Aplicaciones lineales.

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

Download "Aplicaciones lineales."

Transcripción

1 Tema 4 Aplicaciones lineales. Definición 4. Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una aplicación lineal si: a f(u + v = f(u + f(v; u, v V, b f(ku = kf(u; u V y k IR. Estas dos propiedades se pueden reunir en: En general, se tiene que: f(ku + lv = kf(u + lf(v; u, v V, k, l IR. f(k u + k 2 u k r u r = k f(u + k 2 f(u k r f(u r u, u 2...., u r V, k, k 2,..., k r IR Si una aplicación f: V W es lineal y biyectiva, se dice que f es un isomorfismo entre los espacios V y W. Si V = W, entonces la aplicación lineal f: V V recibe el nombre de operador lineal o endomorfismo. Y si f es además biyectiva se dice que f es un automorfismo. 4. Propiedades de las aplicaciones lineales. Núcleo e imagen. Proposición 4.2 Si f: V W es una aplicación lineal, entonces: a f(0 V = 0 W ; 0 V, 0 W son los ceros de V y W. b f( v = f(v; v V. Definición 4.3 Dada una aplicación lineal f: V W, se define el núcleo de f, que se denota por ker(f ó ker f, como el conjunto: ker f = {v V : f(v = 0} y se define la imagen de f, que se denota por img(f ó img f, como el conjunto img f = {w W : v V tal que f(v = w} Es sencillo probar que ker f es un subespacio vectorial de V e img f es subespacio vectorial de W. Definición 4.4 Si f: V W es una aplicación lineal, entonces la dimensión del núcleo se denomina la nulidad de f y la dimensión de la imagen de f se denomina el rango de f. Álgebra Lineal. 48

2 4. Propiedades de las aplicaciones lineales. Núcleo e imagen. Si f: V W es una aplicación lineal y B = {v, v 2,..., v n } es una base de V, la aplicación lineal queda perfectamente determinada si conocemos las imágenes por f de los vectores de la base B, ya que para todo v V existen k, k 2,..., k n IR únicos, tales que v = k v + k 2 v k n v n, con lo que f(v = f(k v + k 2 v k n v n = k f(v + k 2 f(v k n f(v n Nótese, que de ésto se deduce que img f = lin{f(v, f(v 2,..., f(v n } Teorema de la dimensión 4.5 Si f: V W es una aplicación lineal, con V un espacio vectorial de dimensión n, entonces: dim(ker f + dim(img f = n = dim(v Si la dim(ker f = n, entonces ker f = V, y f(v = 0 v V, luego img f = {0} que tiene dimensión cero, por lo que se cumple dim(ker f + dim(img f = dim V (n + 0 = n Si la dim(ker f = r < n, sea B ker = {u,..., u r } una base del ker f. Por la Proposición 3., ésta base puede completarse hasta una base de V, B V = {u,..., u r, v r+,..., v n }, y el conjunto imagen será por tanto img f = lin{f(u,..., f(u r, f(v r+,..., f(v n } = lin{0,..., 0, f(v r+,..., f(v n } = lin{f(v r+,..., f(v n } Si probamos que el conjunto formado por esos n r vectores es linealmente independiente, será una base de la img f y habremos probado que dim(ker f + dim(img f = dim V (r + n r = n ; como queríamos. Probar la cuestión pendiente es sencillo, sean λ r+,..., λ n tales que y por ser f una aplicación lineal por lo que el vector λ r+ f(v r+ + + λ n f(v n = 0, f(λ r+ v r+ + + λ n v n = 0 λ r+ v r+ + + λ n v n ker f Ahora bien, como B ker es una base del ker f, se tiene que para ciertos µ,..., µ r. Luego λ r+ v r+ + + λ n v n = µ u + + µ r u r µ u µ r u r + λ r+ v r+ + + λ n v n = 0 y µ = = µ r = λ r+ = = λ n = 0 por formar esos vectores una base de V. En particular, con λ r+ = = λ n = 0 se prueba que el conjunto {f(v r+,..., f(v n } es un conjunto linealmente independiente de vectores, que por ser también generador de la img f es una base de ella. Álgebra Lineal. 49

