• Ir al contenido principal
  • Ir a la barra lateral primaria
  • Ir al pie de página

Álgebra y Geometría Analítica

Contenidos de Álgebra para UTN-FRBA

  • Parte 1
    • Vectores, recta y plano
      • Introducción a vectores en R3
      • Producto escalar en R3
      • Producto vectorial y mixto
      • Ecuaciones del plano
      • Ángulos y distancias
      • Haz de planos
      • Recta en ({mathbb{R}^3})
      • Recta y plano: intersecciones y ángulos
      • Distancias y proyecciones
    • Matrices y determinantes
      • Matrices
      • Determinante de una matriz
      • Matrices y sistemas de ecuaciones lineales
    • Espacios vectoriales
      • Espacios y subespacios vectoriales
      • Conjunto generador. LI y LD. Base. Dimensión.
      • Operaciones con subespacios
    • Sistemas de ecuaciones
      • Rango y sistemas de ecuaciones lineales
      • Relaciones entre soluciones de AX=B y AX=0. Variables libres.
  • Parte 2
    • Transformaciones lineales
      • Definición y propiedades de las transformaciones lineales
      • Núcleo e imagen. Clasificación de las transformaciones lineales.
      • Teorema fundamental de las transformaciones lineales
      • Matriz asociada a una transformación lineal
      • Composición e inversa de transformaciones lineales
      • Matriz de cambio de base
    • Autovalores y autovectores
      • Autovalores y autovectores: definiciones y propiedades
      • Multiplicidades algebraica y geométrica de un autovalor
      • Matrices semejantes
      • Diagonalización de una matriz
      • Diagonalización ortogonal de matrices simétricas
      • Diagonalización de una transformación lineal
    • Cónicas, parametrización y superficies cuádricas
      • Introducción a cónicas
      • Circunferencia
      • Parábola
      • Elipse
      • Hipérbola
      • Ecuaciones paramétricas de las cónicas (circunferencia, elipse, parábola e hipérbola)
    • Aplicaciones de la diagonalización
      • Potencias de una matriz diagonalizable
      • Rototraslación de cónicas
    • Números complejos
      • Definición y operaciones de números complejos en forma binómica
      • Operaciones en forma trigonométrica y exponencial
      • Radicación de números complejos
      • Regiones del plano complejo
  • Exámenes
    • Parciales
      • Parcial 1
        • 24-05-2015
        • 12-02-2016
        • 22-04-2017
        • 09-09-2017
        • 05-05-2018
        • 13-09-2019
      • Parcial 2
        • 21-06-2019
        • 10-11-2018
        • 23-06-2018
        • 04-11-2017
        • 10-06-2017
        • 13-06-2015
        • 31-10-2015
    • Finales
  • Info 2021 (primer cuatrimestre)
  • Contactanos!
  • Reportá un error

Última vez actualizado 8 noviembre, 2017 por Isabel Pustilnik y Federico Gómez 15 comentarios

Espacios y subespacios vectoriales

En las unidades anteriores vimos que el álgebra de vectores y el álgebra de matrices presentan similitudes. Pudimos observar que las propiedades de la suma (de vectores o de matrices) y del producto por un escalar son idénticas en ambos conjuntos.

En esta unidad, generalizaremos el concepto de vector a partir de estas propiedades en común que hemos señalado para vectores geométricos y matrices.

