Libro 2 Jcdelacruz Algebra Lineal

captulo01 Captulo 02
Ecuaciones polinmicas
POLINOMIOS
19
La teor de ecuaciones est basada en el Algebra de Polinomios y, de lo que hemos a a visto sobre algebra elemental, el estudiante ya posee cierta familiaridad con los pro cesos de sumar, restar, multiplicar y factorizar polinomios sobre R. Todas las reglas operacionales mencionadas en secciones anteriores son utilizadas para manipular estos polinomios. En esta seccin queremos formalizar un poco ms estas nociones, estuo a diar el algoritmo de la divisin para polinomios y luego volver a estudiar la resolucin o o de ecuaciones e inecuaciones a travs de un estudio elemental sobre ceros de polinomios. e DEFINICION 1: Un polinomio (o funcin polinomial) en una variable sobre R, es una o expresin de la forma o a 0 + a 1 x + a2 x 2 + . . . + a n x n , nN (1) donde a0 , a1 , a2 , . . . , an son constantes reales y la variable x toma valores en R. OBSERVACIONES 1) Para 0 i n, las expresiones ai xi las llamaremos los trminos del polinomio e y los elementos ai los coecientes de los correspondientes xi 2) Para representar polinomios utilizaremos expresiones tales como: a(x), b(x), . . . , p(x), q(x), r(x), etc.. DEFINICION 2: Sea p(x) = a0 + a1 x + a2 x2 + . . . + an xn un polinomio sobre R. Entonces: i) si an = 0, diremos que p(x) es un polinomio de grado n( N) y lo escribiremos: gr(p(x)) = n, al nmero an lo llamaremos el coeciente principal de p(x) y, en particular, si u an = 1 diremos que p(x) es mnico; o ii) Si ai = 0 para cualquier i = 0, 1, . . . , n , entonces diremos que p(x) es el polinomio cero (o polinomio nulo) y lo denotaremos tambin por 0(x). e OBSERVACIONES: 1) En general, cualquier nmero real puede ser considerado como un polinommio u de grado cero y, en tal caso, los llamaremos polinomios constantes. Adems, al a trmino a0 en (1) lo llamaremos el trmino constante de p(x). e e 2) Usaremos la notacin: o R[x] : = {p(x)/p(x) es un polinomio en x sobre R} = {p(x) R[x] | gr(p(x)) n} Pn : DEFINICION 3: Dados dos polinomios p(x) = a0 + a1 x + . . . + an xn , q(x) = b0 + b1 x + . . . + bm xm , diremos que p(x) y q(x) son iguales ssi: i) m = n (igual nmero de trminos). u e
1
jcdelacruz-------------------------------------------------------------------------------------------------------------unsch jcdelacruz_______________________________________________________________________unsch
20
Departamento de Matemtica a ii) ai = bi i = 0, 1, . . . , n (iguales coecientes).
MAT-021
afg/mev/mjm
NOTA: Dos polinomios cualesquiera pueden escribirse con el mismo nmero de trmiu e nos. Por ejemplo, si en Def. 3 se tuviera que m < n, entonces q(x) = b0 + b1 x + . . . + bm xm = b0 + b1 x + . . . + bm xm + 0xm+1 + . . . + 0xn . As la siguiente denicin es completamente general. , o DEFINICION 4: Sean p(x) = a0 + a1 x + a2 x2 + . . . + an xn , y q(x) = b0 + b1 x + b2 x2 + . . . + bn xn ,
dos polinomios en x sobre R. Entonces: i) La suma de p(x) y q(x) es el polinomio: p(x) + q(x) = a0 + b0 + (a1 + b1 )x + (a2 + b2 )x2 + . . . + (an + bn )xn ii) El negativo de q(x) es el polinomio: q(x) = (b0 ) + (b1 )x + (b2 )x2 + . . . + (bn )xn = b0 b1 x b2 x2 . . . bn xn . iii) La resta p(x) q(x) es el polinomio: p(x) + (q(x)) DEFINICION 5: Sean:
p(x) = a0 + a1 x + a2 x2 + . . . + an xn q(x) = b0 + b1 x + b2 x2 + . . . + bm xm
dos polinomios en x sobre R. El producto de p(x) y q(x) es el polinomio: p(x) q(x) = a0 b0 + (a0 b1 + a1 b0 )x + (a0 b2 + a1 b1 + a2 b0 )x2 + . . . + +(an bm )xm+n . u Es decir, el coeciente de xi en p(x) q(x) es el nmero: a0 bi + a1 bi1 + . . . + ai1 b1 + ai b0 . NOTA: Para efectuar la multiplicacin de dos polinomios resulta util el arreglo sio 2 3 guiente que aplicamos a la multiplicacin de p(x) = 1+2xx +x por q(x) = 12x+x2 : o 1 + 2x - x2 + x3 1 - 2x + x2 1 + 2x - x2 + x3 [Mult. por 1 2 3 4 - 2x - 4x + 2x - 2x [Mult. por 2x x2 + 2x3 - x4 + x5 [Mult. por x2 p(x) q(x) = [Suma 1 - 4x2 + 5x3 - 3x4 + x5 OBSERVACIONES: Proponemos al estudiante vericar que (R[x], +, ) satisface los axiomas 1 al 5 que dimos para (R, +, ) y donde los elementos neutros para la suma y el producto son los mismos (0 y 1).
