Tema 2. Aplicaciones lineales y matrices.

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

Download "Tema 2. Aplicaciones lineales y matrices."

Transcripción

1 Tema 2 Aplicaciones lineales y matrices. 1

2 Índice general 2. Aplicaciones lineales y matrices Introducción Espacio Vectorial Aplicaciones lineales Espacio Afín Producto escalar en un espacio vectorial Cuestiones y Problemas Introducción. Supondremos al alumno familiarizado con la idea de matriz o tabla de orden n, m con n, m números naturales que denotan el número de filas y columnas, y con las operaciones básicas entre matrices: suma, producto, producto por escalares y sus propiedades más inmediatas. Del mismo modo son de suponer conocidos los conceptos de elemento, fila y columna de una matriz, tipos de matrices (cuadrada, diagonal triangulares superior e inferior, matriz traspuesta de una dada, matriz identidad de un cierto orden n, etc...). También ha de conocerse el concepto de aplicación entre dos conjuntos, combinación lineal de filas y de columnas, rango de una matriz, matriz cuadrada regular (que tiene inversa). Recuerdese que una matriz es regular si y sólo si tiene rango máximo. Finalmente, supondremos conocidos los determinantes y sus propiedades, los sistemas de ecuaciones lineales, su estudio y métodos de resolución. Serán nuevos los conceptos de espacio vectorial, aplicación lineal, base de un espacio vectorial, cambio de base y algunas nociones referidas a matrices como la equivalencia y la semejanza. La segunda parte del tema trata del estudio de un espacio afín, estructura que se forma a partir de un conjunto de puntos y un espacio vectorial, relacionados de modo que a cada par de puntos se le asocia un vector. Sobre ello el alumno ya conoce el plano y el espacio afín (R 2 y R 3 ) así como la ecuación y posiciones relativas de las subvariedades (rectas en el plano y rectas y planos en el espacio). Aquí serán nuevos y muy importantes los conceptos de sistemas de referencia, cambio de sistemas de referencia y de producto escalar, norma, ángulo y ortogonalidad. 2

3 2.2. Espacio Vectorial. Consideremos el cuerpo de los números reales R o complejos C, que denotaremos en general por K para referirnos indistintamente a uno u otro. A sus elementos los llamaremos escalares y los denotaremos con letras griegas (α, β,... ). También un conjunto V no vacío, cuyos elementos llamaremos vectores y denotaremos con letras latinas (a, b, u, v,... ), que admite la suma como operación interna (es decir, siempre que se sumen dos se obtiene otro del conjunto) y que cumple las propiedades asociativa y conmutativa y existen además elemento neutro y elementos opuestos. Propiedades que se expresan por: Asociativa: (u + v) + w = u + (v + w) para todo u, v, w V. Conmutativa: u + v = v + u para todo u, v V. Elemento neutro: Existe un vector 0 que sumado con cualquier otro u lo deja invariable, u + 0 = u. Elementos Opuestos: Dado un vector u existe el u que sumado con él da el elemento neutro. Finalmente supongamos que se tiene otra operación, llamada externa, entre escalares y vectores, que a cada α K y cada u V asocia el vector αu V, de tal forma que se cumplen las propiedades: 1) α(u + v) = αu + αv; 2) (α + β)u = αu + βu; 3) (αβ)u = α(βu); 4) 1u = u, para todo α, β K y todo u, v V. En estas condiciones se dice que V es un espacio vectorial sobre K. Es la estructura fundamental en el álgebra lineal y la emplearemos constantemente. Los siguientes son ejemplos de espacios vectoriales, algunos bien conocidos: 1) El conjunto K n de las n uplas de números (reales o complejos), fijado (n N), con las operaciones: (x 1, x 2,..., x n ) + (y 1, y 2,..., y n ) = (x 1 + y 1, x 2 + y 2,..., x n + y n ). α(x 1, x 2,..., x n ) = (αx 1, αx 2,..., αx n ), α K. Si K = R, para n = 2 y n = 3 son respectivamente el plano vectorial real bidimensional y el espacio real tridimensional. 2) El conjunto M n,m de las matrices de orden n, m, fijados n, m N con elementos en K y con la suma de matrices y el producto de matrices por escalares es también un espacio vectorial sobre K. 3) El conjunto P n [x] de los polinomios de grado menor o igual que n, fijado n N, con coeficientes en K, cuyos elementos son de la forma a n x n + a n 1 x n a 1 x + a 0 ; con la suma de polinomios y el producto de polinomios por escalares. Asociado al concepto de espacio vectorial se tiene el de combinación lineal. Si V es un espacio vectorial y u 1, u 2,..., u n son vectores de V, se llama combinación lineal de tales vectores a cualquier otro vector v obtenido de la forma v = α 1 u 1 +α 2 u α n u n, para unos escalares α 1, α 2,..., α n K. Observemos por ejemplo que el vector cero es combinación lineal de cualquier conjunto de vectores (basta tomar todos los escalares nulos). Es usual llamar a cualquier conjunto de vectores un sistema de vectores. En este contexto se introduce la noción de dependencia e independencia lineal: Un sistema de vectores B = 3

