1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS
|
|
|
- Emilio Espejo del Río
- hace 10 años
- Vistas:
Transcripción
1 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 recta vectorial escrita en forma paramétrica. Se deja al alumno comprobar que A es subespacio vectorial de R 3. Debe demostrarse que, para cualesquiera dos vectores ū = (2x 1, x 1, 7x 1 ) A, v = (2x 2, x 2, 7x 2 ) A y un escalar λ R, se cumple que ū + v A y que λū A. b) A = {(x, y, z)/xy = 1} El conjunto A no es subespacio vectorial de R 3. Basta comprobar que el elemento neutro 0 = (0, 0, 0) no está en A. c) A = {(x, y, z)/x = y ó x = z} El conjunto A es la unión de dos planos vectoriales y no es subespacio vectorial de R 3. Para ello, basta elegir dos vectores que estén en A y cuya suma no permanezca en A. Por ejemplo, sean ū = (1, 1, 0) A y v = (1, 2, 1) A. Es claro que ū + v / A. d) A = {(x, y, z)/x + y + z = 0 y x y z = 0} El conjunto A es una recta vectorial (intersección de dos planos vectoriales) y sí es un subespacio vectorial de R 3. Se deja al alumno comprobarlo (véase el ejercicio 5 para una demostración de este resultado en un ámbito más general). 2. Analizar cuáles de los siguientes conjuntos son subespacios vectoriales de R n [t] (conjunto de los polinomios con grado menor o igual a n 1, con coecientes en el cuerpo R). a) El conjunto A de todos los polinomios con coecientes en R de grado n y el polinomio cero. El conjunto A no es subespacio vectorial de R n [t]. Basta elegir los polinomios p(t) = t n A y q(t) = t n + 1 A. Es claro que q(t) p(t) / A. b) A = {p(t) R n [t]/3p(0) + p(1) = 1}. El conjunto A no es subespacio vectorial de R n [t] ya que el elemento neutro (el polinomio idénticamente nulo) no está en A. c) A = {p(t) R n [t]/p (0) + p (0) = 0} El conjunto A es subespacio vectorial de R n [t]. Se escogen dos polinomios p(t), q(t) A y un escalar λ R. Entonces
2 2 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS (p + q) (0) + (p + q) (0) = p (0) + q (0) + p (0) + q (0) = 0 Esto demuestra que p + q A. Por otro lado, con lo que λp A. (λp) (0) + (λp) (0) = λ(p (0) + p (0)) = 0 3. Analizar cuáles de los siguientes conjuntos son subespacios vectoriales de M n n (R). a) A = {M M n n (R)/det(M) = 0}. El conjunto A no es subespacio vectorial de M n n (R). Basta considerar las matrices diagonales M 1 = , M 2 = Es claro que M 1, M 2 A pero M 1 + M 2 / A. b) A = {M M n n (R)/det(M) 0} El conjunto A no es subespacio vectorial de M n n (R) ya que el elemento neutro (la matriz nula) no pertenece a A. c) A = {M M n n (R)/tr(M) = 0}. El conjunto A es subespacio vectorial de M n n (R). Consideremos dos matrices M 1 y M 2 con tr(m 1 ) = tr(m 2 ) = 0. Entonces tr(m 1 + M 2 ) = tr(m 1 ) + tr(m 2 ) = 0, con lo que se prueba que M 1 + M 2 A. Es igualmente fácil ver que, dado λ R y M 1 A, entonces λm 1 A. 4. Sea F (R, R) el espacio vectorial real de las funciones reales de variable real. Estudiar cuáles de los siguientes subconjuntos son subespacios vectoriales de F (R, R). a) W = {f F (R, R)/f es continua en el intervalo (a, b)}. Como la suma de funciones continuas es continua y el producto por un escalar de una función continua es otra función continua, se tiene que W es subespacio vectorial de F (R, R). b) W = {f F (R, R)/f(1) = f(2)}. El conjunto W es subespacio vectorial de F (R, R). La demostración se deja al lector.
