Álgebra lineal y matricial
|
|
- Nicolás Lagos Villalba
- hace 8 años
- Vistas:
Transcripción
1 Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen de coordenadas (,,), y punto final (a,,a n ). Punto de IR n : Vector de IR n : A = (a,,a n ), O = (,,) a = a. a n, o = Los a i se denominan componentes del vector.. Suma de vectores: a. + a n b. b n =.
2 2 Producto de un vector por un escalar: a k. =. a n Vector traspuesto: a = a. a n, a = Combinación lineal (CL) de vectores: Sean a,,a m IR n vectoresyk,,k m IR escalares.elvectorsiguienteesuna combinación lineal de a,,a m : a = k a + +k m a m Vectores linealmente dependientes e independientes: Sea m IN. Se dice que un conjunto de vectores {a,,a m } de IR n es linealmente dependiente, si existen escalares k,,k m IR no todos nulos, tales que k a + +k m a m = o, (.) Un conjunto de vectores se dice que es linealmente independiente si no es linealmente dependiente, es decir, si la única solución del sistema de ecuaciones (.) es k = = k m =. Ejemplo. Razonar si los siguientes grupos de vectores son linealmente dependientes o independientes. ( ) ( ) 2 4 a =, a 3 2 = 6
3 a 3 = ( 2 3 ), a 4 = ( 5 5/2 ) 3 a = 2 3, a 2 = 3 4, a 3 = 4 3 a = 2 a 2 = a 3 = 3
4 4 e =., e 2 =.,,e n =. Producto escalar de dos vectores: El producto escalar de a = (a,,a n ) por b = (b,,b n ) es el número real n a b = a i b i. i= Ejemplo.2 Contesta a las siguientes cuestiones: (a) Para un vector a o, puede ser a a =? (b) Crees que el producto escalar verifica la propiedad conmutativa? (c) Sea k IR. Crees que se cumple (ka) b = ka b? (d) Sean a = (a,,a n ), b = (b,,b n ) y c = (c,,c n ). Crees que se verifica (a+b) c = a c+b c?
5 5 Módulo o norma de un vector: El módulo de un vector a = (a,,a n ) es el número real a = a a = n a 2 i. i= El módulo de un vector mide su longitud. Teorema. Sean a,b IR n y k IR. Entonces (a) a = a =, (b) a > a, (c) ka = k a, (d) a+b a + b. Vectores unitarios: Un vector a IR n con módulo a = se llama vector unitario. Normalización de una vector: Si un vector a o no es unitario, se puede construir el vector Es a unitario? a = a a. Ángulo entre dos vectores:seana,b IR n {o}.elángulo entre a y b es el número real contenido entre y π definido por ang(a,b) = arccos a b a b. Si a = o ó b = o, entonces el ángulo no está definido. Ejemplo.3 Sean los vectores de IR 2, ( ) ( 3 2 a = y b = 4 ).
6 6 Calculamos el ángulo entre ellos: a a =, b b =, a =, b =, a b =, ang(a,b) =. Vectores ortogonales: Dos vectores a y b son ortogonales si a b =. Según esta definición, a qué vectores es ortogonal el vector nulo? Vector proyección: Sean a y c dos vectores, donde c o. El vector proyección de a sobre c es c a = (a c )c. El módulo del vector proyección es c a = a c c = a c. Ejemplo.4 Calculamos la proyección de los vectores a y b sobre c, siendo a =, b = 2, c =. 2 2
7 7 Calcular asimismo la proyección de a + b sobre c. Es igual a la suma de las proyecciones anteriores? Vector que une dos puntos: Sean A,B dos puntos de IR n. El vector con punto inicial A y punto final B es v = B A. Existe una correspondencia biunívoca entre los puntos de IR n y los vectores con punto inicial O = (,,): A cualquier punto A le correspondeunvectorsituadoenelorigen,a = A O,yviceversa. Eje de coordenadas: Sea A un punto y c un vector. El eje de coordenadas con punto origen A y vector director c es la recta que pasa por A, con vector director c. Fijadounpuntoorigen;porejemplo,O = (,,),cadavector c determina un eje de coordenadas. Vamos a considerar ejes de coordenadas con origen en O = (,,) y determinados por vectores unitarios; es decir, con c =. Coordenada de un punto en un eje de coordenadas: Sea A un punto de IR n y a = A O su vector asociado. Sea c un vector de IR n cuyo vector normalizado es c. La coordenada del puntoaenelejedecoordenadasdeterminadoporceselproducto escalar F(A,c) = a c.
