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.

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

Download "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."

Transcripción

1 1 Tema 2. Sección 1. Espacio vectorial de Minkowski. Manuel Gutiérrez. Departamento de Álgebra, Geometría y Topología. Universidad de Málaga Málaga. Spain. Abril de En este capítulo se recordará las propiedades del espacio de Minkowski y el grupo de Lorentz. Lo haremos para dimensión 4 aunque todo vale en realidad para dimensión arbitraria n 2. Sea R 4 y consideremos la base canónica {e 0, e 1, e 2, e 3 }. Sea x = (x 0, x 1, x 2, x 3 ), y = (y 0, y 1, y 2, y 3 ) R 4, entonces se define la métrica de Minkowski como Es fácil ver que verifica x, y = x 0 y 0 + x 1 y 1 + x 2 y 2 + x 3 y Es simétrica. x, y = y, x para todo x, y R Es bilineal. Para todo x, y, z R 4 y todo a, b R ax + by, z = a x, z + b y, z x, ay + bz = a x, y + b x, z. 3. Es no degenerada. Si x, y = 0 para todo y R 4, entonces x = 0. El par (R 4,, ) formado por el espacio vectorial R 4 y la métrica de Minkowski se llama espacio de Minkowski. Sea E = {e 0, e 1, e 2, e 3 } la base canónica. Los elementos e i, e j forman la matriz que representa la métrica de Minkowski en la base canónica y que es η = esto permite escribir la métrica matricialmente, x, y = x t ηy para todo x, y R 4, donde en la escritura matricial siempre se interpretan los vectores escritos como sus componentes en columnas. Sea B = (v 0, v 1, v 2, v 3 ) otra base de R 4. Al igual que antes los elementos v i, v j forman una matriz A regular que representa la métrica de Minkowski en la base B. Conviene conocer la relación entre las matrices de la métrica en dos bases distintas. Sea B = (v 0, v 1, v 2, v 3) otra base de R 4 respecto a la cual la métrica está dada por A. Llamemos P a la matriz del cambio de base de B }

2 2 a B, es decir, las columnas de P están formadas por las componentes de los vectores de B en la base B. Esto significa que si un vector tiene componentes x = (x 0, x 1, x 2, x 3 ) en la base B y x = (x 0, x 1, x 2, x 3) en la base B, entonces se tiene x = P x. Entonces x t Ay = x t A y = x t P t A P y para todo par de vectores x, y R 4, de donde se obtiene A = P t A P. En particular tomando determinantes se ve que A y A tienen el mismo signo. Definición 1 Dado un vector v R 4 se dice que es unitario cuando v, v = ±1. Dos vectores x, y R 4 se dicen ortogonales cuando x, y = 0. Una base se dice ortogonal cuando sus vectores son ortogonales. Si además los vectores son unitarios, se llama base ortonormal. Definición 2 Un vector v R 4 se dice que es temporal cuando v, v < 0, luz cuando no es cero y v, v = 0, y espacial cuando es cero o bien v, v > 0. Si es temporal o luz se dice que es causal. La norma de un vector se define como v = v, v que siempre existe y es mayor o igual a cero, pero los vectores luz no son nulos y tienen norma cero. Dado un subconjunto S R 4 se define el subespacio ortogonal como el subconjunto S = {v R 4 / v, x = 0 x S}. Es fácil ver que S es un subespacio vectorial de R 4. Teorema 3 Todo vector v R 4 con v, v = 1 se puede completar a una base ortonormal. Además los vectores de v son todos espaciales.

