Acerca de las Formas Bilineales Simétricas. Las Formas Alternadas
|
|
- Rosa María Botella Vargas
- hace 6 años
- Vistas:
Transcripción
1 FORMAS BILINEALES II Acerca de las Formas Bilineales Simétricas. Las Formas Alternadas Este artículo es una continuación de Introducción a las formas bilineales, que se encuentra publicado en esta misma web, en la dirección en donde definimos las formas bilineales como aplicaciones del producto cartesiano de dos k-espacios vectoriales, V y W, en su cuerpo k de definición. En dicho artículo obtenemos la expresión analítica, los homomorfismos asociados a derecha e izquierda, establecemos los conceptos de Forma Degenerada, Forma Ordinaria y Forma No Singular, para, finalmente, definir el concepto de ortogonalidad respecto a una forma bilineal y establecer sus propiedades básicas, lo que nos permitiría definir también el rango de una forma bilineal. Todo ello expuesto en seis apartados, de 01 a 06, por lo que empezaremos ahora este artículo con el apartado 07. La novedad que introducimos en este trabajo es que ahora los espacios V y W utilizados antes son el mismo espacio vectorial, por lo que aquí trataremos de formas bilineales sobre un espacio vectorial dado (V;k. 07. Formas bilineales sobre un espacio vectorial Consideremos el conjunto de las formas bilineales definidas del producto cartesiano de los k-espacios V y W en su cuerpo de definición. L(V,W;k Si hacemos V = W, representaremos tal conjunto por L (V. Es decir, si f L (V, x, y V, f (x, y k, siendo obviamente válidos los teoremas vistos en las secciones anteriores para el caso de que los espacios V y W pudieran ser distintos. Teorema 07.1: Se verifican los siguientes isomorfismos a L (V Mat n (k b L (V Hom(V,V* a se verifica por el Teorema 0., y b es asimismo un caso particular del Teorema Definición 07.1: Se definen las formas simétricas y antisimétricas (o alternadas del siguiente modo: f L (V simetrica (x, y V, f (x, y = f (y, x f L (V antisimetrica (x, y V, f (x, y = f (y, x 1
2 Representaremos por L s (Vy L a (V los respectivos conjuntos de las formas bilineales simétricas y alternadas: L s (V = f L (V/ f (x, y = f (y, x, x, y V L a (V = f L (V/ f (x, y = f (y, x, x, y V Teorema 07.: Si el cuerpo k es de característica distinta de, entonces f L a (V, f (x, x = 0 De ser (x, y V, f (x, y = f (y, x, será f (x, x = f (x, x f (x, x = 0 y siendo car(k, será necesariamente f (x, x = 0. Teorema 07.3: Los conjuntos L s (V y L a (V son subespacios vectoriales del k-espacio L (V. a f, g L s (V, α, β k,(α f + βg(x, y = (α f (x, y+ (βg(x, y = = α f (x, y+ βg(x, y = α f (y, x+ βg(y, x = (α f + βg(y, x α f + βg L s (V b f, g L a (V, α, β k,(α f + βg(x, y = (α f (x, y+ (βg(x, y = = α f (x, y+ βg(x, y = α f (y, x βg(y, x = (α f + βg(y, x α f + βg L a (V Teorema 07.4: Si el cuerpo k es de característica distinta de, entonces L s (V L a (V = { 0} f (x, y = f (y, x f L s (V L a (V, x, y V f (x, y = f (x, y f (x, y = f (y, x. f (x, y = 0 f (x, y = 0 f = 0 Es decir, f L s (V L a (V, f = 0 L s (V L a (V = 0 Teorema 07.5: Sea k un cuerpo de característica distinta de. Se verifica que el espacio vectorial de las formas bilineales sobre un k-espacio vectorial V dado es la suma directa de los subespacios de las formas bilineales simétricas y alternadas: L s (V L a (V = L (V a Veamos que L s (V+ L a (V = L (V, es decir, que cualquier elemento de V (k es la suma de un elemento de L s (V más un elemento de L a (V: f V (k, (x, y V, sean
3 [ ] y ϕ (x, y = 1 [ ] ϕ 1 (x, y = 1 f (x, y+ f (y, x f (x, y f (y, x es obvio que ϕ 1 (x, y = ϕ 1 (y, x y ϕ (x, y = ϕ (y, x, cumpliéndose que ϕ 1 (x, y+ϕ (y, x = 1 [ f (x, y+ f (y, x ]+ 1 [ f (x, y f (y, x ]= f (x, y En definitiva, es f L (V, f = ϕ 1 +ϕ, ϕ 1 L s (V,ϕ L a (V, por lo que L s (V+ L a (V = L (V b Del teorema anterior L s (V L a (V = 0 En definitiva: L s (V+ L a (V = L (V L s (V L a (V = { 0} L s (V L a (V = L (V Teorema 07.6: Toda matriz cuadrada se descompone en la suma de una matriz simétrica y una matriz antisimétrica. Por el teorema 07.1 a, L (V Mat n (k siendo n = dimv. Sea Φ dicho isomorfismo y consideremos una base B = e 1,...,e n tiene: Φ : L (V Mat n (k cualquiera del espacio V. Se ( n con a ij = f (e i e j, i, j =1,..., n es decir, f L (V, Φ( f = A Mat n (k, A = a ij por el teorema 07.5, ϕ 1 L s (V,ϕ L a (V tales que f = ϕ 1 +ϕ, f L (V. Luego Φ( f =Φ(ϕ 1 +ϕ =Φ(ϕ 1 + Φ(ϕ = A 1 + A Mat n (k, A 1 = (a ij n, A = (a hk n con a ij = ϕ 1 (e i e j, i, j =1,..., n, a hk = ϕ (e h e k, h, k =1,..., n - Como ϕ 1 L s (V, a ij = ϕ 1 (e i e j = ϕ 1 (e j e i = a ji A = (a ij n simetrica - Como ϕ L a (V, a hk = ϕ (e h e k = ϕ (e k e h = a kh A = (a hk n antisimetrica Definición 07.: Sea f L (V y sean W 1,W subespacios de V tales que V = W 1 +W. Si W 1 y W son ortogonales respecto de f, se dice que V es la suma ortogonal de W 1 y W (V = W 1 W. Definición 07.3: El elemento x V 0 es isótropo respecto a f L (V sii f (x, x = 0. Una variedad lineal M V se dice que es isótropa sii y se dice que es totalmente isótropa si además es M ω(m. Una variedad lineal M V se dice que es totalmente isótropa maximal sii se verifica que y N V / N ω(n, M N M = N. Teorema 07.7: 3