4 {u 1, u 2,..., u n } de V se dice sistema libre o linealmente independiente si la única combinación lineal de vectores de B que da el vector cero es aquella en la que todos los escalares son cero, es decir: α 1 u 1 + α 2 u α n u n = 0 α 1 = α 2 = = α n = 0. Si el sistema de vectores B no es linealmente independiente, se dice que es un sistema ligado o linealmente dependiente. Obviamente esto significa que alguna combinación lineal de los vectores de B da el vector cero y no todos los escalares son nulos. Ejemplo ) En el espacio vectorial R 4 estudia la dependencia o independencia lineal del conjunto de vectores B = {(1, 1, 0, 1)(1/2, 2, 3/2, 1)(0, 3, 3, 3)}. 2)En P 2 [x] comprueba que A = {1 x, 2x 2, 2 + x 2 } forma un sistema libre. Solución. Consideremos en cada caso una combinación lineal genérica de los vectores del sistema dado y veamos si hay soluciones distintas de cero. 1) α(1, 1, 0, 1) + β(1/2, 2, 3/2, 1) + γ(0, 3, 3, 3) = (0, 0, 0, 0) α + 1/2β = 0 α + 2β 3γ = 0 3/2β 3γ = 0 α β + 3γ = 0. Es fácil ver que este sistema de ecuaciones tiene soluciones no nulas, por ejemplo α = 1, β = 2, γ = 1. Por tanto el sistema B es ligado. 2) α(1 x) + β(2x 2 ) + γ(2 + x 2 ) = 0; (α + 2γ) αx + (α + γ)x 2 = 0. El polinomio obtenido es el polinomio cero, del que sabemos que todos sus coeficientes son nulos. En consecuencia: α + 2γ = 0 α = 0 α + γ = 0 Este sistema tiene como única solución α = 0, β = 0, γ = 0. Por tanto el sistema de vectores A es libre. Es importante tener en cuenta, muy sencillo de comprobar, que todo conjunto de vectores que contenga al vector cero es ligado y que un conjunto es ligado si y sólo si alguno de sus vectores es combinación lineal de los demás. Subespacios Vectoriales. Si un subconjunto S de un espacio vectorial V tiene a su vez estructura de espacio vectorial, se dice que S es un subespacio vectorial de V. Para comprobar si un subconjunto concreto S es subespacio no es necesario comprobar si se verifican las propiedades de las operaciones de la definición de espacio vectorial (por ser subconjunto de V ya se verificarán esas propiedades). Basta con probar que la suma es operación interna en S y el producto por escalares operación externa de K en S. De hecho, es suficiente que para todo par de vectores a, b S, sus combinaciones lineales sean también elementos de S, esto es, se verifica: 4

5 S es subespacio vectorial de V si y sólo si dados u, v S y dados α, β K, αu + βv S. Veamos algún ejemplo. Ejemplo 2.2. Comprueba si los conjuntos siguientes son subespacios del espacio vectorial R 3 : a) S = {(x, y, z) R 3 : 2x y + 3z = 1}. b) M = {(x, y, z) R 3 : x + 2z = 0}. Solución. Comprobemos en cada caso si la suma de dos elementos del conjunto está en el conjunto, y si el producto de uno del conjunto por un escalar está en el conjunto. Para el caso a), si (x 1, y 1, z 1 ), (x 2, y 2, z 2 ) S entonces se tiene que 2x 1 y 1 + 3z 1 = 1 y también que 2x 2 y 2 + 3z 2 = 1. Ahora, el elemento suma es (x 1 + x 2, y 1 + y 2, z 1 + z 2 ). Veamos si este elemento está en S. Para ello, el doble de su primera componente menos su segunda más el triple de su tercera componente debe valer -1. Ahora bien, 2(x 1 + x 2 ) (y 1 + y 2 ) + 3(z 1 + z 2 ) = (2x 1 y 1 + 3z 1 ) + (2x 2 y 2 + 3z 2 ) = 2. Sale -2 en lugar de -1, es decir no pertenece a S. Así pues, S no es un subespacio vectorial de R 3. Para el caso b) las cosas son distintas. Si (x 1, y 1, z 1 ), (x 2, y 2, z 2 ) M, entonces se tiene que x 1 + 2z 1 = 0 y también que x 2 + 2z 2 = 0. Ahora, el elemento suma es (x 1 + x 2, y 1 + y 2, z 1 + z 2 ). Veamos si este elemento está en M. Para ello, su primera coordenada más el doble de su tercera coordenada tiene que valer cero. Ahora, (x 1 +x 2 )+2(z 1 +z 2 ) = (x 1 +2z 1 )+(x 2 +2z 2 ) = 0 y se cumple la condición 1). Ahora veamos la 2). Para ello hay que comprobar que si (x, y, z) M, es decir, si x + 2z = 0 entonces (αx, αy, αz) M, para cualquier α R. Ahora αx + 2αz = α(x + 2z) = 0. Es decir M es subespacio vectorial. En cualquier espacio vectorial, para que un subconjunto sea subespacio, es condición necesaria (pero no suficiente) que contenga al vector cero y que, con cada vector, contenga al opuesto. Cada espacio vectorial V contiene a los subespacios {0} y V. Se llaman subespacios impropios. Además, dado un sistema de vectores P = {x 1, x 2,..., x n }, el conjunto de todas sus combinaciones lineales es un subespacio vectorial de V. Se llama subespacio generado por P y se denota < x 1, x 2,..., x n >. De este subespacio, al conjunto P se le llama sistema generador. Es decir < x 1, x 2,..., x n >= {α 1 x 1 + α 2 x α n x n : α 1, α 2,..., α n K}. Se dice que el conjunto P es un sistema generador del espacio vectorial V si < x 1, x 2,..., x n >= V, esto es, si todo vector de V se puede poner como combinación lineal de los elementos de P. Trabajaremos sólo con espacios vectoriales que cuentan con un sistema generador con una cantidad finita de elementos. Se llaman espacios vectoriales finitamente generados. Base. Coordenadas. Dimensión. Un conjunto de vectores B = {x 1, x 2,..., x n } se dice que es una base del espacio vectorial V si B es un sistema generador y un sistema linealmente independiente. En ese caso, para cada vector v V existen n escalares únicos, α 1, α 2,..., α n, tales que v = α 1 x 1 + α 2 x α n x n. A esos escalares se les llama coordenadas de v respecto de la base B. 5

