Tema 2. Espacios Vectoriales Introducción

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

Download "Tema 2. Espacios Vectoriales. 2.1. Introducción"

Transcripción

1 Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por una dirección, un sentido y un módulo. Estas definiciones se suelen dar para vectores de R 2 y R 3. También conocemos que dos vectores en R 2 y en R 3 se pueden sumar analíticamente (es decir sumando cada coordenada) y geométricamente (mediante la regla del paralelogramo). Además también se puede multiplicar un número (escalar) por un vector, cuyo resultado es alargar o encoger el vector o cambiarle su sentido en función de si el número es negativo o no. Por tener definidas estas operaciones (y cumplir una serie de propiedades) se dice que R 2 (o R 3 ) es un espacio vectorial. Sin embargo el concepto de espacio vectorial, en definitiva de vector, es mucho más amplio y no sólo se reduce al de segmento orientado sino que a la luz del siguiente tema veremos que otros conjuntos comparten todas las propiedades de las operaciones con vectores de R 2 y R 3 con lo cual también los llamaremos vectores. Así, en este tema, veremos que el conjunto de los polinomios de grado menor o igual que dos con las operaciones de suma de polinomios y la multiplicación de un número por un polinómio, es un espacio vectorial ( con lo cual un polinomio es un vector!). También las matrices de 2 filas y 3 columnas es un espacio vectorial con la suma de matrices y multiplicación de un número por una matriz (por tanto una matriz 2 3 también es un vector!) y otros muchos conjuntos también cumplen las propiedades de ser un espacio vectorial, con lo cual sus elementos se pueden llamar vectores. Sin embargo, por su gran importancia, comenzaremos estudiando con detalle los espacios vectoriales de la forma K n (donde K = Q, R o Z p, con p primo) y veremos como otros espacios vectoriales se pueden estudiar a partir de ellos. Durante todas estas notas por K entenderemos que representa a R, Q o Z p con p un número primo. 1

2 2 TEMA 2. ESPACIOS VECTORIALES 2.2. Vectores en K n Definición Sea n 1 un número natural. Un vector sobre K de dimensión n es una lista ordenada de n números de K, es decir v = (a 1,...,a n ) con los a i K. Los a i se llaman las coordenadas del vector v. Al conjunto de los vectores de dimensión n sobre K lo denotaremos por K n. Los vectores pueden verse como un tipo especial de matrices, por lo que pueden efectuarse sobre ellos las mismas operaciones de suma y producto por un elemento de K que podíamos realizar en general. Ejemplo Dados los vectores v = (1, 3, 4, 2) y w = (1, 3, 2, 0) de Q 4, v + w = (2, 0, 6, 2), y 1/2v = (1/2, 3/2, 2, 1). Llamaremos vector 0 a 0 = (0,...,0) K n. Definición Sean v 1,...,v m vectores de K n. Una combinación lineal de v 1,...,v m es cualquier expresión del tipo t 1 v t m v m, donde los t i K. Para saber si un vector v es combinación lineal de los vectores v 1, v 2...,v m tenemos que resolver el SEL (sistema de ecuaciones lineales) que tiene a los vectores v 1,...,v m como columnas en la matriz de coeficientes y al vector v como columna de términos independientes. Si el SEL es incompatible quiere decir que el vector v no es combinación lineal de v 1,...,v m. El conjunto de todas las posibles combinaciones lineales de v 1,...,v m se denota v 1,...,v m. Es decir, v 1,...,v m = {t 1 v t m v m, t i K} Diremos que los vectores v 1,...,v m generan K n (o que forman un sistema generador de K n ) si v 1,...,v m = K n Ejemplo Consideremos el espacio vectorial Z 4 7. Los vectores u = (0, 5, 5, 6) y v = (2, 0, 5, 6) son combinaciones lineales de los vectores v 1 = (2, 3, 1, 4), v 2 = (1, 2, 1, 4) ya que u = 2v 1 + 3v 2 y v = 4v 1 + 1v 2. Ejemplo (0, 0, 0, 0) = {(0, 0, 0, 0)}.

3 2.2. VECTORES EN K N 3 2. Si v 1 = (1, 2) y v 2 = (0, 1) son vectores de R 2 entonces v 1, v 2 = {(0, 0), (1, 2), (0, 1), (1, 1), ( 3, 2 3 1),...}. Nótese que al hacer todas las combinaciones lineales posibles de v 1 y v 2 aparecen todos los vectores de R 2 3. Si v 1 = ( 1, 3, 2), v 2 ( 1, 0, 1) y v 3 = ( 2, 3, 3) son vectores de R 3 entonces es fácil observar que v 1, v 2, v 3 = v 1, v 2 Ejemplo Comprobemos que los vectores v 1 = (1, 0, 1), v 2 = (0, 0, 2), v 3 = (2, 1, 1), v 4 = ( 1, 2, 1) generan R 3. Consideremos un vector arbitrario de R 3, pongamos (a, b, c), y ver si la ecuación vectorial asociada (a, b, c) = λ 1 v 1 + λ 2 v 2 + λ 3 v 3 + λ 4 v 4 tiene siempre solución. Eso es lo mismo que decir que el SEL a = λ 1 +2λ 3 λ 4 b = λ 3 +2λ 4 c = λ 1 +2λ 2 +λ 3 +λ 4 es compatible, lo cual es fácil de comprobar resolviéndolo por Gauss. Observación A la vista del ejemplo anterior es fácil observar que si tenemos menos de n vectores de K n, éstos nunca podrán generar K n. 2. En resumen, para estudiar si un vector w = (b 1, b 2,...,b n ) es combinación lineal de v 1,...,v k tenemos que resolver el siguiente sistema A X = w t, donde A es la matriz que resulta al poner los vectores v 1, v 2,...,v k por columnas. En particular tendremos que v 1,...,v k (k n) es un sistema generador de K n si cualquier sistema A X = w t tiene solución. Otros espacios vectoriales muy importantes son precisamente aquellos espacios vectoriales que se encuentran dentro de K n. Por ejemplo, en R 3 tomemos un plano que pasa por el origen. Entonces si sumamos dos vectores de ese plano el vector resultante también está en el plano y lo mismo si multiplicamos un número por un vector. Se dice entonces que ese plano es un subespacio de R 3. Definición Un subconjunto no vacío de K n se dice que es un subespacio si cumple: a) Si se suman dos vectores v y w del subespacio entonces v + w también está en el subespacio. b) Si v es un vector del subespacio y lo multiplicamos por un número r, entonces rv está en el subespacio.

