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

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

Download "E 1 E 2 E 2 E 3 E 4 E 5 2E 4"

Transcripción

1 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), (1, 1, 1, 1), (3, 1, 1, 2), (0, 1, 2, 1), (2, 1, 1, 1) en R 4 Solución: Como son 5 vectores de R 4 con toda seguridad son linealmente dependientes, pues hay más vectores que componentes tiene cada vector 1 Ahora, escribimos los vectores como las de una matriz A y calculamos la forma escalonada por las de dicha matriz A: A = E 1 E E 2 2E 1 E 3 3E 1 E 4 2E E 2 E 3 E E 5 2E E 3 + 2E 2 E 4 E 2 E 5 + 3E 2 E 5 2E 3 = U Como en la matriz escalonada por las U hay una la de ceros se deduce que los vectores originales son linealmente dependientes, como ya dijimos Por otro lado, sabemos que el subespacio de R 4 generado por las las de la matriz A coincide con el subespacio de R 4 generado por las las de la matriz escalonada U y además sabemos que las las distintas de cero de una matriz escalonada por las siempre son linealmente independientes De manera que: (2, 1, 1, 1), (1, 1, 1, 1), (3, 1, 1, 2), (0, 1, 2, 1), (2, 1, 1, 1) = 1 Os recuerdo que el espacio vectorial K n tiene dimensión n, de manera que cualquier familia de vectores de K n formada por más de n vectores es linealmante dependiente 1

2 = (1, 1, 1, 1), (0, 1, 1, 1), (0, 0, 1, 0), (0, 0, 0, 1) Como en la matriz escalonada U hay cuatro las linealmente independientes, las las distintas de cero, estas las tomadas como vectores de R 4 son un sistema generador, de hecho son una base de R 4, luego los vectores originales son un sistema generador de R 4 En resumen, el conjunto de vectores de R 4 (2, 1, 1, 1), (1, 1, 1, 1), (3, 1, 1, 2), (0, 1, 2, 1), (2, 1, 1, 1) es linealmente dependiente y un sistema generador de R 4 Como es linealmente dependiente no es una base de R 4, pero al ser un sistema generador de R 4 podemos extraer de él alguna base eliminando algún vector que sea combinación lineal de los demas Para hacer esto observemos lo siguiente, ya hemos dicho que las las de la matriz A y las las de la matriz U generan el mismo subespacio de R 4 A la vista de la matriz U vemos que sus cuatro primeras las forman una base de R 4, esto nos podría hacer pensar que las cuatro primeras las de A son una base de R 4 En general esto no es cierto pues durante el proceso de escalonamiento de la matriz A podríamos haber permutado la quinta la de A con alguna de las cuatro primeras las, de manera que las cuatro primeras las de U no se corresponderían con las cuatro primeras las de A Sin embargo, en este ejemplo concreto, como en el proceso de escalonamiento de la matriz A, las dos únicas permutaciones de las que ha habido son: F ila 1 F ila 2 y F ila 3 F ila 4, las cuatro primeras las de la matriz A forman una base de R 4 Luego, (2, 1, 1, 1), (1, 1, 1, 1), (3, 1, 1, 2), (0, 1, 2, 1), es una base de R 4 b) (1, 1, 1, 1, 1), (2, 1, 2, 1, 2), (1, 2, 1, 2, 1), (0, 0, 0, 0, 1) en Z 5 7 Como son cuatro vectores de K 5, donde K = Z 7, no pueden ser un sistema generador de Z 5 7, luego no son una base de Z5 7 Para ver si son linealmente independientes hacemos igual que en el ejercicio anterior, es decir, escribimos los vectores como las de una matriz A y calculamos la forma escalonada por las de dicha matriz A: A = E 2 + 5E 1 E 3 E 1 E 3 + E = U E 2 E 3 E 3 E 4 2

3 Como en la matriz escalonada U aparece una la de ceros podemos armar que los vectores la de la matriz A no son linealmente independientes Luego, los vectores (1, 1, 1, 1, 1), (2, 1, 2, 1, 2), (1, 2, 1, 2, 1), (0, 0, 0, 0, 1), no son linealmente independientes ni son un sistema generador de Z 5 7 y evidentemente tampoco son una base de Z 5 7 Por otro lado, lo que si podemos asegurar es que el subespacio vectorial de generado por los vectores, Z 5 7 (1, 1, 1, 1, 1), (2, 1, 2, 1, 2), (1, 2, 1, 2, 1), (0, 0, 0, 0, 1) es igual al subespacio vectorial de Z 5 7 generado por los vectores, es decir, (1, 1, 1, 1, 1), (0, 1, 0, 1, 0), (0, 0, 0, 0, 1) (1, 1, 1, 1, 1), (2, 1, 2, 1, 2), (1, 2, 1, 2, 1), (0, 0, 0, 0, 1) = (1, 1, 1, 1, 1), (0, 1, 0, 1, 0), (0, 0, 0, 0, 1) siendo (1, 1, 1, 1, 1), (0, 1, 0, 1, 0), (0, 0, 0, 0, 1) una base de dicho subespacio vectorial 2- Para el conjunto S de vectores siguiente se pide ver que son linealmente independientes, añadirles vectores hasta convertirlos en base y calcular las coordenadas del vector v en dicha base S = (1, 2, 1, 1), (1, 1, 0, 2), v = (1, 1, 3, 1), en Z 4 5 Solución: Veamos, en primer lugar que son linealmente independientes Para ello, como siempre, escribimos los vectores como las las de una matriz A y a continuación hallamos la forma escalonada por las de dicha matriz ( ) E2 + 4E 1 ( como al escalonar la matriz no aparece niguna la de ceros, los vectores son linealmente independientes Ahora completamos los vectores hasta formar una base de Z 4 5 Sea pues, B = (1, 2, 1, 1), (1, 1, 0, 2), (0, 0, 1, 0), (0, 0, 0, 1) una base de Z 4 5 Para calcular las coordenadas del vector v en la base B establecemos la combinación lineal vectorial, (1, 1, 3, 1) = x 1 (1, 2, 1, 1) + x 2 (1, 1, 0, 2) + x 3 (0, 0, 1, 0) + x 4 (0, 0, 0, 1) que da lugar al siguiente sistema de ecuaciones lineales: x 1 + x 2 = 1 2x 1 + x 2 = 1 x 1 + x 3 = 3 x 1 + 2x x 4 = 1 ) 3

