Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2resumen Tema 1-5 - Centro Manjón 2010-2011) PDF
2resumen Tema 1-5 - Centro Manjón 2010-2011) PDF
Grado en ADE
Ejercicio 2.
Demostrar que R2 es un espacio vectorial sobre (R, +, ·) definida la
siguiente ley de composición externa:
Ejercicio 2 (Continuación)
La ley de composición externa verifica:
I Es asociativa en los elementos de R:
(λ · µ) • (x1 , x2 ) = λ • (µ • (x1 , x2 ));
I distributiva respecto de + en R:
(λ + µ) • (x1 , x2 ) = λ • (x1 , x2 ) + µ • (x1 , x2 );
distributiva respecto de 2
+ en R :
I
λ • (x1 , x2 ) + (y1 , y2 ) = λ • (x1 , x2 ) + λ • (y1 , y2 );
I neutra para el elemento neutro de · en R:
1 • (x1 , x2 ) = (x1 , x2 ).
R2 es un espacio vectorial sobre el cuerpo R con las
operaciones definidas. Sus elementos son vectores.
Ejercicio: Comprobar que el conjunto {(0, 0)} es un espacio
vectorial sobre R.
Mónica Buendı́a Capellá Tutorı́a de Matemáticas I Grado en ADE
Tema 1. Espacios vectoriales
Tema 2. Aplicaciones lineales
Matemáticas I. Grado en ADE Tema 3. Matrices
Tema 4. Sistemas de ecuaciones lineales
Tema 5. Sucesiones de números reales
Espacio vectorial
Subespacio vectorial
Subespacios vectoriales
Generalizando, los siguientes subconjuntos de R3 :
I R(a, b, c) = {λ(a, b, c) ∈ R3 | λ ∈ R}
I {(x1 , x2 , x3 ) ∈ R3 | ax1 + bx2 + cx3 = 0},
donde a, b y c son números reales
son subespacios vectoriales de R3 .
Ejemplos:
Ejercicio 3
Comprobar que el conjunto {(0, 0)} es un subespacio vectorial de
R2 sobre (R, +, ·). Lo comprobaremos de dos formas.
I Denotemos el conjunto por N, (N, +) es un grupo abeliano
(pues verifica la propiedad asociativa, elemento neutro,
simétrico y conmutativa) y (R, +, ·) es un cuerpo
conmutativo. Luego, N es un espacio vectorial sobre este
cuerpo si se verifica:
I el producto de elementos de R2 con los números reales es
asociativo
en los números reales:
λ · µ • (0, 0) = λ • · µ • (0, 0) ,
I distributiva respecto de la suma en los números reales:
(λ + µ) • (0, 0) = λ(0, 0) + µ(0, 0),
I distributiva respecto
de la + de elementos de N:
λ • (0, 0) + (0, 0) = λ(0, 0) + λ(0, 0)
I neutra para el 1: 1 • (0, 0) = (0, 0)
Mónica Buendı́a Capellá Tutorı́a de Matemáticas I Grado en ADE
Tema 1. Espacios vectoriales
Tema 2. Aplicaciones lineales
Matemáticas I. Grado en ADE Tema 3. Matrices
Tema 4. Sistemas de ecuaciones lineales
Tema 5. Sucesiones de números reales
Ejercicio 3. Continuación
Segunda comprobación.
I Por otro lado {(0, 0)} es un subconjunto no vacı́o de R2 que
verifica:
Ejercicio 1. Autoevaluación
Subespacios vectoriales
La intersección de subespacios vectoriales es un subespacio vectorial.
A + B = {x + y | x ∈ A y y ∈ B}.
Si F y G son dos subespacios vectoriales de E , entonces su
suma, F + G , es un subespacio vectorial de E .
Por ejemplo: F = R(0, 1, 1) y G = R(2, 1, 1), su suma
F + G = R(0, 1, 1) + R(2, 1, 1), o lo que es lo mismo:
F + G = λ(0, 1, 1) + µ(2, 1, 1) = (2µ, λ + µ, λ + µ),
F + G = {(x1 , x2 , x3 ) ∈ R3 | x2 = x3 }
¿Qué subespacio vectorial es suma de R(0, 0, 1), R(0, 1, 0) y
R(1, 0, 0)?
Mónica Buendı́a Capellá Tutorı́a de Matemáticas I Grado en ADE
Tema 1. Espacios vectoriales
Tema 2. Aplicaciones lineales
Matemáticas I. Grado en ADE Tema 3. Matrices
Tema 4. Sistemas de ecuaciones lineales
Tema 5. Sucesiones de números reales
Combinaciones lineales
Dados n vectores v1 , v2 , . . . vn de un espacio vectorial E , cada
vector de la suma de los subespacios vectoriales:
Subespacios afines
Subespacios afines
(v + F ) ∩ (w + G ) = z + (F ∩ G ),
donde z ∈ (v + F ) ∩ (w + G ).