3 4.2 Aplicaciones matriciales 4.2 Aplicaciones matriciales Consideremos la aplicación f: IR n IR m definida por f(x = Ax, siendo A una matriz fija m n y x IR n, x = (x, x 2,..., x n t. Como consecuencia de las operaciones sobre las matrices, la aplicación es lineal. A este tipo de aplicaciones se les denomina aplicaciones matriciales. El estudio de estas aplicaciones es fundamental ya que, como veremos, todas las aplicaciones lineales entre espacios vectoriales de dimensión finita acaban siendo aplicaciones matriciales al usar coordenadas. El núcleo de estas aplicaciones será: ker f = {x IR n : Ax = 0}, es decir, el conjunto de soluciones del sistema homogéneo Ax = 0. La imagen de f coincide con el espacio de las columnas de la matriz A, E c (A, pues b img(f x IR n tal que Ax = b es decir, si tiene solución el sistema a a 2 a n a 2 a 22 a 2n... a m a m2 a mn x x 2. x n b = b 2. b m a x + a 2 x a n x n b a 2 x + a 22 x a 2n x n = b 2. a m x + a m2 x a mn x n b m a a 2 a n b a 2 x. + x a x a 2n n. = b 2. b E c(a a m a m2 a mn b m 4.3 Matrices que representan aplicaciones lineales Veremos que toda transformación o aplicación lineal entre espacios vectoriales de dimensión finita, se puede considerar como una aplicación matricial Aplicaciones lineales de IR n en IR m Proposición 4.6 Si f: IR n IR m es una aplicación lineal, entonces f es una aplicación matricial (es decir existe una matriz A tal que f(x = Ax. Sea B = {e, e 2,..., e n } la base canónica de IR n, y sea A la matriz m n que tiene a los vectores f(e, f(e 2,..., f(e n de IR m como sus vectores columna. Vamos a probar que f(x = Ax; x IR n. Álgebra Lineal. 50

4 4.3 Matrices que representan aplicaciones lineales Se tiene que x = (x, x 2,..., x n = x e + + x n e n y por la linealidad de f, Por otra parte Ax = a a 2 a a 2 a n a 2 a 22 a 2n... a m a m2 a mn a 2 a 22 f(x = x f(e + + x n f(e n. x x 2. x n = a n a 2n a x + a 2 x a n x n a 2 x + a 22 x a 2n x n a m x + a m2 x a mn x n = = x. + x x n. = x f(e + + x n f(e n = f(x a m a m2 a mn Luego efectivamente, f(x = Ax, para A definida como indicamos. A esta matriz A se la llama matriz estándar de f Aplicaciones lineales entre espacios cualesquiera Vamos ahora a demostrar que a cualquier aplicación lineal f: V W, con dim V = n y dim W = m, se le puede asociar una aplicación matricial. Sean B = {v, v 2,..., v n } una base del espacio V y B = {w, w 2,..., w m } una base de W. Todo v V se escribe de forma única como combinación lineal de los vectores de la base, v = k v + k 2 v k n v n, luego f(v = k f(v + k 2 f(v k n f(v n. Supongamos que conocemos las imágenes de f(v, f(v 2,..., f(v n expresadas en la base B, por lo tanto f(v = a w + a 2 w a m w m f(v 2 = a 2 w + a 22 w a m2 w m f(v n = a n w + a 2n w a mn w m f(v = k (a w + a 2 w a m w m + k 2 (a 2 w + a 22 w a m2 w m + + k n (a n w + a 2n w a mn w m = (k a + k 2 a k n a n w + (k a 2 + k 2 a k n a 2n w (k a m + k 2 a m2 + + k n a mn w m que expresado en coordenadas [f(v] B = k a + k 2 a k n a n k a 2 + k 2 a k n a 2n k a m + k 2 a m2 + + k n a mn = a a 2 a n a 2 a 22 a 2n... a m a m2 a mn k k 2. k n Luego, hemos encontrado que ( [f(v] B = [f(v ] B [f(v 2 ] B [f(v n ] B [v] B = A[v] B Álgebra Lineal. 5