4 Como B es una base de Z 4 5 y dado que las coordenadas de un vector respecto de una base son únicas, el sistema lineal anterior es compatible determinado, es decir, tiene solución única Para hallar esta solución escribimos la matriz ampliada del sistema y calculamos la forma escalonada por las de dicha matriz E 3 E 2 E 4 + E 2 E 2 + 3E 1 E 3 + 4E 1 E 4 + 4E si seguimos hasta encontrar la forma escalonada reducida dispondremos de los valores de las incógnitas directamente, de manera que así lo hacemos, E 1 + E E luego el sistema de ecuaciones lineales tiene por solución: x 1 = 0 x 2 = 1 x 3 = 3 x 4 = 4 de manera que podemos decir que las coordenadas del vector v = (1, 1, 3, 1) respecto de la base B son v = (0, 1, 3, 4) B Observación: El problema ya ha concluido, pero antes de pasar a otro vamos a hacer la siguiente observación general: Llamemos M m n (K) al conjunto de todas las matrices de m las y n columnas con todas sus entradas en el cuerpo K Sean A M m n (K) y b M n 1 (K) las siguientes matrices: A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn ; b = b 1 b 2 b n 4

5 veamos que vale el producto matricial A b Según la denición del producto matricial sabemos que A b M m 1 (K), sea pues, a 11 a 12 a 1n b 1 A b a 21 a 22 a 2n = b 2 = a m1 a m2 a mn b n a 11 b 1 + a 12 b a 1n b n a 21 b 1 + a 22 b a 2n b n donde = = a 11 a 21 a m1 a m1 b 1 + a m2 b a mn b n b 1 + a 12 a 22 a m2 b = ā 1 b 1 + ā 2 b ā n b n ā j = a 1j a 2j a mj ; 1 j n a 1n a 2n a mn b n son las columnas de la matrz A De manera que, multiplicar A b (en el orden indicado), donde A es una matriz de orden m n y b es una matriz columna de n entradas (es decir, de orden n 1) da como resultado una combinación lineal de las columnas de A con coecientes (o pesos) las entradas de la columna b Como consecuencia de lo dicho, vemos que resolver un sistema de ecuaciones lineales se puede interpretar del siguiente modo: Dado el sistema de ecuaciones lineales, con m ecuaciones y n incógnitas: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m si llamamos A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn ; X = x 1 x 2 x n ; b = b 1 b 2 b m 5

6 el sistema se transforma en la ecuación matricial A X = b y si ahora interpretamos el producto A X como combinación de las columnas de A, y denotamos a las columnas de A como ā 1, ā 2,, ā n, el sistema se transforma en la siguiente ecuación vectorial ā 1 x 1 + ā 2 x ā n x n = b Por todo lo dicho, cuando se nos pida que averigüemos cómo se escribe un vector u = (b 1, b 2,, b m ) K m, como combinación lineal de los vectores v 1, v 2,, v h K m, lo que haremos es escribir una matriz A poniendo a los vectores v j como sus columnas y a continuación plantearemos el siguiente sistema de ecuaciones lineales, escrito en forma matricial: v 1 v 2 v h x 1 x 2 x h = Si este sistema es incompatible indicaría que u / v 1, v 2,, v h Si por el contrario es compatible, los valores de las incógnitas nos darían la combinación lineal buscada 3- Encuentra las ecuaciones implícitas del siguiente subespacio y comprueba si el vector dado está o no en el subespacio (1, 2, 1, 1), (1, 1, 1, 2) en R 4, v = (1, 0, 1, 0) b 1 b 2 b m Solución: Sea (x, y, z, t) un vector cualquiera de R 4, entonces sabemos que existen escalares x 1, x 2 R tales que (x, y, z, t) (1, 2, 1, 1), (1, 1, 1, 2) (x, y, z, t) = x 1 (1, 2, 1, 1) + x 2 (1, 1, 1, 2) x 1 + x 2 = x 2x el sistema de ecuaciones lineales 1 + x 2 = y x 1 + x 2 = z x 1 + 2x 2 = t 1 1 cuando transformemos la matriz ampliada del sistema es compatible 1 2 x y z t a una 6

7 forma escalonada, ocurra que en dicha forma escalonada no nos quede la última columna como columna pivote 1 1 x 2 1 y 1 1 z 1 2 t E 2 2E 1 E 3 E 1 E 4 E x 0 1 y 2x 0 1 t x 0 0 z x 1 1 x 0 1 y 2x 0 0 z x E 3 + E t x 0 0 z x E 3 E x 0 1 y 2x 0 0 3x + y + t y como podemos ver, para que la última columna de la matriz escalonada no sea columna pivote ha de ocurrir que 3x + y + t = 0 y también que z x = 0 ( x z = 0) Luego las ecuaciones implicitas del subespacio (1, 2, 1, 1), (1, 1, 1, 2) son (x, y, z, t) R 4 / 3x + y + t = 0 x z = 0 (1, 2, 1, 1), (1, 1, 1, 2) = Es decir, (x, y, z, t) R 4 / 3x + y + t = 0 x z = 0 Sea ahora v = (1, 0, 1, 0) R 4, para ver si v (1, 2, 1, 1), (1, 1, 1, 2) sólo hemos de comprobar si cumple las ecuaciones implicitas, entonces como v / (1, 2, 1, 1), (1, 1, 1, 2) 1 1 = 0 4- Calcula una base y la dimensión de los siguientes subespacios: a) (x, y, z, t) / x y + z t = 0 en R 2x + z + t = 0 4 solución: Como podemos ver el subespacio es el conjunto de soluciones del sistema de ecuaciones homogéneo: x y + z t = 0 2x + z + t = 0 cuyas soluciones son: E 2 2E

