Aplicaciones lineales

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

Download "Aplicaciones lineales"

Transcripción

1 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 aplicación lineal si: () f(u + v ) = f(u) + f(v ); u, v V, (2) f(k u) = kf(u); u V y k IR. Estas dos propiedades se pueden reunir en: f(k u + lv ) = kf(u) + lf(v ); u, v V, k, l IR. y, en general, se tiene: f(k u + k 2 u k r u r ) = k f(u ) + k 2 f(u 2 ) + + k r f(u r ) u i V, k i IR Si V = W la aplicación lineal también se dice que es un operador lineal. Ejemplos 27 Las siguientes aplicaciones son aplicaciones lineales.- f: V V definida por f(v ) = 2v : f(λv + µw ) = 2(λv + µw ) = λ2v + µ2w = λf(v ) + µf(w ) 2.- Dada A = 0 0, la aplicación f: IR 0 3 IR 2 con f(x) = Ax = x x 0 2 f(λx + µy ) = A(λx + µy ) = A(λx) + A(µy ) = λax + µay = λf(x) + µf(y ) : Proposición 28.- Si f: V W es una aplicación lineal, entonces: a) f(0) = 0; b) f( v ) = f(v ); v V Definición 29.- Dada una aplicación lineal f: V W, se define el núcleo o ker(nel) 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 (a veces f(v )), como el conjunto Img f = w W : v V tal que w = f(v ) El ker f es un subespacio vectorial de V y la Img f es subespacio vectorial de W (ver ejercicio 5.3). Definición 30.- 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. Proposición 3.- Sea f: V W es una aplicación lineal y B = v, v 2,..., v n una base de V, entonces Img f = linf(v ), f(v 2 ),..., f(v n ) En efecto, todo v V puede escribirse como v = k v + k 2 v k n v n, luego f(v ) = f(k v + k 2 v k n v n ) = k f(v ) + k 2 f(v 2 ) + + k n f(v n ) En consecuencia, si w Img f, w = f(v ) = k f(v ) + k 2 f(v 2 ) + + k n f(v n ), para algún v.

2 54 Matemáticas I : Álgebra Lineal 5.2 Matrices de una aplicación lineal Ejemplo Tomemos el ejemplo 2) de los Ejemplos 27 anteriores: ker f = x IR 3 : f(x) = 0 = x IR 3 : Ax = 0 luego son las soluciones del sitema de ecuaciones lineales AX = 0. Como son los vectores de la forma (z, z, z), para cualquier valor de z IR, se tiene que ker f = (z, z, z) IR 3 : z IR = lin(,, ). Para la imagen: tomemos en IR 3 la base canónica, entonces Img f =linf(e ), f(e 2 ), f(e 3 )=linae, Ae 2, Ae 3 =lin(0, ), (, 0), (, )=lin(0, ), (, 0)=IR 2 pues (, ) = ( )(0, ) + ( )(, 0). Se tiene además, que dim(ker f) = y dim(img f) = 2. No por casualidad, sucede que dim(ker f) + dim(img f) = + 2 = 3 = dim IR 3 : Teorema de la dimensión 32.- Si f: V W es una aplicación lineal entre espacios vectoriales, dim V = dim(ker f) + dim(img f) Si la dim(ker f) = n = dim V, 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, tomemos B ker = u,..., u r una base del ker f V que podemos completar con n r vectores 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. Veamoslo: por ser f una aplicación lineal, 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 luego en la base B ker se expresa con λ r+ v r+ + + λ n v n = µ u + + µ r u r, para ciertos µ i. Luego 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. 5.2 Matrices de una aplicación lineal Teorema 33.- Sean V y W espacios vectoriales con dim V = n y dim W = m, y sea f: V W, una aplicación lineal. Si B = v, v 2,..., v n es una base de V y B 2 = w, w 2,..., w m una base de W, entonces la matriz ( ) A m n = [f(v )] B2 [f(v 2 )] B2 [f(v n )] B2 es la única matriz que verifica que [f(v )] B2 = A[v ] B, para cada v V. Todo v V se escribe de forma única como una combinación lineal de los vectores de la base, v = k v + k 2 v k n v n, luego su imagen f(v ) = k f(v ) + k 2 f(v 2 ) + + k n f(v n ). Como los vectores f(v ), f(v 2 ),..., f(v n ) son de W, sean sus coordenadas en la base B 2 : f(v ) = (a, a 2,..., a m ) B 2 f(v ) = a w + a 2 w a m w m f(v 2 ) = (a 2, a 22,..., a m2 ) f(v B 2 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 n ) = (a n, a 2n,..., a mn ) B 2

