TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES

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

Download "TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES"

Transcripción

1 TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES Definición 1.1. Endomorfismo Nilpotente. Un endomorfismo T End(V ) es nilpotente si existe n N tal que f n 0. Definición 1.. Matriz Nilpotente. Una matriz A M n (R) es nilpotente si existe un n N tal que A n = 0. Proposición 1.3. Sea T End(V ) y sea B una base de V. T es nilpotente M B T es nilpotente. Proposición 1.4. Los endomorfismos nilpotentes sólo tienen al cero como autovalor. Definición 1.5. Orden de Nilpotencia Decimos que k es el orden de nilpotencia de un endomorfismo T End(V ) si T k = 0 pero si T k 1 0. Proposición 1.6. Sea T un endomorfismo nilpotente de orden de nilpotencia k, entonces T m = 0, m k Proposición 1.7. Sea T un endomorfismo nilpotente no nulo y sea k su orden de nilpotencia. Entonces se tiene el siguiente encadenamiento: {0} ker T ker T ker T k = V Teorema 1.8. (Forma canónica de un endomorfismo nilpotente) Sea V un K-espacio vectorial de dimensión n. Sea T un endomorfismo de V nilpotente de orden k n. Entonces existe una base B de V de tal forma que la M B T es de la siguiente manera: 0 δ δ δ n donde δ i = 0 ó 1, i = 1,, n 1 sea T : R 5 R 5 un endomorfismo cuya matriz en la base canónica es M Bc f = A = M Bc f = M Bc f 3 = Así pues f es nilpotente de orden 3. ker f = L{(1, 0, 0, 0, 0)(0, 1, 1, 0, 0)} ker f = L{(1, 0, 0, 0, 0)(0, 1, 0, 0, 0)(0, 0, 1, 0, 0)(0, 0, 0, 3, 1)} ker f 3 = R 5 observar {0} ker f ker f ker f 3 = R 5 Sea W 1 un subespacio de R 5 tal que ker f 3 = ker f W 1 como dim ker f 3 = 5 y dim ker f = 4 = dimw 1 = 1 sea W 1 = L{(0, 0, 0, 1, 0)}. Sea W un subespacio de R 5 tal que ker f = ker f W 1

2 como dim ker f = 4 y dim ker f = = dimw = sea W = L{f(0, 0, 0, 1, 0), (0, 0, 0, 1, 1)}. Sea W 3 un subespacio de R 5 tal que ker f = {0} W 3 como dim ker f = y dim{0} = 0 = dimw 3 = sea W 3 = L{f (0, 0, 0, 1, 0), f(0, 0, 0, 1, 1)}. la matriz de f en la base es B = {f (0, 0, 0, 1, 0), f(0, 0, 0, 1, 0), (0, 0, 0, 1, 0)f(0, 0, 0, 1, 1), (0, 0, 0, 1, 1)} M B f Demostración. Por ser T un endomorfismo de V nilpotente de orden k sabemos que T k 0 y por lo tanto ker T k = V. Además tenemos la siguiente cadena de núcleos {0} ker T 1 ker T ker T k 1 ker T k = V. Como ker T k 1 ker T k = V existe un subespacio W 1 V tal que Denotaremos por Sea W 1 = L{v 1,, v r1 }, es decir, V = ker T k = ker T k 1 W 1. r 1 = dim W 1 = dim ker T k dim ker T k 1. Observar que V = ker T k = ker T k 1 L{v 1, v r1 }. T k (v i ) = 0 para todo i = 1,..., r 1 es decir T k 1 (v i ) 0 para todo i = 1,..., r 1 (1) {v 1,..., v r1 } ker T k, {v 1,..., v r1 } / ker T k 1. () {T (v 1 ),..., T (v r1 )} ker T k 1. T k (v i ) = T k 1 (T (v i )) = 0 para todo i = 1,..., r 1 De igual forma como ker T k ker T k 1 existe entonces un subespacio W ker T k 1 tal que Denotaremos por Como ker T k 1 = ker T k W. r = dim W = dim ker T k 1 dim ker T k. {T (v 1 ),..., T (v r1 )} ker T k 1, {T (v 1 ),..., T (v r1 )} / ker T k y además {T (v 1 ),..., T (v r1 )} es un sistema linealmente independiente en ker T k 1 se sigue entonces es decir, Observar que W = L{T (v 1 ),..., T (v r1 ), v r1 +1,..., v r }, ker T k 1 = ker T k L{T (v 1 ),... T (v r1 ), v r1 +1,..., v r },

