FORMAS MODULARES CUATERNIÓNICAS

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

Download "FORMAS MODULARES CUATERNIÓNICAS"

Transcripción

1 FORMAS MODULARES CUATERNIÓNICAS GONZALO TORNARÍA 1. Álgebras de cuaterniones Sea F un cuerpo de característica. Dados a, b P F ˆ F t0u construimos un álgebra sobre F con base t1, i, j, ku, donde la multiplicación está dada por i a, j b, y k ij ji. La tabla completa de la multiplicación puede obtenerse a partir de éstas relaciones. Por ejemplo k ijij ip ijqj i j ab. A esta álgebra la denotaremos pa, bq F y diremos que es un álgebra de cuaterniones. Esta construcción es una generalización del álgebra de cuaterniones de Hamilton, que es H p 1, 1q R. Para x x 0`x 1 i`x j`x 3 k P H denimos x x 0 x 1 i x j x 3 k y la norma νpxq x x x 0 ` x 1 ` x ` x 3. Como νpxq P Rˆ para x 0 deducimos que H es un álgebra de división. En general, un álgebra de cuaterniones no necesariamente es un álgebra de división: Proposición 1.1. Si a es un cuadrado en F ˆ, entonces pa, bq F M pf q. Demostración. Si a α con α P F ˆ, podemos denir un homomorsmo de álgebras φ : pa, bq F Ñ M pf q por φpiq p α α q, φpjq ` 1 b, φpkq p α b α q. Es fácil vericar que cumple las relaciones, y como tφp1q, φpiq, φpjq, φpkqu es linealmente independiente sobre F (pues α α) se sigue que φ es un isomorsmo. Cuando a no es un cuadrado en F, podemos considerar el cuerpo K F p? aq y resulta que pa, bq F es una subálgebra de pa, bq K M pkq. Denotemos σ al automorsmo no trivial de K{F, entonces podemos describir explícitamente pa, bq F como pa, bq F tp u b v v σ u σ q : u, v P Ku. Notemos que pa, bq K se obtiene por extensión de escalares a partir de pa, bq F, es decir que pa, bq K K b pa, bq F. Proposición 1.. El álgebra pa, bq F es un álgebra central simple sobre F. Demostración. Si a es un cuadrado, entonces pa, bq F M pf q que se sabe es central y simple. Si a no es un cuadrado, podemos considerar el cuerpo K F p? aq como arriba. Como pa, bq F b K M pkq es un álgebra central y simple sobre K, se sigue fácilmente que pa, bq F es un álgebra central y simple sobre F. Corolario 1.3. O bien pa, bq F es un álgebra de división, o bien pa, bq F M pf q. Demostración. Se sigue de la clasicación de las álgebras centrales simples. 1

2 Se puede probar que si D es un álgebra central simple de dimensión 4 sobre un cuerpo F de característica entonces D pa, bq F para algunos a, b P F ˆ. Por eso habitualmente se dene un álgebra de cuaterniones como un álgebra central simple de dimensión 4. Esta denición es adecuada incluso en característica. Veremos ahora cómo denir la norma, lo que nos permitirá caracterizar las álgebras de cuaterniones de división. Un álgebra de cuaterniones D pa, bq F posee una involución canónica : D Ñ D que denimos, para x x 0 ` x 1 i ` x j ` x 3 k P D, como x x 0 x 1 i x j x 3 k. Notemos que es una involución F -lineal que deja jo F y que pxyq y x. Denimos la traza y la norma (reducidas) de x como τpxq x ` x x 0, νpxq x x x x x 0 a x 1 b x ` ab x 3. Como x px ` x q x ` x x 0, tenemos que x P D es raiz de T τpxq T ` νpxq P F rt s, que llamamos polinomio característico (reducido) de x. Observación. Por lo anterior, si x R F entonces F rxs es un álgebra de dimensión con base t1, xu. Se sigue que la traza y la norma quedan determinadas por la relación x τpxq x νpxq y la involución canónica por x τpxq x. Ejemplo 1. En el álgebra de matrices M pf q la involución canónica está dada por p w u v t q ` t v, w u mientras que la traza y norma reducidas estarán dadas por la traza y el determinante de la matriz, respectivamente: τ p u v w t q u ` t, ν p u v w t q ut vw. La norma nos permite caracterizar los elementos invertibles en un álgebra de cuaterniones D. En efecto, x P D es invertible si y solamente si νpxq P F ˆ, y en tal caso el inverso de x está dado por x 1 νpxq 1 x. Proposición 1.4. Sea D pa, bq F un álgebra de cuaterniones sobre F. Son equivalentes (1) D M pf q. () D no es un álgebra de división. (3) La forma cuadrática ν es isotrópica en D (tiene ceros no triviales). (4) La forma cuadrática a x ` b y representa 1. Demostración. El Corolario 1.3 prueba (1) ô (). La equivalencia () ô (3) sigue de la caracterización de los elementos invertibles en D. La implicación (4) ñ (3) es clara. Falta probar (3) ñ (4). Sea x P D, x 0 tal que νpxq 0. El ideal Dx, como espacio vectorial sobre F, tiene dimensión, entonces existe un y P Dx, y 0 tal que y y 0 ` y 1 i ` y j, es decir νpyq y0 a y 1 b y 0. Para concluir, si y 0 0 se sigue que a x ` b y representa 1, mientras que si y 0 0 se sigue que a x ` b y es isotrópica, pero una forma cuadrática isotrópica es universal y por lo tanto representa 1.

