Espacios vectoriales reales
|
|
- Purificación Vega Belmonte
- hace 6 años
- Vistas:
Transcripción
1 144 Matemáticas 1 : Álgebra Lineal Capítulo 9 Espacios vectoriales reales 9.1 Espacios vectoriales Los conjuntos de vectores del plano, R, y del espacio, R 3, son conocidos y estamos acostumbrados a movernos en sus direcciones ancho, largo y alto, manejar sus medidas y ángulos. Pero todo eso es reflejo de su funcionamiento, mejor dicho, de la estructura que generan las pautas de su comportamiento y son estas pautas las que vamos a extraer y fijar para exportar esta estructura tan cómoda y fiable Definición 74.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre de suma de vectores y otra que recibe el nombre de producto por escalares o producto de vectores por números reales, que verifican las siguientes propiedades: 1 u + v V ; u, v V u + v = v + u; u, v V 3 u + v + w = u + v + w ; u, v, w V 4 Existe un vector, llamado vector cero y denotado por 0, tal que: 0 + u = u + 0 = u; u V 5 Para cada u V, existe un vector de V, llamado opuesto de u y denotado u, tal que u + u = 0 6 ku V ; k R y u V 7 ku + v = ku + kv ; k R y u, v V 8 k + lu = ku + lu; k, l R y u V 9 klu = klu; k, l R y u V 10 1u = u; u V Ejemplo Los conjuntos R n, los conjuntos de polinomios reales R n [X] = {P X R[X] : grp n y los conjuntos de matrices reales M m n = {matrices de tamaño m n, con las operaciones usuales en cada uno de ellos, son espacios vectoriales reales. Por ser los escalares de R se dicen espacios vectoriales reales Propiedades 75.- Algunas propiedades que se deducen de las anteriores son: i 0u = 0 ii k0 = 0 iii 1u = u iv ku = 0 k = 0 ó u = 0 v El vector cero de un espacio vectorial es único. vi El vector opuesto de cada vector del espacio vectorial es único. 9. Subespacios vectoriales Definición 76.- Un subconjunto W de un espacio vectorial V se dice que es un subespacio vectorial de V, si W es un espacio vectorial con las operaciones definidas en V. Como W V, todos los vectores de W verifican las propiedades a 5 y 7 a 10, por tanto es suficiente probar que las operaciones suma y producto por escalares son internas se mantienen en W, es decir Proposición 77.- W V es un subespacio vectorial de V si se cumplen las propiedades 1 u + v W ; u, v W 6 ku W ; u W y k R Estas dos propiedades son equivalentes a la propiedad única: ku + lv W ; u, v W y k, l R
2 145 Matemáticas 1 : Álgebra Lineal 9.3 Base y dimensión Nota: Es claro, que si W es un subespacio de V, entonces 0 W. Ejemplo R [X] es un subespacio de R 4 [X], pues es un subconjunto suyo y si P X, QX R [X], el grado de kp X + lqx es grkp + lq = max{grkp, grlq max{grp, grq, por lo que está en R [X]. Sin embargo, {P X : grp = no es un subespacio de R 4 [X], por dos razones: primero, porque no contiene al polinomio cero; y segundo, no verifica la propiedad 1 ya que X y X X son polinomios del conjunto pero su suma X + X X = X es un polinomio de grado 1 que no está en el conjunto. Definición 78.- Se dice que un vector v V es una combinación lineal de los vectores v 1, v,..., v n si, y sólo si, c 1, c,..., c n R tales que v = c 1 v 1 + c v + + c n v n. Definición 79.- Dado un conjunto de vectores S = {v 1, v,..., v k de un espacio vectorial V, llamaremos subespacio lineal generado por S y que denotaremos por lin S ó lin{v 1, v,..., v k, al conjunto de todas las combinaciones lineales que se pueden formar con los vectores de S : { lin S = lin{v 1, v,..., v k = c 1 v 1 + c v + + c k v k : c i R y se dirá que S genera lin S o que los vectores v 1, v,..., v k generan lin S. Naturalmente lin S es un subespacio vectorial de V, de hecho el más pequeño que contiene a S Ejer Definición 80.- Dado un conjunto S = {v 1, v,..., v k de vectores del espacio vectorial V, la ecuación vectorial c 1 v 1 + c v + + c k v k = 0 tiene al menos una solución, a saber: c 1 = c = = c k = 0. Si esta solución es única, entonces se dice que S es un conjunto linealmente independiente o que los vectores de S son linealmente independientes. Si existen otras soluciones, entonces se dice que S es linealmente dependiente o que los vectores son linealmente dependientes. Ejemplo El vector X X de R [X] está generado por los vectores X 1 y X : λ µ = 0 X X = λx 1 + µx = λx λ + µx µ = λ µ + λx + µx = λ = µ = 1 luego X X = X 1 + 1X. Ejemplo Los polinomios X + y X de R [X] son linealmente independientes: si λx + + µx = 0 al polinomio cero, se tiene que 0 = λx + + µx = λ + λx + µx = λ = 0, λ = 0 y µ = 0, ya que los coeficientes de ambos polinomios deben coincidir. Nota: Si los vectores {v 1, v,..., v k son linealmente dependientes, al menos uno de ellos se puede escribir como una combinación lineal de los otros; y si son linealmente independientes ninguno de ellos puede ser generado por los restantes. Tenemos así la siguiente caracterización para la dependencia lineal Ejer.o 9.35: Un conjunto de dos o más vectores es linealmente dependiente si, y sólo si, al menos uno de los vectores es una combinación lineal de los restantes. 9.3 Base y dimensión Lema 81.- Si v n+1 = c 1 v c n v n, entonces lin{v 1,..., v n, v n+1 = lin{v 1,..., v n. Es fácil asumir que este resultado es cierto, ya que cualquier combinacion lineal de los n + 1 vectores puede reconvertirse a una combinación lineal de los n primeros, por simple sustitución. En otras palabras, puede reducirse el número de generadores mientras haya dependencia lineal, lo que nos lleva a: Definición 8.- Sean V un espacio vectorial y S un conjunto finito de vectores de V. Diremos que S es una base de V si: a S es linealmente independiente y b S genera a V Observación: El lema y comentario anteriores a esta definición nos indican la manera de reducir un conjunto generador del espacio a una base. Igualmente, podemos construir una base a partir de un conjunto linealmente independiente de vectores: si S es linealmente independiente y lin S V, tomando v V pero que v / lin S, el conjunto S {v es linealmente independiente ver el Lema 83 siguiente; y así, se añaden vectores a S hasta generar V.