3 1.1 ESPACIOS VECTORIALES 3 c) W = {f F (R, R)/f es creciente en el intervalo (a, b)}. El conjunto W no es subespacio vectorial de F (R, R) ya que el elemento neutro (la función idénticamente nula) no pertenece a W. 5. Se considera el sistema lineal homogéneo de m ecuaciones con n incógnitas sobre el cuerpo R: a 11 x a 1n x n = 0... a m1 x a mn x n = 0 Demostrar que el conjunto W de soluciones es un subespacio vectorial de R n. Sean r = r 1. r n, s = s 1. s n dos soluciones del conjunto W. Se tiene que A r = 0 y A s = 0, siendo A la matriz de coecientes a 11 a 1n A =..... a m1 a mn Si queremos ver que r + s W sólo tendremos que comprobar que A( r + s) = 0, algo que resulta obvio ya que A( r + s) = A r + A s = 0. De igual modo se concluye que, si λ R y r W, entonces λ r W. 6. El rango de una matriz A coincide siempre con el número máximo de vectores la linealmente independientes y con el número máximo de vectores columna linealmente independientes. Estudiar, utilizando este hecho, si los siguientes conjuntos de vectores son linealmente dependientes o independientes: a) {(2, 1, 4), (4, 2, 8)}. No son linealmente independientes ya que r(a) = 1, siendo A la matriz que tiene por las (o columnas) a los vectores de la familia dada. b) {(2, 1, 4), (4, 1, 8), (1, 0, 3)}. Sea A la matriz A =
4 4 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS Se tiene que, escalonando la matriz A, r(a) = r = r = 3, de manera que los tres vectores son linealmente independientes. c) {(2, 1, 4, 0), (0, 3, 1, 5), (4, 1, 7, 5)} Sea A = Se tiene, escalonando la matriz, r(a) = r = r = 2, de modo que los vectores son linealmente dependientes. d) {(1, 1, 1, 0), ( 1, 0, 1, 1), (0, 3, 1, 1), (6, 1, 2, 0)} Sea A = Al escalonar la matriz se obtiene r(a) = r = r = r = 4, con lo que los vectores son linealmente independientes. = 7. En R 3 se consideran los vectores u = (1, 2, 1), v = (1, 3, 2), x = (1, 1, 0), y = (3, 8, 5). Demostrar que L({x, y}) = L({u, v}). Sean W 1 = L({x, y}) y W 2 = L({u, v}). Es claro que dim(w 1 ) = dim(w 2 ) = 2. Será suciente ver que r = r = 2, esto es, el máximo número de columnas linealmente independientes es 2, lo que implica que ambos planos, W 1 y W 2, son el mismo plano.
5 1.1 ESPACIOS VECTORIALES 5 8. Determinar si las siguientes familias de vectores son sistemas de generadores de R 3. En los casos armativos, obtener una base. a) {(1, 1, 0), (2, 3, 8)} No es sistema de generadores (deben ser al menos 3 vectores). b) {(1, 1, 1), (2, 2, 0), (3, 0, 0)} Como r = 3, se tiene que los tres vectores son sistema de generadores (y base) de R c) {(2, 1, 3), (4, 1, 2), (8, 1, 8)}. Como r = r los tres vectores no son sistema de generadores de R 3. d) {(1, 3, 3), (1, 3, 4), (1, 4, 3), (6, 2, 1)}. Como r = r = r = 3, = 2, se tiene que = el conjunto de cuatro vectores es sistema de generadores de R 3. Tendremos que coger tres de ellos que sean linealmente independientes para obtener una base. Si los vectores han sido colocados en forma de columna y se ha escalonado la matriz, basta considerar las columnas asociadas a las cabeceras de la matriz escalonada. Las posiciones de estas columnas (en este caso son las tres primeras) se corresponden con las posiciones de los vectores columna de la matriz inicial que dan lugar a una base. De manera que una base de entre la familia de cuatro vectores podría ser la formada por los tres primeros (tal como aparecen en forma de columna en la matriz que escalonamos). 9. En el espacio vectorial R n [t] de los polinomios con grado menor o igual que n sobre el cuerpo R, se considera el conjunto de vectores B = {1, t, t 2,..., t n } Probar que B es una base de R n [t].
6 6 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS Veamos primero que son sistema de generadores. Dado un polinomio p(t) = a 0 + a 1 t + + a n t n R n [t], es claro que p(t) se puede escribir como combinación lineal de los elementos de la familia B. Para probar la independencia lineal, recurrimos a la denición y consideramos la igualdad a 0 + a 1 t + + a n t n = 0 La única posibilidad de que esto sea cierto para todo valor de t es que a 0 = a 1 = = a n = En el espacio vectorial M 2 2 (R) de las matrices de orden 2 2 sobre el cuerpo R se considera el conjunto de vectores B = {( ) ( 0 1, 0 0 Probar que B es una base de M 2 2 (R). ) ( 0 0, 1 0 ) ( 0 0, 0 1 Veamos ( primero ) que son sistema de generadores. Dada una matriz a b A =, es claro que A se puede escribir en la forma c d ( ) ( ) ( ) ( ) A = a + b + c + d Para ver que son linealmente independientes, únicamente hace falta aplicar la denición de independencia lineal. Si se tiene la igualdad ( 1 0 a 0 0 ) ( b 0 0 entonces a = b = c = d = 0. ) ( c 1 0 ) ( d 0 1 ) = )} ( Determinar la dimensión y una base del subespacio vectorial de R 4 engendrado por los vectores ), Escalonamos la matriz A = {(2, 1, 4, 0), (0, 3, 1, 5), (4, 1, 7, 5)}
