Aplicaciones Lineales
|
|
- Julia Sevilla Acuña
- hace 8 años
- Vistas:
Transcripción
1 Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse como las que preservan la estructura de dichos espacios vectoriales. Al igual que se ha hecho en el Tema 1, nos restringiremos al caso de espacios vectoriales reales, si bien todo lo expuesto será válido (salvo que se especifique lo contrario) para cualquier tipo de espacios vectoriales Aplicaciones Lineales Definición: Sean E y F dos espacios vectoriales reales y sea f aplicación f : E F, se dice que f es una aplicación lineal o un homomorfismo si se verifica: f(λ e 1 + µ e 2 ) = λf( e 1 ) + µf( e 2 ), e 1, e 2 E, λ, µ R Alternativamente, la condición anterior equivale a la verificación de las dos condiciones siguientes: f( e 1 + e 2 ) = f( e 1 ) + f( e 2 ), f(λ e) = λf( e) Suele denominarse Hom(E, F ) al conjunto de todas las aplicaciones lineales (homomorfismos) entre los espacios vectoriales E y F. Tipos de aplicaciones lineales. Una aplicación f : E F es un monomorfismo si es lineal y además es inyectiva. Una aplicación f : E F es un epimorfismo si es lineal y además es epiyectiva. Una aplicación f : E F es un isomorfismo si es lineal y además es biyectiva. Si f es una aplicación lineal de E en Em, es decir si el espacio inicial coincide con el final, entonces se dice que f es un endomorfismo de E. Si f es un endomorfismo de E y además es biyectiva, se dice que f es un automorfismo de E. 31
2 32 APLICACIONES LINEALES Propiedades de las aplicaciones lineales Sea f : E F una aplicación lineal, entonces se verifican las siguientes propiedades: 1. La imagen del vector nulo de E es el vector nulo de F. 2. La imagen de una combinación lineal de vectores de E es la combinación lineal de las imágenes de dichos vectores con idénticos coeficientes, es decir, f(λ 1 e 1 + λ 2 e λ n e n ) = λ 1 f( e 1 ) + λ 2 f( e 2 ) λ n f( e n ) para cualesquiera e i E y λ i R. 3. Si S = { e 1,..., e p } es un sistema ligado de vectores de E, entonces el sistema de vectores S = {f( e 1 ),..., f( e p )} es un sistema ligado de vectores de F. 4. La imagen de un subespacio vectorial V de E es un subespacio vectorial f(v ) de F. Evidentemente denotamos por f(v ) al conjunto formado por todos los vectores de F que son imagen de algún vector de V. 5. La antiimagen f 1 (U) de un subespacio vectorial U del espacio final F (se existe, lo cual sólo está asegurado en el caso de aplicaciones lineales epiyectiva) es un subespacio vectorial del espacio inicial E. 6. La composición de dos aplicaciones lineales es una aplicación lineal. Es decir: sean f : E F y g : F G dos aplicaciones lineales, entonces la aplicación g f : E G, (g f)( e) = g(f( e)) es también una aplicación lineal (obviamente de E en G). Operaciones en Hom(E, F ) En el conjunto de todas las aplicaciones lineales entre dos espacios vectoriales reales E y F, que hemos denominado Hom(E, F ) se pueden definir dos leyes de composición (una interna y otra externa) de manera que dicho conjunto posee, a su vez, la estructura de espacio vectorial real: Suma de dos aplicaciones lineales. Sean f y g dos aplicaciones lineales de los espacios vectoriales E y F. Se define la aplicación suma, y se denota por f + g, de la forma siguiente: (f + g)( e) = f( e) + g( e), e E Es trivial demostrar que la suma de aplicaciones linelaes es una aplicación lineal. Producto de un escalar por una aplicación lineal. Sea f : E F una aplicación lineal y sea λ R. Se define la aplicación λ f de la forma: (λ f)( e) = λ f( e), e E Se demuestra de forma directa que λ f es también una aplicación lineal.