3 1.1. Clasicación de álgebras de cuaterniones. En esta sección vamos a mencionar resultados de clasicación de álgebras de cuaterniones sobre algunos cuerpos, particularmente sobre Q. Proposición 1.5. Toda álgebra de cuaterniones sobre C es isomorfa a M pcq. Demostración. Todo a P Cˆ es un cuadrado, entonces pa, bq C M pcq. Proposición 1.6. Un álgebra de cuaterniones sobre R es isomorfa a M prq o a H. Demostración. Si a ą 0 o si b ą 0 entonces pa, bq R M prq. Por otra parte si a x y b y entonces es claro que p x, y q R p 1, 1q R H. Proposición 1.7. Toda álgebra de cuaterniones sobre un cuerpo nito F q es isomorfa a M pf q q. Demostración. Vamos a probar que a x ` b y 1 tiene solución en F q. En efecto, la imágen de a x tiene pq ` 1q{ elementos y la imágen de 1 b y también tiene pq ` 1q{ elementos. Por el principio del palomar, tienen un valor en común, es decir una solución de a x 1 b y como armamos. Sea D un álgebra de cuaterniones sobre Q. Consideramos D 8 D b R, que es un álgebra de cuaterniones sobre R. Decimos que D es denida cuando D 8 H y que D es indenida cuando D 8 M prq (esto corresponde a que la forma norma ν sea denida o indenida, respectivamente). Es claro que la clase de isomorsmo de D 8 es un invariante de D; por ejemplo, p 1, 1q Q fl p 1, 3q Q Sin embargo, esto no alcanza para tener una clasicación sobre Q. Por ejemplo las álgebras D p 1, 1q Q y D 1 p 1, 3q Q son ambas denidas pero no son isomorfas. Consideremos las respectivas formas normas: νpxq x 0 ` x 1 ` x ` x 3, ν 1 pyq y 0 ` y 1 ` 3 y ` 3 y 3. Es fácil ver que la segunda no tiene ceros no triviales módulo 9, mientras que la primera los tiene (1 ` ` 9). ¾Es posible usar esto para probar que p 1, 1q Q fl p 1, 3q Q? Esto presenta algunas dicultades. En primer lugar los enteros módulo 9 no son un cuerpo. Si trabajamos módulo 3, para tener un cuerpo, entonces ambas formas tienen ceros no triviales módulo 3, y de todas maneras ya vimos que hay una única clase de isomorsmo de álgebras de cuaterniones sobre F 3. Por otra parte Q no está contenido en los enteros módulo 9 o módulo 3, por lo que no es tan claro el cambio de base. Para resolver estas dicultades, debemos emplear el cuerpo de los números 3-ádicos Q 3. En primer lugar Q Ă Q 3 por lo cual podemos considerar el cambio de base D b Q 3. Por otra parte, las armaciones hechas arriba acerca de los ceros módulo 9 de las formas normas se traducen en: ν es isotrópica en D b Q 3 (tiene ceros no triviales), y ν 1 es anisotrópica en D 1 b Q 3 (no tiene ceros excepto el trivial ν 1 p0q 0). Entonces D b Q 3 M pq 3 q mientras que D 1 b Q 3 es un álgebra de división. Interludio: los números p-ádicos. Si consideramos el valor absoluto usual en Q obtenemos una métrica en Q cuya completación son los números reales. De la misma manera podemos construir, para cada primo p, los números p-ádicos como la completación de Q con respecto al valor absoluto p-ádico. 3

