Definición 1 Sean E, F y G tres espacios vectoriales. Una transformación ϕ : E F G se llama bilineal si satisface las siguientes condiciones:
|
|
- Antonia Ruiz Rodríguez
- hace 7 años
- Vistas:
Transcripción
1 Producto tensorial 0.1 Transformaciones multilineales Definición 1 Sean E, F y G tres espacios vectoriales. Una transformación ϕ : E F G se llama bilineal si satisface las siguientes condiciones: ϕ(λx 1 + x 2, y) = λϕ(x 1, y) + ϕ(x 2, y) ; x 1, x 2 E, y F ; λ R ó C ϕ(x, λy 1 + y 2 ) = λϕ(x, y 1 ) + ϕ(x, y 2 ) ; y 1, y 2 F, x E; λ R ó C. Observación: Si G = R ó C, ϕ se llama una función bilineal. Sea ϕ(e F ) := {z G / z = ϕ(x, y) ; x E, y F }. Entonces ϕ(e F ) no es necesariamente un subespacio de G. Por lo tanto denotamos: im ϕ = ϕ(e F ) subespacio generado por ϕ(e F ). Además, denotamos B(E, F ; G) := {ϕ : E F G / ϕ es transformación bilineal }. Si definimos (ϕ 1 + ϕ 2 )(x, y) = ϕ 1 (x, y) + ϕ 2 (x, y) ; x E, y F (λϕ)(x, y) = λϕ(x, y) ; x E, y F, λ R ó C. Entonces B(E, F ; G) es un espacio vectorial. Observación: Si G = R ó C, B(E, F ; G) B(E F ) es el espacio de todas las funciones bilineales de E F en R ó C. 1
2 Definición 2 Sean E, F y G espacios vectoriales y sea ϕ : E F G una transformación bilineal. El par (G, ϕ) se llama un producto tensorial para E y F si se satisfacen las condiciones siguientes: 1 : im ϕ = G. 2 : Si ψ : E F H es una transformación bilineal de E F en cualquier espacio vectorial H, entonces existe una transformación lineal f : G H tal que ψ = f ϕ (Propiedad de factorización). Observación: En forma de diagrama, 2 dice que el diagrama: E F ϕ G ψ H puede siempre completarse a un diagrama conmutativo: E F ϕ ψ f H. G Proposición 3 Las condiciones 1 y 2 son equivalentes a la condición : : Si ψ : E F H es una transformación bilineal en cualquier espacio vectorial H, entonces existe una única transformación lineal f : G H tal que ψ = f ϕ (propiedad de factorización única). Demostración. (i) Sea ψ : E F H y supongamos que existen dos transformaciones lineales f 1 : G H y f 2 : G H tales que ψ = f 1 ϕ y ψ = f 2 ϕ. 2
3 Entonces (f 1 f 2 ) ϕ = 0. Lo cual implica que f 1 = f 2. En efecto: Sea x G. Por 1, x ϕ(e F ), esto es, x = λ i ϕ(x i, y i ); donde x i E, y i F. Luego: (f 1 f 2 )(x) = λ i (f 1 ϕ)(x i, y i ) λ i (f 2 ϕ)(x i, y i ) = λ i ψ(x i, y i ) λ i ψ(x i, y i ) = 0. (ii) Supongamos que el par (G, ϕ) satisface. Entonces 2 se cumple. Debemos probar 1. En efecto: se define la aplicación bilineal ϕ : E F im ϕ por ϕ (x, y) = ϕ(x, y) (esto es, tomamos H = im ϕ) E F ϕ ϕ im ϕ. G f Por hipótesis existe f : G im ϕ tal que f ϕ = ϕ. Sea j : im ϕ G la inclusión canónica (i.e. j(x) = x x, pues im ϕ es un subespacio de G). Entonces j ϕ = ϕ. Además, (j f) ϕ = j (f ϕ) = j ϕ = ϕ. Pero, por otra parte, i ϕ = ϕ, donde i : G G es la identidad (i.e. i(x) = x x). Luego, por unicidad, se debe tener: j f = i. Esto implica que j : im ϕ G es sobreyectiva (En efecto: Si z G entonces existe f(z) en im ϕ tal que j(f(z)) = i(z) = z). Por lo tanto, im ϕ = G. 3
4 Notación: Si el par (G, ϕ) es un producto tensorial para E y F, escribimos G como E F y ϕ(x, y) como x y. Luego, la bilinealidad se expresa en la siguiente forma: (λx 1 + x 2 ) y = λx 1 y + x 2 y ; x 1, x 2 E, y F x (λy 1 + y 2 ) = λx y 1 + x y 2 ; x E, y 1, y 2 F, λ R ó C. Ejemplos 1) Sea E u e.v. sobre R y se define una transformación bilineal : R E E como λ x = λx. Entonces el par (E, ) es un producto tensorial de R y E. En efecto: Veamos 1 : (R E) = R E = E, luego, es claro que im = E. Veamos 2 : Sea ψ : R E H bilineal y definamos f : E H como f(x) := ψ(1, x) y tal que R E ψ H. E f Entonces f(λ x) = f(λx) = ψ(1, λx) = λψ(1, x) = ψ(λ, x); esto es, f = ψ. Esto prueba 2. Concluimos que el par (E, ) es un producto tensorial de R y E. Esto es: R E = E. En particular Γ Γ = Γ con λ µ = µ. 2) Sea β : R n R m M n m (R) definida por x 1 y 1 x 1 y m β((x 1,..., x n ), (y 1,..., y m )) =.. x n y 1 x n y m 4 n m.