6 Un espacio vectorial puede tener más de una base, de hecho en general tiene infinitas bases, pero todas ellas tienen el mismo número de vectores. A ese número se le llama dimensión del espacio vectorial. Ejemplo 2.3. Comprueba que B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} es una base de R 3. Calcula las coordenadas del vector v = (1, 2, 4) Solución. Veamos que B es un sistema generador. Dado cualquier vector x = (x 1, x 2, x 3 ) R 3, se trata de encontrar una combinación lineal de los vectores de B que dé el vector x. Propongamos una combinación lineal genérica y encontremos los escalares. x = α(1, 1, 1) + β(0, 1, 1) + γ(0, 0, 1); (x 1, x 2, x 3 ) = (α, α + β, α + β + γ). Se obtiene entonces el sistema de ecuaciones α = x 1 α + β = x 2 α + β + γ = x 3 Es un sistema de Cramer en las incógnitas α, β, γ cuya solución única es α = x 1, β = x 2 x 1, γ = x 3 x 2. Así B es sistema generador. Para ver que es un sistema libre, basta observar que la única combinación lineal que da el vector cero es aquella en que todos los escalares son nulos. Pues bien, si en el proceso anterior sustituimos el vector x por el (0, 0, 0) es evidente que la solución única del sistema es α = 0, β = 0, γ = 0. Para encontrar la coordenadas del vector v, sustituimos (x 1, x 2, x 3 ) por (1, 2, 4) y obtenemos que esas coordenadas son α = 1, β = 3, γ = 6. Se suele denotar: v = (1, 3, 6) B, para indicar que las coordenadas del vector v respecto de la base B son (1,-3,6) A partir del ejemplo anterior observamos que, en R 3, un vector es una terna ordenada de números y sus coordenadas respecto de una base son también una terna ordenada de números, pero distinta de la anterior. Existe una base respecto de la cual ambas ternas (vector y sus coordenadas) son iguales. Esa base es llamada base canónica de R 3 y es: B c = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Igual pasa en general en R n para cualquier n N. En cada caso se tiene la base canónica, en la cual cada vector y sus coordenadas son la misma n upla. En un espacio vectorial de dimensión n todo sistema de n vectores que sean linealmente independiente es también sistema generador y por lo tanto es base. Si S es un subespacio de dimensión k de un espacio vectorial V de dimensión n, para cada base de S existen n k vectores que añadidos a la base de S proporcionan una base de V. Se tiene también que, dado un sistema generador del espacio, excluyendo en él todos los vectores que sean combinación lineal de los demás, se obtiene una base. Ecuaciones de un subespacio. Sea S un subespacio vectorial de dimensión k del espacio vectorial V de dimensión n y sean B S y B V bases de S y V respectivamente. Cada vectores de S será una combinación lineal de los k elementos de B S. Sustituyendo cada vector de B S por sus 6

7 coordenadas respecto de B V se obtiene n igualdades que dependen de k parámetros, que cumplirán las coordenadas de los vectores de S y sólo ellos. Son las llamadas ecuaciones paramétricas del subespacio S. En esas n ecuaciones paramétricas se pueden eliminar los k parámetros, por sustitución, y obtener n k igualdades que no dependen de los parámetros. Se llaman ecuaciones implícitas del subespacio S. Es importante tener en cuenta que las ecuaciones son igualdades que ligan las coordenadas, y por tanto las ecuaciones están referidas a las bases empleadas. Ejemplo 2.4. En R 4 con la base B = {(1, 1, 1, 1), (0, 1, 1, 1), (0, 0, 1, 1), (0, 0, 0, 1)} se considera el subespacio S =< (2, 0, 1, 1), ( 1, 1, 0, 0) >. Encontrar sus ecuaciones paramétricas e implícitas. Solución. S nos lo dan mediante un sistema generador. Primero debemos de comprobar si ese sistema generador es base, es decir, si los vectores son linealmente independientes. Es fácil ver que lo son (porque ninguno de ellos es combinación lineal de los demás, en este caso que sólo son dos basta observar que no son proporcionales). Calculando sus coordenadas respecto de la base B se obtiene: (2, 0, 1, 1) = (2, 2, 1, 0) B y ( 1, 1, 0, 0) = ( 1, 2, 1, 0) B. Así : S = {(x 1, x 2, x 3, x 4 ) B = α(2, 2, 1, 0) B + β( 1, 2, 1, 0) B, α, β R} Las ecuaciones paramétricas de S son pues: x 1 = 2α β x 2 = 2α + 2β x 3 = α β x 4 = 0 Para obtener las ecuaciones implícitas debemos saber cuántas ecuaciones implícitas tiene S. Puesto que el número de ecuaciones implícitas es la diferencia entre la dimension del espacio y la del subespacio, es claro que S tiene dos ecuaciones implícitas. Observando las ecuaciones paramétricas vemos que x 4 = 0 es una igualdad que no depende de parámetros, luego es una de las ecuaciones implícitas. Si multiplimos por dos la tercera ecuación y le sumamos la segunda obtenemos x 2 + 2x 3 = 0, que es otra ecuación implícita. Así las ecuaciones implícitas de S son } x 2 + 2x 3 = 0, x 4 = 0 y S se puede expresar por: S = {(x 1, x 2, x 3, x 4 ) B : x 2 + 2x 3 = 0, x 4 = 0}. Cambio de Base. Matriz del cambio de base. Consideremos dos bases del mismo espacio vectorial V. Sean B 1 = {e 1, e 2,..., e n } y B 2 = {v 1, v 2,..., v n }. Si conocemos las coordenadas de un vector x V respecto de B 1, Podemos calcular las coordenadas de x respecto de B 2? La respuesta es afirmativa, siempre que conozcamos las coordenadas de cada vector de la base B 1 en la base B 2. En lo que sigue indicamos cómo se hace y obtendremos las ecuaciones del cambio de base que son las n igualdades que permiten obtener las coordenadas de x en B 2 a partir de las coordenadas de x en B 1. 7