3 55 Matemáticas I : Álgebra Lineal 5.2 Matrices de una aplicación lineal Entonces, sustituyendo en f(v ), se tiene 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 2 por tanto, las coordenadas de f(v ) en la base B 2 son [f(v )] B2 = 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 + + (k a m + k 2 a m2 + + k n a mn )w m = a a 2 a n a 2 a 22 a 2n a m a m2 a mn k k 2.. k n = A[v ] B y A, tiene por columnas las coordenadas en la base B 2 de las imágenes de los vectores de la base B. Definición 34.- Sean B una base de V, B 2 base de W y f: V W una aplicación lineal. A la única matriz A, tal que [f(v )] B2 = A[v ] B, para cada v V, se le llama matriz de f respecto de las bases B y B 2. Si f: V V es un operador lineal 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. Ejemplo Sea f: P 2 [X] P [X] dada por f(p (X)) = P (X). Sean B =, X, X 2 y B 2 =, X bases respectivas de P 2 [X] y P [X]. Entonces, como f() = 0, f(x) = y f(x 2 ) = 2X se tiene que A = ( ) 0 0 [f()] B2 [f(x)] B2 [f(x 2 )] B2 = es la matriz de f asociada a B y B 2. En efecto 0 0 f(a + bx + cx 2 ) = b + 2cX y A[a + bx + cx 2 ] B = a b b = = [b + 2cX] c B2 c Observación 35.- Si f: V W es una aplicación lineal y A la matriz de f respecto de B y B 2, entonces ker f = v V : f(v ) = 0 = v V : [f(v )] B2 = [0] B2 = v V : A[v ] B = 0 luego las coordenadas en la base B de los vectores del ker f son las soluciones del sistema homogéneo Ax = 0. w Img f = lin f(v ), f(v 2 ),..., f(v n ) [w ] B2 lin [f(v )] B2, [f(v 2 )] B2,..., [f(v n )] B2 luego el espacio de las columnas de la matriz A, E c (A), está compuesto por las coordenadas en la base B 2 de los vectores de la Img f. En consecuencia, dim(img f) = dim E c (A) = rg(a). Ejemplo Sean B = v, v 2, v 3 base de V, B 2 = w, w 2, w 3 base de W, f: V W aplicación lineal y A = 0 la matriz de f asociada a B y B 2. Encontrar una base de ker f y otra de Img f. 3 Como A[v ] B = [f(v )] B2, v 0 ker f A[v 0 ] B = 0, luego resolviendo el sistema AX = 0: A = x = z 0 2 = y = 2z = [v 0 ] B = x y = z z = z z el vector (, 2, ) genera las coordenadas en B de los vectores del ker f. Luego ker f =lin v 2v 2 + v 3. Además, dim(ker f) = luego dim(img f) = 3 = 2 = rg(a). Y una base de la imagen se obtendrá de una base del espacio de las columnas de A (para operar sobre las columnas de A, operamos es las filas de A t ): A t = 0 3 t = luego los vectores (,, ) y (0,, ) generan las coordenadas en la base B 2 de los vectores de la Img f. En consecuencia, Img f = linw w 2 + w 3, w 2 + w 3.