3 3 Dem. La condición se escribe en la base canónica v, u = 0 v 0 u 0 + v 1 u 1 + v 2 u 2 + v 3 u 3 = 0 y el hecho de ser v temporal asegura que la matriz de los coeficientes tiene rango 1. Aplicando la regla de Kramer las soluciones forman un subespacio vectorial de dimensión 3. Una solución no nula es Ahora buscamos las soluciones de que en la base canónica se escribe x = (v 1, v 0, 0, 0). v, u = 0 x, u = 0 v 0 u 0 + v 1 u 1 + v 2 u 2 + v 3 u 3 = 0 v 1 u 0 + v 0 u 1 = 0 por la misma razón de antes las soluciones forman un subespacio de dimensión dos. Una solución no nula es Por último, las soluciones de y = (v 0 v 2, v 1 v 2, v 2 0 v 2 1, 0). v, u = 0 x, u = 0 y, u = 0 forman un subespacio de dimensión uno y una solución no nula es z = (v 0 v 3, v 1 v 3, v 2 v 3, v 2 0 v 2 1 v 2 2). El conjunto {v, x, y, z} forma una base ortogonal por construcción. Dividiéndo por su norma obtendremos la base ortonormal buscada. Es fácil ver que los tres vectores x, y, z son espaciales y puesto que también forman una base de v, podemos concluir que los vectores de v son espaciales. Obsérvese que la segunda afirmación de este teorema nos dice que la restricción de la métrica de Minkowski sobre el subespacio v es la métrica euclídea, esto es (v, <, >) es un espacio euclídeo. El número de 1 que aparecen en la diagonal de η, es decir, de la matriz de <, > en cualquier base ortonormal, se llama signatura de la métrica <, >. La métrica euclidea tiene signatura 0, mientras que la de Minkowski tiene signatura 1. Dado un subespacio vectorial V de R 4, si la restricción de la métrica a V tiene signatura 1, se dice que V es temporal. Si la restricción es degenerada, V se dice luz o degenerado, y si es definida positiva, se dice que V es espacial. El el teorema anterior, el espacio v es espacial.

4 4 El conjunto de vectores temporales forman dos conos temporales, uno se llamará futuro y otro pasado. Cada uno de ellos es un conjunto convexo, es decir, dados dos vectores v, w en uno de los conos, el segmento (1 t)v + tw está en el mismo cono para todo t [0, 1]. Esto equivale a que toda combinación lineal de vectores de uno de los conos, con coeficientes positivos, está en el mismo cono. La frontera del cono temporal está formada por {0} y los vectores luz. El conjunto de los vectores luz también forman dos conos aunque no son convexos. Se llaman cono de luz futuro y pasado. Orientar temporalmente el espacio de Minkowski es elegir uno de los dos conos temporales. Lema 4 Si u es temporal y v es causal, entonces están en el mismo cono si y sólo si u, v < 0. Dado un vector temporal v R 4, se ve que L(v) y v generan todo R 4, y como L(v) v = {0}, se tiene la descomposición en suma directa ortogonal R 4 = L(v) v. Teorema 5 (Desigualdad de Cauchy-Schwarz invertida). Sean v, w dos vectores temporales, entonces v, w v w, y la igualdad se da si y sólo si v y w son proporcionales. Dem. Puesto que R 4 = L(v) v, se tiene que w = av + w con w v. Entonces w, w = a 2 v, v + w, w. Por otra parte v, w 2 = a 2 v, v 2 = v, v ( w, w w, w ) v, v w, w = v 2 w 2. Además la igualdad se da si y sólo si w, w = 0, es decir cuando v y w son proporcionales.

5 5 Teorema 6 (Desigualdad triangular invertida). Sean v, w dos vectores temporales que están en el mismo cono temporal. Entonces v + w v + w, y la igualdad se da si y sólo si v y w son proporcionales. Dem. Puesto que están en el mismo cono temporal se tiene v + w, v + w = v, v + w, w + 2 v, w < 0. Los tres sumandos son negativos, por tanto cambiando de signo tenemos v + w 2 = v 2 + w v, w v 2 + w v w = ( v + w ) 2. Además la igualdad se da si y sólo si v, w = v w, es decir, cuando v y w son proporcionales. Proposición 7 Sean u, v R 4 dos vectores luminosos. Entonces u y v son proporcionales si y sólo si u, v = 0. Dem. ( ) Obvio. ( ) Puesto que el enuciado es igualmente cierto o falso para otros vectores proporcionales a los anteriores, podemos suponer que en una base ortonormal {e 0, e 1, e 2, e 3 } los vectores u y v se escriben u = e a i e i = e 0 + u, v = e 0 + i=1 Entonces basta probar que u = v. De las relaciones u, v = u, u = v, v = 0 se tiene 3 b i e i = e 0 + v. i=1 1 = a 1 b 1 + a 2 b 2 + a 3 b 3 = a a a 2 3 = b b b 2 3 pero vistos u = (a 1, a 2, a 3 ) y v = (b 1, b 2, b 3 ) como vectores de R 3 con la métrica euclídea, la desigualdad de Cauchy-Schwarz clásica nos dice que son proporcionales u = cv. Pero como u = v = 1 y u, v = 0, necesariamente c = 1, y por tanto u = v. Proposición 8 Si u, v R 4 son vectores causales con u, v = 0, entonces son luz y proporcionales. Dem. Si u fuera temporal, entonces e 0 = u u se puede ampliar a una base ortonormal. Pero v, e 0 = 1 u v, u = 0, de modo que v e 0 y sería espacial. Contradicción. Luego ambos vectores son luz. Puesto que además son ortogonales, la proposición anterior nos dice que son proporcionales. Ejercicios.

