Aplicaciones lineales.

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Espacios vectoriales reales.

Espacios vectoriales reales. Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre

Más detalles

Tema 1. Espacios Vectoriales Definición de Espacio Vectorial

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

Más detalles

Tema 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

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

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

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

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 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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

Esta definición se puede ampliar a cualquier par de bases de los espacio inicial y final MATRIZ DE UNA APLICACIÓN LINEAL EN BASES ARBITRARIAS

Esta definición se puede ampliar a cualquier par de bases de los espacio inicial y final MATRIZ DE UNA APLICACIÓN LINEAL EN BASES ARBITRARIAS Cambios de base 3 3. CAMBIOS DE BASE Dada una aplicación lineal : y la base,,, se ha definido matriz en bases canónicas de la aplicación lineal a la matriz,, cuyas columnas son las coordenadas de en la

Más detalles

Objetivos formativos de Álgebra

Objetivos formativos de Álgebra Objetivos formativos de Álgebra Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera como objetivo

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

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

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

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

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

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

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

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

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

Algebra Lineal XIV: Espacio Nulo y Rango de una. transformación lineal.

Algebra Lineal XIV: Espacio Nulo y Rango de una. transformación lineal. Algebra Lineal XIV: Espacio Nulo y Rango de una Transformación Lineal. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de

Más detalles

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

EJERCICIOS DE SELECTIVIDAD DE ÁLGEBRA

EJERCICIOS DE SELECTIVIDAD DE ÁLGEBRA EJERCICIOS DE SELECTIVIDAD DE ÁLGEBRA 2003 (4) Ejercicio 1. Considera los vectores u = (1,1,1), v = (2,2,a) y w = (2,0,0), (a) [1'25 puntos] Halla los valores de a para que los vectores u, v y w sean linealmente

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

1. ESPACIOS DE HILBERT Y OPERADORES

1. ESPACIOS DE HILBERT Y OPERADORES 1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación

Más detalles

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

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

Ecuaciones de la recta en el espacio

Ecuaciones de la recta en el espacio Ecuaciones de la recta en el espacio Ecuación vectorial de la recta Sea P(x 1, y 1 ) es un punto de la recta r y uu su vector director, el vector PPXX tiene igual dirección que uu, luego es igual a uu

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un

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

Espacios vectoriales y Aplicaciones lineales

Espacios vectoriales y Aplicaciones lineales Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea

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

Fundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso

Fundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso Fundamentos Matemáticos de la Ingeniería Tema 4 Hoja Escuela Técnica Superior de Ingeniería Civil e Industrial Esp en Hidrología Fundamentos Matemáticos de la Ingeniería Tema 4: Diagonaliación de matrices

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

Aplicaciones Lineales

Aplicaciones Lineales Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse

Más detalles

TEMA 8. GEOMETRÍA ANALÍTICA.

TEMA 8. GEOMETRÍA ANALÍTICA. TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos

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

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos

Más detalles

r j ϕ j (v i ) = r i, ϕ(v i ) = v = n a ij ϕ j(v) ϕ i (v) =

r j ϕ j (v i ) = r i, ϕ(v i ) = v = n a ij ϕ j(v) ϕ i (v) = ESPACIO DUAL 1. Espacio Dual En temas anteriores dados V y V espacios vectoriales sobre k, definíamos en Hom(V, V ) una suma y un producto por elementos de k que convertían este conjunto en un espacio

Más 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

Anillo de polinomios con coeficientes en un cuerpo

Anillo de polinomios con coeficientes en un cuerpo Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.

Más detalles

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

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

Más detalles

ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA.

ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA. ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA. Índice de contenido 1. Espacio vectorial....2 Estructura de espacio vectorial...2 Subespacios

Más detalles

ESPACIO AFÍN 2.- SISTEMAS DE REFERENCIA: COORDENADAS DE UN PUNTO. 3.- VARIEDAD LINEAL: ECUACIONES DE LA RECTA Y EL PLANO.

ESPACIO AFÍN 2.- SISTEMAS DE REFERENCIA: COORDENADAS DE UN PUNTO. 3.- VARIEDAD LINEAL: ECUACIONES DE LA RECTA Y EL PLANO. ESPACIO AFÍN 1.- CONCEPTO DE ESPACIO AFÍN. 2.- SISTEMAS DE REFERENCIA: COORDENADAS DE UN PUNTO. 3.- VARIEDAD LINEAL: ECUACIONES DE LA RECTA Y EL PLANO. 4.- PROBLEMAS DE INCIDENCIA. 5.- POSICIONES RELATIVAS

Más detalles

ETSI de Topografía, Geodesia y Cartografía

ETSI de Topografía, Geodesia y Cartografía Prueba de Evaluación Continua Grupo A 9-04-14 ESPACIOS VECTORIALES-DIAGONALIZACIÓN (parte sin DERIVE) 1. a) Definir sistema ligado de vectores de un espacio vectorial V. b) Demostrar que si un sistema