8 8 Ejemplo.5 ElejeX tienepuntoorigeno = (,,)yvector director e = (,), y el eje Y tiene el mismo punto origen, pero el vector director es e 2 = (,). Sean los puntos A = (2,3) y B = ( 2,). Calcular: Coordenada de A sobre el eje X: Coordenada de A sobre el eje Y: Considera ahora el eje de coordenadas con origen O = (,,) y vector director u = (,). Calcular: Coordenada de A sobre este eje: Coordenada de B sobre este eje:.2. Álgebra matricial Matriz: Sean n,p IN. Una matriz de orden n p sobre IR es un conjunto rectangular de np elementos de IR, representados en n filas y p columnas a a 2 a p a A = (a ij ) = 2 a 22 a 2p... a n a n2 a np El conjunto de todas las matrices reales de orden n p se designa por IR (n,p). Vectores fila: Las filas de A se pueden considerar como matrices de orden p o como vectores de tamaño p: a i = (a i,a i2,,a ip ), i =,,n.
9 9 Vectores columna: Las columnas de A se pueden considerar como matrices de orden n o como vectores de tamaño n: a j a j a = 2j., j =,,p. a nj Así, la matriz A puede escribirse como a a A = 2. = (a a 2 a p ). a n Operaciones con matrices: Operación Restricciones Definición Suma A,B del mismo orden A+B = (a ij +b ij ) Producto escalar c IR, A IR (n,p) ca = (ca ij ) Multiplicación A IR (n,p),b IR (p,m) AB = (a i bj ) Traspuesta A = (a ji ) Traza n = p tr(a) = n i= a ii Determinante n = p A Inversa n = p, A AA = A A = I Ejemplo.6 Se cumple la propiedad conmutativa para el producto de matrices? Y la propiedad asociativa? Y la propiedad distributiva?
10 Propiedades de la traspuesta: (A ) =, (A+B) =, (AB) =, Propiedades de la traza: A simétrica A =. Sea α K, y sean las matrices A n, B n, C n p y D p n. La función traza cumple tr(α) =, tr(αa) =, tr(a+b) =, tr(cd) =. Determinantes: Fórmula de cálculo (a) Matriz 2 2: ( a a A = 2 a 2 a 22 ) A = a a 22 a 2 a 2. (b) Matriz p p: a a j a p... a A = i a ij a ip a p a pj a pp El menor de a ij es el determinante de la matriz resultante al eliminar la fila i-ésima y la columna j-ésima. El adjunto de a ij es ( ) i+j veces el menor de a ij, y se denota por A ij.
11 Tomamos una fila cualquiera, a i = (a i,,a ip ). El determinante de A es A = a i A i + +a ip A ip. Igualmente,tomamosunacolumnacualquiera,a j = (a j,,a pj ). El determinante de A es A = a j A j + +a pj A pj. Ejemplo.7 Para la matriz A siguiente a a 2 a 3 A = a 2 a 22 a 23 a 3 a 32 a 33 escribir los adjuntos de los elementos a y a 2 : A =, A 2 = Propiedades: (i) A = A. (ii) Si A es triangular o diagonal, A = p i= a ii. (iii) ca = c p A, para c K. (iv) AB = A B. Ejemplo.8 Calcular el determinante de la matriz /4 3/4 /4 A = 3/4 /4 /4 Ejemplo.9 Comprobar (iv) para las matrices ( ) ( ) 3 2 A = y B =. 2 5 A =, B =, AB =..
12 2 Matrices singulares o no singulares: Una matriz cuadrada es singular cuando A = ; y es no singular si A. En una matriz singular, tanto las filas como las columnas son linealmente dependientes. Ejemplo. Razonar si las siguientes matrices son singulares a A = 2 3 7, B = b 2 4 7, C =, a,b,c,d. c d Matriz inversa: La matriz inversa de una matrix cuadrada A es la única matriz que verifica AA = A A = I. A existe si, y sólo si A es no singular. Propiedades: (i) A = (A ij ) / A, (ii) (ca) =, (iii) (AB) =, (iv) (A ) =, (v) (A ) =.
