Ba s e, d i M e n s i ó n y Mat r i z

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Ba s e, d i M e n s i ó n y Mat r i z"

Transcripción

1 Unidad 4 Ba s e, d i M e n s i ó n y Mat r i z de transición Objetivos: Al inalizar la unidad, el alumno: Conocerá la deinición de base de un espacio vectorial Identiicará bases canónicas para algunos espacios vectoriales Encontrará las coordenadas de un vector relativas a una base especíica Comprenderá el concepto de dimensión de un espacio vectorial Aplicará la matriz de transición para cambiar de base un espacio vectorial

2

3 Álgebralineal Introducción En la unidad anterior vimos cuando un conjunto de vectores linealmente independientes generaba todo el espacio vectorial Vimos también que tener ese conjunto era muy cómodo, pues cualquier vector podía escribirse como combinación lineal de los vectores de ese conjunto En esta unidad definiremos formalmente el concepto de base de un espacio vectorial y conoceremos sus características Veremos también que un espacio vectorial puede tener varias bases, se mostrará cómo alguna de éstas son más cómodas que otras y el modo de cambiar de una a otra 4 Definición de base de un espacio vectorial Un espacio vectorial siempre tiene al menos un conjunto de vectores que lo generan lo que nos lleva a la siguiente definición Definición 4 Sea V un espacio vectorial y {v, v,,v n } un conjunto finito de vectores de V Entonces {v, v,, v n } se llama base de V si satisface las siguientes condiciones: i) {v, v,, v n } es linealmente independiente ii) {v, v,, v n } genera V Esta definición nos proporciona las características que debemos buscar en un conjunto para que sea una base Ejemplo a) Recordemos que en la unidad pasada vimos que en R los vectores i = (, ) y j = (, ) eran linealmente independientes y que generaban a R, por lo tanto podemos decir que el conjunto {i, j} es una base para R b) También recordemos que el teorema 39 nos indica que cualquier conjunto de n vectores linealmente independientes de R n genera a R n, por lo tanto, podemos afirmar el siguiente resultado: 35

4 Unidad 4 Todo conjunto de n vectores linealmente independiente en R n es una base de R n Ahora veremos en el siguiente apartado ejemplos de bases para espacios vectoriales distintos de R n 4 Bases en varios tipos de espacios vectoriales En este apartado consideraremos ejemplos de espacios vectoriales distintos a R n Para manejar más fácilmente al espacio vectorial en su conjunto, encontraremos también algunas de las llamadas bases canónicas Consideremos el espacio vectorial formado por H = {(x, y, z) en R 3 tales que x y + 3z = } Vamos a encontrar una base para H Tomemos un vector (x, y, z) en H, entonces satisface el hecho de que x y + 3z = ; podemos reescribir esta condición como y = x + 3z, de donde tenemos que los vectores de H los podemos escribir de la siguiente manera: x x x+ 3z x 3z x z 3 z = + z = + de donde podemos decir que los vectores y 3 generan H Vamos ahora a probar que y 3 son linealmente independientes Consideremos una combinación lineal de ellos igual a cero: 36

5 Álgebralineal a + b 3 =, entonces tenemos que a = ; a + 3b = y b =, por lo tanto y 3 son linealmente independientes Podemos concluir que, como son linealmente independientes y generan H, entonces y 3 son una base para H Consideremos el espacio vectorial formado por todas las matrices de de la forma a D = a b / y R' b Vamos a encontrar una base para este espacio vectorial Tomemos una matriz de este espacio a b, entonces podemos a reescribirla como b = a b + de donde podemos afirmar que y generan todo el espacio vectorial Claramente observamos que también son linealmente independientes, por lo que podemos afirmar que son base del espacio D 3 Consideremos el sistema homogéneo de ecuaciones lineales x+ y z = x y+ 3z = Vamos a encontrar el conjunto solución S del sistema Para encontrar el conjunto solución consideremos la matriz aumentada asociada al sistema y llevémosla a la forma escalonada reducida por renglones 37

6 Unidad De aquí obtenemos el siguiente sistema x+ z = y z = de donde x=z y = z de manera que todas las soluciones del sistema son de la forma x z y z z z = z =, por lo que es una base para S Probaremos que S es un subespacio vectorial: Sean a y b en S, entonces existen a y b números tales que a = a(,,) = ( a, a, a) y b = b (,,) = ( b, b, b) i) a + b = ( a, a, a) + ( b, b, b) = ( a b, a+b, a+b) = ( (a+b), a+b, a+b) está en S ii) αa = α( a, a, a) = (α(a), αa, αa) = ( αa, αa, αa) está en S Entonces, por el teorema 3, S es un subespacio vectorial de R 3 4 Consideremos el espacio vectorial P (los polinomios de grado menor o igual a ) Vamos a encontrar una base para P Sea p un polinomio de P, entonces p = ax +bx+c de donde podemos observar que el conjunto formado por { x, x, } genera a P Probemos ahora que { x, x, } es un conjunto linealmente independiente Tomemos una combinación lineal igual a cero, entonces ax + bx +c = de donde obtenemos que existe la solución trivial para a = b = c = por lo que el conjunto es linealmente independiente Podemos entonces concluir que { x, x, } es una base para P 5 Sea P 3 un espacio vectorial, detemina si el conjunto B = {, +x, +x, +x 3 }es una base para P 3, 38

7 Álgebralineal Sea p un polinomio de P 3, entonces p = a x 3 + a x + a 3 x + a 4 Si B es una base, entonces genera a P 3 y, por lo tanto, p es una combinación lineal de B Sea la combinación lineal p = b + b (+x) + b 3 (+x ) + b 4 ( + x 3 ), entonces p = b + b + b x + b 3 + b 3 x + b 4 + b 4 x 3 = (b + b + b 3 + b 4 ) + b x + b 3 x + b 4 x 3 de donde igualando ambas expresiones tenemos que: a = b 4 ; a = b 3 ; a 3 = b ; a 4 = b + b + b 3 + b 4 = b + a 3 + a + a por lo tanto B sí genera a P 3 Veamos ahora si B es linealmente independiente Consideremos una combinación lineal igual a cero, b + b (+x) + b 3 (+x ) + b 4 ( + x 3 ) = entonces b + b + b x + b 3 + b 3 x + b 4 + b 4 x 3 = (b + b + b 3 + b 4 ) + b x + b 3 x + b 4 x 3 = de tal manera, b + b + b 3 + b 4 = ; b = ; b 3 = ; b 4 = de donde b = Por lo tanto, B es linealmente independiente y B es base de P 3 6 Vamos a probar que {(, ), (, )} es base para R Sea (x, y) en R, entonces (x, y) = x (, ) + y (, ) por lo tanto genera a R Si a(, ) + b(, ) = (, ) entonces a = y b =, y es linealmente independiente, por tanto {(, ), (, )} es una base para R y recibe el nombre de base canónica 7 De igual manera se puede probar que {(,, ), (,, ), (,, )} es la base canónica para R 3 8 Sea p en P 3 donde p = a + a x + a 3 x + a 4 x 3, entonces {, x, x, x 3 } generan a P 3 39