3 3 T k 1 (v i ) = 0 para todo i = r 1 + 1,..., r es decir T k (v i ) 0 para todo i = r 1 + 1,..., r {v r1 +1,..., v r } ker T k 1, {v r1 +1,..., v r } / ker T k. {T (v r1 +1),, T (v r )} ker T k. T k 1 (v i ) = T k (T (v i )) = 0 para todo i = r V = ker T k = L{v 1, v r1 } ker T k 1 = = L{v 1, v r1 } L{T (v 1 ), T (v r1 ), v r+1,..., v r } ker T k Repitiendo este proceso llegamos a escribir el espacio V de la siguiente manera: V =L{v 1,... v r1 } L{T (v 1 ),... T (v r1 ), v r+1,..., v r } L{T (v 1 ),... T (v r1 ), T ( v r1 +1),..., T (v r ), v r +1,... v r3 } L{T 3 (v 1 ),... T 3 (v r1 ), T (v r1 +1),..., T (v r ), T (v r +1),... T (v r3 ), v r3 +1,..., v r4 } L{T k 1 (v 1 ),... T k 1 (v r1 ), T k (v r1 +1),... T k (v r ), T k 3 (v r +1),..., T k (v r3 ),..., v rk 1 +1,..., v rk } Observamos que Y que r k = dim ker T k r j = n j=1 Reordenamos todos estos vectores en orden decreciente de potencias de la siguiente manera: B = {T k 1 (v 1 ), T k (v 1 ),..., T (v 1 ), v 1, T k 1 (v ), T k (v ),..., T (v ), v,... T k 1 (v r1 ), T k (v r1 ),..., T (v r1 ), v r1, T k (v r1 +1), T k 3 (v r1 +1),..., T (v r1 +1), v r1 +1, T k (v r1 +), T k 3 (v r1 +),..., T (v r1 +), v r1 +,... T k (v r ), T k 3 (v r ),, T (v r ), v r, T k 3 (v r +1), T k 4 (v r +1),, T (v r +1), v r +1,... v rk 1 +1,..., v rk } Quedando la matriz del endomorfismo en esta base de la forma:

4 M B T = Sea A = la matriz asociada a f : R 4 R 4 en la base canónica. p f (λ) = ( λ) 4 así pues el único autovalor de f es λ = con m A () = 4 y m G () = por lo tanto f no es ni diagonalizable ni nilpotente. Fijémonos en el endomorfismo (f id) : R 4 R 4 cuya matriz en base canónica es C = El endomorfismo (f id) es nilpotente ya que (f id) = 0. Formamos su cadena {0} ker(f id) = L{(1, 0, 0, 0), (0, 1, 0, 0)} ker((f id) ) = R 4. R 4 = ker((f id) ) = ker(f id) W 1, W 1 = L{(0, 0, 1, 0), (0, 0, 0, 1)} ker(f id) = {0} W, W = L{(f id)(0, 0, 1, 0), (f id)(0, 0, 0, 1)} = L{(3, 0, 0, 0), (0, 3, 0, 0)} entonces R 4 = ker((f id) ) = ker(f id) W 1 = {0} W W 1 = W W 1. Por lo tanto B = {(f id)(0, 0, 1, 0), (0, 0, 1, 0), (f id)(0, 0, 0, 1), (0, 0, 0, 1)} es una base de R 4 y la matriz de (f id) en B es M B (f id) = luego M B (f) = M B (f id) + I, es decir, M B (f) =