6 6 Ejercicio 1 Probar que la métrica de Minkowski es simétrica, bilineal y no degenerada. Ejercicio 2 Probar que los vectores x, y, z de la demostración del Teorema 3 son espaciales. Ejercicio 3 Probar que la matriz de la métrica de Minkowski en cualquier base ortonormal es η. Ejercicio 4 Probar que el cono temporal futuro es convexo. Ejercicio 5 Dada una base ortonormal B = (v 0, v 1, v 2, v 3 ) de R 4, probar la siguiente identidad: para todo x R 4. x = x, v 0 v 0 + x, v 1 v 1 + x, v 2 v 2 + x, v 3 v 3

4.2 Producto escalar.

4.2 Producto escalar. Producto escalar. 147 Este resultado tiene su recíproco, es decir, cualquier matriz cuadrada A define la forma bilineal b(x, y) =x T Ay Si b es simétrica, la matriz A es simétrica. Si b es definida positiva,

Más detalles

6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...

6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas... Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................

Más detalles

Álgebra lineal y Geometría II. Métricas y formas cuadráticas. 1. La matriz de la métrica T 2 ((x, y, z), (x, y, z )) = xx + yy + 3zz 2xz 2zx es:

Álgebra lineal y Geometría II. Métricas y formas cuadráticas. 1. La matriz de la métrica T 2 ((x, y, z), (x, y, z )) = xx + yy + 3zz 2xz 2zx es: Álgebra lineal y Geometría II Gloria Serrano Sotelo Departamento de MATEMÁTICAS ÁLGEBRA LINEAL Y GEOMETRÍA. 0 FÍSICAS Métricas y formas cuadráticas.. La matriz de la métrica T ((x, y, z), (x, y, z )) =

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

Guía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno.

Guía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno. Guía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno. Teoremas con demostraciones que se pueden incluir en el examen: 1. Fórmula para f(j m (λ)), donde J m (λ) es el bloque

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

Matemáticas. Álgebra lineal (parte final ampliada)

Matemáticas. Álgebra lineal (parte final ampliada) Master en Estadística e Investigación Operativa Matemáticas Álgebra lineal (parte final ampliada) Vera Sacristán Departament de Matemàtica Aplicada II Facultat de Matemàtiques i Estadística Universitat

Más detalles

Capítulo V. Valores y vectores propios. Diagonalización de operadores lineales.

Capítulo V. Valores y vectores propios. Diagonalización de operadores lineales. Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede

Más detalles

Espacios vectoriales con producto escalar

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

Más detalles

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

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

Clase de Álgebra Lineal

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

Más detalles

ALGEBRA LINEAL Y GEOMETRÍA. REPASO DE ÁLGEBRA LINEAL-2: CAMBIOS DE BASE GRADO DE MATEMÁTICAS. CURSO

ALGEBRA LINEAL Y GEOMETRÍA. REPASO DE ÁLGEBRA LINEAL-2: CAMBIOS DE BASE GRADO DE MATEMÁTICAS. CURSO ALGEBRA LINEAL Y GEOMETRÍA. REPASO DE ÁLGEBRA LINEAL-2: CAMBIOS DE BASE GRADO DE MATEMÁTICAS. CURSO 2012-2013 José García-Cuerva Universidad Autónoma de Madrid 11 de febrero de 2013 JOSÉ GARCÍA-CUERVA

