Formas canónicas de Jordan

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

Download "Formas canónicas de Jordan"

Transcripción

1 Capítulo 6 Formas canónicas de Jordan 61 Subespacios propios generalizados Introducción En el capítulo anterior se han estudiado los endomorfismos diagonalizables y se han dado condiciones necesarias y suficientes para que un endomorfismo de V sea diagonalizable Dicha diagonalización se llevó a cabo a través de los subespacios propios pero estos resultan insuficientes cuando el endomorfismo no sea diagonalizable Nos proponemos en este capítulo encontrar ciertos subespacios invariantes de modo que V sea suma directa de ellos y, de este modo, aplicando el teorema 515 encontrar una base respecto de la cual f sea diagonalizable por cajas Intentaremos, a su vez, que estas cajas sean lo más sencillas posibles Dichas cajas o bloques serán definidos próximamente así como los citados subespacios invariantes Convenios y notaciones En el presente capítulo convendremos en lo siguiente: V representará a un espacio vectorial sobre C de dimensión n B = {u 1, u 2,, u n } será una base de V f End(V ) representará a un endomorfismo de V λ 1, λ 2,, λ r serán los autovalores distintos de f y sus multiplicidades respectivas serán m 1, m 2,, m r Recordemos que, sobre C, se verifica que r i=1 m i = n Definición 611 Llamaremos subespacios asociados al autovalor λ i de multiplicidad m i o subespacios propios generalizados asociados a dicho autovalor a los subespacios de V definidos por V ji = V j (λ i ) = ker(λ i 1 V f) j, (j = 0, 1, 2, ) Para cada 1 i r, la dimensión de V ji será notada por n ji Nota Para la siguiente proposición y con el objeto de simplificar las notaciones, adoptaremos los siguientes acuerdos: λ será un autovalor de f de multiplicidad m Los subespacios asociados a dicho autovalor, serán notados por V j = ker(λ1 V f) j 117

2 61 SUBESPACIOS PROPIOS GENERALIZADOS 118 Por último, será n j = dim(v j ) Proposición 611 La sucesión {V j, (j = 0, 1, 2, )}, verifica las siguientes propiedades: 1 V 0 = {0} 2 V j V j+1 3 V j es invariante por f 4 x V j (λ1 V f)(x) V j 1 5 Si existe un j tal que V j = V j+1, entonces V j = V j+k, (k 0) 6 s, 0 < s n tal que {0} V 1 V 2 V s = V s+1 = 7 0 < n 1 < n 2 < < n s = n s+1 = 1 V 0 = ker(λ1 V f) 0 = ker(1 V ) = {0} 2 x V j = (λ1 V f) j (x) = 0 = (λ1 V f)[(λ1 V f) j (x)] = 0 = (λ1 V f) j+1 (x) = 0 = x V j+1 3 Hay que probar que x V j, f(x) V j En efecto, (2) x V j = x V j+1 = (λ1 V f) j+1 (x) = 0 = (λ1 V f) j [(λ1 V f)(x)] = 0 = (λ1 V f) j (λx) (λ1 }{{} V f) j (f(x)) = 0 = (λ1 V f) j (f(x)) = 0 = f(x) V j 0 4 x V j (λ1 V f) j (x) = 0 (λ1 V f) j 1 [(λ1 V f)(x)] = 0 (λ1 V f)(x) V j 1 5 Bastará probar que V j = V j+1 = V j+1 = V j+2 Es claro, ya que por (2) V j+1 V j+2 x V j+2 (4) = (λ1 V f)(x) V j+1 ph = V j (4) = x V j+1 6 Obsérvese que en el apartado anterior se demuestra que si dos subespacios consecutivos, asociados al autovalor λ son iguales, lo son todos los siguientes Esto es consecuencia inmediata de (2) y de que j, dim(v j ) dim(v ) y, por consiguiente, la sucesión V 0 V 1 V 2 no puede crecer 1 indefinidamente Sea pues s el menor entero positivo tal que V s = V s+1 Es claro que 0 < s n y que {0} V 1 V 2 V s = V s+1 = 7 Como consecuencia inmediata de lo anterior, si n i = dim(v i ), debe ser 0 < n 1 < n 2 < < n s = n s+1 = 1 No puede ser estrictamente creciente, en el orden inducido por la inclusión de conjuntos dto de álgebra