5 sea T : R 5 R 5 un endomorfismo cuya matriz en la base canónica es p T (λ) = ( λ) 3 ( 1 λ) así pues los autovalores de T son λ =, 1 con m A () = 3 m A ( 1) = y m G () = m G ( 1) = por lo tanto T no es ni diagonalizable ni nilpotente. El endomorfismo (T id) : R 5 R M Bc (T id) = M Bc (T id) = ker(t id) = L{3e + e 5, 3e 3 + e 4 } ker (T id) = L{3e 1 + e, 3e + e 5, 3e 3 + e 4 } ker (T id) 3 = L{3e 1 + e, 3e + e 5, 3e 3 + e 4 } ker (T id) n = L{3e 1 + e, 3e + e 5, 3e 3 + e 4 } n Consideremos ahora el endomorfismo T id pero en vez de definido en todo R 5 definido sólo en ker(t id) R 5 es decir (T id) ker(t id) : ker(t id) ker(t id). el endomorfismo T id es nilpotente ya que (T id) ) ker(t id) = 0. Formamos su cadena {0} ker(t id) ker(t id) ker((t id) ) = ker(t id). ker((t id) ) = ker(t id) W 1, W 1 = L{3e 1 + e } ker(t id) = {0} W, W = L{(T id)(3, 1, 0, 0, 0), } = L{(0, 3, 0, 0, 1), (0, 0, 3, 1, 0)} entonces ker((t id) ) = ker(t id) W 1 = W W 1. Por lo tanto B = {(T id)(3, 1, 0, 0, 0), (3, 1, 0, 0, 0), (0, 0, 3, 1, 0)} es una base de ker((t id) ) y la matriz de (T id) ker((t id) ) en B es M B (T id) = luego M B (T ker((t id) )) = M B (T id) ker((t id) ) + I, es decir, M B ((T ker((t id) ))) = El endomorfismo (T + id) : R 5 R M Bc (T + id) = M Bc (T + id) =

6 6 ker(t + id) = L{e 5, e 4 } ker (T id) = L{e 5, e 4 } ker (T id) n = L{e 5, e 4 } n 1 Consideremos ahora el endomorfismo T + id pero en vez de definido en todo R 5 definido sólo en ker(t + id) R 5 es decir (T + id) ker(t +id) : ker(t + id) ker(t + id). el endomorfismo T + id es nilpotente ya que (T + id) ker(t +id) = 0. Formamos su cadena entonces {0} ker(t + id) ker(t +id) = ker(t + id). ker((t + id)) = {0} W 1, W 1 = L{(0, 0, 0, 0, 1), (0, 0, 0, 1, 0)} ker(t + id) = W 1. Por lo tanto B = {(0, 0, 0, 0, 1), (0, 0, 0, 1, 0)} es una base de ker((t + id)) y la matriz de (T + id) ker((t +id) en B es 0 0 M B (T + id) = 0 0 luego M B (T ker(t +id) ) = M B (T + id) ker(t +id) I, es decir, 1 0 M B ((T ker(t +id) )) = 0 1 Resumiendo M B ((T ker((t id) ))) = M B ((T ker(t +id) )) = Si tomo la base B = {(T id)(3, 1, 0, 0, 0), (3, 1, 0, 0, 0), (0, 0, 3, 1, 0), (0, 0, 0, 0, 1), (0, 0, 0, 1, 0)} de R 5 tenemos T ((T id)(3, 1, 0, 0, 0)) = (, 0, 0, 0, 0) T ((3, 1, 0, 0, 0)) = (1,, 0, 0, 0) T (0, 0, 3, 1, 0)) = (0, 0,, 0, 0) T (0, 0, 0, 0, 1) = (0, 0, 0, 1, 0) T (0, 0, 0, 1, 0)) = (0, 0, 0, 0, 1) Teorema de Jordan M B (T ) = Definición 1.9. Llamaremos Matriz Elemental o Reducida de Jordan de orden k y autovalor λ a la matriz de orden k cuyos elementos son todos nulos, excepto los de la diagonal principal, que valen λ, y los situados inmediatamente encima de la diagonal principal, que son unos. Ejemplos matriz elementales de Jordan de orden 1,, 3, etc.