4 56 Matemáticas I : Álgebra Lineal 5.2 Matrices de una aplicación lineal Observación 36.- Pueden obtenerse de una sola vez una base para ker(f) y otra para la Img(f). Basta para ello, tener en cuenta que las operaciones elementales realizadas sobre las columnas de la matriz, son operaciones sobre los vectores imagen. Ejemplo Sea A = la matriz de la aplicación f: V W, referida a las bases B = v, v 2, v 3, v 4, v 5, v 6 y B 2 = w, w 2, w 3, w 4. Para obtener una base de la imagen, hacemos operaciones elementales en las filas de A t (en las columnas de A): F 2 6 : C 2 2 2F F 3 +F F A t = 2 9 : C 3 4 F : C 2 2C : C 6 C F 6 F 2 7 : C : C 3 + C F 2 F : C 4 C : C 3 +C : C 4 C 0 4 : C : C : C 5 0 : C : C 6 C : C 2 2C F 3 +3F 2 F 4 3F 2 F 5 F 2 F 6 3F 2 F F 3 F 5 +2F 3 F 6 F : C 6 C : C 3 + C + 3(C 6 C ) : C 4 C 3(C 6 C ) : C 5 (C 6 C ) : C 2 2C 3(C 6 C ) : C 6 C : C 5 C 6 + C : C C 3 2 C C : C 3 + C 6 + 2C : C 2 2C 6 C 5 F 3 F : C 6 C : C 5 C 6 + C : C 4 + 2C 3C : C 3 2C + 3C : C 2 + C 3C 6 La matriz final es escalonada, luego las tres primeras filas son linealmente independientes, pero éstas en realidad son: C = [f(v )] B2, C 6 C = [f(v 6 )] B2 [f(v )] B2 = [f(v 6 v )] B2 y C 5 C 6 +C = [f(v 5 v 6 + v )] B2. Por lo que f(v ), f(v 6 v ), f(v 5 v 6 + v ) es base de Img(f) (rg(a) = dim(img f) = 3). Las tres filas restantes de la matriz son cero, en realidad: 0 = C C 3 2 C C 5 = [f(v v 3 2 v v 5)] B2 0 = C 3 + C 6 + 2C 5 = [f(v 3 + v 6 + 2v 5 )] B2 0 = C 2 2C 6 C 5 = [f(v 2 2v 6 v 5 )] B2 luego los vectores v v 3 2 v v 5, v 3 +v 6 +2v 5 y v 2 2v 6 v 5 son vectores de ker(f). Como son linealmente independientes (ver justificación en Anexo, pág 77) y dim(ker f) = 6 dim(img f) = 3, forman una base del ker(f). Definición 37.- Si f: IR n IR m es una aplicación lineal, a la matriz de f asociada a las bases canónicas de IR n y IR m, se le llama la matriz estándar. Definición 38.- Para cada matriz A m n, la aplicación f: IR n IR m definida por f(x) = Ax es lineal y A es la matriz estándar de f. Se dice que f es una aplicación matricial Composición de aplicaciones lineales Aplicación y función tienen el mismo significado (aunque esta última denominación es la que suele usarse en los temas de Cálculo) por lo que la definición siguiente no debe plantear sorpresas: Definición 39.- 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.

5 57 Matemáticas I : Álgebra Lineal 5.3 Teorema de Semejanza Proposición 40.- 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 2 y B 3 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 2, y C p m es la matriz asociada a g respecto de B 2 y B 3, entonces CA p n es la matriz asociada a g f respecto de las bases B y B 3. a) (g f)(λu + µv) = g(f(λu + µv)) = g(λf(u) + µf(v)) = λg(f(u)) + µg(f(v)) = λ(g f)(u) + µ(g f)(v). b) Teniendo en cuenta que [g(w )] B3 = C[w ] B2 y [f(v )] B2 = A[v ] B, 5.3 Teorema de Semejanza [(g f)(v)] B3 = [g(f(v))] B3 = C[f(v)] B2 = CA[v] B ; v V. Proposición 4.- Sea f: V W una aplicación lineal entre espacios vectoriales, B y B dos bases de V y B 2 y B2 dos bases de W. Si A es la matriz de f asociada a las bases B y B 2, P la matriz de cambio de base la base B a la base B y Q la matriz de cambio de base de B 2 a B2 ; entonces la matriz, A, de f asociada a las bases B y B2 viene dada por A = QAP QAP [v ] B = QA[v ] B = Q[f(v )] B2 = [f(v )] B 2 = A [v ] B 2, v V. Luego A = QAP. Teorema de semejanza 42.- Sean f: V V, un operador lineal, A la matriz de f respecto de una base B de V, A 2 la matriz de f respecto de otra base B 2 y P la matriz de paso de B 2 a B. Entonces A 2 = P A P Observación: Una manera de recordar bien este proceso es tener en cuenta los diagramas siguientes, donde la obtención de las nuevas matrices se reduce a la búsqueda de caminos alternativos: A = QAP P V B f W A B2 Q B A B 2 P V f V A B B P A B 2 2 B2 A 2 = P A P No hay que olvidar, que las matrices se operan en orden inverso (las matrices multiplican a los vectores por la izquierda, sucesivamente). Obviamente, el Teorema de Semejanza es un caso particular de la Proposición 4. Definición 43.- Dadas dos matrices A y B de orden n, se dice que A y B son semejantes si existe una matriz P inversible tal que B = P AP. Corolario 44.- Dos matrices A y B son semejantes si y sólo si representan al mismo operador lineal respecto a dos bases. Corolario 45.- Si A y B son matrices semejantes, entonces tienen el mismo rango.