4 4 TEMA 2. ESPACIOS VECTORIALES Observación Todo subespacio contiene al vector 0. La esfera de radio 1 con centro en el (0, 0, 0) no puede ser un subespacio de R 3 ( por qué??). Los únicos subespacios posibles de R 3 son: 1. el formado por el vector (0, 0, 0), 2. las rectas que pasan por (0, 0, 0), 3. los planos que pasan por (0, 0, 0), 4. y, por supuesto, el propio R 3. Proposición Dados los vectores v 1, v 2,...,v m de K n. El conjunto de todas las combinaciones lineales posibles v 1,...,v m es un subespacio. Se llama subespacio generado por v 1, v 2...,v m y se dice que los vectores v 1, v 2,...,v m son un sistema generador del subespacio. Demostración. Sean v, w v 1,...,v n. Es decir, v = t 1 v t n v n, w = s 1 v s n v n, por lo que v + w = (t 1 + s 1 )v (t n + s n )v n, y así v + w v 1,...,v n. Análogamente, r v = r (t 1 v t n v n ) = r t 1 v r t n v n v 1,...,v n. Nos pueden dar un subespacio W de K n de tres formas. Es muy importante saber pasar de una forma a otra: mediante un sistema generador de W. Ejemplo El subconjunto W = (1, 2, 1), (2, 3, 1) es un subespacio de R 3. Mediante una expresión paramétrica, es decir, las coordenadas de los vectores de un subespacio vienen dadas en función de unos ciertos parámetros. Dichas funciones deben de ser necesariamente lineales, esto es, expresiones del tipo (2t+3s, t s, 5t+ 2s) en las que cada expresión es suma de constantes por parámetros. Ejemplo El subespacio W anterior se escribe con ecuaciones paramétricas x = 1t + 2s del siguiente modo: W y = 2t + 3s donde t,s son parámetros (es decir, z = ( 1)t + s valores arbitrarios de R). Para obtener vectores de W sólo tenemos que dar valores concretos a t y a s. Mediante unas ecuaciones que deben de cumplir los vectores del subespacio. Dichas ecuaciones son siempre ecuaciones lineales homogéneas. Se dice que el subespacio está dado en ecuaciones implícitas.

5 2.3. BASES Y COORDENADAS 5 Ejemplo La ecuación implicita del subespacio W anterior es W 5x + 3y+z = 0. Para obtenerla es necesario eliminar los parámetros t y s de las ecuaciones implícitas. Para este fin consideramos la matriz (A X) = 1 2 x 2 3 y 1 1 z Para que (x, y, z) sean las coordenadas de un vector de W necesitamos que el rango de la matriz (A X) sea 2 (que es el rango de A). Esto lo conseguimos calculando una matriz escalonada de (A X) 1 2 x 0 1 2x + y 0 0 5x + 3y + z he imponiendo la condición de que dicha matriz tenga rango igual al de A, es decir imponiendo 5x + 3y + z = 0. Pregunta: Cuántas ecuaciones implícitas tiene el espacio R 3? Las dos primeras formas de presentar un subespacio son esencialmente la misma y sirven para calcular tantos vectores del subespacio como queramos, para lo que no hay más que dar valores a los parámetros. Las ecuaciones implícitas, por contra, sirven para saber si un determinado vector está o no en un subespacio. Las ecuaciones implícitas de un subespacio no son únicas, ya que puede haber distintos sistemas de ecuaciones homogéneos con las mismas soluciones. Observación Los subespacios de R 3 nos van a permitir hacer construcciones complejas en el espacio como la casa que se construye en la página 9 de los apuntes del Tema 3. Observad que, aunque los subespacios de R 3 son infinitos podemos delimitarlos para así construir los segmentos y rectángulos, sin más que acotando el rango de valores de los parámetros en las ecuaciones paramétricas, como podéis ver en las páginas 11, 12, 13, 14 y Bases y coordenadas Vamos a recordar el concepto de vectores linealmente dependientes e independientes. Intuitivamente, si consideramos el espacio R 3 y tenemos 3 vectores (todos ellos distintos del vector 0) decir que son linealmente dependientes quiere decir que están en una misma recta, o bien, que están en un mismo plano. Por contra, si son linealmente independientes quiere decir que dos de ellos están en un mismo plano y el tercero está fuera de ese plano.

