Aplicaciones Lineales
|
|
- Celia Godoy Robles
- hace 6 años
- Vistas:
Transcripción
1 Capítulo 7 Aplicaciones Lineales 7.1 Definición y Propiedades Sean V y W dos espacios vectoriales sobre el mismo cuerpo K. Definición Se dice que una aplicación f : V W es una aplicación lineal o un homomorfismo de espacios vectoriales si verifica: f( v + v ) = f( v) + f( v ) f(α v) = αf( v) para cualquier par de vectores v, v V y cualquier α K. Las dos condiciones anteriores se pueden substituir por la condición única: siendo v, v V y α, β K. f(α v + β v ) = αf( v) + βf( v ) Ejemplo Sea f : R 2 R la aplicación definida por f(x, y) = x. Es claramente una aplicación lineal. 2. También es lineal la aplicación f : V V definida por f( v) = α v, siendo α K cualquier escalar. 3. Generalizando el primer ejemplo se tiene que para m, n cualquier par de números naturales y A M m n (K) cualquier matriz con coeficientes en K, la aplicación f A : K n K m, definida por f A (x 1,..., x n ) = A(x 1,..., x n ) t es lineal. Además, cualquier aplicación lineal entre estos dos espacios vectoriales viene definida de esta manera. 4. Sea D R R el conjunto formado por las funciones derivables. La aplicación φ : D R R R R, definida por φ(f) = f que asocia a cada función f su derivada es lineal. 5. Igual que en el ejemplo anterior, son aplicaciones lineales φ : K[x] K[x], y φ Pn(K): P n (K) P n 1 (K), que asocian a cada polinomio p(x) de grado menor o igual que n su derivada p (x) de grado menor o igual que n 1. 1
2 2 CAPÍTULO 7. APLICACIONES LINEALES Veámos algunas propiedades que se deducen de la definción: 1. Como f es un morfismo de grupos entre (V, +) y (W, +), se tiene que f( 0 V ) = 0 W y f( v) = f( v) 2. Si { v 1,..., v p } es un conjunto de vectores de V y α 1,..., α p son escalares de K, f( p α i v i ) = i=1 p α i f( v i ) 3. Si { v 1,..., v p } V es un conjunto ligado entonces {f( v 1 ),..., f( v p )} es un subconjunto de W formado por vectores linealmente dependientes. Sin embargo, vectores linealmente independientes no se transforman, necesariamente, en vectores linealmente independientes. Basta tomar f : R 2 R 2, definida por f(x, y) = (x + y, 0) y el vector (1, 1) cuya imagen es (0, 0). 4. Si U, V y W son tres espacios vectoriales sobre K y f : U V y g : V W son dos aplicaciones lineales, la composición g f : U W también es lineal. Una aplicación lineal f inyectiva se llama monomorfismo. Si f es sobreyectiva, se dice que es un epimorfismo y, finalmente si es biyectiva, diremos que f es un isomorfismo. Un automorfismo de V es un isomorfismo f : V V. 7.2 Núcleo e Imagen de una Aplicación Lineal Proposición Sea f : V W una aplicación lineal entre dos espacios de dimensión finita. Se verifica que: 1. Si U V es un subespacio vectorial de V, se tiene que f(u) es un subespacio vectorial de W. Además si U = < u 1,..., u p >, se tiene que f(u) = < (f( u 1 ),..., f( u p ) >. En particular f(v ) = Im(f) se llama subespacio imagen y a su dimensión se le llama rango de f, es decir, dim(im(f)) = rango(f). 2. Análogamente si W W es un subespacio vectorial de W, se tiene ) que f 1 (W ) es un subespacio vectorial de V. En particular, el subespacio Ker(f) = f ({ 0 1 W } se llama núcleo de f. Puesto que una aplicación lineal f también es un morfismo de grupos, se tiene que f es inyectiva si, y sólo si, Ker(f) = { 0 V }. Proposición Sea f : V W una aplicación lineal. Son equivalentes: 1. f es inyectiva. 2. Si L es cualquier conjunto libre de V, entonces f(l) es libre en W. 3. Si B es una base de V, entonces f(b) es una base de f(v ). Demostración. Supongamos que f es inyectiva y L = { v 1,..., v p } es un conjunto libre. Si i=1 α 1 f( v 1 ) + + α p f( v p ) = 0 W con α i K, se tiene que α 1 v α p v p Ker(f), así que α 1 v α p v p = 0 V y como L es libre todos los escalares α i = 0. Si B es una base de V, se tiene que f(b) es un sistema de generadores de f(v ) y, al ser B libre se puede afirmar que f(b) es una base de f(v ). Finalmente supongamos la última hipótesis y tomemos v V un vector de V tal que f( v) = 0 W. Si v 0 V, se puede encontrar B una base de V tal que v B. Puesto que f( v) f(b) y f(b) es una base de f(v ), llegamos a una contradicción ya que entonces f( v) 0 W.