4 Al cuerpo de los números p-ádicos lo denotaremos Q p, y en ocasiones denotaremos Q 8 al cuerpo de los números reales; estos son ejemplos de cuerpos locales. Usaremos la letra v para referirnos a un primo p o al primo arquimediano 8. Para construir el valor absoluto p-ádico denimos la valuación p-ádica v p : Qˆ Ñ Z dada por v p pp r a b q r siempre que p a, b. Finalmente denimos x p p vppxq para x P Qˆ, y 0 p 0. Es un ejercicio vericar que x p es un valor absoluto. Como Q p es la completación de Q, todo x P Q p puede ser escrito como límite de una sucesión de números racionales. Observar que p r p Ñ 0 cuando r Ñ 8, y podemos escribir x como una serie ř něn 0 a n p n. Las sumas parciales corresponden a considerar x módulo p r. Por más detalles consultar la sección.1 de las notas de Pacetti. En nuestro ejemplo, la forma cuadrática y0 ` y 1 ` 3 y ` 3 y 3 no tiene ceros no triviales en Q 3, pues no los tiene módulo 9. Por otra parte, la forma cuadrática x 0 ` x 1 ` x ` x 3 tiene ceros módulo 9, e.g. 1 ` ` 0 pmod 9q. A partir de este cero es posible construir ceros en Q 3 mediante una construcción conocida como Lema de Hensel. Una solución es 1 ` ` x 0 con x ` 3 ` 3 4 ` 3 6 ` 3 9 ` P Q 3. Proposición 1.8 (Clasicación local). Hay exactamente dos clases de isomorsmo de álgebras de cuaterniones sobre Q v. En otras palabras, además del álgebra de matrices M pq v q, existe un álgebra de cuaterniones de división sobre Q v, única a menos de isomorsmo. Cuando D es un álgebra de cuaterniones sobre Q, podemos considerar D v D b Q v para todo v (primo o 8). Decimos que D ramica en v cuando D v es un álgebra de división. La ramicación de D, denida como el conjunto de los v en los que D ramica, es un invariante de D. Teorema 1.9 (Clasicación global). Sean D y D 1 dos álgebras de cuaterniones sobre Q. (1) D D 1 ðñ D v D 1 v para todo v ðñ D y D1 tienen igual ramicación. () La ramicación de D es un conjunto nito de cardinal par. (3) Dado un conjunto de lugares que sea nito y de cardinal par, existe un álgebra de cuaterniones sobre Q con esa ramicación. Es un ejercicio probar que si a, b P Z y p ab entonces pa, bq Qp M pq p q. Es decir que pa, bq Q solo puede ramicar en los divisores de ab o en 8. Ejemplo. Sea N un primo (nito). De acuerdo al teorema existe un álgebra de cuaterniones ramicada en tn, 8u. Por ejemplo: (1) El álgebra p 1, 1q Q ramica en t, 8u. () Si N 3 pmod 4q, el álgebra p 1, Nq Q ramica en tn, 8u. (3) Si N 5 pmod 8q, el álgebra p, Nq Q ramica en tn, 8u. Cuando F es un cuerpo de números, los lugares de F corresponden a las inmersiones de F en R o en C (lugares arquimedianos) y a los ideales primos en su anillo de enteros (lugares no arquimedianos). Las completaciones de F con respecto a los lugares arquimedianos son R o C, y las completaciones con respecto a los lugares no arquimedianos son extensiones nitas de los Q p. 4

5 Los resultados mencionados se generalizan para F. En otras palabras, si D es un álgebra de cuaterniones sobre F, la ramicación de D (el conjunto de lugares de F donde D es de división) es un conjunto nito de cardinal par que deterimina la clase de isomorsmo de D. Además, dado un conjunto de lugares de F que sea nito y de cardinal par, y que no contenga ningún lugar complejo, existe un álgebra de cuaterniones sobre F con esa ramicación. 1.. Órdenes de cuaterniones. Sea D un álgebra de cuaterniones sobre Q. Un retículo en D es un subgrupo M Ă D tal que M es nitamente generado y tal que QM D. Equivalentemente M es un Z-módulo libre de rango 4; en otras palabras existe una base td 1, d, d 3, d 4 u de D que genera M como Z-módulo. Recíprocamente, cualquier base de D genera un retículo en D. Usaremos la notación rd 1, d, d 3, d 4 s para referirnos al retículo generado por esos elementos. La norma de un retículo M se dene como νpmq mcd tνpdq : d P Mu, que existe pues M es nitamente generado. En efecto νprd 1, d, d 3, d 4 sq mcd td 1, d, d 3, d 4 u. Un elemento x P D es integral si τpxq, νpxq P Z. Equivalentemente Zrxs es nitamente generado como Z-módulo. Un orden en D es un retículo R Ă D que es un subanillo, esto es tal que 1 P R y R es cerrado por el producto. Los elementos de R deben ser integrales, pues si x P R entonces Zrxs Ă R debe ser nitamente generado; sin embargo el conjunto de los elementos de D integrales no forma un anillo! como y ` 1 0 1{ 1 son elementos integrales en Por ejemplo, tanto x ` 1 1{ 0 1 M pqq, pero x ` y no lo es. En efecto, tanto Zrxs como Zrys son nitamente generados como Z-módulos, pero no así Zrx ` ys. Si R es un orden en D su determinante se dene det R detpτpd i d jqq P Z donde td 1, d, d 3, d 4 u es una base de R. Es fácil ver que no depende de la elección de la base. Además det R es un cuadrado, y denimos el discriminante de R como disc R? det R. Cuando R 1 Ă R tenemos que disc R 1 rr 1 : Rs disc R y deducimos que existen ordenes maximales (aquellos con discriminante minimal). Proposición Si R es un orden maximal en D entonces disc R es el producto de todos los primos donde D ramica. En particular todos los ordenes maximales tienen igual discriminante, que es libre de cuadrados; a este número lo denotamos disc D. Ejemplo 3. Sea D p 1, 1q Q. Tenemos un orden R r1, i, j, ks (cuaterniones de Lipschitz) pero su discriminante es 4, entonces R no es maximal. Sea ρ 1`i`j`k, que es integral, entonces R ` Z ρ es un orden y es maximal (cuaterniones de Hurwitz). Ejemplo 4. Sea D p 1, Nq Q donde N 3 pmod 4q es primo. Entonces el retículo r1, i, 1`j s es un anillo y tiene discriminante N, por lo tanto es maximal., i`k Fijemos un orden R en un álgebra de cuaterniones D. Un ideal a derecha para R es un retículo I Ă D tal que IR I. Decimos que I es propio si es localmente principal (cuando R es maximal todos los ideales son propios). Denotaremos IpRq al conjunto de ideales a derecha para R propios. El grupo multiplicativo Dˆ actúa en IpRq por multiplicación a la izquierda. Las órbitas de IpRq por esta acción se llaman clases de ideales. Llamaremos hprq al número de clases de ideales de R. Teorema El número de clases de ideales hprq es nito. 5