2
21
Departamento de Matemtica a
MAT-021
afg/mev/mjm
TEOREMA 1: (Algoritmo de la divisin) Sean a(x), b(x) R[x] con b(x) = 0. Entonces o existen dos unicos polinomios q(x), r(x) R[x] tales que: a(x) = q(x)b(x)+r(x) donde r(x) = 0 o gr(r(x)) > gr(b(x)). Ejemplo: Consideremos los polinomios a(x) = x3 + 2x + 3 , b(x) = 2x2 3x + 1. El estudiante debe estar familiarizado con el proceso de divisin para encontrar q(x) y o r(x) que mostramos a continuacin: o (x3 x3
3 2 x 2 3 2 x 2 3 2 x 2
+ + +
2x 1 x 2
3 x 2 9 x 4 15 x 4
+ 3) : (2x2 3x + 1) = 1 x + 2 + + + 3
3 4 9 4
3 4
Entonces: x3 + 2x + 3 = 1 3 x+ 2 4 (2x2 3x + 1) + 15 9 x+ 4 4
con gr(r(x)) = gr 15 x + 9 = 1 < gr(2x2 3x + 1) = 2. 4 4 Al polinomio q(x) lo llamaremos el cuociente y al polinomio r(x) el resto en la divisin o de a(x) por b(x). COROLARIO: (Teorema del resto) El resto de la divisin de un polinomio p(x) por x a o es p(a). DEFINICION 6: Sean a(x), b(x) R[x]. Diremos que el polonomio a(x) es divisible por el polinomio b(x) (o bien que b(x) es un factor de a(x)) y escribiremos: b(x) | a(x), ssi existe c(x) R[x] tal que a(x) = c(x) b(x). COROLARIO: (Teorema del factor) Un polinomio p(x) es divisible por xa ssi p(a) = 0. DIVISION SINTETICA: Para facilitar la bsqueda del cuociente q(x) y el resto r(x) u cuando un polinomio sobre R es dividido por xc, introduciremos el mtodo de divisin e o sinttica que escribiremos a continuacin: e o Sean (1) p(x) = a0 + a1 x + a2 x2 + + an1 xn1 + an xn q(x) = b0 + b1 x + + bn1 xn1 Entonces p(x) = (x c)q(x) + r(x) = = (r cb0 ) + (b0 cb1 )x + (b1 cb2 )x2 + . . . + . . . + (bn2 cbn1 )xn1 + bn1 xn . ( Aqui r(x) r) Igualando los coecientes de p(x) en (1) y (2) se tiene que 3
jcdelacruz_______________________________________________________________________unsch jcdelacruz-------------------------------------------------------------------------------------------------------------unsch
(2)
22
Departamento de Matemtica a an = an1 = a1 = a0 = Para la computacin el trabajo puede o an c an1 cbn1 bn1 bn2 cbn1 , . . . , b0 cb1 , r cb0 ordenarse como sigue: . . . a1 . . . cb1
MAT-021
afg/mev/mjm
a0 cb0
bn1 = an bn2 = an1 + cbn1 . . . b0 = a1 + cb1 r = a0 + cb0 As solamente listando los coecientes y realizando simples multiplicaciones y sumas, podemos leer el polinomio cuociente y el resto, de la ultima l nea. DEFINICION 7: Sea p(x) R[x] con gr(p(x)) > 0. Diremos que p(x) es un polinomio irreducible en R[x] ssi los unicos factores de p(x) son polinomios constantes o mltiplos u constantes de p(x). En caso contrario, diremos que p(x) es reducible sobre R[x]. TEOREMA 2: Todo polinomio p(x) R(x) con gr(p(x)) > 0 puede escribirse como producto de un nmero real distinto de cero y polinomios mnicos irreducibles sobre u o R[x]. Adems, salvo el orden de los factores, esta expresin es unica. a o Ejemplo: Sea p(x) = 2x5 4x4 + 14x2 8x 12. Entonces p(x) = 2(x2 + x + 1)(x2 + 2)(x 3) o donde 2 R y x2 + x + 1, x2 + 2 y x 3 son polinomios mnicos irreducibles en R[x]. NOTAS: 1) Sea b(x) R[x], gr(p(x)) > 0. Si p(c) = 0 para algn c R, entonces p(x) es u reducible en R[x] pues, por el Teor. del Factor, x c es un factor de p(x). 2) El estudiante puede comprobar fcilmente que los polinomios irreducibles en a R[x] son polinomios lineales (de primer grado) y los polinomios cuadrticos: a 2 2 d(x) = ax + bx + c, con b 4ac < 0. Luego, dado p(x) R[x], este polinomio puede escribirse (Teor.2) en la forma: p(x) = a(x r1 )(x r2 ) . . . (x rk )d1 (x) d2 (x) . . . dm (x) donde a, r1 , . . . , rk R y para i = 1, 2, . . . , m, di (x) = ai x2 + bi x + ci con ai = 0 y b2 4ai ci < 0. i
4
jcdelacruz-------------------------------------------------------------------------------------------------------------unsch
jcdelacruz_______________________________________________________________________unsch
23
MAT-021
afg/mev/mjm