4 Sea f L (V ordinaria y M variedad lineal de V. Se verifica que M ω(m = φ V = M ω(m - Si V = M ω(m y f L (V es obvio que, por definición, M ω(m = φ. - Veamos la implicación en sentido contrario: Sabemos que si L 1 y L son variedades lineales de un determinado espacio vectorial V, se verifica que dim(l 1 + L = dim L 1 + dim L dim(l 1 L en nuestro caso consideramos las variedades L 1 = M y L = ω(m, ambas ortogonales: dim(m +ω(m = dim M + dimω(m dim(m ω(m Como, por el teorema 05.1, 10 sabemos que dim M = codimω(m = n dimω(m se tendrá que dimv = n = dim M + dimω(m = dim(m +ω(m + dim(m ω(m O sea, dimv = dim(m +ω(m + dim(m ω(m De lo cual, si M ω(m = φ dim(m ω(m = 0 quedando dimv = dim(m +ω(m V = M +ω(m con lo que, al ser M y ω(m ortogonales, será V = M ω(m Teorema 07.8: Sea f L (V ordinaria y M variedad lineal de V. Se verifica que M no isótropa ω(m no isótropa Por el teorema 05.1,11 sabemos que si f es ordinaria se verifica que M = ω (M, por lo que M no isótropa M ω(m = 0 ω (M ω(m = 0 ω(m no isótropa Definición 07.4: Dados dos k-espacios vectoriales, V 1 y V, y formas bilineales cualesquiera f 1 L (V 1 y f L (V, se dice que un homomorfismo σ :V 1 V es métrico respecto a f 1 y f sii f (σ x,σ y = f 1 (x, y, x, y V 1. Si σ es isomorfismo se denomina isometría. (Tal denominación se debe a que la distancia en los espacios métricos se define mediante una forma bilineal 08.1 Acerca de las Formas Simétricas Existencia de bases ortogonales: Definición 08.1: 4
5 Sea V un k-espacio vectorial donde el cuerpo k de definición es de característica del distinta de, y sea f L (V una forma bilineal. Una base B =,..., espacio V se dice ortogonal respecto de f sii f (u i,u j = 0, si i j. Teorema 08.1: f L s (V dimv 1 existe una base de V ortogonal respecto de f. Demostración - Supongamos que f es una forma bilineal simétrica ordinaria: Si dimv=1, la proposición es obvia. Si dimv=n>1, supongámosla cierta para algún n 0 < n. Siempre existirá algún elemento no nulo, V { 0}, tal que f (, 0, ya que si no fuera así se tendría que: x, y V, f (x+ y, x+ y = f (x, x+ f (x, y+ f (y, x+ f (y, y = = 0 + f (x, y+ f (y, x+ 0 = 0. Es decir, x, y V, f (x, y+ f (y, x = 0 como f es, por hipótesis, simétrica, será x, y V,f (x, y = 0, y, finalmente, como el cuerpo k es de característica distinta de : x, y V, f (x, y = 0, con lo que la forma bilineal f L s (V no sería ordinaria, contra la hipótesis. En definitiva, existe algún V { 0}, tal que f (, 0. Llamemos H = H( el espacio engendrado por y sea ω(h la variedad ortogonal a H, esto es, que cumpla que x H, z ω(h, f (x, z = 0. Como se tiene que x H, a k / x = a, será z ω(h, f (x, z = a. f (, z = 0, siendo z, pues por construcción hemos elegido a de modo que f (, 0. Es decir, se tiene que H ω(h = φ, lo cual implica, por el teorema 07.7, que se verifica la suma ortogonal H ω(h = V. Repitiendo el proceso ahora para otro elemento u ω(h, se tiene que f (u 0, f ( = 0, f (, 0, siendo ahora H( ω(h = V. Así, mediante inducción encontramos que existe un conjunto {,..., } de n elementos de V tal que H(,..., ω(h = V. Como la dimensión de V es n, el espacio engendrado por {,..., } es precisamente V, cumpliéndose que f (u i,u i 0, i =1,..., n f (u i,u j = 0, si i j En definitiva, encontramos una base ortogonal, {,..., }, en el espacio V. - Sea ahora el caso en el que f es no ordinaria (degenerada: Sea V 0 V el núcleo de f, es decir x V V 0, y V 0, f (x, y = 0, y llamemos W al complementario de V 0 en V: W = V V 0. Obviamente es W V 0 = φ, luego es W V 0 = V. Sea { } una base de V 0. La restricción de f a W, f :WxW k, es ordinaria, pues de no ser así, se tendría que x W { 0}/ f (x, y = 0, y W W V 0 φ. Al ser ordinaria, encontramos en W una base ortogonal, mediante el proceso descrito antes. Sea { u r+1,..., } dicha base ortogonal en W. 5