3 146 Matemáticas 1 : Álgebra Lineal 9.3 Base y dimensión Lema 83.- Si S es un conjunto linealmente independiente de vectores de V y v V lin S, entonces S {v es linealmente independiente. De cierta forma, estamos diciendo que una base tiene el menor número posible de generadores y el mayor número posible de vectores linealmente independientes ver Lema 84 siguiente; luego no tendrá una base un número fijo de vectores? La respuesta la proporciona el Lema siguiente y se recoge en el Teorema de la base. Lema 84.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier conjunto {v 1, v,..., v m de vectores de V, con m > n, es linealmente dependiente. Teorema de la base 85.- Todas las bases de un espacio vectorial tienen el mismo número de elementos La demostración es muy sencilla si tenemos en cuenta el Lema anterior, pues si B 1 es una base de n elementos y B es una base de m elementos, por ser B 1 base y B linealmente independiente, m n y por ser B base y B 1 linealmente independiente n m, luego n = m. Definición 86.- En un espacio vectorial V se llama dimensión de V, dim V, al número de vectores que hay de cualquier base de V. El espacio vectorial V = {0 diremos que tiene dimensión cero { Ejemplo R [X] = P X R[X] : grp tiene dimensión 3, pues B = {1, X, X forman una base. En general, dimr n [X] = n + 1 y B = {1, X,..., X n es una base suya. con las operaciones habi- Ejemplo 87 Los conjuntos R n = R R R = tuales de suma y producto por escalares { x 1,..., x n : x i R, i x + y = x 1,..., x n + y 1,..., y n = x 1 + y 1,..., x n + y n λx = λx 1,..., x n = λx 1,..., λx n son espacios vectoriales con dim R n = n, ya que cualquier vector x R n puede escribirse de la forma x = x 1, x,..., x n = x 1 1, 0,..., 0 + x 0, 1,..., x n 0, 0,..., 1 y este conjunto de vectores { B = e 1 = 1, 0,..., 0, e = 0, 1,..., 0,..., e n = 0, 0,..., 1 es linealmente independiente. A esta base se la denomina base canónica de R n. Conocer a priori la dimensión de un espacio facilita la obtención de bases: Proposición 88.- Si V es un espacio vectorial, con dim V = n. Entonces, un conjunto de n vectores de V es base de V, a si el conjunto es linealmente independiente, o b si genera a V Coordenadas en una base Definición 89.- Sean V un espacio vectorial de dimensión finita y B = {v 1, v,..., v n una base de V. Para cada vector v V, se llaman coordenadas de v en la base B a los n únicos números reales c 1, c,..., c n tales que v = c 1 v 1 + c v + + c n v n. Fijando un orden para los vectores de la base, el vector de R n, de las coordenadas de v en B se denota por v B = c 1, c,..., c n y más usualmente por [v] B cuando lo escribimos como vector columna en las operaciones con matrices: [v] B = c 1, c,..., c n t. Ejemplo o también Si B = {v 1, v, v 3 es una base de V y v = v 1 v + v 3, se tiene que v B = 1, 1, v 1 B = 1, 0, 0 v B = 0, 1, 0 v 3 B = 0, 0, 1 [v] B = 1 1 [v 1 ] B = [v ] B = [v 3 ] B = 0 0 1
4 147 Matemáticas 1 : Álgebra Lineal 9.3 Base y dimensión Nota: Al usar vectores de coordenadas, es imprescindible mantener el orden de los vectores. Si, en el ejemplo anterior, tomamos como base B 1 = {v, v 3, v 1, tenemos que v B1 = 1,, 1 que es un vector de coordenadas distinto de v B = 1, 1,. Fijada una base, la unicidad de las coordenadas asigna a cada vector de V un único vector de R n, de manera que disponer de las coordenadas es, en el fondo, disponer del vector. Además, se cumple ver ejercicio 9.43: [v+w] B = [v] B + [w] B y [λv] B = λ[v] B, luego [λ 1 v 1 + +λ n v n ] B = λ 1 [v 1 ] B + + λ n [v n ] B y con esto, no es dificil probar que ejer. 9.43: v lin{v 1,..., v k V [v] B lin{[v 1 ] B,..., [v k ] B R n {v 1,..., v k lin. independiente en V {[v 1 ] B,..., [v k ] B lin. independiente en R n {v 1,..., v n base de V {[v 1 ] B,..., [v n ] B base de R n por lo que se puede trabajar sobre las coordenadas en lugar de sobre los vectores Espacios de las filas y las columnas de una matriz De lo anterior, tenemos que independientemente del espacio vectorial en que nos encontremos, fijada una base, podemos trasladar todo el trabajo operativo sobre los vectores de R n ; por lo que resulta muy interesante conocer esta sección. Definición 90.- Consideremos la matriz A m n = a 11 a 1... a 1n a 1 a... a n a m1 a m... a mn Los m vectores de R n : r 1 = a 11,..., a 1n, r = a 1,..., a n,..., r m = a m1,..., a mn, se denominan vectores fila de A y al subespacio lineal generado por ellos, E f A = lin{r 1, r,..., r m, espacio de las filas de A. Por supuesto E f A R n. Los n vectores de R m : c 1 = a 11,..., a m1, c = a 1,..., a m,..., c n = a 1n,..., a mn, se denominan vectores columna de A y el subespacio lineal generado por ellos, E c A = lin{c 1, c,..., c n, espacio de las columnas de A. Por supuesto E c A R m.. Proposición 91.- Si A es una matriz de tamaño m n, entonces las operaciones elementales sobre las filas resp. columnas de A no cambian el espacio de las filas resp. columnas de A. Claro, puesto que hacer operaciones elementales es hacer combinaciones lineales de los vectores, y el subespacio lineal generado es el mismo Ejer Corolario 9.- Sea A una matriz, entonces: a Los vectores no nulos de una forma escalonada de la matriz A, forman una base de E f A. b Los vectores no nulos de una forma escalonada de la matriz A t, forman una base de E c A. Basta probar que los vectores no nulos de una forma escalonada son linealmente independientes, pero eso se comprueba fácilmente ya que debajo de cada elemento principal sólo hay ceros. Teorema 93.- Sea A una matriz de tamaño m n, entonces: dime f A = dime c A. El resultado es inmediato, teniendo en cuenta que rga = rga t, y que el rango coincide con el número de vectores no nulos en la forma escalonada, así como el resultado anterior.
