Espacios Vectoriales

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

Download "Espacios Vectoriales"

Transcripción

1 Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos Motivación Abstracción y Generalización Generalización El concepto de operación Espacio Vectorial Teoremas sobre espacios vectoriales Ejemplos de EV Subespacio Vectorial Objetivos En esta lectura se introduce el concepto de espacio vectorial. Este concepto generaliza los vectores n y las matrices m n. El concepto es abstracto y por tanto tiene alguna dificultad natural; se le pide al estudiante un esfuerzo extra para pensar las cosas desde un punto de vista general Motivación Veamos un ejemplo para introducir el concepto de las ideas invariantes en la solución a un sistema de ecuaciones lineales. Ejemplo 3. Considere el sistema homogéneo: x + 2 y + w + 2 t = 2 x + 4 y z + w + 5 t = x + 2 y + z + 2 w + t = z + w t = Si utilizamos el orden x y z w t la matriz aumentada reducida queda: De donde la fórmula para las soluciones son: x y z w = y t 2 + w + t 2

2 Si utilizamos el orden x y w z t la matriz aumentada reducida queda: De donde la fórmula para las soluciones son: x y z w = y t 2 + z + t Si utilizamos el orden x y t z w la matriz aumentada reducida queda: De donde la fórmula para las soluciones son: x y z w = y t 2 + z 2 + w Si utilizamos el orden y x z w t la matriz aumentada reducida queda: De donde la fórmula para las soluciones son: x y z w = x /2 t + w / t Todas las soluciones previas aparentant ser diferentes, sin embargo, todas representan el mismo conjunto solución. Necesitamos una teoría que nos dé confianza en los resultados obtenidos; qué nos indique las cosas que permanecen y las cosas que pueden cambiar en las múltiples respuestas válidas en R n que podemos obtener. Además de los conjuntos solución en R n, existen otras áreas de la ingeniería que requieren un apoyo matemático: las matrices tienen su importancia y uso en ingeniería industrial y en control; las series trigonométricas en procesamiento de señales; los conjuntos de polinomios y las series de potencias para los IFIs, etc.. Cómo desarrollar una teoría comodín que se pueda aplicar a diferentes contextos sin ningún cambio importante? 2

3 3.3. Abstracción y Generalización Si se hace una encuesta entre los matemáticos sobre que palabras describen a las matemáticas se notará que la mayoría responde al menos dos palabras claves: abstracción y generalización. La abstracción tiene que ver con representar cantidades por medio de símbolos,y la generalización tiene que ver con la construcción de estructuras o teorías que engloban ciertas cosas o hechos conocidos. La que nos interesa más para abrir este tema es el aspecto de la generalización. La generalización también tiene que ver con la economia del trabajo realizado para investigar, y con determinar cuáles son los elementos mínimos responsables de que ciertos resultados ocurran Generalización Para entender como ocurre la generalización en nuestra materia recordemos algunos conceptos hemos visto en diferentes cursos de matemáticas:. vectores en el espacio n dimensional (R n ), 2. matrices con entradas reales (M n m ), 3. polinomios reales, 4. series de pontencias, 5. series trigonométricas, y 6. soluciones a ecuaciones diferenciales lineales homogéneas entre otros elementos. El objetivo que se persigue en el presente tema consiste en introducir aquella estructura abstracta que engloba las anteriores construcciones, y qué resultados se pueden obtener en lo general sin importar a cual de las estructuras específicas se haga referencia El concepto de operación Antes que el concepto de espacio vectorial está el concepto de operación. Veamos algunos ejemplos de operaciones para ir entendiendo que las operaciones de suma o de multiplicación por escalares podrían ser diferentes de las que conocemos. Lo que es importante recordar es el uso de los paréntesis : sirven para indicar un orden en las operaciones. Ejemplo 3.2 Suponga que V = R 2 y que se define la operación: (x, y) (z, w) = (5 x + z, 2 w + 2 y) Si Calcule: a = ( 2, 3), b = (, 3), c = (, ). a b = (5 (x = 2) + (z = ), 2 (w = 3) + 2 (y = 3)) = (, ) 2. b a = (5 ( ) + ( 2), 2 ( 3) + 2 ( )) = ( 7, ) 3

4 3. (a b) c = (, ) (, ) = (5 ( ) + ( ), 2 ( ) + 2 ()) = ( 56, 2) 4. a (b c) = ( 2, 3) ( 6, 4) = ( 6, 2) Ejemplo 3.3 Suponga que V = R 2 y que se definen las operaciones: y Si Calcule: (x, y) (z, w) = (2 x, 3 w + y) t (x, y) = (2 t x, 3 t y) a = (, ), c =, c 2 = 4. (c + c 2 ) a = 3 (, ) = (2( 3)(), 3( 3)()) = ( 6, ) 2. (c a) (c 2 a) = (2, ) ( 8, ) = (4, ) 3. (c c 2 ) a = 4 (, ) = ( 8, ) 4. c (c 2 a) = ( 8, ) = ( 6, ) 3.6. Espacio Vectorial Definición 3. Sea V un conjunto no vacío sobre el cual existen dos operaciones. Una llamada suma de vectores y otra llamada mulitplicación de un escalar por un vector. La suma de vectores, o simplemente suma, es una regla o función que asocia a dos vectores, digamos u y v un tercer vector, a este se le representará como u v. La multiplicación es una regla que asocia a un escalar y a un vector, digamos c y u un segundo vector representado por c u. Diremos que el conjunto V se llama espacio vectorial si cumple todos y cada uno de los siguientes axiomas: (A) Para cualquiera dos vectores u y v en V Este axioma se conoce como el axioma de cerradura bajo la suma: u v V () La suma de dos elementos del conjunto debe dar como resultado también un elemento del conjunto. (A2) Para cualquiera dos vectores u y v en V Este axioma se conoce como el axioma de la conmutatividad de la suma: El orden de los sumandos no altera el resultado de la suma. (A3) Para cualquiera tres vectores u, v y w en V Este axioma se conoce como axioma de la asociatividad de la suma: u v = v u (2) u (v w) = (u v) w (3) 4