Definición de espacio vectorial

Un espacio vectorial es un conjunto no vacío \(V\) de objetos, llamados vectores, en el que se han definido dos operaciones: la suma y el producto por un escalar (número real) sujetas a los diez axiomas que se dan a continuación. Los axiomas deben ser válidos para todos los vectores \(u\), \(v\) y \(w\) en \(V\) y todos los escalares \(\alpha \) y \(\beta \) reales.
Llamamos \(u\; + \;v\) a la suma de vectores en \(V\), y \(\alpha v\) al producto de un número real \(\alpha \) por un vector \(v\; \in \;V\).
1. \(u + v\;\; \in \;V\)
2. \(u + v = v + u\)
3. \(\left( {u + v} \right) + w = u + \left( {v + w} \right)\)
4. Existe un vector nulo \({0_V} \in V\) tal que \(v + {0_V} = v\)
5. Para cada \(v\) en \(V\), existe un opuesto \(\left( { – v} \right) \in V\) tal que \(v + \left( { – v} \right) = {0_V}\)
6. \(\alpha v\; \in \;V\)
7. \(\alpha \left( {u + v} \right) = \alpha u + \alpha v\)
8. \(\left( {\alpha + \beta } \right)v = \alpha v + \beta v\)
9. \(\alpha \left( {\beta v} \right) = \left( {\alpha \beta } \right)v\)
10. \(1v = v\)

Observación: En la definición anterior, cuando decimos «escalares» nos estamos refiriendo a números reales. En este caso, se dice que \(V\) es un espacio vectorial real.

También es posible que los escalares pertenezcan a otro conjunto numérico, por ejemplo los números complejos con los cuales trabajaremos en la última unidad.

Ejemplo 1

De acuerdo con las propiedades que vimos en la primera unidad, podemos afirmar que \({\mathbb{R}^3}\) es un espacio vectorial.

Los espacios \({\mathbb{R}^n}\) , con \(n \ge 1\) , son los ejemplos principales de espacios vectoriales. La intuición geométrica desarrollada para \({R^3}\) nos ayudará a entender y visualizar muchos conceptos de esta unidad.

Los vectores de \({\mathbb{R}^{\;n}}\) son n-uplas de números reales, o sea:

\[{\mathbb{R}^n} = \left\{ {\left( {{x_1},\;{x_2},\; \ldots ,\;{x_n}} \right)\;,\;\;\;con\;\;{x_i} \in \mathbb{R}} \right\}\]

En \({\mathbb{R}^n}\) , la suma de vectores y el producto por un escalar se definen así:

Sean \(\;\;u = \left( {{u_1},{u_2}, \ldots ,{u_n}} \right)\;\;\;\;y\;\;\;\;v = \left( {{v_1},{v_2}, \ldots {v_n}} \right)\; \in {\mathbb{R}^n}\;\)

\[u + v = \left( {{u_1} + {v_1},\;{u_2} + {v_2},\; \ldots ,\;{u_n} + {v_n}} \right) \in {\mathbb{R}^n}\]

\[\alpha v = \left( {\alpha {v_1},\;\alpha {v_2},\; \ldots ,\;\alpha {v_n}} \right) \in {\mathbb{R}^n}\]

Puede comprobarse que las operaciones definidas verifican los axiomas de espacio vectorial.

Ejemplo 2

De acuerdo con las propiedades enunciadas en la segunda unidad, para cada \(m\) y \(n\) \({\mathbb{R}^{mxn}}\) es un espacio vectorial.

Tenemos por ejemplo \({\mathbb{R}^{2×3}}\), espacio vectorial cuyos vectores son las matrices de \(2 \times 3\).

Ejemplo 3

Llamemos \({P_2}\) al conjunto de polinomios de grado menor o igual que 2, incluyendo el polinomio nulo.

Recordemos la suma de polinomios y la multiplicación por un escalar:

Dados \(p\left( x \right) = \;{a_o} + {a_1}x + {a_2}{x^2} \in {P_2}\) y \(q\left( x \right) = {b_o} + {b_1}x + {b_2}{x^2} \in {P_2}\)

Definimos las operaciones:

\[\left( {p + q} \right)\left( x \right) = \;p\left( x \right) + q\left( x \right) = \left( {{a_o} + {b_o}} \right) + \left( {{a_1} + {b_1}} \right)x + \left( {{a_2} + {b_2}} \right){x^2}\; \in {P_2}\]

\[\left( {\alpha p} \right)\left( x \right) = \alpha p\left( x \right) = \left( {\alpha {a_o}} \right) + \left( {\alpha {a_1}} \right)x + \left( {\alpha {a_2}} \right){x^2}\; \in {P_2}\]

Puede demostrarse que estas operaciones verifican todos los axiomas de espacio vectorial.