3 APLICACIONES LINEALES Subespacios Núcleo e Imagen Definición: Sea f : E F una aplicación lineal entre los espacios vectoriales E y F. Se llama núcleo de la aplicación lineal y se denota por Kerf (del alemán kernel=núcleo) al subconjunto del espacio vectorial E formado por los vectores de E tales que f( e) = 0. Ker f = { e E / f( e) = 0} Proposición: Sea f : E F una aplicación lineal entre los espacios vectoriales E y F. Entonces el núcleo de f, Ker f, es un subespacio vectorial del espacio E. Definición: Sea f : E F una aplicación lineal entre los espacios vectoriales E y F. Se llama imagen de la aplicación lineal f y se denota por Im f al subconjunto de F formado por los vectores que son imagen por f de alguno de E. Im f = { u F / e E, f( e) = u} Proposición: Sea f : E F una aplicación lineal, entonces la imagen de f, Im f, es un subespacio vectorial del F. Dada una aplicación lineal f de E en F, es habitual llamar nulidad de f a la dimensión del subespacio Ker f y rango de f a la dimensión de Im f. Aplicando la definición, una aplicación f : E F será epiyectiva si Im f = F, tenemos así que f es epiyectiva si y sólo si rango(f) =dim Im f= dim F. Proposición: Sea f : E F una aplicación lineal. Si S = { e 1,..., e n } es un sistema de generadores del espacio E, entonces los vectores: f( e 1 ),..., f( e n ) constituyen un sistema de generadores del subespacio Im f de F, es decir: Im f = f( e 1 ),..., f( e n ). Proposición: Sea f : E F una aplicación lineal. Entonces f es inyectiva si y sólo si Ker f = { 0}. Dem: Comenzaremos demostrando que: f inyectiva Kerf = { 0}. Realizaremos la demostración por la técnica de reducción al absurdo, plantearemos así el hecho de que f sea inyectiva pero Ker f { 0}. Por ser f inyectiva se verifica que si dos vectores e 1 y e 2 del espacio E son diferentes, es decir e 1 e 2, entonces necesariamente f( e 1 ) f( e 2 ). Consideremos un vector cualquiera de E, e E, y dado que estamos considerando Ker f { 0}, tomemos un vector v Kerf tal que v 0. Entonces el vector e = e + v es diferente de e, y sin embargo verifica: f( e ) = f( e + v) = f( e) + f( v) = f( e) + 0 = f( e) por lo que f no podría ser inyectiva. Hemos demostrado por tanto que si f es inyectiva entonces necesariamente Ker f = { 0}. Recíprocamente, demostremos que si Kerf = { 0} entonces f es inyectiva.
4 34 APLICACIONES LINEALES Una vez más supongamos lo contrario, es decir: Kerf = { 0} y f no inyectiva. Entonces existirán al menos dos vectores e y e, tales que e e que cumplan: f( e) = f( e ). Pero entonces el vector e e es diferente del vector nulo, y verifica: f( e e ) = f( e) f( e ) = 0 por lo que pertenecería al núcleo, aun siendo diferente de 0. Tenemos en definitiva que f debe ser necesariamente inyectiva. Q.E.D. Teorema: Sea f : E F una aplicación lineal. Entonces se verifica: dim Ker f + dim Im f = dim E Nota: se da por sobre-entendido que los espacios vectoriales (en particular E) son de tipo finito. Demostración: Consideremos una base del subespacio núcleo Ker f: B Ker f = { e 1,..., e p }, y así dim Ker f = p. Aplicando el teorema de la base incompleta siempre es posible encontrar q = n p vectores de E: { u 1,..., u q } que formen base de un suplementario de Ker f. De esta forma B = { e 1,..., e p, u 1,..., u q } es una base del espacio vectorial E (evidentemente