8 No vamos a deducir esas ecuaciones, sólo vamos a proporcionarlas y a emplearlas. Denotemos (x 1, x 2,..., x n ) las coordenadas de x en la base B 1. Consideremos la matriz cuadrada de orden n, P = (γ ij ) M n, en la que la fila k está formada por las coordenadas del vector e k respecto a la base B 2. Si ahora denotamos (x 1, x 2,..., x n) las coordenadas de x respecto de B 2 entonces se tiene: γ 11 γ γ 1n (x 1, x 2,..., x γ 21 γ γ 2n n) = (x 1, x 2,..., x n ) (2.1) γ n1 γ n2... γ nn La matriz P es la llamada matriz del cambio de base. Realizando el producto matricial anterior se obtienen las igualdades siguientes, llamadas ecuaciones del cambio de base x 1 = γ 11 x 1 + γ 21 x γ n1 x n x 2 = γ 12 x 1 + γ 22 x γ n2 x n x n = γ 1n x 1 + γ 2n x γ nn x n Es importante tener en cuenta que toda matriz P de cambio de base (de B 1 a B 2 ) tiene matriz inversa P 1, que es la matriz de cambio de base de B 2 a B 1. También debe advertirse que, si en la igualdad matricial (2.1) tomamos la traspuesta de matrices en los dos miembros, obtenemos otra igualdad equivalente del tipo X = QX, siendo Q = P t y X, X las coordenadas en B 2 y B 1 respectivamente, en columnas. Se puede emplear indistintamente cualquiera de las dos formas. Varios autores optan por esta última. Ejemplo 2.5. En R 3 consideramos las bases B 1 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} y B 2 = {( 1, 0, 1), (0, 1, 0), a) Calcula la matriz y las ecuaciones del cambio de base de B 1 a B 2. b) Calcula las coordenadas en B 1 y en B 2 del vector (2, 1, 3) R 3 Solución. a) Las filas de la matriz de cambio de base de B 1 a B 2 son las coordenadas de los vectores de B 1 en la base B 2. Para el primer vector: α( 1, 0, 1) + β(0, 1, 0) + γ(0, 1, 1) = (1, 1, 1) α = 1 β + γ = 1 α γ = 1 La solución única de ese sistema es α = 1, β = 3, γ = 2, que da la primera fila de la matriz P, esto es, ( 1, 3, 2). Del mismo modo se calculan las coordenadas de los otros dos vectores de B 1 en B 2, y se obtienen las demás filas de P. En concreto se obtiene: P = Las ecuaciones del cambio de base se obtienen ahora fácilmente: 8

9 1 3 2 (x, y, z ) B2 = (x, y, z) B ; x = x y = 3x 2y z z = 2x y z b) Las coordenadas de (2, 1, 3) en B 1 se obtienen empleando el sistema: α(1, 1, 1) + β(0, 1, 1) + γ(0, 0, 1) = (2, 1, 3) α = 2 α + β = α + β + γ = 3 y son (2, 3, 4) B1. Con ello, las coordenadas en la base B 2, empleando las ecuaciones del cambio de base, son: ( 2, 4, 5) B2. (Podemos comprobar que efectivamente son esas las coordenadas, que no ha habido errores en los cálculos, efectuando la combinación lineal con las coordenadas obtenidas y los vectores de las bases (B 1 y B 2 respectivamente) y comprobando que se obtiene el vector de partida, el (2, 1, 3)). 1, 2.3. Aplicaciones lineales. Las aplicaciones entre espacios vectoriales que conservan la estructura son las aplicaciones lineales. Si U y V son espacios vectoriales sobre el mismo cuerpo de escalares K, una aplicación f : U V se dice aplicación lineal si cumple: f(u + v) = f(u) + f(v) y f(αu) = αf(u) para cualesquiera u, v U y α K. Esas dos condiciones se pueden sustituir, de modo equivalente, por la única condición siguiente: f es aplicación lineal si y sólamente si se cumple: f(αv + βv) = αf(u) + βf(v), u, v U, α, β K. Elgunos ejemplos. Son lineales las siguientes aplicaciones, definidas en los espacios que en cada caso se indica: f : P 3 [x] P 2 [x], f(p) = p, donde p denota la derivada de p. g : R 3 R 4, g(x, y, z) = (2x, x + 2z, 2y z, 3z). h: M 3,2 M 2,3, h(a) = A t, donde A t denota la matriz traspuesta de A. Con cada aplicación lineal f : U V tienen mucho interés dos subespacios vectoriales, uno en el espacio inicial U, formado por los vectores cuya imagen es el vector cero de V. Se llama Núcleo de f y se denota ker f. El otro en el espacio final V, formado por los vectores que son imagen de algún vector de U. Se llama imagen de f y se denota im f. En concreto, la definición de cada uno de ellos es: ker f = {u U : f(u) = 0}, im f = {v V : u U, f(u) = v}. Entre ambos subespacios existe la siguiente relación: Dada una base B = {e 1, e 2..., e k } de ker f, si {e k+1, e k+2,..., e n } son vectores que, añadidos a B forman base de U, entonces el conjunto sus imágenes {f(e k+1 ), f(e k+2 ),..., f(e n )} son vectores de V que forman base de im f. 9

10 De ello se concluye la siguiente relación entre las dimensiones: dimu = dim ker f + dim im f. A la dimensión del subespacio im f se le llama rango de la aplicación lineal f. Además, la imagen de los vectores de una base cualquiera son siempre un sistema generador del subespacio imagen. Matriz de la aplicación lineal. Dada una aplicación lineal f : U V y fijadas bases B U = {u 1, u 2,... u n } y B V = {v 1, v 2,... v m } de los respectivos espacios, se llama matriz de f en esas bases a la matriz A M n,m cuya fila k-esima consta de las coordenadas del vector f(u k ) respecto de la base B V. Conocida esa matriz, se puede calcular la imagen de cualquier vector x U. De hecho, si X = (x 1, x 2,..., x n ) son las coordenadas de x en B U entonces las coordenadas X = (x 1, x 2,..., x n) de f(x) en B V se obtienen por: X = XA. (2.2) Desarrollando ese producto de matrices e individualizando cada igualdad se obtienen las ecuaciones de la aplicación lineal f. Si en la igualdad (2.2) se toma traspuesta en ambos miembros, se obtiene la igualdad equivalente X t = A t X t. Esto muestra que la matriz de la aplicación lineal se puede crear por columnas y multiplicándola por la columna de las coordenadas de x se obtiene la columna de las coordenadas de f(x). Así se hace en varios libros de la literatura. Ejemplo 2.6. Calcula la matriz y las ecuaciones de la aplicación lineal g de R 3 en R 4, definida por g(x, y, z) = (2x, x + 2z, 2y z, 3z) respecto de las bases: B R 3 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} y B R 4 = {( 1, 0, 1, 0), (0, 1, 1, 0), (0, 0, 1, 1), (0, 0, 0, 1)}. Solución. Las imágenes de los vectores de B R 3 son respectivamente (2, 3, 1, 3), (0, 2, 1, 3), (0, 2, 1, 3) R 4. Ahora se calcula la imagen de cada uno de esos vectores respecto de B R 4. α( 1, 0, 1, 0) + β(0, 1, 1, 0) + γ(0, 0, 1, 1) + δ(0, 0, 0, 1) = (2, 3, 1, 3) α = 2 β = 3 α + β γ = 1 γ δ = 3 Resolviendo se obtiene α = 2, β = 3, γ = 6, δ = 3 que da la primera fila de la matriz. Procediendo de modo análogo para los otros dos vectores se obtiene la matriz de g: Las ecuaciones de g son entonces A =