En particular, el vector nulo en este espacio es el polinomio nulo, es decir el polinomio cuyos coeficientes son todos iguales a cero.

Generalizando, para cualquier \(n \ge 0\) , el conjunto \({P_n}\) de todos los polinomios de grado menor o igual que \(n\) (incluyendo el polinomio nulo) es un espacio vectorial.

Observación:

¿Por qué no definimos \({P_n}\) como el conjunto de polinomios de grado exactamente igual a \(n\)? Si lo definiéramos así, no sería un espacio vectorial como se muestra en el siguiente ejemplo:

\(p\left( x \right) = {x^2}\;\) y \(q\left( x \right) = – {x^2} + 1\) son polinomios de grado 2, pero la suma es un polinomio de grado cero. Entonces no se verificaría el primer axioma de espacio vectorial (la suma de vectores de un espacio vectorial \(V\) debe estar en \(V\)).

Propiedades de los espacios vectoriales

A partir de los axiomas de espacios vectoriales, pueden demostrarse estas propiedades que resultan «naturales»:

Propiedad 1

\[0\;u = {0_V}\]

Propiedad 2

\[\alpha \;{0_V} = {0_V}\]

Propiedad 3

\[\left( { – \alpha } \right)u = – \left( {\alpha u} \right)\]

En particular, para \(\alpha = 1\) :\(\left( { – 1} \right)u = – u\)

Propiedad 4

\[\alpha \;u = {0_V}\; \Rightarrow \;\;\alpha = 0\; \vee \;\;u = {0_V}\]
Veamos cómo puede demostrarse esta última propiedad:
Si \(\alpha = 0\) , se cumple la proposición.
Si \(\alpha \ne 0\) , podemos multiplicar por \(\frac{1}{\alpha }\) :
\[\alpha \;u = {0_V}\; \Rightarrow \frac{1}{\alpha }\alpha \;u = \frac{1}{\alpha }\;{0_V} \Rightarrow u = {0_V}\;\]
¡Demostrado!

Subespacios vectoriales

Definición

Sea \(V\) un espacio vectorial y \(W\) un subconjunto no vacío de \(V\).

\(W\) es un subespacio de \(V\) si \(W\) es en sí mismo un espacio vectorial con las mismas operaciones (suma de vectores y producto por un escalar) definidas en \(V\).

Ejemplo

\(W = \left\{ {\;\left( {{x_1},{x_2}} \right)\; \in {R^2}\;:{x_2} = 3{x_1}\;} \right\}\) ¿es un subespacio de \({\mathbb{R}^2}\)?

Primero analicemos el conjunto \(W\). Son todos vectores de \({\mathbb{R}^2}\) tales que la segunda componente es el triple de la primera:

\[\left( {{x_1},3{x_1}} \right) = {x_1}\left( {1,3} \right)\]

\(W\) es la recta que pasa por el origen y tiene vector director (1,3), o sea la recta de ecuación y = 3x.

Para decidir si \(W\) es un subespacio de \({\mathbb{R}^2}\) habría que verificar que se cumplen los axiomas del 1 al 10. El lector puede comprobar que todos se cumplen en este caso.

Pero en general no es necesario verificar los axiomas porque existe un criterio sencillo para determinar si un subconjunto \(W\) de un espacio vectorial \(V\) es un subespacio, es el que sigue.

Condiciones necesarias y suficientes para caracterizar subespacios

Sea \(W\) un subconjunto de un espacio vectorial \(V\) \(\left( {W \subseteq V} \right)\).
\(W\) es subespacio de \(V\) si y sólo si se cumplen las siguientes condiciones:
a. \({0_V}\) está en \(W\).
b. Si \(u\) y \(v\) están en \(W\), entonces \(u + v\) está en \(W\).
c. Si \(u\) está en \(W\) y \(k\) es un escalar, \(ku\) está en \(W\).