5 148 Matemáticas 1 : Álgebra Lineal 9.4 Cambios de base Estos resultados nos permiten usar el método de Gauss, y por lo tanto nos ofrecen un operativo sencillo, para comprobar cuando un conjunto de vectores es linealmente independiente y para obtener bases. Ejemplo Los vectores X 1, X + 1 y X 1 de R [X] son linealmente independientes? Tomemos la base B = {1, X, X de R [X], entonces formamos por filas la matriz: X 1 B F +F F A = X + 1 B = F F3+ 1 F 0 0 X 1 B Por lo anterior, los vectores fila de la última matriz son linealmente independientes y dim E f A = 3. En consecuencia, los tres vectores fila de la matriz A inicial que generan E f A son también base, luego linealmente independientes y los polinomios del enunciado también son linealmente independientes. Además, forman una base de R [X] por qué?. 9.4 Cambios de base Puesto que las coordenadas están referidas a una base, al cambiar la base de trabajo, habrá que cambiar a las coordenadas en la nueva base. Pero este proceso puede realizarse fácilmente, teniendo en cuenta lo siguiente: Definición 94.- Sean B 1 = {u 1, u,..., u n y B = {v 1, v,..., v n son bases de un espacio vectorial V. Recibe el nombre de matriz de transición o matriz de cambio de la base B 1 a la base B, la matriz de dimensiones n n, que por columnas es P = [u 1 ] B [u ] B [u n ] B, es decir, la columna i-ésima está constituida por las coordenadas en la base B, del vector u i de la base B 1. En otras palabras, la matriz de cambio de base tiene por columnas las coordenadas en la base de llegada de los vectores de la base de partida. El porqué la matriz de paso se contruye así, puede observarse en la prueba de la proposición siguiente: Proposición 95.- Sea P la matriz de paso de una base B 1 en otra base B de un espacio V. Entonces: 1.- x V se tiene que [x] B = P [x] B1..- P es inversible y su inversa, P 1, es la matriz de paso de la base B a la base B 1. Sea B 1 = {u 1, u,..., u n y sea x = c 1 u 1 + c u + + c n u n. Entonces, Apartado 1: P [x] B1 = [u 1 ] B [u ] B [u n ] c B. c 1 c n = c 1 [u 1 ] B + c [u ] B + + c n [u n ] B = [c 1 u 1 + c u + + c n u n ] B = [x] B Apartado : como los vectores de la base B 1 son linealmente independientes, sus vectores de coordenadas en la base B también lo son. Luego las columnas de P son vectores linealmente independientes y rgp = n, por lo que P es inversible. Además, [x] B = P [x] B1 = P 1 [x] B = P 1 P [x] B1 = P 1 [x] B = [x] B1 y P 1 es la matriz de cambio de la base B en la base B 1. Ejemplo Consideremos las bases B = {1, X, X y B 1 = {X 1, X + 1, X 1 de R [X]. La matriz de paso de la base B 1 a la base B será: P = [X 1] B [X + 1] B [X 1] B = y P 1 =
6 149 Matemáticas 1 : Álgebra Lineal 9.5 Espacios vectoriales con producto interior la matriz de paso de B a B 1. Ejemplo Consideremos en R 3 la base canónica B c = {e 1 = 1, 0, 0, e = 0, 1, 0, e 3 = 0, 0, 1 y la base B 1 = {v 1 =1, 0, 1, v =, 1, 1, v 3 =0, 1, 1. Como v 1 = 11, 0, , 1, 0 10, 0, 1 = e 1 e 3, se tiene que v 1 Bc = 1, 0, 1; y lo mismo para los otros vectores, luego la matriz de paso de la base B 1 a la base B c será: P = [v 1 ] Bc [v ] Bc [v 3 ] Bc = y P 1 = la matriz de paso de la base B c a la base B 1. Nota: A la vista del ejemplo anterior, obtener las coordenadas de un vector de R n en la base canónica de R n es inmediato, pues x Bc = x. Pero ciudado!, al trabajar con vectores de R n no hay que confundir el vector con las coordenadas en una base, pues la igualdad anterior únicamente es cierta en la base canónica. 9.5 Espacios vectoriales con producto interior Producto interior. Norma. Distancia Definición 96.- Un producto interior en un espacio vectorial real V es una función que a cada par de vectores u, v V le asocia un número real, que denotaremos por u, v, de tal manera que se cumplen las siguientes propiedades: 1.- u, v = v, u ; u, v V..- u + v, w = u, w + v, w ; u, v, w V. 3.- ku, v = k u, v ; u, v V y k R. 4.- u, u 0; u V y u, u = 0 u = 0. Otra propiedades que se deducen de las anteriores son: 1.- 0, u = 0.- u, v + w = u, v + u, w 3.- u, kv = k u, v Ejemplo Considerar en R [X], la función P X, QX = P 1Q1 + P 1Q 1 + P 1Q 1. 1 P X, QX = P 1Q1 + P 1Q 1 + P 1Q 1 = Q1P 1 + Q 1P 1 + Q 1P 1 = QX, P X P X + RX, QX = P 1 + R1 Q1 + P 1 + R 1 Q 1 + = P 1Q1+P 1Q 1+P 1Q 1 + = P X, QX + RX, QX P 1 + R 1 R1Q1+R 1Q 1+R 1Q 1 Q 1 3 kp X, QX = kp 1Q1 + kp 1Q 1 + kp 1Q 1 = k P 1Q1 + P 1Q 1 + P 1Q 1 = k P X, QX 4 P X, P X = P 1P 1 + P 1P 1 + P 1P 1 = P 1 + P 1 + P 1 0. Y, se da la igualdad si y sólo si, P 1 = P 1 = P 1 = 0. Entonces, sea P X = a + bx + cx, de donde P X = b + cx y P X = c; de las igualdades se tiene: a + b + c = 0 P 1 = P 1 = P 1 = 0 b + c = 0 a = b = c = 0 P X = 0. c = 0 Luego tenemos un producto interno definido en R [X].