6 6 TEMA 2. ESPACIOS VECTORIALES Definición Un conjunto de vectores se dice linealmente independiente si ninguno de ellos puede ponerse como combinación lineal de los demás. A la hora de hacer los problemas: 1. Para ver si v 1,...,v m K n son independientes hay que comprobar que si t 1 v t m v m = 0, entonces t 1 = t 2 =... = t m = Si v 1,...,v m K n son vectores de modo que v m es combinación de los demás, entonces v 1,...,v m = v 1,...,v m Cuando tengamos varios vectores, los representaremos mediante una matriz sin más que escribir cada vector en una fila. Es fácil comprobar lo siguiente: si un conjunto de vectores es independiente y hacemos una operación elemental por filas, entonces los vectores fila siguen siendo linealmente independientes. Además los vectores fila de la matriz transformada generan el mismo subespacio que los originales. 4. Para saber si un conjunto de vectores son linealmente independientes o no, basta colocarlos por filas en una matriz y hacer operaciones elementales por filas hasta dejarla en forma escalonada. Las filas no nulas de dicha matriz escalonada nos dan un conjunto linealmente independiente de forma que el espacio que genera es el mismo que el conjunto original. Definición Un conjunto de vectores {v 1,...,v m } es una base de K n si es sistema generador y linealmente independiente. Teorema Sean w 1,...,w m K n entonces: 1. Si w 1,...,w m forman un sistema generador de K n entonces m n 2. Si w 1,...,w m son linealmente independientes entonces m n 3. Si w 1,...,w m son base entonces m = n. Demostración. 1) Si fuese m < n entonces podemos poner los vectores w 1,...,w m en las filas de una matriz y calcular una matriz escalonada. Como el número de columnas es menor que n habrá al menos una columna compuesta por ceros en dicha matriz escalonada. Si es la columna i basta cogerse el vector con todas las componentes 0 y 1 en la componente i. Ese vector no estará generado por w 1,...,w m, con lo cual dichos vectores no pueden formar un sistema generador de K n. 2) Si w 1,...,w m son independientes y m > n, al ponerlos por filas en forma de matriz y calcular una matriz escalonada, nos aparecerán filas de ceros, dado que no puede haber más de un pivote por fila y como mucho podemos tener n pivotes diferentes de 0 en la matriz escalonada (por ser m > n). Con lo cual no pueden ser independientes. 3) Es una consecuencia inmediata de 1) y 2).

7 2.3. BASES Y COORDENADAS 7 Dado que una base de K n es, al mismo tiempo, un sistema generador de K n y linealmente independiente, tenemos, como consecuencia del resultado anterior, el siguiente corolario. Corolario Sea B = {v 1,...,v m } una base de K n. Entonces m = n. Observación El hecho de elegir diferentes bases es lo que nos va a permitir modificar el origen a la hora de situar la casa como se hace en los apuntes del Tema 3 (página 6). La importancia de que los vectores de una base sean linealmente independientes queda de manifiesto en la página 7 cuando vemos que si elegimos más de 3 direcciones en R 3 a la hora de construir los puntos, tendríamos diferentes formas de construirlos. Proposición Un conjunto de vectores B = {v 1...,v n } de K n es una base de K n todo vector v K n puede escribirse de forma única en la forma v = t 1 v t n v n. En este caso, (t 1,...,t n ) B se llaman las coordenadas de v en la base B. Demostración. Cualquier vector v está en v 1,...,v n, por lo que puede ponerse como t 1 v t n v n. Por otra parte, si tenemos v = t 1 v t n v n v = s 1 v s n v n, entonces t 1 v t n v n = s 1 v s n v n, es decir, (t 1 s 1 )v (t n s n )v n = 0. Como v 1,...,v n son independientes, esto obliga a que cada t i sea igual al correspondiente s i. Como todo vector de K n puede escribirse en la forma t 1 v t n v n, tenemos que v 1,...,v n = K n. Por otro lado, si tenemos t 1 v t n v n = 0, como también 0v v n = 0, por la unicidad t 1 = t 2 =... = t n = 0. Así pues, v 1,...,v n son independientes. Ejemplo Una base de K n está formada por los vectores e 1 = (1, 0,...,0), e 2 = (0, 1,...,0),, e n = (0, 0,...,1) Las coordenadas de un vector en esta base no son más que las componentes del vector. Dicha base se denota por C K n (o simplemente por C si se sobreentiende el espacio K n sobre el cual trabajamos) y se llama base canónica de K n. 2. Los vectores (1,1) y (-1,1) forman una base de R Desde un punto de vista práctico, determinar las coordenadas de un vector respecto de una base de K n cualquiera consiste en resolver un sistema de ecuaciones compatible (determinado). En concreto, consideremos en el Z 5 -espacio vectorial Z 3 5 el conjunto B = {(1, 2, 4), (2, 2, 1), (0, 3, 2)}.