I Dos subespacios afines v + F y w + G de un espacio vectorial
E son paralelos si F = G .
Subespacios afines
I Se denomina hiperplano de Rn a todo conjunto de la forma:
n
X
n
{(x1 , x2 , . . . , xn ) ∈ R | ai xI = d}
i=1
Ejercicio 2. Autoevaluación
Ejercicio 2. Autoevaluación
Ejercicio 3. Autoevaluación
Ejercicio 4. Autoevaluación
Ejercicio 4. Autoevaluación
(−λ + 5µ, λ, µ)
Ejercicio 5. Autoevaluación
Ejercicio 5. Autoevaluación
α+β+γ =1
Por
tanto:
2 = αa
3 = β + αa
0 = β+γ
1 = α+β+γ
Se tiene: a = 2
Sistemas de vectores
α1 v1 + α2 v2 + · · · + αn vn = 0.
Se verifica:
I (0) es un sistema ligado.
I Si v es un vector de E distinto del vector 0, entonces (v) no
es un sistema ligado.
I Todo sistema de vectores en el que figure el vector 0 es ligado.
I Todo sistema en el que uno de los vectores es igual a una
combinación lineal de los restantes es ligado.
I Una condición necesaria y suficiente para que dos vectores de
un espacio vectorial sean linalmente dependientes es que sean
proporcionales.
α1 v1 + α2 v2 + · · · + αn vn = 0.
implica necesariamente:
α1 = α2 = · · · = αn
Ejercicio 6 Autoevaluación
α(2a − 2) = 0
Ejercicio 7 Autoevaluación
−3β − 2β − 5β = 0; −10β = 0
β = 0, α = 0, γ=0
Ejercicio 8 Autoevaluación
α = 3, β=2
Ejercicio 9 Autoevaluación
1 3 4 1 3 4
F −F1
0 1 3 −−3−−→ 0 1 3
1 −1 2 0 −4 −2
1 3 4
F3 +4F2
−− −−→ 0 1 3
0 0 10
Ejercicio 10 Autoevaluación
0 −1 a 1 −1 a
F2 ↔F1
1 −1 a − −−−→ 0 −1
a
2 0 0 2 0 0
1 −1 a 1 −1 a
F3 −2F1 F3 +2F2
−− −−→ 0 −1 a −− −−→ 0 −1 a
0 2 −2a 0 0 0
Aplicaciones lineales
Definición
Una aplicación es una forma de asignar a cada elemento de un
conjunto de partida un elemento (y sólo uno) del conjunto de
llegada.
Una aplicación f de E en F :
x ∈ E → f (x) ∈ F ,
Ejemplos
Aplicación de R2 en R3 :
R2 −→ R3
(x1 , x2 ) → (x1 + x2 , x2 , x1 )
f (1, 2) = (3, 2, 1)
f (0, 0) = (0, 0, 0)
f (−1, −2) = (−3, −2, −1)
Tipos de aplicaciones
Consideremos una aplicación de E en F .
I Inyectiva
∀x, y ∈ E , (f (x) = f (y )) −→ (x = y )
f (x1 , x2 ) = (x1 + x2 , x2 , x1 )
I Suprayectiva
∀y ∈ F , ∃x ∈ E , y = f (x)
f (x1 , x2 , x3 ) = (x1 + x2 + x3 , −2x1 − x3 )
I Biyectiva. Es inyectiva y suprayectiva
f (x1 , x2 , x3 ) = (2x2 , x1 , x3 )
Propiedades
Propiedades. Continuación
I Dados n vectores v1 , v2 , . . . , vn de E , si
(f (v1 ), f (v2 ), . . . , f (vn )) es un sistema libre de vectores de F ,
entonces el sistema (v1 , v2 , . . . , vn ) es un sistema libre de
vectores de E .
Ejemplo: (f (1, 1, 1), f (1, 2, 1)) = ((3, −3), (4, −3)) es un
sistema libre y también lo es ((1, 1, 1), (1, 2, 1)).
I Si v1 , v2 , . . . , vn son vectores de E , entonces:
Propiedades. Continuación
f [E1 ] = {f (v) | v ∈ E1 },
es un subespacio vectorial de F .