11 (x, y, z, t ) = (x, y, z) ; x = 2x y = 3x 2y 2z z = 6x 3y z t = 3x + 2z. El rango de la matriz A de una aplicación lineal f coincide con el rango de f. De hecho, las filas de A que proporcionan su rango son las coordenadas de los vectores de una base de im f. Obsérvese que la matriz A de la aplicación lineal depende de las bases empleadas. Si se cambia de base en los espacios U y V se obtiene una matriz distinta. Matriz de la aplicación lineal y cambio de base. Matrices equivalentes. Dada f : U V aplicación lineal, si A, A M n,m son matrices de f respecto de las bases B U, B V y B U, B V, consideremos las matrices P M n y Q M m de cambio de bases de B U a B U y B V a B V respectivamente. Entonces se tiene la relación A = P AQ 1. El siguiente esquema resume la situación, teniendo en cuenta que la matriz de f fijadas las bases es única. f : (U, B U ) (V, B V ) A P Q 1 f : (U, B U ) (V, B V ) A Las matrices A y A así relacionadas son llamadas matrices equivalentes. Es decir dos matrices A, A M n,m son equivalentes si y sólo si corresponden a la misma aplicación lineal en bases distintas o, lo que es lo mismo, si y sólo si A = P AQ 1, para dos matrices P M n y Q M m regulares. Es sencillo deducir que dos matrices equivalentes tienen igual rango. Es también cierto, aunque no tan sencillo de deducir, que dos matrices con el mismo orden y el mismo rango son equivalentes. Ejemplo 2.7. Calcula la matriz de la aplicación lineal g(x, y, z) = (2x, x + 2z, 2y z, 3z) del ejercicio anterior respecto de las bases canónicas de R 3 y R 4 Calcula las matrices de cambio de base entre las bases del ejercicio anterior y las bases canónicas y comprueba la relación de equivalencia mediante dichas matrices. Solución. f(1, 0, 0) = (2, 1, 0, 0), f(0, 1, 0) = (0, 0, 2, 0), f(0, 0, 1) = (0, 2, 1, 3). Ahora en R 4 como se trata de la base canónica, las coordenadas y los vectores coinciden. Por tanto la matriz de f respecto de las bases canónicas es: A = La matriz de cambio de base en R 3 de B R 3 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} a la base canónica es P 1 =

12 Calculando la matriz inversa obtenemos P = La matriz Q 1 en R 4 de cambio de base de B R 4 = {( 1, 0, 1, 0), (0, 1, 1, 0), (0, 0, 1, 1), (0, 0, 0, 1)} a la base canónica es Q = Ahora P AQ 1 = = A. Una aplicación lineal f establecida entre un espacio vectorial U de dimensión n y él mismo, se llama endomorfismo de U. En este caso se puede emplear una sola base y la matriz de f es una matriz cuadrada A M n. Si se cambia esa base, y P M n es la matriz de cambio de la nueva base a la antigua, entonces la nueva matriz de f es A = P AP 1. Las matrices A y A se dicen semejantes. En particular dos matrices semejantes tienen el mismo rango, pero no todas las matrices cuadradas con el mismo rango so semejantes Espacio Afín. Consideremos un conjunto E no vacío, a cuyos elementos llamaremos puntos (y denotaremos con letras latinas mayúsculas) y un espacio vectorial V. También una aplicación que a cada par de puntos (A, B) asigne un vector de V (que en este contexto denotaremos AB) y que cumpla las condiciones: 1) Si A, B, C E, entonces AB + BC = AC. 2) Dados P E y v V, existe un único Q E tal que P Q = v. Entonces diremos que E es un espacio afín sobre el espacio vectorial V. A P Q se le llama representante del vector v y los puntos P y Q son el origen y extremo respectivamente del vector P Q. La dimensión del espacio vectorial V es, por definición, la dimensión del espacio afín E. Algunas propiedades que se deducen de la definición anterior son las siguientes: a) P Q = 0 si y sólo si P = Q. 12

13 b) P Q = QP. c) si P Q = P Q entonces P P = QQ. Daremos algún ejemplo de espacio afín, que es por cierto el que más emplearemos: Para un n N cualquiera consideremos E n = R n como conjunto de puntos y consideremos también V n = R n como espacio vectorial. A cada par de puntos P, Q con P = (p 1, p 2,..., p n ) y Q = (q 1, q 2,..., q n ), se le asocia el vector P Q = (q 1 p 1, q 2 p 2,..., q n p n ) R n. Entonces E n es espacio afín sobre V n. Para los casos n = 2 y n = 3 se tiene el plano afín y el espacio afín real tridimensional. Sea E un espacio afín de dimensión n sobre el espacio vectorial V. Se llama sistema de referencia al conjunto R = {O; v 1, v 2,..., v n } formado por un punto O y una base de V, {v 1, v 2,..., v n }. Al punto O se le llama origen del sistema de referencia. Cada punto P E viene individualizado por los n escalares (α 1, α 2,..., α n ) que son las coordenadas de OP en la base {v 1, v 2,..., v n }. A tales escalares se les llama coordenadas de P respecto del sistema R. Es fácil comprobar que si P, Q E tienen por coordenadas respectivamente P = (p 1, p 2,..., p n ) Q = (q 1, q 2,..., q n ) respecto de un sistema de referencia, R = {O; v 1, v 2,..., v n } entonces el vector P Q tiene por coordenadas (q 1 p 1, q 2 p 2,..., q n p n ) respecto de la base. En efecto: P Q = P O + OQ = OQ OP. Basta ahora observar que OQ OP = (q 1 v 1 + q 2 v q n v n ) (p 1 v 1 + p 2 v p n v n.) Cambio de sistemas de referencia. Supongamos dos sistemas de referencia R 1 = {O; u 1, u 2,..., u n } y R 2 = {O ; v 1, v 2,..., v n } de un espacio afín E. Para poder calcular las coordenadas de un punto cualquiera X respecto de R 2, conocidas sus coordenadas respecto de R 1, se deben conocer: - Las coordenadas del origen antiguo O respecto del sistema nuevo R 2. Sean (o 1, o 2..., o n ) esas coordenadas. - La matriz de cambio de base de la base antigua {u 1, u 2,..., u n } a la base nueva {v 1, v 2,..., v n }. Sea P = (p ij ) esa matriz. En ese caso, las coordenadas (x 1, x 2,..., x n) de X respecto de R 2 se obtienen a partir de las coordenadas (x 1, x 2,..., x n ) respecto de R 1 por la expresión: Efectuando ese producto matricial se obtienen las ecuaciones del cambio de sistema de referencia: (1, x 1, x 2,..., x n) = (1, x 1, x 2,..., x n ) 1 o 1 o 2... o n 0 p 11 p p 1n 0 p 21 p p 2n p n1 p n2... p nn x 1 = o 1 + p 11 x 1 + p 21 x p n1 x n x 2 = o 2 + p 12 x 2 + p 22 x p n2 x n x n = o n + p 1n x 1 + p 2n x p nn x n 13