3 61 SUBESPACIOS PROPIOS GENERALIZADOS 119 Definición 612 Al subespacio V s, tal que s es el menor entero positivo que verifica que V s = V s+1 = V s+2 =, recibe el nombre de subespacio maximal asociado al autovalor λ Lema 611 Sea {0} V 1 V 2 V s = V s+1 = la sucesión se subespacios asociados al autovalor λ de f Consideremos la aplicación, definida por La aplicación Φ verifica que: Φ : V j+1 /V j V j /V j 1 x V j+1, Φ(x + V j ) = (λ1 V f)(x) + V j 1 1 Φ está bien definida 2 Φ es lineal 3 Φ es inyectiva Es fácilmente comprobable que Φ está bien definida y es una aplicación lineal Veamos que, en efecto, es inyectiva x+v j ker(φ) Φ(x+V j ) = 0+V j 1 (λ1 V f)(x)+v j 1 = 0+V j 1 (λ1 V f)(x) (4) V j 1 x V j x + V j = 0 + V j De donde deducimos que: ker(φ) = {0 + V j } O bien, Φ(x + V j ) = Φ(y + V j ) = (λ1 V f)(x) + V j 1 = (λ1 V f)(y) + V j 1 = (λ1 V f)(x) (λ1 V (4) f)(y) V j 1 = (λ1 V f)(x y) V j 1 = x y V j = x + V j = y + V j Consecuencia Se verifica que dim(v j+1 /V j ) dim(v j /V j 1 ) Es consecuencia inmediata de ser la aplicación Φ inyectiva Proposición 612 Si A = {x 1 + V j, x 2 + V j,, x r + V j } es un conjunto de vectores de V j+1 /V j linealmente independientes, entonces el conjunto de vectores B = {(λ1 V f)(x 1 ) + V j 1, (λ1 V f)(x 2 ) + V j 1,, (λ1 V f)(x r ) + V j 1 } es, igualmente, linealmente independiente en V j /V j 1 Obsérvese que B es la imagen por Φ de A y que al ser Φ inyectiva, conserva la independencia lineal Proposición 613 Sea λ un autovalor de f y {0} V 1 V 2 V s = V s+1 =, la sucesión de subespacios asociados a dicho autovalor Consideremos los números enteros: Los números así definidos verifican: p j = dim(v j /V j 1 ) = n j n j 1, (j = 1, 2, ) (61) m iglesias

4 61 SUBESPACIOS PROPIOS GENERALIZADOS p 1 p 2 p s > 0 = P s+1 = 2 p 1 + p p s = n s = dim(v s ) 1 Basta recordar el apartado (7) de la proposición 611, por la cual sabemos que si 0 < j s n j 1 < n j = p j > 0, si j > s n j = n s = p j = 0, y el corolario del lema 611, por el cual p j p j 1 2 Es inmediato Basta sustituir cada sumando por su valor de acuerdo con lo definido en la igualdad 61 Definición 613 Sean L 1 L 2 variedades lineales de V Decimos que los vectores son linealmente independientes módulo L 1, si x 1, x 2,, x r L 2 x 1 + L 1, x 2 + L 1,, x r + L 1 son linealmente independientes en el cociente L 2 /L 1 Lema 612 Sea L 0 L 1 L 2 L s una cadena de variedades lineales de V estrictamente creciente y sea H el siguiente conjunto de vectores de V : x 11, x 12,, x 1t1 L 1 li mód L 0 x 21, x 22,, x 2t2 L 2 li mód L 1 H : x s1, x s2,, x sts L s li mód L s 1 Se verifica que H es un conjunto de vectores linealmente independientes Partamos de la relación t 1 t s α 1j x 1j + α sj x sj = Tomando clases módulo L s 1 se tendrá: t s t 2 t 1 α 2j x 2j + + t s t s 1 α 1j x 1j α s 1j x s 1j } {{ } L s 1 α sj (x sj + L s 1 ) = 0 + L s 1, α sj x sj = 0 (62) de donde deducimos que α sj = 0, (j = 1,, t s ), por ser x s1,, x sts li módulo L s 1 Sustituyendo en 62 y repitiendo el razonamiento tomando, sucesivamente, clases módulo L s 2, L s 3,, L 0 obtendremos que todos los coeficientes de 62 son nulos y, por consiguiente, H es un conjunto de vectores li como se quería demostrar dto de álgebra

5 62 CONSTRUCCIÓN DE UN BLOQUE DE JORDAN Construcción de un bloque de Jordan Definición 621 Sea f End(V ) y λ un autovalor de f: 1 Llamamos caja o bloque elemental de Jordan de orden r asociada al autovalor λ y la notaremos por J r, a la matriz de orden r r definida por: λ λ 1 0 J 1 = (λ), J r =, si r > λ λ 2 Sea V s el subespacio maximal asociado al autovalor λ Llamamos Bloque de Jordan asociado a dicho autovalor, a la matriz J λ que verifique: J λ M(n s n s, C) J λ es diagonal por cajas, siendo éstas, cajas o bloques elementales de Jordan El número de cajas elementales de un bloque de Jordan, será también objeto de nuestro estudio A continuación damos un algoritmo para la construcción de una base de V s, subespacio maximal asociado al autovalor λ de f y, a partir de ella, construiremos el bloque de Jordan correspondiente Téngase en cuenta que V s es invariante por f y que, por ello, la restricción de f a V s es, igualmente, un endomorfismo de V s En realidad, si C s es la base de V s calculada mediante el algoritmo que damos seguidamente, demostraremos que M Cs (f Vs ), es un bloque de Jordan Proposición 621 Si V s es el subespacio maximal asociado al autovalor λ, existe una base de V s respecto de la cual la matriz de la restricción de f a V s es un bloque de Jordan En otras palabras, existe una base C s de V s tal que M Cs (f Vs ), es un bloque de Jordan Sea V 1, V 2,, V s los subespacios asociados al autovalor λ y B 1, B 2,, B s sus bases respectivas La base de V s construida mediante el siguiente algoritmo cumple las condiciones de la proposición V s V s 1 v s 1,, vs p s v s 1 1,, v s 1 p s v s 1 p s+1,, vs 1 p s 1 V 2 v 2 1,, v2 p s v 2 p s+1,, v2 p s 1 v 2 p 3 +1,, v2 p 2 V 1 v 1 1,, v1 p s v 1 p s+1,, v1 p s 1 v 1 p 3 +1,, v1 p 2 v 1 p 2 +1,, v1 p 1 Supuesto que B 1, B 2,, B s son bases de V 1, V 2,, V s, respectivamente, construiremos la tabla anterior dando los siguientes pasos: m iglesias