7 1.1 ESPACIOS VECTORIALES 7 La dimensión es 2 y una base es la formada por cualesquiera dos vectores linealmente independientes de la familia que nos dan o por la familia de vectores no nulos que aparecen en la matriz obtenida de escalonar A. En este caso escogemos como base 12. Sea B = {(2, 1, 4, 0), (0, 3, 1, 5)}. W = L{(1, 2, 1, 3, 4), (2, 4, 2, 6, 8), (1, 3, 2, 2, 6), (1, 4, 5, 1, 8), (2, 7, 3, 3, 9)} Hallar un subconjunto de los vectores que sea base de W. Se nos pide que elijamos, de entre los vectores que nos dan, una familia que sea base de la envolvente. Existen varios procedimientos. Se podrían escribir los vectores en forma de las de una matriz, escalonar la misma y, estudiando las operaciones elementales realizadas, obtener los vectores que dan lugar a la base. Otra técnica alternativa, que seguiremos ahora, es la siguiente: calculamos la dimensión escribiendo los vectores en forma de columnas de una matriz que escalonaremos. Las posiciones de las columnas asociadas a las cabeceras de la matriz escalonada serán las posiciones de las columnas de la matriz inicial que dan lugar a la base buscada. A = Se tiene que el rango es tres. De modo que deben elegirse 3 vectores linealmente independientes de la familia dada. Las columnas asociadas a las cabeceras de la matriz escalonada son la primera, la tercera y la quinta, de manera que nos quedamos con las columnas primera, tercera y quinta de la matriz inicial A. Esto quiere decir que una base asociada a W, y elegida entre los vectores que nos han dado, será B W = {(1, 2, 1, 3, 4), (1, 3, 2, 2, 6), (2, 7, 3, 3, 9)} 13. Se consideran en R 4 los subespacios vectoriales W 1 = L({(1, 1, 0, 1), ( 1, 0, 1, 0), (1, 2, 1, 2)}) W 2 = L({(0, 1, 1, 1), (1, 2, 1, 2)})
8 8 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS Hallar dim(w 1 W 2 ) y dim(w 1 +W 2 ) así como las ecuaciones implícitas y paramétricas de W 1, W 2 y W 1 + W 2. Estudiemos W 1. La dimensión de W 1 es dim(w 1 ) = r = r Una base para W 1 es B W1 = {(1, 1, 0, 1), (0, 1, 1, 1)}. Las ecuaciones paramétricas de W 1 serán x 1 = λ x W 1 2 = λ µ x 3 = µ x 4 = λ + µ = 2 Para obtener las ecuaciones cartesianas, consideramos un vector (x 1, x 2, x 3, x 4 ) W 1. Entonces se tiene 2 = r x 1 x 2 x 3 x 4 = r = r x 2 + x 1 x 3 x 4 x x 1 + x 2 + x 3 x 2 + x 4 = De manera que, al permanecer invariante el valor del rango, debe ocurrir x 1 +x 2 +x 3 = 0 y x 2 +x 4 = 0. Éstas son las ecuaciones cartesianas de W 1. Escribimos W 1 { x1 + x 2 + x 3 = 0 x 2 + x 4 = 0 Otro modo de obtener las ecuaciones cartesianas de W 1 es considerar (x 1, x 2, x 3, x 4 ) W 1 y la igualdad 2 = r x 1 x 2 x 3 x 4 Los menores de orden 3 son todos nulos y dan lugar a las ecuaciones cartesianas de W 1. Sin embargo, no todas serán independientes. Basta
9 1.1 ESPACIOS VECTORIALES 9 escoger un menor no nulo de orden máximo (de orden 2 en este caso) y extenderlo a todos los menores de una unidad mayor que sea posible. Así, se puede elegir el menor y extenderlo a los menores de orden x 1 x 2 x 3 = 0 y x 1 x 2 x 4 = 0 Estas dos igualdades dan lugar a las ecuaciones cartesianas de W 1, que ya habíamos calculado con otro método: W 1 { x1 + x 2 + x 3 = 0 x 2 + x 4 = 0 Por otro lado, resulta claro que dim(w 2 ) = 2, y una base suya es B W2 = {(1, 2, 1, 2), (0, 1, 1, 1)}. Además, como W 1 + W 2 = L({B W1 B W2 }), se tiene que dim(w 1 + W 2 ) = r = r = 2 Se deduce entonces que W 1 = W 2 = W 1 + W 2 = W 1 W 2. Las ecuaciones cartesianas, paramétricas y dimensiones de W 1 W 2 y de W 1 + W 2 serán las de W Determinar, en cada caso, si los vectores que se dan son una base de R 4. a) {(2, 1, 0, 1), (1, 2, 1, 0)}. b) {(0, 1, 2, 1), (1, 0, 1, 1), (0, 0, 2, 1), (0, 0, 1, 2)}. c) {(1, 0, 1, 0), (0, 1, 1, 1), (2, 1, 1, 0), (1, 1, 2, 1)}. Si ahora llamamos V 1, V 2 y V 3 a los subespacios vectoriales generados, respectivamente, por los vectores de a), b) y c), determinar: dim(v i ), i = 1, 2, 3; dim(v i V j ), i j, y ecuaciones de la intersección; dim(v i + V j ), i j, y ecuaciones de V i + V j ¾En qué casos R 4 = V i V j?