6 Como es W V 0 = V, el conjunto { +1,..., } es una base ortogonal de V. Resumen analítico: que genera el Si f L s (V es ordinaria, existe una base ortogonal,..., espacio V, es decir, tal que f (u i,u j = 0, si i j, f (u i,u i = u i 0, i =1,..., n. Si llamamos u i = a i, i =1,..., n, se tiene que x V, x = x x n, cumpliéndose que f (x, x = x = x 1 u x n u n = a 1 x a n x n, lo cual nos indica que para dos vectores, x = x x n y y = y n, será: f (x, y x.y = x 1 u x n y n u n = a 1 x a n x n y n que en forma matricial sería: a a... 0 f (x, y = (x 1, x,.., x n a n - Si f L s (V es no ordinaria, existe también una base ortogonal que genera el espacio V, de la que una parte genera al los vectores que +1,..., núcleo V 0 y el resto al espacio complementario W = V V 0. Sean u r+1,..., los vectores que generan al núcleo V 0 y sean generan a W = V V 0. Se tendrá que f (u i,u j = 0, si i j, f (u i,u i = u i = a i 0, i r, f (u i,u i = u i = a i = 0, i > r Se tiene que x V, x = x x r u r + x r+1 u r x n, y se cumple que f (x, x = x = x 1 u 1 + x r u r + x r+1 u r x n u n = a 1 x a r x r = a 1 x a r x r Para dos vectores cualesquiera, x = x x n y y = y n, será: En forma matricial: a a f (x, y = (x 1, x,.., x n r y n y n (la caja diagonal no nula de la matriz es de orden r 08.. Planos hiperbólicos. Existencia de planos hiperbólicos: Definición 08.: Sea el par (V, f constituido por un k-espacio vectorial V de dimensión, y una forma bilineal simétrica ordinaria f L s (V. 6
7 Se dice que (V, f es un plano hiperbólico sii z V / z 0 z = 0. Una base de un plano hiperbólico se dice que es un par hiperbólico sii = 0, u = 0,.u =1. Teorema 08.: que Para todo plano hiperbólico (V, f existe siempre un par hiperbólico genera al k-espacio: V = ( Sea z V / z 0 z = 0, que existe por definición de plano hiperbólico, y sea u V cualquiera tal que ambos generan el espacio: V = (z,u. Se cumple necesariamente que z.u 0, pues caso contrario, si z.u = 0, entonces z V 0, y como f es ordinaria, V 0 = { 0}, con lo que z= 0, contra la hipótesis de que z 0. Elijamos b ktal que z.bu = bzu =1, y elijamos también a k por la condición de que ( az+ bu = 0. Veamos que, entonces, ambos vectores, = z y u = az+ bu, son un par hiperbólico del plano hiperbólico dado: u 1 = z = 0, por definición. u = (az+ bu = 0, por construcción..u = z(az+ bu = az + zbu = 0 +1 =1 En definitiva, { }= { z, az+ bu} es un par hiperbólico. Ejemplo: Dado el plano hiperbólico (V, f en el que es z V / z 0 z = 0, y es u V tal que el par genera al espacio, V = (z,u. Encontrar un par hiperbólico sabiendo que es z.u = Encontramos b k tal que z.bu = bzu =1 b. 1 =1 b = Encontramos a k tal que ( az+ bu = 0 a z + b u + az.bu = = 0 + 9u + a = 0 a = 9 u Par hiperbólico: { }= z, 9 u z+ 3u u 1 = z = 0, u = (az+ bu = 9 u z+ 3u. Comprobamos: = 0,.u = z( 9 u z+ 3u = 9 u z + 3uz = = El primer teorema de Witt: Teorema 08.3: 7
8 Si f L s (V y son M 1, M dos variedades lineales de V totalmente isótropas maximales, se tiene que dim M 1 = dim M. Sea M = M 1 M y llamemos M 1 y a las respectivas variedades complementarias de M en M 1 y M respectivamente. Por ser M 1 y M totalmente isótropas, M 1 ω(m 1 y M ω(m, con lo que se tiene la suma ortogonal M 1 = M M 1 y M = M M. Puesto que M M, por Teorema 05.1, 1, será ω(m ω(m, con lo que será M 1 M 1. Por otra parte: x M 1 x M 1 x M 1 M 1 ω(m 1 x ω(m 1 x ω(m 1 M M 1 ω(m 1 ω(m x ω(m y como M = M M, por teorema 05.1, 6 :ω(m = ω(m M = ω(m, luego x M 1 x ω(m x ω(m En definitiva, x M 1 x M 1 M 1 M 1 y de ambas inclusiones de deduce la igualdad: M 1 M 1 Ahora bien, si M M 1 M 1 = M 1 M 1 x M 1 x 0 entonces x M, y la variedad lineal engendrada L(M x por la unión M x verifica que es totalmente isótropa con M L(M x propiamente, lo cual es imposible. Por tanto x = 0 y se tiene que M 1 = M 1 = { 0} Del mismo modo encontramos que M ω(m 1 = M ω(m 1 = { 0}. Si es n = dimv, se tiene que n dim( M 1 +ω(m = dim M 1 + dimω(m dim( M 1 y como hemos comprobado que M 1 +ω(m = 0 n dim M 1 + dimω(m dim M 1 n dimω(m Por el Teorema 05.1,10 es dim M = n dimω(m dim M 1 dim M Razonando del mismo modo tendremos que, será: dim M dim M 1 por lo cual, de ambas desigualdades: dim M = dim M 1 dim M = dim M 1 Teorema 08.4:, por lo que se tiene que Sea V un k-espacio vectorial, f L s (V ordinaria, M variedad lineal de V y M 0 es el núcleo de M respecto de f. Si se tiene la descomposición ortogonal M = M 0 U se cumple que si es una base de M 0, existen elementos v 1,..., v r de V ortogonales a U tales que cada 8