Observaciones

1. La condición (a) asegura que W no es vacío. La mejor manera de comprobar si W es un subespacio es buscar primero si contiene al vector nulo. Si \({0_V}\) está en W, entonces deben verificarse las propiedades (b) y (c). Si \(\;{0_V}\) no está en W, W no puede ser un subespacio y no hace falta verificar las otras propiedades.

2. Las propiedades a, b y c corresponden a los axiomas 4, 1 y 6 de espacios vectoriales.

3. Los axiomas 2, 3, 7, 8, 9 y 10 de espacio vectorial se cumplen para \(W\) porque éste es un subconjunto de \(V\). Puede decirse que \(W\) «hereda» esas propiedades de \(V\).

4. Faltaría comprobar que cada vector de \(W\) tiene su opuesto en \(W\) (axioma 5 de espacios vectoriales):
Teniendo en cuenta la condición (c) de subespacios,
c. Si \(u\) está en \(W\) y \(k\) es un escalar, \(ku\) está en \(W\).
Si tomamos \(k = – 1\), resulta:
Para cada \(u \in W\;,\;\;\left( { – 1} \right)u = – u\; \in W\).
Y por lo tanto cada vector de \(W\) tiene su opuesto en \(W\).
De las observaciones anteriores se deduce que las condiciones (a), (b) y (c) son suficientes para demostrar que \(W\) es un espacio vectorial, y por lo tanto subespacio de \(V\).

Subespacios triviales

Si \(V\) es un espacio vectorial, entonces \(V\) es un subespacio de sí mismo.

\({0_V} + {0_V} = {0_V}\) y \(k{0_V} = {0_V}\;\;\;para\;cualquier\;k\;real\)

Los subespacios \(\left\{ {{0_V}} \right\}\) y \(V\) se denominan subespacios triviales de \(V\).

Ejercitación sobre subespacios

Ejemplo 1

Consideremos el conjunto \(W = \left\{ {\left( {x,y} \right) \in {\mathbb{R}^2}\;\;|\;\;\;xy = 0} \right\}\), ¿Es un subespacio de \({\mathbb{R}^2}\)?

Se cumple (a) pues \(\left( {0,0} \right) \in W\)

No se cumple (b) porque la suma de dos vectores de \(W\) puede no estar en \(W\), por ejemplo:

\[\left( {1,0} \right) + \left( {0,1} \right) = \left( {1,1} \right) \notin W\]

Espacios vectoriales - imagen 1

Entonces \(W\) no es un subespacio de \({\mathbb{R}^2}\).

Ejemplo 2

Consideremos el conjunto \(W = \left\{ {\left( {x,y} \right) \in {\mathbb{R}^2}\;\;|\;\;\;x = 0} \right\}\). Es decir, la recta de ecuación \(x = 0\). ¿Es un subespacio de \({\mathbb{R}^2}\)?

Se cumple (a) pues \(\left( {0,0} \right) \in W\)

Se cumple (b) pues la suma de dos vectores de \(W\), está en \(W\):

\[\left( {0,{y_1}} \right) + \left( {0,{y_2}} \right) = \left( {0,{y_1} + {y_2}} \right)\]

Se cumple (c) pues el producto de un vector de \(W\) por un número real está en \(W\):

\[k\left( {0,y} \right) = \left( {0,ky} \right)\]

Luego \(W\) es subespacio de \({\mathbb{R}^2}\).

Ejemplo 3

Consideremos el conjunto \(W = \left\{ {\left( {x,y} \right) \in {\mathbb{R}^2}\;\;|\;\;{x^2} – {y^2} = 0} \right\}\). ¿Es un subespacio de \({\mathbb{R}^2}\)?

\[{x^2} – {y^2} = 0 \Leftrightarrow y = x \vee x = – y\]

Se cumple (a) pues \(\left( {0,0} \right) \in W\)

No se cumple (b) porque la suma de dos vectores de \(W\) puede no estar en \(W\), por ejemplo:

\[\left( {1,1} \right) + \left( {1, – 1} \right) = \left( {2,0} \right) \notin W\]

Entonces \(W\) no es un subespacio de \({\mathbb{R}^2}\).