5 En una suma de vectores, no importa el orden cómo asocien la sumas entre dos; el resultado será siempre el mismo. (A4) Existe un único vector en V que se simbolizará por y que se llamará el vector cero tal que para cualquier vector u V se cumple u = u = u (4) Este axioma se conoce como el axioma de la existencia del elemento neutro: Existe en el conjunto un elemento distinguido que sumado con cualquier elemento da el mismo segundo elemento. (A5) Para cualquier vector u V existe un único vector también en V y simbolizado por u que cumple u ( u) = ( u) u = (5) Este axioma se conoce como axioma de la existencia de inversos aditivos: Cada elemento del conjunto posee un inverso aditivo; un elemento del conjunto que sumado con él da el neutro aditivo. (M) Para cualquier vector u V y para cualquier escalar c R se cumple c u V (6) Este axioma se conoce como el axioma de cerradura bajo la multiplicación por escalares: El resultado del producto entre cualquier escalar por cualquier elemento del conjunto debe dar como resultado también un elemento del conjunto. (M2) Para cualquiera dos vectores u y v en V, y para cualquier escalar c en R se cumple c (u v) = (c u) (c v) (7) Este axioma se conoce como la propiedad distributiva del producto (por escalares) sobre la suma (de vectores): En un producto de un escalar por una suma de vectores, da lo mismo realizar la suma de los vectores y el resultado multiplicarlo por el vector que individualmente multiplicar cada vector por el escalar y después sumar los resultados. (M3) Para cualquier vector u V y para cualquiera dos escalares a y b en R se cumple (a + b) u = (a u) (b u) (8) Este axioma se conoce como la propiedad distributiva del producto por escalares sobre la suma escalares. (M4) Para cualquier vector u V y para cualquiera dos escalares a y b en R se cumple a (b u) = (a b) u (9) Esta propiedad se conoce como la ley asociativa del producto entre escalares y el producto de escalar con vector. Lo llamaremos simplemente como la propiedad asociativa del producto. 5

6 (M5) Para cualquier vector u V se cumple u = u () Cuando se elabora una argumentación en algún cálculo o demostración uno debe hacer referencia a los axiomas. Por ellos es que es conveniente y elegante llamarlos por su descripción. Se le pide al alumno que entienda la lógica de cada uno de ellos y memorice sus descripciones. Ejemplo 3.4 Indique cual opción enuncia la propiedad distributiva de la suma de escalares sobre el producto..- (c + k) x = (c x) (k x) Respuesta 2.- x = x = x 3.- x y = y x Conmutatividad 4.- c x es vector Cerradura 5.- x ( x) = ( x) x = 6.- x y es vector Cerradura Ejemplo 3.5 Indique cual opción describe la propiedad:.- Cerradura del producto por escalares. 2.- Existencia del neutro de la suma. Respuesta x = x = x 3.- Distributividad del producto sobre la suma de vectores. 4.- Distributividad de la suma de escalares sobre el producto. 5.- Asociatividad del producto por escalares. 6.- Existencia del inverso aditivo Ejemplo 3.6 Apesar que nuestro interés no es hacer demostraciones matemáticas si es conveniente entender cómo se construyen. El siguiente argumento prueba que el vector cero es único. Es decir, que si hay otro vector que cumple la propiedad que define al neutro debe ser el mismo neutro. Justifique los pasos. Suponga que x + y = x Entonces por (a) existe ( x) que al sumarlo en ambos miembros da Por la propiedad (b) se deduce entonces ( x) + (x + y) = ( x) + x (( x) + x) + y = ( x) + x Por la propiedad (c) se tiene entonces + y = 6

7 Finalmente, por la propiedad (d) se tiene y =. : la propiedad del inverso aditivo, 2: asociativa, 3: del neutro Respuesta: la correspondencia es (a)=,(b)=2,(c)=,(d)= Teoremas sobre espacios vectoriales Resultados generales sobre espacios generales: Sea V es un espacio vectorial, y sean u V y c R, entonces:. u = (El escalar por cualquier vector da el vector cero) 2. c = (Cualquier escalar por el vector cero da el vector cero) 3. c u = implica c = ó u = (Cuando el producto de un escalar por un vector da el vector cero, o el escalar es cero o el vector es el vector cero) 4. ( c) u = (c u) (Multiplicar por un escalar negativo implica obtener el inverso aditivo del producto del escalar sin el signo por el vector) 3.8. Ejemplos de EV Veamos algunos de los espacios vectoriales que utilizaremos. Ejemplo EV Sea V = R + con las operaciones: x y = x y y c x = x c, veamos que V con tal operaciones cumple los axiomas de espacio vectorial: Axioma A: x y V Efectivamente, pues si x, y V entonces x, y > y por tanto x y = x y >, probando que x y V. Axioma A2: x y = y x Efectivamente, pues x y = x y = y x = y x. Esto se tiene por la propiedad conmutativa del producto de números reales. Axioma A3: x (y z) = (x y) z Efectivamente, pues x (y z) = x (y z) = x (y z) = (x y) z = (x y) z = (x y) z. Esto se tiene por la propiedad asociativa del producto de números reales. Axioma A4: Existe en V un neutro para Efectivamente, el número de V = R cumple la propiedad requerida pues x = x = x = x = x. Axioma A5: Todo elemento de V posee un inverso aditivo en V Efectivamente, si x V es número, /x también está en V = R (Pues si x >, también se cumple /x > ) y cumple la propiedad requerida pues x /x = x /x = = /x x = /x x. Axioma M: c x V Efectivamente, pues si x V entonces x > y c x = x c > para cualquier número c. (Recuerde que para x >, x c = e c ln(x) > ) Axioma M2: c (x y) = (c x) (c y) Efectivamente, c (x y) = c (x y) = (x y) c = x c y c = (x c ) (y c ) = (c x) (c y). Y esto vale por la ley de los exponentes con bases positivas. Axioma M3: (c + c 2 ) x = (c x) (c 2 x) Efectivamente, (c + c 2 ) x = x c +c 2 = x c x c 2 = (x c ) (x c 2 ) = (c x) (c 2 x). Esto vale por la ley de los exponentes con bases positivas. Axioma M4: (c c 2 ) x = c (c 2 x) Efectivamente, (c c 2 ) x = x c c 2 = (x c 2 ) c = c (x c 2 ) = c (c 2 x). Esto vale por la ley de los exponentes 7