Más detalles

Álgebra Lineal Ivan D. Molina N. Universidad del Norte Enero del 2016 Ivan D. Molina N. (Universidad del Norte) Álgebra Lineal Enero del / 26

Álgebra Lineal Ivan D. Molina N. Universidad del Norte Enero del 2016 Ivan D. Molina N. (Universidad del Norte) Álgebra Lineal Enero del / 26 Álgebra Lineal Ivan D. Molina N. Universidad del Norte Enero del 2016 Ivan D. Molina N. (Universidad del Norte) Álgebra Lineal Enero del 2016 1 / 26 1 Subespacios y combinaciones lineales 2 Dependencia

Más detalles

Algebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010.

Algebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010. Algebra Lineal * José de Jesús Ángel Ángel jjaa@mathcommx Working draft: México, DF, a 17 de noviembre de 2010 Un resumen de los principales temas tratados en un curso de Álgebra Lineal Contenido 1 Sistemas

Más detalles

1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3.

1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3. . Producto escalar. Propiedades... Norma de un vector. Espacio normado...ortogonalidad. Ángulos..3.Producto escalar en V..4.Producto escalar en V 3.. Producto vectorial de dos vectores de V 3...Expresión

Más detalles

Tema 4: FORMAS BILINEALES Y CUADRÁTICAS

Tema 4: FORMAS BILINEALES Y CUADRÁTICAS Tema 4: FORMAS BILINEALES Y CUADRÁTICAS Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura:

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

Tema 3: Espacios eucĺıdeos

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

Más detalles

Espacios vectoriales con producto interno

Espacios vectoriales con producto interno Espacios vectoriales con producto interno Problemas teóricos En todos los problemas relacionados con el caso complejo se supone que el producto interno es lineal con respecto al segundo argumento. Definición

Más detalles

Problemas de exámenes de Formas Bilineales y Determinantes

Problemas de exámenes de Formas Bilineales y Determinantes 1 Problemas de exámenes de Formas Bilineales y Determinantes 1. Sea R 3 con el producto escalar ordinario. Sea f un endomorfismo de R 3 definido por las condiciones: a) La matriz de f respecto de la base

Más detalles

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. MATRICES Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

Estos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.

Estos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones. TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I?

Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I? MATRICES Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I? La multiplicación de matrices cuadradas, tiene la propiedad conmutativa?

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

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

José Humberto Serrano Devia Página 1

José Humberto Serrano Devia Página 1 Similitudes entre el espacio y las series de Fourier Funciones Ortogonales En esta sección se muestra la forma en que los conceptos vectoriales de producto interno, o producto escalar, y el de ortogonalidad

Más detalles

( 1 0 BLOQUE DE GEOMETRÍA TEMA 4: ESPACIOS VECTORIALES. ( 5+ 3i )+ ( 2 i )=7+ 2i. La suma de dos números complejos es un número complejo.

( 1 0 BLOQUE DE GEOMETRÍA TEMA 4: ESPACIOS VECTORIALES. ( 5+ 3i )+ ( 2 i )=7+ 2i. La suma de dos números complejos es un número complejo. BLOQUE DE GEOMETRÍA TEMA 4: ESPACIOS VECTORIALES. Operaciones Binarias: Observamos las siguientes operaciones: ( 5+ 3i )+ ( 2 i )=7+ 2i. La suma de dos números complejos es un número complejo. ( 1 0 2

Más detalles

Álgebra lineal II Examen Parcial 3

Álgebra lineal II Examen Parcial 3 UNIVERSIDAD DE COSTA RICA ESCUELA DE MATEMATICA Álgebra lineal II Examen Parcial II Semestre 04 Nick Gill Instrucciones: Puede usar cualesquiera de las proposiciones vistas en las lecciones incluidos los

Más detalles

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

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

Más detalles

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

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

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES MATRICES. SISTEMAS DE ECUACIONES LINEALES Matrices ) Dada la matriz M=, prueba que n n M M, n. ) Demuestra la siguiente implicación: Si I A I AA A

Más detalles

Una matriz es un conjunto de elementos pertenecientes a un cuerpo ( o, normalmente). Los elementos están ordenados en filas y columnas:

Una matriz es un conjunto de elementos pertenecientes a un cuerpo ( o, normalmente). Los elementos están ordenados en filas y columnas: CAPÍTULO 1: ANÁLISIS MATRICIAL 1- Definiciones y nomenclatura. 1.1- Definición: matriz. Una matriz es un conjunto de elementos pertenecientes a un cuerpo ( o, normalmente). Los elementos están ordenados

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

ÁLGEBRA LINEAL I Práctica 5

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

Más detalles

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

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

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

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 5 Resumen Unidad n 3

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 5 Resumen Unidad n 3 Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 5 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se

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 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

Transformaciones lineales autoadjuntas (hermíticas)

Transformaciones lineales autoadjuntas (hermíticas) Transformaciones lineales autoadjuntas (hermíticas) Objetivos. Estudiar propiedades elementales de transformaciones lineales autoadjuntas. Demostrar que para toda transformación lineal autoadjunta en un

Más detalles

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Lineal Ma1010 s de Vectores y Matrices es Departamento de Matemáticas ITESM s de Vectores y Matrices es Álgebra Lineal - p. 1/44 En esta lectura veremos conjuntos y matrices ortogonales. Primero

Más detalles

1. Matrices. Operaciones con matrices

1. Matrices. Operaciones con matrices REPASO MUY BÁSICO DE MATRICES. Matrices. Operaciones con matrices.. Introducción Las matrices aparecieron por primera vez hacia el año 850, introducidas por el inglés J. J. Sylvester. Su desarrollo se

Más detalles

Determinantes. Determinante de orden uno. a 11 = a 11 5 = 5

Determinantes. Determinante de orden uno. a 11 = a 11 5 = 5 DETERMINANTES Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un escalar particular denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno

Más detalles

Ejercicios tipo test de las lecciones 1 y El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1, 2, 1) y

Ejercicios tipo test de las lecciones 1 y El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1, 2, 1) y Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Ejercicios tipo test de las lecciones 1 y 2. 1. El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1,

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

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se

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

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

1 CÓNICAS Cónicas. Estudio particular. 1 x y. 1 x y. a 00 a 01 a 02 a 10 a 11 a 12 a 20 a 21 a 22

1 CÓNICAS Cónicas. Estudio particular. 1 x y. 1 x y. a 00 a 01 a 02 a 10 a 11 a 12 a 20 a 21 a 22 CÓNICAS. CÓNICAS.. Cónicas. Estudio particular. Una cónica se dene como el lugar geométrico de los puntos del plano euclídeo que, respecto de una referencia cartesiana rectangular, satisfacen una ecuación

Más detalles

Matrices 1. Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

Matrices 1. Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Matrices 1 Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se

Más detalles

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R.

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA ANALÍTICO DE LA ASIGNATURA: ALGEBRA LINEAL Código L2.07.1 PLAN DE ESTUDIOS: 2002 CARRERA: Licenciatura en Matemática DEPARTAMENTO:

Más detalles

CLASIFICACIÓN AFÍN DE CÓNICAS

CLASIFICACIÓN AFÍN DE CÓNICAS Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS CLASIFICACIÓN AFÍN DE CÓNICAS Sea E un R-espacio vectorial de dimensión. Sean E = e 1, e un plano vectorial de E y e 0 un

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

1. Espacio vectorial. Subespacios vectoriales

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

Más detalles

Gustavo Rodríguez Gómez. Agosto Dicembre 2011

Gustavo Rodríguez Gómez. Agosto Dicembre 2011 Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 44 Capítulo III Descomposición de Matrices 2 / 44 1 Descomposición de Matrices Notación Matrices Operaciones con Matrices 2

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

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

Para poder desarrollar este tema, vamos a exponer inicialmente la teoría Recordaremos el Producto Escalar, Vectorial y Mixto. u, v, w V.

Para poder desarrollar este tema, vamos a exponer inicialmente la teoría Recordaremos el Producto Escalar, Vectorial y Mixto. u, v, w V. 1. Introducción. 1.1. Producto Escalar. 1.. Norma de un Vector. 1.3. Ángulos. 1.4. Ortogonalidad. 1.5. Particularización del Producto Escalar a V 3. 1.6. Producto Vectorial de dos Vectores de V 3. 1.7.