8 a la vista de la matriz escalonada, vemos que el sistema es compatible indeterminado, siendo equivalente al siguiente sistema homogéneo: x y + z t = 0 x y = z + t 2y z + 3t = 0 2y = z 3t donde podemos ver que las incógnitas x e y son las incógnitas principales (también llamadas básicas) y las incógnitas z y t son incógnitas libres Despejando y de la segunda ecuación y sustituyendo su valor en la primera ecuación obtenemos las soluciones : x = 1 2 z 1 2 t y = 1 2 z 3 2 t z R (libre) t R (libre) Luego el conjunto de soluciones es: (x, y, z, t) R 4 / (x, y, z, t) = ( 12 z 12 t, 12 z 32 ) t, z, t ; z, t R = = ( 12 z 12 t, 12 z 32 ) t, z, t / z, t R z ( 12, 12 ), 1, 0 + t ( 12 ), 32, 0, 1 / z, t R = ( 12, 12 ), 1, 0, ( 12 ), 32, 0, 1 Así, (x, y, z, t) / x y + z t = 0 = ( 2x + z + t = 0 1 2, 1 2, 1, 0), ( 1 2, 3 2, 0, 1), de manera que el subespacio tiene dimensión 2, siendo ( 1 2, 1 2, 1, 0), ( 1 2, 3 2, 0, 1) una base de dicho subespacio b) Calcula base y dimensión de (1, 2, 1, 1), (1, 1, 1, 2), (3, 2, 3, 2) en Z 4 5 solución: Veamos si los vectores que generan el subespacio son linealmente independientes o linealmente dependientes Para ello, escribimos los vectores como las de una matriz A y calculamos la forma escalonada por las de dicha matriz A: A = E 2 + 4E 1 E 3 + 2E = U E 3 + E 2 Como las las de la matriz A y las de la matriz escalonada U generan el mismo subespacio de Z 4 5, es decir, como: (1, 2, 1, 1), (1, 1, 1, 2), (3, 2, 3, 2) = (1, 2, 1, 1), (0, 4, 0, 1) 8

9 resulta que el subespacio que nos han dado tiene dimensión 2, siendo (1, 2, 1, 1), (0, 4, 0, 1) una base de dicho subesacio y 5- Para los siguientes pares de subespacios calcula su suma y su intersección: a) (x, y, z, t, u)/ x y + z t + u = 0 y 2x + z + t u = 0 x y + z t + u = 0 (x, y, z, t, u)/ 2x + z + t u = 0 en Z5 5 x + t + u = 0 solución: Llamemos, W 1 = (x, y, z, t, u)/ x y + z t + u = 0 2x + z + t u = 0 x y + z t + u = 0 W 2 = (x, y, z, t, u)/ 2x + z + t u = 0 x + t + u = 0 a la vista de la denición de W 1 y W 2 es evidente que W 2 W 1 y entonces W 1 W 2 = W 2 W 1 W 2 = W 1 y como por otro lado W 1 + W 2 = W 1 W 2, resulta que W 1 + W 2 = W 1 En resumen: W 1 W 2 = W 2 W 1 + W 2 = W 1 y b) Calcula la suma y la intersección de los siguientes subespacios: (1, 2, 1, 1), (1, 1, 1, 2), (3, 1, 2, 1), (2, 0, 1, 1) y (2, 3, 1, 2) en R 4 solución: Llamemos, W 1 = (1, 2, 1, 1), (1, 1, 1, 2), (3, 1, 2, 1), (2, 0, 1, 1) W 2 = (2, 3, 1, 2) Veamos en pimer lugar si los vectores que generan al primer subespacio son linelmente independientes Para ello, como siempre, escribimos los vectores como las de una matriz A y calculamos la forma escalonada por las de dicha matriz A: E 2 E 1 E 3 3E 1 E 4 2E E 2 9

10 de manera que E 3 + 5E 2 E 4 + 4E = U E 4 E 3 W 1 = (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7) siendo (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7) una base de W 1 Como W 2 = (2, 3, 1, 2), es evidente que (2, 3, 1, 2) es una base de W 2 Entonces, el conjunto de vectores formado por la unión de las dos bases generará al subespacio W 1 + W 2 Es decir: W 1 + W 2 = (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7), (2, 3, 1, 2) Veamos, ahora, si estos vectores son linealmente independientes: A = E 4 2E E 4 3E = U E 4 + E 2 como en la matriz escalonada U no hay ninguna la de ceros, los vectores la de la matriz A son linealmente independientes De manera que el conjunto de vectores B = (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7), (2, 3, 1, 2) forman una base del subespacio W 1 + W 2 Como en la base B de W 1 + W 2 hay cuatro vectores, resulta que: dim (W 1 + W 2 ) = 4 W 1 + W 2 es subespacio de R 4 W 1 + W 2 = R 4 Por otro lado, sabemos que de donde dim (W 1 + W 2 ) = dim W 1 + dim W 2 dim (W 1 W 2 ) dim (W 1 W 2 ) = dim W 1 + dim W 2 dim (W 1 + W 2 ) 10

11 = = 0 De manera que W 1 W 2 = (0, 0, 0, 0) Concluimos pues que: W 1 W 2 = R 4 Observación: Dados dos subespacios W 1 y W 2 de un espacio vectorial, si nos piden que calculemos el subespacio suma W 1 + W 2 y el subespacio intersección W 1 W 2, la forma más directa de proceder, sin necesidad de hacer referencia a fórmulas sobre dimensiones del tipo, es la siguiente dim (W 1 + W 2 ) = dim W 1 + dim W 2 dim (W 1 W 2 ) Para calcular W 1 + W 2 se unen los vectores de una base de W 1 con los vectores de una base de W 2 y a continuación se calcula el subespacio generado por dicho conjunto de vectores, siendo dicho subespacio igual al subespacio W 1 + W 2 buscado Para calcular W 1 W 2 se juntan las ecuaciones implícitas que denen a ambos subespacios y se calcula el subespacio cuyas ecuaciones implícitas son la unión de todas las ecuaciones implícitas Así, si en el problema anterior queremos calcular el subespacio W 1 W 2 siguiendo la observación hecha, haríamos lo siguiente: En primer lugar, escribiríamos el subespacio W 1 en ecuaciones implícitas, es decir, como W 1 = (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7) siendo (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7) una base de W 1 Resulta que, Dado (x, y, z, t) un vector cualquiera de R 4, entonces sabemos que (x, y, z, t) (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7) existen escalares x 1, x 2, x 3 R tales que (x, y, z, t) = x 1 (1, 2, 1, 1) + x 2 (0, 1, 0, 1) + x 3 (0, 0, 1, 7) x 1 = x 2x el sistema de ecuaciones lineales 1 + x 2 = y es compatible cuando transformemos la matriz ampliada del sistema y x 1 x 3 = z x 1 x 2 7x 3 = t x z t 11