6 62 CONSTRUCCIÓN DE UN BLOQUE DE JORDAN 122 Paso 1 La primera fila V s, se ha construido tomando p s vectores de B s que sean li módulo V s 1 Es decir: de modo que {v s 1,, vs p s } B s 1 sea una base de V s Paso 2 Aplicamos a los vectores de la fila anterior el endomorfismo (λ1 V f) y, seguidamente, ampliamos el conjunto así obtenido con vectores de B s 1 hasta obtener p s 1 vectores de V s 1 li módulo V s 2 Es decir, de modo amplíen la base B s 2 a una base de V s 1 Paso s 1 Aplicamos a los vectores de la fila anterior el endomorfismo (λ1 V f) y, seguidamente, ampliamos el conjunto así obtenido con vectores de B 2 hasta obtener p 2 vectores de V 2 li módulo V 1 Es decir, de modo amplíen la base B 1 a una base de V 2 Paso s Aplicamos a los vectores de la fila anterior el endomorfismo (λ1 V f) y, seguidamente, ampliamos el conjunto así obtenido con vectores de B 1 hasta obtener p 1 vectores de V 1 que sean li Observaciones 1 En total se han construido p s + p s p 1 = n s = dim(v s ) vectores de V s que, por la proposición 612 y el lema 612, son linealmente independientes y, en consecuencia, constituyen una base de V s 2 Cada columna de la tabla, tomados sus elementos de abajo hacia arriba, llamada tramo o bloque elemental de base de Jordan, determina una caja o bloque elemental de Jordan asociado al autovalor λ En efecto, sea {v 1, v 2,, v r }, (r s) una columna completa tomada, insistimos, de abajo hacia arriba Por construcción, sabemos que: V r V r 1 v r v r 1 V 2 v 2 V 1 v 1 0 Es decir, (λ1 V f)(v r ) = v r 1, (λ1 V f)(v r 1 ) = v r 2, (λ1 V f)(v 3 ) = v 2, (λ1 V f)(v 2 ) = v 1, (λ1 V f)(v 1 ) = 0, de donde f(v 1 ) = λv 1, f(v 2 ) = v 1 + λv 2, f(v 3 ) = v 2 + λv 3, f(v r ) = v r 1 + λv r dto de álgebra

7 63 FORMAS CANÓNICAS DE JORDAN 123 Restringiéndonos al bloque de base {v 1, v 2,, v r }, obtenemos la caja elemental de Jordan: λ 1 λ 1 M(r r, K) λ 1 λ 3 Del punto anterior deducimos que el número de cajas o bloques elementales de Jordan, es igual al número de columnas de la tabla dada por el algoritmo anterior Hay, por tanto: p s cajas elementales de dimensión s s, p s 1 p s id id (s 1) (s 1), p 2 p 3 id id 2 2, p 1 p 2 id id A la base de V s así construida (columnas de izquierda a derecha y de abajo hacia arriba le llamaremos bloque de base de Jordan correspondiente al autovalor λ Es decir, a la base de V s, C s = {v 1 1,, v s 1,, v 1 p s,, v s p s,, v 1 p 2 +1 v 1 p 1 } Nótese que si restringimos el endomorfismo f de V al subespacio V s, se tiene que la matriz M Cs (f Vs ) es un bloque de Jordan asociado a λ 63 Formas canónicas de Jordan Nuestro objetivo en la presente sección es probar que V es suma directa de los subespacios maximales asociados a los autovalores del endomorfismo f De este modo, si para cada autovalor hemos calculado una base según el algoritmo descrito en la proposición 621, la unión de dichas bases es una base de V respecto de la cual la matriz de f será diagonal por bloques de Jordan Tal matriz será llamada forma canónica de Jordan asociada al endomorfismo f y la base correspondiente será denominada base canónica de V para f Lema 631 Sea λ un autovalor de f y α C, (α λ) Se verifica que x V j \ V j 1 = (α1 V f)(x) V j \ V j 1 Sea x V j \ V j 1, se tiene que: de donde (α1 V f)(x) = (α1 V λ1 V + λ1 V f)(x) = (α λ)x + (λ1 }{{} V f)(x) V }{{} j \ V j 1, V j \V j 1 V j 1 V j (α1 V f)(x) V j \ V j 1 Corolarios Si V s es el subespacio maximal asociado al autovalor λ, α λ, y x V j \ V j 1, (j = 1,, s) se verifica que: 1 (λ1 V f) s (x) = 0 m iglesias