5 Probaremos que (M n m (R), β) es un producto tensorial para R n y R m (luego, R n R m = M n m (R)). En efecto : Veamos 1 : β(r n R m ) = M n m (R). Sea A M n m (R) tal α 11 α 12 α 1m α 21 α 22 α 2m que A = entonces... α n1 α n2 α nm β((α 11, α 21,..., α n1 ), (1, 0, 0,...)) + β((α 12, α 22,..., α n2 ), (0, 1, 0,...)) + + β((α 1m, α 2m,..., α nm ), (0, 0,..., 1)) α α 12 0 α α 22 0 = α n α n α 1m 0 0 α 2m α nm = α 11 α 1m.. α n1 α nm o sea: Dado A M n m (R), existen x i R n, y i R m tales que A = β(x i, y i ). Por lo tanto A β(r n R m ). Veamos ahora 2 : Sea ψ : R n R m H bilineal. R n R m β ψ f H. M n m (R) Por ejemplo: con n = m = 2, definamos: ( ) a b f = ψ((1, 0), (a, b)) + ψ((0, 1), (c, d)). c d 5
6 Entonces f lineal: ( ( a1 b 1 ) ( a2 b 2 )) ( λa1 + a 2 λb 1 + b 2 ) f λ + = f c 1 d 1 c 2 d 2 λc 1 + c 2 λd 1 + d 2 = ψ((1, 0), (λa 1 + a 2, λb 1 + b 2 )) + ψ((0, 1), (λc 1 + c 2, λd 1 + d 2 )) = ψ((1, 0), λ(a 1, b 1 ) + (a 2, b 2 )) + ψ((0, 1), λ(c 1, d 1 ) + (c 2, d 2 )) = λψ((1, 0), (a 1, b 1 ))+ψ((1, 0), (a 2, b 2 ))+λψ((0, 1), (c 1, d 1 ))+ψ((0, 1), (c 2, d 2 )) = λ[ψ((1, 0), (a 1, b 1 ))+ψ((0, 1), (c 1, d 1 ))]+[ψ((1, 0), (a 2, b 2 ))+ψ((0, 1), (c 2, d 2 ))] ( a1 b 1 = λf c 1 d 1 Finalmente, ) ( a2 b 2 + f c 2 d 2 ) (f β)((x 1, x 2 ), (y 1, y 2 )) = f ( x1 y 1 x 1 y 2 x 2 y 1 x 2 y 2 ) = ψ((1, 0), (x 1 y 1, x 1 y 2 )) + ψ((0, 1), (x 2 y 1, x 2 y 2 )) = ψ((1, 0), x 1 (y 1, y 2 )) + ψ((0, 1), x 2 (y 1, y 2 )) = x 1 ψ((1, 0), (y 1, y 2 )) + x 2 ψ((0, 1), (y 1, y 2 )) = ψ(x 1 (1, 0), (y 1, y 2 )) + ψ(x 2 (0, 1), (y 1, y 2 )) = ψ((x 1, 0), (y 1, y 2 )) + ψ((0, x 2 ), (y 1, y 2 )) = ψ((x 1, 0) + (0, x 2 ), (y 1, y 2 )) = ψ((x 1, x 2 ), (y 1, y 2 )). Luego, f β = ψ. La generalización se deja como ejercicio. 6
7 0.1.1 Propiedades del producto tensorial 1.- a b 0 si a 0 y b 0. Demostración. Si a 0 y b 0, existen f : E R lineal y g : F R lineal respectivamente tales que f(a) 0 y g(b) 0 (sino: f(a) = 0 f E entonces a = 0 pues la forma bilineal f, a es no degenerada). Consideremos ahora la función bilineal p : E F R definida por p(x, y) = f(x)g(y). E F E F p h En vista de 2, existe una función lineal h : E F R tal que h = p esto es, h(x y) = f(x)g(y) para cada (x, y) E F. Luego: h(a b) = f(a)g(b) 0. Por lo tanto, a b Sea z E F, z 0; entonces z = r i=1 x i y i donde {x i } y {y i } son L.I. R. Demostración. Sea z E F entonces z = r i=1 λ iw i y i = r i=1 x i y i donde x i λ i w i i y r es el mínimo de manera que la descomposición anterior se cumple. Si r = 1 entonces x 1 0 y y 1 0 (por la Propiedad 1), en consecuencia {x 1 } y {y 1 } son dos conjuntos de vectores L.I. cada uno. Supongamos que {x i } r i=1 son L.D. entonces, sin pérdida de generalidad, r 1 x r = λ i x i i=1 7
8 luego, z = = = = r 1 r 1 x i y i + x r y r = i=1 r 1 i=1 r 1 x i y i + λ i (x i y r ) i=1 r 1 i=1 x i (y i + λ i y r ) i=1 r 1 x i ỹ i i=1 r 1 x i y i + ( i=1 λ i x i ) y r lo cual contradice la minimalidad de r. En la misma forma se puede mostrar que los vectores {y i } r i=1 son L.I. Esto prueba la propiedad. 3.- Sean {a j } r j=1 E y {b j } r j=1 un subconjunto de vectores L.I. de F. Entonces la ecuación r j=1 a j b j = 0 implica que a j = 0 j = 1,..., r. Demostración. Ya que {b j } es un conjunto L.I. de vectores en F, se pueden definir g 1,..., g r : F R funciones lineales tales que: g i (b j ) = δ ij (e.g.: g : {b 1,..., b r } R tal que g 1 (x) = g 1 ( r { i=1 λ ib i ) = λ 1. Luego: g1 (x), x {b 1,..., b r } Sea g 1 : F R tal que g 1 (x) = 0, otro caso entonces g 1 (b 1 ) = 1 y g 1 (b j ) = 0 j = 2,..., r. ) Consideremos ahora la función bilineal F (x, y) = i f i (x)g i (y) 8
9 donde f i : E R son funciones lineales (cualesquiera) en E. E F R E F h. Por 2, existe h : E F R lineal tal que: h(x y) = F (x, y) = i f i (x)g i (y) luego, h( r a j b j ) = h(a j b j ) j = f i (a j )g i (b j ) j i r = f i (a i ). j=1 Ahora, por hipótesis: r j=1 a j b j = 0; por lo tanto, r i=1 f i(a i ) = 0. Como los f i son cualesquiera, elegimos f i 0 para cada i k (por cada k = 1,..., r fijo), esto da: i=1 f k (a k ) = 0. Como f n sigue siendo arbitrario, se tiene que a k = 0 (k = 1,..., r). Corolario 4 Si E y F tienen dimensión 1, entonces E F tiene dimensión 1. Demostración. Ejercicio. 4.- E F = F E (conmutatividad del producto tensorial). 9