8 con bases positivas. Axioma M5: x = x Efectivamente, x = x = x. Habiéndose cumplido los axiomas, concluimos que V con las operaciones x y = x y y c x = x c sí es un espacio vectorial Ejemplo EV 2: R n El conjunto de todas las n-adas con componentes reales R n : operaciones: La suma: La suma de dos vectores con n componentes es un vector también con n componentes cuya componente i-ésima es la suma de las componentes i-ésimas de los vectores que se están sumando: (x i ) + (y i ) = (x i + y i ) El producto por escalares: El producto de un escalar por un vector de n componentes se también un vector de n componetes cuya componente i-ésima es el producto del escalar por la i ésima componente del vector que se multiplica: c (x i ) = (c x i ) Axiomas A y M: x + y R n y c x R n De la misma definición de la suma y producto por escalares. Axioma A2 : x + y = y + x Los vectores son iguales pues tienen la misma dimensión y al comparar las componente i se tiene x i + y i = y i + x i Axioma A3: x + (y + z) = (x + y) + z Los vectores son iguales pues tienen la misma dimensión y al comparar las componente i se tiene x i + (y i + z i ) = (x i + y i ) + z i Axioma A4: Existe el vector neutro bajo la adición: Este vector es el vector con todas sus componentes cero = () y cumple + x = x + = x pues al comparar las i-ésimas componentes se cumple: + x i = x i + = x i Axioma A5: Cada vector de tiene su inverso aditivo: Para cada vector x = (x i ) el vector x = ( x i ) cumple x+( x) = ( x)+x = pues al comparar las i-ésimas componentes se cumple: x i + x i = = x i + x i Axioma M2: c(x + y) = c x + c y: Los vectores son iguales pues tienen la misma dimensión y al comparar las componentes i se tiene c(x i + y i ) = c x i + c y i 8

9 Axioma M3: (c + c 2 )x = c x + c 2 x: Los vectores son iguales pues tienen la misma dimensión y al comparar las componentes i se tiene (c + c 2 )x i = c x i + c 2 x i Axioma M4: (c c 2 )x = c (c 2 x): Los vectores son iguales pues tienen la misma dimensión y al comparar las componentes i se tiene (c c 2 )x i = c (c 2 x i ) Axioma M5: (x i ) = ( x i ) = (x i ) Habiéndose cumplido los axiomas, concluimos que R n con las operaciones (x i ) + (y i ) = (x i + y i ) y c(x i ) = (c x i ) sí es un espacio vectorial Ejemplo EV 3: M m n El conjunto de todas las matrices m n con componentes reales M m n : operaciones: La suma: La suma de dos matrices m n es una matriz también m n cuyo elemento (i, j) es la suma de los elementos (i, j) de las matrices que se están sumando: (a ij ) + (b ij ) = (a ij + b ij ) El producto por escalares: El producto de un escalar por una matriz m n es también una matriz m n cuyo elemento (i, j) es el producto del escalar por el elemento (i, j) de la matriz que se multiplica: c (a ij ) = (c a ij ) Axiomas A y M: A + B M m n y c A M m n : De la misma definición de la suma de matrices y producto por escalares. Axioma A2 ; A + B = B + A: Las matrices son iguales pues tienen la misma dimensión y al comparar los elementos (i, j) se tiene a ij + b ij = b ij + a ij Axioma A3: A + (B + C) = (A + B) + C: Las matrices son iguales pues tienen la misma dimensión y al comparar los elementos (i, j) se tiene a ij + (b ij + c ij ) = (a ij + b ij ) + c ij Axioma A4, Existe una matriz neutra bajo la adición: Esta matriz es la matriz con todas sus componentes cero = () y cumple + A = A + = A, pues al comparar los elementos (i, j) componentes se cumple: + a ij = a ij + = a ij Axioma A5: Cada matriz de tiene su invero aditivo: Para cada matriz A = (a ij ), la matriz A = ( a ij ) cumple A + ( A) = ( A) + A =, pues al comparar los elementos (i, j) se cumple: a ij + a ij = = a ij + a ij 9

10 Axioma M2: c(a + B) = c A + c B: Las matrices son iguales pues tienen la misma dimensión y al comparar los elementos (i, j) se tiene c(a ij + b ij ) = c a ij + c b ij Axioma M3: (c +c 2 )A = c A+c 2 A: Las matrices son iguales pues tienen la misma dimensión y al comparar los elementos (i, j) se tiene (c + c 2 )a ij = c a ij + c 2 a ij Axioma M4: (c c 2 )A = c (c 2 A): Las matrices son iguales pues tienen la misma dimensión y al comparar los elementos (i, j) se tiene (c c 2 )a ij = c (c 2 a ij ) Axioma M5: (a ij ) = ( a ij ) = (a ij ) Habiéndose cumplido los axiomas, concluimos que M m n con las operaciones (a ij ) + (b ij ) = (a ij + b ij ) y c(b ij ) = (c a ij ) sí es un espacio vectorial Ejemplo EV 4: P De todos los polinomios con coeficientes reales en la variable x con las operaciones: Suma: Cuando son dos polinomios, esta operación se lleva a cabo sumando los coeficientes de las mismas potencias de x de los polinomios. a + a x + + a m x m + b + b x + + b m x m = (a + b ) + (a + b ) x + + (a m + b m ) x m Alguno de los polinomios se completa hasta el grado mayor de los dos con coeficientes cero Por ejemplo, si p(x) = x 2 + x 4 y q(x) = 2 3 x + x 2 x 3 + x x 5 escribimos a los polinomios como p(x) = 2 + x + 3 x 2 + x 3 + x 4 + x 5 q(x) = 2 3 x + x 2 x 3 + x x 5 así p(x) + q(x) = (2 + 2) + ( 3) x + (3 + ) x 2 + ( ) x 3 + ( + ) x 4 + ( + 2) x 5 = 4 3 x + 4 x 2 x x x 5 Multiplicación: La multiplicación por escalar es la multiplicación de todo el polinomio por una constante: c(a + a x + a 2 x a m x m ) = c a + c a x + + c a m x m