8 Unidad 4 Consideremos una combinación lineal de ellos igual a cero, entonces a + a x + a 3 x + a 4 x 3 =, esto implica que a = a = a 3 = a 4 = por lo cual también son linealmente independientes Esto nos lleva a asegurar que {, x, x, x 3 } es una base para P 3, llamada base canónica de P 3 Ejercicio Detemina si el conjunto de vectores dado es base para el espacio vectorial referido: a) En P, {x, x, x 3} b) En M,,, 6 7 Encuentra una base para cada uno de los espacios vectoriales: a) {(x, y, z) en R 3 tales que x y z = } b) {(x, y) en R tales que x + y = } 3 Encuentra una base para el espacio solución del sistema homogéneo dado: a) x y = 3x+ y = b) x 3y+ z = x+ y 3z = 4x 8y+ 5z = 4 Encuentra una base canónica para el espacio vectorial M 5 Encuentra una base canónica para el espacio vectorial R Coordenadas de un vector, relativas a alguna base Como vimos anteriormente, si un espacio vectorial V tiene al menos una base que genera a todo el espacio vectorial, entonces cualquier vector se puede escribir como combinación lineal de los vectores de la base; sin embargo, surge

9 Álgebralineal la pregunta: esta combinación lineal es única o hay varias? Consideremos el siguiente resultado Teorema 4 Si {v, v,, v n } es una base para el espacio vectorial V y si v está en V, entonces existe un conjunto único de escalares c, c,, c n tales que v = c v + c v + + c n v n Este teorema nos indica que la expresión de un vector como combinación lineal de los vectores de una base es única A continuación veremos algunos ejemplos de ello Ejemplo a) En R {(, ), (, )} forman la base canónica, por lo tanto (x, y) = x (, ) + y (, ) Supongamos que hay otra combinación lineal de estos vectores que nos dan el vector (x, y) (x, y) = a (, ) + b(, ), como ambas combinaciones dan el mismo vector tenemos que x (, ) + y (, ) = a (, ) + b(, ) de donde tenemos que (x, y) = (a, b) por lo tanto x = a, y = b y la combinación lineal es única b) Veamos ahora cómo podemos encontrar las coordenadas de un vector con respecto a una base dada Consideremos el conjunto {(, 3), (, )}, veremos que es base de R Para ello lo único que tenemos que hacer es mostrar que es linealmente independiente, ya que el teorema 39 nos indicaría que generan R Sea a (, 3) + b(, ) = una combinación lineal, entonces a b=, 3a + b = de donde obtenemos que a = b = ; por lo que es linealmente independiente y por tanto base de R Tomemos ahora un vector cualquiera de R (x, y), por el teorema 4 existen escalares c y c únicos de manera que (x, y) = c (, 3) + c (, ) Entonces tenemos que 4

10 Unidad 4 x= c c, y = 3c + c ; al resolver el sistema para c y c obtenemos que x+ y 3x y c =, c = + que son las coordenadas de (x, y) con respecto a la 5 5 base {(, 3), (, )} c) Usando el ejemplo anterior vamos a encontrar las coordenadas del vector (, ) con respecto a la base {(, 3), (, )} () + Sean c y c las coordenadas, entonces c = = 3 5 c = () + =, de tal manera que, para (x, y) = (, ) obtenemos 5 5 (, ) = 4/5 (, 3) /5 (, ) 4 5 y Ejercicio Encuentra las coordenadas de los vectores dados relativas a la base indicada: a) x = (3, ); {(, 3), (, )} b) x = (, 4); {(,5), (, 3)} c) x = (3, 5, ); {(,, 3), (,, ), (,, )} 44 Dimensión de un espacio vectorial Si hablamos de que un espacio vectorial puede tener muchas bases surge la pregunta: contienen todas las bases el mismo número de vectores? La respuesta para R n es sí, ya que el teorema 39 nos indica que cualquier conjunto de n vectores linealmente independientes en R n lo generan, y el corolario 3 nos dice que un conjunto linealmente independiente contiene a lo más n vectores Al unir ambos resultados obtenemos que todas las bases de R n contienen n vectores El siguiente teorema nos da la respuesta para todos los espacios vectoriales Teorema 4 Si {u, u,, u m } y {v, v,, v n } son bases de un espacio vectorial V, entonces m = n; es decir, cualesquiera dos bases en un espacio vectorial V tienen el mismo número de vectores 4

11 Álgebralineal Y debido a él podemos definir el siguiente concepto que es uno de los más importantes del álgebra lineal Definición 4 Si el espacio vectorial V tiene una base finita, entonces la dimensión de V es el número de vectores de todas sus bases y se dice que V es un espacio vectorial de dimensión finita A la dimensión de V se le denota por dim V En los siguientes ejemplos encontraremos la dimensión de varios espacios vectoriales Ejemplo 3 a) Si V = {} entonces se dice que V tiene dimensión cero y dim V = Éste es el único espacio con esta dimensión b) Consideremos el espacio vectorial de todos los polinomios de grado menor o igual a 3, P 3 Probaremos que el conjunto {, x, x, x 3 } es una base para P 3 Consideremos una combinación lineal de ellos igual a cero, entonces a() + b(x) + c(x ) + d(x 3 ) =, entonces a = b = c = d =, por lo tanto es linealmente independiente Es obvio que el conjunto genera P 3 ; por lo tanto podemos afirmar que {, x, x, x 3 } es una base para P 3 y por lo tanto dim P 3 = 4 c) Como las bases de R n contienen n vectores podemos afirmar que dim R n = n d) Consideremos el espacio vectorial de las matrices de orden 3, (M 3 ) y el conjunto formado por las matrices,,,,,, comprobaremos que son una base para M 3 Tomemos una combinación lineal igual a cero 43