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

7 Aplicaciones ortogonales

7 Aplicaciones ortogonales Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 7 Aplicaciones ortogonales 7.1 Aplicación ortogonal Se llama aplicación ortogonal a un endomorfismo f : V V sobre un espacio vectorial

Más detalles

GEOMETRÍA EN EL PLANO. Dos rectas perpendiculares tienen las pendientes inversas y de signo contrario. Calculamos la pendiente de la recta dada:

GEOMETRÍA EN EL PLANO. Dos rectas perpendiculares tienen las pendientes inversas y de signo contrario. Calculamos la pendiente de la recta dada: GEOMETRÍA EN EL PLANO. La ecuación de la recta que pasa por el punto A(4, 6) y es perpendicular a la recta 4x y + = 0 es: A) x + y + 8 = 0 B) 6x 4y 48 = 0 C) x + y = 0 (Convocatoria junio 00. Examen tipo

Más detalles

1.2. Producto escalar, longitud y distancia

1.2. Producto escalar, longitud y distancia 22 Cálculo vectorial 27. Si PQR es un triángulo en el espacio y b > 0 es un número, existe un triángulo con lados paralelos a los de PQR y con longitudes b multiplicado por las longitudes de PQR. 28. Las

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

ESPACIOS VECTORIALES

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

Más detalles

Conjuntos de Vectores y Matrices Ortogonales

Conjuntos de Vectores y Matrices Ortogonales Conjuntos de Vectores y Matrices Ortogonales Departamento de Matemáticas, CCIR/ITESM 28 de junio de 2011 Índice 21.1.Introducción............................................... 1 21.2.Producto interno............................................

Más detalles

6.14 Descomposición ortogonal y proyección ortogonal

6.14 Descomposición ortogonal y proyección ortogonal CAPÍTULO. ESPACIO EUCLÍDEO CANÓNICO IR N 282.14 Descomposición ortogonal y proyección ortogonal El resultado W W = IR n, significa que cada y IR n se puede escribir de forma única como suma de un vector

Más detalles

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN BOLETÍN DE PROBLEMAS DE

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN BOLETÍN DE PROBLEMAS DE E.T.S. DE INGENIERÍA INFORMÁTICA BOLETÍN DE PROBLEMAS DE ÁLGEBRA LINEAL para las titulaciones de INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN 1. Matrices y determinantes Ejercicio 1.1 Demostrar

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

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

ESPACIOS VECTORIALES

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

Más detalles

2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo.

2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2.1 Formas cuadráticas. Expresión matricial y analítica. Expresiones diagonales. Definición 2.1 (Expresión matricial) Una

Más detalles

UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS

UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.

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

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

2 Espacios vectoriales

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

Más detalles

El espacio euclídeo El espacio vectorial R n. Definición. Conjunto de todas las n-uplas de números reales:

El espacio euclídeo El espacio vectorial R n. Definición. Conjunto de todas las n-uplas de números reales: Lección 1 El espacio euclídeo 1.1. El espacio vectorial R n Definición. Conjunto de todas las n-uplas de números reales: R n = {(x 1,x 2,...,x n ) : x 1,x 2,...,x n R} Nos interesan los casos n = 2 y n

Más detalles

MATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES

MATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno

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

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

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

Formas cuadráticas. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza

Formas cuadráticas. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza Formas cuadráticas Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza A lo largo de todo el capítulo consideraremos que V un espacio vectorial real de dimensión finita n. 1 Formas bilineales

Más detalles

Vectores y Valores Propios

Vectores y Valores Propios Capítulo 11 Vectores y Valores Propios Las ideas de vector y valor propio constituyen conceptos centrales del álgebra lineal y resultan una valiosa herramienta en la solución de numerosos problemas de

Más detalles

Algebra lineal y conjuntos convexos 1

Algebra lineal y conjuntos convexos 1 Algebra lineal y conjuntos convexos Solución de sistemas. Espacios vectoriales. 3 Conjuntos convexos. 4 Soluciones básicas puntos extremos. Rango de una matriz A R m n. Reducir A a una matriz escalonada

Más detalles

Norma de Frobenius. Estos apuntes están escritos por Darío Coutiño Aquino y Egor Maximenko.