12 a una forma escalonada ocurra que en dicha forma escalonada no nos quede la última columna como columna pivote x E 2 2E x y E 3 E y 2x E 4 + E z E 4 E z x t t x x x y 2x E 4 7E y 2x z x z x x + y + t x + y 7z + t y como podemos ver, para que la última columna de la matriz escalonada no sea columna pivote ha de ocurrir que 4x + y 7z + t = 0 Luego, W 1 = (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7) = (x, y, z, t) R 4 /4x + y 7z + t = 0 Ahora, también escribiríamos el subespacio W 2 = (2, 3, 1, 2) en ecuaciones implícitas, para ello, al igual que antes, Dado (x, y, z, t) un vector cualquiera de R 4, entonces sabemos que existe algun escalar x 1 R tales que (x, y, z, t) (2, 3, 1, 2) (x, y, z, t) = x 1 (2, 3, 1, 2) 2x 1 = x 3x el sistema de ecuaciones lineales 1 = y x 1 = z 2x 1 = t 2 transformemos la matriz ampliada del sistema 3 1 es compatible cuando x y z 2 t escalonada ocurra que en dicha forma escalonada no nos quede la última columna como columna pivote 2 x 1 z 3 y E 1 E 3 3 E 2 + 3E 1 y E 3 + 2E 1 1 z 2 x E 4 + 2E 1 2 t 2 t a una forma 12

13 z y + 3z x + 2z t + 2z y como podemos ver, para que la última columna de la matriz escalonada y + 3z = 0 no sea columna pivote ha de ocurrir que, x + 2z = 0, luego 2z + t = 0 W 2 = (2, 3, 1, 2) = (x, y, z, t) R4 / Entonces, como y + 3z = 0 x + 2z = 0 2z + t = 0 W 1 = (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7) = (x, y, z, t) R 4 /4x + y 7z + t = 0 y W 2 = (2, 3, 1, 2) = (x, y, z, t) R4 / resulta que, W 1 W 2 = (x, y, z, t) R 4 / De man- era, que vamos a resolver el sistema, y + 3z = 0 x + 2z = 0 2z + t = 0 4x + y 7z + t = 0 y + 3z = 0 x + 2z = 0 2z + t = 0 4x + y 7z + t = 0 y + 3z = 0 x + 2z = 0 2z + t = E 1 E 3 E 3 E E 3 4E 1 E 3 E 4 13

14 E 4 + 9E De manera que nos queda el siguiente sistema equivalente, x +2z = 0 y +3z = 0 2z + t = 0 10t = que como podemos ver tiene como solución única, (x, y, z, t) = (0, 0, 0, 0) De manera que, W 1 W 2 = (0, 0, 0, 0) Como ya sabiamos 6- Para los siguientes subespacios, estudia si son iguales y, caso de no serlo, estudia si uno de los dos está incluido en el otro: a) (x, y, z, t) / x y + z t = 0 y (2, 3, 1, 2) en R 2x + z + t = 0 4 y solución: Llamemos W 1 = (x, y, z, t) / x y + z t = 0 2x + z + t = 0 W 2 = (2, 3, 1, 2) El subespacio W 1 ha sido estudiado en el problema 4a) y sabemos que dim (W 1 ) = 2 Entonces, W 1 W 2, pues dim (W 2 ) = 1 Veamos si el vector (2, 3, 1, 2) pertenece a W 1 Como ( 1) 2 = 4 0 (2, 3, 1, 2) / W 1 Luego, W 2 W 1 Obviamente W 1 W 2 b) W 1 = W 2 = (x, y, z, t, u)/ x y + z t + u = 0 2x + z + t u = 0 x y + z t + u = 0 (x, y, z, t, u)/ 2x + z + t u = 0 x + t + u = 0 y en Z5 5 solución: A la vista de las ecuaciones implicitas que denen a los subespacios es evidente que W 2 W 1 Para comprobar que W 1 W 2 basta con ver que la matriz ampliada del sistema homogéneo que dene a W 2 al ponerse en forma escalonada por las no deja ninguna la nula E 2 + 3E 1 E 3 E

15 E 2 E 3 E 3 + 3E c) W 1 = (1, 2, 1, 1), (1, 1, 1, 2), (3, 1, 2, 1), (2, 0, 1, 1) y W 2 = (1, 1, 1, 1), (2, 3, 1, 2) en R 4 solución: Por el problema 5c) sabemos que una base de W 1 es B = (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7) por otro lado, es evidente que E = (1, 1, 1, 1), (2, 3, 1, 2) es una base de W 2 Luego W 1 W 2 Por otro lado, sabemos que dim (W 1 + W 2 ) = dim W 1 + dim W 2 dim (W 1 W 2 ) y como W 1 + W 2 = R 4 Pues, como vimos en el problema 5c) los vectores (1, 2, 1, 1), (0, 1, 0, 1), (0, 0, 1, 7), (2, 3, 1, 2) son linealmente independientes y por tanto una base de R 4 Entonces resulta que, 4 = dim (W 1 W 2 ) dim (W 1 W 2 ) = 1 W 2 W 1 (pues si fuera W 2 W 1 W 1 W 2 = W 2 y sucedería que dim (W 1 W 2 ) = dim W 2 = 2) Observación: Dados dos subespacios W 1 y W 2 de un espacio vectorial, si queremos averiguar si uno está contenido en otro, por ejemplo, si quisiéramos saber si W 1 W 2, entonces lo más comodo es conocer una base del subespacio W 1 y unas ecuaiones implícitas que denan al subespacio W 2, pues en ese caso basta con comprobar si los vectores de la base de W 1 están en el subespacio W 2 (es decir, cumplen las ecuaciones implícitas de W 2 ) Ya que entonces, sucede que: Si todos los vectores de una base de W 1 pertenecen a W 2 (es decir, cumplen las ecuaciones implícitas de W 2 ), entonces W 1 W 2 Si, por el contrario, algún vector de una base de W 1, no pertenece a W 2 (es decir, no cumple alguna de las ecuaciones implícitas de W 2 ), entonces obviamente W 1 W 2 15

