Archivo de la etiqueta: álgebra lineal

Conceptos Fundamentales de Álgebra Lineal y Cálculo: Espacios Vectoriales, Aplicaciones Lineales y Funciones

Matemáticas, , , ,

Espacios Vectoriales

Definición de Base de un Espacio Vectorial V

Sean 𝑢1, 𝑢2, …, 𝑢𝑛 un conjunto de vectores del espacio vectorial V. Se dice que un conjunto 𝐵 = 〈𝑢1, 𝑢2, …, 𝑢𝑛〉 es una base del espacio vectorial V si:

  1. 𝐵 es linealmente independiente.
  2. 𝐵 es generador de V → 〈𝐵〉 = 𝑉.

Por lo tanto, todo vector de V se puede escribir como una combinación lineal única de la base. Es decir, una base de un espacio vectorial V es un conjunto de vectores linealmente Seguir leyendo “Conceptos Fundamentales de Álgebra Lineal y Cálculo: Espacios Vectoriales, Aplicaciones Lineales y Funciones” »

Conceptos Fundamentales de Álgebra Lineal: Espacios Vectoriales y Matrices

Matemáticas, , , , ,

Espacios Vectoriales

Un espacio vectorial sobre un cuerpo ℝ es un conjunto V dotado de dos operaciones: una operación interna (suma de vectores) y una operación externa (producto de un vector por un escalar), que verifican una serie de propiedades.

Propiedades de la Operación Interna (Suma de Vectores)

La suma de vectores (V, +) cumple:

  1. Propiedad asociativa: (𝑢 + 𝑣) + 𝑤 = 𝑢 + (𝑣 + 𝑤) ∀ 𝑢, 𝑣, 𝑤 ∈ 𝑉
  2. Propiedad conmutativa: 𝑢 + 𝑣 = 𝑣 + 𝑢 ∀ 𝑢, 𝑣 Seguir leyendo “Conceptos Fundamentales de Álgebra Lineal: Espacios Vectoriales y Matrices” »

Fundamentos de Álgebra Lineal: Matrices, Subespacios y Aplicaciones

Matemáticas, , , , , ,

Fundamentos de Álgebra Lineal

Obtener la matriz de P en las bases canónicas

Sea vector **x** cualquiera de **Rn1** y sean *x1, x2…* sus coordenadas. Existirá un vector **y** tal que *F(x) = y*. Sean *y1, y2…* sus coordenadas en **Bc**. **y** pertenece a **Rn2**.
*(y1…yn2) = (F(e1) F(e2) F(e3)…F(en1)) * (x1…xn1)*
**Y = PX**
**M(BRn1, BRn2)**
Ejemplo: Cuando te da *f(1,1) = (1,3,2)* y *f(1,-1) = (1,1,0)*, sacar implícitas y hacer una matriz de tantas filas como términos de *f* y luego:

Fundamentos de Álgebra Lineal: Espacios Vectoriales, Matrices y Aplicaciones

Matemáticas, , ,

Espacio Vectorial

Se llama espacio vectorial sobre un cuerpo ℝ a todo conjunto V dotado de dos operaciones: una operación interna (suma de vectores) y una operación externa (producto de un vector por un escalar), y que verifican una serie de propiedades.

Propiedades de la operación interna

La suma de vectores (𝑉, +) cumple:

  1. Propiedad asociativa (𝑢 + 𝑣) + 𝑤 = 𝑢 + (𝑢 + 𝑤) ∀ 𝑢, 𝑣, 𝑤 ∈ 𝑉
  2. Propiedad conmutativa 𝑢 + 𝑣 = 𝑣 + 𝑢 ∀ 𝑢, 𝑣 ∈ 𝑉
  3. Tiene Seguir leyendo “Fundamentos de Álgebra Lineal: Espacios Vectoriales, Matrices y Aplicaciones” »

Fundamentos del Álgebra Lineal: Espacios Vectoriales, Transformaciones y Teoremas Clave

Ingeniería en audiovisuales y telecomunicación, , , , , , ,

Base de un Espacio Vectorial: Teorema

Un vector x ∈ E puede expresarse de forma única como combinación lineal de los vectores de una base de E. Sea B = {e1, e2, …, eq} una base del espacio vectorial E. Entonces, x = α1e1 + α2e2 + … + αqeq.