6 . Formas modulares cuaterniónicas En esta sección haremos una introducción a las formas modulares cuaterniónicas en un caso particular. En las notas de Harris se verá una denición más general. Sea D un álgebra de cuaterniones sobre Q; suponemos que D es denida (es decir, D 8 D b R es un álgebra de división). Denición.1. Dado un orden R Ă D, una forma modular cuaterniónica para R es una función f : IpRq Ñ C tal que fpd Iq fpiq para todo d P Dˆ. Denotaremos MpRq al espacio de formas modulares cuaterniónicas para R. Dado un ideal I, la función característica de la clase de I es una forma modular cuaterniónica que denotaremos ris. A efectos computacionales es conveniente jar un conjunto de representantes de las clases de ideales ti 1,..., I h u, de modo que tri 1 s,..., ri h su es una base de MpRq. Para cada ideal I P IpRq el grupo Γ I td P Dˆ : d I Iu{Zˆ es nito, ya que es discreto dentro de Dˆ8{Rˆ SO 3 prq que es compacto. Denotamos w I #Γ I, que depende solamente de la clase de I. Denimos un producto interno en MpRq que está dado en la base por # xris, rjsy : 1 # d P Dˆ : I d J ( w I si ris rjs, 0 si ris rjs. Notar que tri 1 s,..., ri h su es una base ortogonal de MpRq. El grado de una forma modular se dene como un funcional lineal tal que grprisq 1. Alternativamente sea e 0 ř h i 1 1 w Ii ri i s, entonces grpfq xf, e 0 y. Decimos que f es cuspidal si es ortogonal a e 0, equivalentemente si grpfq 0. A continuación vamos a denir una familia de operadores en MpRq que llamaremos operadores de Hecke. Dado un ideal I P IpRq y m ě 1 un entero denimos T m piq I 1 P IpRq : I 1 Ă I, νpi 1 q m νpiq (. Entonces el operador de Hecke t m : MpRq Ñ MpRq se dene, en la base, como t m ris ÿ ri 1 s. I 1 PT m piq Lema.. Sean I, J P IpRq y m ě 1. Entonces J P T m piq ô m I P T m pjq. Demostración. Supongamos que J d I con d P Dˆ. Si d I P T m piq entonces νpdq m y d I Ă I. Entonces también d I Ă I y concluimos que m I d d I Ă d I, y comparando normas concluimos que m I P T m pd Iq. Cuando I y J no son equivalentes se prueba del mismo modo pero localmente. Proposición.3. Los operadores de Hecke en MpRq satisfacen (1) t m es autoadjunto. () Si pm, m 1 q 1 entonces t m t m 1 t m 1 t m t m m 1. (3) Si p disc R es primo entonces t p k` t p k`1 t p p t p k. (4) Si pm m 1, disc Rq 1 entonces t m t m 1 ř d pm,m 1 q d t m m 1 {d 6

7 En particular los operadores t p con p disc R primo generan un álgebra conmutativa T R que contiene todos los operadores t m con pm, disc Rq 1. Además éstos últimos generan T R como Z-módulo. Demostración. Calculamos xt m ris, rjsy ÿ I 1 PT mpiq ÿ I 1 PT ri 1 s, rjs D 1 # d P Dˆ : I 1 d J ( 1 # d P Dˆ : d J P T m piq ( Se prueba que d J P T m piq ô m I P T m pd Jq entonces la última expresión es 1 # d P Dˆ : m I P T m pd Jq ( 1 # d P Dˆ : m d 1 I P T m pjq ( 1 # d 1 P Dˆ : d 1 I P T m pjq ( xris, t m rjsy Las armaciones () y (3) se prueban localmente. La armación (4) es un ejercicio a partir de () y (3). Corolario.4. El espacio MpRq tiene una base ortogonal de vectores propios para T R. Para p disc R primo se prueba que #T p piq p ` 1. Entonces t p es homogéneo de grado p ` 1 en el sentido de que grpt p fq pp ` 1q grpfq, y se deduce que e 0 es un vector propio para T R con t p e 0 pp ` 1q e 0. Cualquier otro vector propio será ortogonal a e 0, es decir cuspidal. Ejemplo 5. Consideramos el álgebra D p 1, 11q Q ramicada en t11, 8u y el orden maximal R r1, i, 1`j, i`k s de discriminante 11. El número de clases es, y un conjunto de representantes es I 1 r1, i, 1`j, i`k s I r, i, i ` 1`j, 1 ` i ` i`k s Los estabilizadores son Γ I1 t 1, iu y Γ I 1, i`k 4, i`k ( 4, de modo que w I1 y w I 3. Se puede calcular T pi 1 q p1 ` iq I 1, I, i k ( 4 I, T pi q I 1, `i k I 1, i`k ( I 1. Entonces el operador de Hecke t está dado por t ri 1 s ri 1 s ` ri s, t ri s 3rI 1 s, y tiene vectores propios e 0 1 ri 1s ` 1 3 ri s con valor propio 3, y f 1 ri 1 s ri s con valor propio. Podemos calcular otros operadores de Hecke, que en la base tri 1 s, ri su 7

