PLANIFICACIÓN

• PRUEBA EV. CONTINUA: 22/03/2023

• Temas 1, 2 y 3
• EXAMEN ORDINARIO: 01/06/2023
• EXAMEN EXTRAORDINARIO:10/07/2023
• Prácticas (última semana)
• Seminarios presenciales
• Tutorías: mariadelcarmen.morato@upm.es

1
• MATEMÁTICAS II
• Tema 1. Espacios vectoriales
• Subespacios vectoriales
• Sistema de generadores. Independencia lineal
• Bases. Coordenadas respecto de una base.
• Ecuaciones del cambio de base

• Tema 2. Transformaciones lineales. Propiedades

• Determinación de una transformación lineal:
– T. definidas por ecuaciones lineales
– T. definidas por una matriz (matriz de la
transformación)
– T. definidas por las imágenes de los vectores
de una base
• Subespacios Núcleo e Imagen
• Transformación inversa
• Matrices semejantes
• Tema 3. Diagonalización de matrices
• Autovalores y autovectores
• Diagonalización
• Matrices con valores propios complejos
• Modelos matriciales para sistemas evolutivos.
2
 • El ámbito del álgebra lineal lleva consigo un
‘razonamiento de lo lineal’ que se aplica a los
objetos que genéricamente se llaman vectores

• Estos objetos (vectores) comparten unas

propiedades o normas esenciales ( ‘código de la
circulación’ de lo lineal) dando lugar a una
estructura abstracta: espacio vectorial. En ese
marco se estudian las leyes lineales
Álgebra • Todas las conclusiones que se obtengan en ese

Lineal marco son válidas para todos los objetos

particulares (matrices, polinomios……)
• https://www.youtube.com/watch?v=wiuEEkP_X
uM&list=PLIb_io8a5NB2DddFf-
PwvZDCOUNT1GZoA&index=2

• Álgebra lineal. Larson, Edwards, Falvo. 5ª ed. Pirámide

• Matemáticas Bioenriquecidas, Miguel Ángel Martín
• Álgebra lineal Kolman B., Hill D.R. 8ª ed. Pearson. Prentice Hall.
3
• Tema 1. Espacios vectoriales
• Subespacios vectoriales
• Sistema de generadores. Independencia lineal
• Bases. Coordenadas respecto de una base.
• Ecuaciones del cambio de base

• Tema 2. Transformaciones lineales. Propiedades

• Determinación de una transformación lineal:
– T. definidas por ecuaciones lineales
– T. definidas por una matriz (matriz de la
transformación)
– T. definidas por las imágenes de los vectores
de una base
• Subespacios Núcleo e Imagen
• Transformación inversa
• Matrices semejantes
• Tema 3. Diagonalización de matrices
• Autovalores y autovectores
• Diagonalización
• Matrices con valores propios complejos
• Modelos matriciales para sistemas evolutivos.

4
Los escalares nos sirven para representar magnitudes tales como un área, un volumen, un
peso…pero si queremos describir un movimiento, por ejemplo, no es suficiente con
“asignarle” un número si no que necesitamos especificar un sentido y una dirección para
este.

5
 Espacios vectoriales
Suma de vectores

Producto por un escalar

6
DEMOSTRACIÓN

7
8
Aunque solo estudiemos en este curso el
espacio vectorial ℝN debemos saber que
todos los resultados que obtengamos son
extrapolables a los demás espacios

9
• Subespacios vectoriales

Condición para subespacio vectorial

(Caracterización de subespacio vectorial)
Sea V un espacio vectorial y sea S un subconjunto no
vacío de V, S ⊂ V. Entonces S es un subespacio de V
si y solo si valen las siguientes condiciones:

• 1) v, w ϵ S entonces v + w ϵ S
• 2) c ϵ K; v ϵ S entonces c v ϵ S
10
¿Cómo podemos averiguar si un subconjunto de ℝn es subespacio?. ¿Debemos demostrar
todas las propiedades 1 − 10?