5 4.4 Composición de aplicaciones lineales Por tanto fijadas las bases B y B en los espacios V y W, a cada aplicación lineal f se le puede asociar una única matriz, A m n, que recibe el nombre de matriz de f respecto de las bases B y B. Si tenemos un operador lineal f: V V y consideramos que tenemos la misma base B en el espacio de partida y en el de llegada, entonces se habla de matriz de f respecto de la base B. Si tenemos que nos dicen que la matriz A m n es la matriz de la aplicación lineal f: V W respecto de las bases B y B. Cómo calcularemos ker f e img f? Cálculo de ker f ker f = {v V : f(v = 0} = {v V : [f(v] B = [0] B } = {v V : A[v] B = [0] B } Luego para calcular ker f hallaremos las soluciones del sistema homogéneo Ax = 0, y esas soluciones constituirán las coordenadas de los vectores del ker f en la base B. El paso de coordenadas a vectores es inmediato. Cálculo de img f Hemos visto que img f = lin{f(v, f(v 2,..., f(v n } luego para calcular una base de la imagen hay que encontrar una base de ese subespacio. Pero un conjunto de vectores de un espacio vectorial es base si lo es el conjunto formado por los vectores de coordenadas (ejercicio 3.5, luego basta con encontrar una base para el espacio de las columnas de la matriz A. 4.4 Composición de aplicaciones lineales Definición 4.7 Sean f: V W y g: W U aplicaciones lineales. Llamaremos aplicación compuesta de f y g, a la aplicación g f: V U definida por (g f(v = g(f(v, v V. Proposición 4.8 Sean f: V W y g: W U aplicaciones lineales, con dim V = n, dim W = m y dim U = p, y sean B, B y B bases de V, W y U, respectivamente. Entonces: a g f es una aplicación lineal. b Si A m n es la matriz asociada a f respecto de las bases B y B, y C p m es la matriz asociada a g respecto de las bases B y B, entonces CA es la matriz asociada a g f respecto de las bases B y B. a (g f(ku + lv = g(f(ku + lv = g(kf(u + lf(v = kg(f(u + lg(f(v = k(g f(u + l(g f(v. b Teniendo en cuenta que [g(w] B = C[w] B y [f(v] B = A[v] B, [(g f(v] B = [g(f(v] B = C[f(v] B = CA[v] B ; v V. 4.5 Teorema de Semejanza Teorema de semejanza 4.9 Sean f: V V, con dim V = n, un operador lineal, A la matriz de f respecto de la base B de V y A la matriz de f respecto de la base B. Entonces A = P AP siendo P la matriz de paso de la base B a la base B. Álgebra Lineal. 52

6 4.6 Ejercicios A [v] B = [f(v] B = P [f(v] B = P A[v] B = P AP [v] B Como lo verifica para todo v V, (ver ejercicio 2.2 se llega a que A = P AP. Este resultado es un caso particular del siguiente más general: Proposición 4.0 Si f: V W es una aplicación lineal, A la matriz de la aplicación f respecto de las bases B de V y B 2 de W y A es la matriz de f respecto de las bases B de V y B 2 de W, entonces A = Q AP siendo P la matriz de paso de la base B a la base B y Q la matriz de paso de B 2 a B 2. Definición 4. Dadas dos matrices A y B de orden n se dice que A y B son semejantes si, y sólo si existe una matriz P inversible tal que B = P AP. Proposición 4.2 Dos matrices A y B son semejantes si y sólo si representan al mismo operador lineal respecto a dos bases. = Es el Teorema de Semejanza. = A y B son semejantes P inversible tal que B = P AP. Consideremos el operador lineal f: IR n IR n definido por f(x = Ax, luego A es la matriz de f respecto de la base canónica. P es inversible luego sus columnas forman una base de IR n, y por lo tanto P es la matriz de paso de la base formada por las columnas de P a la base canónica. Por el Teorema de Semejanza B = P AP es la matriz de f respecto a esa base y A y B representan al mismo operador lineal respecto a bases distintas. Corolario 4.3 Si A y B son matrices semejantes, entonces tienen el mismo rango. 4.6 Ejercicios 4. Determinar si las siguientes aplicaciones son o no lineales: a F : IR 2 IR 2 / F (x, y = ( 3 x, 3 y b F : IR 3 IR 2 / F (x, y, z = (2x + y, 3y 4z. ( a b c F : M 2x2 IR / F = a c d 2 + b Sea T : IR 3 W la proyección ortogonal de IR 3 sobre el plano W que tiene por ecuación x + y + z = 0. Hallar una fórmula para T y calcular T (3, 8, Sean V un espacio vectorial y T : V V la aplicación lineal tal que T (v = 3v. Cuál es el núcleo de T? Cuál es la imagen de T?. 4.4 Consideramos la base S = {v, v 2, v 3 } de IR 3 donde v = (, 2, 3, v 2 = (2, 5, 3 y v 3 = (, 0, 0. Encontrar una fórmula para la transformación lineal T : IR 3 IR 2 para la que T (v = (, 0, T (v 2 = (0, y T (v 3 = (0,. Calcular T (,,. 4.5 Sea A una matriz de tamaño 5 7 con rango 4. Álgebra Lineal. 53