16 Si también quisiéramos saber si W 2 W 1 procederíamos de igual forma, es decir buscaríamos una base de W 2 y unas ecuaciones implícitas de W 1, para después comprobar lo indicado anteriormante Por último, sucederá que, W 1 W 2 W 1 = W 2 y W 2 W 1 En resumen, si hemos de averiguar si dos subespacios son iguales, los mejor es conocer una base y unas ecuaciones implícitas de cada subespacio 7- Encuentra bases con las siguientes condiciones: a) En R 3 x y + z = 0 de forma que un vector esté en la recta 2x z = 0 dos en el plano x + y + z = 0 y otros solución: Resolvamos el sistema homogéneo que dene las ecuaciones implícitas de la recta: E 2 2E de manera que el sistema es equivalente al siguiente: x y + z = 0 x y = z 2y 3z = 0 2y = 3z a la vista del último sistema vemos que las variables x e y son principales (o básicas), las que se corresponden con las columnas pivote de la matriz escalonada, y que la variable z es libre Entonces, despejando y de la segunda ecuación y sustituyéndola en la primera, obtenemos las innitas solucines de este sistema compatible indeterminado, que son: 1 x = 2 z 3 y = 2 z z R (libre) Luego la recta es, ( 1 2 z, 3 ) 2 z, z /z R = ( 1 z 2, 3 ) ( 1 2, 1 /z R = 2, 3 ) 2, 1 = (1, 3, 2) Calculemos ahora una base del plano resolviendo la ecuación implícita que lo dene x + y + z = 0 x = y z 16

17 la variable x es principal y las variables y y z son libres Siendo las innitas soluciones, x = y z y R (libre) z R (libre) Luego el plano es, ( y z, y, z) /y, z R = y ( 1, 1, 0) + z ( 1, 0, 1) /y, z R = ( 1, 1, 0), ( 1, 0, 1) La base buscada es B = ( 1, 1, 0), ( 1, 0, 1), (1, 3, 2) b) En Z 4 5 de forma que haya exactamente un vector en el subespacio W = (x, y, z, t) /x y + z t = 0 solución: Resolvemos la ecuación implícita que dene al subespacio, x y + z t = 0 x = y z + t (= y + 4z+) la variable x es principal y las variables y, z y t son libres Siendo las innitas soluciones, x = y + 4z + t y R (libre) z R (libre) t R (libre) Luego el subespacio es, W = (y + 4z + t, y, z, t) /y, z, t Z 5 = y (1, 1, 0, 0) + z (4, 0, 1, 0) + t (1, 0, 0, 1) /y, z, t Z 5 = (1, 1, 0, 0), (4, 0, 1, 0), (1, 0, 0, 1) Pues bien, cojamos el vector (1, 1, 0, 0) W y los vectores, (0, 1, 0, 0) / W (0, 0, 1, 0) / W (0, 0, 0, 1) / W Obviamnte, B = (1, 1, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1) es una base de Z 5 5, cumpliendo lo que queríamos c) Encuentra una base en Z 4 7 de forma que haya dos vectores en el plano x y + z t = 0 x y + z = 0, otro en el plano y el último fuera de 2x z = 0 2x z + t = 0 ellos solución: Resolvamos el primer sistema, E 2 + 5E

18 de manera que el sistema es equivalente al siguiente: x y + z t = 0 x y = z + t 2y + 4z + 2t = 0 2y = 4z 2t donde las variables x e y son principales y las variables z y t son libres Despejamos y de la segunda ecuación, 2y = 4z 2t = 3z + 5t y = 5z + 6t recordad que estamos en Z 7 sustituimos el valor de y en la primera ecuación y despejamos x, x 5z 6t = z + t x = 4z Luego las soluciones son, x = 4z y 5z + 6t z Z 7 (libre) t Z 7 (libre) Entonces, el primer plano es, (4z, 5z + 6t, z, t) /z, t Z 7 = z (4, 5, 1, 0) + t (0, 6, 0, 1) /z, t Z 7 = (4, 5, 1, 0), (0, 6, 0, 1) Repitiendo el mismo proceder con el segundo sistema obtenemos, E 2 + 5E de manera que el sistema es equivalente al siguiente: x y + z = 0 x y = z 2y + 4z + t = 0 2y = 4z t las variables x e y son principales y las variables z y t son libres Despejamos y de la segunda ecuación, 2y = 4z t = 3z + 6t y = 5z + 3t recordad que estamos en Z 7 sustituimos el valor de y en la primera ecuación y despejamos x, x 5z 3t = z x = 4z + 3t 18

19 Luego las soluciones son, x = 4z + 3t y 5z + 3t z Z 7 (libre) t Z 7 (libre) Entonces, el segundo plano es, (4z + 3t, 5z + 3t, z, t) /z, t Z 7 = z (4, 5, 1, 0) + t (3, 3, 0, 1) /z, t Z 7 Es decir los planos son: = (4, 5, 1, 0), (3, 3, 0, 1) (4, 5, 1, 0), (0, 6, 0, 1) (4, 5, 1, 0), (3, 3, 0, 1) Pues bien, tomemos el siguiente conjunto de vectores de Z 4 7, B = (4, 5, 1, 0), (0, 6, 0, 1), (3, 3, 0, 1), (0, 0, 0, 1), donde los dos primeros están en el primer plano, el tercero está en el segundo plano y el cuarto no pertenece a ninguno de los dos planos, y comprobemos que son linealmente independientes, en cuyo caso B sería una base como la que buscamos E 3 + E E 3 + E 2 Como los vectores son linealmente independientes, B es una base d) En R 3 de forma que el primer vector esté en el eje X, el segundo en x y + z = 0 la recta y, con respecto a esa base, el vector (1, 1, 1) tenga 2x z = 0 coordenadas (2, 1, 2) solución: Resolvamos el sistema homogéneo de ecuaciones implícitas que denen a la recta vectorial, x y + z = 0 2x z = E 2 2E

20 de manera que el sistema es equivalente al siguiente, x y + z = 0 x y = z 2y 3z = 0 2y = 3z, donde las variables x e y son principales y la variables z es libre Despejamos y de la segunda ecuación y sustitumos su valor en la primera, obteniendo como soluciones: 1 x = 2 z 3 y = 2 z, z R (libre) entonces la recta es, ( 1 2 z, 3 ) ( 1 2 z, z /z, R = z 2, 3 ) 2, 1 /z R = ( 1 2, 3 ) 2, 1 = (1, 3, 2) Como nos piden una base de R 3, tal que el primer vector esté en el eje X, el segundo en la recta anterior, y que conrespecto a esa base el vector (1, 1, 1) tenga coordenadas (2, 1, 2) Llamemos B = (1, 0, 0), (1, 3, 2), (a, b, c), a dicha base Entonces, para que las coordenadas del vector (1, 1, 1) respecto de la base B sean (2, 1, 2), ha de suceder que, (1, 1, 1) = (2, 1, 2) B (1, 1, 1) = 2 (1, 0, 0) + 1 (1, 3, 2) + 2 (a, b, c) 1 = 3 + 2a 1 = 3 + 2b 1 = 2 + 2c a = 1 b = 1 c = 1 2 (a, b, c) = De manera que la base buscada es, ( B = (1, 0, 0), (1, 3, 2), 1, 1, 1 ) 2 ( 1, 1, 1 ) 2 8- Pasa los siguientes problemas al correspondiente K n y resuelvelos: a) Estudia si son linealmente independientes, sistema generador o base, 1 x + x 2, x + x 2, 2 x + x 2 en Q 2 [x] solución: Sea C = 1, x, x 2 la base canínica de Q 2 [x] Si a + bx + cx 2 es un vector cualquiera de Q 2 [x] Entonces, a + bx + cx 2 = a 1 + b x + c x 2 a + bx + cx 2 = (a, b, c) C 20