Comprobamos que la suma y el producto por escalares mantienen la

condición 11
12
13
• Subespacios vectoriales de R2
– Subespacios triviales
– Rectas que pasan por el origen

• Subespacios vectoriales de R3

• Subespacios triviales
• Rectas que pasan por el origen
• Planos que pasan por el origen

14
 v=(2,3) es combinación lineal de u=(4,6) porque (2,3) = 1/2(4,6)

v=(2,3) es combinación lineal de S = {(1,0),(0,1)(1,-5)} porque

(2,3) = 2(1,0)+3(0,1)+0(1,-5)

Nuestro objetivo es buscar un conjunto de vectores para cada espacio 𝑉

que “representen” a 𝑉, de manera que todos los vectores de 𝑉 se puedan
escribir de una forma sencilla como combinaciones lineales de este
conjunto. Así conseguiremos una expresión muy simple para cada vector 15
También se dice que V es la envolvente lineal de F y se escribe

V= lin (F) =

16
• EJEMPLOS

17
18
• Definición:
Se dice que 𝑆 = {𝑢1, 𝑢2, … , 𝑢𝑝 } de 𝑉 es linealmente independiente
si la ecuación
0 = 𝛼1𝑢1 + 𝛼2𝑢2 + ⋯ + 𝛼𝑝𝑢𝑝
tiene una única solución 𝛼1 = 𝛼2 … . = 𝛼𝑝 = 0 (solución trivial)
Por el contrario, si la ecuación
0 = 𝛼1𝑢1 + 𝛼2𝑢2 + ⋯ + 𝛼𝑝𝑢𝑝
tiene alguna otra solución, además de la trivial, diremos que 𝑆 es
linealmente dependiente.

19
20
21
• Propiedades:
1. Si 𝑆 = {𝑢1, 𝑢2, … , 𝑢𝑝 } es linealmente dependiente ⇔ Al menos un vector de 𝑆
es combinación lineal de los demás.
2. Si 𝑆 = {𝑢1, 𝑢2, … , 𝑢𝑝 } es linealmente independiente, cualquier conjunto que
este contenido en él también lo será.
3. Si 𝑆 = {𝑢1, 𝑢2, … , 𝑢𝑝 } es linealmente dependiente, cualquier conjunto que lo
contenga también lo será.
4. Si 𝑆 = {𝑢1, 𝑢2, … , 𝑢𝑝 } es sistema generador de 𝑉, cualquier conjunto que lo
contenga también lo será.
Ejemplo
Decidir si 𝑆 = {(1, −1,2) , (1,1,1) , (2,0,3)} es linealmente independiente o
linealmente dependiente utilizando alguna de las propiedades anteriores.
Solo debemos observar que un vector de S es combinación lineal del resto
(1, −1,2) + (1,1,1) = (2,0,3)
Así que 𝑆 es linealmente dependiente por la propiedad 1 22
23
24
25
26
27
• Las bases tienen ventajas importantes sobre los sistemas
generadores:
– 1. Son sistemas generadores y por tanto todos los vectores
se pueden poner “en función de ellos”.
– 2. Son los sistemas generadores más pequeños, con menos
vectores.
– 3. Todas las bases tienen el mismo número de vectores.
– 4. Todos los vectores de 𝑉se escriben de manera única
como combinación lineal de una base: Coordenadas del
vector

28
Coordenadas

29
30
31
32
• Base de un subespacio vectorial S de V=R3
• dim S ≤ dim V
• Ej. Obtener una base de S={(𝑥,𝑦,𝑧)=(−𝑏,𝑎,2𝑎+𝑏) tal que 𝑎,𝑏∈ℝ}
(−𝑏,𝑎,2𝑎+𝑏)= a(0,1,2)+b(-1,0,1)
luego S está generado por: (0,1,2) y (-1,0,1). S=lin{ (0,1,2) (-1,0,1)}
Como además son linealmente independientes porque rango
0 −1
1 0 =2 (no son proporcionales) entonces son una base de S
2 1
y dim S=2 (plano)
• Ecuaciones paramétricas:
x= −b
y= a ൡ (2 parámetros)
z= 2a+b
34
• Base de un subespacio vectorial S de V=R3

• Ecuaciones cartesianas o implícitas: elimino los parámetros

z=2y-x
relación entre sus componentes o condición que cumplen todos los
vectores
número de ec. implícitas = dim V – dim S

Ej. ¿Cómo obtener las ecuaciones paramétricas a partir de la

ecuación implícita z=2y-x ?. Se resuelve el sistema
x= b
y=a
z = 2a-b
35