14 La matriz de un cambio de sistema de referencia tiene inversa, que es precisamente la matriz del cambio inverso (de R 2 a R 1 ). En el caso particular en que ambos orígenes coincidan, al cambio de sistema de referencia se le llama un cambio de base, y el caso en que coincidan ambas bases y sólo se haya cambiado el origen O por O, al cambio de sistema se le llama una traslación de vector OO. En realidad, cualquier cambio de sistema de referencia es la composición de una traslación y un cambio de base. Un ejercicio interesante es escribir la matriz de una traslación y la de un cambio de base, y comprobar que cualquier matriz de cambio de sistema de referencia se puede obtener como producto de una de cada uno de esos dos tipos. Ejemplo 2.8. En el espacio afín R 3 consideramos los puntos A = (1, 2, 1), B = ( 1, 1, 2), C = (0, 1, 3), D = (2, 1, 5). Consideremos el sistema de referencia R 1 = {A; AB, AC, AD}. Consideremos también el sistema de referencia canónico (origen en el cero O y la base canónica), que llamamos R 2. Calcula las ecuaciones del cambio de sistema de referencia, de R 1 a R 2. También las de R 2 a R 1. De una recta que pasa por los puntos P (1, 1, 0) y Q(0, 1, 1), Cuál es su ecuación respecto del sistema R 1? Solución. Teniendo en cuenta que en el sistema de referencia canónico todo punto de R 3 coincide con sus coordenadas, los vectores de la base de R 1 respecto de la base canónica tienen por coordenadas: AB = ( 2, 1, 1), AC = ( 1, 1, 2), AD = (1, 3, 4). Las coordenadas del origen antiguo A respecto del nuevo sistema de referencia R 2 es OA = (1, 2, 1) Por tanto la expresión del cambio de R 1 a R 2 es: (1, x, y, z ) = (1, x, y, z) Realizando ese producto se obtienen las ecuaciones del cambio de sistema pedido. Para el cambio de R 2 a R 1, calculamos la matriz inversa y obtenemos: (1, x, y, z) = (1, x, y, z 0 1/3 1/6 1/6 ) 0 1 3/2 1/2 0 2/3 7/6 1/6 Los puntos de la recta que pasa por P y Q se expresan en R 2 por (1 α, 1 2α, α), α R. (Basta encontrar la ecuación paramétrica). Las coordenadas de esos puntos respecto del sistema R 1 se obtiene aplicando la matriz de cambio de R 2 a R 1. En concreto la ecuación paramétrica es (5/3 + 5β, 8/3 5β, 2/3 + 2β), β R. 14

15 2.5. Producto escalar en un espacio vectorial. Dado un espacio vectorial V sobre R, a una aplicación que asigne a cada par de vectores x, y V un número real x y R y que cumpla las propiedades: a) x x 0, x x = 0 x = 0, b) x (y + z) = x y + x z, c) x y = y x, d) (λx) y = λ(x y) x, y, z V, λ R. se le llama un producto escalar en V, y a (V, ) un espacio euclídeo. Es destacable que la estructura euclídea permite introducir los conceptos de ángulos y distancias entre vectores. Previo a ello se introduce el concepto de norma de un vector, que para x V se denota x y se define por x = + x x. Tres propiedades que verifica la norma: a) x 0, x = 0 x = 0. b) λx = λ x. c) x + y x + y, x, y V, λ R. Ahora la distancia entre dos vectores se define por: d(x, y) = x y y el ángulo x, y como el único θ [0, π] tal que cos(θ) = x y x y. Un concepto muy destacable asociado al de producto escalar es el de ortogonalidad. Dos vectores x, y V se dicen ortogonales (se denota x y) si x y = 0 (equivalentemente, si x = 0 o y = 0 o cos( x, y) = 0). Este concepto de ortogonalidad se extiende a bases y a subespacios. Dos subespacios S, T son ortogonales si x y = 0, x S, y T. Una base B = {v 1, v 2,, v n } se dice base ortogonal si cada vector de la base es ortogonal a los demás (v i v j = 0, i j), y se dice base ortonormal si es ortogonal y v i = 1, i = 1, 2, n (un vector de norma uno se dice vector unitario). Además fijado un vector x V, el conjunto de todos los vectores ortogonales a x forman un subespacio vectorial conocido como subespacio ortogonal a x, y denotado x Fijada una base B V = {v 1, v 2,, v n }, el producto escalar se puede expresar mediante una matriz. Se llama matriz métrica y se define por: v 1 v 1 v 1 v 2... v 1 v n v 2 v 1 v 2 v 2... v 2 v n v n v 1 v n v 2... v n v n A partir de la matriz, si (x 1, x 2,..., x n ), (y 1, y 2,..., y n ) son las coordenadas de x, y V entonces el producto escalar se obtiene por la expresión: v 1 v 1 v 1 v 2... v 1 v n v 2 v 1 v 2 v 2... v 2 v n x y = (x 1, x 2,..., x n ) v n v 1 v n v 2... v n v n Se observa fácilmente que, respecto de una base ortogonal la matriz del producto escalar es una matriz diagonal y si además la base es ortonormal, la matriz es la identidad. Entonces el producto escalar de dos vectores es la suma de los productos de sus coordenadas. 15 y 1 y 2. y n.