7 Definición Llamaremos Matriz de Jordan a cualquier matriz cuadrada formada por la yuxtaposición de matrices elementales de Jordan a lo largo de la diagonal, de la forma M B T = J λ1 J λ... J λq 7 Sea T End(V ) y λ 0 R un autovalor de T. La aplicación T λ 0 id End(V ). Consideramos la cadena {0} ker(t λ 0 id) ker(t λ 0 id) ker(t λ 0 id) 3 ker(t λ 0 id) 4... ker(t λ 0 id) n... Como E i (λ 0 ) = ker(t λ 0 id) i son todos subespacios de un espacio de dimensión finita, existe algún m n tal que ker(t λ 0 id) m = ker(t λ 0 id) m+1 ; sea j N el menor de estos números naturales m. Proposición 1.1. Si E j (λ 0 ) = E j+1 (λ 0 ), entonces E p (λ 0 ) = E j (λ 0 ) para todo p j. Demostración. Inducción sobre r en la expresión E j (λ 0 ) = E j+r (λ 0 ), para todo r N. Definición llamamos Autoespacio Generalizado del autovalor ker(t λ 0 id) j λ 0 al subespacio {0} ker(t λ 0 id) ker(t λ 0 id)... ker(t λ 0 id) j = ker(t λ 0 id) j+1 Proposición T (ker(t λ 0 id) j ) ker(t λ 0 id) j. Demostración. sea x ker(t λ 0 id) j entonces (T λ 0 id) j (x) = 0, y por lo tanto (T λ 0 id) j (T (x)) = T ((T λ 0 id) j (x)) = 0 como queríamos. Corolario La aplicación T λ 0 id (T λ0 id) j End((T λ 0id) j ) es nilpotente de orden j. Proposición dim ker(t λ 0 id) j m A (λ 0 ). Demostración. ker(t λ 0 id) ker(t λ 0 id) j y como dim ker(t λ 0 id) = 1 entonces 1 ker(t λ 0 id) j.

8 Corolario j m A (λ 0 ) Definición Indice de un Autovalor. Dado λ autovalor de un endomorfismo f diremos que ν(λ) R es el índice de λ si ker(f λid) ν(λ) = ker(f λid) p para todo p ν(λ). Proposición La aplicación T λ i I Es nilpotente sobre el subespacio ker(t λ i I) m A(λ i ). 8 Demostración. Teorema 1. Teorema de Descomposición de un Espacio Vectorial. Sea V un espacio vectorial sobre un cuerpo K finitamente generado, dim V = n, T un endomorfismo de V. Supongamos que todas las raíces del P T (λ) están en el cuerpo K. Sean λ 1,..., λ q, q n, los autovalores distintos de P T (λ), con m A (λ i ) las multiplicidades algebraicas de λ i. Entonces: i) V = ker(t λ 1 I) m A(λ 1 )... ker(t λ q I) m A(λ q) ii) T (ker(t λ i I) m A(λ i ) ) ker(t λ i I) m A(λ i ) i = 1,..., q iii) dim[ker(t λ i I) m A(λ i ) ] = m A (λ i ) Teorema 1.0. Teorema de Jordan Sea V un espacio vectorial sobre un cuerpo K finitamente generado no nulo, sea T un endomorfismo de V y tal que sus autovalores pertenecen a K. Entonces existe una base ordenada B de V con respecto a la cual la matriz asociada a T es una matriz diagonal por cajas de la forma: M B T = J λ1 J λ... Ejemplos 1.1. J λq

9 A la matriz que se obtiene en el teorema anterior la llamaremos MATRIZ DE JOR- DAN DE T, observar que esta matriz no es única. PREGUNTAS: Cuál es el número de veces que aparece un autovalor λ i en la diagonal de una matriz de Jordan? Cuál es el número de matrices elementales de Jordan de un mismo autovalor? Hay algún tamaño de estas matrices elementales de Jordan que sepamos seguro que va aparecer? Cuál es este tamaño? Cuántas cajas de tamaño el orden de nilpotencia de un autovalor habrá en la matriz? EJEMPLOS: 1.- Sea V un espacio vectorial sobre C, sea T un endomorfismo de V del cual sabemos que: σ(t ) = {3, 1, 1,, 0} dim ker(t 3I) = dim ker(t 3I) = dim ker(t I) = 1 dim ker(t I) = dim ker(t I) 3 = dim ker(t + I) = 3 dim ker(t + I) = dim ker(t + I) 3 = 5 dim ker(t + I) = 3 dim ker(t + I) = 6 dim ker(t + I) 3 = dim ker(t + I) 4 = 7 dim ker T = 4 dim ker T = 6 dim ker T 3 = 8 dim ker T 4 = dim ker T 5 = 10 a) Es T un isomorfismo? b) Determinar razonadamente la dimensión de V c) Calcular las multiplicidades y el índice de cada autovalor. d) Calcular los polinomios característico y mínimo de T e) Obtened la matriz de Jordan de T..- Calcular matrices de Jordan para cada una de las siguientes matrices y las matrices de paso P correspondientes, también sus polinomios mínimos: A = B = C = D = E = F = G = H = Polinomios de matrices,t a y de Cayley-Hamilton 9