Norma de Frobenius. Estos apuntes están escritos por Darío Coutiño Aquino y Egor Maximenko. Norma de Frobenius Estos apuntes están escritos por Darío Coutiño Aquino y Egor Maximenko. Objetivos. Dada una matriz A M m n (C), su norma de Frobenius (llamada también la norma de Hilbert Schmidt) se

Más detalles

Prácticas de Matemáticas II: Álgebra lineal

Prácticas de Matemáticas II: Álgebra lineal Prácticas de Matemáticas II: Álgebra lineal Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Prácticas de Matemáticas II: Álgebra lineal

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

2. Álgebra matricial. Inversa de una matriz O B 1 O B 1. Depto. de Álgebra, curso

2. Álgebra matricial. Inversa de una matriz O B 1 O B 1. Depto. de Álgebra, curso Depto de Álgebra, curso 2017-2018 2 Álgebra matricial Inversa de una matriz Ejercicio 21 Calcule la matriz inversa de cada una de las matrices siguientes: a 2 1 1 3 2 1 h e, b 2 1 1 5 2 3 2 0 1 1 2 1 1

Más detalles

EL ESPACIO VECTORIAL EUCLIDEO

EL ESPACIO VECTORIAL EUCLIDEO EL ESPACIO VECTORIAL EUCLIDEO PRODUCTO ESCALAR Sean dos vectores del espacio V 3. Llamamos producto escalar de dichos vectores, y se denota, al número real que se obtiene al multiplicar sus módulos por

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

1. Sucesiones. Sucesiones. Compacidad. {( 1) n, n N} = { 1, 1, 1, 1, 1, 1,... } es una sucesión de elementos del conjunto { 1, 1}, y la familia

1. Sucesiones. Sucesiones. Compacidad. {( 1) n, n N} = { 1, 1, 1, 1, 1, 1,... } es una sucesión de elementos del conjunto { 1, 1}, y la familia 1.. De una manera informal, una sucesión es una familia de elementos de un conjunto, ordenada según el índice de los números naturales. Los elementos pueden estar repetidos o no. Por ejemplo la familia

Más detalles

Tema 4: Espacio vectorial euclídeo

Tema 4: Espacio vectorial euclídeo Tema 4: Espacio vectorial euclídeo 1. Definición de producto escalar Un producto escalar en un R-espacio vectorial es una operación en la que se operan vectores y el resultado es un número real, y que

Más detalles

Determinantes. Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A).

Determinantes. Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A). Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno a 11 = a 11 5 = 5 Determinante

Más detalles

ÁLGEBRA LINEAL. EXAMEN FINAL 18 de Enero de b) (0, 5 puntos) Estudia si la siguiente afirmación es verdadera o falsa, justificando

ÁLGEBRA LINEAL. EXAMEN FINAL 18 de Enero de b) (0, 5 puntos) Estudia si la siguiente afirmación es verdadera o falsa, justificando ÁLGEBRA LINEAL EXAMEN FINAL 8 de Enero de Apellidos y Nombre: Duración del examen: 3 horas Publicación de notas: enero Revisión de Examen: feb Ejercicio. ( puntos a (, puntos Estudia si la siguiente afirmación

Más detalles

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

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

Más detalles

ESPACIO VECTORIAL EUCLÍDEO

ESPACIO VECTORIAL EUCLÍDEO ESPACIO VECTORIAL EUCLÍDEO PRODUCTO ESCALAR Sea V un espacio vectorial sobre C. Una aplicación que asocia un número complejo < u, v > a cada pareja de vectores u y v en V, se dice que es un producto escalar

Más detalles

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

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

Más detalles

Geometría Analítica Espacios Vectoriales VECTORES EN EL PLANO

Geometría Analítica Espacios Vectoriales VECTORES EN EL PLANO VECTORES EN EL PLANO 1 ESPACIO VECTORIAL Un vector fijo es una pareja ordenada de puntos en el plano (origen y extremo) Si A y B son dichos puntos, representaremos el vector por AB Gráficamente, lo representamos

Más detalles