6 58 Matemáticas I : Álgebra Lineal 5.4 Ejercicios 5.4 Ejercicios 5.30 Determinar si las siguientes aplicaciones son o no lineales: a) f: IR 2 IR 2 definida por f(x, y) = ( 3 x, 3 y) b) f: IR 3 IR 2 definida por f(x, y, z) = (2x + y, 3y 4z). a b c) f: M 2 2 IR definida por f = a c d 2 + b Sea f: V W una aplicación lineal. a) Probar que ker f es un subespacio de V b) Probar que Img f es un subespacio de W 5.32 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? Sea A una matriz de tamaño 5 7 con rango 4. a) Cuál es la dimensión del espacio de soluciones de Ax = 0?. b) Ax = b tiene solución para todo b de IR 5? Por qué? Sea T : IR 3 IR 3 la aplicación lineal dada por la fórmula T (x, y, z) = 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 (cartesiana) Sea B = v = (, 2, 3), v 2 = (2, 5, 3), v 3 = (, 0, 0) una base de IR 3 y f: IR 3 IR 2 una aplicación lineal para la que f(v ) = (, 0), f(v 2 ) = (0, ) y f(v 3 ) = (0, ). a) Encontrar una matriz de la aplicación f indicando las bases a las que está asociada. b) Calcular f(v 3 v 2 2v ) y f(,, ) Encontrar la matriz estándar de cada una de las aplicaciones lineales siguientes: a) f x x 2 = x + 2x 2 + x + 5x 2 b) f x x 2 x 4 = x 4 x x Encontrar una base del nucleo y otra de la imagen, para cada una de ellas c) f x x 2 x 4 x y z =. x 4 x x + x 2 x 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, 4) 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 = 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 la aplicación T en las bases: B = u =(, 3), u 2 =( 2, 4) y B 2 = v =(,, ), v 2 =(2, 2, 0), v 3 =(3, 0, 0). b) Usar la matriz obtenida en el apartado anterior para calcular T (8, 3). ( a a 5.40 Sea f: M 2 2 M 2 2 definida por: f 2 2 = a 2 a 22 0 (hace ( el papel) de( la canónica) ) ( y B) de ( M 2 2 ) : B c =,,, B = ) a a 2 a 2 a 22 y sean las bases B c ,,,

7 59 Matemáticas I : Álgebra Lineal 5.4 Ejercicios a) Demostrar que f es lineal. b) Cuál será el tamaño de la matriz de f asociada a la base B c? Hallarla. 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. 5.4 Sea A = la matriz de la aplicación lineal T : IR 4 IR 3 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, ). a) Hallar [T (v )] B, [T (v 2 )] B, [T (v 3 )] B y [T (v 4 )] B. b) Encontrar T (v ), T (v 2 ), T (v 3 ) y T (v 4 ). c) Hallar T (2, 2, 0, 0) Sea T : IR 2 IR 2 la aplicación lineal definida por x x + 7x 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 = (, ) Probar que si A y B son matrices semejantes entonces det(a) = det(b) Probar que si A y B son matrices semejantes entonces A 2 y B 2 también lo son Dado el operador lineal T : IR 3 IR 3 tal que [T (x)] B = A[x] B siendo: A = 2 a 2a y B = u = (,, 0), u 2 = (0,, ), u 3 = (, 0, 0) a 2 a) Calcular los subespacios ker(t ) y Img(T ) según los valores de a. b) Hallar la matriz estándar de T Sean f: V W una aplicación lineal y S = v, v 2,..., v n un conjunto de vectores de V. Probar que si el conjunto f(v ), f(v 2 ),..., f(v n ) es linealmente independiente, entonces S es linealmente independiente. Es cierto el recíproco? Justificar la respuesta Sea T : IR 3 IR 3 la aplicación lineal T = x x 2 = λx + µx 2 + x + λµx 2 + x + µx 2 + λ. 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) Para λ =, encontrar una base del núcleo. 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 Sea T : IR 3 IR 2 una aplicación lineal tal que: x + 2y + z = 0 (i) ker(t ) = (ii) T 0 0 = 2x + y + z = 0 ( 0 ) (iii) T 0 2 =