Demostración:

Supongamos que x puede expresarse de dos formas distintas en función de la base B = {e1, e2, …, eq}:

x = α1e1 + α2e2 + … + αqeq

x = α’1e1 + α’2e2 + … + α’qeq

Restando ambas expresiones:

0 = (α1 – α’1)e1 + (α2 – α’2)e2 + … Seguir leyendo “Fundamentos del Álgebra Lineal: Espacios Vectoriales, Transformaciones y Teoremas Clave” »

Aplicaciones Lineales, Isomorfismos y Diagonalización de Matrices: Conceptos Clave

Matemáticas, , , , , , ,

Aplicaciones Lineales e Isomorfismos

Sean E y F dos espacios vectoriales sobre K y sea T : E→F una aplicación. Diremos que T es una aplicación lineal si verifica:

  • T(u + v) = T(u) + T(v), ∀u, v ∈ E.
  • T(αu) = αT(u), ∀α ∈ K, ∀u ∈ E.

Isomorfismo: Si T : E→ F es una aplicación lineal biyectiva (inyectiva y suprayectiva), diremos que T es un isomorfismo.

Núcleo e Imagen

Sea T : E→F una aplicación lineal.

Explorando Matrices, Determinantes y Sistemas de Ecuaciones Lineales

Matemáticas, , , , , , ,

Matrices, Determinantes y Sistemas de Ecuaciones Lineales

Matriz: Es un conjunto ordenado de números dispuestos en filas y columnas. Si tenemos m filas y n columnas, diremos que es de orden o dimensión m x n.

Matriz Inversa: Dada una matriz A de orden n, llamaremos matriz inversa de A, a una matriz A-1 que verifica que A·A-1=A-1·A=I. No siempre existe A-1. Si una matriz A tiene inversa se dice que es regular y si no, singular.

Propiedades de las Matrices

Trasposición:

Propiedades:

  1. Asociativa: (AB) Seguir leyendo “Explorando Matrices, Determinantes y Sistemas de Ecuaciones Lineales” »

Operaciones con Matrices, Diagonalización y Formas Cuadráticas

Matemáticas, , ,

Operaciones con Matrices

Suma de Matrices

  • Propiedad Asociativa: (A + B) + C = A + (B + C)
  • Elemento Neutro: A + 0 = 0 + A = A
  • Elemento Simétrico (Matriz Opuesta): -A + A = 0
  • Propiedad Conmutativa: A + B = B + A

Producto de un Número Real por una Matriz

  • t * (A + B) = t * A + t * B
  • (t * s) * A = t * (s * A)
  • 1 * A = A

Producto de Matrices

Conceptos Fundamentales de Álgebra Lineal y Teoría de Conjuntos

Matemáticas, , , , ,

Aplicaciones Lineales

Definiciones

Una aplicación lineal f: E → E’ es un homomorfismo de K-espacios vectoriales. Dados e1, e2 ∈ E y λ, μ ∈ K, se cumple que f(λe1 + μe2) = λf(e1) + μf(e2).

Una aplicación lineal f: E → E de un K-espacio vectorial en sí mismo es un endomorfismo.

Núcleo e Imagen de una Aplicación Lineal

Sea f: E → E’ una aplicación lineal entre dos espacios vectoriales.

Conceptos Fundamentales de Álgebra Lineal: Teoremas y Demostraciones

Matemáticas, , ,

Teorema de Rouché-Frobenius

Sea AX = B un sistema de m ecuaciones lineales con n incógnitas:

  • Si rg(A) ≠ rg(A*), el sistema es incompatible.
  • Si rg(A) = rg(A*) = n, el sistema es compatible determinado.
  • Si rg(A) = rg(A*) < n, el sistema es compatible indeterminado.

Espacio Vectorial: Definición y Propiedades

Sea V un conjunto no vacío. Supongamos que en V hay definida una operación suma, que denotaremos por +, y una operación producto por un escalar, que denotaremos por *. Diremos que (V, +, Seguir leyendo “Conceptos Fundamentales de Álgebra Lineal: Teoremas y Demostraciones” »