8 8 TEMA 2. ESPACIOS VECTORIALES Entonces es fácil comprobar que B es una base de Z 3 5 ( compruébese!!). Vamos a calcular las coordenadas del vector (3, 1, 1) Z 3 5 respecto de dicha base. Se trata de encontrar tres elementos de Z 5, a, b y c, tales que a(1, 2, 4) + b(2, 2, 1) + c(0, 3, 2) = (3, 1, 1). Esta ecuación vectorial se puede expresar como un sistema de ecuaciones lineales en las incógnitas a, b, c : a + 2b = 3 2a + 2b + 3c = 1. 4a + b + 2c = 1 Resolviendo el sistema por el método de Gauss obtenemos que a = 0, b = 4 y c = 1. Por tanto las coordenadas de (3, 3, 1) respecto de la base B son (0, 4, 1). Comprobemos esto último: 0(1, 2, 4) + 4(2, 2, 1) + 1(0, 3, 2) = (8, 8, 4) + (0, 3, 2) = (8, 11, 6) = (3, 1, 1). Si tenemos una base B, podemos identificar los vectores con sus coordenadas respecto a B. En particular, un conjunto de vectores es generador o independiente si y sólo si sus coordenadas lo son como vectores de K n. Definición Sea W un subespacio de K n. Un conjunto de vectores {v 1,...,v k } se dice conjunto generador de W si W = v 1,...,v k. Si, además, el conjunto {v 1,...,v k } es linealmente independiente, diremos que es una base de W. Si W tiene una base B, llamaremos dimensión de W al número de elementos de B y lo denotaremos como dim K W. Habíamos definido el rango de una matriz como el número de filas no nulas en una matriz escalonada. Una interpretación en términos de subespacios es que el rango es la dimensión del subespacio generado por las filas de la matriz. Puede comprobarse que el rango coincide también con la dimensión del subespacio generado por las columnas de la matriz. De lo anterior se deduce que si W = v 1, v 2,...,v k, para calcular una base de W nos quedamos con los linealmente independientes. Eso lo haremos poniendo los vectores v 1, v 2,...,v k por filas en una matriz y calculando la matriz escalonada. Los vectores fila no nulos de dicha matriz escalonada nos dan una base de W. Por otro lado si W es un subespacio de K n de dimensión r, para calcular una base de K n nos inventamos n k vectores, con la precaución de que al juntarlos con los de la base de W sean linealmente independientes (es decir su matriz escalonada no nos de filas nulas).

9 2.3. BASES Y COORDENADAS 9 De todo lo anterior deducimos la siguiente consecuencia: Corolario Sea S = {v 1, v 2,...,v n } un conjunto de n vectores de K n. Entonces son equivalentes: 1. S es base de K n. 2. S es linealmente independiente. 3. S es un conjunto generador de K n. Por tanto, a la vista de éste resultado, si nos dan un conjunto con tantos vectores como la dimensión de K n para que sea base de K n bastará probar que son linealmente independientes. 1. Consideremos el subespacio W de R 3 dado por las ecuaciones im- Ejemplo plícitas: x y + z = 0 x z = 0 Para calcular una base de W, resolvemos dicho sistema, teniendo en cuenta que, para ello, debemos introducir 1 variable libre (n o variables libres = n o componentes - n o ecuaciones implícitas linealmente independientes). Obtenemos la solución }. W = {(a, 2a, a) a R}. El subespacio W de R 3 está generado por el conjunto {(1, 2, 1)}, así W = (1, 2, 1). Como es claramente independiente se tiene que B W = {(1, 2, 1)} con lo que dim W = La solución de la ecuación lineal x y z t = 0 en R 4 es W = {(a + b + c, a, b, c) a, b, c R}. Cualquier vector solución (a + b + c, a, b, c) W se expresa de la forma Por tanto (a + b + c, a, b, c) = (a, a, 0, 0) + (b, 0, b, 0) + (c, 0, 0, c) = = a(1, 1, 0, 0) + b(1, 0, 1, 0) + c(1, 0, 0, 1). W = (1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1). Además esos tres vectores son linealmente independientes como se puede comprobar al hacer la matriz escalonada. Con lo cual B W = {(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)} y así dim W = 3. Si queremos ampliar dicha base hasta una base de R 4 bastará añadir un cuarto vector que sea linealmente independiente con los de la base de W, podemos tomar (1, 0, 0, 0) ( compruébese!!).

10 10 TEMA 2. ESPACIOS VECTORIALES Observación Siempre que nos den un subespacio W de K n en forma de sistema generador, para calcular una base de W tenemos que comprobar que dichos vectores son linealmente independientes calculando una matriz escalonada de esos vectores puestos por filas. Una vez que nos hemos quedado con los l.i. el número de parámetros para calcular las ecuaciones paramétricas y el número de ecuaciones implícitas están relacionadas mediante la siguiente relación: n o de ecuaciones implícitas l.i. = n - n o de parámetros Otra forma de expresar lo anterior es: rg(a) = dim K n dim W, siendo A la matriz de coeficientes de las ecuaciones implícitas Operaciones con Subespacios Definición Sean W 1, W 2 K n. Se llama 1. Intersección de W 1 y W 2, W 1 W 2 = {v K n /v W 1 y v W 2 } 2. Suma de W 1 y W 2, W 1 + W 2 = {v 1 + v 2 /v 1 W 1 y v 2 W 2 } Proposición W 1 W 2 y W 1 + W 2 son subespacios de K n. Demostración. 1) Sean u, v W 1 W 2, r, s K. Como u, v W 1 y W 1 es un subespacio, r u + s v W 1. Análogamente, como W 2 es un subespacio, r u + s v W 2. Así pues, r u + s v W 1 W 2. 2) Sean v, w W 1 + W 2, r, s K. Por tanto, v = v 1 + v 2, con v 1 W 1, v 2 W 2 w = w 1 + w 2, con w 1 W 1, w 2 W 2 Ahora r v + s w = r(v 1 + v 2 ) + s(w 1 + w 2 ) = (rv 1 + sw 1 ) + (rv 2 + sw 2 ). Pero rv 1 + sw 1 W 1, por ser W 1 un subespacio, y rv 2 + sw 2 W 2, por ser W 2 un subespacio; por tanto r v + s w W 1 + W 2. Notación Si W 1 W 2 = {0}, se dice que la suma W 1 +W 2 es directa, y suele denotarse por W 1 W 2. Observación Respecto a bases y subespacios, un resultado interesante es el siguiente. Si W 1, W 2 son subespacios de K n entonces: dim K (W 1 + W 2 ) = dim K (W 1 ) + dim K (W 2 ) dim K (W 1 W 2 )