10 10 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS En el caso a) no hay base y dim(v 1 ) = 2. En el caso b) se tiene que r = r = 4, de modo que sí son base de R 4 y dim(v 2 ) = 4, esto es, V 2 = R 4. En el caso c) se tiene que r = r = r = 3, = de manera que en este caso no tenemos base y dim(v 3 ) = 3. A partir de lo observado, es claro que V 1 V 2 = V 1 y V 2 V 3 = V 3, con lo que dim(v 1 V 2 ) = dim(v 1 ) = 2 y dim(v 2 V 3 ) = dim(v 3 ) = 3. Las ecuaciones cartesianas de V 1 V 2 son las de V 1. Vamos a calcularlas. Sea (x 1, x 2, x 3, x 4 ) V 1. Entonces 2 = r Si se escogen los menores x 1 x 2 x 3 x x 1 x 2 x 3 = 0 y x 1 x 2 x 4 = 0 se obtienen las ecuaciones cartesianas de V 1 = V 1 V 2 V 1 = V 1 V 2 Las ecuaciones paramétricas son { x1 + 2x 2 3x 3 = 0 2x 1 + x 2 3x 4 = 0
11 1.1 ESPACIOS VECTORIALES 11 x 1 = λ + 2µ x V 1 = V 1 V 2 2 = 2λ + µ x 3 = λ x 4 = µ Determinemos ahora las ecuaciones cartesianas de V 2 V 3 = V 3. Sea (x 1, x 2, x 3, x 4 ) V 3. Entonces 3 = r x 1 x 2 x 3 x 4 de modo que la ecuación cartesiana de V 2 V 3 = V 3 es V 2 V 3 = V 3 { x 1 + x 2 + x 3 = 0} Calculemos dim(v 1 V 3 ) y sus ecuaciones cartesianas: dim(v 1 V 3 ) = dim(v 1 ) + dim(v 3 ) dim(v 1 + V 3 ) Se puede comprobar que dim(v 1 + V 3 ) = r de modo que dim(v 1 V 3 ) = = 1. = 4 Las ecuaciones cartesianas de V 1 V 3 serán la unión de las ecuaciones de V 1 y las de V 3, esto es, x 1 + 2x 2 3x 3 = 0 V 1 V 3 2x 1 + x 2 3x 4 = 0 x 1 + x 2 + x 3 = 0 A continuación escalonamos la matriz asociada al sistema
12 12 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS , de manera que se obtiene el sistema escalonado equivalente x 1 + 2x 2 3x 3 = 0 V 1 V 3 x 2 + 2x 3 x 4 = 0 2x 3 + x 4 = 0 Se tienen tres incógnitas cabeceras (x 1, x 2, x 3 ) y un parámetro (x 4 ). Las ecuaciones paramétricas serán x 1 = 5 2 λ x V 1 V 3 2 = 2λ x 3 = 1 2 λ x 4 = λ Por otro lado, como V 2 = R 4, emtonces V 1 + V 2 = V 2 + V 3 = R 4, con lo que dim(v 1 + V 2 ) = dim(v 2 + V 3 ) = 4. Además, por la fórmula de las dimensiones, dim(v 1 + V 3 ) = dim(v 1 ) + dim(v 3 ) dim(v 1 V 3 ) = = 4, lo cual implica que V 1 + V 3 = R 4. Las ecuaciones paramétricas serán x 1 = λ 1 V 1 + V 2 = V 2 + V 3 = V 1 + V 3 = R 4 x 2 = λ 2 x 3 = λ 3 x 4 = λ 4 En ninguno de los casos es R 4 = V i V j, ya que V i V j 0 para todo i j. 15. Sean U, V y W los siguientes subespacios de R 3 : U = {(a, b, c)/a+b+c = 0}, V = {(a, b, c)/a = c}, W = {(0, 0, c)/c R} Mostrar que: a) R 3 = U + V. b) R 3 = U + W. c) R 3 = V + W.
13 1.1 ESPACIOS VECTORIALES 13 ¾En qué casos es directa la suma? Probemos a). Basta ver que dim(u + V ) = 3. Por la fórmula de las dimensiones, dim(u + V ) = dim(u) + dim(v ) dim(u V ). La dimensión de U es dim(u) = 3 r ( ) = 2. La dimensión de V es dim(v ) = 3 r ( ) = 2. Por otro lado, dim(u V ) = ( ) r = 1, con lo que dim(u + V ) = = 3. En este caso no hay suma directa ya que el subespacio intersección es una recta. Probemos b). Basta ver que dim(u + W ) = 3. Es claro que W = L((0, 0, 1)) y que dim(w ) = 1. Las ecuaciones cartesianas de W son de modo que W { a = 0 b = 0 dim(u W ) = 3 r = 0 Esto implica que dim(u + W ) = = 3. En este caso sí hay suma directa ya que, al ser dim(u W ) = 0, se tiene que U W = 0. Probemos c). Basta ver que dim(v + W ) = 3. Se tiene que dim(v W ) = 3 r = 0 con lo que dim(v + W ) = = 3. En este caso sí hay suma directa. 16. Sean los subespacios vectoriales de R 4 siguientes: U = L({(1, 1, 0, 1), (1, 2, 3, 0), (2, 3, 3, 1)}) Hallar: V = L({(1, 2, 2, 2), (2, 3, 2, 3), (1, 3, 4, 3)}) a) dim(u + V ) y ecuaciones de U + V. b) dim(u V ) y ecuaciones de U V.