7 150 Matemáticas 1 : Álgebra Lineal 9.5 Espacios vectoriales con producto interior A partir de un producto interior sobre un espacio V se definen los conceptos de norma, distancia y ángulo. Definición 97.- Si V es un espacio vectorial con producto interior, entonces la norma o longitud o módulo de un vector v V se denota mediante v y se define como v = + v, v. La distancia entre dos vectores u y v de V se denota mediante du, v y se define como du, v = u v = + u v, u v. Desigualdad de Cauchy-Schwarz 98.- Para todo u, v V, espacio con producto interior, se tiene u, v u v o en la forma u, v u v. Propiedades básicas de la norma u 0; u V.- u = 0 u = ku = k u ; u V y k R 4.- u+v u + v ; u, v V Propiedades básicas de la distancia du, v 0; u, v V.- du, v = 0 u = v 3.- du, v = dv, u; u, v V 4.- du, v du, w+dw, v; u, v, w V La prueba de estas propiedades es análoga a la de las Propiedades del módulo complejo 9. Observación: Sean V un espacio con producto interior y B = {u 1,..., u n una base de V. Tomemos dos vectores v = a 1 u a n u n y w = b 1 u b n u n, entonces v, w = a 1 u a n u n, w = a 1 u 1, w + + a n u n, w = a 1 u 1, b 1 u b n u n + + a n u n, b 1 u b n u n = a 1 u 1, u 1 b a 1 u 1, u n b n + + a n u n, u 1 b a n u n, u n b n = u 1, u 1 u 1, u n b 1 a 1 a n = v B Q B [w] B = [v] t B Q B [w] B u n, u 1 u n, u n luego, fijada una base, un producto interior se puede obtener a partir de las coordenadas en la base. Definición Sea B base de un espacio V con producto interior. Se llama matriz métrica o de Gram del producto interior asociada a la base B, a la matriz Q B tal que u, v = [u] t B Q B [v] B para cada u, v V Nota: Por las propiedades 1 y 4 1 a parte del producto interior, Q B es simétrica y los elementos de la diagonal positivos. Y de la propiedad 4 a p. debe cumplirse u, u = [u] t B Q B [u] B > 0 para todo u V {0. Una matriz simétrica compliendo esto se dice matriz definida positiva ver Tema 1 de Formas cuadráticas Proposición 30.- Una matriz simétrica A es definida positiva si y solo si son positivos los menores a 11 > 0 a 11 a 1 a 11 a 1k a 1 a > > 0 A > 0 a k1 a kk b n El espacio euclídeo n-dimensional R n Definición En el espacio vectorial R n, la función que a cada x, y R n le asocia x, y = x y = x 1,..., x n y 1,..., y n = x 1 y x n y n = n x i y i es un producto interior que se conoce como producto escalar euclídeo o producto euclídeo ya usado en R y R 3. Que da lugar a la norma y distancia euclídeas, ya conocidas: x = x x = x x n y dx, y = x y = x 1 y x n y n Se llama espacio euclídeo n-dimensional a R n con el producto interior euclídeo. i=1
8 151 Matemáticas 1 : Álgebra Lineal 9.5 Espacios vectoriales con producto interior Nota: En R n con el producto euclídeo, la matriz métrica en la base canónica es la identidad. Pero también al revés, cuando la matriz métrica sea la identidad cualquier producto interior se reduce al producto euclídeo de las coordenadas; y esto ocurre precisamente para las bases ortonormales que se estudian a continuación 9.5. Ortogonalidad Definición Si u y v son vectores distintos de cero de un espacio con producto interior, como consecuencia de la desigualdad de Cauchy-Schwarz se tiene que 1 u,v u v 1 y, por tanto, existe un único ángulo, θ, tal que u, v cos θ = u v, con 0 θ π Definición En un espacio vectorial con producto interior, dos vectores u y v se dicen que son ortogonales si u, v = 0. Suele denotarse por u v. Si u es ortogonal a todos los vectores de un conjunto W, se dice que u es ortogonal a W. Se dice que S = {v 1, v,..., v k es un conjunto ortogonal si los vectores son ortogonales dos a dos, es decir, si v i v j para todo i j. Ejemplo Los vectores de la base canónica de R 3 con el producto escalar euclídeo son ortogonales entre si, pero no lo son si el producto interior definido es: v, w = v 1 w 1 + v 1 w + v w 1 + v w + v 3 w 3. Pruébese que es un producto interior. En efecto: e 1, e = 1, 0, 0, 0, 1, 0 = = 1 0. Nota: Si dos vectores son ortogonales, el ángulo que forman es de π radianes los famosos 90 grados. De hecho, en R n con el producto escalar euclídeo, la ortogonalidad coincide con la perpendicularidad. Una curiosidad: Teorema general de Pitágoras Si u y v son dos vectores ortogonales de un espacio vectorial con producto interior, entonces u + v = u + v. Este resultado, de fácil comprobación, se reduce en R con el producto escalar al Teorema de Pitágoras. También es sencillo probar el resultado siguiente ver ejercicio 9.50: Proposición Si w {v 1, v,..., v k, entonces w lin{v 1, v,..., v k. Mucho más interesante es el siguiente, que relaciona ortogonalidad e independencia: Teorema Si S = {v 1, v,..., v k un conjunto finito de vectores no nulos, ortogonales dos a dos, entonces S es linealmente independiente Bases ortonormales. Proceso de Gram-Schmidt Definición Sean V un espacio vectorial de dimensión n con producto interior. Se dice que la base B = {v 1, v,..., v n es una base ortonormal de V, si B es un conjunto ortogonal y v i = 1, i. { Ejemplo Las bases canónica y B 1 = 1 1, 1, 1, son ortonormales en R con el producto escalar euclídeo. La base B = {, 0, 0, es ortonormal para el producto interior x, y = x1y1 4 + xy. Teorema Si B = {v 1, v,..., v n es una base ortonormal para un espacio V con producto interior, entonces v V se tiene que v B = v, v 1, v, v,..., v, v n. Es decir, v = v, v 1 v 1 + v, v v + + v, v n v n, Si v = c 1 v c i v i + + c n v n, para cada i, se tiene que v, v i = c 1 v c i v i + + c n v n, v i = c 1 v 1, v i + + c i v i, v i + + c n v n, v i = c i v i, v i = c i v i = c i