Ejemplo 4

Consideremos el conjunto \(W = \left\{ {\left( {x,y,z} \right) \in {\mathbb{R}^3}\;\;|\;\;x + y + 2z = 0} \right\}\). Es decir un plano que pasa por el origen. ¿Es un subespacio de \({\mathbb{R}^3}\)?

De la ecuación del plano se deduce que: \(x = – y – 2z\)

Por lo tanto los vectores que pertenecen a \(W\) responden a la forma \(\left( { – y – 2z,y,z} \right)\) con \(y,z \in \mathbb{R}\).

Se cumple (a) pues \(\left( {0,0,0} \right) \in W\)

Se cumple (b) pues la suma de dos vectores del plano, sigue estando en ese plano:

\[\left( { – y – 2z,\;y,z} \right) + \left( {-y’ – 2z’,y’,z’} \right) = \left( {\; – \left( {y + y’} \right) – 2\left( {z + z’} \right)\;,\;y + y’,z + z’\;} \right)\]

Se cumple \(\left( c \right)\) pues \(k\left( { – y – 2z,y,z} \right) = \left( { – ky – 2kz,ky,kz} \right) \in W\)

Entonces \(W\) es subespacio de \({\mathbb{R}^3}\).

Ejemplo 5

Consideremos el conjunto \(W = \left\{ {p \in {P_2}\;\;|\;p\left( 0 \right) = 0\;} \right\}\). Es decir, los polinomios de grado menor o igual que 2 (incluyendo el polinomio nulo) tales que evaluados en \(0\) dan por resultado \(0\). ¿Es un subespacio de \({P_2}\)?

Se cumple (a) pues el polinomio nulo pertenece a \(W\).

Recordemos la definición de suma de funciones y de producto de un real por una función:

\(\left( {f\; + \;g} \right)\;\left( x \right)\; = \;f\left( x \right)\; + \;g\left( x \right)\), para todo \(x\) perteneciente al dominio de \(f\) y de \(g\)

\(\left( {kf} \right)\left( x \right) = \;k\;f\left( x \right)\) para todo \(x\) perteneciente al dominio de \(f\).

Los polinomios son funciones, por lo tanto si consideramos \(p\;,\;q \in W\), resulta:

\[\left( {p + q} \right)\left( 0 \right) = p\left( 0 \right) + q\left( 0 \right) = 0 + 0 = 0\; \Rightarrow \;\;p + q \in W\]
\[\left( {kp} \right)\left( 0 \right) = k.p\left( 0 \right) = k\;0 = 0 \Rightarrow kp \in W\;\]

Demostramos que \(W\) es un subespacio de \({P_2}\).

Ejemplo 6

Consideremos el conjunto \(W = \left\{ {A \in {\mathbb{R}^{2 \times 2}}\;\;|\;A = {A^t}\;} \right\}\). Es decir, el conjunto de matrices simétricas de \(2 \times 2\).

Se cumple (a) porque la matriz nula pertenece a \(W\).

Se cumple (b) pues si \(A,B \in W\) entonces \({\left( {A + B} \right)^t} = {A^t} + {B^t} = A + B\), luego \(\left( {A + B} \right) \in W\)

Se cumple (c) pues si \(A \in W\) entonces \({\left( {kA} \right)^t} = k{A^t} = kA\), luego \(\left( {kA} \right) \in W\)

Demostramos que el conjunto de matrices simétricas de \(2\times 2\) es un subespacio de \(\mathbb{R}^{2 \times 2}\).

Observación: En la comprobación de las condiciones (a), (b) y (c) no fue necesario hacer referencia al tamaño de las matrices. Esto significa que es válido para matrices simétricas de \(n \times n\).