8 60 Matemáticas I : Álgebra Lineal 5.4 Ejercicios a) Obtener una matriz asociada a T, indicando respecto a que bases. b) Calcular las ecuaciones paramétricas de la imagen del subespacio x + y + z = Sean B p = p, p 2, p 3, p 4 una base de P 3 [X] (polinomios de grado menor o igual a 3), B = v = (0,, 0), v 2 =(,, ), v 3 =(0, 0, ) una base de IR 3 y f: P 3 [X] IR 3 una aplicación lineal verificando: (i) f(p )=f(2p 2 +p 4 )=f(p 2 p 3 ) (ii) f(p 2 )=v +v 3 v 2 (iii) f(p 4 )=(3, 3, 2) a) Encontrar A p la matriz de la aplicación f en las bases B p y B. b) Es la matriz de paso, P c, de la base canónica de IR 3 a B? Justificar la respuesta 0 y, en caso negativo, hallar P c. c) Sea B q = q = X X 3, q 2 = X 2, q 3 = X, q 4 = X 2 +X otra base de P 3 [X] para la cuál, las matrices M qp = y A q = son respectivamente, la matriz de paso de B q a B p y la matriz de f en las bases B q y B. Con estos nuevos datos, cómo se puede comprobar que la matriz A p calculada antes es la correcta? d) Hallar bases de ker(f) e Img(f), obteniendo los vectores concretos que las forman. e) Probar que B 2 = w = (, 2, ), w 2 = (0,, ), w 3 = (2,, 0) es base de IR 3 y obtener la matriz de paso, P 2, de la base B 2 en la base B. f) A partir de las matrices anteriores, dar la expresión del cálculo de las matrices: A p2 de la aplicación f en las bases B p y B 2 M pq de paso de la base B p en la base B q A q2 de la aplicación f en las bases B q y B 2 g) Pueden conocerse los vectores que forman B p? Cómo?, de ser posible o, por qué no?

Aplicaciones lineales.

Aplicaciones lineales. 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;

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

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 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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

f(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).

f(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t). Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y

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. 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

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

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 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

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

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

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

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

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

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 2: Teorema de estructura de los grupos abelianos finitamente generados.

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con

Más detalles

Espacios Vectoriales, 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

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

Base y Dimensión de un Espacio Vectorial

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

Más detalles

Problemas 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

MATEMÁTICAS I 13 de junio de 2007

MATEMÁTICAS I 13 de junio de 2007 MATEMÁTICAS I 13 de junio de 2007 2º EXAMEN PARCIAL Sólo una respuesta a cada cuestión es correcta. Respuesta correcta: 0.2 puntos. Respuesta incorrecta: -0.1 puntos Respuesta en blanco: 0 puntos 1.- Si

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

PROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 3. Transformaciones Lineales

PROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 3. Transformaciones Lineales Tema. Transformaciones Lineales TEMA: TRANSFORMACIÓN LINEAL, NÚCLEO Y RECORRIDO Problema : Sean P el espacio vectorial real de los polinomios de grado menor o igual a dos con coeficientes reales y la transformación

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

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

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

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 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

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

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

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

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

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

CONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2

CONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2 CONJUNTO R n.- Considerar los vectores u = (, -3, ) y v = (, -, ) de 3 : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué valores de x es el

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

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

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

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

102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D.

102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D. 102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D. Tema 1. Espacios Vectoriales. 1. Dar la definición de cuerpo. Dar tres ejemplos de cuerpos. Dar un ejemplo de un cuerpo finito 2. Defina

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

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

ÍNDICE. Capítulo 1. ESPACIOS VECTORIALES Conceptos Teóricos Ejercicios y Problemas resueltos... 13

ÍNDICE. Capítulo 1. ESPACIOS VECTORIALES Conceptos Teóricos Ejercicios y Problemas resueltos... 13 00_Principios 10/8/10 09:47 Página 7 ÍNDICE Prólogo... 9 Capítulo 1. ESPACIOS VECTORIALES... 11 Conceptos Teóricos... 11 Ejercicios y Problemas resueltos... 13 Capítulo 2. MATRICES Y DETERMINANTES... 21

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

Francisco Cabo García Bonifacio Llamazares Rodríguez

Francisco Cabo García Bonifacio Llamazares Rodríguez ÁLGEBRA LINEAL CON DERIVE 5 Francisco Cabo García Bonifacio Llamazares Rodríguez María Teresa Peña García Dpto. de Economía Aplicada (Matemáticas) Universidad de Valladolid Página 1 de 34 Ventana de Álgebra

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

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

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

MATEMÁTICAS I, Grado en Ingeniería Eléctrica, Electrónica Industrial y Mecánica.