12 Unidad 4 a c e b d a b c f = d + e + f lo que indica que generan a M 3 a b c d e + a b = c d = e f f esto implica claramente que a = b = c = d = e = f = y que el conjunto es linealmente independiente Por lo anterior podemos afirmar que forma una base para M 3 y que dim M 3 = 6 Consideremos en R 3 el subespacio vectorial H = {(x, y, z) tales que x y +3z = En el ejemplo de la sección 4 se demostró que y 3 son una base para H; podemos concluir que dim H = y sabemos que dim R 3 = 3; sucederá esto con todos los subespacios vectoriales? El siguiente resultado nos da la respuesta Teorema 43 Sea H un subespacio de un espacio vectorial V de dimensión finita Entonces H es de dimensión finita y dim H dim V Usaremos el teorema anterior para encontrar todos los subespacios de R 3 Ejemplo 4 Como dim R 3 = 3, entonces los subespacios de R 3 tendrán dimensiones,, y 3 El único subespacio de dimensión es {} 44

13 Álgebralineal Vamos a encontrar todos los subespacios de dimensión Sea H un subespacio de R 3 de dimensión, por lo tanto tiene una base formada por un solo vector v = (a, b, c) Sea x = (x, y, z) en H, entonces existe t escalar tal que x = t (a, b, c), por lo tanto (x, y, z) = t (a, b, c) = (ta, tb, tc) de donde x = ta, y = tb, z = tc Pero esta es la ecuación de una recta en R 3 que pasa por el origen Vamos a encontrar todos los subespacios de dimensión Sea H un subespacio de R 3 de dimensión, por lo tanto tiene una base formada por dos vectores v = (a, b, c ) y v = (a, b, c ) Sea x = (x, y, z) en H, entonces existen escalares s y t tales que x = s (a, b, c ) + t (a, b, c ), por lo tanto (x, y, z) = s (a, b, c ) + t (a, b, c ) de donde x =sa + ta, y = sb + tb, z = sc + tc Esta es la ecuación de un plano en R 3 que pasa por el origen Por lo tanto los únicos subespacios de R 3 son los vectores que están en una recta o en un plano que pasa por el origen Será necesario probar que un conjunto de vectores linealmente independientes genera a un espacio vectorial para asegurar que es una base? El siguiente teorema nos da una condición para asegurarnos que tenemos una base Teorema 44 Cualesquiera n vectores linealmente independientes en un espacio vectorial V de dimensión n forman una base para V Veamos algunos ejemplos donde usaremos este resultado para encontrar bases de espacios vectoriales Ejemplo 5 Consideremos a R 3, el conjunto {(, 3, 5), (,,), (,, )} es una base de R 3? Por el teorema anterior basta probar que es linealmente independiente ya que dim R 3 = 3 45

14 Unidad 4 Tomemos una combinación lineal igual a cero, a(, 3, 5) + b(,, ) + c(,, ) = (,, ) entonces a + b + c =, 3a c =, 5a = ; de donde a = b = c = ; el conjunto es linealmente independiente y por tanto una base para R 3 Ejercicio 3 Di si son falsas o verdaderas las siguientes afirmaciones: a) Cualesquiera tres vectores en R 3 forman una base para R 3 b) Cualesquiera tres vectores linealmente independientes en R 3 forman una base para R 3 c) Una base para un espacio vectorial es única d) Un espacio vectorial de dimensión 4 puede tener una base con 3 vectores e) Si H es un subespacio de V, entonces dim H > dim V Encuentra la dimensión de los siguientes espacios vectoriales: a) H = {(x, y, z) en R 3 tales que 3x y +6z = } b) El espacio solución del sistema homogéneo x 3y+ z = x+ y 3z = 4x 8y+ 5z = 45 Rango, nulidad, espacio de renglones y columnas de una matriz En la sección anterior vimos que es un poco difícil y tedioso encontrar una base para cualquier espacio vectorial; ahora veremos cómo se puede obtener una base para el espacio generado por un conjunto de vectores mediante la reducción por renglones de una matriz Recordemos que para que un conjunto genere un espacio no es necesario que sea una base También estudiaremos algunos conceptos muy importantes que se refieren a las matrices y por consiguiente a los sistemas de ecuaciones Definición 43 Sea A una matriz de m n, consideremos el conjunto N A = {x en R n tales que Ax = } 46

15 Álgebralineal entonces N A es un subespacio vectorial que se llama espacio nulo o kernel de A y su dimensión ν(a) = dim N A se llama nulidad de A En los siguientes ejemplos encontraremos el kernel y la nulidad de varias matrices usando esta definición Ejemplo 6 a) Sea A = de A 3 vamos a encontrar el espacio nulo y la nulidad Lo que queremos encontrar es el conjunto de vectores x = (x, y, z) de R 3 que satisfacen Ax =, esto significa tener el siguiente sistema de ecuaciones: x +y z= y x y + 3z = lo que se busca es encontrar una base para el espacio solución de este sistema homogéneo Como se vio en el ejemplo 3 de la sección 4, este sistema tiene como base al vector (,, ) y por lo tanto, N A = gen {(,, )} y ν(a) = b) Encontrar el espacio nulo y la nulidad de la matriz A = Para esto se diagonalizará la matriz aumentada: / 3/ / 3/ Entonces los vectores del kernel satisfacen que x /y + 3/z = de donde y = x + 3z y se pueden reescribir como x x x y x z x z x z = + 3 z = + 3 z = + z 3 Esto nos asegura que los vectores, 3 forman una base para el 47

16 Unidad 4 espacio nulo (kernel) Y por lo tanto: ν(a) =, es decir, la nulidad de A es El siguiente resultado une los conceptos de matriz invertible con el kernel y nulidad Teorema 45 Sea A una matriz de n n, entonces A es invertible, si y sólo si, ν(a) = Recordemos que si A es invertible, el sistema Ax = b tiene sólo una solución única x = A b, esto nos lleva a que el sistema homogéneo Ax = sólo tiene la solución trivial x =, de donde el kernel de A, N A = {x en R n tales que Ax = }= {} y por tanto ν(a) = Definiremos otros conceptos que nos son necesarios para encontrar una base en el espacio generado por un conjunto de vectores Definición 44 Sea A una matriz de m n Entonces la imagen de A es el conjunto imagen A = {y en R m tales que Ax = y para alguna x en R n } Encontraremos la imagen de una matriz Ejemplo 7 Sea A = vamos a encontrar su imagen Por la definición anterior tenemos que: Imagen A = {y en R tales que Ax = y para alguna x en R }, estamos buscando entonces todos los productos de la forma Ax = y Sea x = (x, y) en R, entonces Ax = x = ( x+ y, y), de donde y tenemos que los vectores de la imagen de A tienen la forma (x + y, y), es decir, imagen A = {(x+y, y)} El siguiente resultado nos dice que la imagen de una matriz es también un espacio vectorial y esto nos va a simplificar el método para encontrar una base para un espacio generado por un grupo de vectores 48