11 En lo siguiente supondremos que cada polinomio se escribe en la forma p(x) = p + p x + p 2 x 2 + Es decir, que usaremos el nombre del polinomio para nombrar a sus coeficientes y usaremos subíndices para indicar la potencia de x a la cual acompañan. Axiomas A y M: p(x) + q(x) P y c p(x) P: De la misma definición de la suma de polinomios y producto por escalares. Axioma A2 ; p(x) + q(x) = q(x) + q(x): Los polinomios son iguales pues están en la misma variable y comparando los coeficientes de x i se tiene: p i + q i = p i + q i Axioma A3: p(x) + (q(x) + r(x)) = (p(x) + q(x)) + r(x): Los polinomios son iguales pues están en la misma variable y comparando los coeficientes de x i se tiene: p i + (q i + r i ) = (p i + q i ) + r i Axioma A4, Existe un polinomio neutro bajo la adición: Este polinomio es el polinomio con todos sus coeficientes cero: = = + x y cumple + p(x) = p(x) + = p(x), pues al comparar los coeficientes de x i se tiene: + p i = p i + = p i Axioma A5: Cada polinomio de tiene su invero aditivo: Para cada plinomio p(x) = p +p x+, el polinomio p(x) = ( p ) + ( p ) x + ( p 2 )x 2 + cumple p(x) + ( p(x)) = ( p(x)) + p(x) =, pues al comparar los coeficientes de x i se tiene: ( p i ) + p i = Axioma M2: c(p(x) + q(x)) = c p(x) + c q(x): Los polinomios son iguales pues están en la misma variable y comparando los coeficientes de x i se tiene: c(p i + q i ) = c p i + c q i Axioma M3: (c + c 2 )p(x) = c p(x) + c 2 p(x): Los polinomios son iguales pues están en la misma variable y comparando los coeficientes de x i se tiene: (c + c 2 )p i = c p i + c 2 p i Axioma M4: (c c 2 )p(x) = c (c 2 p(x)): Los polinomios son iguales pues están en la misma variable y comparando los coeficientes de x i se tiene: (c c 2 )p i = c (c 2 p i ) Axioma M5: p(x) = p(x) Habiéndose cumplido los axiomas, concluimos que P con las operaciones suma de polinomios y producto de un escalar por un polinomio conocidas sí es un espacio vectorial Ejemplo EV 5: P n Todos los polinomios con coeficientes reales en la variable x de grado menor o igual que n (n es entero mayor o igual que cero): operaciones:sea x la variable independiente de los polinomios.

12 a) Suma: Misma que en P. b) Multiplicación por escalares: Misma que en P. 2 el cero: El polinomio, es áquel cuya totalidad de coeficientes es cero. 3 inversos aditivos: El inverso de p de un polinomio p tiene por coeficientes los opuestos de los coeficientes de p Ejemplo EV 6: F (R) El conjunto de todas las funciones de valor real definidas en R: operaciones: Sean f y g dos funciones de valor real con dominio R y sea c cualquier escalar. a) Suma: Se define la suma de f + g de f y g como la función cuyos valores están expresados por: (f + g)(x) = f(x) + g(x) para toda x R b) producto por escalares: Igualmente, el producto por escalar cf se define como sigue: (c f)(x) = c f(x) para toda x A 2 el cero: La función cero, es aquella cuyos valores son todos ceros: (x)= para toda x R. 3 inversos aditivos: La inversa de f de f es la función (-)f. 4 axiomas: La comprobación de los axiomas se deja como ejercicio. Ejemplo EV 7: F (A) De manera más general que en el ejemplo de espacio vectorial 6, si A es un conjunto cualquiera definimos el conjunto F (A) de todas las funciones de valor real que tienen como dominio A; entonces F (A) es un espacio vectorial. Ejemplo EV 8: F (A, V ) De manera más general que en el ejemplo de espacio vectorial 7, si A es un conjunto cualquiera y V es un espacio vectorial (con una operación suma y producto por escalares ) definimos el conjunto F (A, V ) de todas las funciones que tienen como dominio X y como codominio V. Definimos en F (A, V ) la suma de la siguiente manera: f g : A V a f(a) g(a) y definimos el producto por escalares de la siguiente manera: c f : A V a c f(a) entonces F (A, V ) es un espacio vectorial. Normalmente, el símbolo usando para la suma de funciones es el mismo que el usando para la suma de V y el usado para el producto de un escalar por una función es el mismo que el símbolo del producto por escalares. 2

13 3.9. Subespacio Vectorial Como se ha visto probar que un conjunto es un espacio vectorial es un trabajo arduo. Sin embargo, hay situaciones en las que la prueba se reduce considerablemente: Cuando el conjunto está contenido en un conjunto mayor que ya es un espacio vectorial. En este caso, como todas las propiedades de los axiomas hacen referencia a elementos del conjunto y por tanto a elementos al conjunto mayor que ya es espacio vectorial y por consiguiente se verifican. Salvo posiblemente los axiomas A y M que hacen referencia a la cerradura. Definición 3.2 Sea V = (V, +, ) un espacio vectorial. Un subconjuto U de V (U V ) que no es vacío se dice subespacio vectorial o simplemente subespacio de V si U con las mismas operaciones de suma y multiplicación por escalares que están definidas en V, pero restringidas a vectores de U, es un espacio vectorial. Apesar que en la definción de subespacio está implicita la verificación de los axiomas, el siguiente resultado da la clave para la verificación de que un conjunto se subespacio. Teorema Un subconjunto no vacío U de un espacio vectorial V es con operaciones y es un subespacio de V si cumple las siguientes condiciones: El conjunto U es cerrado bajo la suma; Cualquiera dos elementos de U sumados dan como resultado un elemento que también está en U. El conjunto U es cerrado bajo la multiplicación por escalares; Cualquier elemento de U multiplicado por cualquier escalar da como resultado un elemento que también está en U. Demostración Debemos probar que si se cumplen las condiciones marcadas, entonces U con la suma, que ya tenía V, y el producto por escalares, que ya tenía V, satisface los axiomas para ser él mismo un espacio vectorial. newline A Sean x y y dos elementos cualquiera de U. Al cumplirse que U es cerrado bajo la suma, x y está en U. A2 A3 A4 Sean x y y dos elementos cualquiera de U, como x y y son elementos de V y V es espacio vectorial cumple A2: x y = y x Sean x, y y z elementos cualquiera de U; por tanto, son elementos de V y como V es espacio vectorial se cumple A3: x (y z) = (x y) z Como U no es vacío, U tiene al menos un elemento, digamos x. Como U es cerrado bajo el producto por escalares: c R, c x U En particular, se debe cumplir para c =. Así, x U. Pero nosotros probamos que x =. Por tanto, el neutro de V, está también en U. 3