CEROS DE POLINOMIOS (Ra ces de ecuaciones polinmicas). o DEFINICION 8: Sea p(x) R[x]. Un nmero real c se llama un cero de p(x) en R (raz u de la ecuacin p(x) = 0 en R) ssi p(c) = 0. o OBSERVACIONES: 1) Por el Teor. del Factor, si c es un cero de p(x), entonces x c es un factor de p(x); es decir existe q(x) tal que p(x) = q(x) (x c). 2) Un cero c R del polinomio p(x) R[x] se dice que tiene multiplicidad m si (x c)m divide a p(x), pero (x c)m+1 no divide a p(x) en R[x]. Luego, si c tiene multiplicidad m entonces: p(x) = b(x)(x c)m , donde b(x) R[x] es tal que b(c) = 0. Los ceros de multiplicidad uno son llamados, usualmente ceros simples. 3) Al estudiar la ecuacin de segundo grado: ax2 + bx + c = 0, establecimos la o relacin entre sus ra (ceros del trinomio de segundo grado) y los coecientes o ces ces, entonces: del trinomio de segundo grado ax2 +bx+c. Se r1 y r2 son dichas ra r1 + r2 = b/a r1 r2 = c/a El teorema siguiente generaliza este resultado para un polinomio p(x) R[x] cualquiera. TEOREMA 3: Si r1 , r2 , . . . , rn son los ceros del polinomio p(x) = a0 + a1 x + a2 x2 + + an xn , entonces S1 = r1 + r2 + + rn = an1 /an S2 = r1 r2 + + rj rk + + rn1 rn = an2 /an S3 = r1 r2 r3 + + ri rj rk + + rn2 rn1 rn = an3 /an ... Sn = r1 r2 rn = (1)n a0 /an Es decir la suma Sk de todos los productos de k ceros distintos, k = 1, 2, . . . , n, es igual a (1)k ank /an . TEOREMA 4: Sea p(x) R[x]. y sean a, b R, cona < b, tales que p(a) p(b) < 0. Entonces existe c (a, b) tal que p(c) = 0. TEOREMA 5: Sea p(x) R[x]. Entonces si el gr(p(x) es impar p(x) tiene, al menos, un cero en R. TEOREMA 6: Si p/q (fraccin reducida a sus menores trminos) es ra de la ecuacin o e z o (cero del polinomio): an xn + an1 xn1 + + a0 = 0, con coecientes enteros, entonces q es divisor de an y p es divisor de a0 . TEOREMA 7: Si la ecuacin an xn + an1 xn1 + + a0 = 0, con coecientes racionales, o e z tiene una ra p + q, conp y q racionales, entonces p q tambin es ra de ella. z 5
24
MAT-021
afg/mev/mjm
TEOREMA 8: (Regla de los signos de Descartes) Sea p(x) R[x]. Entonces, en la ecuacin p(x) = 0 : o i) el nmero de ra u ces positivas es menor o igual que el nmero de cambios de u signo en los coecientes de p(x), y ii) el nmero de ra u ces negativas es menor o igual que el nmero de cambios de u signo en p(x). OBSERVACIONES: i) Consideremos la ecuacin: o p (x) = 2x8 + 3x7 x3 + 6x + 1 = 0 Entre los coecientes de p(x) hay dos cambios de signo; luego p(x) = 0 tiene cuando ms, dos ra positivas. Por otro lado, en la ecuacin: a ces o p (x) = 2x8 3x7 + x3 6x + 1 = 0, hay cuatro cambios de signo, de donde p(x) = 0 tiene, cuando ms, cuatro ra a ces negativas y, por lo tanto, al menos, dos ra complejas conjugadas. ces ii) La Regla de los Signos permite, adems, obtener informacin sobre la natua o raleza de las ra de una ecuacin polinmica y, en muchos casos, por simple ces o o inspeccin. Por ejemplo: o z i) la ecuacin: 2x5 + 3x3 + 2x2 + 1 = 0, no puede tener ninguna ra positiva; o ii) la ecuacin x9 + 2x7 + x5 2x4 + x3 4x2 + 6x 5 = 0 no tiene ninguna o ra negativa, pues p(x) no tiene cambios de signos en sus coecientes; z ces reales, pues ni p(x) ni iii) la ecuacin x8 + 3x6 + x4 + 7 = 0 no tiene ra o p(x) tienen cambios de signos en sus coecientes. ces reales, excepto x = 0, iv) la ecuacin x7 + 2x5 + 4x3 + x = 0 no tiene ra o pues ni p(x) ni p(x) tienen cambios de signos en sus coecientes; etc.
6
25
Departamento de Matemtica a PROBLEMAS RESUELTOS:
MAT-021
afg/mev/mjm
1. Dados los polinomios en x sobre R: p(x) = 2x3 + 5x2 3x + 8 q(x) = 4x2 + 7x 3. Encontrar: a) p(x) + q(x), b) p(x) q(x) c) p(x) q(x) Solucin: o p(x) + q(x) = (2 + 0)x3 + (5 + 4)x2 + (3 + 7)x + 8 3 a) = 2x3 + 9x2 + 4x + 5 + 5x2 + 4x2 15x2 b) 21x2 32x2 24 + 65x 4x2 8 3 + 24 + 3x 7x 9x 56x + 2x3
6x3 + 35x3 + 14x4 12x3 + 20x4 + 8x5 + 17x3 + 34x4 + 8x5 = p(x) q(x)
p(x) q(x) = p(x) + (q(x)) = = (2 0)x3 + (5 4)x2 + (3 7)x + 8 + 3 c) = 2x3 + x2 10x + 11 2. Determinar las constantes reales A, B, y C, para que se cumpla: 2 9 8 Ax2 + Bx + C = + , (x 1)(x 2)(x 3) x1 x2 x3 donde x R {1, 2, 3} Solucin: La identidad dada se puede escribir: o 2(x 2)(x 3) 9(x 1)(x 3) + 8(x 1)(x 2) Ax2 + Bx + C = (x 1)(x 2)(x 3) (x 1)(x 2)(x 3) Ax2 + Bx + C = 2(x 2)(x 3) 9(x 1)(x 3) + 8(x 1)(x 2) = = x2 + 2x + 1 Por comparacin de coecientes: A = 1, o B = 2, C = 1.