9 { u i, v i } es un par hiperbólico que engendra un plano hiperbólico P i de modo par que se da la suma ortogonal P 1... P r U Como es M 0 = ( U, si consideramos M 1 = u M 1 M 0, por lo que ω(m 0 ω(m 1. Es decir, v 1 ω(m 1 /v 1 ω(m 0, con lo que v 1. 0, v 1 = 0, u 1 = 0, luego, v 1 ( U será, obviamente, es un par hiperbólico, cuyo plano hiperbólico engendrado, P 1 =, v 1 P 1 u (, cumple que ( U. ( U, será M M 1 y verifica que ( se tiene la suma ortogonal ( U. Si repetimos el proceso, considerando ahora M = u 3 ω(m 1 ω(m, y v ω(m /v ω(m 1, con lo que el par u, v v.u 0, v = 0, u = 0. Si es P = u, v P 1 P u 3 Siguiendo inductivamente el proceso llegamos a P 1 P... P r U lo que prueba el teorema. Definición 08.3: Una forma bilineal f L s (V se dice que es definida sii x 0, f (x, x = x 0. Teorema 08.5 (Primer Teorema de Witt para formas simétricas: Si es V un k-espacio vectorial y f L s (V ordinaria, existe una descomposición de V como suma directa V = L 1 L M tal que L 1, L son variedades totalmente isótropas maximales y la restricción de f a H es una forma simétrica definida. El espacio V puede tener vectores isótropos o no tenerlos. Si no hay vectores isótropos, entonces L 1 = φ, L = φ,, con lo cual, en este caso, es V = L 1 L M, y se verifica el teorema. Veamos, por tanto, la prueba del teorema para el caso de que sí existen vectores isótropos en V. En este caso existen variedades totalmente isótropas maximales, por el Lema de Zorn. Sea L 1 una variedad lineal totalmente isótropa maximal tal que L 1 0 (. Por ser L 1 totalmente isótropa verifica que L 1 ω L 1 ( :. Llamemos H al complementario de L 1 en ω L 1 H = ω ( L 1 L 1 [*] cumpliéndose que x H / x 0, es f (x, x x 0, pues si fuera x = 0 entonces la variedad N = (L 1, x sería totalmente isótropa y L 1 N, lo cual es imposible por ser L 1 totalmente isótropa maximal. 9
10 Es decir, L 1 es variedad lineal totalmente isótropa maximal y la restricción de f a H es definida. es una base de L 1, existen vectores Por el Teorema 08.4 se tiene que si del espacio V, v 1,..., v r, ortogonales a H tales que los pares { u i, v i }, i =1,...,r son hiperbólicos y los planos P i = ( u i, v i, i =1,...,r, engendrados verifican la suma ortogonal P 1 P... P r H. Llamemos L a la variedad lineal engendrada por los vectores v 1,..., v r : L = (v 1,..., v r. Entonces L es variedad lineal totalmente isótropa maximal que cumple que P 1 P... P r H = L L 1 ( H = L L 1 H como por el teorema 05.1,6 es dim L 1 = n dimω(l 1, será dim L 1 + dimω(l 1 = n y como de [*] es L 1 + H = ω ( L 1 tenemos que dim L 1 + dim(l 1 H = n finalmente, al ser L = (v 1,..., v r será dim L 1 = dim L, con lo cual dim L + dim(l 1 + H = n y, en definitiva L L 1 H = V La Ley de Sylvester: Teorema 08.6 (La ley de Inercia de Sylvester Dado un k-espacio vectorial V donde k es un cuerpo ordenado, y f L s (V es una forma ordinaria, se verifica que existe un único entero r tal que para cualquier, con respecto a la forma f, indica el número exacto base ortogonal de V, v 1,...,v n de elementos de la base tales que f (v i, v i = v i > 0, cumpliéndose para los restantes vectores de la base que f (v i, v i = v i < 0. La familia de las bases ortogonales de un espacio vectorial no es vacía, por el teorema Sea una base ortogonal. Como la forma f L s (V es ordinaria, se v 1,...,v n tendrá que v i { v 1,..., v n }, f (v i, v i v i = x i 0. Supongamos que son positivos r de estos cuadrados: v i = x i > 0, si i r v i = x i < 0, si i > r Supongamos otra base ortogonal distinta,..., la que son positivos s de los cuadrados de sus elementos: del mismo espacio vectorial en u i = y i > 0, si i s u i = y i < 0, si i > s Se trata de probar que r=s. Esto es, que el numero de elementos de cuadrado positivo es el mismo en cualquier base ortogonal del espacio. Bastará probar que tomando los elementos de cuadrado positivo en una de las dos bases y los elementos de cuadrado negativo en la otra, el conjunto de todos ellos es linealmente independiente. Es decir, que los vectores v 1,...,v r,u s+1,..., 10
11 son linealmente independientes. Pues de ser así, se tendría que r + n s n o bien que r s. Análogamente, si se tomaron los elementos de cuadrado positivo de la segunda base y los de cuadrado negativo de la primera,...,u s, v r+1,..., v n se tendría que s+ n r n, es decir, s r De ambas desigualdades se obtiene la igualdad buscada, r=s. Veamos, pues, la independencia lineal: m 1 v m r v r + p s+1 u s p n = 0 m 1 v m r v r = p s+1 u s+1... p n elevando al cuadrado: m1v mrv r = p s+1u s p n o bien m1x m r x r = p s+1y s p n y n igualdad en la que el miembro de la izquierda es mayor o igual a cero, mientras que el miembro de la derecha es menor o igual a cero m1x m r x r 0 p y p s+1 s+1 ny n 0 de lo que se deduce que ambos miembros son nulos y que, por tanto, los coeficientes son todos igual a cero m 1 =... = m r = p s+1 =... = p n = 0 y los vectores v 1,...,v r,u s+1,..., son linealmente independientes. Por analogía, también son linealmente independientes,...,u s, v r+1,..., v n. Corolario 1: de Si los elementos