14 14 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS Resolvamos el apartado a). Como en el apartado b) necesitaremos calcular bases para U y para V, las obtenemos ahora. dim(u) = r = r Una base para U es B U = {(1, 1, 0, 1), (0, 1, 3, 1)}. Por otro lado, dim(v ) = r = r con lo que una base para V es B V = {(1, 2, 2, 2), (0, 1, 2, 1)}. Como consecuencia, se tiene que dim(u + V ) = r = r = r = 3 y una base de U + V será la formada por los vectores = B U+V = {(1, 1, 0, 1), (0, 1, 3, 1), (0, 0, 1, 2)} Las ecuaciones paramétricas son x 1 = λ 1 x U + V 2 = λ 1 + λ 2 x 3 = 3λ 2 + λ 3 x 4 = λ 1 + λ 2 + 2λ 3 Para obtener las ecuaciones cartesianas, se considera un vector (x 1, x 2, x 3, x 4 ) U + V y se observa que
15 1.1 ESPACIOS VECTORIALES 15 3 = r Esto da lugar a la ecuación implícita x 1 x 2 x 3 x 4 U + V { 4x 1 + 5x 2 2x 3 + x 4 = 0} Resolvamos el apartado b). La dimensión de la intersección de U y V es dim(u V ) = dim(u) + dim(v ) dim(u + V ) = = 1 Las ecuaciones cartesianas se obtienen uniendo las cartesianas de U con las de V. Calculemos en primer lugar las ecuaciones de U. Sea (x 1, x 2, x 3, x 4 ) U. Se tiene r x 1 x 2 x 3 x 4 = 3, de modo que, escogiendo un menor no nulo de orden máximo, por ejemplo , y extendiéndolo a todos los menores de orden 3 que sea posible, se obtienen las ecuaciones cartesianas de U: U { 3x1 3x 2 + x 3 = 0 2x 1 x 2 + x 4 = 0 Calculemos ahora las ecuaciones de V. Sea (x 1, x 2, x 3, x 4 ) V. Se tiene r x 1 x 2 x 3 x 4 = 3, de modo que, escogiendo un menor no nulo de orden máximo, por ejemplo , y extendiéndolo a todos los menores de orden 3 que sea posible, se obtienen las ecuaciones cartesianas de V :
16 16 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS V { 2x1 + 2x 2 x 3 = 0 x 2 + x 4 = 0 De este modo, las ecuaciones cartesianas de U V son 2x 1 + 2x 2 x 3 = 0 x U V 2 + x 4 = 0 3x 1 3x 2 + x 3 = 0 2x 1 x 2 + x 4 = 0 Si escalonamos la matriz asociada al sistema el sistema escalonado equivalente es x 1 + 2x 2 x 3 = 0 U V x 2 + x 4 = 0 x 3 = 0, Las incógnitas principales son x 1, x 2, x 3 y el parámetro es x 4, de modo que las ecuaciones paramétricas son x 1 = λ x U V 2 = λ x 3 = 0 x 4 = λ 17. Sean los subespacios vectoriales de R 4 siguientes: Calcular : W 1 = {(x, y, z, t) R 4 /x z = 0, y + t = 0} a) dim(w 1 ) y dim(w 2 ). W 2 = L({(0, 0, 0, 1), (1, 1, 1, 1)})
17 1.1 ESPACIOS VECTORIALES 17 b) dim(w 1 W 2 ) y ecuaciones de W 1 W 2. ¾Es R 4 = W 1 W 2? c) Hallar dim(w 1 + W 2 ). Resolvamos el caso a). Se tiene ( dim(w 1 ) = 4 r ( dim(w 2 ) = r ) = 2 y ) = 2 Estudiemos el caso b). Primero calculamos las ecuaciones de W 1 W 2. Para ello basta obtener las de W 2. Sea (x, y, z, t) W 2. Entonces 2 = r x y z t lo cual da lugar, si escogemos el menor no nulo de orden máximo y lo extendemos a todos los menores de orden 3 que podamos, a las ecuaciones W 2 { x z = 0 y z = 0 De este modo, las ecuaciones cartesianas de W 1 W 2 son El sistema escalonado asociado es Las ecuaciones paramétricas son x z = 0 W 1 W 2 y + t = 0 y z = 0 x z = 0 W 1 W 2 y + t = 0 z + t = 0 x = λ y = λ W 1 W 2 z = λ t = λ