3 7.2. NÚCLEO E IMAGEN DE UNA APLICACIÓN LINEAL 3 Proposición Sea f : V W una aplicación lineal. Se verifica que f es sobreyectiva si, y sólo si, f transforma cualquier sistema de generadores de V en un sistema de generadores de W. Demostración. Sabemos que, si G es un sistema de generadores de V, entonces, para cualquier aplicación lineal f, se verifica que f(v ) = < f(g) >. Luego, f es sobreyectiva si, y sólo si, W = < f(g) >, es decir, f(g) es un sistema de generadores de W. Teorema (Teorema de la dimensión) Sea f : V W una aplicación lineal entre dos espacios de dimensión finita. Se verifica que: dim(v ) = dim(ker(f)) + rango(f) Demostración. Supongamos que dim(v ) = n y que dim(ker(f)) = p n. Sea L = { e 1,..., e p } una base de Ker(f). Puesto que L es libre, el Teorema de Steiniz nos permite completar L a una base B = { e 1,..., e p, e p+1,..., e n } de V. Sabemos que f(v ) = < (f( e 1 ),..., f( e p ), f( e p+1 ),..., f( e n ) > = < (f( e p+1 ),..., f( e n ) > ya que los demás vectores pertenecen al núcleo de f. Si probamos que {f( e p+1 ),..., f( e n )} es una base de f(v ), se tendría que dim(im(f)) = rango(f) = n p. Puesto que ya sabemos que {f( e p+1 ),..., f( e n )} son generadores de f(v ), únicamente quedaría por probar que son linealmente independientes. Sean pues α i K, con i = p + 1,..., n tales que: α p+1 f( e p+1 ) + + α n f( e n ) = 0 W. Usando que f es lineal tenemos que α p+1 e p α n e n pertenece al núcleo de f. Como L es una base de Ker(f), existen β 1,..., β p K de modo que: o, lo que es lo mismo α p+1 e p α n e n = β 1 e β p e p β 1 e β p e p α p+1 e p+1 α n e n = 0 V pero al ser B libre concluimos que α p+1 = = α n = β 1 = = β p = 0. Como consecuencia del teorema anterior, se tienen los siguientes corolarios. Corolario Sea f : V W una aplicación lineal entre dos espacios de dimensión finita. Se verifica que f es inyectiva si, y sólo si, dim(v ) = rango(f). Demostración. Teorema Basta tener en cuenta que f es inyectiva si, y sólo si, dim(ker(f)) = 0 y aplicar el Corolario Sea f : V W una aplicación lineal entre dos espacios de dimensión finita. Se verifica que f es sobreyectiva si, y sólo si, dim(v ) = dim(ker(f)) + dim(w ). Demostración. Basta tener en cuenta que f es sobreyectiva si, y sólo si, dim(f(v )) = dim(w ) y aplicar el Teorema Corolario Sea f : V W una aplicación lineal entre dos espacios de dimensión finita. Se verifica que f es biyectiva si, y sólo si, dim(v ) = rango(f) = dim(w ). Proposición Sea f : V W una aplicación lineal entre dos espacios de dimensión finita. Se tiene que: 1. Si dim(v ) = dim(w ), entonces f es un isomorfismo f es un monomorfismo f es un epimorfismo. 2. Si f es un isomorfismo, la aplicación inversa f 1 es también un isomorfismo. 3. Si f : V W y g : W U son isomorfismos, entonces g f : V U es un isomorfismo y (g f) 1 = f 1 g 1.