17 Álgebralineal Teorema 46 Sea A una matriz de m n, entonces la imagen de A es un subespacio de R m Usaremos el ejemplo anterior para checar que la imagen es en verdad un subespacio vectorial Ejemplo 8 Dada la imagen A = {(x+y, y)} mostrar que es un subespacio vectorial de R Tomemos dos elementos de la imagen A: u = (u +u, u ) v = (v +v, v ), entonces u + v = (u +u, u ) + (v +v, v ) = (u +u + v +v, u + v ) = (u + v + u +v, u + v ) = (u + v + (u +v ), u + v ) está en imagen A αu = α(u +u, u ) = (α(u +u ), αu ) = (αu +αu, αu ) está en la imagen de A, por lo anterior podemos decir que imagen A es un subespacio vectorial de R Como vimos, la imagen de A es un subespacio de R m, y como dim R m = m, entonces la imagen de A tiene dimensión finita La siguiente definición nos dirá cuál es esa dimensión y cómo se llama Definición 45 Sea A una matriz de m n Entonces el rango de A, denotado por ρ(a), está dado por ρ(a) = dim imagen A Vamos a encontrar la dimensión de la imagen A del ejemplo anterior Ejemplo 9 Imagen A = {(x+y, y)}, entonces los vectores de la imagen se x+ y x y pueden reescribir como x y y = + y = + de donde, generan la imagen A y como son linealmente independientes, podemos asegurar que son una base para imagen A, por lo tanto el rango de la matriz A ρ(a) = 49

18 Unidad 4 Las siguientes definiciones y teoremas nos facilitarán el cálculo del rango de una matriz Definición 46 Sea A una matriz de m n, sean {r, r,, r m } los renglones de A y {c, c,, c n } las columnas de A Entonces definimos R A = espacio de renglones de A = gen {r, r,, r m } C A = espacio de columnas de A = gen {c, c,, c n } Tomando de nuevo el ejemplo 7 tenemos A = entonces R A = gen {(, ), (, )} y C A = gen {(, ), (, )} = imagen A (ejemplo 9) El siguiente teorema nos demuestra que el espacio de las columnas de una matriz es igual a su imagen para cualquier matriz Teorema 47 Para cualquier matriz A, la imagen de A es igual al espacio de sus columnas C A = imagen de A En el siguiente ejemplo vamos a calcular el kernel, la imagen, el rango y la nulidad de una matriz A 5 Ejemplo a) Consideremos A = 3 i) Cálculo del kernel (espacio nulo) de A Para esto vamos a llevar a la matriz aumentada a su forma escalonada reducida por renglones x+ z = de donde obtenemos que y z = de tal manera que x=z y = z y

19 Álgebralineal x z y = z = z de esto se obtiene que z z kernel, es decir N A = gen {(,, )} es una base para el ii) Cálculo de la nulidad de A La nulidad de A = ν(a) = dim N A = iii) Imagen de A La imagen de A = C A = gen, = R ya que son vectores linealmente independientes iv) Rango de A ρ(a) = dim imagen A = dim C A = v) Espacio de renglones R A R A = gen {(,, ), (,, 3)} Consideremos una combinación lineal de ellos igual a cero a(,, ) + b(,, 3) =, entonces a + b =, a b =, a + 3b = de donde obtenemos que a = b =, y por lo tanto dim R A = Observemos que dim R A = dim C A = Será sólo una coincidencia? El siguiente resultado nos muestra que no Teorema 48 Si A es una matriz de m n, entonces: dim R A = dim C A = dim imagen A = ρ(a) Este teorema nos indica que los espacios vectoriales formados por las columnas y por los renglones de una matriz tienen la misma dimensión, y que podemos usar cualquiera de ellos para encontrar el rango de una matriz El siguiente ejemplo nos muestra un método usando los renglones de la matriz 5

20 Unidad 4 Ejemplo Calcula la imagen y el rango de la matriz A = Observemos que los renglones y 3 se obtienen de multiplicar el primer renglón por y 3, respectivamente, por lo que podemos asegurar que dim R A = y por el teorema anterior afirmar que cualquier columna de A es base para la imagen de A y el rango de A es ρ(a) = El siguiente teorema nos simplifica el cálculo de la imagen, el rango y la nulidad Teorema 49 Si la matriz A es equivalente por renglones a la matriz B, entonces R A = R B ; ρ(a) = ρ(b); ν(a) = ν(b) Este teorema es muy importante pues nos dice que para encontrar el rango y la imagen de una matriz basta llevarla a la forma escalonada por renglones para obtener el rango y la imagen También nos brinda un método para encontrar una base para el espacio generado por un conjunto de vectores 5 Ejemplo 3 a) Calcular el rango y la imagen de la matriz A = 4 3 Vamos a reducirla por renglones De aquí podemos observar que dim R A = = ρ(a) y por tanto Imagen de A = gen{(,, ), (,, )} b) Encontrar una base para el espacio generado por el conjunto de vectores de R 3

21 Álgebralineal 53 G = 3 4 4,,, 4 6 Se forma la matriz cuyos renglones son los vectores dados Vamos a llevarla a la forma escalonada por renglones / Entonces una base para gen G es 3, / Un último teorema nos garantiza las dimensiones del rango y la nulidad Teorema 4 Sea A una matriz de m n, entonces ρ(a) + ν(a) = n Es decir, el rango más la nulidad es igual al número de columnas de A Con el ejemplo siguiente comprobaremos el teorema anterior Ejemplo 3 Considera la matriz A = 3, vamos a llevar la matriz aumentada a su forma escalonada reducida por renglones:

22 Unidad entonces dim R A = 3 = ρ(a) Vamos a encontrar la nulidad de A El kernel de A es x = y = z =, por tanto ν(a) = y entonces ρ(a) + ν(a) = 3 + = 3 Ejercicio 4 Encuentra el rango y la nulidad de las siguientes matrices: a) b) Encuentra una base para la imagen y el espacio nulo de las matrices anteriores Matriz de transición Cambio de bases En la sección anterior se manejó que un espacio vectorial podía tener muchas bases, y que por lo tanto cualquier vector del espacio vectorial podía tener coordenadas en cada una de ellas Sin embargo, surge la pregunta: se podrá cambiar de base fácilmente? En la presente sección se dará respuesta a esta pregunta a través de una matriz especial Consideremos un ejemplo en R Sean i = (, ) y j = (, ) la base canónica (B ) para R ; y sean v = (, 3) y v = (, ) vectores de R Consideremos una combinación lineal de v y v igual a cero a(, 3) + b(, ) = entonces a b =, 3a + b = de donde a = b = y por tanto son linealmente independientes y forman otra base B = {v, v } para R