14 A5 M Sea x un elemento cualquiera de U. Debemos ver que tiene inverso aditivo en U. Como U es cerrado bajo el producto por escalares: c R, c x U En particular, debe cumplirse para c = ; es decir, x U. Pero nosotros hemos probado que x = x (el inverso aditivo de x). Por tanto x U. Sean x un elemento cualquiera de U y c un escalar cualquiera. Al cumplirse que U es cerrado bajo el producto por escalares, c x está en U. De forma similar a la prueba de que los axiomas A2 y A3 se cumplen al cumplirse para V (los elementos de U son elementos de V ), los axiomas M2 a M5 se pueden verificar fácilmente. La prueba de que U con las operaciones y de V cumple los axiomas nos dice que es espacio vectorial; y como U V, U es subespacio vectorial de V Observe que realmente el resultado anterior hace referencia a tres condiciones: La que está en el enunciado: que el conjunto no sea vacío, y las dos explícitamente citadas. Ejemplo 3.7 El subconjuto W de P 2 formado por sólo polinomios de la forma p(x) = a x + 3 a x 2 donde a es un número real, es un subespacio vectorial? Solución Requisito : Se debe probar que el conjunto posee al menos un elemento: Debemos dar un ejemplo concreto de un polinomio que corresponde a este formato: Por ejemplo p(x) = 2 x + 6 x 2 el coeficiente de x 2, 6, es justo el doble del coeficiente de x, que es 2. Por tanto, W. Requisito : Debemos probar que si se suman dos elementos cualquiera del conjunto, el resultado también está en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar un valor numérico de a; debemos utilizar letras. Sean p(x) = a x + 3 a x 2 y q(x) = a 2 x + 3 a 2 x 2 dos elementos de W, veamos si p(x) + q(x) W : p(x) + q(x) = a x + 3 a x 2 + a 2 x + 3 a 2 x 2 = (a + a 2 ) x + 3 (a + a 2 ) x 2 de donde vemos que el coeficiente de x 2 es el de x multiplicado por 3. Por tanto, p(x) + q(x) W. Por tanto, W es cerrado bajo la suma. Requisito 2: Debemos probar que si se multiplica un escalar cualquiera por un elemento cualquiera del conjunto, el resultado también está en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar un valor numérico de a; debemos utilizar letras. Sea p(x) = a x + 3 a x 2 un elemento cualquiera de W y c un escalar cualquiera, veamos si c p(x) W : c p(x) = c (a x + 3 a x 2 ) = (c a ) x + 3 (c a ) x 2 de donde vemos que el coeficiente de x 2 es el de x multiplicado por 3. Por tanto, c p(x) W. Por tanto, W es cerrado bajo el producto por escalares. Como hemos probado los tres requisitos, W es un subespacio vectorial de P 2. 4

15 Ejemplo 3.8 El conjunto W de todas las matrices 2 2 de la forma: [ a b donde a y b son números reales que cumplen a b, es un subespacio vectorial de M 2 2? Solución Requisto : Como la matriz [ ] A = tiene el patrón de las matrices de W para a = y b = y se cumple a b =, A W. Por tanto, W. Requisito : Debemos probar que si se suman dos elementos cualquiera del conjunto, el resultado también está en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar valores numéricos; debemos utilizar letras. Sean [ ] [ ] a a2 A = y B = b b 2 dos elementos de W, que cumplan a b y a 2 b 2 veamos si A + B W : [ ] a + a A + B = 2 b + b 2 Ahora apliquemos la prueba última para ver si pertenece a W (a + a 2 ) (b + b 2 )) = a b + a 2 b + a b + a 2 b 2? Observe que lo que es cierto es que a b y que a 2 b 2. Pero el término a 2 b + a b 2 puede cambiar la desigualdad. De hecho los valores a =, b = 5, a 2 = 3, y b 2 = cumplen Pero Estos números nos dan las matrices a b = ()( 5) = 5 y a 2 b 2 = ( 3)() = 3 (a + a 2 )(b + b 2 ) = ( + 3)( 5 + ) = ( 2)( 4) = 8 > A o = [ 5 ] ] y B o = [ 3 que sí están en W, pero cuya suma no está en W. A estos ejemplos concretos que prueban que una cierta afirmación del tipo para cualquiera no se cumpla se llaman contra ejemplos. El anterior contra ejemplo hace que W no sea cerrado bajo la suma. Fallando un requisito como ahora, W no es un subespacio. Sin embargo, como nos interesa ver la opción que se ajusta a W deberemos revisar el otro requisito. Requisito 2: Debemos probar que si se multiplica un escalar cualquiera por un elemento cualquiera del conjunto, el resultado también está en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar un valor numérico de a; debemos utilizar letras. Sea [ ] a A = b un elemento cualquiera de W (y por tanto a b ) y c un escalar cualquiera, veamos si c A W : [ ] c a c A = c b 5 ]

16 Ahora apliquemos la prueba última para ver si pertenece a W Como y c 2 y a b entonces (c a ) (c b )? (c a ) (c b ) = c 2 (a b ) (c a ) (c b ) = c 2 (a b ) Por tanto, c A W. Por tanto, W es cerrado bajo el producto por escalares. Resumiendo, W no es espacio vectorial: sí es cerrado bajo el producto por escalares pero no es cerrado bajo la suma. Ejemplo 3.9 Sea V = M n n el conjunto de todas las matrices cuadradas. Este conjunto con la suma conocida de matrices y el producto de un escalar por una matriz es un espacio vectorial. Éste es nuestro espacio vectorial de referencia. Definimos un subconjunto de M n n formado por las matrices simétricas: { U = A M n m : A T } = A Es decir, U está formado por todas las matrices cuadradas n n que al tomarle la transpuesta queda la misma matriz. Vea que U es un subespacio de M n n. Demostración Veamos que U cumple los requisitos para ser subespacio:. Que U. Efectivamente, la matriz de ceros n n es una matriz que al tomarle su transpuesta queda ella misma. Por tanto, T =. Como U agrupa a todas las matrices n n que cumplen esta propiedad; es un elemento de V. Por tanto, U no es vacío. 2. Que U es cerrado bajo la suma. Tomemos dos matrices cualquiera n n de U, digamos A y B. Si son elementos de U deben ser simétricas, es decir: A T = A B T = B Veamos ahora que la matriz A + B también está en U, es decir, que A + B es una matriz simétrica: Para ello, tomemos su transpuesta y veamos que queda ella misma. Sabemos que (A + B) T = A T + B T por las propiedades de la transpuesta de una matriz. Siendo A y B simétricas, deducimos que (A + B) T = A + B Es decir, la matriz A + B es tal que cuando se obtiene su transpuesta queda ella misma. Concluimos que A + B es una matriz n n simétrica, es decir, A + B U. 3. Que U es cerrado bajo el producto por escalares. Sea c un escalar cualquiera y A es un elemento de U cualquiera. Así, A es una matriz simétrica n n: A T = A. Por las propiedades de la traza y teniendo la simetría de A: (c A) T = c A T = c A Por tanto, la matriz c A es tal que cuando se calcula su transpuesta se obtiene la misma matriz c A. Por tanto, c A es una matriz n n simétrica. Es decir, c A es un elemento de U. 6