10 Definición 1.. Polinomios de endomorfísmos Sea p(x) = a 0 + a 1 x + a x + + a n x n un polinomio p(x) R[x] y f end(v ). Definimos p(f) como donde f 0 = id, f p+1 = fp f. p(f) = a 0 f 0 + a 1 f + a f + + a n f n Proposición 1.3. f p f q = f q f p = f p+q. Si p(x), q(x) R[x] entonces p(f) + q(f) = (p + q)(f). p(f) q(f) = (pq)(f). λp(f) = (λp)(f). p(f) q(f) = q(f) p(f). Definición 1.4. Polinomios de matices Sea p(x) = a 0 +a 1 x+a x + +a n x n un polinomio p(x) R[x] y A M n (R). Definimos p(a) como p(f) = a 0 A 0 + a 1 A + a A + + a n A n 10 donde A 0 = I, A p+1 = ApA. Proposición 1.5. A p A q = A p+q. Si p(x), q(x) R[x] entonces p(a) + q(a) = (p + q)(a). p(a)q(a) = (pq)(a). λp(a) = (λp)(a). p(a)q(a) = q(a)p(a). 3 EJEMPLOS: 1.- Sea A = y p(x) = x 1 3λ + 1 y 3 P (A) = 3 1 ( 3 1 ) = Sea g(x) = x 1998 A = A = Así que g(a) = A 1998 = Proposición 1.6. Si y A M n (K) Entonces 1998 f(x) = (x α 1 )(x α ) (x α n ) f(a) = (A α 1 )(A α ) (A α n ) = Proposición 1.7. Sea K un cuerpo, sea A M n (K) entonces existe un polinomio f K[x] no nulo tal que f(a) = 0

11 Demostración. Proposición 1.8. Sea V un espacio vectorial sobre el cuerpo K con dim V = n y T : V V lineal, entonces f K[x], f 0 /f(t ) = 0 11 Teorema 1.9. Teorema de Cayley-Hamilton p A (A) = 0, p T (T ) = 0 Demostración. Sea A M nxn (K), se verifica que p A (A) = 0. Es decir, si p A (λ) = b n λ n b 1 λ + b 0, ocurre que b n A n b 1 A + b 0 I = 0. Sean B = A λi y C = adj(b) (la matriz en cuya entrada c i,j aparece el adjunto, con su signo correspondiente, al elemento b j,i. cuando se habló de matrices inversas, se tiene que B adj(b) = det(b) I. 1) Probar que existen B 0,, B n 1 M n n (K) tales que C = B n 1 λ n B 1 λ + B 0. ) Probar que B C = det(b) I n. 3) Probar que det(b) I n = B C = (A λi) C = A C λc o, equivalentemente: b n I n λ n + + b 1 I n λ + b 0 I n = AB n 1 λ n AB 1 λ + AB 0 B 0 λ B n 1 λ n. Deducir de ahí, igualando coeficientes, que b 0 I n = AB 0 b 1 I n = AB 1 B b n 1 I n = A n 1 B B n b n I n = B n 1 4) Multiplicar las ecuaciones anteriores por I, A,, A n 1, A n y sumarlas. Deducir de ahí que p A (A) = 0. 3 EJEMPLOS: 1.- Si A =, entonces p 1 A (λ) = λ 5λ + 8 y P A (A) = 5 +8 = EJEMPLOS: 1.- Sea A =. Comprobar que p 3 B (B) = 0.- Sea A = Calcular A Sea A = , B = λ C = 0 λ λ n con λ i λ j si i j. Calcular los polinomios mínimos de A, B y C. 8 0 = Definición Llamamos polinomio mónico aquel polinomio cuyo coeficiente de grado máximo es 1, es decir, p(x) = x n + a n 1 x n 1 + a n x n a 1 x + a 0. Definición Si A M n n (R) entonces llamamos polinomio minimo de A, pma(x) al polinomio mónico de menor grado tal que pma(a) = 0.

