOS. 1. Generadores Hemos visto que una buena idea para expresar un grupo es mediante

TIPOS DE GRUPOS. 1. Generadores Hemos visto que una buena idea para expresar un grupo es mediante TIPOS DE GRUPOS 1. Generadores Hemos visto que una buena idea para expresar un grupo es mediante generadores. Por ejemplo: C 8 = g 2π/8, D 6 = g 2π/6, r 0, S 3 = (12), (123), O(2, R) = g α, r 0 : α R y

Más detalles

Matrices Inversas. Rango Matrices Elementales

Matrices Inversas. Rango Matrices Elementales Matrices Inversas. Rango Matrices Elementales Araceli Guzmán y Guillermo Garro Facultad de Ciencias UNAM Semestre 2018-1 doyouwantmektalwar.wordpress.com Matrices Matrices identidad La matriz identidad

Más detalles

Aplicaciones lineales.

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

Más detalles

Tema I. Capítulo 5. Equivalencia, congruencia y semejanza de matrices.

Tema I. Capítulo 5. Equivalencia, congruencia y semejanza de matrices. 5 Equivalencia, congruencia y semejanza de matrices 1 Equivalencia de matrices por filas 11 Definición y propiedades Definición 11 Dos matrices A, B M m n se dicen equivalentes por filas o equivalentes

Más detalles

Definición 1 Un semigrupo es un conjunto E provisto de una operación binaria asociativa sobre E, se denota por (E, ).

Definición 1 Un semigrupo es un conjunto E provisto de una operación binaria asociativa sobre E, se denota por (E, ). ALGEBRA La primera parte del presente libro está dedicada a las estructuras algebraicas. En esta parte vamos a iniciar agregándole a los conjuntos operaciones. Cuando las operaciones tienen determinadas

Más detalles

Grado en Ingeniería Electrónica Industrial Universidad de Granada

Grado en Ingeniería Electrónica Industrial Universidad de Granada Tema 1 Matrices, determinantes, sistemas de ecuaciones lineales Asignatura: Matemáticas I Grado en Ingeniería Electrónica Industrial Universidad de Granada Prof Rafael López Camino Universidad de Granada

Más detalles

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

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

Más detalles

Aplicaciones lineales

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

Más detalles

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

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.

Más detalles

Capítulo V. T 2 (e, e

Capítulo V. T 2 (e, e Capítulo V Métricas En este capítulo y en los siguientes, el cuerpo base de los espacios vectoriales que se consideren será de característica distinta de 2. Empecemos recordando las nociones básicas que

Más detalles

Matemática 2. Clase práctica de coordenadas y cambio de base

Matemática 2. Clase práctica de coordenadas y cambio de base atemática Clase práctica de coordenadas y cambio de base Nota iren este apunte por su cuenta y consulten las dudas que les surjan Ya pueden terminar la práctica Coordenadas en espacios vectoriales de dimensión

Más detalles

Tema 1.- Nociones preliminares: grupos, anillos, cuerpos. Divisibilidad

Tema 1.- Nociones preliminares: grupos, anillos, cuerpos. Divisibilidad Tema 1.- Nociones preliminares: grupos, anillos, cuerpos. Divisibilidad 1.1 Grupos Al haber alterado el orden de los temas, este apartado ya se ha visto en el tema 9 1.2 Anillos y cuerpos Definición 1.2.1.

Más detalles

MATRICES Y DETERMINANTES MATRIZ INVERSA

MATRICES Y DETERMINANTES MATRIZ INVERSA Índice Presentación... 3 Determinante de una matriz... 4 Determinante de matrices de orden 2 y 3... 5 Determinante de una matriz... 6 Ejemplo... 7 Propiedades del cálculo de determinantes... 8 Matriz inversa...

Más detalles

6 Vectores. Dependencia e independencia lineal.

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

Más detalles

Matrices. Álgebra de matrices.

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

Más detalles

5. Aplicaciones lineales

5. Aplicaciones lineales 5. Aplicaciones lineales Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior Universidad de Zaragoza Otoño 2010 Contents 5 Aplicaciones lineales 7 5.1 Definición y propiedades..............................

Más detalles

Semana 09 [1/28] Sucesiones. 29 de abril de Sucesiones

Semana 09 [1/28] Sucesiones. 29 de abril de Sucesiones Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará

Más detalles

TEMA 2. ESPACIOS VECTORIALES

TEMA 2. ESPACIOS VECTORIALES TEMA 2. ESPACIOS VECTORIALES CÉSAR ROSALES GEOMETRÍA I En este tema comenzaremos el estudio de los objetos que nos interesarán en esta asignatura: los espacios vectoriales. Estos son estructuras básicas

Más detalles

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ). 1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden

Más detalles

Extensiones finitas.

Extensiones finitas. 2. EXTENSIONES ALGEBRAICAS. Hemos dividido este tema en dos secciones: Extensiones finitas, y Clausura algebraica. En la primera relacionamos extensión finita y extensión algebraica: probamos que toda

Más detalles

Estructuras Algebraicas

Estructuras Algebraicas Estructuras Algebraicas Módulos noetherianos y Artinianos Zarate Sebastian 8 de julio de 2015 Índice 1. Preliminares 1 1.1. Grupos................................... 1 1.2. Anillos...................................

Más detalles

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes

Más 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

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales ALBERTO VIGNERON TENORIO Dpto. de Matemáticas Universidad de Cádiz Índice general 1. Sistemas de ecuaciones lineales 1 1.1. Sistemas de ecuaciones lineales. Definiciones..........

Más detalles

Matrices y Sistemas de Ecuaciones lineales

Matrices y Sistemas de Ecuaciones lineales Matrices y Sistemas de Ecuaciones lineales Llamaremos M m n (K) al conjunto de las matrices A = (a ij ) (i = 1, 2,..., m; j = 1, 2,..., n) donde los elementos a ij pertenecen a un cuerpo K. Las matrices,

Más detalles

b) Sea una relación de equivalencia en A y una operación en A. Decimos que y son compatibles si a b a c b c y c a c b para todo a, b, c A

b) Sea una relación de equivalencia en A y una operación en A. Decimos que y son compatibles si a b a c b c y c a c b para todo a, b, c A APENDICE Relaciones y Operaciones Compatibles 1 Definición: a) Sea A un conjunto y una relación entre elementos de A. Decimos que es una relación de equivalencia si es: i Reflexiva: a A, a a. ii Simétrica:

Más detalles

6.8. Descomposición mediante valores singulares. v 2 =

6.8. Descomposición mediante valores singulares. v 2 = 68 Descomposición mediante valores singulares Los valores singulares de una matriz m n Supongamos que A es una matriz real cualquiera Los autovalores de A T A tienen la siguiente propiedad A T Ax = λx

Más detalles