9 15 Matemáticas 1 : Álgebra Lineal 9.6 Ejercicios Es decir, en una base ortonormal, la obtención de cordenadas es más sencilla. Y no sólo eso: Teorema Si P es la matriz de paso de una base ortonormal B 1 a otra base ortonormal B, entonces P es una matriz ortogonal es decir, P 1 = P t. La prueba es puramente operativa, con la definición y el apartado b del ejer ver también ejer Definición 31.- Sean V un espacio con producto interior, W subespacio de V y B = {w 1, w,..., w k base ortonormal de W. Para cada v V, llamaremos proyección ortogonal de v sobre W al vector de W Proy W v = v, w 1 w 1 + v, w w + + v, w k w k. Al vector v Proy W v se le llama componente ortogonal de v sobre W. La proyección ortogonal no depende la base ortonormal elegida, es decir, tomando otra se obtiene lo mismo. La prueba puede encontrarse en el Anexo, pág. 15, tras la demostración del Lema 313 siguiente. Lema Sean V un espacio vectorial con producto interior, W subespacio de V y B base ortonormal de W. Entonces para cada v V, el vector v Proy W v es ortogonal a W. Proceso de ortonormalización de Gram-Schmidt Sean V un espacio vectorial con producto interior y de dimensión finita. Vamos a describir este proceso que construye a partir de una base B = {v 1, v,..., v n una base ortonormal B = {u 1, u,..., u n. 1 a etapa.- Como v 1 0 por ser de B, el vector u 1 = v 1 v 1 tiene norma 1 y lin{u 1 = lin{v 1. a etapa.- Sea W 1 = lin{u 1, por el Lema anterior, el vector v Proy W1 v es ortogonal a W 1, en particular a u 1, y es distinto del vector 0 pues Proy W1 v W 1 y v / W 1 = lin{v 1, entonces tiene que u = v Proy W1 v v Proy W1 v = v v, u 1 u 1 v v, u 1 u 1 lin{v 1, v es ortogonal a u 1 y tiene norma 1. Además, lin{u 1, u = lin{v 1, v. 3 a etapa.- Sea ahora W = lin{u 1, u, como antes, el vector v 3 Proy W v 3 es ortogonal a W, en particular a u 1 y u, y es distinto del vector 0, pues Proy W v 3 W y v 3 / W = lin{v 1, v, entonces se tiene que u 3 = v 3 Proy W v 3 v3 Proy W v 3 = v 3 v 3, u 1 u 1 v 3, u u v 3 v 3, u 1 u 1 v 3, u u lin{v 1, v, v 3 es ortogonal a u 1 y u, y tiene norma 1. Además, lin{u 1, u, u 3 = lin{v 1, v, v 3. n a etapa.- Con la repetición del proceso se ha construido un conjunto ortonormal de n vectores no nulos, B = {u 1, u,..., u n, tal que lin B = lin B = V. Luego B es una base ortonormal de V. 9.6 Ejercicios 9.9 Determinar si son espacios vectoriales los siguientes conjuntos: a R con las operaciones: x, y + x, y = x + x, y + y y kx, y = kx, ky. b A = {x, 0 : x R con las operaciones usuales de R. c R con las operaciones: x, y + x, y = x + x + 1, y + y + 1 y kx, y = kx, ky. d El conjunto de los números reales estríctamente positivos, R + {0, con las operaciones: x+x = xx y kx = x k Cuáles de los siguientes conjuntos son subespacios vectoriales de R 3 ó R 4? a {a, 1, 1 R 3 : a R R 3 b {a, b, c R 3 : b = a + c R 3 c {a, b, c, d R 4 : a + d = 7 R 4 d {a, b, c, d R 4 : ba = 0 R 4
10 153 Matemáticas 1 : Álgebra Lineal 9.6 Ejercicios 9.31 Sean v 1 =, 1, 0, 3, v = 3, 1, 5, y v 3 = 1, 0,, 1 vectores de R 4. Cuáles de los vectores, 3, 7, 3, 0, 0, 0, 0, 1, 1, 1, 1 y 4, 6, 13, 4, están en lin{v 1, v, v 3? 9.3 Para qué valores reales de λ los vectores v 1 = λ, 1 un conjunto linealmente dependiente en R 3?, 1 v = 1 1, λ, y v 3 = 1, 1, λ forman 9.33 Dados tres vectores linealmente independientes u, v y w, demostrar que u + v, v + w y w + u son también linealmente independientes Sea V un espacio vectorial y S = {v 1,..., v k un conjunto de vectores de V. Probar que: a lin S es un subespacio vectorial de V. b Si W es un subespacio de V que contiene a los vectores de S, entonces lin S W Probar que si los vectores v 1,..., v k son linealmente dependientes, al menos uno de ellos se puede escribir como una combinación lineal de los restantes Determinar la dimensión de los siguientes subespacios de R 4 : a Todos los vectores de la forma a, b, c, 0. b Todos los vectores de la forma a, b, c, d con d = a + b y c = a b. c Todos los vectores de la forma a, b, c, d con a = b = c = d Probar que los vectores solución de un sistema no homogéneo compatible, AX = B, de m ecuaciones con n incógnitas no forman un subespacio de R n. Qué ocurre si el sistema es homogéneo, es decir, si B = 0? 9.38 Sea W = lin {v 1, v, v 3. Probar que, para λ 0, se cumple: a lin {v 1 + λv 3, v, v 3 = W b lin {λv 1, v, v 3 = W c lin {v, v 1, v 3 = W 9.39 Sean E y F subespacios de un espacio V. Probar que: E F = {v V : v E y v F es un subespacio de V Considerar en R 4 los conjuntos de vectores: A = {1,, 1, 3, 0, 1, 0, 3 B = {1, 1, 1, 0,, 3, 1,, 0, 0, 0, 1 a Hallar las dimensiones de lina y de linb, y encontrar una base b Hallar las ecuaciones paramétricas de lina y de linb. c Hallar las ecuaciones cartesianas de lina y de linb. d Hallar la dimensión de lina linb Consideremos en el espacio vectorial R 3 la base B = {u 1, u, u 3. Sea E el subespacio engendrado por los vectores v 1 = u 1 + 3u 3, v = u 1 3u + u 3, v 3 = 4u 1 3u + 7u 3. Sea F el subespacio engendrado por los vectores w 1 = u 1 + u + u 3, w = u 1 + 3u + 4u 3, w 3 = 3u 1 + 4u + 5u 3. Hallar una base de E, una base de F, el subespacio E F y una base de E F. 9.4 Sea M el espacio vectorial de las matrices cuadradas de orden sobre R y sea E el subconjunto de a b + c M formado por las matrices de la forma con a, b, c R. b + c a a Demostrar que E es un subespacio vectorial b Probar que las matrices A 1 =, A 0 1 = y A =, forman una base de E Sea B una base de un espacio vectorial V de dimensión n. Demostrar que el conjunto {v 1, v,..., v n es una base de V si, y sólo si el conjunto {[v 1 ] B, [v ] B,..., [v n ] B es una base de R n.