23 Álgebralineal x Sea x = (x, x ) en R, por lo tanto x = x x x = + = x i + x j en términos de la base canónica (B ) y para hacer hincapié en este hecho se x escribe (x) B = x Como B es otra base de R, existen escalares c y c tales que c x = c v + c v y por lo tanto se escribe (x) B = c Para encontrar los escalares c y c vamos a proceder de la siguiente manera: Se escriben los elementos de la base B en términos de la base B = 3 + = 3 + a b y a b entonces, a b = a b = y de estos obtenemos: 3a + b = 3a + b = a = /5; b = 3/5; a = /5; b = /5 por lo tanto: i = (/5)v (3/5)v j = (/5)v + (/5)v Después se escribe el vector sustituyendo las nuevas coordenadas: x x = x = x i + x j = x[ ( / 5) v ( 35 / ) v] + x[ (/ 5) v + ( 5 / ) v] = [( / 5) x + ( 5 / ) x ] v + [ ( 35 / ) x + ( 5 / ) x )] v de donde c = [( / 5) x+ ( 5 / ) x] y c = [ ( 35 / ) x+ ( 5 / ) x] Por último formamos una matriz cuyas columnas sean las coordenadas de los vectores de la primera base en términos de la segunda Por tanto tenemos que c x = c ( / 5) x + ( 5 / ) x = ( 35 / ) x + ( 5 / ) x / 5 /5 = 35 5 x / / x A continuación daremos la definición para esta matriz 55

24 Unidad 4 Definición 47 A la matriz cuyas columnas son las coordenadas de los vectores de la base B en términos de la base B se llama matriz de transición de la base B a la base B Para obtener las coordenadas de cualquier vector en esta nueva base B, basta multiplicar la matriz de transición por las coordenadas del vector en la base B Ejemplo 4 a) Consideremos el vector x = (3, 4), entonces las coordenadas en la base B del ejemplo anterior serán: / 5 5 / 3 / 5 (x) B = 35 / 5 / 4 = para verificarlo tenemos que 3/ 5 (/5)v (3/5)v = /5(, 3) 3/5(, ) = (3, 4) Los siguientes teoremas nos indican formalmente el procedimiento realizado anteriormente que nos permitirá cambiar de una base a otra Teorema 4 Sean B y B bases de un espacio vectorial V Sea A la matriz de transición de B a B Entonces para todo x en V tenemos: (x) B = A(x) B Teorema 4 Si A es la matriz de transición de B a B, entonces A es la matriz de transición de B a B Este teorema hace que sea sencillo encontrar la matriz de transición a partir de una base canónica en R n a cualquier otra base de R n 56

25 Álgebralineal 57 Ejemplo 5 Encontrar la matriz de transición de la base canónica de R 3 a la base B = 3,, Para ello escribiremos la matriz C cuyas columnas son los vectores de B C = 3 esta matriz es la de transición de la base B a la base canónica, ya que los vectores de la base B se encuentran expresados en términos de la base canónica Entonces, por el teorema anterior, la matriz C será la matriz que estamos buscando Es fácil verificar C = / / / / / / / / / Si (x) B = (,, 4), entonces (x) B = / / / / / / / / / = / / / de donde / / / + = 4 Ejercicio 5 Encuentra la matriz de transición de la base B a la base B : B =, B = 3 3 4, Escribe (x, y, z) de R 3 en términos de la base ,,

26 Unidad 4 3 Si en R (x) B = (4, ) donde B = 3 de la base B =, 7 5 3, Escribe x en términos Ejercicios resueltos Encuentra una base para H = {(x, y, z) de R 3 tales que 3x + 6z y = } Sea (x, y, z) en H, entonces 3x + 6z y =, lo reescribimos como y = (3/)x + 3z, entonces todos los elementos de H pueden escribirse de la siguiente manera x x x y = ( 3/ ) x+ 3z = ( 3/ ) x + 3z = x 3/ + z 3 z z z de donde 3/ 3 Probaremos ahora que son linealmente independientes; tomemos una combinación lineal igual a cero: a 3/ + b 3 =, entonces a=, (3/) a+ 3b=, b= de donde a = b = y son linealmente independientes, por lo tanto son una base para H Encuentra las coordenadas del vector (,, 3) relativas a la base B={(,, 3), (,, ), (,, )} Como B es base, existen a, b, c tales que (,, 3) = a(,, 3) + b(,, ) + c(,, ) a+ c= de donde obtenemos el siguiente sistema de ecuaciones b c= al 3a+ b= 3 a = 6/ 5 resolverlo tenemos que b =35 / por lo tanto (,, 3) = 6/5 (,, 3) c = 4/ 5 3/5 (,, ) + 4/5 (,, ) 58

27 Álgebralineal 59 3 Encuentra el rango, nulidad, y una base para la imagen y el kernel (espacio nulo) de la matriz A = Vamos a llevar la matriz A a la forma escalonada reducida por renglones Por lo tanto ρ(a) = 3 y ν(a) = además,, forman una base para la imagen de A Vamos a obtener una base para el kernel, sabemos que de la última matriz obtenemos el sistema de ecuaciones x w y w z w + = = + = de donde x w y w z w = = =, por lo tanto los elementos del kernel de A podemos escribirlos de la siguiente manera: x y z w w w w w w = = por lo tanto es una base para el kernel de A 4 Encuentra la matriz de transición de la base B = {(, ),(, 3)} a la base B ={(, 3),(5, )} Primero vamos a escribir los elementos de la base B en términos de la base B (, ) = a (, 3) + b(5, ) 5b = y 3a b = de donde b = /5 y a = /5 (, 3) = c (, 3) + d(5, ) 5d = y 3c d = 3 de donde d = /5 y c = 7/5

28 Unidad 4 Ahora vamos a formar la matriz de transición poniendo en sus columnas las coordenadas de los vectores de la base B en términos de la base B : / 5 7 / 5 5 / / 5 5 Usando la matriz de transición del ejercicio anterior escribe las coordenadas del vector (x) B = (, ) en términos de la base B : (x) B = / 5 7 / 5 4/ 5 5 / / 5 = / 5 Ejercicios propuestos Di si el vector B = { 3x, +x, x 5} es base en P Encuentra una base para x y z = x y+ z = 3 Encuentra las coordenadas de los vectores dados en la base indicada: a) (, ) en {(, 3),(, )} b) (,, ) en {(,, 3),(,, ),(,, )} 4 Encuentra una base para 3x y + z = y di cuál es su dimensión 5 Si dim P = 3, {x, 3x, x 5} es base de P? 6 Encuentra una base para la imagen y el espacio nulo (kernel), además del 3 rango y la nulidad de Encuentra la matriz de transición de la base canónica de R, a la base 6