I La imagen recı́proca por f de un subespacio vectorial F1 de F :
f −1 [F1 ] = {v ∈ E1 | f (v) ∈ F1 },
es un subespacio vectorial de E .
f g
E−
→F −
→G
[g ◦ f ](x) = g (f (x)), x ∈E
Ejemplo:
f (x1 , x2 , x3 ) = (x1 + x3 , x2 )
g (y1 , y2 ) = (y1 + y2 , 2y2 )
[g ◦ f ](1, −1, 2) = g (f (1, −1, 2)) = g (3, −1) = (2, −2)
Se verifica:
I rango f ≤ mı́n { dim E, dim F }
I rango (g ◦ f ) ≤ mı́n { rango f, rango g }
Si (v1 , v2 , . . . , vn ) es un sistema de generadores de E , entonces
(f (v1 ), f (v2 ), . . . , f (vn )) es un sistema de generadores de Im f y
rango f = rango (f (v1 ), f (v2 ), . . . , f (vn )).
Una aplicación lineal queda totalmente determinada conocidas las
imágenes de los vectores de una de sus bases.
Mónica Buendı́a Capellá Tutorı́a de Matemáticas I Grado en ADE
Tema 1. Espacios vectoriales
Tema 2. Aplicaciones lineales
Matemáticas I. Grado en ADE Tema 3. Matrices
Tema 4. Sistemas de ecuaciones lineales
Tema 5. Sucesiones de números reales
rango f = dim F
Ejemplo:
f : R3 → R2
f (x1 , x2 , x3 ) = (x1 + x2 , x1 − x3 )
f (1, 0, 0) = (1, 1), f (0, 1, 0) = (1, 0), f (0, 0, 1) = (0, −1)
Como rango f = dim (Im f ):
dim (Im f ) = rango ((1, 1), (1, 0), (0, −1)) = 2 = dim R2
Estudio de isomorfismos
Formas lineales
Si E es un espacio vectorial sobre un cuerpo K y tiene dimensión
finita, el conjunto de aplicaciones lineales de E en K se denota
E ∗ = L(E , K). Es un espacio vectorial que se denomina espacio
dual. Sus elementos se denominan formas lineales.
El espacio dual de R2 : (R2 )∗ es el conjunto de las aplicaciones
f : R2 → R que verifican:
f (x1 , x2 ) = a1 x1 + a2 x2
para algunos números reales a1 y a2 .
Generalizando, el espacio dual de Rn : (Rn )∗ es el conjunto de las
aplicaciones f : Rn → R que verifican:
f (x1 , x2 , . . . , xn ) = a1 x1 + a2 x2 + · · · + an xn
para algunos números reales a1 , a2 ,..., an .
Mónica Buendı́a Capellá Tutorı́a de Matemáticas I Grado en ADE
Tema 1. Espacios vectoriales
Tema 2. Aplicaciones lineales
Matemáticas I. Grado en ADE Tema 3. Matrices
Tema 4. Sistemas de ecuaciones lineales
Tema 5. Sucesiones de números reales
Aplicaciones afines
Ejercicios
I f : R4 → R2
rango ((−1, 3), (2, 1), (1, 0), (0, 1)) = 2 = rango f
Es suprayectiva.
Ejercicios
−x1 + 2x2 + x3 = 0
3x1 + x2 + x4 = 0
x3 = x1 − 2x2 , x4 = −3x1 − x2
Ejercicios
Im f = R2
a) ((−1, 3))
b) ((−1, 3), (2, 1), (1, 0))
c) ((2, 1))
d) ((8, 7), (7, 8))
Unas ecuaciones del subespacio vectorial Im f en las variables
(x, y ) ∈ R2 son:
a) x = 0, y = 0
b) 2x + y = 0
c) −x + 3y = 0
d) ninguna de las anteriores.
Ejercicios
f : R4 → R3
rango ((0, 0, 1), (1, 2, −1), (1, 0, 0), (−1, −3, 1)) = 3
Es suprayectiva
Ejercicios
Ker f
x2 + x3 − x4 = 0
2x2 − 3x4 = 0 − − − −x2 = (3/2)x4
x1 − x2 + x4 = 0 − − − −x1 = (1/2)x4
x3 = −(1/2)x4
1 3 1
R( , , − , 1) = R(1, 3, −1, 2)
2 2 2
Matrices Reales
Definición
Ejemplos
3 1
1 −6 0 10 −π 1 0
B= , C = , I =
−1 0 0 5 0 0 1
−1 0
1 0 0
0 0
D= , I 0 = 0 1 0
0 0
0 0 1
Tipos de matrices
I Matriz fila. Matriz de orden (1, m)
−1 0 4
I Matriz columna. Matriz de orden (n, 1).