7
26
MAT-021
afg/mev/mjm
3. Encontrar el cuociente y el resto cuando el polinomio 3x3 4x + 2 es dividido por x + 3. Solucin: Usando divisin sinttica, tenemos: o o e 0 -4 2 -3 -9 27 -69 3 -9 23 -67 lo que nos da: 3x2 9x + 23 como cuociente y 67 como resto. NOTA: Recordemos que esto tambn se acostumbra realizar en la forma: e (3x3 4x + 2) : (x + 3) = 3x2 9x + 23 (3x3 ) + 9x2 9x2 4x (9x2 27x) 23x + 2 (23x + 69) 67 4. Para qu valores de a y b el polinomio 3x2 + bx b2 a es divisible por x + 2, e pero al dividirlo por x 1 da resto 1?. Solucin: o a) Sea p(x) = 3x2 + bx b2 a. Aplicando el teorema del resto: p(2) = 0 p(1) = 1 12 2b b2 a = 0 3 + b b2 a = 1 Restando la primera ecuacin de la segunda: o 9 + 3b = 1 3b = 10 , b = 10 3 y de la segunda ecuacin: o a = 3 + b b2 1 = 3 + 10 100 52 1= 3 9 9 3
8
27
Departamento de Matemtica a b) Por divisin sinttica: o e b b2 a 2 6 (12 2b) 3 (6 + b) (12 2b b2 a) 1 3 3+b 3 (3 + b 3 + b b2 a) 3 De aqu 12 2b b2 a = 0 3 + b b2 a = 1
MAT-021
afg/mev/mjm
Sistema para a, b idntico al obtenido en a). e 5. Sea p(x) = x4 + bx3 13x2 14x + 24 a) Determinar b R, de modo que 2 sea ra de p(x). z b) Determinar las ra restantes. ces Solucin: o a) Si 2 es ra de p(x), entonces p(2) = 0, pero z p(2) = 16 8b 16 8b = 0 b = 2 b) x1 = 2 : 1 -2 2 -13 -14 24 -2 0 26 -24 1 0 -13 12 0
Polinomio residual: p1 (x) = x3 13x + 12 Como la suma de los coecientes es cero, 1 es ra de p1 (x) y, por lo tanto, de p(x) z 1 0 -13 12 1 1 -12 1 1 -12 0
Nuevo polinomio residual: p2 (x) = x2 + x 12, que por simple inspeccin se o puede escribir: p2 (x) = (x 3(x + 4)). Es decir, las ra de p(x) son: 4, 2, 1, 3. ces 6. Resolver la ecuacin 3x3 2x2 6x + 4 = 0 o Solucin: Los factores de 4 son1, 2, 4; los factores de 3 son 1, 3. Por o lo tanto, las posibles ra racionales son 1, 2, 4, 1/3, 2/3, 4/3. ces Investigando cada una de ellas (por ejm. por divisin sinttica) se obtiene o e x1 = 2/3 como unica ra racional y polinomio residual 3x2 6. Luego z 9
28
Departamento de Matemtica a x1 = 2/3, x2 =
MAT-021
afg/mev/mjm
2 x3 = 2 son las ra de la ecuacin dada. ces o 3;
7. De la ecuacin x4 x3 15x2 + 19x 4 = 0 se conoce la ra x1 = 2 o z determinar las otras ra reales. ces
z, e Solucin: Si x1 = 2 3 es ra x2 = 2 + 3 tambin debe serlo. Por lo o tanto, el polinomio del primer miembro debe ser divisible por (x x1 )(x x2 ) = x2 4x + 1 (x4 x3 15x2 + 19x 4) : (x2 4x + 1) = x2 + 3x 4 (x4 4x3 + x2 ) 3x3 16x2 + 19x (3x3 12x2 + 3x) 4x2 + 16x 4 (4x2 + 16x 4) 0 x2 + 3x 4 = 0 tiene ra ces x3 4, x4 = 1. = Luego, 4, 2 3, 1 y 2 + 3 son las ra de la ecuacin dada. ces o 8. Demostrar que si p(x) y q(x) son polinomios tales que q(x)es divisible por p(x) y p(x) es divisible por q(x), entonces existe una constante c tal que p(x) = cq(x). Demostracin: Como q(x) es divisible por p(x), existe un polinomio q1 (x) o tal que: q(x) = p(x) q1 (x) (1)
Anlogamente, existe un polinomio q2 (x) tal que a p(x) = q(x) q2 (x) (2)
Reemplazando (2) en (1) q(x) = q(x) q2 (x) q1 (x) Luego q(x) [1 q2 (x)q1 (x)] = 0, de donde (i) q(x) = 0 o (ii) q2 (x) q1 (x) = 1
Si q(x) = 0, entonces, por (1) se tiene p(x) = 0, de donde resulta que p(x) = c q(x) para cualquier c R. 10
29
Departamento de Matemtica a Si q2 (x) q1 (x) = 1, entonces gr(q2 (x)q1 (x)) = 0; Es decir: gr q1 (x) = gr q2 (x) = 0
MAT-021
afg/mev/mjm