Ejemplo 7

Consideremos el conjunto \(W = \left\{ {A \in {\mathbb{R}^{2 \times 2}}\;\;|\det \left( A \right) = 0\;} \right\}\). ¿Es un subespacio de \({\mathbb{R}^{2 \times 2}}\)?

Se cumple (a) porque la matriz nula pertenece a \(W\).

En general \(\det \left( {A + B} \right) \ne \det \left( A \right) + \det \left( B \right)\), entonces podría ocurrir que \(A,B \in W\) pero que \(A + B\) no esté en \(W\). Por ejemplo

\[A = \left( {\begin{array}{*{20}{c}}1&{ – 3}\\{ – 1}&3\end{array}} \right)\;\;,\;\;\;B = \left( {\begin{array}{*{20}{c}}0&0\\{ – 2}&5\end{array}} \right)\;\;,\;\;\;A + B = \left( {\begin{array}{*{20}{c}}1&{ – 3}\\{ – 3}&8\end{array}} \right)\]

Entonces no se cumple (b).

\(W\) no es un subespacio de \({\mathbb{R}^{2 \times 2}}\).

Resumen de los subespacios de \({\mathbb{R}^2}\) y \({\mathbb{R}^3}\)

Después de estos ejemplos podemos resumir cuales son los diferentes tipos de subespacios de \({\mathbb{R}^2}\) y \({\mathbb{R}^3}\):

subespacios de r2 y r3

No hay ninguna otra clase de subespacios en \({\mathbb{R}^2}\) y \({\mathbb{R}^3}\).

Videos relacionados

 

Artículos relacionados:

  • Información sobre el curso de verano 2021
  • Información sobre el curso segundo cuatrimesre 2020
  • Información sobre el curso primer cuatrimesre 2021

Archivado en:Espacios vectoriales, Parte 1

Interacciones con los lectores

Comentarios

  1. Martin Maulhardt dice

    26 mayo, 2017 en 7:53 pm

    Isabel y Federico, muy buena la pagina! Ayuda un monton. Lo mejor que vi en educacion. Un beso. Martin Maulhardt.

  2. jose antonio dice

    31 agosto, 2017 en 5:36 pm

    Buen trabajo!, estaría bueno una opción de sugerencia rápida para solicitar corrección de errores o dudas.

    Gracias

  3. Federico Gómez dice

    1 septiembre, 2017 en 6:03 pm

    José Antonio,

    Gracias por el comentario.

    En el menú tenemos una opción para que nos avisen si encuentran un error en el material.
    Saludos!

  4. evelyn dice

    9 septiembre, 2017 en 7:10 pm

    buenisima la pagina, realmente me ayudo a sacarme las dudas que tenia.

  5. Aldo Josué Carballo Canales dice

    6 febrero, 2018 en 5:45 pm

    Exelente!

  6. Ana Grey dice

    21 febrero, 2018 en 9:32 am

    Muchas gracias por esta gran página. Me ayuda muchísimo!!! Y es tan clara en los conceptos.

  7. Elmer dice

    7 junio, 2018 en 10:49 pm

    Con respecto a cerradura bajo la suma como se realiza?no entendí muy bien esa parte.

  8. Celia Fasce dice

    3 septiembre, 2018 en 8:31 pm

    Fede: excelente trabajo!!
    Celia

  9. MATIAS SOROKIN dice

    5 octubre, 2018 en 8:42 pm

    Genial el material, muy claro , no hay alguna forma de descargar el archivo para tenerlo como apunte ?

  10. Ariana dice

    6 abril, 2019 en 12:02 am

    Genial

  11. Veronica dice

    14 mayo, 2019 en 11:43 pm

    Gracias! Esta mas que entendible! Es genial este sitio web saludos

  12. Nair Orlando dice

    5 mayo, 2020 en 3:29 pm

    quiero la unidad 3

  13. damian dice

    28 mayo, 2020 en 1:35 pm

    perfectamente exelente me ayudo mucho

  14. Coral Marañon Flores dice

    31 mayo, 2020 en 9:36 pm

    Buen trabajo!!!