10 Demostración. E F ϕ 1 E F ϕ 2 f F E esto es: ϕ 1 (x, y) =: x y y ϕ 2 (x, y) =: y x. Luego, debemos demostrar que ϕ 1 = ϕ 2. Ya que ϕ 2 es bilineal, existe f : E F F E lineal tal que f ϕ 1 = ϕ 2. Esto es: f(x y) = y x. De la misma forma E F ϕ 2 F E ϕ 1 g E F existe g : F E E F tal que g ϕ 2 = ϕ 1 ; esto es: g(y x) = x y. Entonces: g f ϕ 1 = g ϕ 2 = ϕ 1 y f g ϕ 2 = f ϕ 1 = ϕ 2 esto es: o equivalentemente: g f ϕ 1 = ϕ 1 y f g ϕ 2 = ϕ 2 (g f)(x y) }{{} = (x y) y (f g)(y x) = (y x). (1) 10
11 Como im ϕ 1 = E F se tiene que g f = I. En efecto: Sea v E F. Entonces v = λ i x i y i, luego: (g f)(v) = (g f)( λ i x i y i ) = λ i (g f)(x i y i ) = λ i (x i y i ) de (1) = v. Análogamente: f g = I. Esto prueba que f (ó g) es 1-1 y sobreyectiva. Por lo tanto, E F = F E. 5.- Unicidad del producto tensorial. Supongamos que E F y E F son productos tensoriales de E y F. Entonces E F = F E. Demostración. E F ϕ 2 E F ϕ 1 f E F luego, ϕ 1 (x, y) = x y y ϕ 2 (x, y) = x y. Ya que ϕ 2 es bilineal, la propiedad de factorización implica que existe f : E F E F lineal tal que: f ϕ 1 = ϕ 2. Análogamente: E F ϕ 1 E F ϕ 2 g E F 11
12 existe g : E F E F tal que g ϕ 2 = ϕ 1. Combinando ambas relaciones se obtiene: (g f)(x y) = x y y (f g)(x y) = x y. Nuevamente, como im ϕ 1 = E F y im ϕ 2 = E F se obtiene que f g = i y g f = i, de donde sigue el resultado. 6.- Asociatividad del producto tensorial: (E F ) G = E (F G). Demostración. Sea z G fijo. Definamos β z : E F E (F G) por β z (x, y) = x (y z). Es claro que β z es bilineal: En efecto, β z (λx 1 + x 2, y) = (λx 1 + x 2 ) (y z) = λx 1 (y z) + x 2 (y z) = λβ z (x 1, y) + β z (x 2, y) β z (x, λy 1 + y 2 ) = x (λy 1 + y 2 z) = x [λy 1 z + y 2 z] = x (λy 1 z) + x (y 2 z) = λx (y 1 z) + x (y 2 z) = λβ z (x, y 1 ) + β z (x, y 2 ) Por definición de producto tensorial, el siguiente diagrama es conmutativo: E F E F β z E (F G) h z esto es, existe una única transformación lineal h z : E F E (F G) tal que h z = β z, esto es: h z (x y) = β z (x, y) = x (y z) x E, y F. 12
13 Sea ψ : (E F ) G E (F G) definida por: Entonces ψ es bilineal: En efecto, ψ(x y, z) = h z (x y). ψ(λ(x 1 y 1 ) + (x 2 y 2 ), z) = h z (λ(x 1 y 1 ) + (x 2 y 2 )) = λh z (x 1 y 1 ) + h z (x 2 y 2 ) = λψ(x 1 y 1, z) + ψ(x 2 y 2, z) Además, por unicidad, h λz1 +z 2 = λh z1 + h z2 de donde sigue la linealidad en la segunda componente (Ejercicio). Así, el siguiente diagrama es conmutativo: (E F ) G ψ E (F G) (E F ) G g esto es, existe una única transformación lineal g : (E F ) G E (F G) tal que g = ψ, esto es: g((x y) z) = ψ(x y, z) = h z (x y) = x (y z) (1) Sea ahora x E fijo. Definamos α x : F G (E F ) G por α x (y, z) = (x y) z. Claramente α x es bilineal. El siguiente diagrama es ahora conmutativo: F G αx F G (E F ) G b hx esto es, existe una transformación lineal ĥx : F G (E F ) G tal que ĥ x = α x esto es: ĥ x (y z) = α x (y, z) = (x y) z. 13
14 Sea ψ : E (F G) (E F ) G definida por ψ(x, y z) = α x (y z). Entonces ψ es bilineal y el siguiente diagrama es conmutativo: E (F G) E (F G) bψ bg (E F ) G esto es, existe una única ĝ : E (F G) (E F ) G tal que: ĝ = ψ, esto es: ĝ(x (y z)) = ψ(x, y z) = (x y) z. (2) Luego, de (1) y (2) : (g ĝ)(x (y z)) = g((x y) z) = x (y z) y (ĝ g)((x y) z) = ĝ(x (y z)) = (x y) z. Por lo tanto, g ĝ = id y ĝ g = id, luego g es un isomorfismo y, por lo tanto, (E F ) G = E (F G). Teorema 5 (Reducción de transformaciones bilineales a lineales). Sean E y F e.v. y E F un producto tensorial. Entonces L(E F ; G) = B(E, F ; G) para cada espacio vectorial G. 14
15 Demostración. Se define φ : L(E F ; G) B(E, F ; G) como: φ(f) := f f L(E F ; G) i.e. φ(f) : E F G tal que φ(f)(x, y) = f(x y). Claramente φ es lineal: φ(λf 1 + f 2 )(x, y) = (λf 1 + f 2 )(x y) = λf 1 (x y) + f 2 (x y) = λφ(f 1 )(x, y) + φ(f 2 )(x, y) = (λφ(f 1 ) + φ(f 2 ))(x, y). i) φ es sobreyectiva. Sea b B(E, F ; G), entonces b : E F G es bilineal. Luego, por 2, existe f : E F G tal que es lineal y f = b, esto es, φ(f) = b. ii) φ es inyectiva. Como φ es lineal basta ver que φ(f) = 0 implica f = 0. En efecto: Sea φ(f) = 0, entonces (f )(x, y) = 0 x E, y F, esto es: f(x y) = 0 x E, y F. Sea z E F. Entonces z = x i y i. Luego: f(z) = f(x i y i ) = 0. Por lo tanto, f 0. 15