De aqu nos resulta que q2 (x) = c R, lo que, reemplazado en (2) nos da: p(x) = cq(x) 9. Sean p(x), q(x), r(x) polinomios tales que q(x) es divisible por p(x) y r(x) lo es por q(x). Demostrar que r(x) es divisible por p(x). Demostracin: Existen polinomios q1 (x), q2 (x), tales que o q(x) = p(x) q1 (x) r(x) = q(x) q2 (x) Reemplazando (1) en (2): r(x) = p(x)q1 (1)q2 (x) = p(x)q3 (x), donde q3 (x) = q1 (x)q2 (x) Luego, r(x) es divisible por p(x) 10. Si p(x) es un polinomio y a, b R, obtenga una expresin para el resto que se o obtiene al dividir p(x) por (x a)(x b) Solucin: Primero supondremos que a = b. o Tenemos, del algoritmo de la divisin, que: o p(x) q(x) = (x a) q(x) + r = (x a) q1 (x) + r (1) (2) (1) (2)
donde q(x), q1 (x) son ciertos polinomios y r, r R. De (1) r = p(a), con lo cual resulta que q(x) = [ p (x) p (a) ]/(x a)] (3)
De (2) r = q(a) Adems, si reemplazamos (2) en (1) nos queda a
11
30
Departamento de Matemtica a p(x) = (x a)2 q1 (x) + r (x a) + r Luego, el resto, en cuestin es o r(x) = r (x a) + r = q(a)(x a) + p(a), siendo q(x) el polinomio denido en (3). Supongamos ahora que a = b, entonces
MAT-021
afg/mev/mjm
p(x) = (x a)(x b)q(x) + r(x) con gr r(x) < gr(x a)(x b) . Por lo tanto: p(x) = (x a)(x b)q(x) + cx + d p(a) = ca + d y p(b) = cb + d De aqu c = : p(a) p(b) a p(b) b p(a) , d= ab ab p(a) p(b) a p(b) b p(a) nalmente r(x) = x + ab ab
11. Sean p(x) = ax3 + 3bx2 + 3cx + d, q(x) = ax2 + 2bx + c, cona > 0, tales que p(x) es divisible por q(x). Demostrar que p(x) es el cubo de un binomio y q(x) es el cuadrado de un binomio. Demostracin: Por hiptesis, existe k R tal que p(x) = q(x) (x + k). o o Reemplazando p(x) y q(x) nos queda ax3 + 3bx2 + 3cx + d = ax3 + 2bx2 + cx + kax2 + 2kbx + kc. Esto es: ax3 + 3bx2 + 3cx + d = ax3 + (2b + ka)x2 + (2kb + c)x + kc Igualando coecientes 3b = 2b + ka 3c = 2kb + c d = kc De aqu b = ka, c = kb, d = kc = k 3 a : Luego p(x) = a(x3 + 3kx2 + 3k 2 x + k 3 ) = a(x + k)3 = a(x + b/a)3
12
31
Departamento de Matemtica a q(x) =
MAT-021
afg/mev/mjm
a(x2 + 2kx + k 2 ) = a(x + k)2 = a(x + b/a)2
12. Sean p(x) = x2 + 1, q(x) = x2 2x 3. Encontrar, a(x), b(x) tales que a(x), p(x) + b(x) q(x) = 1. Solucin: x2 + 1 = (x2 2x 3) 1 + 2x + 4 o 2 x 2x 3 = (2x + 4) 1/2 (x 4) + 5 Luego: 5 = (x2 2x 3) 1/2 (2x + 4) (x 4) = (x2 2x 3) 1/2 [ (x2 + 1) (x2 2x 3) ] (x 4) x4 = 1/2 (x2 + 1) (x 4) + (x2 2x 3) 1 + 2 As : 1 = +1/10 (4 x) (x2 + 1) 1/10 (x 2) (x2 2x 3),
con lo cual: a (x) = 1/10 (4 x), b (x) = 1/10 (x 2). 13. Demostrar el Teorema 1. Demostracin: Sean o a(x) = a0 + a1 x + . . . + an xn b(x) = b0 + b1 x + . . . + bm xm ,con bm = 0 i) Si a(x) es el polinomio nulo o si gr (a (x)) < m = gr(b (x)), entonces se tiene la representacin: o a(x) = b(x) 0 + a(x) ii) Supongamos que n = gr (a (x)) gr (b (x)) = m. Por induccin en n se tiene que: o a) Para n = 1. Si gr (b (x)) = 1, entonces a1 a1 b 0 + a0 b1 b1 = b (x)q (x) + r(x) a1 b 0 Con gr (r (x)) = gr a0 = 0 < 1 b1 a(x) = a0 + a1 x = (b0 + b1 x) Si gr(b (x)) = 0, entonces: a(x) = a0 + a1 x = (b0 con r(x) 0 a0 a1 x+ b0 b0 = b (x) q (x) + 0 +0
b) Supongamos que p(x) Pn1 se tiene el Algoritmo. 13

jcdelacruz_______________________________________________________________________unsch jcdelacruz-------------------------------------------------------------------------------------------------------------unsch
32
MAT-021
afg/mev/mjm
Sea a(x) = a0 + a1 x + . . . + an xn , con an = 0. Entonces: f (x) an nm x b(x) := a1 (x) Pn1 bm
Por lo tanto a1 (x) = b(x) q1 (x) + r(x) donde r(x) 0 gr(r (x)) < m. Por lo tanto a(x) = an nm x b(x) + a1 (x) bm an nm = x + q1 (x) b(x) + r(x) bm = q(x) b(x) + r(x) donde gr(r (x)) < m.