dim E = n = p + q). El subespacio Im f estará entonces generado por las imágenes de los vectores de la base anterior: Im f = f( e 1 ),..., f( e p ), f( u 1 ),..., f( u q ) = f( u 1 ),..., f( u q ) puesto que los vectores e i Kerf. Demostraremos a continuación que los vectores {f( u 1 ),..., f( u q )} forman un sistema libre. Tomemos una combinación lineal igualada al vector nulo: λ 1 f( u 1 ) λ q f( u q ) = 0, pero por ser f lineal tendremos que: f(λ 1 u λ q u q ) = 0 λ 1 u λ q u q Ker f. Hemos demostrado así que la combinación lineal: λ 1 u λ q u q pertenece simultáneamente a Ker f y a (Kerf) S, entonces necesariamente es igual al vector nulo de E, y dado que los vectores u j son linealmente independientes, entonces λ 1 = λ 2 =... = λ q. Tenemos entonces que dim Im f = q, y en consecuencia dim Im f = n dim Ker f. Q.E.D. Consecuencias del teorema anterior. A partir del resultado anterior podemos llegar a las siguientes conclusiones: Si dim E < dim F, entonces ninguna aplicación lineal f : E F podrá ser epiyectiva, ya que dim Im f siempre será menor que dim F. Si dim E > dim F, entonces ninguna aplicación lineal f : E F podrá ser inyectiva, ya que dim Ker f 0 para poder verificarse el Teorema anterior. Sólo podrán establecerse isomorfismos (aplicaciones lineales biyectivas) entre espacios vectoriales de igual dimensión. 3.3 Ecuaciones y matriz de una aplicación lineal Sea f : E F una aplicación lineal entre los espacios vectoriales E y F y sean B = B E = { e 1, e 2,..., e n } y B = B F = { v 1, v 2,..., v m } bases de E y F respectivamente.
5 APLICACIONES LINEALES 35 Todo vector e E podrá escribirse entonces en coordenadas con respecto a B: e = x 1 e 1 + x 2 e x n e n E e = x i e i = (x 1,..., x n ) B mientras que su imagen, f( e), pertenece a F, de manera que puede escribirse como: m f( e) = y 1 v 1 + y 2 v y m v m F = y j v j = (y 1,..., y m ) B Si conocemos las imágenes de los vectores de la base B: f( e 1 ) = a 11 v 1 + a 12 v a 1m v m f( e 2 ) = a 21 v 1 + a 22 v a 2m v m f( e i ) =... f( e n ) = a n1 v 1 + a n2 v a nm v m m a ij v j, i = 1,..., n entonces, aplicando las propiedades básicas de las aplicaciones lineales, tendremos: f( e) = f(x 1 e 1 + x 2 e x n e n ) = x 1 f( e 1 ) + x 2 f( e 2 ) x n f( e n ) = = x 1 (a 11 v 1 + a 12 v a 1m v m ) + x 2 (a 21 v 1 + a 22 v a 2m v m ) x n (a n1 v 1 + a n2 v a nm v m ) = (a 11 x 1 + a 21 x a n1 x n ) v 1 + (a 12 x 1 + a 22 x a n2 x n ) v (a 1m x 1 + a 2m x a nm x n ) v m Dado que las coordenadas de un vector en una base son únicas concluimos con el siguiente resultado que establece las ecuaciones de la aplicación lineal f en las bases B y B de los espacios E y F (en forma de sistema de ecuaciones y en forma de ecuación matricial): y 1 = a 11 x 1 + a 21 x a n1 x n y 2 = a 12 x 1 + a 22 x a n2 x n... y m = a 1m x 1 + a 2m x a nm x n y 1 y 2.. y m = a 11 a a n1 a 12 a a n a 1m a 2m... a nm x 1 x 2.. x n La matriz M: M = M(f; B E, B F ) = a 11 a a n1 a 12 a a n a 1m a 2m... a nm recibe el nombre de matriz asociada a la aplicación lineal f en las bases B = B E y B = B F, y donde cabe resaltar que la colocación de los elementos de la matriz no es la habitual, puesto que se corresponde con el hecho de que la columna j-ésima está determinada por las coordenadas en la base B de la imagen del vector e j, es decir f( e j ).