4 4 CAPÍTULO 7. APLICACIONES LINEALES 7.3 Matrices y Aplicaciones Lineales Es fácil comprobar que cualquier aplicación lineal entre dos espacios vectoriales V y W queda determinada por las imágenes de los vectores de una base de V. Si, por ejemplo, f : R 2 R 2 es una aplicación lineal que verifica f(1, 0) = (2, 1) y f(0, 1) = (1, 1), es claro que f(x, y) = xf(1, 0) + yf(0, 1) = (2x, x) + (y, y) = (2x + y, x y). En un caso general, si f : V W es una aplicación lineal y B = { e 1,..., e n } es una base de V, veamos como queda determinada f por f( e i ) = w i W, con i = 1,..., n. Supongamos que son las coordenadas de v respecto a B, se tiene que M B ( v) = (x 1,..., x n ) t f( v) = f(x 1 e x n e n ) = x 1 f( e 1 ) + + x n f( e n ) = x 1 w x n w n Escribamos ahora cuáles son las coordenadas de cada f( e i ) = w i respecto a una base B = { e 1,..., e m} de W : f( e i ) = a 1i e a mi e m. Podemos formar pues una matriz A M m n (K) cuya columna i ésima está formada por las coordenadas de f( e i ) respecto a la base B (i = 1,..., n). A esta matriz la denotaremos M BB (f) y la llamaremos matriz asociada a f respecto a las bases B y B. Esta matriz verifica que, dado cualquier vector v V, si M B ( v) = (x 1,..., x n ) t son las coordenadas de dicho vector respecto a la base B y M B(f( v)) = (y 1,..., y m ) t son las coordenadas de su imagen respecto a la base B, se tiene que: M B(f( v)) = M BB (f) M B ( v). En efecto, Ejemplo f( v) = x 1 f( e 1 ) + + x n f( e n ) = x 1 (a 11 e 1 + a 21 e a m1 e m) + x 2 (a 12 e 1 + a 22 e a m2 e m). + x n (a 1n e 1 + a 2n e a mn e m) = (a 11 x 1 + a 12 x a 1n x n ) e 1 + (a 21 x 1 + a 22 x a 2n x n ) e 2. + (a m1 x 1 + a m2 x a mn x n ) e m = y 1 e 1 + y 2 e y m e m. 1. Si A es una matriz en M m n (K), la aplicación: f A : K n K m tiene como matriz asociada respecto a las bases canónicas de K n y K m, respectivamente, a la matriz A, es decir: M CnC m (f A ) = A. 2. Si V es un espacio vectorial de dimensión n y B y B son dos bases de V, se tiene que: M BB (id V ) = M BB
5 7.3. MATRICES Y APLICACIONES LINEALES 5 Es inmediato comprobar que Corolario Si V y W son dos espacios vectoriales sobre K, se tiene que V y W son isomorfos si, y sólo si, dim(v ) = dim(w ). Demostración. Basta comprobar que si dim(v ) = dim(w ) = n podemos tomar B = { e 1,..., e n } y B = { e 1,..., e n} bases de V y W respectivamente y definir la aplicación lineal f que asocia cada f( e i ) = e i, para cada i = 1,..., n. Puesto que V = < B > y f(v ) = < f(b) > = < B > = W, se tiene que f es un epimorfismo, y en consecuencia, un isomorfismo (ver Proposición 7.2.8). Corolario Sea A = M BB (f) la matriz asociada a una aplicación lineal f : V W respecto a un par de bases B y B de V y W, respectivamente. Si C M m n (K) es otra matriz que verifica que, dado cualquier v V, M B (f( v)) = C M B ( v) entonces A = C. Demostración. Si B = { e 1,..., e n }, entonces, para cada i = 1,..., n, tenemos que: C e i = C M B ( v i ) = M B (f( v i )) = A M B ( v i ) = A e i siendo e i el i-ésimo vector a la base canónica de K n, con lo que las columnas de A y C coinciden, es decir A = C. Corolario El K espacio vectorial L(V, W ) = {f : V W ; f es una aplicación lineal} es isomorfo a M m n (K) siendo dim(v ) = n y dim(w ) = m. Demostración. Un isomorfismo ϕ : L(V, W ) M m n (K) viene determinado por un par de bases B y B de V