del cuerpo son cuadrados, existe una base ortogonal v 1,...,v n V tal que v i =1, i r y v i = 1, i > r, estando r unívocamente determinado. Basta tomar un a base ortogonal cualquiera y dividir cada vector de la misma por el elemento de k que corresponde a su cuadrado. Así, si es w i = x i > 0, i r y w i = x i < 0, i > r, se tiene: v i = w i v i = w i x i =1, i r x i = 1, i > r La base { v 1,...,v n } se denomina base ortonormal con respecto a la forma f L s Definición 08.4: Se dice que f L s (V es definida positiva sii r=n, o sea: x V, f (x, x x > 0 Se dice que f L s (Ves definida negativa sii r=0, o sea: x V, f (x, x x < 0 Corolario : El k-espacio vectorial V donde el cuerpo k es ordenado y (V f L s (V es ordinaria admite siempre una descomposición en suma ortogonal V = V + V definida positiva en V + y es definida negativa en V. Es obvio, por la Ley de la Inercia de Sylvester. Ejemplo: tal que f es 11
12 El producto escalar ordinario en el R-espacio V 3 de los vectores de la física clásica, la forma bilineal f :V 3 R, definida por (x, y V 3, f (x, y x.y = x 1, + x. + x 3.y 3 R, siendo los vectores x = (x 1, x, x 3, y = (,, y 3 en una base ortonormal dada, es una forma bilineal, simétrica, ordinaria y definida positiva. 09. Sobre las Formas Alternadas Las formas antisimétricas o alternadas, f L a (V, verifican, como ya hemos establecido antes, que (x, y V, f (x, y = f (y, x. Si el cuerpo k de definición del espacio V no es de característica, se tiene (x, x V, f (x, x = f (x, x. f (x, x = 0 f (x, x = 0 por lo que de forma natural se cumple que para un plano hiperbólico P cualquiera, no degenerado: P, 0, f (, = = 0, u P / u 0, f (u = u = 0, f ( 0 pues de lo contrario P sería un plano hiperbólico degenerado y P 0 (núcleo de P Sea, pues, un par hiperbólico de P. Dividiendo ambos vectores por una constante podemos considerarlo normalizado: = 0, u = 0, f ( =1, f (u, = 1 La matriz de la forma alternada en el plano hiperbólico P se obtiene de inmediato: Dados dos vectores x,y, expresados en el par hiperbólico: x = x 1 + x u y = + u se tiene: (x, y P, f (x, y = f (x 1 + x u, + u = = x 1 f (, + x 1 f ( + x f (u, + x f (u x 1 + x 1..u + x.u. + x u1 = 0 + x 1.1+ x.( = = x 1 x Matricialmente: ( (x, y P, f (x, y = x 1 x Definición 09.1: Denominamos espacio hiperbólico a una suma ortogonal de planos hiperbólicos. 1
13 Teorema 09.1: Dado un k-espacio vectorial V y f L a (V, se verifica la suma ortogonal V = V 0 H Siendo V 0 el núcleo de V, y H un subespacio hiperbólico de V. Si es V 0 el núcleo de V, su complementario es no degenerado w V / w 0, w = 0, y V / w.y 0, con y 0, = 0, (w, y no degenerado y P = (w, y es un plano hiperbólico que verifica que P ω(p = { 0}, por lo que, aplicando el teorema 07.7, V = P ω(p, siendo ω(p no degenerado. Aplicando inducción completamos el razonamiento. Corolario: Todas las formas alternadas no degeneradas, de dimensión dada sobre un cuerpo k, son isométricas. Si las formas alternadas son no degeneradas los núcleos se reducen a { 0}, y los espacios vectoriales sobre los que están definidas son suma directa de planos hiperbólicos, y la aplicación que a un par hiperbólico de un espacio vectorial adjudica un par hiperbólico de otro espacio vectorial es claramente una isometría. Bibliografía Noble, B.; Daniel, J.W., Applied Linear Algebra, Prentice Hall, Londres, 1988 Sainz, M.A.; Serarols, J.L.; Pérez A. M., Algebra, Escuela Politécnica Superior, Gerona, 1994 Sancho, J., Algebra Lineal y Geometría, Universidad de Zaragoza,
Capítulo V. T 2 (e, e
Capítulo V Métricas En este capítulo y en los siguientes, el cuerpo base de los espacios vectoriales que se consideren será de característica distinta de 2. Empecemos recordando las nociones básicas que
Más detallesx, y = x 0 y 0 + x 1 y 1 + x 2 y 2 + x 3 y 3. Es fácil ver que verifica 1. Es simétrica. x, y = y, x para todo x, y R 4.
1 Tema 2. Sección 1. Espacio vectorial de Minkowski. Manuel Gutiérrez. Departamento de Álgebra, Geometría y Topología. Universidad de Málaga. 29071-Málaga. Spain. Abril de 2010. En este capítulo se recordará
Más detalles4.2 Producto escalar.
Producto escalar. 147 Este resultado tiene su recíproco, es decir, cualquier matriz cuadrada A define la forma bilineal b(x, y) =x T Ay Si b es simétrica, la matriz A es simétrica. Si b es definida positiva,
Más detallesTema 4: Formas bilineales.
Formas bilineales 1 Tema 4: Formas bilineales. 1. Concepto de forma bilineal. Definición. Sea V un K-espacio vectorial y f : V V K una aplicación. Se dice que f es una forma bilineal si f verifica las
Más detallesTema II. Capítulo 5. Aplicaciones bilineales y formas cuadráticas.