13 3 Ejemplo. Calcular la inversa de las matrices del Ejemplo.. A = B no tiene inversa, ya que es singular. C = Matrices ortogonales: Una matriz cuadrada A es ortogonal si cumple AA = I. Las propiedades más importantes son las siguientes: (i) A = A (ii) A A = I (iii) Tanto las filas como las columnas de A son vectores ortogonales dos a dos. (iv) Si A y B son ortogonales, entonces C = AB es ortogonal. Ejemplo.2 Es A ortogonal? ( ) 2/2 2/2 A = 2/2 2/2 Multiplícala por el vector (,) y dibuja el resultado. Qué transformación produce esta matriz? ( )( ) ( ) 2/2 2/2 =. 2/2 2/2 Rango de una matriz: El rango de una matriz A n p es el número máximo de filas (o columnas) linealmente independientes.
14 4 Ejemplo.3 Calcular el rango de las matrices del Ejemplo.. rang(a) =, rang(b) =, rang(c) =. Valores propios: Se denominan valores propios de una matriz cuadrada A p a las soluciones de la ecuación (con incógnita λ): A λi =. El término A λi es un polinomio de grado p. Todo polinomio de grado p tiene p raíces, contando sus multiplicidades. Pero estas raíces pueden ser reales o complejas. Por tanto, hay p valores propios λ,,λ p, donde algunos pueden ser iguales, y también pueden ser complejos. El rango de una matrix es igual al número de valores propios no nulos. Vectores propios: Sea λ i un valor propio de A. Un vector propiodeaasociadoaλ i esunvectorv i = (v i,,v ip )quesatisface (A λ i I)v i =, o equivalentemente, Av i = λ i v i. Ejemplo.4 Sea la matriz ( ) 3 2 A =. 2 4 (a) Calcular su determinante y su traza. (b) Calcular sus valores y vectores propios. (c) Multiplica los valores propios. Con qué coincide el resultado?
15 5 (d) Suma los valores propios. con qué coincide el resultado? (e) Haz el producto escalar de dos de los vectores propios asociados a los dos valores propios. Qué ocurre? Solución:
16 6 Ejemplo.5 Sea u un vector propio de A asociado al valor propio λ. (a) Sea c un escalar. Es el vector cu vector propio de A? Asociado a qué valor propio? (b) Sea v otro vector propio de A asociado al mismo valor propio λ. Es u+v otro vector propio de A? Asociado a qué valor propio? (c) Es u un vector propio de A 2? Asociado a qué valor propio? (d) Sea c un escalar. Es u un vector propio de la matriz ca? Asociado a qué valor propio? Proposición. Si A es simétrica, entonces: todos sus valores propios son reales; los vectores propios asociados a distintos valores propios son ortogonales. Es decir, si v i y v j son dos vectores propios asociados a los valores propios λ i λ j, entonces v i v j =. Descomposición espectral: Sea A una matriz simétrica, con valores propios λ,,λ p y vectores propios asociados (normalizados) v,,v p, es decir, Av i = λ i v i, i =,,p. Escribimos estas igualdades en forma matricial. Para ello, definimos P = (v,,v p ) y Λ = diag{λ,,λ p }. La matriz P es ortogonal, y se verifica AP = PΛ A = PΛP.
17 7 Teorema.2 (Teorema de descomposición espectral) Cualquier matriz simétrica A puede expresarse como A = PΛP = λ v v + +λ p v p v p, donde Λ = diag{λ,,λ p },dondeλ,,λ p sonlosvalorespropios de A; P = (v,,v p ), donde v,,v p son los vectores propios normalizados asociados a los valores propios de A, y P es ortogonal. Además, rang(a) = número de valores propios no nulos. Ejemplo.6 Hacer la descomposición espectral de la matriz ( ).
Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Operaciones con vectores y matrices ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES. Ana Morata Gasca
ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES Ana Morata Gasca 1 DEFINICIÓN DE VECTOR Un vector es todo segmento de recta dirigido en el espacio. CARACTERÍSTICAS DE UN VECTOR Origen o Punto de aplicación:
Vectores en el espacio
Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
Estructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Análisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)
Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto
Definición de vectores
Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre
CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:
Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición
1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES
Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere
VECTORES EN EL PLANO
VECTORES EN EL PLANO VECTOR: vectores libres Segmento orientado, con un origen y extremo. Módulo: es la longitud del segmento orientado, es un número positivo y su símbolo es a Dirección: es la recta que
Vectores: Producto escalar y vectorial
Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con
Subespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO
APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO ÍNDICE VECTORES EN EL PLANO... 3 Vector Fijo... 3 VECTOR LIBRE... 3 Operaciones con Vectores... 3 Suma de vectores... 3 Producto de un número por
3.1 DEFINICIÓN. Figura Nº 1. Vector
3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado
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:
BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Matrices y sus operaciones
Capítulo 1 Matrices y sus operaciones 1.1. Definiciones Dados dos enteros m, n 1 y un cuerpo conmutativo IK, llamamos matriz de m filas y n columnas con coeficientes en IK a un conjunto ordenado de n vectores
VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
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
Apéndice A. Repaso de Matrices
Apéndice A. Repaso de Matrices.-Definición: Una matriz es una arreglo rectangular de números reales dispuestos en filas y columnas. Una matriz com m filas y n columnas se dice que es de orden m x n de
Tema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
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
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS
ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.