29 Álgebralineal Autoevaluación Es una base para R 3 a) {(,, ), (,, ), (4,, ), (,, )} b) {(, ),(, ),(, )} c) {(,, 3),(,, 3),(, 4, )} d) {(,, ), (3,, ), (,, )} Si {(,, ),(,, )}forman una base para el espacio vectorial G, entonces: a) dim G = b) dim G = c) dim G = 3 d) dim G = H: 3 Si H es un subespacio vectorial de R 3, entonces puede ser una base para a) {(3,, )} b) {(, ),(, )} c) {(,, ), (,, ),(,, )} d) {(,, ),(,, ),(,, ),(,, )} 4 El rango de la matriz a) b) c) 3 d) es: 5 Si una matriz de orden 5 7 tiene nulidad, entonces su rango es: a) 5 b) 3 c) d) 7 6

30 Unidad 4 6 La nulidad de la matriz a) b) c) d) es: es: 7 La matriz de transición en R de la base 3 3, 4 a la base, 3 a) b) 3 4 c) d) 3 6

31 Álgebralineal 63 Respuestas a los ejercicios Ejercicio a) No es base; el polinomio x no puede escribirse como combinación lineal de ellos b) No es base a), b) 3 a) b) / / 4,,, 5,,,

32 Unidad 4 Ejercicio a) (3, ) = (8/5, 7/5) b) (, 4) = (, 3) a) (3, 5/, ) Ejercicio 3 a) F b) V c) F d) F e) F a) dim H = b) dim = Ejercicio 4 a) rango = ; nulidad = b) rango = ; nulidad = a) Imagen A = gen {(, )}; kernel A = gen {(3,, ), (,, )} b) Imagen A = gen {(,, ), (, 4, 4)}; kernel A = gen {( 3,, )} 64 Ejercicio (/ 3) 6x y+ z x+ 7y7z 7x+ 3y9z 3 (x) B = (67, 45)

33 Álgebralineal Respuestas a los ejercicios propuestos Sí es Una base es 3 3 a) (, ) = /5(, 3) 3/5(, ) b) (,, ) = (,, 3) + (,, ) + (,, ) 4 3, dim = 5 Sí es 6 Imagen A = gen {(,, ), (,, )} kernel A = gen {( 6, 4,, ),( 6, 3,, )} rango A = nulidad A = 7 / / / / Respuestas a la autoevaluación c) d) 3 a) 4 c) 5 a) 6 b) 7 a) 65

ESPACIOS VECTORIALES

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

Más detalles

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

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

Espacios Vectoriales Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios

Más detalles

Espacios Vectoriales www.math.com.mx

Espacios Vectoriales www.math.com.mx Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................

Más detalles

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

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

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

Base y Dimensión de un Espacio Vectorial

Base y Dimensión de un Espacio Vectorial Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un

Más detalles

Problemas de Espacios Vectoriales

Problemas de Espacios Vectoriales Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial

Más detalles

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

un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades: CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse

Más detalles

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

Algebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21 Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)

Más detalles

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES

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

Más detalles

Sistemas de dos ecuaciones lineales de primer grado con dos incógnitas

Sistemas de dos ecuaciones lineales de primer grado con dos incógnitas Un sistema de dos ecuaciones lineales de primer grado con dos incógnitas tiene la siguiente forma Ax + By + C = 0 A x + B y + C (1) = 0 Ya sabemos que una ecuación lineal de primer grado con dos incógnitas

Más detalles

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Ma1010 Departamento de Matemáticas ITESM Álgebra - p. 1/31 En este apartado se introduce uno de los conceptos más importantes del curso: el de combinación lineal entre vectores. Se establece la

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

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

Introducción a los espacios vectoriales

Introducción a los espacios vectoriales 1 / 64 Introducción a los espacios vectoriales Pablo Olaso Redondo Informática Universidad Francisco de Vitoria November 19, 2015 2 / 64 Espacios vectoriales 1 Las 10 propiedades de un espacio vectorial

Más detalles

MMAF: Espacios normados y espacios de Banach

MMAF: 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 detalles

ESPACIOS VECTORIALES

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

Más detalles

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ). INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.

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

Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes

Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción

Más detalles

Trabajo Práctico N 5: ESPACIOS VECTORIALES. Ejercicio 1:

Trabajo Práctico N 5: ESPACIOS VECTORIALES. Ejercicio 1: 6 Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio : Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique

Más detalles

Conjuntos y matrices. Sistemas de ecuaciones lineales

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

Más detalles

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos Capítulo Espacios vectoriales.1 Definición y ejemplos Un espacio vectorial sobre un cuerpo K (que supondremos conmutativo es un conjunto no vacío junto con 1. una operación interna, +, a la que llamaremos

Más detalles

Espacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1

Espacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1 Espacios Vectoriales 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Espacios Vectoriales... 4 1.1 Definición de espacio vectorial... 4 1.2 Definición de subespacio vectorial...

Más detalles

Trabajo Práctico N 5: ESPACIOS VECTORIALES

Trabajo Práctico N 5: ESPACIOS VECTORIALES Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio 1: Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique

Más detalles

ELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano

ELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano ELEMENTOS DE GEOMETRÍA Eduardo P. Serrano Este Apunte de Clase está dirigido a los alumnos de la materia Elementos de Cálculo Numérico para Biólogos. Tiene por objeto exponer algunos conceptos básicos

Más detalles

Espacios Vectoriales

Espacios Vectoriales Leandro Marín Octubre 2010 Índice Definición y Ejemplos Paramétricas vs. Impĺıcitas Bases y Coordenadas Para definir un espacio vectorial tenemos que empezar determinando un cuerpo sobre el que esté definido

Más detalles

Mat r i z in v e r s a

Mat r i z in v e r s a Unidad 2 Método de GaUss Mat r i z in v e r s a M U lt i pli cat i va Objetivos: Al inalizar la unidad, el alumno: Representará un sistema de m ecuaciones lineales con n incógnitas mediante una matriz

Más detalles

Construcción de bases en la suma y la intersección de subespacios (ejemplo)

Construcción de bases en la suma y la intersección de subespacios (ejemplo) Construcción de bases en la suma y la intersección de subespacios (ejemplo) Objetivos Aprender a construir bases en S + S y S S, donde S y S están dados como subespacios generados por ciertos vectores

Más detalles

Tema 2: Espacios Vectoriales

Tema 2: Espacios Vectoriales Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.