21 de manera que podemos identicar Q 2 [x] con Q 3 del siguiente modo, de manera que, Q 2 [x] Q 3 a + bx + cx 2 (a, b, c) Q 2 [x] Q 3 1 x + x 2 (1, 1, 1) x + x 2 (0, 1, 1) 2 x + x 2 (2, 1, 1) luego nos preguntamos si (1, 1, 1), (0, 1, 1), (2, 1, 1) son linealmente independientes, sistema generador o base del espacio vectorial Q 3 Para responder, ponemos estos vectores como las las de una matriz A y transformamos ésta a una forma escalonada por las U A = E 3 2E = U E 3 E 2 como en la matriz U no hay ninguna la de ceros, las tres las de A son linealmente independientes De manera que los tres vectores, (1, 1, 1), (0, 1, 1), (2, 1, 1) Q 3 son linealmente independientes Como son tres y como dim Q 3 = 3, dichos vectores serán base y por lo tanto sistema generador En resumen, los vectores 1 x + x 2, x + x 2, 2 x + x 2 son base (es decir, sistema generador y linealmente independientes) de Q 2 [x] b) Reduce el siguiente conjunto de vectores hasta que sea linealmente independiente y amplialo hasta formar una base ( ) ( ) ( ) ( ) ,,, en M (Z 5 ) ( ) ( ) ( ) ( ) solución: Sea C =,,, la base ( ) a b canónica de M 2 2 (Z 5 ) Si es un vector cualquiera de M c d 2 2 (Z 5 ) Entonces, ( ) ) a b c d ( 1 0 = a 0 0 ) ( b 0 0 ) ( c 1 0 ) ( d

22 ( ) a b = (a, b, c, d) c d C de manera que podemos identicar M 2 2 (Z 5 ) con Z 4 5 del siguiente modo, de manera que, ( M 2 2 (Z 5 ) Z 4 5 a b (a, b, c, d) c d M ( 2 2 (Z 5 ) Z (1, 1, 2, 1) ( 2 1 ) 1 0 (1, 0, 2, 1) ( 2 1 ) 0 0 (0, 0, 2, 1) ( 2 1 ) 0 1 (0, 1, 0, 0) 0 0 luego lo que queremos es, comprobar si el conjunto de vectores (1, 1, 2, 1), (1, 0, 2, 1), (0, 0, 2, 1), (0, 1, 0, 0) de Z 4 5 es linealmente independiente y, en caso de no serlo, reducirlo hasta que sean independientes y ampliarlos hasta formar una base de Z 4 5 Para responder, ponemos estos vectores como las las de una matriz A y transformamos ésta a una forma escalonada por las U A = E 2 + 4E = U E 4 + 4E 2 Como en la matriz escalonada U aparece una la de ceros concluimos que los vectores que forman las las de A son linealmente dependientes Por otro lado, sabemos que las las de A, consideradas como vectores de Z 4 5, y las las de U, también consideradas como vectores de Z 4 5, generan el mismo suespacio vectorial de Z 4 5 De manera que la base de Z4 5 buscada sería, B = (1, 1, 2, 1), (0, 4, 0, 0), (0, 0, 2, 1), (0, 0, 0, 1) donde hemos incluido el vector (0, 0, 0, 1) para completar la base 22

23 observación: como durante el escalonamiento de la matriz A no hemos permutado ninguna la, también las tres primeras las de la matriz A son linealmente independientes, de manera que también podríamos haber propuesto como base de Z 4 5 a: B = (1, 1, 2, 1), (1, 0, 2, 1), (0, 0, 2, 1) (0, 0, 0, 1) De manera que podemos dar como base de M 2 2 (Z 5 ) a, ( ) ( ) ( ) ( B =,,, o también a, B = ( ) ( 1 0, 2 1 ) ( 0 0, 2 1 ) ( 0 0, 0 1 ) ) c) Encuentra las ecuaciones paramétricas e implícitas de los subespacios: W 1 = 0 1, 1 1, 2 1 en M 3 2 (Z 5 ) W 2 = P (x) = a + bx + cx 2 / P (2) = 0 P (1) = 0 en (Z 5 ) 2 [X] (donde, (Z 5 ) 2 [X] = espacio vectorial de los polinomios de grado menor o igual que dos con coecientes en el cuerpo Z 5 ) solución: Tal como hicimos en el apartado anterior, identicamos M 2 3 (Z 5 ) 1 1 Z (1, 1, 0, 1, 1, 0) (1, 1, 1, 1, 1, 0) (1, 2, 2, 1, 1, 0) 1 0 de manera que buscamos las ecuaciones paramétricas e implícitas del subespacio, (1, 1, 0, 1, 1, 0), (1, 1, 1, 1, 1, 0), (1, 2, 2, 1, 1, 0), de Z 6 5 Las ecuaciones paramétricas de este subespacio de Z 6 5 son, a (1, 1, 0, 1, 1, 0) + b (1, 1, 1, 1, 1, 0) + c (1, 2, 2, 1, 1, 0) ; a, b, c Z 5 23