14
33
Departamento de Matemtica a EJERCICIOS PROPUESTOS 1. Sean p1 (x) = 3x5 + 5x3 2x2 + 2x 1 p2 (x) = 6x6 3x4 2x3 + 6x2 7 Calcular: a) (3x 2) p1 (x) + 3p2 (x) b) p1 (x) p2 (x) c) (p1 (x) p2 (x))(x 1) 2. Determinar las constantes reales a, b, c, tales que:
MAT-021
afg/mev/mjm
7x 1 a b c 1 = + + , x R {2, , 0} (5x + 1)(x + 2) 5x + 1 x +2 x 5
3. Determinar las constantes reales p, q, r, tales que: 5x2 8x 17 p q r = + + (x 3) (x + 1) (x 5) 3 (x 3) x+1 x5
4. Determinar las constantes reales K, L, M, N, tales que: x4 1 K L Mx + N = + + 2 , x x x1 x +x+1
con x R {0; 1} 5. En cada una de las siguientes ecuaciones compruebe, por divisin sinttica, que el vao e z o ces lor indicado para x1 es ra de la ecuacin y determine las otras ra reales (si existen). a) 4x3 + 3x2 5x 2 = 0, b) x3 2x2 5x + 6 = 0, c) 2x3 11x2 + 17x 6 = 0, d) x3 7x2 + 13x 3 = 0 e) x3 + 3x2 2x 4 = 0, 15
x1 = 1 x1 = 2 x1 = 2 x1 = 3 x1 = 1
34
Departamento de Matemtica a f) x3 7x2 + 12x 10 = 0, g) x3 + 3x2 4 = 0, x1 = 5 x1 = 2
MAT-021
afg/mev/mjm
6. Sea p(x) = 12x4 + 4x3 23x2 + x + 6. Determine los ceros de p(x) : a) en Z, b) en Q, c) en R
7. Se desea fabricar un envase de forma de paralelep pedo recto, tal que el ancho mida 2[cm] ms que el alto y el largo mida 3[cm] ms que el ancho y que tenga 1,040 [litros] a a de capacidad. Determine las dimensiones del envase. 8*. Sabiendo que x1 = 1 1 y x2 = son ra de la ecuacin: ces o 2 2 4 3 2 ces. 4x + ax + bx + 5x 4 = 0, determinar sus otras ra
9*. Sea p(x) = 2x5 + 10x4 14x3 bx2 + ax. Si p(1) = p(5) = 0, escribir p(x) como producto de factores de primer grado. 10*. Comprobar que 3 es ra mltiple del polinomio z u q(x) = 3x4 37x3 + 147x2 207x + 54. 11*. Del polinomio p(x) = 2x3 + ax2 + bx 8 se sabe que es divisible por x 1, en cambio, al dividirlo por x 2, da resto 4. Determine los valores de a y b. 12*. Compruebe que si a R, existe R tal que x4 + a4 = (x2 + x + a2 ) (x2 x + a2 ), y determine . 13*. Aplicando el teorema del resto, compruebe que si n N y a R, entonces ni x a, ni x + a son factores de p1 (x) = x2n + a2n . En cambio, x a es factor de p2 = x2n + 1 a2n 1 y x + a es factor de p3 = x2n + 1 + a2n + 1 . Determine para p2 (x) y p3 (x) el otro factor. 14**. Para qu valores de a y n el polinomio xn axn 1 + ax 1 es divisible por (x 1)2 ?. e 15**. Si p(x) = an xn + an 1 xn 1 + ... + a0 es un polinomio de grado n par, con an > 0 y o z a0 < 0, compruebe que la ecuacin p(x) = 0 tiene, a lo menos, una ra real positiva y una ra real negativa. z
16
35
Departamento de Matemtica a 16. Determine las ra racionales de las siguientes ecuaciones. ces a) 5x3 3x2 55x + 33 = 0 b) 3x3 + 7x2 10x + 4 = 0 c) x4 + 2x3 + 11x2 2x 3 = 0
MAT-021
afg/mev/mjm
17*. Resuelva la ecuacin (9x2 + 3 + 12x)2 + 1 = 18x2 24x 6. o 18**. Obtenga polinomio p(x) un con coecientes enteros, del menor grado posible, tal que p( 5 3) = 0 y p(1 2) = 0. 19*. Resuelva las siguientes inecuaciones: a) 8x3 12x2 2x + 3 0 b) 3x3 2x2 6x + 4 0 c)* x4 + 4x3 + 3x2 4x 4 0 d)* 2x 3 < 0 x3 2x2 x + 2
20. Demuestre el Teorema del Resto y el Teorema del Factor. 21. Demuestre que los unicos polinomios irreducibles sobre R[x] son los polinomios lineales y los polinomios cuadrticos con discriminante negativo. a 22. Determine los valores de para los cuales las ecuaciones: x3 x2 x ( + 1) = 0 x2 x ( + 1) = 0 tienen una ra comn y encuentre esta ra z u z. 23. Hallar el valor de x para el cual la fraccin o x3 ax2 + 19 a 4 x3 (a + 1) x2 + 23x a 7 17
36
MAT-021
afg/mev/mjm
admite simplicacin y obtenga el cuociente. o 24. Hallar a y b de modo que p(x) = x3 + ax2 + 11x + 6; u q(x) = x3 + bx2 + 14x + 8 tengan un factor comn de la forma x2 + px + q. 25. Sea p(x) = 2x3 + bx2 + cx + d. Determine las constantes b, c, d R de modo que: i) el resto al dividir p(x) por x sea igual a 2 + b ii) el resto al dividir p(x) por x + 1 sea igual a b + d y iii) x = 1 sea un cero de p(x)
26. Al dividir cierto polinomio p(x) R [x] por x 1, el resto es a y al dividirlo por x 2 el resto es b. Encuentre el resto al dividir p(x) por (x 1) (x 2). 27. Determine los valores de k R para los cuales el polinomio p(x) = 2k 2 x3 + 3kx2 2 es divisible por x 1 y tiene slo ceros reales. o 28. Demuestre Teorema 6 y Teorema 7. 29. Si p(x) es un polinomio irreducible sobre R[x] y si p(x) es divisor del producto a(x) b(x) de dos polinomios sobre R, demuestre que p(x) es divisor de a(x) o p(x) es divisor de b(x). o 30. Dadas las ra r1 , r2 y r3 de la ecuacin: ces x3 px + q = 0, construya una ecuacin cbica cuyas ra sean o u ces
2 2 2 r1 , r 2 , r3
18
37
Departamento de Matemtica a SOLUCIONES 1. a) 27x6 6x5 + 6x4 22x3 + 28x2 7x 19
MAT-021
afg/mev/mjm
b) 18x11 + 21x9 18x8 + 15x7 10x6 + 7x5 13x4 21x3 + 8x2 14x + 7 c) 6x7 + 9x6 + 4x4 15x3 + 10x2 + 4x 6 2. 3. 4. a = 4 , 3 b = 5 , 3 c = 0 r = M = 17 3 2 , 3 c) 1/2 y 3 5 f) no existen N = 1 3
3 p = , 2 K = 1, a) d) g) 7 17 , 8 2 3 2 y 1
1 q = , 6 L = 1 , 3 b) 1 y 3, e) 1
5.