7 4.6 Ejercicios a Cuál es la dimensión del espacio de soluciones de Ax = 0?. b Ax = b es compatible para todo b perteneciente a IR 5? Por qué?. 4.6 Sea T : IR 3 IR 3 la aplicación lineal dada por la matriz A = a Demostrar que el núcleo de T es una recta y encontrar sus ecuaciones paramétricas. b Demostrar que la imagen de T es un plano y hallar su ecuación. 4.7 Sea f: V W una aplicación lineal. Se dice que una aplicación lineal es inyectiva si a cada vector de la imagen le corresponde un único original (es decir, si f(u = f(v u = v. Demostrar que f es inyectiva si y sólo si ker(f = {0}. 4.8 Encontrar la matriz estándar de cada una de las aplicaciones lineales siguientes: x x x + 2x 2 + x x 4 3 x a T x 2 = x + 5x 2 b T 2 x x 3 x 3 = x x 3 3 x 4 x x Sea T : IR 2 IR 3 la transformación lineal definida por T ( x x 2 = x + 2x 2 x 0 a Encontrar la matriz de T respecto de las bases: B = {u = (, 3, u 2 = ( 2, 4} y B = {v = (,,, v 2 = (2, 2, 0, v 3 = (3, 0, 0}. b Usar la matriz obtenida en el apartado a para calcular T (8, Se considera la aplicación f: ( M 2 2 (IR M( 2 2 (IR definida ( por: a a f 2 2 a a = 2 a 2 a 22 0 a 2 a 22 a Demostrar que f es lineal. b Hallar la matriz asociada a la aplicación lineal respecto de la base canónica de M 2 2 (IR. c Hallar el núcleo y la imagen de f así como sus dimensiones y bases. d Hallar la matriz {( de f respecto ( de la ( base: ( B =,,, Considerar la aplicación lineal T : IR 4 IR 3 dada por la matriz A = respecto de las bases: B = {v = (0,,,, v 2 = (2,,,, v 3 = (, 4,, 2, v 4 = (6, 9, 4, 2} y } B = {w = (0, 8, 8, w 2 = ( 7, 8,, w 3 = ( 6, 9, }. Álgebra Lineal. 54

8 4.6 Ejercicios a Hallar [T (v ] B, [T (v 2 ] B, [T (v 3 ] B, [T (v 4 ] B. b Encontrar T (v, T (v 2, T (v 3, T (v 4. c Hallar T (2, 2, 0, 0. ( ( 4.2 Sea T : IR 2 IR 2 x x + 7x la aplicación lineal definida por T = 2. x 2 3x + 4x 2 Hallar la matriz de T respecto de la base B y aplicar el teorema de semejanza para calcular la matriz de T respecto de la base B, siendo B = {u = (2, 2, u 2 = (4, } y B = {v = (, 3, v 2 = (, }. 4.3 Probar que si A y B son matrices semejantes entonces det(a = det(b. 4.4 Probar por inducción que si A y B son matrices semejantes entonces A n y B n también lo son para cualquier n IN. 4.5 Dado el operador lineal T : IR 3 IR 3 tal que [T (x] B = A[x] B siendo: 2 a A = 2a y B = {u = (,, 0, u 2 = (0,,, u 3 = (, 0, 0} a 2 a Hallar la matriz estándar de T. b Calcular los subespacios ker(t y img(t según los valores de a. 4.6 Sean T : V W una transformación lineal y S = {v, v 2,..., v n } un conjunto de vectores de V. Demostrar que si el conjunto {T (v, T (v 2,..., T (v n } es linealmente independiente, entonces S es linealmente independiente. Es cierto el recíproco?. Justificar la respuesta. 4.7 Sea T : IR 3 IR 3 la aplicación lineal T = x x 2 x 3 = λx + µx 2 + x 3 x + λµx 2 + x 3 x + µx 2 + λx 3. Se pide: a Encontrar los valores de λ y µ para los cuáles la imagen de T sea IR 3. Quién es en ese caso el núcleo?. b Sea λ =. Encontrar una base del núcleo en ese caso. c Sea λ = y µ = 0. Se pide: c.. Encontrar la matriz de T respecto de la base B = {u = (, 0,, u 2 = (0,, 0, u 3 = (4,, 2}. c.2. Dada la base B = {v = (,, 2, v 2 = (,, 0, v 3 = (,, }, encontrar la matriz de paso de B a B. c.3. Encontrar la matriz de T en la base B aplicando el teorema de semejanza. 4.8 Sea T : IR 3 IR 2 la aplicación lineal talque: { 0 x + 2y + z = 0 (i ker(t = (ii T 0 2x + y + z = 0 = ( 0 (iii T 0 = ( 2 a Calcular la matriz estándar. b Calcular las ecuaciones paramétricas de la imagen del subespacio x + y + z = Sea T un operador lineal sobre el espacio vectorial V. Demostrar que T T = 0 img(t ker(t. (Aquí 0 representa la aplicación nula. Álgebra Lineal. 55