18 18 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS Resulta dim(w 1 W 2 ) = 1. por lo que no hay suma directa. Resolvamos el apartado c). Por la fórmula de las dimensiones, dim(w 1 + W 2 ) = = En R 4 se consideran los subespacios vectoriales W 1 = {(x, y, z, t) R 4 /x y = 0, z + t = 0} W 2 = L({(1, 1, 2, 2), (1, 0, 1, 0)}). Calcular ecuaciones paramétricas, implícitas y bases de W 1, W 2, W 1 W 2 y W 1 + W 2. ¾Es R 4 = W 1 W 2? Las ecuaciones implícitas de W 1 vienen dadas en el enunciado del ejercicio. Las paramétricas son x = λ y = λ W 1 z = µ t = µ Una base de W 1 es B W1 = {(1, 1, 0, 0), (0, 0, 1, 1)}. Una base de W 2 es B W2 = {(1, 1, 2, 2), (1, 0, 1, 0)}. Las ecuaciones paramétricas son x = λ + µ y = λ W 2 z = 2λ µ t = 2λ Obtengamos las ecuaciones cartesianas de W 2. Dado (x, y, z, t) W 2, 2 = r x y z t Al escoger el menor no nulo de orden máximo y extenderlo a todos los menores posibles de orden 3, resulta W 2 { x + y + z = 0 2y t = 0 Las ecuaciones cartesianas de W 1 W 2 son
19 1.1 ESPACIOS VECTORIALES 19 x y = 0 z + t = 0 W 1 W 2 x + y + z = 0 2y t = 0 Si escalonamos la matriz asociada al sistema, obtenemos Entonces Las ecuaciones paramétricas son x y = 0 W 1 W 2 2y + z = 0 z + t = 0 x = λ y = λ W 1 W 2 z = 2λ t = 2λ Una base es B W1 W 2 = {( 1, 1, 2, 2)} Obtengamos una base de W 1 + W 2. Por la fórmula de las dimensiones sabemos que dim(w 1 + W 2 ) = = 3. Como W 1 + W 2 = L({(1, 1, 0, 0), (0, 0, 1, 1), (1, 1, 2, 2), (1, 0, 1, 0)}) basta escoger tres vectores de la envolvente lineal que sean linealmente independientes para tener una base, por ejemplo B W1 +W 2 = {(1, 1, 0, 0), (0, 0, 1, 1), (1, 0, 1, 0)}. Las ecuaciones paramétricas son x = λ 1 + λ 3 y = λ W 1 + W 2 1 z = λ 2 λ 3 t = λ 2 La ecuación cartesiana se obtiene considerando (x, y, z, t) W 1 + W 2 y observando que
20 20 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS 3 = r x y z t. Resulta W 1 + W 2 { x + y z t = 0}. Es evidente que no hay suma directa. 19. Sean W 1 = L({( 1, 0, 0, 1), (0, 1, 1, 1), (0, 1, 1, 0)}), W 2 = {(x, y, z, t) R 4 /x + t = 0}. a) Calcular las ecuaciones implícitas y paramétricas de W 2. b) Dar bases de W 1 W 2 y de W 1 + W 2. Resolvamos el apartado a). La ecuación implícita de W 2 es W 2 {x + t = 0}. Al pasar a paramétricas, se tiene x = λ 3 y = λ W 2 1 z = λ 2 t = λ 3 Una base para W 2 es B W2 = {(0, 1, 0, 0), (0, 0, 1, 0), ( 1, 0, 0, 1)}. Resolvamos el apartado b). En primer lugar, encontremos una base de W 1 +W 2 = L({( 1, 0, 0, 1), (0, 1, 1, 1), (0, 1, 1, 0), (0, 1, 0, 0), (0, 0, 1, 0)}) Escalonamos la matriz que tiene por las a los vectores generadores de W 1 + W Esto demuestra que dim(w 1 + W 2 ) = 4, de modo que W 1 + W 2 = R 4. Una base puede ser la canónica de R 4.