Más detalles

LEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS

LEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS LEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS Sea una estructura formada por un conjunto A, sobre cuyos elementos se ha definido una operación o ley interna, comúnmente denotada por " * ", que

Más 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

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

COLEGIO UNIVERSITARIO CARDENAL CISNEROS. Libro de Ejercicios de Matemáticas Empresariales II

COLEGIO UNIVERSITARIO CARDENAL CISNEROS. Libro de Ejercicios de Matemáticas Empresariales II COLEGIO UNIVERSITARIO CARDENAL CISNEROS Libro de Ejercicios de Matemáticas Empresariales II Manuel León Navarro 2 Capítulo 1 Ejercicios lección 1 1. Sea el conjunto de las matrices cuadradas de orden 2

Más detalles

ESPACIOS VECTORIALES

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

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

Tema 3. Aplicaciones lineales. 3.1. Introducción

Tema 3. Aplicaciones lineales. 3.1. Introducción Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones

Más detalles

1. Cambios de base en R n.

1. Cambios de base en R n. er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..

Más detalles

4 Aplicaciones lineales

4 Aplicaciones lineales Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4 Aplicaciones lineales 4. Aplicación lineal Sean V y W dos espacios vectoriales sobre el mismo cuerpo K (en general, R o C. Una aplicación

Más detalles

ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3

ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3 ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión

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

PAIEP. Complemento Ortogonal

PAIEP. Complemento Ortogonal Programa de Acceso Inclusivo, Equidad y Permanencia PAIEP Universidad de Santiago de Chile Complemento Ortogonal Veamos ahora una aplicación de los vectores ortogonales a la caracterización de subespacios

Más detalles

Tema III. Espacios vectoriales

Tema III. Espacios vectoriales Tema III. Espacios vectoriales 1. Espacios vectoriales 2. Dependencia e independencia lineal 3. Sistemas generadores. Bases 4. Cambio de base 5. Subespacios vectoriales. Ecuaciones. 6. Interpretación geométrica

Más detalles

4 Aplicaciones Lineales

4 Aplicaciones Lineales Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1

Más detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

4 APLICACIONES LINEALES. DIAGONALIZACIÓN 4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos

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

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

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

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

Más detalles

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

INSTRUCCIONES GENERALES Y VALORACIÓN OPCIÓN A

INSTRUCCIONES GENERALES Y VALORACIÓN OPCIÓN A INSTRUCCIONES GENERALES Y VALORACIÓN Instrucciones: El examen presenta dos opciones A y B; el alumno deberá elegir una y sólo una de ellas, y resolver los cuatro ejercicios de que consta. No se permite

Más detalles

Tema 4. Espacio Proyectivo.

Tema 4. Espacio Proyectivo. Tema 4. Espacio Proyectivo. Definición y modelos. *) El origen de la geometría proyectiva está relacionado con el estudio de la perspectiva, para conseguir cuadros o planos realistas del mundo 3-dimensional;

Más detalles

ACTIVIDADES SELECTIVIDAD MATRICES

ACTIVIDADES SELECTIVIDAD MATRICES ACTIVIDADES SELECTIVIDAD MATRICES Ejercicio 1 Para qué valores de m tiene solución la ecuación matricial? (b) Resuelve la ecuación matricial dada para. Ejercicio 2 Siendo I la matriz identidad de orden

Más detalles

Transformaciones lineales y matrices

Transformaciones lineales y matrices CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal

Más detalles

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

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

Más detalles

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

Sistemas de ecuaciones lineales

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

Más detalles

Álgebra Lineal V: Subespacios Vectoriales.

Álgebra Lineal V: Subespacios Vectoriales. Álgebra Lineal V: Subespacios Vectoriales. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx

Más detalles

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A = Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente

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

APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES

APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES Ignacio López Torres. Reservados todos los derechos. Prohibida la reproducción total o parcial de esta obra, por cualquier medio electrónico

Más detalles

Matriz asociada a una transformación lineal respecto a un par de bases

Matriz asociada a una transformación lineal respecto a un par de bases Matriz asociada a una transformación lineal respecto a un par de bases Objetivos Definir la matriz asociada a una transformación lineal respecto a un par de bases y estudiar la representación matricial

Más detalles

Tema 2. Aplicaciones lineales y matrices.

Tema 2. Aplicaciones lineales y matrices. Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................

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

Tema 5: Sistemas de ecuaciones lineales.

Tema 5: Sistemas de ecuaciones lineales. TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1

Más detalles

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

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

Más detalles

Problemas de VC para EDVC elaborados por C. Mora, Tema 4

Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,

Más detalles

Diagonalización simultánea de formas cuadráticas.

Diagonalización simultánea de formas cuadráticas. Diagonalización simultánea de formas cuadráticas Lucía Contreras Caballero 14-4-2004 Dadas dos formas cuadráticas, si una de ellas es definida positiva, se puede encontrar una base en la que las dos diagonalizan

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

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

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

Más detalles

Espacios vectoriales y aplicaciones lineales.

Espacios vectoriales y aplicaciones lineales. Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en

Más detalles