9 4.6 Ejercicios 4.20 En el espacio vectorial real IR 4 se definen los subespacios: S = lin{(, 4,,, (2, 3, 2, 3}, S 2 = lin{(,,, 3, (3, 2, 3, 4}, { x2 x S 3 tiene por ecuaciones implícitas 4 = 0 2x 2 + 3x 4 = 0 y S 4 = lin{(0,, 0, 0, (, 0,, 2}. Se considera la aplicación lineal f: IR 4 IR 4 que cumple: i f(0,, 0, 0 = (, 3, 0, ii ker(f = S S 2 iii f(s 3 = S 4 iv f(,, 0, 3 = (m, 5, n, 2 v f(,,, = (, 2, a, b Se pide hallar la matriz estándar de f. 4.2 Dado el espacio vectorial P 3 (IR, de las funciones polinómicas de grado menor o igual que tres, se considera la aplicación f: P 3 (IR P 3 (IR definida por f[p (x] = P (x + + P (x 2P (x. Se pide: a Probar que f es lineal. b Demostrar que img(f = ker(f. c Si fuera f: P 4 (IR P 4 (IR, se podría dar img(f = ker(f?. Razonarlo sin calcular la imagen y el núcleo de f. d Probar que: Q(x img(f, existe un único P (x P 3 (IR que verifica que f[p (x] = Q(x y P (0 = P (0 = Sea f: IR 4 IR 4 un operador lineal, del que se sabe que: f(,, 0, 0 = (0,, 0, y f(, 0,, 0 = (,,, 0. Hallar la matriz estándar de f en cada uno de los siguientes supuestos: a ker f = img f. b f f = Id (la identidad. c f f = f. Álgebra Lineal. 56

Aplicaciones lineales

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

Más detalles

148 Matemáticas 1. Unidad IV. Álgebra Lineal

148 Matemáticas 1. Unidad IV. Álgebra Lineal 148 Matemáticas 1 Unidad IV Álgebra Lineal 149 Matemáticas 1 : Álgebra Lineal Capítulo 13 Espacios vectoriales reales 13.1 Espacios vectoriales Definición 76.- Un espacio vectorial real V es un conjunto

Más detalles

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos.

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

Más detalles

5. Aplicaciones lineales

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

Más detalles

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

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

Más detalles

Tema 3 APLICACIONES LINEALES

Tema 3 APLICACIONES LINEALES Tema 3 APLICACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Definición y propiedades. Núcleo e imagen. Isomorfismos. Definición 1.1 Una aplicación f : V V entre dos espacios vectoriales

Más detalles

TEMA 4. APLICACIONES LINEALES

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

Más detalles

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

Geometría afín y proyectiva, 2016 SEMANA 4

Geometría afín y proyectiva, 2016 SEMANA 4 Geometría afín y proyectiva, 2016 SEMANA 4 Sonia L. Rueda ETS Arquitectura. UPM September 30, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra

Más detalles

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

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

Más detalles

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

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

Más detalles

Aplicaciones Lineales. Diagonalización de matrices.

Aplicaciones Lineales. Diagonalización de matrices. Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición

Más detalles

Aplicaciones Lineales

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

Más detalles

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 2 APLICACIONES LINEALES

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 2 APLICACIONES LINEALES EJERCICIOS DE TEMA APLICACIONES LINEALES APLICACIONES LINEALES ) Estudiar cuáles de las siguientes aplicaciones son lineales entre los espacios vectoriales dados: x y a) f: f(x, y) = x y x b) f: x f(x)

Más detalles

Aplicaciones Lineales

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

Más detalles

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

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

Más detalles

Tema 1. Espacios Vectoriales Definición de Espacio Vectorial

Tema 1. Espacios Vectoriales Definición de Espacio Vectorial Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.

Más detalles

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

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

Más detalles

Tema 2: Diagonalización

Tema 2: Diagonalización TEORÍA DE ÁLGEBRA II: Tema 2. DIPLOMATURA DE ESTADÍSTICA 1 Tema 2: Diagonalización 1 Introducción Sea f : R n R n lineal. Dada una base B de R n podemos asociar a f la matriz A 1 = [f, B] M n. Si C es

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

Hoja de diagonalización MATEMÁTICAS I

Hoja de diagonalización MATEMÁTICAS I Hoja de diagonalización MATEMÁTICAS I 8-9.- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax así como los subespacios vectoriales

Más detalles

Núcleo e Imagen de una aplicación lineal.

Núcleo e Imagen de una aplicación lineal. PRÁCTICA Nº 8 Núcleo e Imagen de una aplicación lineal. Con esta práctica se pretende utilizar el cálculo de la expresión matricial de una aplicación lineal respecto de las bases del dominio y codominio

Más detalles

TEMA 5: Aplicaciones Lineales. Diagonalización.