16 Un primer ejemplo de espacio euclideo es el espacio vectorial R n (fijado un n N) con el llamado producto escalar usual: x y = x 1 y 1 + x 2 y x n y n. Para él la base canónica es base ortonormal. Ejemplo 2.9. Consideremos el espacio vectorial R 2 con el producto escalar definido por: x y = x 1 y 1 + x 2 y 1 + x 1 y 2 + 2x 2 y 2 ; x = (x 1, x 2 ), y = (y 1, y 2 ). Calcula el ángulo y la distancia entre los vectores ( 1, 2) y (2, 3). El subespacio ortogonal al vector ( 2, 1). La matriz del producto escalar respecto de la base canónica y respecto de la base B = {(1, 1), (0, 1)}. Solución. d(( 1, 2), (2, 3)) = ( 3, 5) = ( 3, 5) ( 3, 5) = 29. Para el ángulo, hemos de calcular el producto escalar de ambos vectores y sus normas. ( 1, 2) (2, 3) = 7, ( 1, 2) = 5, (2 3) = 10. Ahora ( 1, 7 2)(2, 3) = arcos( ) = 171,86 o. 50 El subespacio ortogonal: ( 2, 1) = {(x, y) : 2x + x 2y + 2y = 0} = {(x, y) : x = 0} Las matrices del producto escalar respecto de la base canónica y respecto de la base B son, respectivamente ( ), ( ). Finalizamos el tema con la siguiente definición: un espacio afín E se dice que es afín-euclídeo si el espacio vectorial asociado es un espacio vectorial euclídeo. Estos son los espacios de la geometría y con esta estructura se tienen como sabemos, ángulos y distancias entre vectores. Además se define la distancia de un punto P a otro Q por: d(p, Q) = P Q Cuestiones y Problemas. 1. Si en el espacio vectorial usual R 2 sustituyéramos el producto por escalares por la operación externa: λ(x, y) = (λ 2 x, λ 2 y) Seguiría siendo un espacio vectorial? 2. Dados dos subespacios vectoriales S, T de un espacio vectorial V, se define la intersección y la suma de ambos, respectivamente, por S T = {x V : x S, x T }, S + T = {u + v V : u S, v T }. Comprueba que ambos son subespacios. (Entre sus dimensiones se cumple la relación: dim(s + T ) = dims + dimt dim(s T ).) 3. En R 3, dados los subespacios: S = {(x, y, z): x 2y = 0}, T =< (2, 1, 1), (0, 1, 1) >, obtener las ecuaciones y una base de S, T, S + T y S T. 16

17 4. Comprueba que las siguientes son bases de P 3 [x] y calcula las dos matrices de cambio de base. B = {x 3, x 2, x, 1} (base canónica de P 3 [x]) y B 2 = {x 3 x, 2x 2 + x, x, 2x + 1}. Calcula las coordenadas en cada una de esas bases de los vectores x 3 + 3x 2 + 2x 1 y 2x 3 + x Consideramos la aplicación lineal f : (x, y, z, t) R 4 (x 2y, y 2z, z 2t)R 3. Encuentra su núcleo y su imagen. Escribe las matrices de f respecto de las bases canónicas y también respecto de las bases: B 1 = {(0, 0, 0, 1), (0, 0, 1, 1), (0, 1, 1, 1), (1, 1, 1, 1)} y B 2 = {( 1, 1, 1), (0, 1, 1), (0, 0, 1)}. Comprueba que ambas matrices son equivalentes a través de las matrices de cambio de bases. 6. De un endomorfismo de R 3 se sabe que ker f = {(x, y, z): y = 0, z = 0} y que f(1, 1, 0) = (1, 1, 0) y f( 1, 0, 1) = (0, 1, 1). Calcula su matriz respecto de la base canónica. Calcula su rango y unas ecuaciones de su imagen. 7. En R 3 se define el producto escalar: x y = 2x 1 y 1 + 2x 2 y 2 + 2x 3 y 3 + x 1 y 3 + x 3 y 1, con x = (x 1, x 2, x 3 ), y = (y 1, y 2, y 3 ). Calcula la matriz respecto de la base canónica de R 3. Calcula el ángulo y la distancia entre los vectores (1, 1, 3) y (0, 2, 3). Escribe las ecuaciones implícitas del subespacio ortogonal de < (1, 1, 3), (0, 2, 3) >. También las de (0, 1, 2). 8. En el espacio afín R 3 se consideran los puntos P = (1, 0, 1), Q = (2, 3, 1), R = (0, 2, 3), S = (1, 1, 0). Comprobar que R = {P, P Q, P R, P S} es un sistema de referencia y calcular las coordenadas del punto M = ( 2, 4, 1). Obtener las ecuaciones del cambio del sistema R al sistema de referencia canónico. Si R 2 denota el sistema obtenido a partir de R 1 mediante traslación del vector (1, 2, 3), escribir el origen y la base que componen R 2. También las coordenadas de M. 17

18 Bibliografía [1] Juán de Burgos. Algebra Lineal y Geometría Cartesiana. Mc Graw Hill Ed.,(1999). [2] Juán de Burgos. Algebra Lineal Definiciones Teoremas y Resultados. García Morato S.L. Ed.,(2007). [3] José García García y Manuel López Pellicer. Algebra Lineal y Geometría. Curso teórico- práctico. Marfil Ed., (1992). [4] Agustín de la Villa. Problemas de Álgebra con esquemas teóricos. Clagsa Ed., (1998). 18

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un

Más detalles

Formas bilineales y cuadráticas.