y W repectivamente. Dada f L(V, W ), se define: ϕ(f) = M BB (f). El Corolario permite deducir que si f, g L(V, W ) y α K, entonces: M BB (f + g) = M BB (f) + M BB (g) y M BB (αf) = αm BB (f). Proposición Sea f : V W una aplicación lineal entre dos espacios vectoriales sobre K con dim(v ) = n y dim(w ) = m. Sean B y B dos bases de V y W respectivamente y sea A = M BB (f) la matriz asociada a f respecto a dichas bases. Se verifica que: 1. rango(f) = rango(a) 2. Si m = n entonces, f es un isomorfismo si, y sólo si A es inversible. Demostración. Si B = { e 1,..., e n }, sabemos que f(v ) = < (f( e 1 ),..., f( e n ) > y, por lo tanto: rango(f) = dim(f(v )) = rango {f( e 1 ),..., f( e n )} = rango(a) ya que las columnas de A son las coordenadas de cada vector f( e i ) respecto a la base B. Por otro lado, si n = m, sabemos que f es un isomorfismo si n = dim(v ) = dim(f(v )) = rango(f) = rango(a), lo que significa exactamente que A es inversible. Ejemplo Si U K n es un subespacio vectorial de K n, sabemos que U = { x K n ; A x = 0}, siendo A una matriz en M m n (K). Si aplicamos la fórmula de la dimensión a f A, se tiene que: n = dim(k n ) = dim(ker(f A )) + rango(f A ) = dim(u) + rango(a) siendo rango(a) el número de ecuaciones linealmente independientes que definen al subespacio U.
6 6 CAPÍTULO 7. APLICACIONES LINEALES Matrices Asociadas y Composición de aplicaciones Teorema Sean V, W y U tres K espacios vectoriales de dimensiones n, m y p respectivamente y B V, B W y B U bases de V, W y U respectivamente. Si f : V W y g : W U son aplicaciones lineales, la composición g f tiene como matriz asocida: M BV B U (g f) = M BW B U (g) M BV B W (f) Demostración. Sabemos que, para cualquier v V y w W, se verifica que: M BW (f( v)) = M BV B W (f) M BV ( v) y M BU (g( w)) = M BW B U (g) M BW ( w) Si ahora tenemos en cuenta y que si v V, se tiene que: M BW B U (g) M BV B W (f) M BV ( v) = M BW B U (g) M BW (f( v)) = M BW (g(f( v))) = M BW (g f)( v)) se puede concluir que M BV B W (g f) = M BW B U (g) M BV B W (f). Ejemplo Sean f : R 2 R la aplicación lineal f(x, y) = 2y x y g : R R 3 la aplicación lineal dada por g(t) = (3t, t, t). De lo que hemos dicho se desprende que M C2C 3 (g f) = M CC3 (g) M C2C(f) = También podríamos haber calculado g f : R 2 R ( 1 2 ) = (g f)(x, y) = g(f(x, y)) = g(2y x) = (6y 3x, 2y x, x 2y) y verificar que es la aplicación lineal que se corresponde con la matriz asociada (respecto a las bases canónicas) calculada anteriormente. Corolario Sea f : V W un isomorfismo de espacios vectoriales (dim(v ) = dim(w ) = n) y sean B V y B W dos bases de V y W respectivamente. Sabemos que f 1 es un isomorfismo de espacios vectoriales y, además, M BW B V (f 1 ) = M BV B W (f) 1 Demostración. Sólo hay que tener en cuenta que Id V = f 1 f y que I n = M BV B V (Id V ) = M BW B V (f 1 ) M BV B W (f) 7.4 Matrices Asociadas y Cambio de Base Veamos ahora la relación entre dos matrices asociadas a la misma aplicación lineal f respecto a distintas bases de los espacios vectoriales. Sean f : V W una aplicación lineal entre dos espacios vectoriales sobre K con dim(v ) = n y dim(w ) = m y B V, B V bases de V y B W, B W bases de W. Teniendo en cuenta que f = Id W f Id V, podemos afirmar: M B V B W (f) = M B V (Id B W f Id W V ) = M BW B W (Id W ) M BV B W (f) M B V B V (Id V ) = M BW B W M B V B W (f) M B V B V.