8 resultan: t p q, t 3 p 3 1 q, t 5 p q, t 7 p q,.... El vector propio e 0 tiene valores propios 3, 4, 6, 8,..., como ya habíamos observado, mientras que f 1 tiene valores propios -, -1, 1, -, Correspondencia de Eichler. Para evitar dicultades técnicas nos limitaremos al caso de un orden R de discriminante N primo en un álgebra denida. Necesariamente R es un orden maximal en un álgebra de cuaterniones D ramicada en tn, 8u. Hemos visto que el espacio MpRq tiene una acción por operadores autoadjuntos del álgebra conmutativa T T R, que es similar a la acción de Hecke en espacios de formas modulares. Observemos que las relaciones de la Proposición.3 son las mismas que para los operadores de Hecke en formas modulares de peso para Γ 0 pnq. Eichler calcula la traza de t m actuando en MpRq y por otra parte calcula la traza de T m actuando en M pγ 0 pnqq. Comparando ambas obtiene el siguiente resultado. Teorema.5. Para todo m ě 1 tenemos Trpt m ü MpRqq TrpT m ü M pγ 0 pnqqq Como consecuencia de este resultado, y puesto que ambas álgebras de Hecke son semisimples y están generadas como Z-módulo por los operadores de Hecke, se deduce que son isomorfas y que hay una correspondencia tvectores propios en MpRqu{Cˆ ÐÑ tvectores propios en M pγ 0 pnqqu{cˆ donde formas correspondientes tienen los mismos valores propios. Otra forma de enunciar lo mismo es decir que existe un isomorsmo MpRq M pγ 0 pnqq que preserva la acción de Hecke. Sin embargo este isomorsmo no es canónico. Sabemos que en M pγ 0 pnqq los espacios propios tienen dimensión 1 (no hay formas viejas porque N es primo y M pγ 0 p1qq t0u), y lo mismo vale entonces para MpRq. Denición.6. Sean f, g P MpRq. Denimos ϕpf, gq grpfq grpgq ` ÿ mě1 xt m f, gy q m Proposición.7. ϕpf, gq es una forma modular de peso para Γ 0 pnq y ϕpt m f, gq ϕpf, t m gq T m ϕpf, gq. En otras palabras ϕ : MpRq b MpRq Ñ M pγ 0 pnqq T es T-equivariante, y como MpRq es un T-módulo libre de rango 1 se sigue que ϕ es un isomorsmo de T-módulos. Demostración. Sean I, J P IpRq. Consideramos el retículo M td P D : d J Ă Iu. En la demostración de la Proposición.3 calculamos xt m ris, rjsy 1 # d P Dˆ : d J P T m piq (. Ahora d J P T m piq es equivalente a d P M con νpdq m νpmq, es decir que xt m ris, rjsy 1 # td P M : νpdq m νpmqu. 8

9 Luego ϕpris, rjsq 1 ÿ dpm q Qpdq es la serie theta asociada a la forma cuadrática Qpdq νpdq{νpmq, que es una forma modular en M pγ 0 pnqq. En general ϕpf, gq es combinación lineal de estas series theta. La igualdad ϕpt m f, gq ϕpf, t m gq se deduce fácilmente pues t m es autoadjunto y es homogéneo respecto al grado. La última igualdad basta probarla con m p primo. Usando la fórmula de T p en términos de coecientes de Fourier calculamos grpfq grpgq T p ϕpf, gq pp ` 1q ` ÿ `xtmp f, gy ` t m{p f, g D q m mě1 bajo la convención que t m{p 0 si p m. Por otra parte ϕpt p f, gq grpt p fq grpgq ` ÿ xt m t p f, gy q m. El resultado se sigue pues por la Proposición.3 tenemos t m t p t mp ` p t m{p. Ejemplo 6. Continuando con el ejemplo 5, las series theta asociadas a la base de MpRq son θ ij ϕpri i s, ri j sq: mě1 θ 11 1 ` q ` q ` 4q 3 ` 10q 4 ` 8q 5 ` 16q 6 ` 8q 7 ` 18q 8 ` 14q 9 ` Opq 10 q θ 1 1 ` 6q ` 6q 3 ` 6q 4 ` 6q 5 ` 1q 6 ` 1q 7 ` 18q 8 ` 18q 9 ` Opq 10 q θ 1 ` 3q ` 3q3 ` 1q 4 ` 9q 5 ` 18q 6 ` 6q 7 ` 18q 8 ` 1q 9 ` Opq 10 q Con estas series theta podemos calcular E 0 ϕpe 0, ri 1 sq 1 θ 11 ` 1 3 θ 1 ϕpe 0, ri sq 1 θ 1 ` 1 3 θ 5 1 ` q ` 3q ` 4q 3 ` 7q 4 ` 6q 5 ` 1q 6 ` 8q 7 ` 15q 8 ` 13q 9 ` Opq 10 q F 1 ϕpf 1, 1 ri 1sq 1 pθ 11 θ 1 q ϕpf 1, 1 3 ri sq 1 3 pθ θ 1 q q q q 3 ` q 4 ` q 5 ` q 6 q 7 q 9 ` Opq 10 q 0 ϕpf 1, e 0 q 1 θ θ θ Las dos primeras son las dos autoformas modulares normalizadas de peso para Γ 0 p11q. La forma E 0 es una serie de Eisenstein, y F 1 es una autoforma cuspidal que corresponde a la curva elíptica y ` y x 3 x 10x 0. Observación. Notamos que e 0 1 ri 1s` 1 3 ri s 1 ri 1s 1 ri s 1 f 1 pmod 5q. Se deduce que E 0 ϕpe 0, ri 1 sq ϕp 1 f 1, ri 1 sq F 1 pmod 5q. En efecto, E 0 F θ 1. Esta congruencia está relacionada con el hecho que la curva elíptica y `y x 3 x 10x 0 tiene torsión de orden 5. 9