ÁLGEBRA DE MATRICES Página 49 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes
Capítulo 9 Vectores en el espacio
Capítulo 9 Vectores en el espacio Introducción El concepto de vector es muy amplio y su aplicación se evidencia en los diferentes campos de las ciencias. En matemáticas, un vector es un elemento de una
Tema 7: Valores y vectores propios
Tema 7: es y clausura s Espacios y Permutaciones es y clausura Una permutación p = {p 1, p 2,..., p n } de los números {1, 2,..., n} es una nueva ordenación de los elementos {1, 2,..., n}, es decir, un
Espacios vectoriales
Espacios vectoriales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Concepto de espacio vectorial y propiedades 1.1 Definición Se llama espacio vectorial sobre K (IR o C a toda terna
5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades
5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio
Matrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
TEMA 1. VECTORES Y MATRICES
TEMA 1. VECTORES Y MATRICES 1.1. Definición de vector. Operaciones elementales 1.2. Matrices. Operaciones elementales 1.3. Traza y Determinante 1.4. Aplicaciones 1.1. DEFINICIÓN DE VECTOR. OPERACIONES
Curso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.
Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen
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
1. Vectores 1.1. Definición de un vector en R2, R3 (Interpretación geométrica), y su generalización en Rn.
1. VECTORES INDICE 1.1. Definición de un vector en R 2, R 3 (Interpretación geométrica), y su generalización en R n...2 1.2. Operaciones con vectores y sus propiedades...6 1.3. Producto escalar y vectorial
Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales
Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2
Sistemas de Ecuaciones Lineales y Matrices
Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre
VECTORES. Abel Moreno Lorente. February 3, 2015
VECTORES Abel Moreno Lorente February 3, 015 1 Aspectos grácos. 1.1 Deniciones. Un vector entre dos puntos A y B es el segmento de recta orientado que tiene su origen en A y su extremo en B. A este vector
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
elemento neutro y elemento unidad: inversa aditiva (opuesto): para todo λ K 0, existe un único µ K tal que λµ = 1;
3. Espacios Vectoriales 3.1. Definición de espacio vectorial Un cuerpo es una estructura algebraica (K, +, ) formada por un conjunto K no vacio y dos operaciones internas + y que verifican las siguientes
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
Definición operacional, independientemente de cualquier sistema de referencia
Carácter de las magnitudes físicas: Magnitudes escalares y vectoriales. Vectores unitarios, Operaciones con vectores. No todas las magnitudes físicas tienen las mismas características matemáticas El carácter
Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones.
Tema 4 Producto escalar En bachiller habéis visto los conceptos de producto escalar, longitud, distancia y perpendicularidad en R y R 3 En este tema del curso se generalizan estos conceptos a R n, junto
MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios
Sonia L. Rueda ETS Arquitectura. UPM Curso 2007-2008. 1 MATEMÁTICAS I TEMA 1: Espacios Vectoriales 1 Definición de espacio vectorial. Subespacios Dados dos conjuntos V y K se llama ley de composición externa
TEMA 6. EIGENVALORES Y EIGENVECTORES
TEMA 6. EIGENVALORES Y EIGENVECTORES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST TEMA 6. EIGENVALORES Y EIGENVECTORES
1. ESPACIOS VECTORIALES
1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,
CURSO BÁSICO DE FÍSICA MECÁNICA PROYECTO UNICOMFACAUCA TU PROYECTO DE VIDA
UNICOMFACAUCA TU DE VIDA Tabla de contenido... 2 PARTES DE UN VECTOR... 3 Notación... 5 Tipos de vectores... 5 Componentes de un vector... 6 Operaciones con vectores... 7 Suma de vectores... 7 Resta de
Tema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Concurso Nacional de Matemáticas Pierre Fermat 2012. Examen para Nivel Superior Primera Etapa. Problemas
1 Concurso Nacional de Matemáticas Pierre Fermat 2012 Examen para Nivel Superior Primera Etapa Instrucciones: No utilizar celular (éste deberá de estar apagado), calculadora ó cualquier otro medio en el
Segundo de Bachillerato Geometría en el espacio
Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto
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.....................................