17 De lo anterior, concluimos que el conjunto U es un subespacio de M n n Ejemplo 3. Tomemos como espacio vectorial de referencia R n con la suma y el producto por escalares comúnes. Sea A una matriz m n fija, defina en R n el conjunto formado por todos los vectores que son solución al sistema de ecuaciones homogéneas cuya matriz de coeficientes es A: U = {x R n : A x = } Vea que U es un subespacio de R n. Comente si el correspondiente conjunto de soluciones a un sistema no homogéneo es un subespacio. Demostración Veamos que U satisface los requisitos para ser espacio vectorial.. Que U. Efectivamente, como el producto de cualquier matriz A por el vector cero da como resultado el vector cero (cuando se tienen las dimensiones adecuadas para que el producto sea factible), concluimos que el vector de R n es un elemento de U. 2. Que U es cerrado bajo la suma. Sean x y x 2 dos elementos cualquiera de U. Por tanto, ellos deben ser solución al sistema homogéneo A x =, es decir: A x = y A x 2 = Así, si utilizamos la propiedad distributiva del producto: A (x + x 2 ) = A x + A x 2 = + = Esto nos dice que cuando el vector x + x 2 se sustituye por el vector de incógnitas en la ecuación A x = la ecuación se satisface. Es decir, que x + x 2 es una solución al sistema homogéneo. Como U contiene todas las soluciones a ese sistema, x + x 2 está en U. 3. Que U es cerrado bajo el producto por escalares. Sean c un escalar cualquiera y y un elemento cualquiera de U. utilizamos las propiedades del producto con matrices tenemos Así y satisface A y =. Si ahora A (c y) = c (A y) = c = Esto dice que c y es una solución al sistema A x =. Por tanto, c y es un elemento de U. Por lo anterior, U es un subespacio vectorial de R n. Si el sistema no fuera homogéneo tendría que tener la forma A x = b para b. Afirmamos que el conjunto de soluciones no podría ser subespacio de R n. Efectivamente, hemos visto que el vector cero siempre debe pertencer al cualquier subespacio. En particular, debería pertenecer al conjunto de soluciones. Pero esto es imposible debido a que A = b. Concluimos que si el sistema no es homogéneo, el conjunto de soluciones no forman un subespacio de R n 7

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CSI/ITESM 7 de junio de 28 Índice 5.. Objetivos................................................ 5.2. Motivación...............................................

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

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Lineal Ma1010 Espacios Vectoriales Departamento de Matemáticas ITESM Espacios Vectoriales Álgebra Lineal - p. 1/80 En esta lectura se introduce el concepto de espacio vectorial. Este concepto generaliza

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

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

VII. Estructuras Algebraicas

VII. Estructuras Algebraicas VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación

Más detalles

Conjuntos Numéricos. Las dos operaciones en que se basan los axiomas son la Adición y la Multiplicación.

Conjuntos Numéricos. Las dos operaciones en que se basan los axiomas son la Adición y la Multiplicación. Conjuntos Numéricos Axiomas de los números La matemática se rige por ciertas bases, en la que descansa toda la matemática, estas bases se llaman axiomas. Cuántas operaciones numéricas conocen? La suma

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

ESTRUCTURAS ALGEBRAICAS

ESTRUCTURAS ALGEBRAICAS ESTRUCTURAS ALGEBRAICAS Se ha trabajado con números complejos, polinomio y matrices y hemos efectuado con ellos ciertas operaciones: sin embargo no todas las operaciones se comportan de la misma manera,

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

Espacios vectoriales Espacios vectoriales Problemas teóricos Muchos de estos problemas me los han enseñado mis colegas: profesores Flor de María Correa Romero, Carlos Domínguez Albino, Sergio González Govea, Myriam Rosalía

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

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

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 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

Apuntes de Matemática Discreta 9. Funciones

Apuntes de Matemática Discreta 9. Funciones Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y

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

A estas alturas de nuestros conocimientos vamos a establecer dos reglas muy prácticas de cómo sumar dos números reales:

A estas alturas de nuestros conocimientos vamos a establecer dos reglas muy prácticas de cómo sumar dos números reales: ADICIÓN Y RESTA DE NUMEROS REALES ADICIÓN L a adición o suma de números reales se representa mediante el símbolo más (+) y es considerada una operación binaria porque se aplica a una pareja de números,

Más detalles

Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo

Polinomios: Definición: Se llama polinomio en x de grado n a una expresión del tipo Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo P (x) = a 0 x n + a 1 x n 1 +... + a n Donde n N (número natural) ; a 0, a 1, a 2,..., a n son coeficientes reales

Más detalles

Ejemplos: Sean los conjuntos: A = { aves} B = { peces } C = { anfibios }

Ejemplos: Sean los conjuntos: A = { aves} B = { peces } C = { anfibios } La Teoría de Conjuntos es una teoría matemática, que estudia básicamente a un cierto tipo de objetos llamados conjuntos y algunas veces, a otros objetos denominados no conjuntos, así como a los problemas

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

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

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

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

El anillo de polinomios sobre un cuerpo

El anillo de polinomios sobre un cuerpo Capítulo 2 El anillo de polinomios sobre un cuerpo En este capítulo pretendemos hacer un estudio sobre polinomios paralelo al que hicimos en el capítulo anterior sobre los números enteros. Para esto, es

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

ESTRUCTURAS ALGEBRAICAS

ESTRUCTURAS ALGEBRAICAS ESTRUCTURAS ALGEBRAICAS 1.1. LEY DE COMPOSICIÓN INTERNA Definición 1.1.1. Sea E un conjunto, se llama ley de composición interna en E si y sólo si a b = c E, a, b E. Observación 1.1.1. 1. también se llama

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

Nombre del polinomio. uno monomio 17 x 5 dos binomio 2x 3 6x tres trinomio x 4 x 2 + 2

Nombre del polinomio. uno monomio 17 x 5 dos binomio 2x 3 6x tres trinomio x 4 x 2 + 2 SISTEMA DE ACCESO COMÚN A LAS CARRERAS DE INGENIERÍA DE LA UNaM III. UNIDAD : FUNCIONES POLINÓMICAS III..1 POLINOMIOS La expresión 5x + 7 x + 4x 1 recibe el nombre de polinomio en la variable x. Es de

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

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

Producto Interno y Ortogonalidad

Producto Interno y Ortogonalidad Producto Interno y Ortogonalidad Departamento de Matemáticas, CSI/ITESM 15 de octubre de 2009 Índice 8.1. Contexto................................................ 1 8.2. Introducción...............................................