11 154 Matemáticas 1 : Álgebra Lineal 9.6 Ejercicios 9.44 En una cierta base {u 1, u, u 3, u 4 de un espacio vectorial V, un vector w tiene por coordenadas 3, 1,, 6. Hallar las coordenadas de w en otra base {v 1, v, v 3, v 4 cuyos vectores verifican que v 1 = u 1 +u, v =u 4 u 1, v 3 =u u 3 y v 4 =u 1 u En R 3 se consideran las bases B = {v 1 =, 0, 0, v = 0, 1,, v 3 = 0, 0, 3 y la base canónica B c = {e 1, e, e 3. Hallar las coordenadas respecto de la base B del vector x = 4e 1 + e 5e Se consideran en R 3 las bases B = {u 1, u, u 3 y B = {v 1, v, v 3, siendo u 1 = 3, 0, 3, u = 3,, 1, u 3 = 1, 6, 1 y v 1 = 6, 6, 0, v =, 6, 4, v 3 =, 3, 7. a Hallar la matriz de paso de B a B. b Calcular la matriz de coordenadas, [w] B, siendo w = 5, 8, 5. c Calcular [w] B de dos formas diferentes 9.47 Sean u = u 1, u, u 3 y v = v 1, v, v 3. Determinar si u, v = u 1 v 1 u v + u 3 v 3 define un producto interior en R a Encontrar dos vectores de R con norma euclídea 1 y cuyo producto euclídeo con, 4 sea cero b Probar que hay infinitos x R 3 con x = 1 y el producto euclídeo x 1, 7, = Sean a = 1 5, 1 5 y b = 30, Demostrar que {a, b es ortonormal si R tiene el producto interior u, v = 3u 1 v 1 + u v donde u = u 1, u y v = v 1, v, y que no lo es si R tiene el producto euclídeo 9.50 Sea V un espacio con producto interior. Probar que si un vector w es ortogonal a cada uno de los vectores v 1, v,..., v k entonces es ortogonal a todo el conjunto lin{v 1, v,..., v k 9.51 Considera R 3 con el producto interior euclideo. Utiliza el proceso de Gram-Schmidt para transformar, en cada caso, la base {u 1, u, u 3 en una base ortonormal. a u 1 = 1, 1, 1, u = 1, 1, 0, u 3 = 1,, 1. b u 1 = 1, 0, 0, u = 3, 7,, u 3 = 0, 4, Sea R 3 con el producto escalar u, v = u 1 v 1 + u v + 3u 3 v 3. Utilizar el proceso de Gram-Schmidt para transformar la base formada por los vectores 1, 1, 1, 1, 1, 0 y 1, 0, 0 en una base ortonormal 9.53 Sea B = {v 1, v, v 3 una base ortonormal de un espacio V con producto interior. Comprobar que: a w = w, v 1 + w, v + w, v 3 ; w V. b u, w = u B w B = [u] t B [w] B ; u, w V Tomemos en R 4 el producto interior euclideo. Expresar el vector w = 1,, 6, 0 en la forma w = w 1 +w donde, w 1 esté en el subespacio W generado por los vectores u 1 = 1, 0, 1, y u = 0, 1, 0, 1, y w sea ortogonal a W Suponer que R 4 tiene el producto interior euclideo. a Hallar un vector ortogonal a u 1 = 1, 0, 0, 0 y u 4 = 0, 0, 0, 1, y que forme ángulos iguales con los vectores u = 0, 1, 0, 0 y u 3 = 0, 0, 1, 0. b Hallar un vector x de longitud 1, ortogonal a u 1 y a u, tal que el coseno del ángulo entre x y u 3 sea el doble del coseno del ángulo entre x y u Hallar la distancia del vector u = 1, 1, 1, 1 de R 4 al subespacio generado por los vectores v 1 = 1, 1, 1, 0 y v = 1, 1, 0, Dados los vectores x = x 1, x, x 3 e y = y 1, y, y 3 de R 3, demostrar que la expresión x, y = x 1 y 1 + x y + x 3 y 3 + x 1 y + x y 1 define un producto interior. Encontrar una base {u 1, u, u 3 ortonormal respecto al producto interior anterior tal que u y u 3 tengan igual dirección y sentido que los vectores 0, 1, 0 y 0, 0, 1, respectivamente Probar que una matriz A de orden n es ortogonal si, y sólo si sus vectores fila forman un conjunto ortonormal en R n.
Espacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detalles40 Matemáticas I. Parte II. Álgebra Lineal. I.T.I. en Electricidad. Prof: José Antonio Abia Vian
40 Matemáticas I Parte II Álgebra Lineal 41 Matemáticas I : Álgebra Lineal Tema 4 Espacios vectoriales reales 4.1 Espacios vectoriales Definición 88.- Un espacio vectorial real V es un conjunto de elementos
Más detalles148 Matemáticas 1. Unidad IV. Álgebra Lineal
148 Matemáticas 1 Unidad IV Álgebra Lineal 149 Matemáticas 1 : Álgebra Lineal Capítulo 13 Espacios vectoriales reales 13.1 Espacios vectoriales Definición 76.- Un espacio vectorial real V es un conjunto
Más detalles2 Espacios vectoriales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 2 Espacios vectoriales 2.1 Espacio vectorial Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V sobre el que hay
Más detallesEspacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados
Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
Más detallesESPACIOS VECTORIALES
ESPACIOS VECTORIALES Luisa Martín Horcajo U.P.M. Definición: Vector libre. Operaciones Un vector fijo es una segmento orientado, que queda caracterizado por su origen A y su extremo B y se representa por
Más detallesTema 2: Espacios Vectoriales
Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.
Más detallesMatrices. Álgebra de matrices.
Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,
Más detallesAplicaciones lineales.
Tema 4 Aplicaciones lineales. Definición 4. Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una aplicación lineal si: a f(u + v = f(u + f(v; u, v V, b f(ku = kf(u;
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesCapítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos
Capítulo Espacios vectoriales.1 Definición y ejemplos Un espacio vectorial sobre un cuerpo K (que supondremos conmutativo es un conjunto no vacío junto con 1. una operación interna, +, a la que llamaremos
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesAlgebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010.
Algebra Lineal * José de Jesús Ángel Ángel jjaa@mathcommx Working draft: México, DF, a 17 de noviembre de 2010 Un resumen de los principales temas tratados en un curso de Álgebra Lineal Contenido 1 Sistemas
Más detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesCuestiones de Álgebra Lineal
Cuestiones de Álgebra Lineal Algunas de las cuestiones que aparecen en esta relación están pensadas para ser introducidas en un plataforma interactiva de aprendizaje de modo que los parámetros a, b que
Más detallesMatrices y Sistemas de Ecuaciones lineales
Matrices y Sistemas de Ecuaciones lineales Llamaremos M m n (K) al conjunto de las matrices A = (a ij ) (i = 1, 2,..., m; j = 1, 2,..., n) donde los elementos a ij pertenecen a un cuerpo K. Las matrices,
Más detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesIntroducción a los espacios vectoriales
1 / 64 Introducción a los espacios vectoriales Pablo Olaso Redondo Informática Universidad Francisco de Vitoria November 19, 2015 2 / 64 Espacios vectoriales 1 Las 10 propiedades de un espacio vectorial
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
Más detallesLas variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.
Capítulo 9 Variedades lineales Al considerar los subespacios de R 2, vimos que éstos son el conjunto {(0, 0)}, el espacio R 2 y las rectas que pasan por el origen. Ahora, en algunos contextos, por ejemplo
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES MATRICES. SISTEMAS DE ECUACIONES LINEALES Matrices ) Dada la matriz M=, prueba que n n M M, n. ) Demuestra la siguiente implicación: Si I A I AA A
Más detallesx, y = x 0 y 0 + x 1 y 1 + x 2 y 2 + x 3 y 3. Es fácil ver que verifica 1. Es simétrica. x, y = y, x para todo x, y R 4.