8 63 FORMAS CANÓNICAS DE JORDAN (α1 V f) j (x) V j \ V j 1 3 (α1 V f) j (x) 0 Lema 632 Sean V s1, V s2,, V sr los subespacios maximales asociados a los autovalores λ 1, λ 2,, λ r de f y sea x j V sj \ {0}, (j = 1,, r) Se verifica que {x 1, x 2,, x r } es li Procederemos por inducción sobre r Para r = 1, x 1 es li Para r = 2 Consideremos la relación, α 1 x 1 + α 2 x 2 = 0 (63) y apliquemos a los dos miembros el endomorfismo (λ 2 1 V f) s 2 Teniendo en cuenta los corolarios del lema anterior se tendrá que α 1 (λ 2 1 V f) s 2 (x 1 ) = 0 = α 1 = 0 Sustituyendo en 63, obtenemos que α 2 = 0 y, por consiguiente, {x 1, x 2 } li Supongamos el lema cierto para cualquier sistema y 1, y 2,, y r 1 de vectores donde y j V sj \ {0} Prueba para r Partamos de la relación α 1 x 1 + α 2 x α r x r = 0 (64) Apliquemos a los dos miembros de 64 el endomorfismo (λ r 1 V f) sr corolario 1 y 2 del lema anterior será De acuerdo con el α 1 (λ r 1 V f) sr (x 1 ) + α 2 (λ r 1 V f) sr (x 2 ) + + α r 1 (λ r 1 V f) sr (x r 1 ) = 0 Como (λ r 1 V f) sr (x j ) V sj \{0}, (j = 1,, r 1), deducimos por la hipótesis de inducción que estos vectores son li y, por consiguiente, que α j = 0, (j = 1,, r 1) Sustituyendo en 64 obtenemos que α r = 0 y, por tanto, los vectores x 1, x 2,, x r son li Corolario Si V s1, V s2,, V sr son los subespacios maximales asociados a los autovalores λ 1, λ 2,, λ r de f, se verifica que la suma V s1 + V s2 + + V sr es directa Bastará probar que En efecto, x 1 V s1 r = x 1 V s1, x 1 i=2 V s1 r V si = {0} i=2 r V si = x i V si (i = 2,, r) x 1 = x x r i=2 Expresión, esta última, que indica que los vectores x 1, x 2,, x r son linealmente dependientes, en contradicción con el lema Luego debe ser x 1 = 0 Análogamente para i = 2,, r dto de álgebra

9 63 FORMAS CANÓNICAS DE JORDAN 125 Proposición 631 Si V si el subespacio maximal asociado al autovalor λ i de f, se verifica que dim(v si ) = n si = m i, donde m i es la multiplicidad algebraica del autovalor λ i Sea dim(v si ) = n si y C i = {u i1, u i2,, u insi } una base de V si construida mediante el algoritmo de la proposición 621 Sea B = {u i1, u i2,, u insi, u nsi +1,, u n } una base de V obtenida prolongando la base C i La matriz de f respecto de B será de la forma, A = ( Jλi P 0 Q donde J λi es un bloque de Jordan asociado a λ i de orden n si n si El polinomio característico de f será pues, λi A = λi J λ i P 0 λi Q = (λ λ i) ns i λi Q Procedamos al absurdo Supongamos que m > n si con lo cual λ i deberá ser solución de la ecuación λi Q = 0 Es decir, λ i debe ser un autovalor de la matriz Q Veamos que esto no es posible Para ello construyamos un endomorfismo cuya matriz respecto de una cierta base sea, exactamente, la matriz Q Consideremos el espacio cociente V/V si Tomemos como base de este espacio ), B = {u insi +1 + V si,, u in + V si }, donde {u insi +1,, u in } es la prolongación de C i a la base B de V Consideremos la aplicación ϕ : V/V si V/V si definida por: x V, ϕ(x + V si ) = f(x) + V si Es fácilmente comprobable que ϕ está está bien definida y es lineal Es pues un endomorfismo de V/V si Además, claramente se verifica que M B (ϕ) = Q Veamos que ϕ no posee el autovalor λ i y que, por consiguiente, λ i no es solución de la ecuación λi Q = 0 En efecto, si λ i fuese un autovalor de ϕ, existiría a + V si 0 + V si, (a / V si ) tal que Es decir, ϕ(a + V si ) = λ i (a + V si ) f(a) + V si = λ i a + V si, de donde λ i a f(a) V si = (λ1 V f)(a) V si = (λ1 V f) s i [(λ1 V f)(a)] = 0 = (λ1 V f) s i+1 (a) = 0 = a V si +1 = V si = a V si = a + V si = 0 + V si De lo anterior deducimos que λ i no puede ser autovalor de ϕ y, por consiguiente, no puede ser raíz de su polinomio característico P (ϕ, λ) = λi Q, con lo cual debe ser n si = dim(v si ) = m i m iglesias