Tema II Capítulo 5 Aplicaciones bilineales y formas cuadráticas Álgebra Departamento de Métodos Matemáticos y de Representación UDC 5 Aplicaciones bilineales y formas cuadráticas o simplemente f( x, ȳ)
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 08-2 SEMANA 7: ESPACIOS VECTORIALES 3.5. Generadores de un espacio vectorial Sea V un espacio vectorial
Más detalles6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...
Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................
Más detallesSea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).
Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que
Más detallesFormas canónicas de Jordan
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
Más detalles1. ESPACIO EUCLÍDEO. ISOMETRÍAS
1 1. ESPACIO EUCLÍDEO. ISOMETRÍAS Muchos de los fenómenos que se investigan en la geometría utilizan nociones como las de longitud de un vector y ángulo entre vectores. Para introducir estos dos conceptos
Más detalles6.1 Teorema de estructura de los módulos finitamente generados
Tema 6.- Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones: ecuaciones lineales con coeficientes enteros, formas canónicas de Jordan 6.1 Teorema de estructura de
Más detallesRelación de ejercicios del tema 2 Formas bilineales y formas cuadráticas
Relación de ejercicios del tema 2 Formas bilineales y formas cuadráticas Asignatura: Geometría II Doble grado en ingeniería informática y matemáticas Profesor: Rafael López Camino 1. Dadas α, β V, se define
Más detallesEspacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados
Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesTema 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 detallesPodemos pues formular los dos problemas anteriores en términos de matrices.
Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesTema 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 detallesÁLGEBRA Algunas soluciones a la Práctica 8
ÁLGEBRA Algunas soluciones a la Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 24 25 1. Comprobar si las siguientes aplicaciones son o no bilineales y en las que resulten serlo, dar la
Más detallesTema 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 detallesÁLGEBRA Algunas soluciones a la Práctica 8
ÁLGEBRA Algunas soluciones a la Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 2008 2009 6. Sean a y b dos números reales. En el espacio P 1 de los polinomios de grado menor o igual que
Más detallesTema 5: Espacios Eucĺıdeos.
Espacios Euclídeos 1 Tema 5: Espacios Eucĺıdeos. 1. Producto escalar. Espacios eucĺıdeos. Definición. Sea E un R-espacio vectorial y sea f : E E R una forma bilineal simétrica. Se dice que f es un producto
Más detallesUNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA
AL GEBRA III UNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA ALGEBRA III DEFINICION : Sea L : V V un operador lineal sobre el espacio vectorial
Más detalles1. Espacio vectorial. Subespacios vectoriales
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Sea k un cuerpo. 1. Espacio vectorial. Subespacios vectoriales Definición 1.1. Un k-espacio vectorial o espacio vectorial
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesEspacios vectoriales con producto interno
Espacios vectoriales con producto interno Mariano Suárez-Alvarez 24 de junio, 2011 1. Espacios con producto interno... 1 2. Normas y distancias... 3 3. Ortogonalidad... 5 4. Proyectores ortogonales...
Más detallesÁLGEBRA 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 detallesÁlgebra lineal y Geometría II. Métricas y formas cuadráticas. 1. La matriz de la métrica T 2 ((x, y, z), (x, y, z )) = xx + yy + 3zz 2xz 2zx es:
Álgebra lineal y Geometría II Gloria Serrano Sotelo Departamento de MATEMÁTICAS ÁLGEBRA LINEAL Y GEOMETRÍA. 0 FÍSICAS Métricas y formas cuadráticas.. La matriz de la métrica T ((x, y, z), (x, y, z )) =
Más detallesTransformaciones Lineales y Espacio Dual
Transformaciones Lineales y Espacio Dual Juan Pablo De Rasis 22 de abril de 2018 El presente artículo tiene como objetivo la exposición de soluciones a problemas de Álgebra Lineal concernientes a transformaciones
Más detallesEspacios 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 detallesCapítulo V. Valores y vectores propios. Diagonalización de operadores lineales.
Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede
Más detallesTEMA III: DIAGONALIZACIÓN.
TEMA III: DIAGONALIZACIÓN. OBJETIVOS: Generales: 1. Captar el motivo que justifica el problema de la diagonalización de endomorfismos. 2. Resolver y aplicar dicho problema cuando sea posible. Específicos:
Más detallesa n1 a n2 a nn x n a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x j x i = s ij x i x j + s ji x j x i 2 x i x j + a ij + a ji
16 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 1 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado,
Más detalles6. Ortogonalidad. Universidad de Chile Conjuntos ortogonales y ortonormales. Ingeniería Matemática SEMANA 12: ORTOGONALIDAD
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 7- SEMANA : ORTOGONALIDAD 6 Ortogonalidad 6 Conjuntos ortogonales y ortonormales Recordemos que la proyección de u sobre v
Más detallesClase de Álgebra Lineal
Clase de Álgebra Lineal M.Sc. Carlos Mario De Oro Facultad de Ciencias Básicas Departamento de matemáticas 04.2017 Page 1 Espacios vectoriales Definicion. Espacio Vectorial (E.V.) Un V espacio vectorial
Más detallesProblemas 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 detallesÁLGEBRA LINEAL Y GEOMETRÍA
ÁLGEBRA LINEAL Y GEOMETRÍA Laureano González Vega y Cecilia Valero Revenga Departamento de Matemáticas, Estadística y Computación Universidad de Cantabria Curso 2017 2018 Índice I Lecciones 1 1 Espacios
Más detalles6.8. Descomposición mediante valores singulares. v 2 =
68 Descomposición mediante valores singulares Los valores singulares de una matriz m n Supongamos que A es una matriz real cualquiera Los autovalores de A T A tienen la siguiente propiedad A T Ax = λx
Más detallesDualidad. 1. Dual de una transformación lineal
CAPíTULO 8 Dualidad 1. Dual de una transformación lineal En este capítulo volveremos a considerar el tema de la dualidad de espacios vectoriales. Se recuerda que si V es un espacio vectorial, definimos
Más detallesEspacios vectoriales (Curso )
ÁLGEBRA Práctica 5 Espacios vectoriales (Curso 2008 2009) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2 x = 3y}.