11 2.5. OTROS ESPACIOS VECTORIALES Otros espacios vectoriales Definición Un espacio vectorial sobre K es un conjunto V con dos operaciones, llamadas suma y producto por un número de K, cumpliendo: 1. u + (v + w) = (u + v) + w, u, v, w V 2. u + v = v + u, u, v V 3. Existe un vector 0 V tal que v + 0 = v, v V 4. Para cada v V existe otro vector, llamado -v, tal que v + (-v) = 0 5. r (u + v) = r u + r v, u, v V, r K 6. (r s) v = r (s v), v V, r, s K 7. (r+s) v = r v + s v, v V, r, s K 8. 1 v = v, v V En este caso, a los elementos de V los llamaremos vectores y a los de K, escalares. Ejemplo Los vectores de K n que hemos estudiado hasta ahora forman un espacio vectorial. 2. K n [X], los polinomios con coeficientes en K de grado n, con la suma y producto por un número habituales son también un espacio vectorial. 3. M 3 3 (R) con la suma y producto por un escalar definidos en el tema anterior, son un espacio vectorial. 4. El espacio de señales. Sea S el espacio de todas las sucesiones de números infinitas hacia la derecha y hacia la izquierda y k = (...,y 2, y 1, y 0, y 1, y 2,...) La suma de dos de tales sucesiones o su producto por un número se realizan componente a componente, por lo que trivialmente se cumplen las propiedades de espacio vectoial. Los elementos de S aparecen en cualquier ingeniería cuando, por ejemplo, se discretiza o muestrea en tiempos discretos cualquier señal, ya sea eléctrica, mecánica, óptica, etc. Por conveniencia, llamaremos a S espacio de señales en tiempo discreto. Definición Sean v 1,...,v n V. Llamaremos una combinación lineal de v 1,...,v n a cualquier expresión del tipo t 1 v t n v n, donde los t i K.

12 12 TEMA 2. ESPACIOS VECTORIALES Llamaremos v 1,...,v n al conjunto de todas las posibles combinaciones lineales de v 1,...,v n. Un conjunto de vectores v 1,...,v n V se dice un sistema generador de V si v 1,...,v n = V Definición Un subconjunto W V, se dice un subespacio si cumple: a) Si u, v W entonces u + v W. b) Si u W, r K, entonces r v W Equivalentemente, un conjunto de vectores forman un subespacio si u, v W, r, s K r u + s v W. Si W es un subespacio de V, lo escribiremos como W V. Definición Un conjunto de vectores se dice linealmente independiente si ninguno de ellos puede ponerse como combinación lineal de los demás. Para ver si v 1,...,v n V son independientes hay que comprobar que si t 1 v t n v n = 0, entonces t 1 = t 2 =...= t n = 0 Definición Un conjunto de vectores v 1,...,v n V se dice base si es sistema generador y linealmente independiente. Proposición B = {v 1,...,v n } V es una base de V todo vector v V puede escribirse de forma única en la forma v = t 1 v t n v n. En este caso,(t 1,...,t n ) B se llaman las coordenadas de v en la base B. Demostración. Igual que en K n. Proposición Si B es una base y tenemos dos vectores u y v de coordenadas (t 1,...,t n ), (s 1,...,s n ) entonces a) Las coordenadas de u + v son (t 1 +s 1,...,t n +s n ) b) Las coordenadas de r v son (r t 1,...,r t n ) Una vez tengamos una base de un espacio vectorial, identificaremos los vectores con vectores en K n, donde n es el número de elementos de la base y trabajaremos con ellos como hemos hecho en las secciones anteriores. Por tanto todo lo que hemos hecho en K n lo podremos hacer en un espacio vectorial en general siempre y cuando conozcamos una base. Ejemplo Una base de K n [X], los polinomios con coeficientes en K de grado n, es la formada por {1, x, x 2,...,x n }. Respecto a esta base, a la que llamaremos base canónica de K n [X], un polinomio se escribe mediante su vector de coeficientes. Así, por ejemplo, en R 2 [x], una base es {1, x, x 2 } y un polinomio como 3 + x 2x 2 se escribe (3,1,-2).