Más detalles

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

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

IN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0

IN 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 detalles

Espacios vectoriales Espacios y subespacios vectoriales

Espacios vectoriales Espacios y subespacios vectoriales Capítulo 3 Espacios vectoriales 3.. Espacios y subespacios vectoriales Definición 3.. Un espacio vectorial ( o lineal ) es un conjunto no vacío V, cuyos elementos se denominan vectores, en el que hay definidas

Más detalles

es el lugar geométrico de los puntos p tales que p 0 p n o p 0 p o. p x ; y ; z perteneciente a y un vector no

es el lugar geométrico de los puntos p tales que p 0 p n o p 0 p o. p x ; y ; z perteneciente a y un vector no El Plano y la Recta en el Espacio Matemática 4º Año Cód. 145-15 P r o f. M a r í a d e l L u j á n M a r t í n e z P r o f. J u a n C a r l o s B u e P r o f. M i r t a R o s i t o P r o f. V e r ó n i

Más detalles

Combinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291)

Combinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291) Combinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291) I. Combinación Lineal Definición: Sean v 1, v 2, v 3,, v n vectores en el espacio vectorial V. Entonces cualquier

Más detalles

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Lineal Ma1010 Líneas y s en el Espacio Departamento de Matemáticas ITESM Líneas y s en el Espacio Álgebra Lineal - p. 1/34 Los conjuntos solución a un sistema de ecuaciones lineales cuando tienen

Más detalles

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

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

Más detalles

MENORES, COFACTORES Y DETERMINANTES

MENORES, COFACTORES Y DETERMINANTES MENORES, COFACTORES Y DETERMINANTES 1. Introducción. 2. Determinante de una matriz de 3 x 3. 3. Menores y cofactores. 4. Determinante de una matriz de n x n. 5. Matriz triangular. 6. Determinante de una

Más detalles

Sistem as de ecuaciones lineales

Sistem as de ecuaciones lineales Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a

Más detalles

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

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

Más detalles

. Universidad Tecnológica Nacional - Facultad Regional Rosario. Álgebra y Geometría Analítica EL PLANO

. Universidad Tecnológica Nacional - Facultad Regional Rosario. Álgebra y Geometría Analítica EL PLANO . Universidad Tecnológica Nacional - Facultad Regional Rosario Álgebra y Geometría Analítica EL PLANO Autores: Lic. Martha Fascella Ing. Ricardo F. Sagristá 0 Contenido EL PLANO... 3.- Definición del plano

Más detalles

Definición de la matriz inversa

Definición de la matriz inversa Definición de la matriz inversa Objetivos Aprender la definición de la matriz inversa Requisitos Multiplicación de matrices, habilidades básicas de resolver sistemas de ecuaciones Ejemplo El número real

Más detalles

Apéndice sobre ecuaciones diferenciales lineales

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

Más detalles

Álgebra Lineal VII: Independencia Lineal.

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

Más detalles

Lección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos

Lección 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 detalles

Rectas y Planos en el Espacio

Rectas y Planos en el Espacio Rectas y Planos en el Espacio Rectas y Planos en el Espacio Verónica Briceño V. septiembre 2012 Verónica Briceño V. () Rectas y Planos en el Espacio septiembre 2012 1 / 20 En esta Presentación... En esta

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES 1 SISTEMAS DE ECUACIONES LINEALES Una ecuación es un enunciado o proposición que plantea la igualdad de dos expresiones, donde al menos una de ellas contiene cantidades desconocidas llamadas variables

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 2. ESPACIOS VECTORIALES

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

Más detalles

1. RANGO DE UNA MATRIZ

1. RANGO DE UNA MATRIZ . RANGO DE UNA MATRIZ El rango de una matriz es el mayor de los órdenes de los menores no nulos que podemos encontrar en la matriz. Por tanto, el rango no puede ser mayor al número de filas o de columnas.

Más detalles

Subespacios vectoriales en R n

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

Más detalles

La recta en el plano.

La recta en el plano. 1 CONOCIMIENTOS PREVIOS. 1 La recta en el plano. 1. Conocimientos previos. Antes de iniciar el tema se deben de tener los siguientes conocimientos básicos: Intervalos y sus definiciones básicas. Representación

Más detalles

Problemas de exámenes de Aplicaciones Lineales y Matrices

Problemas de exámenes de Aplicaciones Lineales y Matrices 1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector

Más detalles

Estructuras Algebraicas

Estructuras Algebraicas Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos

Más detalles

3.1 El espacio afín R n

3.1 El espacio afín R n 3. Geometría analítica 3.1 El espacio afín R n Consideremos el conjunto R n, formado por las listas ordenadas (x 1,...,x n ) de números reales. Convengamos en llamar puntos a los elementos de R n. Pero

Más detalles

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

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

Más detalles

Espacios vectoriales. Capítulo Espacios vectoriales y subespacios Preliminares

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

Más detalles

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

Dependencia e independencia lineal

Dependencia e independencia lineal CAPíTULO 3 Dependencia e independencia lineal En este capítulo estudiaremos tres conceptos de gran importancia para el desarrollo del álgebra lineal: el concepto de conjunto generador, el concepto de conjunto

Más detalles

ALGEBRA. Escuela Politécnica Superior de Málaga

ALGEBRA. Escuela Politécnica Superior de Málaga ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.

Más detalles

Sistemas de ecuaciones lineales dependientes de un parámetro

Sistemas de ecuaciones lineales dependientes de un parámetro Vamos a hacer uso del Teorema de Rouché-Frobenius para resolver sistemas de ecuaciones lineales de primer grado. En particular, dedicaremos este artículo a resolver sistemas de ecuaciones lineales que

Más detalles

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

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

Más detalles

Combinación Lineal. Departamento de Matemáticas, CCIR/ITESM. 10 de enero de 2011

Combinación Lineal. Departamento de Matemáticas, CCIR/ITESM. 10 de enero de 2011 Combinación Lineal Departamento de Matemáticas, CCIR/ITESM 10 de enero de 011 Índice.1. Introducción............................................... 1.. Combinación lineal entre vectores...................................