Más detalles

ESTRUCTURAS ALGEBRAICAS 1

ESTRUCTURAS ALGEBRAICAS 1 ESTRUCTURAS ALGEBRAICAS Se da la relación entre dos conjuntos mediante el siguiente diagrama: (, ) (2, 3) (, 4) (, 2) (7, 8) (, ) (3, 3) (5, ) (6, ) (, 6)........ 5 6......... 2 5 i) Observa la correspondencia

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

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

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define. VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman

Más detalles

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES INECUACIONES NOTA IMPORTANTE: El signo de desigualdad de una inecuación puede ser,, < o >. Para las cuestiones teóricas que se desarrollan en esta unidad únicamente se utilizará la desigualdad >, siendo

Más detalles

Factorización de polinomios

Factorización de polinomios Factorización de polinomios Polinomios Un polinomio p en la variable x es una expresión de la forma: px a 0 a 1 x a x a n1 x n1 a n x n donde a 0, a 1, a,, a n1, a n son unos números, llamados coeficientes

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

Curso de Procesamiento Digital de Imágenes

Curso de Procesamiento Digital de Imágenes Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx

Más detalles

Números Reales. MathCon c 2007-2009

Números Reales. MathCon c 2007-2009 Números Reales z x y MathCon c 2007-2009 Contenido 1. Introducción 2 1.1. Propiedades básicas de los números naturales....................... 2 1.2. Propiedades básicas de los números enteros........................

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

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

TEMA 2: Grupos. El grupo Simétrico.

TEMA 2: Grupos. El grupo Simétrico. Álgebra y Estructuras Discretas Grupo B de la Ingeniería Técnica de Sistemas TEMA 2: Grupos. El grupo Simétrico. 1. Definición de Grupo. Propiedades Básicas. Definición 1. Dado un conjunto no vacío G,

Más detalles

Estructuras Algebraicas Una estructura algebraica es un objeto matemático consistente en un conjunto no vacío, con por lo menos una operación binaria.

Estructuras Algebraicas Una estructura algebraica es un objeto matemático consistente en un conjunto no vacío, con por lo menos una operación binaria. Estructuras Algebraicas Una estructura algebraica es un objeto matemático consistente en un conjunto no vacío, con por lo menos una operación binaria. Operación Binaria Se conoce una operación binaria

Más detalles

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES AXIOMASDECUERPO(CAMPO) DELOSNÚMEROSREALES Ejemplo: 6 INECUACIONES 15 VA11) x y x y. VA12) x y x y. Las demostraciones de muchas de estas propiedades son evidentes de la definición. Otras se demostrarán

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

Conjuntos, Relaciones y Grupos. Problemas de examen.

Conjuntos, Relaciones y Grupos. Problemas de examen. Conjuntos, Relaciones y Grupos. Problemas de examen. Mayo 2006 1. La función f es definida por (a) Halle el recorrido exacto, A, de f. f : R R donde f(x) = e senx 1. (b) (i) Explique por qué f no es inyectiva.

Más detalles

TEMA 2: FUNCIONES CONTINUAS DE VARIAS VARIABLES

TEMA 2: FUNCIONES CONTINUAS DE VARIAS VARIABLES TEMA 2: FUNCIONES CONTINUAS DE VARIAS VARIABLES ÍNDICE 1. Funciones de varias variables 1 2. Continuidad 2 3. Continuidad y composición de funciones 4 4. Continuidad y operaciones algebraicas 4 5. Carácter

Más detalles

Álgebra y Trigonometría CNM-108

Álgebra y Trigonometría CNM-108 Álgebra y Trigonometría CNM-108 Clase 2 Ecuaciones, desigualdades y funciones Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción

Más detalles

Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0.

Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. NÚMEROS COMPLEJOS. INTRO. ( I ) Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. Si bien esto no era un problema

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

Grupos. 2.1 Introducción. Capítulo

Grupos. 2.1 Introducción. Capítulo Capítulo 2 Grupos 2.1 Introducción La estructura de grupo es una de las más comunes en toda la matemática pues aparece en forma natural en muchas situaciones, donde se puede definir una operación sobre

Más detalles

INTRO. VECTORES. NÚM. COMPLEJOS

INTRO. VECTORES. NÚM. COMPLEJOS INTRO. VECTORES. NÚM. COMPLEJOS El presente tema se dedicará al estudio de los conceptos de vectores y números complejos. Se comenzará con un pequeño estudio de los vectores del plano y sus propiedades

Más detalles

CAPÍTULO II. 3 El grupo lineal

CAPÍTULO II. 3 El grupo lineal CAPÍTULO II 3 El grupo lineal Como ya se advirtió en el capítulo precedente, los grupos de transformaciones juegan un importante papel en el estudio de la geometría. En esta sección nos ocuparemos de aquellas

Más detalles

APLICACIONES DE LA MATEMATICA INTRODUCCION AL CALCULO AXIOMATICA DE LOS NUMEROS REALES

APLICACIONES DE LA MATEMATICA INTRODUCCION AL CALCULO AXIOMATICA DE LOS NUMEROS REALES APLICACIONES DE LA MATEMATICA INTRODUCCION AL CALCULO AXIOMATICA DE LOS NUMEROS REALES PROFESOR: CHRISTIAN CORTES D. I) LOS NUMEROS REALES. Designaremos por R, al conjunto de los números reales. En R existen

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

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

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

Notaciones y Pre-requisitos

Notaciones y Pre-requisitos Notaciones y Pre-requisitos Símbolo Significado N Conjunto de los números naturales. Z Conjunto de los números enteros. Q Conjunto de los números enteros. R Conjunto de los números enteros. C Conjunto

Más detalles

UNIDAD 3: ANILLOS DE POLINOMIOS

UNIDAD 3: ANILLOS DE POLINOMIOS UNIDAD 3: ANILLOS DE POLINOMIOS En nuestra educación matemática se nos introdujo muy pronto -generalmente en los primeros años de secundariaal estudio de los polinomios. Durante una temporada que parecía

Más detalles

Congruencias de Grado Superior

Congruencias de Grado Superior Congruencias de Grado Superior Capítulo 3 3.1 Introdución En el capítulo anterior vimos cómo resolver congruencias del tipo ax b mod m donde a, b y m son enteros m > 1, y (a, b) = 1. En este capítulo discutiremos

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

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 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

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

(x + y) + z = x + (y + z), x, y, z R N.