12 1 Teorema 1.3. y pm A divide a p A. Demostración. Teorema p A y pm A tienen las mismas raíces. Demostración.

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

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

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

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

Diagonalización de Endomorfismos

Diagonalización de Endomorfismos Capítulo VII Diagonalización de Endomorfismos Fijemos, para todo este capítulo, un espacio vectorial E sobre un cuerpo k y un endomorfismo T : E E. Vamos a estudiar cuándo existe una base de E respecto

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. 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

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

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

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

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

Resumen de Teoría de Matrices

Resumen de Teoría de Matrices Resumen de Teoría de Matrices Rubén Alexis Sáez Morcillo Ana Isabel Martínez Domínguez 1 de Octubre de 2004 1. Matrices. Generalidades. Definición 1.1. Se llama matriz de orden m n sobre un cuerpo K a

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

Tema 2: Espacios Vectoriales

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

Más detalles

Descomposición en valores singulares de una matriz

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

Más detalles

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

6.1. Anillos de polinomios.

6.1. Anillos de polinomios. 1 Tema 6.-. Anillo de polinomios. División y factorización. Lema de Gauss. 6.1. Anillos de polinomios. Definición 6.1.1. Sea A un anillo. El anillo de polinomios en la indeterminada X con coeficientes

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

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

Capítulo 4: Polinomios

Capítulo 4: Polinomios Capítulo 4: Polinomios Miguel Ángel Olalla Acosta miguelolalla@us.es Departamento de Álgebra Universidad de Sevilla Diciembre de 2015 Olalla (Universidad de Sevilla) Capítulo 4: Polinomios Diciembre de

Más detalles

2.1. Estructura algebraica de espacio vectorial

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

Más detalles

Ejemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales.

Ejemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales. Facultad de Ingeniería - IMERL - Geometría y Álgebra Lineal 2 - Curso 2008. 1 Transformaciones lineales en espacios con producto interno Notas para el curso de Geometría y Algebra Lineal 2 de la Facultad

Más detalles

TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR

TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR Índice 6.1. Formas bilineales....................... 154 6.1.1. Representación matricial de una forma bilineal. 155 6.1.. Formas multilineales reales............

Más detalles

Espacios vectoriales. Capítulo Espacios vectoriales y subespacios Preliminares

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

Más detalles

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

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

Matrices y determinantes. Sistemas de ecuaciones lineales

Matrices y determinantes. Sistemas de ecuaciones lineales Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo

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

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

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

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

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

Dependencia e independencia lineal

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

Más detalles

MMAF: Espacios normados y espacios de Banach

MMAF: Espacios normados y espacios de Banach MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el

Más detalles

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

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

Más detalles

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

Espacios Vectoriales

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

Más detalles

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas. TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A

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

Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple

Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.

Más detalles

Teoría de anillos. Dominios, cuerpos y cuerpos de fracciones. Característica de un cuerpo.

Teoría de anillos. Dominios, cuerpos y cuerpos de fracciones. Característica de un cuerpo. 1 Tema 5.-. Teoría de anillos. Dominios, cuerpos y cuerpos de fracciones. Característica de un cuerpo. 5.1. Anillos y cuerpos Definición 5.1.1. Un anillo es una terna (A, +, ) formada por un conjunto A

Más detalles

Matrices y Determinantes

Matrices y Determinantes Capítulo 1 Matrices y Determinantes 11 Matrices Generalidades Definición 11 Sea E un conjunto cualquiera, m, n N Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12 a 1n a 21 a

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

Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS

Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS 1 Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS 1.1 Los Números Naturales. Los números naturales aparecen por la necesidad que tiene el hombre (primitivo) tanto de contar como de ordenar

Más detalles

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.