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Químicas FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina si cada
Más detalles58 7. ESPACIOS COCIENTE
CAPíULO 7 Espacios cociente En esta sección estudiamos el cociente de un espacio vectorial por un subespacio W. Este cociente se define como el conjunto cociente de por una relación de equivalencia conveniente.
Más detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detallesa ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2
68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado
Más detalles520142: 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 detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesTeoría de la Dimensión
Capítulo II Teoría de la Dimensión En este capítulo introduciremos una de las propiedades más importantes que tienen los espacios vectoriales: la dimensión. Dos son los modos posibles de llegar a la noción
Más detalles+ : X V X. (+) P : V X u P + u. (P + u) + v = P + (u + v). Nota La propiedad 1) de la definición anterior implica, en primer lugar, que
Capítulo 1 El espacio afín 11 Introducción Dependencia lineal afín La Geometría afín sobre un cuerpo k tiene como objetos básicos los siguientes: un conjunto no vacío X, cuyos elementos serán llamados
Más detallesTransformaciones lineales
CAPíTULO 4 Transformaciones lineales En este capítulo estudiamos las primeras propiedades de las transformaciones lineales entre espacios vectoriales. 1. Construcciones de transformaciones lineales Lema
Más detallesEjercicios Resueltos Tema 5
Ejercicios Resueltos Tema 5 Ejercicio 1 Estudiar si la forma bilineal f : R n R n R definida por k f ((x 1,..., x n ), (y 1,..., y n )) = x i y i, siendo 1 k < n, es un producto escalar de R n i=1 Solución.
Más detallesÁgueda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1. Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 6 Espacios euclídeos 6.1 Producto escalar. Espacio euclídeo Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
Más detallesLas variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.
Capítulo 9 Variedades lineales Al considerar los subespacios de R 2, vimos que éstos son el conjunto {(0, 0)}, el espacio R 2 y las rectas que pasan por el origen. Ahora, en algunos contextos, por ejemplo
Más detallesAplicaciones Lineales
Capítulo 7 Aplicaciones Lineales 7.1 Definición y Propiedades Sean V y W dos espacios vectoriales sobre el mismo cuerpo K. Definición 7.1.1 Se dice que una aplicación f : V W es una aplicación lineal o
Más detallesEspacios vectoriales (Curso )
ÁLGEBRA Práctica 5 Espacios vectoriales (Curso 2009 2010) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x, y) IR 2 x 2 + y 2 = 1}. (b) B = {(x, y) IR 2 x = 3y}.
Más detalles1. 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 detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesEl espacio proyectivo P n (k). Sistemas de referencia. Dualidad. Departamento de Algebra Septiembre El espacio proyectivo P n (k).
Notas de la asignatura AMPLIACIÓN DE GEOMETRÍA de la Licenciatura de Matemáticas, Facultad de Matemáticas, Universidad de Sevilla, para el curso 2000-01 Departamento de Algebra Septiembre 2000 Tema 1-
Más detallesDescomposición 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 detallesEspacios Euclídeos. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza
Espacios Euclídeos Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza A lo largo de todo el capítulo consideraremos que V un espacio vectorial real de dimensión finita. 1 Producto escalar Definición.
Más detallesEspacios 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 detallesTema 3: Espacios eucĺıdeos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 25 de noviembre de 2009 email: mlserrano@uniovi.es Índice 1 2 3.1 V, R espacio vectorial, la aplicación : V V R ( v, u) v u a) v 1, v 2, u V α, β
Más detallesa n1 a n2 a nn Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables.
Capítulo 7 Formas cuadráticas. Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado de la norma de un vector
Más detallesProblemas de Álgebra Ingeniería Técnica en Informática de Sistemas. Curso 2009/10
Problemas de Álgebra Ingeniería Técnica en Informática de Sistemas Curso 2009/10 Hoja 1 Preliminares 1 Resuelve los siguientes sistemas de ecuaciones de números complejos: { z 1 + iz 2 = 1 i 3z 1 + (1
Más detallesEjercicios Resueltos Tema 4
Ejercicio 1 Estudiar si la aplicación f : R 2 R 2 R definida por f ((x 1, x 2 ), (y 1, y 2 )) = x 1 y 1 3x 1 x 2 es una forma bilineal. Solución. No es forma bilineal ya que y f (α(x 1, x 2 ) + β(x 1,
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2009 2010) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesEspacios vectoriales DEFINICIÓN. PRIMERAS PROPIEDADES
Espacios vectoriales DEFINICIÓN. PRIMERAS PROPIEDADES Definición 47. Se dice que un conjunto E, a cuyos elementos llamaremos vectores, es un espacio vectorial sobre el cuerpo (IK, +, ), cuyos elementos
Más detallesAplicaciones bilineales y formas cuadráticas (Curso )
ÁLGEBRA Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 2008 2009) 1. Comprobar si las siguientes aplicaciones son o no bilineales y en las que resulten serlo, dar la matriz que las representa
Más detallesDescomposición 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 detallesÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN BOLETÍN DE PROBLEMAS DE
E.T.S. DE INGENIERÍA INFORMÁTICA BOLETÍN DE PROBLEMAS DE ÁLGEBRA LINEAL para las titulaciones de INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN 1. Matrices y determinantes Ejercicio 1.1 Demostrar
Más detallesAplicaciones Lineales
Capítulo 5 Aplicaciones Lineales 51 Definición y Propiedades Sean V y W dos espacios vectoriales sobre el mismo cuerpo K Definición 511 Se dice que una aplicación f : V W es una aplicación lineal o un
Más detallesESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS
ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA.1 Definición de Aplicación Lineal. FUNDAMENTOS MATEMÁTICOS 8. APLICACIONES LINEALES Sean
Más detallesMatrices y sistemas de ecuaciones
Matrices y sistemas de ecuaciones María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Matrices y sistemas de ecuaciones Matemáticas I 1 / 59 Definición de Matriz Matrices
Más detallesTema 4: ESPACIOS VECTORIALES
Álgebra I - Curso 2005/06 - Grupos M1 y M2 Tema 4: ESPACIOS VECTORIALES por Mario López Gómez 1. Definición, propiedades y ejemplos. El concepto de espacio vectorial es sin duda uno de los más importantes
Más detalles1. ESPACIOS DE HILBERT Y OPERADORES
1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación
Más detallesFormas canónicas reales
Capítulo 7 Formas canónicas reales Introducción Sea V un espacio vectorial sobre C, f End(V y M B (f = A M(n n Sea λ = a + bi es una autovalor complejo de f de multiplicidad m Para tal autovalor complejo
Más detalles2.1 Introducción. Propiedades.