(x + y) + z = x + (y + z), x, y, z R N. TEMA 1: EL ESPACIO R N ÍNDICE 1. El espacio vectorial R N 1 2. El producto escalar euclídeo 2 3. Norma y distancia en R N 4 4. Ángulo y ortogonalidad en R N 6 5. Topología en R N 7 6. Nociones topológicas

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

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

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

UNIDAD I NÚMEROS REALES

UNIDAD I NÚMEROS REALES UNIDAD I NÚMEROS REALES Los números que se utilizan en el álgebra son los números reales. Hay un número real en cada punto de la recta numérica. Los números reales se dividen en números racionales y números

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

Matrices Invertibles y Elementos de Álgebra Matricial

Matrices Invertibles y Elementos de Álgebra Matricial Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices

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

Propiedades de la adición de vectores y la multiplicación de un vector por un escalar

Propiedades de la adición de vectores y la multiplicación de un vector por un escalar ÁLGEBRA MATRICIAL PROF. MARIELA SARMIENTO SESIÓN : ESPACIO VECTORIAL Propiedades de la adición de vectores y la multiplicación de un vector por un escalar Teorema.1: Si A, B y C son vectores cualesquiera

Más detalles

Grupos. Subgrupos. Teorema de Lagrange. Operaciones.

Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1 Tema 1.-. Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1.1. Primeras definiciones Definición 1.1.1. Una operación binaria en un conjunto A es una aplicación α : A A A. En un lenguaje más coloquial

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

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. Números Reales 1.1 Clasificación y propiedades

1. Números Reales 1.1 Clasificación y propiedades 1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,

Más detalles

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { }

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { } I. RELACIONES Y FUNCIONES PAREJAS ORDENADAS Una pareja ordenada se compone de dos elementos x y y, escribiéndose ( x, y ) donde x es el primer elemento y y el segundo elemento. Teniéndose que dos parejas

Más detalles

Capítulo 9 Vectores en el espacio

Capítulo 9 Vectores en el espacio Capítulo 9 Vectores en el espacio Introducción El concepto de vector es muy amplio y su aplicación se evidencia en los diferentes campos de las ciencias. En matemáticas, un vector es un elemento de una

Más detalles

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2

Más detalles

NÚMERO REAL. 1. Axiomas de cuerpo y propiedades operatorias. Axioma 2 La suma es asociativa:

NÚMERO REAL. 1. Axiomas de cuerpo y propiedades operatorias. Axioma 2 La suma es asociativa: NÚMERO REAL El conjunto de los números racionales se nos hace insuficiente a la hora de representar con exactitud magnitudes tan reales como la diagonal de un cuadrado cuyo lado mida 1, por ejemplo, o

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

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

9.1 Primeras definiciones

9.1 Primeras definiciones Tema 9- Grupos Subgrupos Teorema de Lagrange Operaciones 91 Primeras definiciones Definición 911 Una operación binaria en un conjunto A es una aplicación α : A A A En un lenguaje más coloquial una operación

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

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

). (Nota: también lo es en cada uno de los demás intervalos de definición de la función tangente, pero no de manera global en toda la recta real).

). (Nota: también lo es en cada uno de los demás intervalos de definición de la función tangente, pero no de manera global en toda la recta real). Tema 5 Integral Indefinida 5.1 Introducción Dedicaremos este tema a estudiar el concepto de Integral Indefinida y los métodos más habituales para calcular las integrales indefinidas. De una manera intuitiva

Más detalles

Matrices: Conceptos y Operaciones Básicas

Matrices: Conceptos y Operaciones Básicas Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas, CCIR/ITESM 8 de septiembre de 010 Índice 111 Introducción 1 11 Matriz 1 113 Igualdad entre matrices 11 Matrices especiales 3 115 Suma

Más detalles

Operaciones con vectores y matrices ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES. Ana Morata Gasca

Operaciones con vectores y matrices ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES. Ana Morata Gasca ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES Ana Morata Gasca 1 DEFINICIÓN DE VECTOR Un vector es todo segmento de recta dirigido en el espacio. CARACTERÍSTICAS DE UN VECTOR Origen o Punto de aplicación:

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

Módulo 9 Sistema matemático y operaciones binarias

Módulo 9 Sistema matemático y operaciones binarias Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional

Más detalles

Polinomios. Objetivos. Antes de empezar. 1.Expresiones algebraicas pág. 64 De expresiones a ecuaciones Valor numérico Expresión en coeficientes

Polinomios. Objetivos. Antes de empezar. 1.Expresiones algebraicas pág. 64 De expresiones a ecuaciones Valor numérico Expresión en coeficientes 4 Polinomios Objetivos En esta quincena aprenderás: A trabajar con expresiones literales para la obtención de valores concretos en fórmulas y ecuaciones en diferentes contextos. La regla de Ruffini. El

Más detalles

Clasificación de métricas.

Clasificación de métricas. Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye

Más detalles

Lección 9: Polinomios

Lección 9: Polinomios LECCIÓN 9 c) (8 + ) j) [ 9.56 ( 9.56)] 8 q) (a x b) d) ( 5) 4 k) (6z) r) [k 0 (k 5 k )] e) (. 0.) l) (y z) s) (v u ) 4 f) ( 5) + ( 4) m) (c d) 7 t) (p + q) g) (0 x 0.) n) (g 7 g ) Lección 9: Polinomios

Más detalles

Tarea 4 Soluciones. la parte literal es x3 y 4

Tarea 4 Soluciones. la parte literal es x3 y 4 Tarea 4 Soluciones Extracto del libro Baldor. Definición. Término.-es una expresión algebraica que consta de un solo símbolo o de varios símbolos no separados entre sí por el signo + o -. Así, a, 3b, 2xy,

Más detalles

Anillos Especiales. 8.1 Conceptos Básicos. Capítulo

Anillos Especiales. 8.1 Conceptos Básicos. Capítulo Capítulo 8 Anillos Especiales 8.1 Conceptos Básicos En este capítulo nos dedicaremos al estudio de algunos anillos especiales que poseen ciertas condiciones adicionales, aparte de las propias de la definición,

Más detalles

EJERCICIOS DEL CAPÍTULO I

EJERCICIOS DEL CAPÍTULO I EJERCICIOS DEL CAPÍTULO I 1. Un grupo es una tipo particular de Ω estructura cuando Ω es el tipo Ω = { } siendo una operación de aridad dos. Pero un grupo también es una Ω -estructura siendo Ω = {e, i,

Más detalles

Apuntes sobre algunos teoremas fundamentales de análisis complejo, con 20 ejemplos resueltos (2007-08)

Apuntes sobre algunos teoremas fundamentales de análisis complejo, con 20 ejemplos resueltos (2007-08) Variable Compleja I (3 o de Matemáticas) Apuntes sobre algunos teoremas fundamentales de análisis complejo, con ejemplos resueltos (7-8) En estos apuntes, consideraremos las funciones anaĺıticas (holomorfas)

Más detalles