Más detalles

Notas del curso de Algebra Lineal II

Notas del curso de Algebra Lineal II Notas del curso de Algebra Lineal II Luis Valero Elizondo 09 de Diciembre del 2007 Índice general 1. Formas Canónicas Elementales. 4 1.1. Valores y vectores propios.................... 4 1.2. Polinomio

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

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

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

Aplicaciones de la Forma Normal de Smith de una Matriz Entera

Aplicaciones de la Forma Normal de Smith de una Matriz Entera Aplicaciones de la Forma Normal de Smith de una Matriz Entera Rafael Heraclio Villarreal Rodríguez Departmento de Matemáticas CINVESTAV-IPN, México D.F. XLV Congreso Nacional Sociedad Matemática Mexicana

Más detalles

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

Descomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar) Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos

Más detalles

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

Clase 4 Funciones polinomiales y racionales

Clase 4 Funciones polinomiales y racionales Clase 4 Instituto de Ciencias Básicas Facultad de Ingeniería Universidad Diego Portales Marzo de 2014 Polinomios Definición Se llama polinomio en x a toda expresión de la forma p(x) = a 0 + a 1x+ +a n

Más detalles

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

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

Más detalles

Tema 5: Espacios Vectoriales Métricos Euclídeos.

Tema 5: Espacios Vectoriales Métricos Euclídeos. Tema 5: Espacios Vectoriales Métricos Euclídeos. Índice 1. Métricas y formas cuadráticas. 1 2. Perpendicularidad: tipos de métricas. 3 3. Norma y ángulos en un EVME. Desigualdad de Schwarz. 4 4. Bases

Más detalles

ALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE.

ALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE. ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Polinomio Sea K (Q,

Más detalles

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p

Más detalles

Diagonalización de matrices.

Diagonalización de matrices. Diagonalización de matrices. 1. Diagonalización de matrices. Definición 1.1 Sea A una matriz cuadrada,, decimos que es un autovalor de A si existe un vector no nulo tal que En esta situación decimos que

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

Matrices, determinantes, sistemas de ecuaciones lineales.

Matrices, determinantes, sistemas de ecuaciones lineales. UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m

Más detalles

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

Universidad Alonso de Ojeda. Facultad de Ingeniería GUIA DE ESTUDIO ALGEBRA LINEAL. UNIDAD V: ESPACIOS VECTORIALES Estamos acostumbrados a representar un punto en la recta como un número real; un punto en el plano como un par ordenado y un punto en el espacio tridimensional como una terna

Más detalles

4.1. Polinomios y teoría de ecuaciones

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

Más detalles

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

Diagonalización de Matrices

Diagonalización de Matrices Tema Diagonalización de Matrices Introducción En los dos temas previos de este bloque hemos visto cómo problemas de la realidad son escritos, tratados y resueltos a través de espacios vectoriales y sistemas

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

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

Temario de Matemáticas

Temario de Matemáticas Temario de Matemáticas BLOQUE I: ÁLGEBRA LINEAL Y GEOMETRÍA 1 o Grado en Biología Alma Luisa Albujer Brotons Índice general 1. Matrices 1 1.1. Conceptos básicos y ejemplos...............................

Más detalles

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

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

Más detalles

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

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

Universidad de Jaén Departamento de Matemáticas Ingeniería Técnica en Informática de Gestión.

Universidad de Jaén Departamento de Matemáticas Ingeniería Técnica en Informática de Gestión. Universidad de Jaén Departamento de Matemáticas Ingeniería Técnica en Informática de Gestión. Algebra I I Relación de problemas 3. Espacios vectoriales. 1.-Estudiar si los siguientes conjuntos forman o

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

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

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 Algebra III. Curso 00-01

Ejercicios de Algebra III. Curso 00-01 Ejercicios de Algebra III. Curso 00-01 Ejercicio 1. Sea x un elemento nilpotente de un anillo A. Probar que 1 + x es una unidad de A. Deducir que la suma de un elemento nilpotente y de una unidad es una

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

Clase 8 Matrices Álgebra Lineal

Clase 8 Matrices Álgebra Lineal Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas

Más detalles

POLINOMIOS. (Versión Preliminar) Un polinomio en la variable x es una expresión de la forma. p(x) = a n x n + a n 1 x n

POLINOMIOS. (Versión Preliminar) Un polinomio en la variable x es una expresión de la forma. p(x) = a n x n + a n 1 x n POLINOMIOS (Versión Preliminar) Estas notas deben ser complementadas con ejercicios de la guía o de algun texto. En esta sección denotaremos por N al conjunto de los números naturales incluido el cero.