10 63 FORMAS CANÓNICAS DE JORDAN 126 Proposición 632 Si λ un autovalor de f de multiplicidad m y V s es el subespacio maximal asociado a λ, se verifica que p 1 + p p s = m Es consecuencia inmediata de la proposición anterior, teniendo en cuanta que se ha demostrado que p 1 + p p s = n s = dim(v s ) (Ver proposición 613) Definición 631 La suma p 1 +p 2 + +p s = m, recibe el nombre de partición de la multiplicidad m del autovalor λ de f Proposición 633 Si V si, (i = 1,, r) son los subespacios maximales asociados, respectivamente, a los autovalores λ 1, λ 2,, λ r, se verifica que Se tiene que: Por una parte, V V s1 V s2 V sr V = V s1 V s2 V sr Además, r dim(v s1 V s2 V sr ) = dim(v si ) = i=1 De ambos puntos se deduce la proposición r m i = n = dim(v ) i=1 Teorema 631 Dado f End(V ), existe una base C de V respecto de la cual la matriz de f es diagonal por cajas, siendo estas, cajas o bloques elementales de Jordan Sean V s1, V s2,, V sr los subespacios maximales asociados, respectivamente, a los autovalores λ 1, λ 2,, λ r y C 1, C 2,, C r las bases, respectivas, de dichos subespacios obtenidas mediante el algoritmo de la proposición 621 Sabemos que C = C 1 C 2 C r es una base de V Es claro, después de lo demostrado anteriormente que la matriz J = M C (f) es diagonal por cajas, y que estas son cajas o bloques elementales de Jordan Definición 632 La matriz J obtenida mediante la aplicación del teorema anterior se denomina forma canónica de f y a la base C se le llama base canónica de V para f Corolarios 1 Si A = M B (f), existe una matriz P invertible tal que J = P 1 AP La matriz P recibe el nombre de matriz de paso a la forma canónica de Jordan de la matriz A En efecto, si P = M(C, B), basta recordar que M C (f) = M(B, C)M B (f)m(c, B), de donde J = P 1 AP 2 La matriz de Jordan del endomorfismo f es, salvo permutación de sus autovalores, única y depende exclusivamente de los autovalores de f, de sus multiplicidades y de la partición de cada multiplicidad Como es obvio, la base C y, consecuentemente, la matriz P no es única ya que depende de las bases B 1, B 2,, B s de los subespacios V 1, V 2,, V s asociados a cada autovalor λ de f así como de la elección de los vectores para la aplicación del algoritmo de la proposición 621 dto de álgebra

11 63 FORMAS CANÓNICAS DE JORDAN 127 De todo lo anteriormente expuesto se deduce con facilidad el siguiente resultado Teorema 632 (teorema de Jordan) 1 Dos matrices cuadradas son semejantes si y sólo si tienen la misma forma canónica de Jordan 2 Dos endomorfismos de V son linealmente equivalentes si y sólo si tienen la misma forma canónica de Jordan m iglesias

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados.

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con

Más detalles

Tema 3: Espacios vectoriales

Tema 3: Espacios vectoriales Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación

Más detalles

Ejemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales.

Ejemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales. Facultad de Ingeniería - IMERL - Geometría y Álgebra Lineal 2 - Curso 2008. 1 Transformaciones lineales en espacios con producto interno Notas para el curso de Geometría y Algebra Lineal 2 de la Facultad

Más detalles

Espacios Vectoriales, Valores y Vectores Propios

Espacios Vectoriales, Valores y Vectores Propios , Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas

Más detalles

Estructuras Algebraicas

Estructuras Algebraicas Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos

Más detalles

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos Capítulo Espacios vectoriales.1 Definición y ejemplos Un espacio vectorial sobre un cuerpo K (que supondremos conmutativo es un conjunto no vacío junto con 1. una operación interna, +, a la que llamaremos

Más detalles

Terminaremos el capítulo con una breve referencia a la teoría de cardinales.

Terminaremos el capítulo con una breve referencia a la teoría de cardinales. TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios

Más 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

Objetivos formativos de Álgebra

Objetivos formativos de Álgebra Objetivos formativos de Álgebra Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera como objetivo

Más detalles

Polaridad. Tangentes. Estudio geométrico de cónicas y cuádricas

Polaridad. Tangentes. Estudio geométrico de cónicas y cuádricas Tema 6- Polaridad Tangentes Estudio geométrico de cónicas y cuádricas En este tema pretendemos estudiar propiedades de V(Q), especialmente en los casos real y complejo, con n =2,3 Para ello, necesitamos

Más detalles

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas. TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A

Más detalles

Resumen de Teoría de Matrices

Resumen de Teoría de Matrices Resumen de Teoría de Matrices Rubén Alexis Sáez Morcillo Ana Isabel Martínez Domínguez 1 de Octubre de 2004 1. Matrices. Generalidades. Definición 1.1. Se llama matriz de orden m n sobre un cuerpo K a

Más detalles

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.

Más detalles

1 Aplicaciones lineales

1 Aplicaciones lineales UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Aplicaciones lineales y diagonalización. El objetivo principal de este tema será la obtención de una matriz diagonal

Más detalles

Espacios vectoriales reales.

Espacios vectoriales reales. Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre

Más detalles

Algebra lineal y conjuntos convexos

Algebra lineal y conjuntos convexos Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar

Más detalles

un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:

un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades: CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse

Más detalles

Tema 1: Espacios vectoriales

Tema 1: Espacios vectoriales PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina

Más detalles

Tema 2: Espacios Vectoriales

Tema 2: Espacios Vectoriales Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.

Más detalles

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.