24 es decir, (a + b + c, a + b + 2c, b + 2c, a + b + c, a + b + c, 0) ; a, b, c Z 5 Luego tenemos que, W 1 = a + b + c a + b + 2c b + 2c a + b + c a + b + c 0 /a, b, c Z 5 subespacio expresado en ecuaciones paramtricas observación: Las ecuaciones paramétricas del subespacio W 1 también se podrían haber establecido trabajando directamente con las matrices 3 2, del siguiente modo, a b c a + b + c a + b + 2c = b + 2c a + b + c a + b + c 0 de igual forma, observa que también podemos hacer el camino inverso, es decir, dada la matriz a + b + c a + b + 2c b + 2c a + b + c a + b + c 0 descomponerla como la suma, a + b + c a + b + 2c b + 2c a + b + c = a a + b + c b c Ahora vamos a encontrar las ecuaciones implícitas del subespacio de Z 6 5, W = (1, 1, 0, 1, 1, 0), (1, 1, 1, 1, 1, 0), (1, 2, 2, 1, 1, 0) equivalente (isomorfo) a W 1 Sea (x, y, z, t, r, s) un vector cualquiera de Z 6 5, entonces sabemos que (x, y, z, t, r, s) (1, 1, 0, 1, 1, 0), (1, 1, 1, 1, 1, 0), (1, 2, 2, 1, 1, 0) existen escalares x 1, x 2, x 3 Z 5 tales que (x, y, z, t, r, s) = x 1 (1, 1, 0, 1, 1, 0) + x 2 (1, 1, 1, 1, 1, 0) + x 3 (1, 2, 2, 1, 1, 0) el sistema de ecuaciones lineales, escrito matricialmente, x x y 1 x 2 = z x 3 t r s 24

25 es compatible Es decir, el sistema de ecuaciones lineales x 1 + x 2 + x 3 = x x 1 + x 2 + 2x 3 = y x 2 + 2x 3 = z x 1 + 2x + x 3 = t x 1 + x 2 + x 3 = r 0 = s es compatible cuando transformemos la matriz ampliada del sistema x y z t r s a una forma escalonada, ocurra que en dicha forma escalonada no nos quede la última columna como columna pivote x y z t r s E 2 2E E 4 E 1 E 5 E x z y x t x r x s x y x z t x r x s E 2 E 3 y como podemos ver, para que la última columna de la matriz escalonada no 25

26 sea columna pivote ha de ocurrir que t x = 0 4x + t = 0 r x = 0 4x + r = 0 s = 0 s = 0 Luego las ecuaciones implicitas del subespacio W son, W = (x, y, z, t, r, s) Z6 5/ 4x + t = 0 4x + r = 0 s = 0 Por tanto, el subespacio W 1 expresado en ecuaciones implícitas será, x y 4x + t = 0 W 1 = z t subespacio expresado en M 3 2 (Z 5 )/ 4x + r = 0 ecuaciones implcitas r s s = 0 Ahora vamos a buscar las ecuaciones paramétricas e implícitas de W 2 = P (x) = a + bx + cx 2 / P (2) = 0 P en (Z (1) = 0 5 ) 2 [X] Luego, W 2 = P (x) = a + bx + cx 2 / P (2) = 0 a + 2b + 4c = 0 P (x) = b + 2cx P (1) = 0 b + 2c = 0 a + 2b + 4c = 0 b + 2c = 0 subespacio expresado en ecuaciones implcitas Para calcular las ecuaciones paramétricas sólo hemos de resolver el sistema de ecuaciones homogéneo que dene las ecuaciones implícitas de W 2 Es decir, hemos de resolver el siguiente sistema homogéneo, en Z 5 : a + 2b + 4c = 0 b + 2c = 0 a + 2b = c b = 3c a + 6c = c a + c = c a = 0 donde las incógnitas a y b son principales y la c es libre Las soluciones son, a = 0 b = 3c c Z 5 (libre) Luego, el subespacio W 2 expresado en ecuaciones paramétricas es, W 2 = P (x) = 3cx + cx 2 /c Z 5 subespacio expresado en ecuaciones paramtricas = c (3x + x 2) /c Z 5 = 3x + x 2 subespacio expresado mediante un sistema generador 26

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

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

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

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

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

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

Más detalles

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

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

Ecuaciones de primer grado con dos incógnitas

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

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

Cambio de representaciones para variedades lineales.

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

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

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

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

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. APLICACIONES LINEALES

1. APLICACIONES LINEALES 1 1. APLICACIONES LINEALES 1. Estudiar si las siguientes aplicaciones son lineales: a) f : R 2 R 3, f(x, y) = (x + y, y, x 2y). Sí es lineal. b) f : R 2 R, f(x, y) = xy. No es lineal. Basta observar que

Más detalles

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

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

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

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

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

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

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

Matrices Invertibles y Elementos de Álgebra Matricial

Matrices Invertibles y Elementos de Álgebra Matricial Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices

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

GEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008

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

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

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

Esta es la forma vectorial de la recta. Si desarrollamos las dos posibles ecuaciones, tendremos las ecuaciones paramétricas de la recta:

Esta es la forma vectorial de la recta. Si desarrollamos las dos posibles ecuaciones, tendremos las ecuaciones paramétricas de la recta: Todo el mundo sabe que dos puntos definen una recta, pero los matemáticos son un poco diferentes y, aún aceptando la máxima universal, ellos prefieren decir que un punto y un vector nos definen una recta.

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

SISTEMAS DE ECUACIONES LINEALES

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,

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

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

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

OPERACIONES ELEMENTALES CON VECTORES

OPERACIONES ELEMENTALES CON VECTORES VECTORES EN 3D (O EN R 3) Presentación: este apunte te servirá para repasar y asimilar que son los vectores en un espacio tridimensional, sólo hablamos de los vectores como se utilizan en Álgebra, para

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

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

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

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

RECTAS Y PLANOS EN EL ESPACIO

RECTAS Y PLANOS EN EL ESPACIO UNIDAD 6 RECTA Y PLANO EN EL EPACIO Página 1 1. Puntos alineados en el plano Comprueba que los puntos A (, ), B (8, ) y C (1, ) no están alineados. A (, ) B (8, ) C (1, ) AB = (, 1); BC = (, ) No tienen

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

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

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

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 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.

Más detalles

Diagonalización de matrices

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

Más detalles

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.

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

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

4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA

4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA 4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA Una ecuación con una incógnita es de segundo grado si el exponente de la incógnita es dos. Ecuaciones de segundo grado con una incógnita son: Esta última ecuación

Más detalles

LÍMITES Y CONTINUIDAD DE FUNCIONES

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

Más detalles

Aplicaciones Lineales

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

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

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

Divisibilidad y números primos

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

Más detalles

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

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

UNIDAD 1. LOS NÚMEROS ENTEROS.