21 1.1 ESPACIOS VECTORIALES 21 La dimensión de W 1 W 2 es, por la fórmula de las dimensiones, dim(w 1 W 2 ) = = 2. Para obtener una base, determinamos antes sus ecuaciones cartesianas. Primero hallamos las ecuaciones implícitas de W 1. Sea (x, y, z, t) W 1. Entonces 3 = r x y z t de modo que W 1 {2x + y + z + 2t = 0}., Las ecuaciones implícitas de W 1 W 2 son { { 2x + y + z + 2t = 0 2x + y + z + 2t = 0 W 1 W 2 x + t = 0 y + z = 0 Al pasar a paramétricas, queda x = λ 2 y = λ W 1 W 2 1 z = λ 1 t = λ 2 de manera que una base será B W1 W 2 = {(0, 1, 1, 0), ( 1, 0, 0, 1)}. 20. En el espacio vectorial real M 2 2 (R) se consideran los subespacios vectoriales {( ) a b W 1 = c d (( 1 1 W 2 = L 1 1 } M 2 2 (R)/a + b + c + d = 0 ) ( 0 0, 0 1 Calcular una base, ecuaciones implícitas y paramétricas de W 1, W 2, W 1 + W 2 y W 1 W 2. Si jamos la base canónica de M 2 2 (R), {( ) ( ) ( B c =,, )) ) ( 0 0, 0 1 y trabajamos con coordenadas respecto de B c, el subespacio W 1 tiene ecuación cartesiana W 1 {x+y +z +t = 0} (hemos cambiado a, b, c, d por x, y, z, t). Por otro lado, el subespacio W 2 se puede escribir como )} W 2 = L((1, 1, 1, 1), (0, 0, 0, 1)) con coordenadas respecto de B c
22 22 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS Los vectores ( (1, 1, ) 1, ( 1), (0, 0, ) 0, 1) representan las coordenadas de las matrices, respecto de la base B c. De este modo, trabajando con las coordenadas, manipulamos vectores de R 4 en vez de matrices. Las ecuaciones paramétricas de W 1 son x = λ 1 λ 2 λ 3 y = λ W 1 1 z = λ 2 t = λ 3 Una base de W 1 es B W1 = {( 1, 1, 0, 0), ( 1, 0, 1, 0), ( 1, 0, 0, 1)} con coordenadas respecto de B c De modo que B W1 = Una base de W 2 es {( B W2 = ) ( 1 0, 1 0 {( ) ( 0 0, 0 1 ) ( 1 0, 0 1 Las coordenadas de estas matrices respecto de B c son (1, 1, 1, 1), (0, 0, 0, 1), de modo que las ecuaciones paramétricas de W 2 son x = λ 1 y = λ W 2 1 z = λ 1 t = λ 1 + λ 2 ( ) x y Determinemos ahora las ecuaciones cartesianas de W 2. Sea A = z t W 2. Entonces, trabajando con coordenadas, = r x y z t Escogiendo un menor no nulo de orden máximo, por ejemplo , y extendiéndolo a todos los menores de orden 3 posibles, se tienen las ecuaciones cartesianas de W 2, )} )}
23 1.1 ESPACIOS VECTORIALES 23 W 2 { x z = 0 y z = 0 Estudiemos ahora W 1 + W 2. Al trabajar en coordenadas: W 1 +W 2 = L({( 1, 1, 0, 0), ( 1, 0, 1, 0), ( 1, 0, 0, 1), (1, 1, 1, 1), (0, 0, 0, 1)}) No debe olvidarse que estos vectores representan las coordenadas de matrices respecto de B c. Si se calcula el rango de la matriz que tiene a estos vectores por las (o columnas), resulta r = 4 Debido a que dim(m 2 2 (R)) = 4, deducimos que W 1 +W 2 = M 2 2 (R). Una base de W 1 +W 2 puede ser la base canónica B c con la que estamos trabajando. Las ecuaciones paramétricas serán x = λ 1 y = λ W 1 + W 2 2 z = λ 3 t = λ 4 Falta estudiar W 1 W 2. La dimensión es dim(w 1 W 2 ) = = 1. Calculemos las ecuaciones implícitas. x + y + z + t = 0 W 1 W 2 x z = 0 y z = 0 En este caso no es necesario escalonar el sistema para pasar a paramétricas ya que resulta trivial. Al tener un solo parámetro, podemos suponer que es x = λ y obtenemos: x = λ y = λ W 1 W 2 z = λ t = 3λ {( )} 1 1 Una base de W 1 W 2 es B W1 W 2 = 1 3
24 24 1 SOLUCIONES A LOS EJERCICIOS PROPUESTOS 21. Dada la base de R 3, B = {v 1 = (1, 1, 1), v 2 = (1, 1, 2), v 3 = (1, 2, 3)}, hallar las coordenadas del vector x = (6, 9, 14) en dicha base, determinando previamente la matriz de cambio de base P = M(B c, B) de la base canónica B c en la base B. Resulta P = M(B c, B) = M(B, B c ) 1 = = Dado un vector x R 3, denotamos por X B y por X Bc a las coordenadas de x respecto de las bases B y B c respectivamente. Dado que X B = M(B c, B)X Bc, obtenemos X B = = En R 3 se consideran las bases B 1 = {(1, 0, 1), ( 1, 1, 1), (1, 1, 0)} y B 2 = {(2, 1, 1), (1, 1, 1), (1, 1, 1)} a) Calcular la matriz de cambio de base de B 2 a B 1. b) Calcular las coordenadas en la base B 1 del vector cuyas coordenadas en B 2 son (3, 2, 2). Resolvamos el apartado a). Para calcular M(B 2, B 1 ) basta escribir los vectores de la base B 2 en función de los vectores de B 1. Las coordenadas obtenidas serán las columnas de la matriz pedida. Esto implica resolver tres sistemas de tres ecuaciones con tres incógnitas, algo que puede resultar demasiado costoso. Es preferible obtener dicha matriz de un modo indirecto. Dado un vector x R 3 con coordenadas X B1, X B2 y X Bc respecto de las bases B 1, B 2 y la canónica B c respectivamente, se tiene X B1 = M(B 2, B 1 )X B2 = M(B c, B 1 )M(B 2, B c )X B2 La última igualdad se obtiene de observar que M(B 2, B c )X B2 = X Bc y, por tanto, M(B c, B 1 )M(B 2, B c )X B2 = X B1. En consecuencia, se deduce la igualdad M(B 2, B 1 ) = M(B c, B 1 )M(B 2, B c ). Obtendremos M(B 2, B 1 ) calculando las otras dos matrices.