6.
a) x = 1 b) x1 = c) x1 3 2 3 = 2 x2 = x2 1 2 1 = 2 x3 = x3 2 3 2 = 3 x4 = 1 x4 = 1 largo = 13[cm]
7. 8. 9. 10. 11.
Alto = 8[cm] x3 = 1
ancho = 10[cm], x4 = 4
p (x) = 2x (x 1)(x 2)(x + 3)(x + 5) 3 es ra doble de q (x),donde q (x) = (x 3)2 (3x2 19x + 6) z a = 8 b = 4
19
38
Departamento de Matemtica a 12. 13. = a 2 x2n + x2n 1 a + x2n 2 a2 + . . . + a2n , x2n x2n 1 a + x2n 2 a2 . . . + a2n 14. 16. 17. 18. 19. n N {1, 2}, a = a) 3 5 2 3 n n2 c) no tiene
MAT-021
afg/mev/mjm
b) no tiene, es ra de multiplicidad 4. z
x =
p (x) = x6 2x5 15x4 + 32x3 12x2 8x + 4 a) x (, 1/2] [1/2, 3/2] b) x [ 2, 2/3] [ 2, +) c) x [1, +1] d) x (1, +1) (3/2, 2)
22. 23. 24. 25. 26. 27. 28.
a = 0 y x0 estn dados por x0 = a = 8; a = 6 b = 1 x4 x5 b = 7 c = 2
+1
d = 1
r (x) = (b a)x + 2a b. k = 1/2 x3 + 2px2 + p2 x q 2 = 0
20
lgebra
47
Observacin 13 Ntese teniendo cuenta el resultado obtenido en que, en
ESTRUCTURAS ALGEBRAICAS GRUPOS, ANILLOS

1.3 Estructuras algebraicas
1 1 0 1 0 invertible, el sistema homogneo el teorema 1.2.27, al ser 2 2 1 1 x y = 0 2x + y = 0 slo tiene la solucin trivial. 2x + y + z = 0
El lgebra moderna est caracterizada por el estudio de ciertas estructuras abstractas que tienen en comn una gran variedad de objetos matemticos, entendiendo por abstraccin el proceso de separar la forma del contenido. Lo importante del estudio de estas estructuras es que, una vez establecidas las propiedades que satisfacen, dichas propiedades son satisfechas por todos los objetos que comparten dicha estructura. En este apartado estudiaremos algunas de estas estructuras, en particular las de grupo, anillo y cuerpo, como paso previo al estudio de la principal estructura sobre la que trabajaremos este curso, la estructura de espacio vectorial, y echaremos una breve mirada hacia las algebras multignero o tipos abstractos de datos. Este tipo de lgebras sern objeto de estudio con mayor nivel de profundidad en la asignatura de segundo curso Estructuras de datos y de la informacin.
1.3.1 El concepto de operacin

Hablando de manera aproximada, se puede decir que el origen del lgebra se encuentra en el arte de sumar, multiplicar y elevar a potencias nmeros enteros. La sustitucin de nmeros por letras y de las operaciones aritmticas por el concepto ms general de operacin permite operar con reglas anlogas a las vistas para los nmeros enteros en el contexto de objetos matemticos ms generales, como por ejemplo las matrices. Bajo la envoltura abstracta de la mayora de las teoras axiomticas del lgebra (grupos, anillos, cuerpos, espacios vectoriales, mdulos, ...) se ocultan problemas concretos cuya resolucin di lugar a dichas deniciones abstractas, y algunas generalizaciones de gran aplicacin. Entre estas aplicaciones se encuentran dos de los pilares bsicos de la ingeniera de software: las tcnicas
jcdelacruz------------------------------------------------------------------------------------unsch
48 de especicacin formal y de vericacin de programas.
lgebra
Denicin 1.3.1 Siendo A un conjunto no vaco, llamaremos operacin o

ley de composicin interna sobre A a cualquier funcin
: A A A . (x, y) ; (x, y)
La imagen (a, b) representa el resultado de operar a con b en ese orden. Ntese, pues, que lo que es fundamental en la denicin anterior es que a cada par de objetos de A se le asigna un unico elemento de A : dicho elemento es el resultado que se obtiene al operar dichos objetos.
Observacin 14 Para denotar operaciones normalmente se emplean smbo-
los no alfabticos del estilo de +, , , , , , , 2, ,etc..., y se utiliza con ellos notacin inja, es decir:
notacion funcional notacion infija
+(a, b) (a, b) (a, b)
a+b ab ab
As, en lugar de escribir, por ejemplo, +(a, +(a, b)) escribiremos a+(a+b). Es importante insistir de nuevo en que para poder realizar el producto de matrices A B, el nmero de columnas de A debe coincidir con el nmero de las de B. Por consiguiente, para poder realizar los dos productos A B y B A, donde A Mmn (K) y B Mqp (K), el nmero de columnas de A debe coincidir con el de las de B y recprocamente, esto es, para poder realizar el producto A B, n = q, y para poder realizar el producto B A, p = m, es decir, A Mmn (K) y B Mnm (K). Si queremos adems que el producto sea una operacin en el sentido de la denicin anterior, slo tendr sentido hablar del producto de matrices como operacin cuando consideramos matrices en Mnn (K).