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

Más detalles

58 7. ESPACIOS COCIENTE

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

Más detalles

Transformaciones lineales

Transformaciones lineales Transformaciones lineales Problemas teóricos En los problemas de esta lista se supone que V y W son espacios vectoriales sobre un campo F. Linealidad de una función 1. Varias maneras de escribir la propiedad

Más detalles

Tema 4: Aplicaciones lineales

Tema 4: Aplicaciones lineales Águeda Mata y Miguel Reyes, Dpto de Matemática Aplicada, FI-UPM 1 Tema 4: Aplicaciones lineales Ejercicios 1 Estudia la linealidad de las siguientes aplicaciones: (a) f : R R 3, definida por f(x, y) =

Más detalles

Expresa en lenguaje matemático los siguientes conjuntos:

Expresa en lenguaje matemático los siguientes conjuntos: universidad de valladolid facultad de cc ee y ee matemáticas 1 1. Expresa en lenguaje matemático los siguientes conjuntos: (a) El conjunto S 1 de los vectores de IR 3 que tienen las dos primeras componentes

Más detalles

Teoría de la Dimensión

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

Más detalles

Tema 11.- Autovalores y Autovectores.

Tema 11.- Autovalores y Autovectores. Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica

Más detalles

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: APLICACIONES LINEALES

Tema 2: APLICACIONES LINEALES Tema 2: APLICACIONES LINEALES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura:

Más detalles

Transformaciones lineales

Transformaciones 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 detalles

1 Isometrías vectoriales.

1 Isometrías vectoriales. Eugenia Rosado ETSM Curso 9-. Isometrías vectoriales. Sea E un espacio vectorial euclídeo. De nición Una aplicación f : E! E se dice transformación ortogonal o isometría vectorial si conserva el producto

Más detalles

Autovalores y autovectores Diagonalización y formas canónicas

Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,

Más detalles

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

ÁLGEBRA LINEAL I Práctica 5

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

Más detalles

6 Vectores. Dependencia e independencia lineal.

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

Más detalles

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

Cuestiones de Álgebra Lineal

Cuestiones de Álgebra Lineal Cuestiones de Álgebra Lineal Algunas de las cuestiones que aparecen en esta relación están pensadas para ser introducidas en un plataforma interactiva de aprendizaje de modo que los parámetros a, b que

Más detalles

Aplicaciones Lineales. S1

Aplicaciones Lineales. S1 Aplicaciones Lineales. S1 Leandro Marín 6 de Noviembre de 2009 Definición Definición Sea K un cuerpo y sean V y W dos espacios vectoriales sobre K. Una aplicación lineal f : V W es una aplicación entre

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

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

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

Más detalles

5.1. Representación matricial de una aplicación lineal

5.1. Representación matricial de una aplicación lineal Capítulo 5 Aplicaciones lineales En este capítulo resolveremos, con ayuda del MatLab, ejercicios que nos permitan adquirir destreza en el manejo de las aplicaciones lineales, gracias a la posibilidad de

Más detalles

INGENÍERIA INFORMÁTICA. PROBLEMAS DE ALGEBRA

INGENÍERIA INFORMÁTICA. PROBLEMAS DE ALGEBRA INGENÍERIA INFORMÁTICA. PROBLEMAS DE ALGEBRA C. Galindo 1. Resolver el siguiente sistema de ecuaciones x 1 + 3x 2 2x 3 + 2x 5 = 0 2x 1 + 6x 2 5x 3 2x 4 + 4x 5 3x 6 = 1 5x 3 + 10x 4 + 15x 6 = 5 2x 1 + 6x

Más detalles

1 Aplicaciones lineales

1 Aplicaciones lineales UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Aplicaciones lineales y diagonalización. El objetivo principal de este tema será la obtención de una matriz diagonal

Más detalles

PRÁCTICO 5. Coordenadas y matriz de cambio de bases

PRÁCTICO 5. Coordenadas y matriz de cambio de bases Algebra y Algebra II Segundo Cuatrimestre 2012 PRÁCTICO 5 Coordenadas y matriz de cambio de bases Ejercicio 1. Probar que los vectores α 1 = (1 0 i) α 2 = (1 + i 1 i 1) α 3 = (i i i) forman una base de

Más detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

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

Más detalles

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

6.8. Descomposición mediante valores singulares. v 2 =

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

Más detalles

Transformaciones Lineales (MAT023)

Transformaciones Lineales (MAT023) Transformaciones Lineales (MAT03 Primer semestre de 01 1 Verónica Gruenberg Stern DEFINICION Sean U, V dos espacios vectoriales sobre un cuerpo K y sea T : U V una función. Diremos que T es una transformación