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

Más detalles

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

Espacio afín. Transformaciones afines y movimientos

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

Más detalles

Tema 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

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

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

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 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

CAPÍTULO II. 3 El grupo lineal

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

Más detalles

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

CAPÍTULO II. 2 El espacio vectorial R n

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

Más detalles

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

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

Más detalles

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES

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

Más detalles

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

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

CAPÍTULO II. 4 El grupo afín

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

Más detalles

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

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

Más detalles

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

Segundo de Bachillerato Geometría en el espacio

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

Más detalles

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

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

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

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

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

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

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

Más detalles

1. Cambios de base en R n.

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

Más detalles

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

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

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

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

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

Más detalles

Espacios vectoriales 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

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

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

Más detalles

Subespacios vectoriales en R n

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

Más detalles

Tema 4.- El espacio vectorial R n.

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

Más detalles

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

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

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 2: Espacios vectoriales

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

Más detalles

Clase 15 Espacios vectoriales Álgebra Lineal

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

Más detalles

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

Sistemas de vectores deslizantes

Sistemas de vectores deslizantes Capítulo 1 Sistemas de vectores deslizantes 1.1. Vectores. Álgebra vectorial. En Física, se denomina magnitud fsica (o simplemente, magnitud) a todo aquello que es susceptible de ser cuantificado o medido

Más detalles

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

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

Más detalles

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide:

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide: .- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax, así como los subespacios vectoriales N(f) e Im(f) a) f(x,y) = (x,-y) b) f(x,y)

Más detalles

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

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

Más detalles

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

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

ÁLGEBRA LINEAL I Soluciones a la Práctica 6

ÁLGEBRA 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 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 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

1 El espacio vectorial R n.

1 El espacio vectorial R n. Manuel Gutiérrez Departamento de Álgebra, Geometría y Topología Universidad de Málaga February 26, 2009 1 El espacio vectorial R n. La estructura de espacio vectorial es posiblemente la estructura más

Más detalles

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

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

Más detalles

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

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

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

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

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

Más detalles

Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009)

Solución 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 detalles

Espacios vectoriales

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

Más detalles

1. Producto escalar, métrica y norma asociada

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

Más detalles

1. 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

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales

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

Más detalles

Valores propios y vectores propios

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

Más detalles

4 Aplicaciones lineales

4 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 detalles

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

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

Más detalles

Tema 7: ESPACIOS VECTORIALES AFINES

Tema 7: ESPACIOS VECTORIALES AFINES Tema 7: ESPACIOS VECTORIALES AFINES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura:

Más detalles

Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales.

Problemas 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 detalles

Algebra Lineal: Aplicaciones a la Física

Algebra Lineal: Aplicaciones a la Física Algebra Lineal: Aplicaciones a la Física Resumen del curso 2014 para Lic. en Física (2 o año), Depto. de Física, UNLP. Prof.: R. Rossignoli 0. Repaso de estructuras algebraicas básicas Un sistema algebraico

Más detalles

Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales.

Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales. Problemas y Ejercicios Resueltos. Tema : Espacios vectoriales. Ejercicios 1.- Determinar el valor de x para que el vector (1, x, 5) R 3 pertenezca al subespacio < (1,, 3), (1, 1, 1) >. Solución. (1, x,

Más detalles

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente. ÁLGEBRA DE MATRICES Página 49 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes

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

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

Algebra Lineal y Geometría.

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

Más detalles

Tema 3. Aplicaciones lineales. 3.1. Introducción

Tema 3. Aplicaciones lineales. 3.1. Introducción Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones

Más detalles

3 Espacios Vectoriales

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

Más detalles

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

GEOMETRÍA DEL ESPACIO EUCLÍDEO

GEOMETRÍA DEL ESPACIO EUCLÍDEO CAPÍTULO I. GEOMETRÍA DEL ESPACIO EUCLÍDEO SECCIONES 1. Vectores. Operaciones con vectores. 2. Rectas y planos en R 3. 3. Curvas y superficies en R 3. 4. Nociones de topología métrica. 1 1. VECTORES. OPERACIONES

Más detalles

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

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

Más detalles

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. Prácticas de Matemáticas I y Matemáticas II con DERIVE 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar si el

Más detalles

Tema 2 ESPACIOS VECTORIALES

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

Más detalles

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

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

Más detalles

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

(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

La aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es

La aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS 1 Aplicaciones lineales Núcleo e Imagen Tipos de aplicaciones lineales Sean E y E k-espacios vectoriales Definición 11 Una

Más detalles

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

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

Más detalles

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

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

Más detalles

Espacios Vectoriales

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

Más detalles

Teoría Tema 5 Espacios vectoriales

Teoría Tema 5 Espacios vectoriales página 1/14 Teoría Tema 5 Espacios vectoriales Índice de contenido Puntos en 2 y 3 dimensiones...2 Vectores en el plano...5 Suma de vectores...7 Combinación lineal de vectores...8 Sistema generador...10

Más detalles

Análisis III. Joaquín M. Ortega Aramburu

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

Más detalles

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

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

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

Más detalles

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental

Más detalles

UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES

UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES Departamento: Matemática Carrera: Analista en Computación ASIGNATURA: Geometría Código: 3327 Profesor Responsable:

Más detalles

Notas de Espacios Vectoriales

Notas de Espacios Vectoriales Notas de Espacios Vectoriales José Luis Mancilla Aguilar Depto. de Matemática, Fac. de Ingeniería, Univ. de Buenos Aires jmancil@fi.uba.ar 1 Propósito El objeto de estas notas es repasar las principales

Más detalles

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

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

Más detalles

Espacios vectoriales

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

Más detalles

CAPÍTULO II. 5 El grupo ortogonal

CAPÍTULO II. 5 El grupo ortogonal CAPÍTULO II 5 El grupo ortogonal Desde el punto de vista afín, no existen discriminaciones entre el sistema de referencia canónico y otro sistema de referencia arbitrario. Ello se debe a que uno puede

Más detalles

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

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

Más detalles

Polinomios y Fracciones Algebraicas

Polinomios y Fracciones Algebraicas Tema 4 Polinomios y Fracciones Algebraicas En general, a lo largo de este tema trabajaremos con el conjunto de los números reales y, en casos concretos nos referiremos al conjunto de los números complejos.

Más detalles

Vectores en el espacio

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

Más detalles