7 7.4. MATRICES ASOCIADAS Y CAMBIO DE BASE 7 Ejemplo Sea φ : P 3 (R) P 2 (R) la aplicación lineal definida por φ(p(x)) = p (x), para cada p(x) P 3 (R). Consideremos en P 2 (R) las bases B 2 = {1, x, x 2 } y B 2 = {x + 1, x, x 2 } y en P 3 (R) las bases B 3 = {1, x, x 2, x 3 } y B 3 = {1, x + 1, x + x 2, x 2 + x 3 }. Un sencillo cálculo nos proporciona la matriz: M B3 B 2 (φ) = Si quisiésemos obtener ahora la matriz asociada a φ respecto a las bases B 3 y B 2, aplicaríamos la fórmula: M B 3 B 2 (φ) = M B 2B 2 M B 3 B 2 (φ) M B 3 B 3, teniendo en cuenta que: y que Por lo tanto, finalmente: M B 3 B 2 (φ) = M B 3 B 3 = M B2B 2 = (M B 2 B2) 1 = = Matrices equivalentes y Matrices semejantes = En el tema anterior vimos que dos matrices A, A M m n (K) son equivalentes (A A ) si tienen el mismo rango, siendo ésta una relación de equivalencia en M m n (K). Además si rango(a) = r, se tiene que A es equivalente a ( ) I C r = r θ r,n r. θ m r,r θ m r,n r Si A y A son dos matrices asociadas a una misma aplicación lineal f : K n K m respecto a bases distintas, es decir A = M B1 B 1 (f), A = M B2 B 2 (f), siendo B 1 y B 2 dos bases de K n y B 1 y B 2 dos bases de K m, entonces sabemos que A = M B2 B 2 (f) = M B 1 B 2 M B 1 B 1 (f) M B 2B 1 siendo Q = M B 2 B 1 una matriz inversible de tamaño m y P = M B 2B 1 una matriz inversible de dimensión n. Pues bien, las condiciones anteriores son todas equivalentes, es decir: Proposición Sea A M m n (K). Son equivalentes: 1. rango(a) = r 2. A = Q 1 C r P, siendo Q y P dos matrices inversibles de dimensiones m y n respectivamente 3. Existen B y B bases de K n y K m, respectivamente, tales que C r = M BB (f A ).
8 8 CAPÍTULO 7. APLICACIONES LINEALES Cuando A y A son dos matrices en M n (K), se dice que A y A son semejantes si existe una matriz P M n (K) inversible tal que: A = P 1 A P Es evidente que la semejanza entre matrices cuadradas implica que son equivalentes. Sin embargo, no toda matriz cuadrada A es semejante a una matriz diagonal. produce cuando existe una base B en K n tal que M BB (f A ) = D, Esta situación se siendo D = (d 1, d 2,..., d n ) una matriz diagonal. Puesto que A = M CC (f A ), siendo C la base canónica de K n, es claro que: D = M BB (f A ) = M CB A M BC = P 1 A P y las columnas de P forman la base B que diagonaliza a f A. 7.5 Aplicaciones Lineales y Teorema de Rouché Sea A X = B un sistema de m ecuaciones lineales y n incógnitas. Denotemos por S el conjunto de soluciones del sistema, es claro que S = f 1 A ({B}). Es fácil ver que el sistema es compatible si, y sólo si, B f A (K n ), es decir rango(a) = rango{c 1,..., C n } = rango{c 1,..., C n, B} = rango(a B) como ya sabíamos. Suponiendo que el sistema es compatible, es fácil comprobar que si x 0 K n es una solución particular, el conjunto S se puede obtener como S = {x 0 } + Ker(f A ) siendo Ker(f A ) el conjunto de soluciones del sistema homogéneo cuya matriz asociada es A. Así pues, el sistema será compatible determinado si, y sólo si, S es unitario, es decir S = {x 0 }, o lo que es lo mismo Ker(f A ) = { 0}. Esta última condición es claramente equivalente a que rango(a) = n, ya que n = dim (Ker(f A )) + rango(a).