Más detalles

TEMA 4: Espacios y subespacios vectoriales

TEMA 4: Espacios y subespacios vectoriales TEMA 4: Espacios y subespacios vectoriales 1. Espacios vectoriales Sea K un cuerpo. Denominaremos a los elementos de K escalares. Definición 1. Un espacio vectorial sobre K es un conjunto V cuyos elementos

Más detalles

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R.

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA ANALÍTICO DE LA ASIGNATURA: ALGEBRA LINEAL Código L2.07.1 PLAN DE ESTUDIOS: 2002 CARRERA: Licenciatura en Matemática DEPARTAMENTO:

Más detalles

TEMA 2. ESPACIOS VECTORIALES

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

Más detalles

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

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

MATRICES. M(n) ó M nxn A =

MATRICES. M(n) ó M nxn A = MTRICES Definición de matriz. Una matriz de orden m n es un conjunto de m n elementos pertenecientes a un conjunto, que para nosotros tendrá estructura de cuerpo conmutativo y lo denotaremos por K, dispuestos

Más detalles

R no es enumerable. Por contradicción, supongamos que existe una biyección f : N! R. diagonalización de Cantor. Para cada i 2 N:

R no es enumerable. Por contradicción, supongamos que existe una biyección f : N! R. diagonalización de Cantor. Para cada i 2 N: R no es enumerable Por contradicción, supongamos que existe una biyección f : N! R. I Vamos a obtener una contradicción usando el método de diagonalización de Cantor. Para cada i 2 N: f (i) = n i.d i,0

Más detalles

Vectores y matrices. v 1 v 2. = [v. v = v n. Herramientas de A.L. p.1/64

Vectores y matrices. v 1 v 2. = [v. v = v n. Herramientas de A.L. p.1/64 Vectores y matrices Los elementos básicos en teoría de sistemas lineales son vectores n 1 (columna) o 1 n (fila) y matrices n m con elementos reales (i.e. v R n y A R n m ). Denotamos el elemento i del

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

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

Lección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto

Más detalles

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

2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U.

2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U. 2 Ortogonalidad En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U 1 Vectores ortogonales Definición 11 Dos vectores x, ȳ U se dicen ortogonales si: x ȳ = 0 Veamos algunas propiedades

Más detalles

Espacios topológicos. 3.1 Espacio topológico

Espacios topológicos. 3.1 Espacio topológico Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes

Más detalles

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

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

Más detalles

ESPACIOS VECTORIALES

ESPACIOS VECTORIALES 1. Introducción: 1.1 Grupo Abeliano 1. Cuerpo. Estructura de espacio vectorial 3. Propiedades 4. Subespacio vectorial 5. Combinación lineal de vectores 5.1 Propiedades 6. Dependencia e independencia lineal

Más detalles

TALLER DE MATEMÁTICAS NOTAS. Toda expresión algebraica del tipo. a n x n + a n 1 x n 1 +... + a 1 x + a 0. es un polinomio de grado n, si a n 0.

TALLER DE MATEMÁTICAS NOTAS. Toda expresión algebraica del tipo. a n x n + a n 1 x n 1 +... + a 1 x + a 0. es un polinomio de grado n, si a n 0. NOTAS Toda expresión algebraica del tipo es un polinomio de grado n, si a n 0. a n x n + a n 1 x n 1 +... + a 1 x + a 0 RELACIONES DE DIVISIBILIDAD 1) x n a n = (x a)(x n 1 + ax n 2 + a 2 x n 3 +... +

Más detalles

Conjuntos y matrices. Sistemas de ecuaciones lineales

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

Más detalles

Construcción de bases en el núcleo e imagen de una transformación lineal

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.

Más detalles

El Teorema Fundamental del Álgebra

El Teorema Fundamental del Álgebra El Teorema Fundamental del Álgebra 1. Repaso de polinomios Definiciones básicas Un monomio en una indeterminada x es una expresión de la forma ax n que representa el producto de un número, a, por una potencia

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

ALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República

ALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto

Más detalles

Comisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 2012

Comisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 2012 AMARUN www.amarun.org Comisión de Pedagogía - Diego Chamorro Análisis Funcional (Nivel 2). Lección n 1: Aplicaciones Lineales EPN, verano 212 Introducción Algunas fechas: 197: Noción de Operador lineal

Más detalles