6 36 APLICACIONES LINEALES En forma compacta es posible resumir el razonamiento anterior a la expresión: ( ) m ( m ) f(u) = f x i e i = x i f( e i ) = x i a ij v j = a ij x i v j de donde: y j = a ij x i Y = M(f; B, B )X Propiedades de las matrices asociadas a aplicaciones lineales. 1. Dadas las aplicaciones lineales f, g : E F con matrices asociadas M(f) = M(f; B, B ) y M(g) = M(g; B, B ) con respecto de las bases B y B de E y F, se verifica entonces que la matriz asociada a la aplicación lineal suma (con respecto a las mismas bases) no es más que la suma de ambas matrices: M(f + g) = M(f) + M(g). 2. Dada la aplicación lineal f : E F con matriz asociada M(f) respecto de las bases B y B, se verifica que la matriz asociada a la aplicación lineal λf es: M(λf) = λm(f). 3. Dadas las aplicaciones lineales f : E F con matriz asociada M(f) = M(f; B, B ) respecto de las bases B y B, y g : F G con matriz asociada M(g) = M(g; B, B ) respecto de las bases B, B y B de los espacios vectoriales E, F y G respectivamente, se verifica que la matriz asociada a la composición de f y g es el producto de las matrices correspondientes, es decir: M(g f) = M(g) M(f). 3.4 Cambio de base en un espacio vectorial Sean B = { e 1,..., e n } y B = { e 1,..., e n} dos bases del espacio vectorial E. Dado un vector e E, podremos entonces escribir e en coordenadas tanto en la base B como en la base B : e = x i e i = x 1 e 1 + x 2 e x n e n (x 1,..., x n ) B e = x j e j = x 1 e 1 + x 2 e x n e n (x 1,..., x n) B Y supongamos conocidas las coordenadas de los vectores de la base B con respecto a B: e 1 = a 11 e 1 + a 12 e a 1n e n e 2 = a 21 e 1 + a 22 e a 2n e n... e n = a n1 e 1 + a n2 e a nn e n
7 APLICACIONES LINEALES 37 Si tomamos ahora la expresión: e = x 1 e x n e n, y sustituimos en ella las expresiones anteriores, tendremos una expresión que depende únicamente de los vectores e i, con i = 1,..., n. Usando un razonamiento completamente similar al realizado en la sección anterior, se concluya fácilmente que deben verificarse las siguientes ecuaciones: x 1 = a 11 x 1 + a 21x a n1x n x 2 = a 12 x 1 + a 22x a n2x n... x n = a 1n x 1 + a 2nx a nnx n x 1 x 2.. x n = a 11 a a n1 a 12 a a n a 1n a 2n... a nn que reciben el nombre de ecuaciones del cambio de base de B a B en el espacio vectorial E. La matriz A: a 11 a a n1 a 12 a a n2 A = a 1n a 2n... a nn que permite escribir las ecuaciones como una sóla ecuación matricial se llama matriz de cambio de base de B a B. Si denominamos X y X a las correspondientes matrices columna tendremos finalmente: A X = X Tal y como ha sido construida, es evidente que la matriz de cambio de base tiene como columnas a los vectores de la base B expresados en coordenadas con respecto a la base B. Dado que las columnas son linealmente independientes, se trata de una matriz de rango N y, en consecuencia, se trata de una matriz invertible. Tendremos entonces que: A 1 X = X es decir, la matriz del cambio de base inverso no es más que la inversa de la matriz de cambio de base. Alternativamente, la matriz de cambio de base puede ser definida de una forma más técnica como la matriz asociada al endomorfismo identidad o aplicación identidad (que hace corresponder a un vector de E el mismo vector como imagen) cuando se utiliza una base en el espacion inicial y otra en el final (aunque ambos espacios sean el mismo), desde ese punto de vista tendríamos: A = M(id; B, B). Matrices asociadas a una aplicación lineal y cambios de base: Sea f : E F una aplicación lineal y consideremos las bases B E y B F de los espacios E y F respectivamente. Definimos así la matriz M: M = M(f; B E, B F ), M X = Y x 1 x 2.. x n
8 38 APLICACIONES LINEALES siendo X la matriz columna de coordenadas de un vector cualquiera de E en la base B E e Y la matriz columna de coordenadas de la imagen de X en la base B F. De manera similar tomaremos dos bases nuevas, B E y B F, en E y F respectivamente. Tendremos así una nueva matriz, M, de la forma: M = M(f; B E, B F ), M X = Y Queremos conocer cuál es la relación que existe entre las matrices M y M. Sea A E es la matriz de cambio de base de B E a B E en E, y sea A F la correspondiente al cambio de base en F, de B F a B F en F. Entonces: y en consecuencia: X = A E X, Y = A F Y M X = Y M A E X = A F Y A 1 F M A E X = Y M = A 1 F M A E Tenemos por tanto que la matriz asociada a f en las bases nuevas no es más que la inversa de la matriz de cambio de base del espacio final por la matriz original por la matriz de cambio de base en el espacio inicial.