Tema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesTransformaciones lineales
Semana 8 [1/62] 8 de septiembre de 27 Definiciones básicas Semana 8 [2/62] Definición Transformación lineal U, V dos espacios vectoriales sobre el mismo cuerpo Ã. T : U V es una transformación (o función)
Más 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 detallesTransformaciones lineales
Capítulo 3 Transformaciones lineales Las transformaciones lineales son las funciones con las que trabajaremos en Álgebra Lineal. Se trata de funciones entre K-espacios vectoriales que son compatibles con
Más 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 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 detallesEspacios 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 detallesESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA.
ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA. Índice de contenido 1. Espacio vectorial....2 Estructura de espacio vectorial...2 Subespacios
Más detallesTema 2. Grupos. 3. El conjunto de matrices de orden 2 con coeficientes enteros (o reales) con la suma es un grupo conmutativo.
Tema 2. Grupos. 1 Grupos Definición 1 Un grupo es una estructura algebraica (G, ) tal que la operación binaria verifica: 1. * es asociativa 2. * tiene elemento neutro 3. todo elemento de G tiene simétrico.
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 detalles1 Aplicaciones lineales
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Aplicaciones lineales y diagonalización. El objetivo principal de este tema será la obtención de una matriz diagonal
Más detallesGuía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen
Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen 1. Teorema de la representación matricial de una transformación
Más 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 detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más 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 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 detalles1. APLICACIONES LINEALES
1 1 APLICACIONES LINEALES El objetivo de este capítulo es el estudio de las aplicaciones lineales u homomorfismos entre espacios vectoriales Este tipo de aplicaciones respeta la estructura de espacio vectorial
Más 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 detallesSolución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009)
ÁLGEBRA Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009) I. Se considera el homomorfismo f : P 2 (IR) P 2 (IR) definido por las siguientes condiciones: (1) Los polinomios sin
Más detallesTema 4: Aplicaciones lineales
Águeda Mata y Miguel Reyes, Dpto de Matemática Aplicada, FI-UPM 1 Tema 4: Aplicaciones lineales Ejercicios 1 Estudia la linealidad de las siguientes aplicaciones: (a) f : R R 3, definida por f(x, y) =
Más 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 detallesMatrices positivas y aplicaciones. María Isabel García Planas Profesora Titular de Universidad
Matrices positivas y aplicaciones María Isabel García Planas Profesora Titular de Universidad Primera edición: Septiembre 2008 Editora: la autora c M ā Isabel García Planas ISBN: 978-84-612-6101-7 Depósito
Más detallesGrupos libres. Presentaciones.
S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad
Más detallesTransformaciones lineales y matrices
CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal
Más detallesEs trivial generalizar la definición al caso de varios conjuntos: A B C, etc.
Tema 1 Espacios Vectoriales 1.1 Introducción Estas notas están elaboradas pensando simplemente en facilitar al estudiante una guía para el estudio de la asignatura, y en consecuencia se caracterizan por
Más 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 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 detallesEspacios vectoriales y Aplicaciones lineales
Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea
Más detallesApuntes de Álgebra. Publicación Valentín Barros Puertas
Apuntes de Álgebra Publicación 0.0.1 Valentín Barros Puertas 16 de January de 2015 Índice general 1. Tema 1 2 1.1. Cuerpo.................................................. 2 1.2. Matriz..................................................
Más detalles4 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 detallesÁLGEBRA LINEAL I Soluciones a la Práctica 6
ÁLGEBRA LINEAL I Soluciones a la Práctica 6 Aplicaciones lineales (Curso 2009 2010) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales, determinar cuáles son homomorfismos, monomorfismos,
Más detallesEjemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales.