16 Ejercicios 1. Suponga que a b 0. Demuestre que a b = a b si y sólo si a = λa y b = λ 1 b; λ R, λ Sea (G, ϕ) un producto tensorial de E y F. Sean E 1 E, F 1 F. Sea ϕ 1 : E 1 F 1 G la restricción de ϕ a E 1 F 1. Entonces (im ϕ 1, ϕ 1 ) es un producto tensorial para E 1 y F Sean {a i } y {b i } bases de E y F respectivamente. Entonces {a i b j } es una base de E F. 4. Demuestre que dim B(E, F ; G) = dim E dim F dim G. 5. Sean E 1 y E 2 subespacios de E. Sea F e.v. de dimensión finita entonces (E 1 F ) (E 2 F ) = (E 1 E 2 ) F. 6. Sea E = E 1 E 2 y F = F 1 F 2. Entonces E F = E 1 F 1 E 1 F 2 E 2 F 1 E 2 F Producto tensorial de transformaciones lineales Sean E, E, F, F cuatro espacios vectoriales. Consideremos dos transformaciones lineales : ϕ : E E ; ψ : F F. 16
17 Queremos definir una transformación lineal ϕ ψ : E F E F para esto procedemos como ilustra el siguiente diagrama: E F E F p Dados E y F, existe el producto tensorial E F. Por definición, sabemos que dada cualquier función bilineal p : E F H, H cualquier espacio vectorial, existe una única f : E F H tal que f = p (propiedad de factorización única). Escojamos definida por p(x, y) = ϕ(x) ψ(y). f H p : E F E F. Claramente p es bilineal. Luego, existe una única función lineal γ : E F E F tal que γ(x y) = p(x, y). Se define: γ ϕ ψ. Luego, por definición: (ϕ ψ)(x y) = ϕ(x) ψ(y) y se llama el producto tensorial de las transformaciones lineales ϕ y ψ Transformaciones Multilineales Sea E un espacio vectorial y consideremos T k (E) := {f : E } {{ E } R / F es multilineal } k veces 17
18 el conjunto de todas las funciones que son multilineales. Los elementos de T k (E) los llamaremos tensores de orden k. Problema: Definir un producto en T k (E) y estudiar este espacio. Recordemos el isomorfismo: T k (E) = L( k E; R) definido en la sección anterior. Aquí, k = } E E {{ E }. k veces Consideremos ahora dos transformaciones lineales: T : k E R S : l E R. De acuerdo a la sección anterior, podemos definir una única transformación lineal T S : k E l E R R, esto es: T S : k+l E R, tal que (T S)(x y) = T (x)s(y). Notar que T (x) T (y) = T (x)t (y) pues se trata del producto tensorial en R y R R = R. Más precisamente, (T S)(x 1 x k y 1 y l ) = T (x 1 x k )S(y 1 y l ) donde T S L( k+l E; R). Ya que L( k+l E; R) = T k+l (E), lo anterior se puede traducir en términos de funciones multilineales, esto es, se puede definir un (único) producto de funciones multilineales (o tensores de orden k). Más precisamente, si T T k (E) y S T l (E), entonces la definición (T S)(x 1,..., x k, y 1,..., y l ) = T (x 1,..., x k )S(y 1,..., y l ) ( ) produce una función T S T k+l (E) llamada el producto de tensores T y S. 18
19 Ejemplos de Tensores 1. Una función determinante es un tensor. En efecto, basta recordar la definición de la sección 1.3: Es una función : E E R multilineal y antisimétrica. 2. Un producto interior es un tensor de orden 2. En efecto: Recordemos de la sección 1.1 que un producto interior en una función, : E E R bilineal, que es además simétrica y definida positiva. Proposición 6 (Propiedades del producto de Tensores) a) (S 1 + S 2 ) T = S 1 T + S 2 T b) S (T 1 + T 2 ) = S T 1 + S T 2 c) (as) T = S (at ) = a(s T ) d) (S T ) U = S (T U) Demostración. y (d) quedan de ejercicio. Usando la definición ( ), se probará (a). Las partes (b), (c) [(S 1 + S 2 ) T ](x 1, x 2,..., x k, y 1, y 2,..., y l ) = (S 1 + S 2 )(x 1,..., x k )T (y 1,..., y l ) = [S 1 (x 1,..., x k ) + S 2 (x 1,..., x k )]T (y 1,..., y l ) = S 1 (x 1,..., x k )T (y 1,..., y l ) + S 2 (x 1,..., x k )T (y 1,..., y l ) = (S 1 T )(x 1,..., x k, y 1,..., y l ) + (S 2 T )(x 1,..., x k, y 1,..., y l ) = [(S 1 T ) + (S 2 T )](x 1,..., x k, y 1,..., y l ) Supongamos que E tiene dimensión finita. El siguiente resultado nos dice como es T k (E) internamente: 19