Tema 3. Espacios vectoriales

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

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

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

Más detalles

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

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

Más detalles

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

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

Más detalles

Dominios de factorización única

Dominios de factorización única CAPíTULO 3 Dominios de factorización única 1. Dominios euclídeos En la sección dedicada a los números enteros hemos descrito todos los ideales de Z. En este apartado introducimos una familia de anillos

Más detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

4 APLICACIONES LINEALES. DIAGONALIZACIÓN 4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos

Más detalles

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

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

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

Más detalles

Subespacios vectoriales en R n

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

Más detalles

Variedades Diferenciables. Extremos Condicionados

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

Más detalles

Estructuras algebraicas

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

Más detalles

VII. Estructuras Algebraicas

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

Más detalles

Transformaciones canónicas

Transformaciones canónicas apítulo 29 Transformaciones canónicas 29.1 Introducción onsideremos una transformación arbitraria de las coordenadas en el espacio de las fases de dimensión 2(3N k) (con el tiempo como un parámetro) Q

Más detalles

Matrices equivalentes. El método de Gauss

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

Más detalles

Clasificación de métricas.

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

Más detalles

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

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

Más detalles

Apuntes de Matemática Discreta 9. Funciones

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

Más detalles

Aplicaciones lineales continuas

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

Más detalles

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

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

Más detalles

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

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

Más detalles

1. Suma y producto de polinomios. Propiedades

1. Suma y producto de polinomios. Propiedades ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Resumen teoría Prof. Alcón 1. Suma y producto de polinomios. Propiedades Sea (A, +,.) un anillo conmutativo. Llamamos polinomio en una indeterminada x con coeficientes

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales

Más detalles

1. Producto escalar, métrica y norma asociada

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

Más detalles

Grupos. Subgrupos. Teorema de Lagrange. Operaciones.

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

Más detalles

Espacios Vectoriales

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

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

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

Más detalles

Subconjuntos destacados en la

Subconjuntos destacados en la 2 Subconjuntos destacados en la topología métrica En este capítulo, introducimos una serie de conceptos ligados a los puntos y a conjuntos que por el importante papel que juegan en la topología métrica,

Más detalles

Aplicaciones Lineales

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

Más detalles

1. ESPACIOS VECTORIALES

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

Más detalles

AMPLIACIÓN DE MATEMÁTICAS. REPASO DE MATEMÁTICAS DISCRETA. CONGRUENCIAS. En el conjunto de los números enteros

AMPLIACIÓN DE MATEMÁTICAS. REPASO DE MATEMÁTICAS DISCRETA. CONGRUENCIAS. En el conjunto de los números enteros AMPLIACIÓN DE MATEMÁTICAS REPASO DE MATEMÁTICAS DISCRETA. CONGRUENCIAS. En el conjunto de los números enteros Z = {..., n,..., 2, 1, 0, 1, 2, 3,..., n, n + 1,...} tenemos definidos una suma y un producto

Más detalles

Espacios generados, dependencia lineal y bases

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

Más detalles

Espacios vectoriales. Bases. Coordenadas

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

Más detalles

4.1 El espacio dual de un espacio vectorial

4.1 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 detalles

Números algebraicos. Cuerpos de números. Grado.

Números algebraicos. Cuerpos de números. Grado. < Tema 5.- Números algebraicos. Cuerpos de números. Grado. 5.1 Cuerpo de fracciones de un dominio. Tratamos de generalizar la construcción de Q, a partir de Z. Sea A un dominio de integridad. En A (A \

Más detalles

ESTRUCTURAS ALGEBRAICAS 1

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

Más detalles

342 SOBRE FORMAS TERNARIAS DE SEGUNDO GRADO.

342 SOBRE FORMAS TERNARIAS DE SEGUNDO GRADO. 342 SOBRE FORMAS TERNARIAS DE SEGUNDO GRADO. ALGUNAS APLICACIONES A LA TEORIA DE LAS FORMAS BINARIAS. Encontrar una forma cuya duplicación produce una forma dada del género principal. Puesto que los elementos

Más detalles

Semana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo

Semana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo Semana 08 [1/15] April 18, 2007 Acotamiento de conjuntos Semana 08 [2/15] Cota Superior e Inferior Antes de presentarles el axioma del supremo, axioma de los números reales, debemos estudiar una serie