25 1.1 ESPACIOS VECTORIALES 25 Es claro que y M(B 2, B c ) = M(B c, B 1 ) = M(B 1, B c ) 1 = Por consiguiente, M(B 2, B 1 ) = = = Veamos el apartado b). Se nos pide obtener las coordenadas de un vector x con respecto a la base B 1, X B1, sabiendo que sus coordenadas respecto de B 2 son X B2 = (3, 2, 2). Como X B1 = M(B 2, B 1 )X B2, X B1 = = 5 2 1
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,
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),
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
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
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
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
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
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
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,
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
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
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
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
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
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
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
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:
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 =
(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,
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
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
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
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
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)
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
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
Cambio de representaciones para variedades lineales.
Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia
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
Aplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
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
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
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
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
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............................................
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
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
1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
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
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
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
Práctica de Aplicaciones Lineales
practica5.nb 1 Práctica de Aplicaciones Lineales Aplicaciones lineales y matrices Las matrices también desempeñan un papel muy destacado en el estudio de las aplicaciones lineales entre 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
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..
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(
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
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
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
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
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
Tema 2. Aplicaciones lineales y matrices.
Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................
PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.
ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN
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
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
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
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)
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
Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. [email protected]
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
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
Problemas de Álgebra Lineal Espacios Vectoriales
Problemas de Álgebra Lineal Espacios Vectoriales 1. Estudia cuáles de los siguientes subconjuntos son subespacios de R n para el n que corresponda: i) S 1 = {(x, y, z, t) R 4 x + y + z + t = b} siendo
Ecuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
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.
x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
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
MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa
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
M a t e m á t i c a s I I 1
Matemáticas II Matemáticas II ANDALUCÍA CNVCATRIA JUNI 009 SLUCIÓN DE LA PRUEBA DE ACCES AUTR: José Luis Pérez Sanz pción A Ejercicio En este límite nos encontramos ante la indeterminación. Agrupemos la
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
GEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008
1. Sean los puntos A (1, 0,-1) y B (,-1, 3). Calcular la distancia del origen de coordenadas a la recta que pasa por A y B. Calculemos la recta que pasa por A y B. El vector AB es (1,-1,4) y por tanto
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
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
UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)
PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales
a < b y se lee "a es menor que b" (desigualdad estricta) a > b y se lee "a es mayor que b" (desigualdad estricta)
Desigualdades Dadas dos rectas que se cortan, llamadas ejes (rectangulares si son perpendiculares, y oblicuos en caso contrario), un punto puede situarse conociendo las distancias del mismo a los ejes,
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
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B 1. Una empresa tiene 3000 bolsas de ajo morado de Las
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
Tema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Ejercicios resueltos de vectores
Ejercicios resueltos de vectores 1) Sean a(2,-1,3), b(3,0,-2) y c(-2,-2,1), realiza las siguientes operaciones con vectores: a) 3a + b - c b) a -2b c) a c 2) Utilizando los vectores del ejercicio 1, comprueba
SISTEMAS DE ECUACIONES LINEALES
Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,
Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística.
Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Índice General 1 PRACTICAS CON MATHEMATICA 2 1.1 Introducción...
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..-
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
Tema 7: Valores y vectores propios
Tema 7: es y clausura s Espacios y Permutaciones es y clausura Una permutación p = {p 1, p 2,..., p n } de los números {1, 2,..., n} es una nueva ordenación de los elementos {1, 2,..., n}, es decir, un
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
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
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
Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012
Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes
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,
Vectores: Producto escalar y vectorial
Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con
Álgebra Lineal. Sesión de Prácticas 3: Subespacios vectoriales de K n. Operaciones con subespacios. Primero Grado Ingeniería Informática
Álgebra Lineal Sesión de Prácticas 3: Subespacios vectoriales de K n. Operaciones con subespacios Primero Grado Ingeniería Informática Departamento de Matemática Aplicada Facultad de Informática 1 / 22
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
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
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
Cálculo Simbólico también es posible con GeoGebra
www.fisem.org/web/union ISSN: 1815-0640 Número 34. Junio de 2013 páginas 151-167 Coordinado por Agustín Carrillo de Albornoz Cálculo Simbólico también es posible con GeoGebra Antes de exponer las posibilidades
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
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
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
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
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