20 Teorema 7 Sea {e 1,..., e n } base de E y sea {f 1,..., f n } la base dual (esto es, la base de L(E; R), que verifica f i (e j ) = δ ij ). Entonces el conjunto de todos los productos tensoriales de k-factores: f i1 f i2 f ik ; 1 i 1,..., i k n es una base de T k (E), que además tiene dimensión n k. Demostración. Es claro que, por definición (f i1 f i2 f ik )(x 1,..., x k ) = f i1 (x 1 )f i2 (x 2 ) f ik (x k ) es una función k-lineal, esto es, un elemento de T k (E). Además (f i1 f i2 f ik )(e j1, e j2,..., e jk ) = f i1 (e j1 )f i2 (e j2 ) f ik (e jk ) = δ i1,j 1 δ i2,j 2 δ ik,j { k 1 si j1 = i 1, j 2 = i 2,..., j k = i k, = 0 otro caso ( ) Veamos que el conjunto de vectores genera T k (E). Sea T T k (E). Entonces T : E E R es multilineal. Sean w 1,..., w k E; entonces para cada w j : n w i = a ij e j ( ). j=1 Luego : T (w 1,..., w k ) = n n T ( a 1j1 e j1,..., a kjk e jk ) = j 1 =1 n j 1,,j k =1 j k =1 a 1j1 a kjk T (e j1,..., e jk ) ( ) Ahora, de ( ) y ( ) notemos que: (f i1 f i2 f ik )(w 1,..., w k ) = f i1 (w 1 ) f ik (w k ) 20
21 donde, por ejemplo, n f i1 (w 1 ) = f i1 ( a 1j e j ) = j=1 n a 1j f i1 (e j ) = a 1i1. j=1 Así, (f i1 f i2 f ik )(w 1,..., w k ) = a 1i1 a 2i2 a kik ; por lo tanto insertando esto en ( ) se obtiene: n T (w 1,..., w k ) = T (e i1,..., e ik )(f i1 f i2 f ik )(w 1,..., w k ) i 1,...,i k =1 luego, n T = T (e i1,..., e ik )(f i1 f i2 f ik ). i 1,...,i k =1 Esto prueba que el conjunto genera T k (E). Veamos ahora que el conjunto es L.I. Supongamos que existen escalares a i1 a i2 a ik tales que n a i1 a i2 a ik (f i1 f i2 f ik ) = 0. i 1,...,i k =1 Aplicando el vector de la base (e j1,..., e jk ) se obtiene de ( ) que todos los elementos de la suma son cero excepto cuando j 1 = i 1, j 2 = i 2,..., j k = i k, esto es: a j1, a j2,..., a jk = 0. Esto prueba que el conjunto es L.I. Se deja como ejercicio para el lector probar que esta base tiene n k elementos. 21
22 0.1.4 Producto Exterior Consideremos el tensor determinante T k (E). Este tensor es importante pues, como vimos, permite entre otros definir el producto cruz en espacios de dimensión 3 y la noción de orientación de un espacio de dimensión finita. Recordemos que, por definición, un determinante no sólo es una función multilineal, sino también alternada. Consideremos el conjunto (de todos los determinantes) Λ k (E) = {f : E E E R / f es multilineal y alternada }. Es claro que Λ k (E) es un subespacio de T k (E). A fin de estudiar de mejor manera esta parte de T k (E) se define la siguiente función: Alt : T k (E) T k (E) como Alt(T )(v 1,..., v k ) = 1 sgn σt (v σ(1),..., v σ(k) ) k! σ S k donde sgn σ es +1 si la permutación σ es par y es 1 si es impar. Además, S k es el conjunto de todas las permutaciones del conjunto de números {1, 2,..., k}. Teorema 8 (1) Si T T k (E) entonces Alt(T ) Λ k (E). (2) Si w Λ k (E) entonces Alt(w) = w. (3) Si T T k (E) entonces Alt(Alt(T )) = Alt(T ). A fin de tener una mejor visualización del Teorema anterior, consideremos el caso k = 1 y k = 2. Para k = 1 se tiene: Alt : T 1 (E) T 1 (E) tal que Alt(T )(v) = T (v); esto es, Alt(T ) = T o Alt Id. 22
23 Para k = 2 se tiene: Alt : T 2 (E) T 2 (E) tal que Alt(T )(v 1, v 2 ) = 1 2 [T (v 1, v 2 ) T (v 2, v 1 )]. En lo que sigue probaremos el teorema en el caso k = 2. El caso general queda de ejercicio para el lector. (1) Sea T T 2 (E) entonces es claro que Alt(T ) está en T 2 (E) (i.e. es bilineal) pues, por ejemplo, Alt(T )(λv 1 + w 1, v 2 ) = 1 2 [T (λv 1 + w 1, v 2 ) T (v 2, λv 1 + w 1 )] = 1 2 [λt (v 1, v 2 ) + T (w 1, v 2 ) λt (v 2, v 1 ) + T (v 2, w 1 )] = λ 1 2 [T (v 1, v 2 ) T (v 2, v 1 )] [T (w 1, v 2 ) T (v 2, w 1 )] = λalt(t )(v 1, v 2 ) + Alt(T )(w 1, v 2 ) Veamos que además es alternada: Alt(T )(v 1, v 2 ) = Alt(T )(v 2, v 1 ). En efecto: Alt(T )(v 2, v 1 ) = 1 2 [T (v 2, v 1 ) T (v 1, v 2 )] = 1 2 [T (v 1, v 2 ) T (v 2, v 1 )] = Alt(T )(v 1, v 2 ). (2) Sea w Λ 2 (E). Entonces Alt(T )(w)(v 1, v 2 ) = 1 2 [w(v 1, v 2 ) w(v 2, v 1 )] = 1 2 [2w(v 1, v 2 )] pues w es alternada ssi w(v 1, v 2 ) = w(v 2, v 1 ) = w(v 1, v 2 ). Por lo tanto, Alt(w) = w. (3) Sea T T 2 (E). Entonces por (1) w := Alt(T ) Λ 2 (E). Luego, por (2): Alt(Alt(T )) = Alt(w) = w = Alt(T ). 23
24 El problema siguiente es determinar la dimensión de Λ k (E). Para ello se necesitará un teorema análogo al visto para el caso T k (E). Por esto, necesitamos definir un producto en Λ k (E), el cual llamaremos producto exterior, y que se define como sigue: Dados w Λ k (E) y η Λ l (E), se define ω η Λ k+l (E) como: ω η := (k + l)! Alt(ω η). k!l! Observaciones: 1) Note que, efectivamente, ω η Λ k+l (E) gracias a que por el Teorema anterior parte (1), si ω η T k+l (E) entonces Alt(ω η) Λ k+l (E). 2) El producto ω η no sirve pues no está en Λ k+l (E) necesariamente. Proposición 9 (Propiedades del Producto Exterior) a) (ω 1 + ω 2 ) η = ω 1 η + ω 2 η b) ω (η 1 + η 2 ) = ω η 1 + ω η 2 c) aω η = ω aη = a(ω η) d) ω η = ( 1) kl η ω. Probaremos la propiedad (a), el resto queda de ejercicio. (ω 1 + ω 2 ) η = (k + l)! Alt((ω 1 + ω 2 ) η) k!l! = (k + l)! Alt(ω 1 η + ω 2 η) k!l! = (k + l)! (k + l)! Alt(ω 1 η) + Alt(ω 2 η) k!l! k!l! = ω 1 η + ω 2 η. (Ejercicio) 24