Más detalles

9.1 Primeras definiciones

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

Más detalles

Diferenciabilidad. Definición 1 (Función diferenciable). Cálculo. Segundo parcial. Curso 2004-2005

Diferenciabilidad. Definición 1 (Función diferenciable). Cálculo. Segundo parcial. Curso 2004-2005 Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 2004-2005 Diferenciabilidad. 1. Definición de función diferenciable Después del estudio de los ites de funciones

Más detalles

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

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

Más detalles

Parte 1. Anillos y Módulos Capítulo 4. Anillos y módulos Noeterianos 4.7. Dominios de Dedekind

Parte 1. Anillos y Módulos Capítulo 4. Anillos y módulos Noeterianos 4.7. Dominios de Dedekind arte 1. Anillos y Módulos Capítulo 4. Anillos y módulos Noeterianos 4.7. Dominios de Dedekind De nición 4.7.1. Sea R un anillo conmutativo, se dice que R es un anillo hereditario (AH) si cada ideal de

Más detalles

Ext 1 Z (A, B): La construcción de un invariante clásico

Ext 1 Z (A, B): La construcción de un invariante clásico Ext 1 Z (A, B): La construcción de un invariante clásico Hipolito Jose Trenger Cienfuegos 20 de marzo de 2013 Resumen A mediados del siglo XX los matemáticos Henri Cartan y Samuel Eilenberg, por un lado,

Más detalles

Para representar los conjuntos, los elementos y la relación de pertenencia, mediante símbolos, tendremos en cuenta las siguientes convenciones:

Para representar los conjuntos, los elementos y la relación de pertenencia, mediante símbolos, tendremos en cuenta las siguientes convenciones: 2. Conjuntos 2.1 Introducción El concepto de conjunto, de singular importancia en la ciencia matemática y objeto de estudio de una de sus disciplinas más recientes, está presente, aunque en forma informal,

Más detalles

Definición de vectores

Definición de vectores Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre

Más detalles

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

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

Más detalles

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

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

Más detalles

Espacios vectoriales con producto interno

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

Más detalles

ESTRUCTURAS ALGEBRAICAS

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

Más detalles

1 Espacios y subespacios vectoriales.

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

Más detalles

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

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

Más detalles

Aplicaciones Lineales y Multilineales Continuas

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

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

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

Más detalles

Aplicaciones Lineales

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

Más detalles

Ejemplos y problemas resueltos de análisis complejo (2014-15)

Ejemplos y problemas resueltos de análisis complejo (2014-15) Variable Compleja I (3 o de Matemáticas y 4 o de Doble Titulación) Ejemplos y problemas resueltos de análisis complejo (04-5) Teoremas de Cauchy En estos apuntes, la palabra dominio significa, como es

Más detalles

Ejercicios Resueltos del Tema 4

Ejercicios Resueltos del Tema 4 70 Ejercicios Resueltos del Tema 4 1. Traduce al lenguaje algebraico utilizando, para ello, una o más incógnitas: La suma de tres números consecutivos Un número más la mitad de otro c) El cuadrado de la

Más detalles

UNIDAD 3: ANILLOS DE POLINOMIOS

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

Más detalles

Números y desigualdades

Números y desigualdades 1/59 Números y desigualdades 2/59 Distintas clases de números 3/59 Números naturales Los números naturales 1,2,3,.... El conjunto de todos ellos se representa por N. 4/59 Números enteros Los números enteros...,-2,-1,0,1,2,...

Más detalles

4 Aplicaciones Lineales

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

Más detalles

Fundamentos algebraicos

Fundamentos algebraicos Fundamentos algebraicos 1. Grupos Sea S un conjunto. Se denota con S S el conjunto de los pares ordenados (s, t) con s, t en S. Un mapeo de S S en S se llama operación binaria en S. Esta definición requiere

Más detalles

El teorema de estructura de módulos finitamente generados sobre un dominio de ideales principales

El teorema de estructura de módulos finitamente generados sobre un dominio de ideales principales El teorema de estructura de módulos finitamente generados sobre un dominio de ideales principales Mariano Suárez-Alvarez 7 de octubre, 2015 Sea A un dominio de ideales principales que no es un cuerpo.

Más detalles

Listas de vectores y conjuntos de vectores

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

Más detalles

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

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

Más detalles

Biblioteca Virtual Ejercicios Resueltos

Biblioteca Virtual Ejercicios Resueltos EJERCICIO 13 13 V a l o r n u m é r i c o Valor numérico de expresiones compuestas P r o c e d i m i e n t o 1. Se reemplaza cada letra por su valor numérico 2. Se efectúan las operaciones indicadas Hallar

Más detalles

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

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

Más detalles

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración

Más detalles

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

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

Más detalles

Análisis de una variable real I. Tijani Pakhrou

Análisis de una variable real I. Tijani Pakhrou Análisis de una variable real I Tijani Pakhrou Índice general 1. Introducción axiomática de los números 1 1.1. Números naturales............................ 1 1.1.1. Axiomas de Peano........................