Facultad de Ingeniería - IMERL - Geometría y Álgebra Lineal 2 - Curso 2008. 1 Transformaciones lineales en espacios con producto interno Notas para el curso de Geometría y Algebra Lineal 2 de la Facultad
Más detallesConjuntos, relaciones y funciones Susana Puddu
Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también
Más 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 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 detalles4 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 detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
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 detallesb) Sea una relación de equivalencia en A y una operación en A. Decimos que y son compatibles si a b a c b c y c a c b para todo a, b, c A
APENDICE Relaciones y Operaciones Compatibles 1 Definición: a) Sea A un conjunto y una relación entre elementos de A. Decimos que es una relación de equivalencia si es: i Reflexiva: a A, a a. ii Simétrica:
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 detallesESPACIOS VECTORIALES
MATEMÁTICA I - - Capítulo 8 ------------------------------------------------------------------------------------ ESPACIOS VECTORIALES.. Espacios Vectoriales y Subespacios... Definición. Un espacio vectorial
Más detallesEspacios vectoriales. Capítulo Espacios vectoriales y subespacios Preliminares
Capítulo 1 Espacios vectoriales En diversos conjuntos conocidos, por ejemplo los de vectores en el plano o en el espacio (R 2 y R 3 ), o también el de los polinomios (R[X]), sabemos sumar sus elementos
Más detallesProblemas de exámenes de Aplicaciones Lineales y Matrices
1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector
Más detalles4.1 El espacio dual de un espacio vectorial
Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo
Más detallesTema 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 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 detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesTeoría de anillos. Dominios, cuerpos y cuerpos de fracciones. Característica de un cuerpo.
1 Tema 5.-. Teoría de anillos. Dominios, cuerpos y cuerpos de fracciones. Característica de un cuerpo. 5.1. Anillos y cuerpos Definición 5.1.1. Un anillo es una terna (A, +, ) formada por un conjunto A
Más 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 detallesDependencia e independencia lineal
CAPíTULO 3 Dependencia e independencia lineal En este capítulo estudiaremos tres conceptos de gran importancia para el desarrollo del álgebra lineal: el concepto de conjunto generador, el concepto de conjunto
Más 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 detallesPráctica 1. Espacios vectoriales
Práctica 1. Espacios vectoriales 1. Demuestre que R n (C n ) es un espacio vectorial sobre R (C) con la suma y el producto por un escalar usuales. Es C n un R-espacio vectorial con la suma y el producto
Más detallesGrado en Física. Ejercicios de autoevaluación. Temas 1 4. Departamento de Álgebra, Universidad de Sevilla
Álgebra Lineal y Geometría Grado en Física Ejercicios de autoevaluación. Temas 1 4 Departamento de Álgebra, Universidad de Sevilla El contenido de estas notas ha sido diseñado y redactado por el profesorado
Más detallesEspacios 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 detalles2.1. Estructura algebraica de espacio vectorial
Tema 2 Espacios vectoriales de dimensión finita 21 Estructura algebraica de espacio vectorial Los vectores libres en el plano son el sustento geométrico del concepto de espacio vectorial Se trata de segmentos
Más detallesTema 2 ESPACIOS VECTORIALES
Tema 2 ESPACIOS VECTORIALES Prof. Rafael López Camino Universidad de Granada 1 Espacio vectorial Definición 1.1 Un espacio vectorial es una terna (V, +, ), donde V es un conjunto no vacío y +, son dos
Más detallesSemana03[1/17] Funciones. 16 de marzo de Funciones
Semana03[1/17] 16 de marzo de 2007 Introducción Semana03[2/17] Ya que conocemos el producto cartesiano A B entre dos conjuntos A y B, podemos definir entre ellos algún tipo de correspondencia. Es decir,
Más detallesTema 5: Espacios Vectoriales Métricos Euclídeos.
Tema 5: Espacios Vectoriales Métricos Euclídeos. Índice 1. Métricas y formas cuadráticas. 1 2. Perpendicularidad: tipos de métricas. 3 3. Norma y ángulos en un EVME. Desigualdad de Schwarz. 4 4. Bases
Más detallesObjetivos formativos de Álgebra
Objetivos formativos de Álgebra Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera como objetivo
Más detallesr j ϕ j (v i ) = r i, ϕ(v i ) = v = n a ij ϕ j(v) ϕ i (v) =
ESPACIO DUAL 1. Espacio Dual En temas anteriores dados V y V espacios vectoriales sobre k, definíamos en Hom(V, V ) una suma y un producto por elementos de k que convertían este conjunto en un espacio
Más detallescomo el número real que resulta del producto matricial y se nota por:
Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,
Más detallesTema 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 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 detallesAlgebra Lineal XIX: Rango de una Matriz y Matriz Inversa.
Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email:
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 detallesProblemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales.