Más detalles

Composición de Aplicaciones. (c) 2012 Leandro Marin

Composición de Aplicaciones. (c) 2012 Leandro Marin 067.00 3 Composición de Aplicaciones 3 48700 670009 (c) 0 Leandro Marin . Aplicaciones Lineales y Matrices Una aplicación lineal f entre dos espacios vectoriales V y W es una forma de asignar a cada vector

Más detalles

Tema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada

Tema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Tema 3: MATRICES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura: Matemáticas

Más detalles

Vectores y Valores Propios

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

Más detalles

Tema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada

Tema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Tema 3: MATRICES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura: Matemáticas

Más detalles

1 Autovalores y autovectores asociados a un endomor smo f. Diagonalización.

1 Autovalores y autovectores asociados a un endomor smo f. Diagonalización. utovalores y autovectores asociados a un endomor smo f Diagonalización Dado un endomor smo f de un espacio vectorial real V y jada una base B de V obtenemos una única matriz asociada a f respecto de la

Más detalles

Valores y vectores propios

Valores y vectores propios Valores y vectores propios Problemas teóricos El los siguientes problemas se denota por L(V ) conjunto de los operadores lineales en un espacio vectorial V (en otras palabras, de las transformaciones lineales

Más detalles

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

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

Más detalles

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 con producto interno

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

Más detalles

Matrices positivas y aplicaciones. María Isabel García Planas Profesora Titular de Universidad

Matrices 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 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

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

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

Más detalles

TEMA III: DIAGONALIZACIÓN.

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

Más detalles

Descomposición en valores singulares de una matriz

Descomposición en valores singulares de una matriz Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran

Más detalles

Tema 2: 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

Ba s e, d i M e n s i ó n y Mat r i z

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

Más detalles

1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS

1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS 1 1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS Sea f : V V un endomorfismo de V, f End(V, con V un K-espacio vectorial de dimensión n, y sean B = {e 1,..., e n } B = {e 1,..., e n} bases de V. La matriz de f

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

Subspacios Vectoriales

Subspacios Vectoriales Subspacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Subspacios Vectoriales 1 / 25 Objetivos Al finalizar este tema tendrás que: Saber si un subconjunto es

Más detalles

Problemas y Ejercicios Resueltos. Tema 4: Sistemas de ecuaciones lineales.

Problemas y Ejercicios Resueltos. Tema 4: Sistemas de ecuaciones lineales. Problemas y Ejercicios Resueltos. Tema 4: Sistemas de ecuaciones lineales. Ejercicios 1.- Determinar el rango de la siguiente matriz: 0 1 3 4 1 3 5. Solución. 0 1 3 4 1 3 5 AT 1( 1) AT 1 ( 1)T 14 ( 1 )

Más detalles

p = p 2 r 1 r r A = p 3

p = p 2 r 1 r r A = p 3 Unidad 5 Transformaciones 5. Introducción Un fabricante elabora cuatro tipos de productos distintos, de los cuales cada uno requiere tres tipos de materiales. Se identifican los cuatro productos como P,

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

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

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

Más detalles

Diagonalización de matrices. Kepler C k

Diagonalización de matrices. Kepler C k Kepler C k 24 Índice. Problema de diagonalización 3.. Semejanza de matrices................................. 3.2. Valores propios y vectores propios........................... 3.3. Matrices y valores propios...............................

Más detalles

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES

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

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicios resueltos Ximo Beneyto PROBLEMAS RESUELTOS APLICACIONES LINEALES 1.Dada la aplicación f : ú 3 6 ú² / f(x, y, z) = (x+y-z, 2x+3z): 1.1. Probar que f es una aplicación lineal.

Más detalles

COMPLEMENTOS DE MATEMATICA 3 - Segundo cuatrimestre de 2007 Práctica 3 - Transformaciones lineales

COMPLEMENTOS DE MATEMATICA 3 - Segundo cuatrimestre de 2007 Práctica 3 - Transformaciones lineales Departamento de Matemática - Facultad de Ciencias Exactas y Naturales - UBA 1 COMPLEMENTOS DE MATEMATICA 3 - Segundo cuatrimestre de 27 Práctica 3 - Transformaciones lineales Ejercicio 1. Determinar cuáles

Más detalles

Tema 3: Forma canónica de Jordan de una matriz.