1
−4
0
I Matriz cuadrada de orden n. Matriz de orden (n, n). Los
términos aij con i = j son los términos de la diagonal
principal.
1 4 0
M = 0 1 0
6 0 1
Mónica Buendı́a Capellá Tutorı́a de Matemáticas I Grado en ADE
Tema 1. Espacios vectoriales
Tema 2. Aplicaciones lineales
Matemáticas I. Grado en ADE Tema 3. Matrices
Tema 4. Sistemas de ecuaciones lineales
Tema 5. Sucesiones de números reales
Tipos de matrices
I Matriz identidad o unitaria. Matriz cuadrada de orden n
cuyos términos de la diagonal principal son 1 y el resto de
términos son nulos.
1 0 0
1 0
I2 = , I3 = 0 1 0
0 1
0 0 1
I Matriz cero o nula. Todos sus términos son nulos. Se
denota por O.
0 0 0 0 0
0 0 , 0 0 0
0 0 0 0 0
f : Km → Kn
y las bases
V = (v1 , v2 , . . . , vm ) de Km y W = (w1 , w2 , . . . , wm ) de Kn
Producto de matrices
Ejemplo:
1 0
−1 2 1 0
−2 3
= −1 −1
4 −1 −1 1 4 −7 2 3
0 −1
I es asociativo,
I distributivo respecto a la adición de matrices,
I si A es de orden (n, m), entonces In A = A = AIm ,
I OA = O y AO = O.
La multiplicación de matrices es no conmutativa. Algunas
matrices, sin embargo, conmutan.
y1 2 0
y2 = 1 −1 x1
x2
y3 0 −1
2 0 8
1 −1 4 = 3
1
0 −1 −1
f (4, 1) = (8, 3, −1)
Transformaciones elementales
Matriz inversa
La inversa de una matriz A cuadrada de orden n es otra matriz
cuadrada que se denota por A−1 que verifica:
AA−1 = A−1 A = In
2 0 −5 3 0 5 3 0 5 2 0 −5
−5 1 13 2 1 −1 = 2 1 −1 −5 1 13 =
−1 0 3 1 0 2 1 0 2 −1 0 3
1 0 0
0 1 0
0 0 1
Si una matriz tiene inversa, ésta es única.
Una matriz cuadrada de orden n es invertible si y sólo si su rango
es n.
Mónica Buendı́a Capellá Tutorı́a de Matemáticas I Grado en ADE
Tema 1. Espacios vectoriales
Tema 2. Aplicaciones lineales
Matemáticas I. Grado en ADE Tema 3. Matrices
Tema 4. Sistemas de ecuaciones lineales
Tema 5. Sucesiones de números reales
Cálculo de inversa
Cálculo de la inversa de una matriz cuadrada:
I Se aplican transformaciones elementales a la matriz A hasta
llegar a la identidad.
I Se aplican las mismas transformaciones elementales a I en el
mismo orden y se obtiene A−1
Un ejemplo:
1 0 0 1 0 0 1 0 0
F2 −F1 F −F2
1 1 −2 − −−−→ 0 1 −2 −−3−−→ 0 1 −2
0 1 1 0 1 1 0 0 3
1 0 0 1 0 0
(1/3)F3 F2 +2F3
−−−−→ 0 1 −2 −− −−→ 0 1 0
0 0 1 0 0 1
Mónica Buendı́a Capellá Tutorı́a de Matemáticas I Grado en ADE
Tema 1. Espacios vectoriales
Tema 2. Aplicaciones lineales
Matemáticas I. Grado en ADE Tema 3. Matrices
Tema 4. Sistemas de ecuaciones lineales
Tema 5. Sucesiones de números reales
Cálculo de inversa
Definiciones y Propiedades
a11 x1 + a12 x2 + · · · a1m xm = c1
a21 x1 + a22 x2 + · · · a2m xm = c2
............
an1 x1 + an2 x2 + · · · anm xm = cn
En forma matricial:
AX = C
x1
c1
a11 a12 . . . a1m
x2 c2 a21 a22 . . . a2m
X =
. . . , C = y A= .
.. . . ..
. . . .. . . .
xm cm an1 an2 . . . anm
Mónica Buendı́a Capellá Tutorı́a de Matemáticas I Grado en ADE
Tema 1. Espacios vectoriales
Tema 2. Aplicaciones lineales
Matemáticas I. Grado en ADE Tema 3. Matrices
Tema 4. Sistemas de ecuaciones lineales
Tema 5. Sucesiones de números reales
Definiciones y Propiedades
Ejemplo
0x1 − x2 + x3 = 1
x1 + 2x2 + 3x3 = 1
En forma matricial:
AX = C
x
0 −1 1 1
1
x2 =
1 2 3 1
x3
Sistemas equivalentes
I Dos sistemas son equivalentes si tienen el mismo conjunto de
soluciones.