19 2 MATRICES II: DETERMINANTES En este segundo capítulo de matrices, aprenderemos a utilizar una herramienta muy importante como son los determinantes Gracias a ellos, podremos calcular la inversa de
Más detallesGeometría afín y proyectiva, 2016 SEMANA 3
Geometría afín y proyectiva, 2016 SEMANA 3 Sonia L. Rueda ETS Arquitectura. UPM September 20, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más detallesProposición Sea V un espacio vectorial sobre K de dimensión n y B una base de V. Gl(n, K) = {A M(n n, K) A = 0}.
Tema 6 Formas canónicas 6.1 Introducción Proposición 6.1.1. Sea V un espacio vectorial sobre K de dimensión n y B una base de V. La aplicación Φ B : End(V ) M(n n, K) definida por Φ B (f) = M B (f), es
Más detallesFACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas
EXÁMENES DE MATEMÁTICAS Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha 5 de julio de 99. Dada la aplicación lineal: T
Más detallesTeorema de Hahn-Banach
Capítulo 3 Teorema de Hahn-Banach 3.1. Introducción Una vez introducidos los espacios vectoriales más importantes donde se tiene una estructura métrica a saber, los espacios de Hilbert y los espacios de
Más detallesHomomorfismos de cuerpos. Extensiones normales. Teorema fundamental de la teoría de Galois.
1 Tema 9.-. Homomorfismos de cuerpos. Extensiones normales. Teorema fundamental de la teoría de Galois. 9.1. Caracteres de un grupo. A la hora de resolver una ecuación f(x) = 0 con f(x) k[x], tomamos un
Más detalles1 Clase sobre determinantes
1 Clase sobre determinantes Una herramienta muy útil cuando trabajamos con matrices y con el producto de matrices, es su interpretación como: una colección de números, A = [a ij ] ; como una colección
Más detallesCLASIFICACIÓN AFÍN DE CÓNICAS
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS CLASIFICACIÓN AFÍN DE CÓNICAS Sea E un R-espacio vectorial de dimensión. Sean E = e 1, e un plano vectorial de E y e 0 un
Más detallesÁlgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Ejercicios de evaluación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Problema
Más detallesEspacios vectoriales con producto escalar
147 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 10 Espacios vectoriales con producto escalar 10.1 Producto escalar. Norma. Distancia Definición 71.- Un producto escalar o producto interior en
Más detallesAP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
Capítulo 6 Diagonalización 6 Valores y vectores propios 6 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V, nos planteamos el problema
Más detalles1. (V, +) es grupo abeliano. Es decir; la operación + tiene las siguientes propiedades:
Capítulo 3 Espacios vectoriales 31 Espacios vectoriales Dependencia lineal Definición 311 Sean A y Ω conjuntos no vacíos al segundo de los cuales le llamaremos conjunto de escalares Una operación o ley
Más detallesMatrices. Álgebra de matrices.
Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,
Más detallesEspacios vectoriales con producto interno
Espacios vectoriales con producto interno Problemas teóricos En todos los problemas relacionados con el caso complejo se supone que el producto interno es lineal con respecto al segundo argumento. Definición
Más detallesCONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 MATRICES
CONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 Unidades: - Matrices (Bloque Álgebra) - Determinantes (Bloque Álgebra) - Sistemas de ecuaciones lineales (Bloque Álgebra) - Vectores (Bloque
Más detallesVECTORES EN EL ESPACIO
UNIDAD VECTORES EN EL ESPACIO Página 13 Problema 1 Halla el área de este paralelogramo en función del ángulo α: cm Área = 8 sen α = 40 sen α cm α 8 cm Halla el área de este triángulo en función del ángulo
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2008 2009) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesÁLGEBRA LINEAL I Práctica 6
ÁLGEBRA LINEAL I Práctica 6 Aplicaciones Lineales (Curso 2016 2017) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos
Más detalles2. Problemas. Espacios Vectoriales. Álgebra Lineal- Propedéutico Mayo de 2012
2. Problemas. Espacios Vectoriales. Álgebra Lineal- Propedéutico Mayo de 2012 1. En R 2 se define la suma: (a 1, b 1 ) + (a 2, b 2 ) = (a 1 + a 2, b 1 + b 2 ) y el producto por un escalar: λ(a, b) = (0,
Más detallesEspacios 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 detallesMatemáticas. Álgebra lineal (parte final ampliada)
Master en Estadística e Investigación Operativa Matemáticas Álgebra lineal (parte final ampliada) Vera Sacristán Departament de Matemàtica Aplicada II Facultat de Matemàtiques i Estadística Universitat
Más detalles