Tema 3: Forma canónica de Jordan de una matriz. Forma canónica de Jordan de una matriz 1 Tema 3: Forma canónica de Jordan de una matriz. 1. Planteamiento del problema. Matrices semejantes. Matrices triangularizables. El problema que nos planteamos en

Más detalles

2 Espacios vectoriales

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

Más detalles

Examen Ordinario (10 puntos) 3

Examen Ordinario (10 puntos) 3 Examen Ordinario puntos de junio de 5 Fundamentos de Matemáticas { x x x Sean hx = x x x x+x fx = x+ x, si x Domh x, si x / Domh a Obtener el dominio, la continuidad las asíntoras de f. Está acotada la

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

1. DIAGONALIZACIÓN. FORMAS CANÓNICAS

1. DIAGONALIZACIÓN. FORMAS CANÓNICAS 1 1. DIAGONALIZACIÓN. FORMAS CANÓNICAS 1. Se considera la matriz: A = ( 2 3 4 13 con coeficientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de

Más detalles

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

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

Más detalles

CAPÍTULO 5: AUTOVALORES Y AUTOVECTORES, FORMA CANÓNICA DE JORDAN

CAPÍTULO 5: AUTOVALORES Y AUTOVECTORES, FORMA CANÓNICA DE JORDAN CAPÍTULO 5: AUTOVALORES Y AUTOVECTORES, FORMA CANÓNICA DE JORDAN 5.1- Definición: matrices semejantes. Se dice que dos matrices A y B son semejantes si existe una matriz regular P tal que se verifica B

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

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

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

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

Más detalles

1. APLICACIONES LINEALES

1. APLICACIONES LINEALES 1 1 APLICACIONES LINEALES El objetivo de este capítulo es el estudio de las aplicaciones lineales u homomorfismos entre espacios vectoriales Este tipo de aplicaciones respeta la estructura de espacio vectorial

Más detalles

Ejercicios resueltos de Álgebra, hoja 2. Beatriz Graña Otero

Ejercicios resueltos de Álgebra, hoja 2. Beatriz Graña Otero Ejercicios resueltos de Álgebra, hoja 2. Beatriz Graña Otero 11 de Diciembre de 2008 2 B.G.O. 104.- Determina si los siguientes subconjuntos del espacio vectorial correspondiente son subvariedades afines:

Más detalles

Apellidos: Nombre: NIF:

Apellidos: Nombre: NIF: Universidad de Oviedo EPS de ingeniería de Gijón Dpto. Matemáticas Algebra Lineal 7/06/008 Segunda parte Apellidos: Nombre: NIF: Ejercicio 1 Sea f : R 3 R [x] una aplicación lineal definida en las bases

Más detalles

Tema II. Capítulo 5. Aplicaciones bilineales y formas cuadráticas.

Tema 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 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

Universidad Alonso de Ojeda. Facultad de Ingeniería GUIA DE ESTUDIO ALGEBRA LINEAL.

Universidad Alonso de Ojeda. Facultad de Ingeniería GUIA DE ESTUDIO ALGEBRA LINEAL. UNIDAD V: TRANSFORMACIÓN LINEAL (v). La transformada lineal es una función vectorial de variable vectorial w = f Donde: El espacio vectorial v es la variable independiente El espacio vectorial w es la

Más detalles

Bases y dimensión. Problemas teóricos. En todos los problemas se supone que V es un espacio vectorial sobre un campo F. p=1

Bases y dimensión. Problemas teóricos. En todos los problemas se supone que V es un espacio vectorial sobre un campo F. p=1 Bases y dimensión Problemas teóricos Bases de un espacio vectorial En todos los problemas se supone que V es un espacio vectorial sobre un campo F. Definición de base. Sean b 1,..., b n V. Se dice que

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

Aplicaciones bilineales y formas cuadráticas (Curso )

Aplicaciones bilineales y formas cuadráticas (Curso ) ÁLGEBRA Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 2008 2009) 1. Comprobar si las siguientes aplicaciones son o no bilineales y en las que resulten serlo, dar la matriz que las representa

Más detalles

6. Forma canónica de matrices

6. Forma canónica de matrices 6. Forma canónica de matrices Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior Universidad de Zaragoza Otoño 2010 Contents 6 6. Forma canónica de matrices 7 6.1 Introducción....................................

Más detalles

Matrices. Álgebra de matrices.

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

Más detalles

ax + by = 1 cx + dy = 0

ax + by = 1 cx + dy = 0 1.61. Considere el sistema ax + by = 1 cx + dy = 0 Muestre que si ad bc 0, el sistema tiene solución única x = d/(ad bc, y = c/(ad bc. Demostrar además que si ad bc = 0, c 0 o d 0, entonces el sistema

Más detalles

El espacio proyectivo. Sistemas de referencia. Dualidad.

El espacio proyectivo. Sistemas de referencia. Dualidad. Capítulo 1 El espacio proyectivo Sistemas de referencia Dualidad En todo lo que sigue k designará un cuerpo arbitrario 11 Espacio afín como subespacio del proyectivo Definición 111 Sea un entero n 0 El

Más detalles