  15. YANIS YULEISI PENATA BENITEZ dice

    26 septiembre, 2020 en 10:32 am

    muchas gracias, esto me resumio todo lo que vi en 3 semanas.

Deja una respuesta Cancelar la respuesta

Lo siento, debes estar conectado para publicar un comentario.

Barra lateral primaria

Actualizaciones recientes

  • Primer Parcial Resuelto de AGA [13-09-2019]
  • Segundo Parcial Resuelto de AGA [21-06-2019]
  • Segundo Parcial Resuelto de AGA [10-11-2018]
  • Segundo Parcial Resuelto de AGA [23-06-2018]
  • Primer Parcial Resuelto de AGA [05-05-2018]

Comentarios recientes

  • FEDERICO en Introducción a vectores en R3
  • Julián Oter en Diagonalización ortogonal de matrices simétricas
  • Alan en Producto escalar en R3
  • RONY en Hipérbola
  • YANIS YULEISI PENATA BENITEZ en Espacios y subespacios vectoriales

Archivos

  • septiembre 2019
  • junio 2019
  • noviembre 2018
  • julio 2018
  • mayo 2018
  • noviembre 2017
  • septiembre 2017
  • junio 2017
  • abril 2017
  • diciembre 2016
  • noviembre 2016
  • octubre 2016
  • septiembre 2016
  • agosto 2016

Categorías

  • Aplicaciones de la diagonalización
  • Autovalores y autovectores
  • Cónicas, parametrización y superficies cuádricas
  • Espacios vectoriales
  • Matrices y determinantes
  • Números complejos
  • Parte 1
  • Parte 2
  • Primer parcial resuelto
  • Segundo parcial resuelto
  • Sin categoría
  • Sistemas de ecuaciones
  • Transformaciones lineales
  • Vectores, recta y plano.

Descarga de PDFs

  • PDF Unidad 1
  • PDF Unidad 1
  • PDF Unidad 2
  • PDF Unidad 2
  • PDF Unidad 3
  • PDF Unidad 3
  • PDF Unidad 4
  • PDF Unidad 4
  • PDF Unidad 5
  • PDF Unidad 5
  • PDF Unidad 6
  • PDF Unidad 6
  • PDF Unidad 7
  • PDF Unidad 7
  • PDF Unidad 8
  • PDF Unidad 8
  • PDF Unidad 9
  • PDF Unidad 9

Unidad 3

Espacios vectoriales

En las unidades anteriores vimos que el álgebra de vectores y el álgebra de matrices presentan similitudes. Pudimos observar que las propiedades de la suma (de vectores o de matrices) y del producto por un escalar son idénticas en ambos conjuntos.

En esta unidad, generalizaremos el concepto de vector a partir de estas propiedades en común que hemos señalado para vectores geométricos y matrices.

Las siguientes preguntas nos ayudarán a focalizar el eje de esta unidad:

¿En qué se parecen los vectores geométricos, las matrices y los polinomios? ¿Qué propiedades comunes pueden detectarse en estos objetos de diferente naturaleza y variadas aplicaciones?

De esto se trata nuestra tercera unidad, donde se desarrollan conceptos centrales del álgebra lineal: espacios vectoriales, base, dimensión y coordenadas, entre otros.

Empezar Unidad 3

Footer

Buscá en el sitio

Comentarios recientes

  • FEDERICO en Introducción a vectores en R3
  • Julián Oter en Diagonalización ortogonal de matrices simétricas
  • Alan en Producto escalar en R3
  • RONY en Hipérbola
  • YANIS YULEISI PENATA BENITEZ en Espacios y subespacios vectoriales

Realizado en UTN FRBA

UDB Matemática – Ciencias Básicas – Secretaría Académica

Licencia Creative Commons

Licencia Creative Commons
Esta obra está bajo una Licencia Creative Commons Atribución – No Comercial – Sin Obra Derivada 4.0 Internacional.