Formas bilineales y cuadráticas.
Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos
y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.
Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =
3.- DETERMINANTES. a 11 a 22 a 12 a 21
3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles
MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS
Tema 1.- MATRICES MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS Fundamentos Matemáticos de la Ingeniería 1 Un poco de historia Lord Cayley es uno de los fundadores de la teoría
Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.
Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas
Aplicaciones Lineales
Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)
INTRO. VECTORES. NÚM. COMPLEJOS
INTRO. VECTORES. NÚM. COMPLEJOS El presente tema se dedicará al estudio de los conceptos de vectores y números complejos. Se comenzará con un pequeño estudio de los vectores del plano y sus propiedades
1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
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
A.2. Notación y representación gráfica de vectores. Tipos de vectores.
Apéndice A: Vectores A.1. Magnitudes escalares y vectoriales Las magnitudes escalares son aquellas magnitudes físicas que quedan completamente definidas por un módulo (valor numérico) y la unidad de medida
Matrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
VECTORES COORDENADOS (R n )
VECTORES COORDENADOS (R n ) Cómo puede ser representado un número Real? Un número real puede ser representado como: Un punto de una línea recta. Una pareja de números reales puede ser representado por
Producto Interno y Ortogonalidad
Producto Interno y Ortogonalidad Departamento de Matemáticas, CSI/ITESM 15 de octubre de 2009 Índice 8.1. Contexto................................................ 1 8.2. Introducción...............................................
DEPARTAMENTO DE GEOMETRIA ANALITICA SEMESTRE 2016-1 SERIE ÁLGEBRA VECTORIAL
1.-Sea C(2, -3, 5) el punto medio del segmento dirigido AB. Empleando álgebra vectorial, determinar las coordenadas de los puntos A y B, si las componentes escalares de AB sobre los ejes coordenados X,
Seminario Universitario Material para estudiantes. Física. Unidad 2. Vectores en el plano. Lic. Fabiana Prodanoff
Seminario Universitario Material para estudiantes Física Unidad 2. Vectores en el plano Lic. Fabiana Prodanoff CONTENIDOS Vectores en el plano. Operaciones con vectores. Suma y producto por un número escalar.
IES Fco Ayala de Granada Sobrantes de 2011 ( Modelo 3) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Sobrantes de 11 ( Modelo 3) Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo 3 del 11 [ 5 puntos] Dada la función f : R R definida por f(x) ax 3 + bx +cx, determina
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
3 Espacios Vectoriales
Prof. Susana López 31 3 Espacios Vectoriales 3.1 Introducción Un ector fijo en el plano no es más que un segmento orientado en el que hay que distinguir tres características: -dirección: la de la recta
Álgebra II, licenciatura. Examen parcial I. Variante α.
Engrape aqu ı No doble Álgebra II, licenciatura. Examen parcial I. Variante α. Operaciones con matrices. Sistemas de ecuaciones lineales. Nombre: Calificación ( %): examen escrito tarea 1 tarea 2 asist.+
Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.
Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal
Matrices: Conceptos y Operaciones Básicas
Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas, CCIR/ITESM 8 de septiembre de 010 Índice 111 Introducción 1 11 Matriz 1 113 Igualdad entre matrices 11 Matrices especiales 3 115 Suma
Las matrices Parte 1-2 o bachillerato
Parte 1-2 o bachillerato wwwmathandmatesurlph 2014 1 Introducción Generalidades 2 Definición Ejercicio 1 : Suma de dos matrices cuadradas 2x2 Ejercicio 2 : Suma de dos matrices cuadradas 3x3 Propiedades
Valores propios y vectores propios
Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas
E 1 E 2 E 2 E 3 E 4 E 5 2E 4
Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),
TEMA 7 GEOMETRÍA ANALÍTICA
Nueva del Carmen, 35. 470 Valladolid. Tel: 983 9 63 9 Fax: 983 89 96 TEMA 7 GEOMETRÍA ANALÍTICA. Objetivos / Criterios de evaluación O.7. Concepto y propiedades de los vectores O.7. Operaciones con vectores:
Unidad 4: Vectores. 4.1 Introducción. 4.2 Vectores: enfoque geométrico
Unidad 4: Vectores 4.1 Introducción En este capítulo daremos el concepto de vector, el cual es una herramienta fundamental tanto para la física como para la matemática. La historia de los vectores se remonta
Repaso de matrices, determinantes y sistemas de ecuaciones lineales
Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento
De acuerdo con sus características podemos considerar tres tipos de vectores:
CÁLCULO VECTORIAL 1. ESCALARES Y VECTORES 1.1.-MAGNITUDES ESCALARES Y VECTORIALES Existen magnitudes físicas cuyas cantidades pueden ser expresadas mediante un número y una unidad. Otras, en cambio, requieren
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
Transformaciones geométricas
Transformaciones geométricas Autores FERNANDEZ PEREZ-RENDON, ANTONIO LUIS NECULA, IOANA GABRIELA MARIN SANCHEZ, JUAN MANUEL GARRIDO VIZUETE, MARIA DE LOS ANGELES NAVARRO DOMINGUEZ, MARIA DE LOS ANGELES
GEOMETRÍA ANALÍTICA EJERCITARIO DE FACULTAD DE INGENIERÍA CURSO PREPARATORIO DE INGENIERÍA (CPI) UNIVERSIDAD NACIONAL DE ASUNCIÓN
UNIVERSIDAD NACIONAL DE ASUNCIÓN FACULTAD DE INGENIERÍA CURSO PREPARATORIO DE INGENIERÍA (CPI) EJERCITARIO DE GEOMETRÍA ANALÍTICA (ÁLGEBRA VECTORIAL - TEORÍA) AÑO 2014 ÁLGEBRA VECTORIAL - EJERCICIOS TEÓRICOS
Teoría Tema 5 Espacios vectoriales
página 1/14 Teoría Tema 5 Espacios vectoriales Índice de contenido Puntos en 2 y 3 dimensiones...2 Vectores en el plano...5 Suma de vectores...7 Combinación lineal de vectores...8 Sistema generador...10
TEMA 7 VECTORES MATEMÁTICAS I 1º Bach. 1
TEMA 7 VECTORES MATEMÁTICAS I º Bach. TEMA 7 VECTORES 7. LOS VECTORES Y SUS OPERACIONES DEFINICIÓN Un ector es un segmento orientado. Un ector AB queda determinado por dos puntos, origen A y extremo B.
Capítulo 1. Vectores en el plano. 1.1. Introducción
Índice general 1. Vectores en el plano 2 1.1. Introducción.................................... 2 1.2. Qué es un vector?................................ 3 1.2.1. Dirección y sentido............................
PROBLEMAS MÉTRICOS. Página 183 REFLEXIONA Y RESUELVE. Diagonal de un ortoedro. Distancia entre dos puntos. Distancia de un punto a una recta
PROBLEMAS MÉTRICOS Página 3 REFLEXIONA Y RESUELVE Diagonal de un ortoedro Halla la diagonal de los ortoedros cuyas dimensiones son las siguientes: I) a =, b =, c = II) a = 4, b =, c = 3 III) a =, b = 4,
Construcción de bases en el núcleo e imagen de una transformación lineal
Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.
VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.
VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar
Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización
Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Ejercicio. Decidir cuáles de las siguientes aplicaciones son lineales. Cuál es la dimensión del espacio imagen? a f(x, x 2, x 3 = (x 2 + x
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES CÁRDENAS ESPINOSA CÉSAR OCTAVIO racsec_05@hotmail.com Boleta: 2009350122 CASTILLO GUTIÉRREZ
Espacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
OPERACIONES ELEMENTALES CON VECTORES
VECTORES EN 3D (O EN R 3) Presentación: este apunte te servirá para repasar y asimilar que son los vectores en un espacio tridimensional, sólo hablamos de los vectores como se utilizan en Álgebra, para
PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
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
ESTRUCTURAS ALGEBRAICAS
Fundamentos de la Matemática 1 Operaciones Binarias Dado un conjunto A, A, decimos que es una operación binaria en A si, y sólo si, : A A A es una función. Investigar si los siguientes son ejemplos de
Aplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Estadística III Repaso de Algebra Lineal
Repaso de Algebra Lineal Vectores Un vector columna de dimensión n 1 es una serie de números dispuestos como sigue: x 1 x 2 x =. x n Un vector fila de dimensión 1 p es una serie de números dispuestos como