1 Tema 2. Sección 1. Espacio vectorial de Minkowski. Manuel Gutiérrez. Departamento de Álgebra, Geometría y Topología. Universidad de Málaga. 29071-Málaga. Spain. Abril de 2010. En este capítulo se recordará
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesAplicaciones Lineales. Diagonalización de matrices.
Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición
Más detallesÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN BOLETÍN DE PROBLEMAS DE
E.T.S. DE INGENIERÍA INFORMÁTICA BOLETÍN DE PROBLEMAS DE ÁLGEBRA LINEAL para las titulaciones de INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN 1. Matrices y determinantes Ejercicio 1.1 Demostrar
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesGeometría Analítica Espacios Vectoriales VECTORES EN EL PLANO
VECTORES EN EL PLANO 1 ESPACIO VECTORIAL Un vector fijo es una pareja ordenada de puntos en el plano (origen y extremo) Si A y B son dichos puntos, representaremos el vector por AB Gráficamente, lo representamos
Más detallesTema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané
Más detallesJosé Humberto Serrano Devia Página 1
Similitudes entre el espacio y las series de Fourier Funciones Ortogonales En esta sección se muestra la forma en que los conceptos vectoriales de producto interno, o producto escalar, y el de ortogonalidad
Más detalles102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D.
102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D. Tema 1. Espacios Vectoriales. 1. Dar la definición de cuerpo. Dar tres ejemplos de cuerpos. Dar un ejemplo de un cuerpo finito 2. Defina
Más detallesBa s e, d i M e n s i ó n y Mat r i z
Unidad 4 Ba s e, d i M e n s i ó n y Mat r i z de transición Objetivos: Al inalizar la unidad, el alumno: Conocerá la deinición de base de un espacio vectorial Identiicará bases canónicas para algunos
Más detallesBase y Dimensión de un Espacio Vectorial
Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detallesÁlgebra Lineal Ivan D. Molina N. Universidad del Norte Enero del 2016 Ivan D. Molina N. (Universidad del Norte) Álgebra Lineal Enero del / 26
Álgebra Lineal Ivan D. Molina N. Universidad del Norte Enero del 2016 Ivan D. Molina N. (Universidad del Norte) Álgebra Lineal Enero del 2016 1 / 26 1 Subespacios y combinaciones lineales 2 Dependencia
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 5 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 5 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesMatrices, determinantes y sistemas de ecuaciones lineales
Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente
Más detallesAplicaciones Lineales
Aplicaciones Lineales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Aplicaciones Lineales 1 / 47 Objetivos Al finalizar este tema tendrás que: Saber si una aplicación es
Más detallesMatrices. Operaciones con matrices.
Matrices. Operaciones con matrices. Ejercicio. Dadas las matrices ( ) ( ) 4 A = B = ( ) C = D = 4 5 ( ) 4 E = F = seleccione las que se pueden sumar y súmelas. Ejercicio. Dadas las matrices ( ) ( ) A =
Más detallesTema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.
Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz
Más detallesTrabajo Práctico N 5: ESPACIOS VECTORIALES
Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio 1: Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique
Más detallesESPACIOS VECTORIALES
MATEMÁTICA I - - Capítulo 8 ------------------------------------------------------------------------------------ ESPACIOS VECTORIALES.. Espacios Vectoriales y Subespacios... Definición. Un espacio vectorial
Más detallesor t o G o n a l i d a d y
Unidad 6 or t o G o n a l i d a d y o r t o n o r M a l i d a d Objetivos: Al inalizar la unidad, el alumno: Determinará cuándo un conjunto de vectores es ortogonal u ortonormal. Obtendrá las coordenadas
Más detallesTrabajo Práctico N 5: ESPACIOS VECTORIALES. Ejercicio 1:
6 Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio : Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique
Más detallesUNIDAD 2: ESPACIOS VECTORIALES
UNIDAD 2: ESPACIOS VECTORIALES Introducción. Vectores. Adición de vectores. Propiedades. Multiplicación de un vector por un escalar. Propiedades. Módulo o norma de un vector. Vector unitario o versor.
Más detallesEspacios Vectoriales, Valores y Vectores Propios
, Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas
Más detallesTema 4: Espacio vectorial euclídeo
Tema 4: Espacio vectorial euclídeo 1. Definición de producto escalar Un producto escalar en un R-espacio vectorial es una operación en la que se operan vectores y el resultado es un número real, y que
Más detallesConjuntos de Vectores y Matrices Ortogonales
Conjuntos de Vectores y Matrices Ortogonales Departamento de Matemáticas, CCIR/ITESM 28 de junio de 2011 Índice 21.1.Introducción............................................... 1 21.2.Producto interno............................................
Más detallesGeometría afín y proyectiva, 2016 SEMANA 4
Geometría afín y proyectiva, 2016 SEMANA 4 Sonia L. Rueda ETS Arquitectura. UPM September 30, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más detalles1. ESPACIOS DE HILBERT Y OPERADORES
1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesGuía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno.
Guía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno. Teoremas con demostraciones que se pueden incluir en el examen: 1. Fórmula para f(j m (λ)), donde J m (λ) es el bloque
Más detallesTema 4. Vectores en el espacio (Productos escalar, vectorial y mixto)
Matemáticas II (Bachillerato de Ciencias) Geometría del espacio: Vectores 75 Espacios vectoriales Tema 4 Vectores en el espacio (Productos escalar, vectorial y mixto) Definición de espacio vectorial Un
Más detallesMatrices y sistemas lineales
15 Matemáticas I : Preliminares Tema 2 Matrices y sistemas lineales 2.1 Definiciones básicas Una matriz es una tabla rectangular de números, es decir, una distribución ordenada de números. Los números
Más detallesAnillo de polinomios con coeficientes en un cuerpo
Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesEspacios vectoriales
Espacios vectoriales [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Más detallesAPÉNDICE A. Algebra matricial
APÉNDICE A Algebra matricial El estudio de la econometría requiere cierta familiaridad con el álgebra matricial. La teoría de matrices simplifica la descripción, desarrollo y aplicación de los métodos
Más detallesTema 2: Espacios vectoriales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 Tema 2: Espacios vectoriales Ejercicios 1. En R 2 se definen las siguientes operaciones: (x 1, y 1 ) + (x 2, y 2 ) = (x 1 + x 2, y 1 +
Más detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesTEMA 7: MATRICES. OPERACIONES.