UNIDAD 1. LOS NÚMEROS ENTEROS. UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar

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

3.- DETERMINANTES. a 11 a 22 a 12 a 21

3.- DETERMINANTES. a 11 a 22 a 12 a 21 3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles

Más detalles

1. INVERSA DE UNA MATRIZ REGULAR

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

Más detalles

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

Objetivos: Al inalizar la unidad, el alumno:

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

Más detalles

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

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES INECUACIONES NOTA IMPORTANTE: El signo de desigualdad de una inecuación puede ser,, < o >. Para las cuestiones teóricas que se desarrollan en esta unidad únicamente se utilizará la desigualdad >, siendo

Más detalles

Ejercicios resueltos de vectores

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

Más detalles

1. MEDIDAS DE TENDENCIA CENTRAL

1. MEDIDAS DE TENDENCIA CENTRAL 1. MEDIDAS DE TENDENCIA CENTRAL Lo importante en una tendencia central es calcular un valor central que actúe como resumen numérico para representar al conjunto de datos. Estos valores son las medidas

Más detalles

Práctica de Aplicaciones Lineales

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

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Índice general 1. Sistemas de ecuaciones lineales 2 2. Método de sustitución 5 3. Método de igualación 9 4. Método de eliminación 13 5. Conclusión 16 1 Sistemas de ecuaciones

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

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

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 Representación gráfica de funciones reales de una variable real Elaborado

Más detalles

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012

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

Más detalles

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

Los polinomios. Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x

Los polinomios. Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x Los polinomios Los polinomios Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x Elementos de un polinomio Los términos: cada

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

Aplicaciones lineales

Aplicaciones lineales aplicaciones_lineales.nb Aplicaciones lineales Práctica de Álgebra Lineal, E.U.A.T, Grupos ºA y ºB, 005 Aplicaciones lineales y matrices Hay una relación muy estrecha entre aplicaciones lineales y matrices:

Más detalles

ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES

ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES El objetivo de este documento es ilustrar matemáticamente, y con un caso concreto, el problema de la identificación en

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

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. Página 9 PRACTICA Sistemas lineales Comprueba si el par (, ) es solución de alguno de los siguientes sistemas: x + y 5 a) x y x y 5 x + y 8 El par (, ) es solución de un sistema si al sustituir x

Más detalles

Cálculo Simbólico también es posible con GeoGebra

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

Más detalles

ESPACIOS VECTORIALES

ESPACIOS VECTORIALES ESPACIOS VECTORIALES Ejercicio 1 En un espacio vectorial {V,k}, el vector v4 tiene por coordenadas (1,2,1) respecto a los vectores { v1, v2, v3 } a) Dése las coordenadas del vector v3 respecto a { v1,

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

Aproximación local. Plano tangente. Derivadas parciales.

Aproximación local. Plano tangente. Derivadas parciales. Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación

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

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

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

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

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

Más detalles

UNIVERSIDADES DE ANDALUCIA PRUEBAS DE ACCESO A LA UNIVERSIDAD. Miguel A. Jorquera

UNIVERSIDADES DE ANDALUCIA PRUEBAS DE ACCESO A LA UNIVERSIDAD. Miguel A. Jorquera UNIVERSIDADES DE ANDALUCIA PRUEBAS DE ACCESO A LA UNIVERSIDAD Miguel A. Jorquera BACHILLERATO MATEMÁTICAS II JUNIO 2 ii Índice General 1 Examen Junio 2. Opción B 1 2 SOLUCIONES del examen de junio 2 Opción

Más detalles

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES

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

Más detalles

M a t e m á t i c a s I I 1

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

Más detalles

Profr. Efraín Soto Apolinar. La función lineal. y = a 0 + a 1 x. y = m x + b

Profr. Efraín Soto Apolinar. La función lineal. y = a 0 + a 1 x. y = m x + b La función lineal Una función polinomial de grado uno tiene la forma: y = a 0 + a 1 x El semestre pasado estudiamos la ecuación de la recta. y = m x + b En la notación de funciones polinomiales, el coeficiente

Más detalles

1. Ecuaciones lineales 1.a. Definición. Solución.

1. Ecuaciones lineales 1.a. Definición. Solución. Sistemas de ecuaciones Contenidos 1. Ecuaciones lineales Definición. Solución 2. Sistemas de ecuaciones lineales Definición. Solución Número de soluciones 3. Métodos de resolución Reducción Sustitución

Más detalles

1º) Siempre que se pueda, hay que sacar factor común: :a b ± a c ± a d ± = a (b ± c ± d ± ):

1º) Siempre que se pueda, hay que sacar factor común: :a b ± a c ± a d ± = a (b ± c ± d ± ): Pág. 1 de 7 FAC T O R I Z AC I Ó N D E P O L I N O M I O S Factorizar (o descomponer en factores) un polinomio consiste en sustituirlo por un producto indicado de otros de menor grado tales que si se multiplicasen

Más detalles

EJERCICIOS DEL TEMA 1

EJERCICIOS DEL TEMA 1 EJERCICIOS DEL TEMA 1 Introducción a los ordenadores 1) Averigua y escribe el código ASCII correspondiente, tanto en decimal como en binario, a las letras de tu nombre y apellidos. Distinguir entre mayúsculas/minúsculas,

Más detalles

Polinomios y fracciones algebraicas

Polinomios y fracciones algebraicas UNIDAD Polinomios y fracciones algebraicas U n polinomio es una expresión algebraica en la que las letras y los números están sometidos a las operaciones de sumar, restar y multiplicar. Los polinomios,

Más detalles

ax + b < 0, ax + b > 0, ax + b 0 o ax + b 0, multiplicamos ambos miembros de la inecuación por 6 para quitar denominadores. De esta forma se tiene

ax + b < 0, ax + b > 0, ax + b 0 o ax + b 0, multiplicamos ambos miembros de la inecuación por 6 para quitar denominadores. De esta forma se tiene 8 UNIDAD I. A modo de repaso. Preliminares Inecuaciones Una inecuación es una desigualdad en la que el criterio de comparación es la relación de orden inherente al conjunto de los números reales. Hay que

Más detalles

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace

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

Más detalles

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 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

Más detalles

Dibujamos estos puntos en el espacio, y no cerramos la figura

Dibujamos estos puntos en el espacio, y no cerramos la figura PRÁCTICA SÉPTIMA: PROYECCIÓN ORTOGONAL. INVERSA DE MOORE-PENROSE 1. Proyección de un vector sobre un subespacio En este apartado vamos a recordar como se proyecta un vector v R m sobre un subespacio vectorial

Más detalles

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

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

Más detalles

Análisis de medidas conjuntas (conjoint analysis)

Análisis de medidas conjuntas (conjoint analysis) Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los

Más detalles