25 Teorema 10 (1) Si S T k (E), T T l (E) y Alt(S) = 0, entonces Alt(S T ) = Alt(T S) = 0. (2) Alt(Alt(ω η) θ) = Alt(ω η θ) = Alt(ω Alt(η θ)) (3) Si ω Λ k (E), η Λ l (E) y θ Λ m (E) entonces (ω η) θ = ω (η θ) = (k + l + m)! Alt(ω η θ) k!l!m! Demostración. Veámoslo para el caso k = l = 1 (1) Alt(S T )(v 1, v 2 ) = 1 2 [(S T )(v 1, v 2 ) (S T )(v 2, v 1 )] = 1 2 [S(v 1)T (v 2 ) S(v 2 )T (v 1 )] Como, Alt(S)(v) = S(v) = 0 se obtiene que Alt(S T )(v 1, v 2 ) = 0. Análogamente se demuestra que Alt(T S) = 0. Las partes (2) y (3) quedan de ejercicio para el lector. Teorema 11 Sea {e 1,..., e n } base de E y {f 1,..., f n } base dual. El conjunto f i1 f i2 f ik es una base para Λ k (E), que tiene dimensión: ( n k ) = 1 i 1 < i 2 < < i k n n! k!(n k)!. Demostración. Ejercicio. 25
26 Bibliografía [1] W. H. Greub, Linear Algebra, Springer-Verlag, vol. 97, Berlin- Heidelberg, [2] W. H. Greub, Multilinear Algebra, Springer-Verlag, vol.136, Berlin- Heidelberg,
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 detallesÁlgebra Lineal V: Subespacios Vectoriales.
Álgebra Lineal V: Subespacios Vectoriales. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesTema II. Capítulo 5. Aplicaciones bilineales y formas cuadráticas.
Tema II Capítulo 5 Aplicaciones bilineales y formas cuadráticas Álgebra Departamento de Métodos Matemáticos y de Representación UDC 5 Aplicaciones bilineales y formas cuadráticas o simplemente f( x, ȳ)
Más detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detallesConjuntos, relaciones y funciones Susana Puddu
Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más detallesEspacios 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 detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesSemana03[1/17] Funciones. 16 de marzo de Funciones
Semana03[1/17] 16 de marzo de 2007 Introducción Semana03[2/17] Ya que conocemos el producto cartesiano A B entre dos conjuntos A y B, podemos definir entre ellos algún tipo de correspondencia. Es decir,
Más detallesGrupos libres. Presentaciones.
S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad
Más detallesTransformaciones lineales y matrices
CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Más detallesEspacios vectoriales. 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 detallesSemana02[1/23] Conjuntos. 9 de marzo de Conjuntos
Semana02[1/23] 9 de marzo de 2007 Introducción Semana02[2/23] La teoría de conjuntos gira en torno a la función proposicional x A. Los valores que hacen verdadera la función proposicional x A son aquellos
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detallesDerivada de la función compuesta. Regla de la cadena
Derivada de la función compuesta. Regla de la cadena Cuando en las matemáticas de bachillerato se introduce el concepto de derivada, su significado y su interpretación geométrica, se pasa al cálculo de
Más detallesDiferenciales de Orden Superior
Capítulo 10 Diferenciales de Orden Superior En este capítulo extenderemos a las funciones definidas sobre espacios normados el concepto de función r-veces diferenciable y de clase C r y obtendremos las
Más detallesAnillos. 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 detalles4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno
para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos
Más detallesLEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS
LEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS Sea una estructura formada por un conjunto A, sobre cuyos elementos se ha definido una operación o ley interna, comúnmente denotada por " * ", que
Más detallesTema 5: Elementos de geometría diferencial
Tema 5: Elementos de geometría diferencial José D. Edelstein Universidade de Santiago de Compostela FÍSICA MATEMÁTICA Santiago de Compostela, abril de 2011 Coordenadas locales y atlas. Funciones y curvas.