4 Aplicaciones Lineales
Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1
Más detallesEspacios 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 detalles4 Aplicaciones lineales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4 Aplicaciones lineales 4. Aplicación lineal Sean V y W dos espacios vectoriales sobre el mismo cuerpo K (en general, R o C. Una aplicación
Más detallesEspacios vectoriales y aplicaciones lineales
Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un
Más detalles4 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 detallesAplicaciones Lineales
Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)
Más detalles1. APLICACIONES LINEALES
1 1 APLICACIONES LINEALES El objetivo de este capítulo es el estudio de las aplicaciones lineales u homomorfismos entre espacios vectoriales Este tipo de aplicaciones respeta la estructura de espacio vectorial
Más detallesAplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Más detallesEspacios vectoriales y aplicaciones lineales.
Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en
Más detallesTema 3. Aplicaciones lineales. 3.1. Introducción
Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones
Más detallesLa aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS 1 Aplicaciones lineales Núcleo e Imagen Tipos de aplicaciones lineales Sean E y E k-espacios vectoriales Definición 11 Una
Más detallesProblemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales.
Problemas y Ejercicios Resueltos. Tema : Aplicaciones Lineales. Ejercicios 1.- Determinar cuáles de las siguientes aplicaciones son lineales: (i) f : R R 2 definida por f((x, y, z)) = (x y, y + 2z). (ii)
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesEstructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Más detallesAnexo 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 detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesTema 4: Aplicaciones lineales
Tema 4: Aplicaciones lineales Definición, primeras propiedades y ejemplos Definición. Sean V y W dos espacios vectoriales sobre un cuerpo K. Una función f : V W se dice que es una aplicación lineal si
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
Más detalles1. ESPACIOS VECTORIALES
1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,
Más detallesConstrucción de bases en el núcleo e imagen de una transformación lineal
Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesMATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios
Sonia L. Rueda ETS Arquitectura. UPM Curso 2007-2008. 1 MATEMÁTICAS I TEMA 1: Espacios Vectoriales 1 Definición de espacio vectorial. Subespacios Dados dos conjuntos V y K se llama ley de composición externa
Más detallesTema 2. Aplicaciones lineales y matrices.
Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesTema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.
Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS
Más detallesCAPÍTULO II. 4 El grupo afín
CAPÍTULO II 4 El grupo afín En geometría clásica, antes de la aparición de los espacios vectoriales, se hablaba de puntos en lugar de vectores. Para nosotros serán términos sinónimos salvo que, cuando
Más detalles1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una
Más detallesCómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Más detalles5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades
5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio
Más detallesEspacios vectoriales
Espacios vectoriales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Concepto de espacio vectorial y propiedades 1.1 Definición Se llama espacio vectorial sobre K (IR o C a toda terna
Más detalles4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES
Espacios Vectoriales y Aplicaciones Lineales 4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA 1.- Espacios Vectoriales..- Propiedades de un Espacio Vectorial..-
Más detallesE 1 E 2 E 2 E 3 E 4 E 5 2E 4
Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará
Más detallesAplicaciones Lineales y Multilineales Continuas
Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones
Más detallesTEST DE ÁLGEBRA. 6.- Sea el subespacio de R 3 S = { (x,,y,z) / x +y+z = 0} a) es de dimensión 1 b) es de dimensión 2 c) es R 3 d) NDLA
TEST DE ÁLGEBRA 1.- Sea f:r 4 -----> R 5 una apli. lineal a) Dim ker(f) tiene que ser 3 b) Dim ker(f) será 4 c) Dim ker(f) es 5 2.- El sistema homogéneo 3 x % 8 y % ð z 0 y & z 0 a) tiene soluciones no
Más detallesEjemplo 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 detalles21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES
Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere
Más detallesClasificación de métricas.
Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye
Más detalles4.1 El espacio dual de un espacio vectorial
Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo
Más detallesProblema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).
Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid
Más detalles1. Cambios de base en R n.
er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..
Más detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Más detallesProblemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales.
Problemas y Ejercicios Resueltos. Tema : Espacios vectoriales. Ejercicios 1.- Determinar el valor de x para que el vector (1, x, 5) R 3 pertenezca al subespacio < (1,, 3), (1, 1, 1) >. Solución. (1, x,
Más detallesSolución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009)
ÁLGEBRA Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009) I. Se considera el homomorfismo f : P 2 (IR) P 2 (IR) definido por las siguientes condiciones: (1) Los polinomios sin
Más detallesNota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:
Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición
Más detallesVariedades Diferenciables. Extremos Condicionados
Capítulo 16 Variedades Diferenciables. Extremos Condicionados Vamos a completar lo visto en los capítulos anteriores sobre el teorema de las Funciones Implícitas y Funciones Inversas con un tema de iniciación
Más detallesMatrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
Más detallesvectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide:
.- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax, así como los subespacios vectoriales N(f) e Im(f) a) f(x,y) = (x,-y) b) f(x,y)
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesAplicaciones lineales
Capítulo 4 Aplicaciones lineales 4.1. Introduccción a las aplicaciones lineales En el capítulo anterior encontramos la aplicación de coordenadas x [x] B que asignaba, dada una base del espacio vectorial,
Más detallesComenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.
Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas
Más detallesÁlgebra y Matemática Discreta Sesión de Prácticas 10
Álgebra y Matemática Discreta Sesión de Prácticas 10 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 18 Nov 2013-24 Nov 2013 Núcleos e Imágenes Definición Sea f : V W una aplicación lineal. Se
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesTeorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones
Tema 13.- Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones 13.1 Teorema de estructura de los módulos finitamente generados sobre un D.I.P. En lo que sigue A denotará
Más detallesClase 15 Espacios vectoriales Álgebra Lineal
Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos
Más detallesVII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Más detalles1 El espacio vectorial R n.
Manuel Gutiérrez Departamento de Álgebra, Geometría y Topología Universidad de Málaga February 26, 2009 1 El espacio vectorial R n. La estructura de espacio vectorial es posiblemente la estructura más
Más detallesFormas bilineales y cuadráticas.
Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos
Más detallesAplicaciones abiertas y cerradas
44 3. POSICIÓN DE UN PUNTO CON RESPECTO A UN CONJUNTO Tema 7. Aplicaciones abiertas y cerradas Hasta ahora nos hemos centrado en propiedades de puntos con respecto a conjuntos, y las únicas propiedades
Más detallesGrupos. Subgrupos. Teorema de Lagrange. Operaciones.
1 Tema 1.-. Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1.1. Primeras definiciones Definición 1.1.1. Una operación binaria en un conjunto A es una aplicación α : A A A. En un lenguaje más coloquial
Más detallesMatrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
Más detallesE. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química
E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid Grado en Ingeniería en Tecnologías Industriales Grado en Ingeniería Química Apuntes de Álgebra ( Curso 2014/15) Departamento de Matemática
Más detalles1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
Más detallesy λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.
Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =
Más detallesAplicaciones lineales continuas
Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas
Más detallesÁLGEBRA LINEAL I Soluciones a la Práctica 6
ÁLGEBRA LINEAL I Soluciones a la Práctica 6 Aplicaciones lineales (Curso 2009 2010) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales, determinar cuáles son homomorfismos, monomorfismos,
Más detallesCaracterización de los campos conservativos
Lección 5 Caracterización de los campos conservativos 5.1. Motivación y enunciado del teorema Recordemos el cálculo de la integral de línea de un gradiente, hecho en la lección anterior. Si f : Ω R es
Más detallesEspacios vectoriales. Bases. Coordenadas
Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos
Más detalles13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.
ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN
Más detallesFascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires
Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008
Más detallesAlgebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012
Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes
Más detallesListas de vectores y conjuntos de vectores
Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas
Más detalles1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
Más detallesEstructuras algebraicas
Tema 1 Estructuras algebraicas 1.1 Álgebras binarias Sea A un conjunto no vacío, una operación binaria (u operación interna) en A es una aplicación *: A A A (x, y) x * y es decir, una regla que a cada
Más detallesParte I. Iniciación a los Espacios Normados
Parte I Iniciación a los Espacios Normados Capítulo 1 Espacios Normados Conceptos básicos Sea E un espacio vectorial sobre un cuerpo K = R ó C indistintamente. Una norma sobre E es una aplicación de E
Más detalles8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.
Prácticas de Matemáticas I y Matemáticas II con DERIVE 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar si el
Más detallesEspacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
Más detallesFORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesFunciones, x, y, gráficos
Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre
Más detalles9.1 Primeras definiciones
Tema 9- Grupos Subgrupos Teorema de Lagrange Operaciones 91 Primeras definiciones Definición 911 Una operación binaria en un conjunto A es una aplicación α : A A A En un lenguaje más coloquial una operación
Más detallesValores propios y vectores propios
Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas
Más detallesAplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
Más detallesEJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
Más detallesCambio de representaciones para variedades lineales.
Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia
Más detalles1. APLICACIONES LINEALES
1 1. APLICACIONES LINEALES 1. Estudiar si las siguientes aplicaciones son lineales: a) f : R 2 R 3, f(x, y) = (x + y, y, x 2y). Sí es lineal. b) f : R 2 R, f(x, y) = xy. No es lineal. Basta observar que
Más detallesSegundo de Bachillerato Geometría en el espacio
Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto
Más detalleselemento neutro y elemento unidad: inversa aditiva (opuesto): para todo λ K 0, existe un único µ K tal que λµ = 1;
3. Espacios Vectoriales 3.1. Definición de espacio vectorial Un cuerpo es una estructura algebraica (K, +, ) formada por un conjunto K no vacio y dos operaciones internas + y que verifican las siguientes
Más detallesTEMA 2: Grupos. El grupo Simétrico.
Álgebra y Estructuras Discretas Grupo B de la Ingeniería Técnica de Sistemas TEMA 2: Grupos. El grupo Simétrico. 1. Definición de Grupo. Propiedades Básicas. Definición 1. Dado un conjunto no vacío G,
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detallesOperaciones con vectores y matrices ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES. Ana Morata Gasca
ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES Ana Morata Gasca 1 DEFINICIÓN DE VECTOR Un vector es todo segmento de recta dirigido en el espacio. CARACTERÍSTICAS DE UN VECTOR Origen o Punto de aplicación:
Más detallesMatrices y sus operaciones
Capítulo 1 Matrices y sus operaciones 1.1. Definiciones Dados dos enteros m, n 1 y un cuerpo conmutativo IK, llamamos matriz de m filas y n columnas con coeficientes en IK a un conjunto ordenado de n vectores
Más detallesSISTEMAS DE ECUACIONES LINEALES
Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,
Más detallesAlgebra Lineal y Geometría.
Algebra Lineal y Geometría. Unidad nº7: Transformaciones Lineales. Algebra Lineal y Geometría Esp. Liliana Eva Mata 1 Contenidos. Transformación lineal entre dos espacios vectoriales. Teorema fundamental
Más detallesCAPÍTULO II. 2 El espacio vectorial R n
CAPÍTULO II 2 El espacio vectorial R n A una n upla (x 1, x 2,..., x n ) de números reales se le denomina vector de n coordenadas o, simplemente, vector. Por ejemplo, el par ( 3, 2) es un vector de R 2,
Más detallesTransformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.
Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen
Más detalles