Los gifs

Los GIFs del material teórico

Archivos

  • septiembre 2019
  • junio 2019
  • noviembre 2018
  • julio 2018
  • mayo 2018
  • noviembre 2017
  • septiembre 2017
  • junio 2017
  • abril 2017
  • diciembre 2016
  • noviembre 2016
  • octubre 2016
  • septiembre 2016
  • agosto 2016

Descargas en PDF

  • PDF Unidad 1
  • PDF Unidad 1
  • PDF Unidad 2
  • PDF Unidad 2
  • PDF Unidad 3
  • PDF Unidad 3
  • PDF Unidad 4
  • PDF Unidad 4
  • PDF Unidad 5
  • PDF Unidad 5
  • PDF Unidad 6
  • PDF Unidad 6
  • PDF Unidad 7
  • PDF Unidad 7
  • PDF Unidad 8
  • PDF Unidad 8
  • PDF Unidad 9
  • PDF Unidad 9

Webs relacionadas

Proba Fácil con contenidos de probabilidad y estadística

  • Parte 1
    • Vectores, recta y plano
      • Introducción a vectores en R3
      • Producto escalar en R3
      • Producto vectorial y mixto
      • Ecuaciones del plano
      • Ángulos y distancias
      • Haz de planos
      • Recta en ({mathbb{R}^3})
      • Recta y plano: intersecciones y ángulos
      • Distancias y proyecciones
    • Matrices y determinantes
      • Matrices
      • Determinante de una matriz
      • Matrices y sistemas de ecuaciones lineales
    • Espacios vectoriales
      • Espacios y subespacios vectoriales
      • Conjunto generador. LI y LD. Base. Dimensión.
      • Operaciones con subespacios
    • Sistemas de ecuaciones
      • Rango y sistemas de ecuaciones lineales
      • Relaciones entre soluciones de AX=B y AX=0. Variables libres.
  • Parte 2
    • Transformaciones lineales
      • Definición y propiedades de las transformaciones lineales
      • Núcleo e imagen. Clasificación de las transformaciones lineales.
      • Teorema fundamental de las transformaciones lineales
      • Matriz asociada a una transformación lineal
      • Composición e inversa de transformaciones lineales
      • Matriz de cambio de base
    • Autovalores y autovectores
      • Autovalores y autovectores: definiciones y propiedades
      • Multiplicidades algebraica y geométrica de un autovalor
      • Matrices semejantes
      • Diagonalización de una matriz
      • Diagonalización ortogonal de matrices simétricas
      • Diagonalización de una transformación lineal
    • Cónicas, parametrización y superficies cuádricas
      • Introducción a cónicas
      • Circunferencia
      • Parábola
      • Elipse
      • Hipérbola
      • Ecuaciones paramétricas de las cónicas (circunferencia, elipse, parábola e hipérbola)
    • Aplicaciones de la diagonalización
      • Potencias de una matriz diagonalizable
      • Rototraslación de cónicas
    • Números complejos
      • Definición y operaciones de números complejos en forma binómica
      • Operaciones en forma trigonométrica y exponencial
      • Radicación de números complejos
      • Regiones del plano complejo
  • Exámenes
    • Parciales
      • Parcial 1
        • 24-05-2015
        • 12-02-2016
        • 22-04-2017
        • 09-09-2017
        • 05-05-2018
        • 13-09-2019
      • Parcial 2
        • 21-06-2019
        • 10-11-2018
        • 23-06-2018
        • 04-11-2017
        • 10-06-2017
        • 13-06-2015
        • 31-10-2015
    • Finales
  • Info 2021 (primer cuatrimestre)
  • Contactanos!
  • Reportá un error

Copyright © 2023 · Digital Pro On Genesis Framework · WordPress · Iniciar sesión

  • Parte 1
  • Parte 2
  • Exámenes
  • Info 2021 (primer cuatrimestre)
  • Contactanos!
  • Reportá un error