Más detallesTransformaciones lineales
Capítulo 3 Transformaciones lineales Las transformaciones lineales son las funciones con las que trabajaremos en Álgebra Lineal. Se trata de funciones entre K-espacios vectoriales que son compatibles con
Más detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesque para cualesquiera e, v E, λ, µ k satisfaga las siguientes propiedades:
Capítulo I Espacios Vectoriales Este capítulo está dedicado a definir la estructura fundamental del Álgebra Lineal: el espacio vectorial; también definiremos las aplicaciones entre espacios vectoriales
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesTransformaciones lineales
Semana 8 [1/62] 8 de septiembre de 27 Definiciones básicas Semana 8 [2/62] Definición Transformación lineal U, V dos espacios vectoriales sobre el mismo cuerpo Ã. T : U V es una transformación (o función)
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesb) 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 detallesAnillo de polinomios con coeficientes en un cuerpo
Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.
Más detallesNÚCLEOS DEFINIDOS POSITIVOS, REGULARIDAD, PERTURBACIONES Y APLICACIONES.
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS POSTGRADO EN MATEMÁTICA NÚCLEOS DEFINIDOS POSITIVOS, REGULARIDAD, PERTURBACIONES Y APLICACIONES. Autor: MSc. Arnaldo De La Barrera. Tutor: Dra. Marisela
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesDescomposición en forma canónica de Jordan (Segunda versión)
Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesr j ϕ j (v i ) = r i, ϕ(v i ) = v = n a ij ϕ j(v) ϕ i (v) =
ESPACIO DUAL 1. Espacio Dual En temas anteriores dados V y V espacios vectoriales sobre k, definíamos en Hom(V, V ) una suma y un producto por elementos de k que convertían este conjunto en un espacio
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesEjemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales.
Facultad de Ingeniería - IMERL - Geometría y Álgebra Lineal 2 - Curso 2008. 1 Transformaciones lineales en espacios con producto interno Notas para el curso de Geometría y Algebra Lineal 2 de la Facultad
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detallesGuía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen
Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen 1. Teorema de la representación matricial de una transformación
Más detallesALGEBRA 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 detallesCapítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos
Capítulo Espacios vectoriales.1 Definición y ejemplos Un espacio vectorial sobre un cuerpo K (que supondremos conmutativo es un conjunto no vacío junto con 1. una operación interna, +, a la que llamaremos
Más detallesDemostraciones a Teoremas de Límites
Demostraciones a Teoremas de Límites Programa de Bachillerato.Universidad de Chile. Otoño, 009 En esta sección solo daremos los fundamentos teóricos que nos permiten resolver los problemas que se nos plantean,
Más detallesDefinición 1.1 Sea G un conjunto. Una operación binaria en G es una aplicación m: G G G.
1 Definición y propiedades Definición 1.1 Sea G un conjunto. Una operación binaria en G es una aplicación m: G G G. Definición 1.2 Sea G un conjunto i) Si G tiene una operación binaria definida en G, se
Más detallesESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA.
ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA. Índice de contenido 1. Espacio vectorial....2 Estructura de espacio vectorial...2 Subespacios
Más detallesTema 2: El grupo de las permutaciones
Tema 2: El grupo de las permutaciones Miguel Ángel Olalla Acosta miguelolalla@us.es Departamento de Álgebra Universidad de Sevilla Octubre de 2014 Olalla (Universidad de Sevilla) Tema 2: El grupo de las
Más detallesConjunto R 3 y operaciones lineales en R 3
Conjunto R 3 y operaciones lineales en R 3 Objetivos. Definir el conjunto R 3 y operaciones lineales en R 3. Requisitos. Conjunto de los números reales R, propiedades de las operaciones aritméticas en
Más detallesAcerca de la Cohomología de derham y algunas aplicaciones
Acerca de la Cohomología de derham y algunas aplicaciones Enrique Idael Chávez Sarmiento Agosto, 2009 Resumen En este trabajo estudiaremos algunas nociones de Cohomología de derham, una herramienta útil
Más detallesApuntes de Álgebra III
Apuntes de Álgebra III Versión Corregida Dr. Carlos Lizama Universidad de Santiago de Chile Facultad de Ciencias Departamento de Matemática y C.C. Introducción El presente texto de apuntes de Álgebra III
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesComisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 2012
AMARUN www.amarun.org Comisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 212 Introducción Algunas fechas: 197: Noción de Operador lineal
Más detallesDescomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos
Más detallesEs trivial generalizar la definición al caso de varios conjuntos: A B C, etc.
Tema 1 Espacios Vectoriales 1.1 Introducción Estas notas están elaboradas pensando simplemente en facilitar al estudiante una guía para el estudio de la asignatura, y en consecuencia se caracterizan por
Más detallesÁlgebra Lineal IV: Espacios Vectoriales.
Álgebra Lineal IV: Espacios Vectoriales José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesIntroducción a la topología
Introducción a la topología Beatriz Abadie CENTRO DE MATEMÁTICAS FACULTAD DE CIENCIAS UNIVERSIDAD DE LA REPÚBLICA Agosto de 2013 i Índice general Capítulo 1. Elementos de la teoría de conjuntos 1 1.1.
Más detallesEspacios conexos. Capítulo Conexidad
Capítulo 5 Espacios conexos 1. Conexidad En este capítulo exploraremos el concepto de conexidad en un espacio métrico, y estudiaremos algunas de sus aplicaciones. Definición 5.1. Decimos que el espacio
Más detallesTensores cartesianos.