MATEMÁTICAS I, Grado en Ingeniería Eléctrica, Electrónica Industrial y Mecánica. MATEMÁTICAS I, Grado en Ingeniería Eléctrica, Electrónica Industrial y Mecánica. Departamento de Matemática Aplicada II. Escuela Politécnica Superior de Sevilla Curso - Boletín n o. Sistemas de ecuaciones

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 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

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

Matrices, determinantes y sistemas de ecuaciones lineales

Matrices, determinantes y sistemas de ecuaciones lineales Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente

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

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

Fundamentos Matemáticos. Tijani Pakhrou

Fundamentos Matemáticos. Tijani Pakhrou Fundamentos Matemáticos Tijani Pakhrou Índice general. Matrices y determinantes.. Definiciones básicas.............................2. Suma de Matrices............................. 3.3. Producto de un

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

ESPACIOS VECTORIALES ESPACIOS VECTORIALES Luisa Martín Horcajo U.P.M. Definición: Vector libre. Operaciones Un vector fijo es una segmento orientado, que queda caracterizado por su origen A y su extremo B y se representa por

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

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos

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

Más detalles

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones

Más detalles

Matrices y sistemas lineales

Matrices y sistemas lineales 15 Matemáticas I : Preliminares Tema 2 Matrices y sistemas lineales 2.1 Definiciones básicas Una matriz es una tabla rectangular de números, es decir, una distribución ordenada de números. Los números

Más detalles

Matrices. Operaciones con matrices.

Matrices. Operaciones con matrices. Matrices. Operaciones con matrices. Ejercicio. Dadas las matrices ( ) ( ) 4 A = B = ( ) C = D = 4 5 ( ) 4 E = F = seleccione las que se pueden sumar y súmelas. Ejercicio. Dadas las matrices ( ) ( ) A =

Más detalles

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

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

Más detalles

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

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

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

ALGEBRA y ALGEBRA LINEAL

ALGEBRA y ALGEBRA LINEAL 520142 ALGEBRA y ALGEBRA LINEAL Primer Semestre, Universidad de Concepción CAPITULO 7. MATRICES DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Matriz Sean

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

Aquella que tiene nulos los elementos nos situados en la diagonal principal. Los elementos situados por encima de la diagonal principal son nulos.

Aquella que tiene nulos los elementos nos situados en la diagonal principal. Los elementos situados por encima de la diagonal principal son nulos. Álgebra lineal Matrices Rango de una matriz Orden del mayor menor complementario no nulo. Matriz regular det A Diagonal principal Elementos a ii de la matriz. Si la matriz es cuadrado son los elementos

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

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

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

Matrices y Sistemas de Ecuaciones lineales

Matrices y Sistemas de Ecuaciones lineales Matrices y Sistemas de Ecuaciones lineales Llamaremos M m n (K) al conjunto de las matrices A = (a ij ) (i = 1, 2,..., m; j = 1, 2,..., n) donde los elementos a ij pertenecen a un cuerpo K. Las matrices,

Más detalles

Aplicaciones Lineales

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

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

Tema 4.- Espacios vectoriales. Transformaciones lineales.

Tema 4.- Espacios vectoriales. Transformaciones lineales. Ingenierías: Aeroespacial, Civil y Química Matemáticas I - Departamento de Matemática Aplicada II Escuela Superior de Ingenieros Universidad de Sevilla Tema 4- Espacios vectoriales Transformaciones lineales

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

7.1 Transformaciones lineales nilpotentes

7.1 Transformaciones lineales nilpotentes Capítulo 7 Forma de Jordan En este capítulo continuaremos estudiando la estructura de los endomorfismos de un espacio vectorial de dimensión finita Veremos que si V es un K-espacio vectorial de dimensión

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

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

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

Más detalles

Ejercicios Resueltos de A lgebra Lineal

Ejercicios Resueltos de A lgebra Lineal Ejercicios Resueltos de A lgebra Lineal Nu meros Complejos Sean z = i y w = eiπ/4 (a) Representa gra ficamente en un mismo sistema de coordenadas los nu meros complejos z z w w (Recuerda: Un solo par de

Más detalles