Más detalles

Matrices invertibles. La inversa de una matriz

Matrices invertibles. La inversa de una matriz Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad

Más detalles

Parte I. Iniciación a los Espacios Normados

Parte I. Iniciación a los Espacios Normados Parte I Iniciación a los Espacios Normados Capítulo 1 Espacios Normados Conceptos básicos Sea E un espacio vectorial sobre un cuerpo K = R ó C indistintamente. Una norma sobre E es una aplicación de E

Más detalles

Espacios vectoriales y Aplicaciones lineales

Espacios vectoriales y Aplicaciones lineales Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea

Más detalles

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

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

Más detalles

Álgebra. Curso 2007-2008

Álgebra. Curso 2007-2008 Álgebra. Curso 2007-2008 11 de septiembre de 2008 Resolución Ejercicio. 1. Sea A un anillo conmutativo. (1) Demostrar que cualesquiera ideales a, b de A verifican (a b)(a + b) ab. (2) Para A = Z[X] dar

Más detalles

1. INVERSA DE UNA MATRIZ REGULAR

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

Más detalles

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com. Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen

Más detalles

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

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

Más detalles

Relaciones binarias. ( a, b) = ( c, d) si y solamente si a = c y b = d

Relaciones binarias. ( a, b) = ( c, d) si y solamente si a = c y b = d Relaciones binarias En esta sección estudiaremos formalmente las parejas de objetos que comparten algunas características o propiedades en común. La estructura matemática para agrupar estas parejas en

Más detalles

Diagonalización de matrices

Diagonalización de matrices diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla

Más detalles

March 25, 2010 CAPÍTULO 2: LÍMITES Y CONTINUIDAD DE FUNCIONES EN EL ESPACIO EUCLÍDEO

March 25, 2010 CAPÍTULO 2: LÍMITES Y CONTINUIDAD DE FUNCIONES EN EL ESPACIO EUCLÍDEO March 25, 2010 CAPÍTULO 2: LÍMITE Y CONTINUIDAD DE FUNCIONE EN EL EPACIO EUCLÍDEO 1. Producto Escalar en R n Definición 1.1. Dado x = (x 1,..., x n ), y = (y 1,..., y n ) R n, su producto escalar está

Más detalles

RELACIONES DE RECURRENCIA

RELACIONES DE RECURRENCIA Unidad 3 RELACIONES DE RECURRENCIA 60 Capítulo 5 RECURSIÓN Objetivo general Conocer en forma introductoria los conceptos propios de la recurrencia en relación con matemática discreta. Objetivos específicos

Más detalles

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

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

Más detalles

Juan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada

Juan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada FUNCIONES CONTINUAS. La mayor parte de las funciones que manejamos, a nivel elemental, presentan en sus gráficas una propiedad característica que es la continuidad. La continuidad de una función definida

Más detalles

Números de Bernoulli

Números de Bernoulli Números de Bernoulli Un estudio sobre su importancia, consecuencias y algunas aplicaciones en la Teoría de Números David José Fernández Bretón Escuela Superior de Física y Matemáticas Instituto Politécnico

Más detalles

Espacios vectoriales y aplicaciones lineales.

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

Más detalles

Bienvenidos a los concertos para violin entre el álgebra y la Geometría.

Bienvenidos a los concertos para violin entre el álgebra y la Geometría. Bienvenidos a los concertos para violin entre el álgebra y la Geometría. Capitulo 17 Atención Esta guía no pretender ser una sustituta del libro de texto del curso. Lo que busca es presentar las herramientas

Más detalles

(Ec.1) 2α + β = b (Ec.4) (Ec.3)

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

Más detalles

1. Números Reales 1.1 Clasificación y propiedades

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

Más detalles

Divisibilidad y números primos

Divisibilidad y números primos Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos

Más detalles

Tema 3: Producto escalar

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

Más detalles

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad

Más detalles

y los conos serán todos los diagramas (acá usamos la palabra en el sentido habitual, no en el que acabamos de definir) de la forma

y los conos serán todos los diagramas (acá usamos la palabra en el sentido habitual, no en el que acabamos de definir) de la forma (Novena clase: Límites y colímites) Las definiciones de obeto terminal, producto binario, ecualizador y pullback, son casos particulares de un concepto general, llamado límite, que presentaremos a continuación.

Más detalles

1. APLICACIONES LINEALES

1. 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 detalles

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

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

Más detalles

Tema 4: Aplicaciones lineales

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

Más detalles

LÍMITES Y CONTINUIDAD DE FUNCIONES

LÍMITES Y CONTINUIDAD DE FUNCIONES Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos

Más detalles

ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. La aplicación de Poincaré

ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. La aplicación de Poincaré ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. SISTEMAS PLANOS. TEOREMA DE POINCARÉ-BENDIXSON. La aplicación de Poincaré Recordemos que un subconjunto H de R n es una subvariedad de codimensión uno (o una

Más detalles

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

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

Más detalles

3. Equivalencia y congruencia de matrices.

3. Equivalencia y congruencia de matrices. 3. Equivalencia y congruencia de matrices. 1 Transformaciones elementales. 1.1 Operaciones elementales de fila. Las operaciones elementales de fila son: 1. H ij : Permuta la fila i con la fila j. 2. H

Más detalles

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

Construcción de bases en el núcleo e imagen de una transformación lineal Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.

Más detalles

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

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

Más detalles