13 2.5. OTROS ESPACIOS VECTORIALES Las matrices M n m (K) tienen dimensión n m. Una base está formada por las matrices que tienen exactamente una entrada igual a 1 y las demás iguales a 0. Para escribir una matriz en esa base basta ir escribiendo las filas de la matriz una a continuación de otra. Así, por ejemplo, una base de M n m (K) es {( en dicha base la matriz ) ( 0 1, 0 0 ( ) ( 0 0, 1 0 ) ( 0 0, 0 1 ) se escribe (2,1,3,-1). 3. En términos generales, si trabajamos con otros espacios vectoriales, daremos la base y la forma en que se escribe un vector en dicha base. Definición Un espacio vectorial se dice finitamente generado si existe un conjunto generador finito Teorema Todo espacio vectorial finitamente generado tiene base. Demostración. Sean v 1,...,v n V un sistema generador. Si son linealmente independientes, ya son base. En otro caso, uno de ellos es combinación lineal de los demás. Supongamos que es el último. Como ya comentamos, ahora v 1,...,v n = v 1,...,v n 1, por lo que v 1,...,v n 1 es también un sistema generador. Basta ir repitiendo el procedimiento anterior e ir quitando vectores del sistema generador hasta llegar a uno que sea linealmente independiente. En el caso de que lleguemos a un único vector {v i } con v i 0, este conjunto es claramente linealmente independiente. Proposición Sea V un espacio vectorial de dimensión n y v 1,...,v n V un conjunto de vectores. Entonces: a) Si son un sistema generador, son base b) Si son linealmente independientes, son base Demostración. a) Si no fueran linealmente independientes, hemos visto que puedo llegar a una base de V a base de eliminar algunos de estos vectores. Tendría así una base de V con menos de n vectores, lo que es imposible porque todas las bases deben tener el mismo número de vectores. b) Si no fuesen un sistema generador, es posible encontrar un vector v / v 1,...,v n. Es fácil comprobar ahora que {v 1,...,v n, v} son linealmente independientes, lo que es imposible porque sabemos que no puede haber más de n vectores independientes. )}

14 14 TEMA 2. ESPACIOS VECTORIALES Como ocurría en K n, dados vectores v 1,...,v m que sean un sistema generador, siempre podemos reducirlos a una base sin más que quitar de esa colección aquellos que puedan ponerse como combinación lineal de los demás. Esto se hace escribiéndolos por filas en una matriz. Al pasar dicha matriz a forma escalonada, los vectores no nulos que nos queden son la base buscada. Por otra parte, si los vectores son linealmente independientes, el conjunto puede ampliarse a una base añadiendo aquellos vectores de un sistema generador que sean independientes con ellos. En particular, si tenemos un subespacio W V, cualquier base de W puede ampliarse a una base de V.

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1 . ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

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

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES 1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,

Más detalles

Espacios vectoriales. Bases. Coordenadas

Espacios vectoriales. Bases. Coordenadas Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos

Más detalles

Cambio de representaciones para variedades lineales.

Cambio de representaciones para variedades lineales. Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia

Más detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR} Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar

Más detalles

1 Espacios y subespacios vectoriales.

1 Espacios y subespacios vectoriales. UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto

Más detalles

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial. Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS

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

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una

Más detalles

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades: Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición

Más detalles

Valores propios y vectores propios

Valores propios y vectores propios Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas

Más detalles

CAPÍTULO II. 2 El espacio vectorial R n

CAPÍTULO II. 2 El espacio vectorial R n CAPÍTULO II 2 El espacio vectorial R n A una n upla (x 1, x 2,..., x n ) de números reales se le denomina vector de n coordenadas o, simplemente, vector. Por ejemplo, el par ( 3, 2) es un vector de R 2,

Más detalles

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO) Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,

Más detalles

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u

Más detalles

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos.

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Prof. D. Miguel Ángel García Hoyo. Septiembre de 2011 Dependencia lineal

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

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

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.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

Tema 2. Aplicaciones lineales y matrices.

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

Más detalles

Estructuras algebraicas

Estructuras algebraicas Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota

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

Tema 3: Producto escalar

Tema 3: Producto escalar Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica

Más detalles

Tema 4.- El espacio vectorial R n.

Tema 4.- El espacio vectorial R n. Tema 4- El espacio vectorial R n Subespacios vectoriales de R n Bases de un subespacio Rango de una matriz 4 Bases de R n Cambios de base 5 Ejercicios En este tema estudiamos la estructura vectorial del

Más detalles

1. Cambios de base en R n.

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

Más detalles

Tema 4: Aplicaciones lineales

Tema 4: Aplicaciones lineales Tema 4: Aplicaciones lineales Definición, primeras propiedades y ejemplos Definición. Sean V y W dos espacios vectoriales sobre un cuerpo K. Una función f : V W se dice que es una aplicación lineal si

Más detalles

Álgebra Lineal. Sesión de Prácticas 3: Subespacios vectoriales de K n. Operaciones con subespacios. Primero Grado Ingeniería Informática

Álgebra Lineal. Sesión de Prácticas 3: Subespacios vectoriales de K n. Operaciones con subespacios. Primero Grado Ingeniería Informática Álgebra Lineal Sesión de Prácticas 3: Subespacios vectoriales de K n. Operaciones con subespacios Primero Grado Ingeniería Informática Departamento de Matemática Aplicada Facultad de Informática 1 / 22

Más detalles

Espacios generados, dependencia lineal y bases

Espacios generados, dependencia lineal y bases Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................

Más detalles

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008

Más detalles

MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios

MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios Sonia L. Rueda ETS Arquitectura. UPM Curso 2007-2008. 1 MATEMÁTICAS I TEMA 1: Espacios Vectoriales 1 Definición de espacio vectorial. Subespacios Dados dos conjuntos V y K se llama ley de composición externa

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

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector

Más detalles

1. Producto escalar, métrica y norma asociada

1. Producto escalar, métrica y norma asociada 1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la

Más detalles

1. INVERSA DE UNA MATRIZ REGULAR

1. INVERSA DE UNA MATRIZ REGULAR . INVERSA DE UNA MATRIZ REGULAR Calcular la inversa de una matriz regular es un trabajo bastante tedioso. A través de ejemplos se expondrán diferentes técnicas para calcular la matriz inversa de una matriz

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)

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

Formas bilineales y cuadráticas.