I Si se le aplican transformaciones elementales a la matriz
ampliada de un sistema, se obtiene la matriz ampliada de un
sistema equivalente.
0 −1 1 | 1 F +2F
1 2 2 3 7| 3 F −F 2 3 7| 3
−− −−→ −−2−−→
1
1 2 3| 1 1 2 3| 1 −1 −1 −4 | −2
0x1 − x2 + x3 = 1 2x1 + 3x2 + 7x3 = 3
(∗) (∗∗)
x1 + 2x2 + 3x3 = 1 −x1 − x2 − 4x3 = −2
Ejemplos
Una solución:
x1 + x2 = 0
x2 = 3
Sistema con infinitas soluciones:
x1 + x2 = 0
−2x1 − 2x2 = 0
Ejemplo
1 1 1| 6 1 1 1| 6
F3 −F2
0 1 −1 | −1 − −−−→ 0 1 −1 | −1
1 1 2| 9 0 0 1| 3
1 1 1| 6 1 0 1| 4 1 0 0| 1
F +F3 F1 −F2 F −F3
−−2−−→ 0 1 0 | 2 −
−−−→ 0 1 0 | 2 −−1−−→ 0 1 0 | 2
0 0 1| 3 0 0 1| 3 0 0 1| 3
Los siguientes sistemas son equivalentes:
x1 + x2 + x3 = 6 x1 = 1
x2 − x3 = −1 y x2 = 2
x1 + x2 + 2x3 = 9 2x3 = 3
0x1 − x2 + x3 = 1
x1 + 2x2 + 3x3 = 1
1 2 3 | 1 (−1)F2 1 2 3| 1
−−−−→
0 −1 1 | 1 0 1 −1 | −1
F1 −2F2 1 0 5| 3
−− −−→
0 1 −1 | −1
Las soluciones del sistema son de la forma:
5 3
λ −1 + −1
−1 0
1 0 4 −1 | 1
0 1 3 1 | −1
0 0 0 0| 0
Las soluciones del sistema asociado a esta matriz ampliada son:
1 4 −1
−1 3 1
+ λ + µ
0 −1 0
0 0 −1
{(y1 , y2 , y3 ) ∈ R3 | y3 − 2y2 = 0}
x1 + 3x2 + 0x3 = 5
0x1 − x2 + 0x3 = 1
2x1 + 2x2 + x3 = 3
Conjuntos cerrados
Sucesiones acotadas
∀ > 0, ∃k ∈ N, ∀n ≥ k, an ∈ (l − , l + )
lim an = l.
n→∞
Propiedades
Propiedades
Lı́mites infinitos
Propiedades
I Resumen de las propiedades:
lim(an ) lim(bn ) lim(an + bn ) lim(an bn )
a b a+b ab
+∞, si a > 0
a +∞ +∞ −∞, si a < 0
?, si a = 0
−∞, si a > 0
a −∞ −∞ +∞, si a < 0
?, si a = 0
+∞ +∞ +∞ +∞
+∞ −∞ ? −∞
−∞ −∞ −∞ +∞
Lı́mites y polinomios
Punto adherente
Sucesiones monótonas
Consideramos una sucesión (an ) de números reales, verifica:
I es creciente si ∀n ∈ N, an ≤ an+1 .
I es decreciente si ∀n ∈ N, an ≥ an+1 .
I es estrictamente creciente si ∀n ∈ N, an < an+1 .
I es estrictamente decreciente si ∀n ∈ N, an > an+1 .
I es monótona si es creciente o es decreciente.
I Si la sucesión es creciente y está acotada superiormente, es
una sucesión convergente; si es creciente y no está acotada
superiormente, se verifica: limn→∞ (an ) = +∞.
I Si la sucesión es decreciente y está acotada inferiormente, es
convergente; si es decreciente y no está acotada inferiormente,
se verifica: limn→∞ (an ) = −∞.
Mónica Buendı́a Capellá Tutorı́a de Matemáticas I Grado en ADE
Tema 1. Espacios vectoriales
Tema 2. Aplicaciones lineales
Matemáticas I. Grado en ADE Tema 3. Matrices
Tema 4. Sistemas de ecuaciones lineales
Tema 5. Sucesiones de números reales
Sucesión geométrica
Sucesión de Cauchy