Más detalles

Transformaciones lineales y matrices

Transformaciones lineales y matrices CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal

Más detalles

Grado en Física. Ejercicios de autoevaluación. Temas 1 4. Departamento de Álgebra, Universidad de Sevilla

Grado en Física. Ejercicios de autoevaluación. Temas 1 4. Departamento de Álgebra, Universidad de Sevilla Álgebra Lineal y Geometría Grado en Física Ejercicios de autoevaluación. Temas 1 4 Departamento de Álgebra, Universidad de Sevilla El contenido de estas notas ha sido diseñado y redactado por el profesorado

Más detalles

Matrices positivas y aplicaciones. María Isabel García Planas Profesora Titular de Universidad

Matrices positivas y aplicaciones. María Isabel García Planas Profesora Titular de Universidad Matrices positivas y aplicaciones María Isabel García Planas Profesora Titular de Universidad Primera edición: Septiembre 2008 Editora: la autora c M ā Isabel García Planas ISBN: 978-84-612-6101-7 Depósito

Más detalles

ALGEBRA. Escuela Politécnica Superior de Málaga

ALGEBRA. Escuela Politécnica Superior de Málaga ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.

Más detalles

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n ) Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder

Más detalles

r j ϕ j (v i ) = r i, ϕ(v i ) = v = n a ij ϕ j(v) ϕ i (v) =

r j ϕ j (v i ) = r i, ϕ(v i ) = v = n a ij ϕ j(v) ϕ i (v) = ESPACIO DUAL 1. Espacio Dual En temas anteriores dados V y V espacios vectoriales sobre k, definíamos en Hom(V, V ) una suma y un producto por elementos de k que convertían este conjunto en un espacio

Más detalles

1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3.

1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3. . Producto escalar. Propiedades... Norma de un vector. Espacio normado...ortogonalidad. Ángulos..3.Producto escalar en V..4.Producto escalar en V 3.. Producto vectorial de dos vectores de V 3...Expresión

Más detalles

Algebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21

Algebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21 Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)

Más detalles

Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS

Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS 1 Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS 1.1 Los Números Naturales. Los números naturales aparecen por la necesidad que tiene el hombre (primitivo) tanto de contar como de ordenar

Más detalles

Introducción a los espacios vectoriales

Introducción a los espacios vectoriales 1 / 64 Introducción a los espacios vectoriales Pablo Olaso Redondo Informática Universidad Francisco de Vitoria November 19, 2015 2 / 64 Espacios vectoriales 1 Las 10 propiedades de un espacio vectorial

Más detalles

Problemas de exámenes de Aplicaciones Lineales y Matrices

Problemas de exámenes de Aplicaciones Lineales y Matrices 1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector

Más detalles

Descomposición en valores singulares de una matriz

Descomposición en valores singulares de una matriz Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran

Más detalles

Descomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)

Descomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar) Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos

Más detalles

Diagonalización de Endomorfismos

Diagonalización de Endomorfismos Capítulo VII Diagonalización de Endomorfismos Fijemos, para todo este capítulo, un espacio vectorial E sobre un cuerpo k y un endomorfismo T : E E. Vamos a estudiar cuándo existe una base de E respecto

Más detalles

520142: ALGEBRA y ALGEBRA LINEAL

520142: ALGEBRA y ALGEBRA LINEAL 520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición

Más detalles

Anillo de polinomios con coeficientes en un cuerpo

Anillo de polinomios con coeficientes en un cuerpo Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.

Más detalles

2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U.

2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U. 2 Ortogonalidad En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U 1 Vectores ortogonales Definición 11 Dos vectores x, ȳ U se dicen ortogonales si: x ȳ = 0 Veamos algunas propiedades

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas de Ecuaciones Lineales y Matrices Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una

Más detalles

Diagonalización de Matrices

Diagonalización de Matrices Tema Diagonalización de Matrices Introducción En los dos temas previos de este bloque hemos visto cómo problemas de la realidad son escritos, tratados y resueltos a través de espacios vectoriales y sistemas

Más detalles

ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA.

ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA. ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA. Índice de contenido 1. Espacio vectorial....2 Estructura de espacio vectorial...2 Subespacios

Más detalles

2.1. Estructura algebraica de espacio vectorial

2.1. Estructura algebraica de espacio vectorial Tema 2 Espacios vectoriales de dimensión finita 21 Estructura algebraica de espacio vectorial Los vectores libres en el plano son el sustento geométrico del concepto de espacio vectorial Se trata de segmentos

Más detalles

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R.

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA ANALÍTICO DE LA ASIGNATURA: ALGEBRA LINEAL Código L2.07.1 PLAN DE ESTUDIOS: 2002 CARRERA: Licenciatura en Matemática DEPARTAMENTO:

Más detalles

Problemas de Espacios Vectoriales

Problemas de Espacios Vectoriales Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial

Más detalles

MMAF: Espacios normados y espacios de Banach

MMAF: Espacios normados y espacios de Banach MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el

Más detalles

Diagonalización de matrices.