Formas bilineales y cuadráticas. Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos

Más detalles

Vectores en el espacio

Vectores en el espacio Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas

Más detalles

Segundo de Bachillerato Geometría en el espacio

Segundo de Bachillerato Geometría en el espacio Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto

Más detalles

elemento neutro y elemento unidad: inversa aditiva (opuesto): para todo λ K 0, existe un único µ K tal que λµ = 1;

elemento neutro y elemento unidad: inversa aditiva (opuesto): para todo λ K 0, existe un único µ K tal que λµ = 1; 3. Espacios Vectoriales 3.1. Definición de espacio vectorial Un cuerpo es una estructura algebraica (K, +, ) formada por un conjunto K no vacio y dos operaciones internas + y que verifican las siguientes

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario) Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES

Más detalles

Aplicaciones Lineales

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

Más detalles

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior. Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas

Más detalles

CAPÍTULO II. 4 El grupo afín

CAPÍTULO II. 4 El grupo afín CAPÍTULO II 4 El grupo afín En geometría clásica, antes de la aparición de los espacios vectoriales, se hablaba de puntos en lugar de vectores. Para nosotros serán términos sinónimos salvo que, cuando

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las

Más detalles

Valores y vectores propios de una matriz. Juan-Miguel Gracia

Valores y vectores propios de una matriz. Juan-Miguel Gracia Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-

Más detalles

Aplicaciones lineales

Aplicaciones lineales Capítulo 4 Aplicaciones lineales 4.1. Introduccción a las aplicaciones lineales En el capítulo anterior encontramos la aplicación de coordenadas x [x] B que asignaba, dada una base del espacio vectorial,

Más detalles

Espacio afín. Transformaciones afines y movimientos

Espacio afín. Transformaciones afines y movimientos Capítulo Espacio afín. Transformaciones afines y movimientos. Espacio afín y espacio afín métrico Definición. El espacio afín (tridimensional) está constituido por los siguientes elementos. El espacio

Más detalles

Tema 2: Espacios vectoriales

Tema 2: Espacios vectoriales Tema 2: Espacios vectoriales La estructura de espacio vectorial juega un papel fundamental en el álgebra lineal pues es la base de todos los conceptos que ahí se desarrollan. Vamos en la siguiente sección

Más detalles

Tema 2 ESPACIOS VECTORIALES

Tema 2 ESPACIOS VECTORIALES Tema 2 ESPACIOS VECTORIALES Prof. Rafael López Camino Universidad de Granada 1 Espacio vectorial Definición 1.1 Un espacio vectorial es una terna (V, +, ), donde V es un conjunto no vacío y +, son dos

Más detalles

Aplicaciones Lineales y Multilineales Continuas

Aplicaciones Lineales y Multilineales Continuas Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones

Más detalles

Espacios vectoriales y aplicaciones lineales.

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

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

Análisis III. Joaquín M. Ortega Aramburu

Análisis III. Joaquín M. Ortega Aramburu Análisis III Joaquín M. Ortega Aramburu Septiembre de 1999 Actualizado en julio de 2001 2 Índice General 1 Continuidad en el espacio euclídeo 5 1.1 El espacio euclídeo R n...............................

Más detalles

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes. VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar

Más detalles

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V.

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V. Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL x x x1 n θ y y ȳ1 n 1 n x1 n ȳ1 n Carlos Arce S. William Castillo E. Jorge González V. 2003 Algebra Lineal Carlos Arce S., William Castillo

Más detalles

Listas de vectores y conjuntos de vectores

Listas de vectores y conjuntos de vectores Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere

Más detalles

4 Aplicaciones Lineales

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

Más detalles

Tema 10: Límites y continuidad de funciones de varias variables

Tema 10: Límites y continuidad de funciones de varias variables Tema 10: Límites y continuidad de funciones de varias variables 1 Funciones de varias variables Definición 1.1 Llamaremos función real de varias variables atodafunciónf : R n R. Y llamaremos función vectorial

Más detalles

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones.

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones. Tema 4 Producto escalar En bachiller habéis visto los conceptos de producto escalar, longitud, distancia y perpendicularidad en R y R 3 En este tema del curso se generalizan estos conceptos a R n, junto

Más detalles

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES Espacios Vectoriales y Aplicaciones Lineales 4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA 1.- Espacios Vectoriales..- Propiedades de un Espacio Vectorial..-

Más detalles

Algebra Lineal y Geometría.

Algebra Lineal y Geometría. Algebra Lineal y Geometría. Unidad nº7: Transformaciones Lineales. Algebra Lineal y Geometría Esp. Liliana Eva Mata 1 Contenidos. Transformación lineal entre dos espacios vectoriales. Teorema fundamental

Más detalles

4.- Para los siguientes conjuntos de vectores, probar si son o no subespacios vectoriales de R 4 : 2d + 1 : b, d reales. d

4.- Para los siguientes conjuntos de vectores, probar si son o no subespacios vectoriales de R 4 : 2d + 1 : b, d reales. d GRADO EN I. TELEMÁTICA. HOJA : ESPACIOS VECTORIALES. ESPACIOS NULO Y COLUMNA.- Sea W el conjunto de todos los vectores de R de la forma subespacio de R. s + t s t s t t, con s, t R. Probar que W es un.-

Más detalles

Lección 2. Puntos, vectores y variedades lineales.