Más detalles

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

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

Más detalles

Polaridad. Tangentes. Estudio geométrico de cónicas y cuádricas

Polaridad. Tangentes. Estudio geométrico de cónicas y cuádricas Tema 6- Polaridad Tangentes Estudio geométrico de cónicas y cuádricas En este tema pretendemos estudiar propiedades de V(Q), especialmente en los casos real y complejo, con n =2,3 Para ello, necesitamos

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Ev En todo el curso K es un cuerpo Podeis pensar que K = Q, K = R o K = C Un conjunto no vacio E es un K-espacio vectorial (o abreviadamente, un K-ev) cuando existan dos operaciones,

Más detalles

Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen

Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen 1. Teorema de la representación matricial de una transformación

Más detalles

Teoría Tema 9 Ecuaciones del plano

Teoría Tema 9 Ecuaciones del plano página 1/11 Teoría Tema 9 Ecuaciones del plano Índice de contenido Determinación lineal de un plano. Ecuación vectorial y paramétrica...2 Ecuación general o implícita del plano...6 Ecuación segmentaria

Más detalles

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x

Más detalles

RECONOCER EL GRADO, EL TÉRMINO Y LOS COEFICIENTES DE UN POLINOMIO

RECONOCER EL GRADO, EL TÉRMINO Y LOS COEFICIENTES DE UN POLINOMIO OBJETIVO RECONOCER EL GRADO, EL TÉRMINO Y LOS COEICIENTES DE UN POLINOMIO NOMBRE: CURSO: ECHA: Un polinomio es una expresión algebraica formada por la suma de monomios, que son los términos del polinomio.

Más detalles

MATRICES DETERMINANTES

MATRICES DETERMINANTES MATRICES Y DETERMINANTES INTRODUCCIÓN, MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de

Más detalles

2.1. Estructura algebraica de espacio vectorial

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

Más detalles

Tema 2.- Formas Cuadráticas.

Tema 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 detalles

Tema 1: Espacios vectoriales

Tema 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 detalles

SISTEMAS DE ECUACIONES LINEALES. Método de reducción o de Gauss. 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González.

SISTEMAS DE ECUACIONES LINEALES. Método de reducción o de Gauss. 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González. SISTEMAS DE ECUACIONES LINEALES Método de reducción o de Gauss 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González. SISTEMAS DE DOS ECUACIONES LINEALES CON DOS INCÓGNITAS.

Más detalles

Conjuntos, relaciones y funciones Susana Puddu

Conjuntos, 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 detalles

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES Parte A: determinantes. A.1- Definición. Por simplificar, consideraremos que a cada matriz cuadrada se le asocia un número llamado determinante que se

Más detalles

4.1. Polinomios y teoría de ecuaciones

4.1. Polinomios y teoría de ecuaciones CAPÍTULO 4 Polinomios y teoría de ecuaciones 4.1. Polinomios y teoría de ecuaciones Un polinomio real en x, o simplemente polinomio en x es una expresión algebraica de la forma a n x n + a n 1 x n 1 +

Más detalles

Clase 8 Matrices Álgebra Lineal

Clase 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 detalles

Tema 1: Matrices y Determinantes

Tema 1: Matrices y Determinantes Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz

Más detalles

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

Es trivial generalizar la definición al caso de varios conjuntos: A B C, etc. Tema 1 Espacios Vectoriales 1.1 Introducción Estas notas están elaboradas pensando simplemente en facilitar al estudiante una guía para el estudio de la asignatura, y en consecuencia se caracterizan por

Más detalles

GEOMETRÍA. que pasa por el punto P y es paralelo a π. (0,9 puntos) b) Determinar la ecuación del plano π

GEOMETRÍA. que pasa por el punto P y es paralelo a π. (0,9 puntos) b) Determinar la ecuación del plano π GEOMETRÍA 1.- Se considera la recta r : ( x, y, z) = ( t + 1, t,3 t), el plano π: x y z = 0y el punto P (1,1,1). Se pide: a) Determinar la ecuación del plano π 1 que pasa por el punto P y es paralelo a

Más detalles

i05matrices.nb Matrices

i05matrices.nb Matrices i05matrices.nb 1 0.5 Matrices Lo primero que necesitamos es la forma en que se escriben las matrices en Mathematica. Recordemos que cada fila corresponde a una lista y que los elementos de ésta van entre

Más detalles

Semana03[1/17] Funciones. 16 de marzo de Funciones

Semana03[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 detalles

Matrices y determinantes

Matrices y determinantes Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna

Más detalles

Algebra Lineal Tarea No 22: Valores y vectores propios Solución a algunos problemas de la tarea (al 29 de junio de 2014)

Algebra Lineal Tarea No 22: Valores y vectores propios Solución a algunos problemas de la tarea (al 29 de junio de 2014) Algebra Lineal Tarea No : Valores y vectores propios a algunos problemas de la tarea (al 9 de junio de 04. Para la matriz A A Indique cuáles vectores son vectores propios: ( ( ( v, v, v 3 3 Recordemos

Más detalles

NÚMEROS COMPLEJOS: C

NÚMEROS COMPLEJOS: C NÚMEROS COMPLEJOS: C Alejandro Lugon 21 de mayo de 2010 Resumen Este es un pequeño estudio de los números complejos con el objetivo de poder usar las técnicas de solución de ecuaciones y sistemas diferenciales

Más detalles

Descomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)

Descomposición 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 detalles

ALGEBRA Y GEOMETRÍA II 2º semestre Año: 2012. Guía de Estudio y Ejercitación propuesta

ALGEBRA Y GEOMETRÍA II 2º semestre Año: 2012. Guía de Estudio y Ejercitación propuesta ALGEBRA Y GEOMETRÍA II 2º semestre Año: 2012 1 Guía de Estudio y Ejercitación propuesta Esta selección de Temas y Ejercicios están extraídos del texto FUNDAMENTOS DE ALGEBRA LINEAL de R. Larson y D. Falvo.

Más detalles

Tema 5: Sistemas de Ecuaciones Lineales

Tema 5: Sistemas de Ecuaciones Lineales Tema 5: Sistemas de Ecuaciones Lineales Eva Ascarza-Mondragón Helio Catalán-Mogorrón Manuel Vega-Gordillo Índice 1 Definición 3 2 Solución de un sistema de ecuaciones lineales 4 21 Tipos de sistemas ecuaciones

Más detalles

Espacios Vectoriales. Espacio vectorial

Espacios Vectoriales. Espacio vectorial Espacios Vectoriales Espacio vectorial En Matemática, los conjuntos tienen un particular interés debido a la naturaleza o a la aplicación que se les da. Estas dos características están presentes en un

Más detalles

Transformaciones lineales

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

Más detalles

Tema 2 Datos multivariantes

Tema 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 detalles

Factorización ecuación identidad condicional término coeficiente monomio binomio trinomio polinomio grado ax3

Factorización ecuación identidad condicional término coeficiente monomio binomio trinomio polinomio grado ax3 Factorización Para entender la operación algebraica llamada factorización es preciso repasar los siguientes conceptos: Cualquier expresión que incluya la relación de igualdad (=) se llama ecuación. Una

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas de Ecuaciones Lineales y Matrices Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una

Más detalles