Tensores cartesianos. Transformación de coordenadas. Consideremos dos sistemas de coordenadas cartesianas ortogonales en el plano, identificados como σ y σ. Supongamos que ambos tienen un origen común,
Más detallesNotas sobre el teorema minimax
Notas sobre el teorema mini Antonio Martinón Abril de 2012 1 Teoremas mini Sean X e Y dos conjuntos no vacíos y consideremos una función Se verifica sup inf efectivamente, dado x X resulta claro que f
Más detallesRectas, planos e hiperplanos
Semestre -8, Algebra Lineal 37 Rectas, planos e hiperplanos Recta P punto de la recta L, d vector no nulo de R n (vector director de la recta) X punto de la recta L PX paralelo a d (PX = td) PX = OX OP
Más detallesEn este capítulo extenderemos la conocida ecuación. g(b) f = f g g, g(a)
Capítulo 6 Cambio de variable 1. Particiones de la Unidad En este capítulo extenderemos la conocida ecuación (6.1) g(b) g(a) f = b a f g g, válida para funciones iemann-integrables f y funciones diferenciables
Más detallesSemana05[1/14] Relaciones. 28 de marzo de Relaciones
Semana05[1/14] 28 de marzo de 2007 Introducción Semana05[2/14] Ya en los capítulos anteriores nos acercamos al concepto de relación. Relación Dados un par de conjuntos no vacíos A y B, llamaremos relación
Más detallesLección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos
Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto
Más detallesMatrices positivas y aplicaciones. María Isabel García Planas Profesora Titular de Universidad
Matrices positivas y aplicaciones María Isabel García Planas Profesora Titular de Universidad Primera edición: Septiembre 2008 Editora: la autora c M ā Isabel García Planas ISBN: 978-84-612-6101-7 Depósito
Más detallesTEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR
TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR Índice 6.1. Formas bilineales....................... 154 6.1.1. Representación matricial de una forma bilineal. 155 6.1.. Formas multilineales reales............
Más detallesALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO I LOGICA Y CONJUNTOS.
ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO I LOGICA Y CONJUNTOS. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas Universidad de Concepción 1 La lógica es
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesClase 10: Extremos condicionados y multiplicadores de Lagrange
Clase 10: Extremos condicionados y multiplicadores de Lagrange C.J. Vanegas 7 de abril de 008 1. Extremos condicionados y multiplicadores de Lagrange Estamos interesados en maximizar o minimizar una función
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detallesMAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas. g(z) e u(z) 1. u(z) a log z + b
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE FACULTAD DE MATEMÁTICAS MAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas 1. Sea u : C R una función armónica positiva. Pruebe que u es constante. Solución:
Más detallesIntroducción a los espacios vectoriales
1 / 64 Introducción a los espacios vectoriales Pablo Olaso Redondo Informática Universidad Francisco de Vitoria November 19, 2015 2 / 64 Espacios vectoriales 1 Las 10 propiedades de un espacio vectorial
Más detallesMatrices y Determinantes
Capítulo 1 Matrices y Determinantes 11 Matrices Generalidades Definición 11 Sea E un conjunto cualquiera, m, n N Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12 a 1n a 21 a
Más detallesEspacios Vectoriales Introducción Espacio Vectorial. (4 de Abril de 2003)
Capítulo 1 Espacios Vectoriales 4 de Abril de 2003 1.1. Introducción Frecuentemente se encuentran objetos matemáticos que pueden ser sumados entre si o multiplicados por un número. Ejemplos de tales objetos
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesSobre funciones reales de variable real. Composición de funciones. Función inversa
Sobre funciones reales de variable real. Composición de funciones. Función inversa Cuando en matemáticas hablamos de funciones pocas veces nos paramos a pensar en la definición rigurosa de función real
Más detallesMatrices y Determinantes
Tema 2 Matrices y Determinantes 21 Introducción Presentaremos en este tema las matrices y los determinantes, centrándonos en particualar en el caso de matrices constituidas por números reales 22 Matrices
Más detallesAlgebra Lineal XIX: Rango de una Matriz y Matriz Inversa.
Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email:
Más detallesCardinalidad. Teorema 0.3 Todo conjunto infinito contiene un subconjunto infinito numerable.
Cardinalidad Dados dos conjuntos A y B, decimos que A es equivalente a B, o que A y B tienen la misma potencia, y lo notamos A B, si existe una biyección de A en B Es fácil probar que es una relación de
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detallesEspacios vectoriales con producto interno
Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.
Más detalles6.1. Anillos de polinomios.
1 Tema 6.-. Anillo de polinomios. División y factorización. Lema de Gauss. 6.1. Anillos de polinomios. Definición 6.1.1. Sea A un anillo. El anillo de polinomios en la indeterminada X con coeficientes
Más detallesFascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires
Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesAlgebra Lineal Xa: Álgebra Vectorial en R3
Algebra Lineal Xa: Álgebra Vectorial en R3 José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx
Más detallesTEMA 2. ESPACIOS VECTORIALES
TEMA 2. ESPACIOS VECTORIALES CÉSAR ROSALES GEOMETRÍA I En este tema comenzaremos el estudio de los objetos que nos interesarán en esta asignatura: los espacios vectoriales. Estos son estructuras básicas
Más detallesÁlgebra Lineal VII: Independencia Lineal.
Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesIntegrales múltiples
ntegrales múltiples Cálculo (2003) El objetivo de este capítulo es definir y aprender a calcular integrales de funciones reales de varias variables, que llamamos integrales múltiples. Las motivación más
Más detalles2.1. Estructura algebraica de espacio vectorial
Tema 2 Espacios vectoriales de dimensión finita 21 Estructura algebraica de espacio vectorial Los vectores libres en el plano son el sustento geométrico del concepto de espacio vectorial Se trata de segmentos
Más detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesEspacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1
Espacios Vectoriales 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Espacios Vectoriales... 4 1.1 Definición de espacio vectorial... 4 1.2 Definición de subespacio vectorial...
Más detallesJulio C. Carrillo E. Profesor Escuela de Matemáticas Universidad Industrial de Santander. Monday, November 5, 2007 at 8:44 am (FA07.
Julio C. Carrillo E. Profesor Escuela de Matemáticas Universidad Industrial de Santander Monday, November 5, 2007 at 8:44 am (FA07.01,02) Para uso exclusivo en el salón de clase. 2007 c Julio C. Carrillo
Más detallesConjuntos. () April 4, / 32
Conjuntos En general, un conjunto A se de ne seleccionando los elementos de un cierto conjunto U de referencia (o universal) que cumplen una determinada propiedad. () April 4, 2014 1 / 32 Conjuntos En
Más detalles