Diagonalización de matrices. Diagonalización de matrices. 1. Diagonalización de matrices. Definición 1.1 Sea A una matriz cuadrada,, decimos que es un autovalor de A si existe un vector no nulo tal que En esta situación decimos que

Más detalles

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que

Más detalles

Espacios vectoriales

Espacios vectoriales Espacios vectoriales [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación

Más detalles

Definición 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 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 1.1. Conceptos básicos y ejemplos 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. NOTA:

Más detalles

Teorema del Valor Medio

Teorema del Valor Medio Tema 6 Teorema del Valor Medio Abordamos en este tema el estudio del resultado más importante del cálculo diferencial en una variable, el Teorema del Valor Medio, debido al matemático italo-francés Joseph

Más detalles

Fundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso

Fundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso Fundamentos Matemáticos de la Ingeniería Tema 4 Hoja Escuela Técnica Superior de Ingeniería Civil e Industrial Esp en Hidrología Fundamentos Matemáticos de la Ingeniería Tema 4: Diagonaliación de matrices

Más detalles

Dependencia e independencia lineal

Dependencia e independencia lineal CAPíTULO 3 Dependencia e independencia lineal En este capítulo estudiaremos tres conceptos de gran importancia para el desarrollo del álgebra lineal: el concepto de conjunto generador, el concepto de conjunto

Más detalles

Introducción a la topología

Introducción a la topología Introducción a la topología Beatriz Abadie CENTRO DE MATEMÁTICAS FACULTAD DE CIENCIAS UNIVERSIDAD DE LA REPÚBLICA Agosto de 2013 i Índice general Capítulo 1. Elementos de la teoría de conjuntos 1 1.1.

Más detalles

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Enteros

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Enteros Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Z = N {0} N Enteros Las operaciones + y. son cerradas en Z, es decir la suma de dos números enteros es un número entero y el producto

Más detalles

Clase 8 Matrices Álgebra Lineal

Clase 8 Matrices Álgebra Lineal Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas

Más detalles

Espacios vectoriales. Capítulo Espacios vectoriales y subespacios Preliminares

Espacios vectoriales. Capítulo Espacios vectoriales y subespacios Preliminares Capítulo 1 Espacios vectoriales En diversos conjuntos conocidos, por ejemplo los de vectores en el plano o en el espacio (R 2 y R 3 ), o también el de los polinomios (R[X]), sabemos sumar sus elementos

Más detalles

Transformaciones lineales

Transformaciones lineales Capítulo 3 Transformaciones lineales Las transformaciones lineales son las funciones con las que trabajaremos en Álgebra Lineal. Se trata de funciones entre K-espacios vectoriales que son compatibles con

Más detalles

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p

Más detalles

Espacios vectoriales con producto interno

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

Más detalles

Apéndice sobre ecuaciones diferenciales lineales

Apéndice sobre ecuaciones diferenciales lineales Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.

Más detalles

Base y Dimensión de un Espacio Vectorial

Base y Dimensión de un Espacio Vectorial Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un

Más detalles

6.1. Anillos de polinomios.

6.1. Anillos de polinomios. 1 Tema 6.-. Anillo de polinomios. División y factorización. Lema de Gauss. 6.1. Anillos de polinomios. Definición 6.1.1. Sea A un anillo. El anillo de polinomios en la indeterminada X con coeficientes

Más detalles

Lección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos

Lección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto

Más detalles

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos

Más detalles

1. Construcción de la Integral

1. Construcción de la Integral 1. Construcción de la Integral La integral de Riemann en R n es una generalización de la integral de funciones de una variable. La definición que vamos a dar reproduce el método de Darboux para funciones

Más detalles

Conjuntos, relaciones y funciones Susana Puddu

Conjuntos, relaciones y funciones Susana Puddu Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también

Más detalles

Tema 5: Sistemas de ecuaciones lineales.

Tema 5: Sistemas de ecuaciones lineales. TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1

Más detalles

TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR

TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR Índice 6.1. Formas bilineales....................... 154 6.1.1. Representación matricial de una forma bilineal. 155 6.1.. Formas multilineales reales............

Más detalles

ESPACIOS VECTORIALES

ESPACIOS VECTORIALES MATEMÁTICA I - - Capítulo 8 ------------------------------------------------------------------------------------ ESPACIOS VECTORIALES.. Espacios Vectoriales y Subespacios... Definición. Un espacio vectorial

Más detalles

ELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano

ELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano ELEMENTOS DE GEOMETRÍA Eduardo P. Serrano Este Apunte de Clase está dirigido a los alumnos de la materia Elementos de Cálculo Numérico para Biólogos. Tiene por objeto exponer algunos conceptos básicos

Más detalles

Conjuntos y matrices. Sistemas de ecuaciones lineales

Conjuntos y matrices. Sistemas de ecuaciones lineales 1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución

Más detalles

Temario de Matemáticas

Temario de Matemáticas Temario de Matemáticas BLOQUE I: ÁLGEBRA LINEAL Y GEOMETRÍA 1 o Grado en Biología Alma Luisa Albujer Brotons Índice general 1. Matrices 1 1.1. Conceptos básicos y ejemplos...............................

Más 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

Trabajo Práctico N 5: ESPACIOS VECTORIALES

Trabajo Práctico N 5: ESPACIOS VECTORIALES Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio 1: Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique

Más detalles

Tema 3.- SISTEMAS DIFERENCIALES LINEALES Ampliación de Matemáticas. Ingeniería Técnica Industrial. Especialidad en Electrónica Industrial.

Tema 3.- SISTEMAS DIFERENCIALES LINEALES Ampliación de Matemáticas. Ingeniería Técnica Industrial. Especialidad en Electrónica Industrial. Tema 3- SISTEMAS DIFERENCIALES LINEALES Ampliación de Matemáticas Ingeniería Técnica Industrial Especialidad en Electrónica Industrial Índice General 1 Introducción 1 2 Sistemas lineales de primer orden

Más detalles

Grupos libres. Presentaciones.