TEMA 7: MATRICES. OPERACIONES. 1. MATRICES. TIPOS DE MATRICES. Se llama matriz de orden m x n (m filas y n columnas) a un conjunto de m n elementos, distribuidos en m filas y n columnas y encerrados entre
Más detallesESPACIO VECTORIAL EUCLÍDEO
ESPACIO VECTORIAL EUCLÍDEO PRODUCTO ESCALAR Sea V un espacio vectorial sobre C. Una aplicación que asocia un número complejo < u, v > a cada pareja de vectores u y v en V, se dice que es un producto escalar
Más detallesBases y dimensión. Problemas teóricos. En todos los problemas se supone que V es un espacio vectorial sobre un campo F. p=1
Bases y dimensión Problemas teóricos Bases de un espacio vectorial En todos los problemas se supone que V es un espacio vectorial sobre un campo F. Definición de base. Sean b 1,..., b n V. Se dice que
Más detallesUNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS
UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.
Más detallesEjercicios resueltos de Álgebra, hoja 3. Beatriz Graña Otero
Ejercicios resueltos de Álgebra, hoja. Beatriz Graña Otero 5 de Diciembre de 8 B.G.O. 47.- Sobre el R-espacio vectorial E de dimensión 4, sea la métrica cuya matriz asociada a la base B = {e, e, e, e 4
Más detallesMatrices, Determinantes y Sistemas Lineales.
12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión
Más detallesUnidad 5: Geometría analítica del plano.
Geometría analítica del plano 1 Unidad 5: Geometría analítica del plano. 1.- Vectores. Operaciones con vectores. Un vector fijo es un segmento entre dos puntos, A y B del plano, al que se le da una orientación
Más detallesTEMA 8. GEOMETRÍA ANALÍTICA.
TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos
Más detalles58 7. ESPACIOS COCIENTE
CAPíULO 7 Espacios cociente En esta sección estudiamos el cociente de un espacio vectorial por un subespacio W. Este cociente se define como el conjunto cociente de por una relación de equivalencia conveniente.
Más detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesResuelve. Unidad 4. Vectores en el espacio. BACHILLERATO Matemáticas II. Diagonal de un ortoedro y volumen de un paralelepípedo.
Resuelve Página Diagonal de un ortoedro y volumen de un paralelepípedo. Expresa la diagonal de un ortoedro en función de sus dimensiones, a, b y c. c b a c c b b a Diagonal = a + b + c. Calcula el volumen
Más detallesEspacios Vectoriales
Espacios y subespacios vectoriales Espacios Vectoriales 1. Demuestre que con la suma y multiplicación habituales es un espacio vectorial real.. Considere el conjunto C de los números complejos con la suma
Más detallesApuntes de álgebra lineal. Eduardo Liz Marzán. Enero de 2015.
Apuntes de álgebra lineal Eduardo Liz Marzán Enero de 2015 Índice general 1 Introducción 7 11 Operaciones internas y estructura de cuerpo 7 12 Números complejos 8 13 Vectores 10 2 Matrices y determinantes
Más detalles1. Matrices. Operaciones con matrices
REPASO MUY BÁSICO DE MATRICES. Matrices. Operaciones con matrices.. Introducción Las matrices aparecieron por primera vez hacia el año 850, introducidas por el inglés J. J. Sylvester. Su desarrollo se
Más detallesMATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES
CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno
Más detallesTema 2. Aplicaciones lineales. Diagonalización de endomorfismos.
Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada
Más detallesTEMA 11.- VECTORES EN EL ESPACIO
TEMA 11.- VECTORES EN EL ESPACIO 1.- INTRODUCCIÓN Un vector fijo AB del espacio (también lo era en el plano) es un segmento orientado que tiene su origen en un punto A y su extremo en otro punto B. Estos
Más detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detallesBENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN BANCO DE PREGUNTAS CURSO: ALGEBRA LINEAL LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Mendoza Otoño
Más detallesÍNDICE. Capítulo 1. ESPACIOS VECTORIALES Conceptos Teóricos Ejercicios y Problemas resueltos... 13
00_Principios 10/8/10 09:47 Página 7 ÍNDICE Prólogo... 9 Capítulo 1. ESPACIOS VECTORIALES... 11 Conceptos Teóricos... 11 Ejercicios y Problemas resueltos... 13 Capítulo 2. MATRICES Y DETERMINANTES... 21
Más detallesProducto escalar. x y. x = x x y cos α =
resumen06 1 Producto escalar Vectores ortogonales y proyecciones La definición matemática de producto escalar es bastante amplia porque recoge toda expresión bilineal que sirva razonablemente para medir
Más detallesPAIEP. Complemento Ortogonal
Programa de Acceso Inclusivo, Equidad y Permanencia PAIEP Universidad de Santiago de Chile Complemento Ortogonal Veamos ahora una aplicación de los vectores ortogonales a la caracterización de subespacios
Más detallesVECTORES EN EL ESPACIO
UNIDAD VECTORES EN EL ESPACIO Página 13 Problema 1 Halla el área de este paralelogramo en función del ángulo α: cm Área = 8 sen α = 40 sen α cm α 8 cm Halla el área de este triángulo en función del ángulo
Más detallesTema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS
1 Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS 1.1 Los Números Naturales. Los números naturales aparecen por la necesidad que tiene el hombre (primitivo) tanto de contar como de ordenar
Más detalles5. Aplicaciones lineales
5. Aplicaciones lineales Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior Universidad de Zaragoza Otoño 2010 Contents 5 Aplicaciones lineales 7 5.1 Definición y propiedades..............................
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes 1 ÍNDICE Matemáticas Cero Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 5 2
Más detallesMATEMÁTICASII Curso académico BLOQUE GEOMETRÍA. TEMA 1: VECTORES
MATEMÁTICASII Curso académico 2015-2016 BLOQUE GEOMETRÍA. TEMA 1: VECTORES 1.1 VECTORES DEL ESPACIO. VECTORES LIBRES DEL ESPACIO Sean y dos puntos del espacio. Llamaremos vector (fijo) a un segmento orientado
Más detallesÁLGEBRA LINEAL I Práctica 5
ÁLGEBRA LINEAL I Práctica 5 Espacios vectoriales (Curso 2014 2015) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2
Más detalles1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3.
. Producto escalar. Propiedades... Norma de un vector. Espacio normado...ortogonalidad. Ángulos..3.Producto escalar en V..4.Producto escalar en V 3.. Producto vectorial de dos vectores de V 3...Expresión
Más detallesESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICAS
ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICAS 7. ESPACIOS VECTORIALES 7.1 Estructura de Espacio Vectorial. Sea
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detalles