Problemas y Ejercicios Resueltos. Tema : Aplicaciones Lineales. Ejercicios 1.- Determinar cuáles de las siguientes aplicaciones son lineales: (i) f : R R 2 definida por f((x, y, z)) = (x y, y + 2z). (ii)
Más detallesClase 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 detallesMATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios
Sonia L. Rueda ETS Arquitectura. UPM Curso 2007-2008. 1 MATEMÁTICAS I TEMA 1: Espacios Vectoriales 1 Definición de espacio vectorial. Subespacios Dados dos conjuntos V y K se llama ley de composición externa
Más detallesCONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero
Fundamento Científico del Currículum de Matemáticas en Enseñanza Secundaria CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero ESPACIOS VECTORIALES DEFINICIÓN... 1 PROPIEDADES DE
Más detallesTema 3. Aplicaciones lineales. 3.1. Introducción
Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones
Más detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más 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 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 detallesTemario de Matemáticas
Temario de Matemáticas BLOQUE I: ÁLGEBRA LINEAL Y GEOMETRÍA 1 o Grado en Biología Alma Luisa Albujer Brotons Índice general 1. Matrices 1 1.1. Conceptos básicos y ejemplos...............................
Más detallesAnexo 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 detalles4 Aplicaciones lineales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4 Aplicaciones lineales 4. Aplicación lineal Sean V y W dos espacios vectoriales sobre el mismo cuerpo K (en general, R o C. Una aplicación
Más detallesSistemas de ecuaciones lineales dependientes de un parámetro
Vamos a hacer uso del Teorema de Rouché-Frobenius para resolver sistemas de ecuaciones lineales de primer grado. En particular, dedicaremos este artículo a resolver sistemas de ecuaciones lineales que
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 detalles1. ESPACIOS VECTORIALES
1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,
Más detallesEspacios 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 detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesTema 5: Sistemas de ecuaciones lineales.
TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1
Más detallesCalcular la dimensión, una base y unas ecuaciones implícitas linealmente independientes del núcleo e imagen de
Calcular la dimensión, una base y unas ecuaciones implícitas linealmente independientes del núcleo e imagen de 1 (a) f(x 1, x 2, x 3 ) = (x 1 + x 3, x 2 + x 3, x 1 + x 3, x 2 + x 3 ) (b) f(x 1, x 2, x
Más detallesAplicaciones Lineales
Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse
Más detallesTema 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 detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesConjuntos relaciones y grupos
Matemáticas NS Conjuntos relaciones y grupos Tema opcional 2 Índice 1. Conjuntos y relaciones 5 1.1. Introducción.......................................... 5 1.2. Operaciones con conjuntos..................................
Más detallesEspacios Vectoriales
Espacios Vectoriales Ev En todo el curso K es un cuerpo Podeis pensar que K = Q, K = R o K = C Un conjunto no vacio E es un K-espacio vectorial (o abreviadamente, un K-ev) cuando existan dos operaciones,
Más detallesDescomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos
Más detallesSESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES
SESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES RELACIONES BINARIAS PAR ORDENADO Es un arreglo de dos elementos que tienen un orden determinado donde a es llamada al primera componente y b es llamada la
Más detallesEspacios Vectoriales
Leandro Marín Octubre 2010 Índice Definición y Ejemplos Paramétricas vs. Impĺıcitas Bases y Coordenadas Para definir un espacio vectorial tenemos que empezar determinando un cuerpo sobre el que esté definido
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 detalles1. APLICACIONES LINEALES
1 1. APLICACIONES LINEALES 1. Estudiar si las siguientes aplicaciones son lineales: a) f : R 2 R 3, f(x, y) = (x + y, y, x 2y). Sí es lineal. b) f : R 2 R, f(x, y) = xy. No es lineal. Basta observar que
Más detallesÁlgebra Lineal VII: Independencia Lineal.
Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesNota 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 detallesEjemplo 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 detallesProblema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).
Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid
Más detallesÁlgebra Lineal y Geometría. Tema 3
Álgebra Lineal y Geometría Tema 3 Departamento de Álgebra, Universidad de Sevilla El contenido de estas notas ha sido diseñado y redactado por el profesorado de la asignatura. Se permite su reproducción,
Más detalles2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U.
2 Ortogonalidad En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U 1 Vectores ortogonales Definición 11 Dos vectores x, ȳ U se dicen ortogonales si: x ȳ = 0 Veamos algunas propiedades
Más detalles