Grupos libres. Presentaciones. S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad

Más detalles

Es trivial generalizar la definición al caso de varios conjuntos: A B C, etc.

Es trivial generalizar la definición al caso de varios conjuntos: A B C, etc. Tema 1 Espacios Vectoriales 1.1 Introducción Estas notas están elaboradas pensando simplemente en facilitar al estudiante una guía para el estudio de la asignatura, y en consecuencia se caracterizan por

Más detalles

Matrices y determinantes. Sistemas de ecuaciones lineales

Matrices y determinantes. Sistemas de ecuaciones lineales Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo

Más detalles

Espacios topológicos. 3.1 Espacio topológico

Espacios topológicos. 3.1 Espacio topológico Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes

Más detalles

Conjuntos Medibles. Preliminares

Conjuntos Medibles. Preliminares Capítulo 18 Conjuntos Medibles Preliminares En el capítulo anterior vimos que la medida exterior de Lebesgue no resulta σ-aditiva en todo R n. Ahora vamos a construir una familia M de subconjuntos de R

Más detalles

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x

Más detalles

Funciones convexas Definición de función convexa. Tema 10

Funciones convexas Definición de función convexa. Tema 10 Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en

Más detalles

Recordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.

Recordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos. Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre

Más detalles

Aplicaciones de la Forma Normal de Smith de una Matriz Entera

Aplicaciones de la Forma Normal de Smith de una Matriz Entera Aplicaciones de la Forma Normal de Smith de una Matriz Entera Rafael Heraclio Villarreal Rodríguez Departmento de Matemáticas CINVESTAV-IPN, México D.F. XLV Congreso Nacional Sociedad Matemática Mexicana

Más detalles

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz

Más detalles

Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa

Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa Ecuaciones matriciales AX = B y XA = B Cálculo de la matriz inversa Objetivos Aprender a resolver ecuaciones matriciales de la forma AX = B y XA = B Aprender a calcular la matriz inversa con la eliminación

Más detalles

Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I?

Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I? MATRICES Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I? La multiplicación de matrices cuadradas, tiene la propiedad conmutativa?

Más detalles

Matrices, determinantes, sistemas de ecuaciones lineales.

Matrices, determinantes, sistemas de ecuaciones lineales. UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m

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

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

PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES. Problemas 02

PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES. Problemas 02 PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES Problemas 0 Salvador Pérez Gómez pies3coma14@hotmail.com 4 de abril de 007 PROBLEMA 1 Sea n un número natural. Sea A n = n + n + 3n. a) Demostrar que

Más detalles

CAPÍTULO 4: DERIVADAS DE ORDEN SUPERIOR. En este capítulo D denota un subconjunto abierto de R n.

CAPÍTULO 4: DERIVADAS DE ORDEN SUPERIOR. En este capítulo D denota un subconjunto abierto de R n. April 15, 2009 En este capítulo D denota un subconjunto abierto de R n. 1. Introducción Definición 1.1. Dada una aplicación f : D R, definimos la derivada parcial segunda de f como D ij f = 2 f = ( ) x

Más detalles

El Espacio Proyectivo

El Espacio Proyectivo Capítulo I El Espacio Proyectivo En este cap tulo todos los espacios vectoriales considerados se supondrán de dimensión finita sobre un cuerpo conmutativo k, y E será uno de tales espacios. 1 Espacio Proyectivo

Más detalles

Métodos directos para resolver sistemas de ecuaciones lineales

Métodos directos para resolver sistemas de ecuaciones lineales Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el

Más detalles

Factorización de matrices

Factorización de matrices CAPÍTULO Factorización de matrices En este capítulo se estudian algunas de las técnicas más utilizadas para factorizar matrices, es decir, técnicas que permiten escribir una matriz como producto de dos

Más detalles

Tema 2. Grupos. 3. El conjunto de matrices de orden 2 con coeficientes enteros (o reales) con la suma es un grupo conmutativo.

Tema 2. Grupos. 3. El conjunto de matrices de orden 2 con coeficientes enteros (o reales) con la suma es un grupo conmutativo. Tema 2. Grupos. 1 Grupos Definición 1 Un grupo es una estructura algebraica (G, ) tal que la operación binaria verifica: 1. * es asociativa 2. * tiene elemento neutro 3. todo elemento de G tiene simétrico.

Más detalles

Semana 09 [1/28] Sucesiones. 29 de abril de Sucesiones

Semana 09 [1/28] Sucesiones. 29 de abril de Sucesiones Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará

Más detalles

TEMA 8.- NORMAS DE MATRICES Y

TEMA 8.- NORMAS DE MATRICES Y Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos

Más detalles

Sistemas de ecuaciones diferenciales lineales J.L. Mancilla Aguilar

Sistemas de ecuaciones diferenciales lineales J.L. Mancilla Aguilar Sistemas de ecuaciones diferenciales lineales JL Mancilla Aguilar Sistemas de ecuaciones diferenciales A lo largo de estas notas consideraremos sistemas de ecuaciones diferenciales lineales a coeficientes

Más detalles

Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa.

Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa. Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email:

Más detalles