Lección 2. Puntos, vectores y variedades lineales. Página 1 de 11 Lección 2. Puntos, vectores y variedades lineales. Objectivos. En esta lección se repasan las nociones de punto y vector, y se identifican, via coordenadas, con los pares (ternas,...) de

Más detalles

MATEMÁTICAS EMPRESARIALES II:

MATEMÁTICAS EMPRESARIALES II: MATEMÁTICAS EMPRESARIALES II: FUNCIÓN REAL DE VARIAS VARIABLES ÓPTIMOS DE UNA FUNCIÓN ESCALAR MATERIAL DIDÁCTICO DE SOPORTE González-Vila Puchades, Laura Ortí Celma, Francesc J. Sáez Madrid, José B. Departament

Más detalles

ESPACIO VECTORIAL. Fundamentos Matemáticos II Electrónicos 01,16 Curso 2006-07 1

ESPACIO VECTORIAL. Fundamentos Matemáticos II Electrónicos 01,16 Curso 2006-07 1 Tema 1.- ESPACIOS VECTORIALES!ESPACIO VECTORIAL!SUBESPACIO VECTORIAL!BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticos II Electrónicos 01,16 Curso 2006-07 1 Aunque históricamente el primer

Más detalles

(Ec.1) 2α + β = b (Ec.4) (Ec.3)

(Ec.1) 2α + β = b (Ec.4) (Ec.3) Problema 1. Hallar t R para que el vector x = (3, 8, t) pertenezca al subespacio engendrado por los vectores u = (1, 2, 3) y v = (1, 3, 1). Solución del problema 1. x L{ u, v} si, y sólo si, existen α,

Más detalles

3 Espacios Vectoriales

3 Espacios Vectoriales Prof. Susana López 31 3 Espacios Vectoriales 3.1 Introducción Un ector fijo en el plano no es más que un segmento orientado en el que hay que distinguir tres características: -dirección: la de la recta

Más detalles

Aplicaciones lineales continuas

Aplicaciones lineales continuas Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas de Ecuaciones Lineales y Matrices Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre

Más detalles

Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones

Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones Tema 13.- Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones 13.1 Teorema de estructura de los módulos finitamente generados sobre un D.I.P. En lo que sigue A denotará

Más detalles

Clase 15 Espacios vectoriales Álgebra Lineal

Clase 15 Espacios vectoriales Álgebra Lineal Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos

Más detalles

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid Grado en Ingeniería en Tecnologías Industriales Grado en Ingeniería Química Apuntes de Álgebra ( Curso 2014/15) Departamento de Matemática

Más detalles

Problemas de Álgebra Lineal Espacios Vectoriales

Problemas de Álgebra Lineal Espacios Vectoriales Problemas de Álgebra Lineal Espacios Vectoriales 1. Estudia cuáles de los siguientes subconjuntos son subespacios de R n para el n que corresponda: i) S 1 = {(x, y, z, t) R 4 x + y + z + t = b} siendo

Más detalles

5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades

5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades 5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio

Más detalles

Tema 3: Aplicaciones de la diagonalización

Tema 3: Aplicaciones de la diagonalización TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:

Más detalles

Espacios vectoriales con producto interno

Espacios vectoriales con producto interno Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.

Más detalles

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2. PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.

Más detalles

Variedades Diferenciables. Extremos Condicionados

Variedades Diferenciables. Extremos Condicionados Capítulo 16 Variedades Diferenciables. Extremos Condicionados Vamos a completar lo visto en los capítulos anteriores sobre el teorema de las Funciones Implícitas y Funciones Inversas con un tema de iniciación

Más detalles

a < b y se lee "a es menor que b" (desigualdad estricta) a > b y se lee "a es mayor que b" (desigualdad estricta)

a < b y se lee a es menor que b (desigualdad estricta) a > b y se lee a es mayor que b (desigualdad estricta) Desigualdades Dadas dos rectas que se cortan, llamadas ejes (rectangulares si son perpendiculares, y oblicuos en caso contrario), un punto puede situarse conociendo las distancias del mismo a los ejes,

Más detalles

1. El teorema de la función implícita para dos y tres variables.

1. El teorema de la función implícita para dos y tres variables. GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Aplicaciones de la derivación parcial.. El teorema de la función implícita para dos tres variables. Una ecuación con dos incógnitas. Sea f :( x, ) U f(

Más detalles

Espacios vectoriales

Espacios vectoriales Espacios vectoriales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Concepto de espacio vectorial y propiedades 1.1 Definición Se llama espacio vectorial sobre K (IR o C a toda terna

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

Objetivos: Al inalizar la unidad, el alumno: Unidad 3 espacios vectoriales Objetivos: Al inalizar la unidad, el alumno: Describirá las características de un espacio vectorial. Identiicará las propiedades de los subespacios vectoriales. Ejempliicará

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

Objetivos: Al inalizar la unidad, el alumno: Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará

Más detalles

Ortogonalidad y Series de Fourier

Ortogonalidad y Series de Fourier Capítulo 4 Ortogonalidad y Series de Fourier El adjetivo ortogonal proviene del griego orthos (recto) y gonia (ángulo). Este denota entonces la perpendicularidad entre dos elementos: dos calles que se

Más detalles

Conceptos Básicos de Algebra Lineal y Geometría Multidimensional. Alvaro Cofré Duvan Henao

Conceptos Básicos de Algebra Lineal y Geometría Multidimensional. Alvaro Cofré Duvan Henao Conceptos Básicos de Algebra Lineal y Geometría Multidimensional Alvaro Cofré Duvan Henao ii Índice general 1 Sistemas de ecuaciones lineales 1 11 El método de eliminación de Gauss 3 12 Determinantes 8

Más detalles