Denicin 1.3.2 Siendo : A A A una operacin, diremos que:

es asociativa si x, y, z A x (y z) = (x y) z
lgebra
49
es conmutativa si x, y A
xy =yx
e A es un elemento neutro de la operacin si x A x e = x e x = x a A es un elemento idempotente de la operacin si a a = a

Es evidente que si e, e A son elementos neutros de A para la operacin , entonces e = e (es decir, si una operacin tiene elemento neutro, ste es nico), pues: e e = e, por ser e elemento neutro y e e = e por ser e un elemento neutro, de donde e = e . Por otra parte tambin es evidente que si e es el elemento neutro de una operacin , e es idempotente, puesto que e e = e por ser e elemento neutro de .
Denicin 1.3.3 Si : A A A es una operacin con elemento neutro e, diremos que a es un elemento simtrico de a si
aa =e a a=e
Proposicin 1.3.4 Siendo : A A A una operacin asociativa y con

elemento neutro e, si a, a , a A son tales que a y a son simtricos de a entonces a = a .
Demostracin Si a y a son elementos simtricos de a, entonces se verica

que a = e a = (a a) a = a (a a ) = a e = a
de X, es decir, el conjunto cuyos elementos son las operaciones : P (X) P (X) (A, B) ; y : P (X) P (X) (A, B) ;
Ejemplo 1.3.5 Si X es un conjunto, y P (X) es el conjunto de las partes

P (X) AB P (X) AB
todos los subconjuntos de X,
50
lgebra
satisfacen las propiedades asociativa y conmutativa. El conjunto vaco es el elemento neutro de la operacin , y X es el elemento neutro de la operacin . Obsrvese que para ninguna de estas dos operaciones existe el elemento simtrico de un elemento dado.
1.3.2 Grupos
Denicin 1.3.6 Sea G = y : G G G una operacin. Diremos
que G tiene estructura de grupo respecto de , o tambin que el par (G, ) es un grupo, si se verica que: 1. es asociativa 2. e G que es elemento neutro para 3. Todo elemento a G tiene simtrico respecto de la operacin .
Si adems satisface la propiedad conmutativa, entonces se dice que (G, ) es un grupo abeliano. De G se dice que es el conjunto subyacente del grupo (G, ).
uno de estos conjuntos, los siguientes pares son grupos abelianos:(R, +), (R {0}, ), (C, +), (C {0}, ), (R+ , ), (Z, +), (Q {0}, ) y (Q, +) donde R+ = {x R |x > 0 }, Z es el conjunto de los nmeros enteros y Q es el conjunto de los nmeros racionales.
Ejemplo 1.3.7 Si consideramos la suma y producto habituales sobre cada
Ejemplo 1.3.8 Otro ejemplo de inters especial para nosotros es el grupo

(Z2 , +), donde Z2 = {0, 1} y la operacin + se dene mediante la tabla: + 0 1 0 1 0 1 1 0
es decir, 0 + 0 = 0, 1 + 0 = 1, 0 + 1 = 1, 1 + 1 = 0. Es obvio que el elemento neutro es el 0, y que el opuesto de 1 es el propio 1, y que el grupo es abeliano, pues 1 + 0 = 1 = 0 + 1.
Ejemplo 1.3.9 El conjunto de matrices invertibles de orden n con coe-
cientes en K tiene estructura de grupo (no abeliano en general) respecto del producto usual de matrices. A dicho grupo se le denomina grupo lineal de orden n con coecientes en K.
lgebra
51
Ejemplo 1.3.10 Los conjuntos (R, ),(C, ),(Q, ), (Z {0}, ),(N, +), y
(Mn (K) {0}, ) no son grupos.
Propiedades de los grupos.

Si (G, ) es un grupo se verica que: 1. Se puede simplicar a derecha e izquierda, es decir:
a, x, y G (x a = y a) x = y a, x, y G (a x = a y) x = y
2. Las ecuaciones de la forma x a = b y a x = b tienen solucin nica. Concretamente:
a, b G !x G..a x = b a, b G !x G..x a = b
3. El nico elemento idempotente de (G, ) es el elemento neutro e :
a G(a a = a a = e)
4. a, b G a b = e b = a 5. a G a donde a es el elemento simtrico de a
=a
6. a, b G (a b) = b a
Demostracin
1. Siendo a, x, y G, si xa = ya, necesariamente (xa)a = (ya)a ,es decir, x(aa ) = y(aa ) , o lo que es lo mismo, xe = ye, con lo que concluimos que x = y. La otra propiedad se demuestra anlogamente. 2. Siendo a, b, x G, a x = b a (a x) = a b, es decir, (a a) x = a b , y esto es equivalente a que e x = a b, o lo que es lo mismo, a que x = a b.La otra propiedad se demuestra anlogamente.
52
lgebra 3. Esta equivalencia la probaremos demostrando que la dos implicaciones son V, es decir, probando que para cualquier elemento a G,
((a a = a a = e) (a = e a a = a)) . Sea a G tal que a a = a. En ese caso a (a a) = a a, es decir, (a a) a = e con lo que e a = e, es decir, a = e. La implicacin recproca es evidente, pues si a = e, entonces a a = e e = e.
4. Siendo a, b G tales que a b = e, necesariamente a (a b) = a e, es decir, (a a) b = a con lo que e b = a , o lo que es lo mismo, b=a. 5. Siendo a G, de a a = e a a = e se sigue que a
= a.
6. Siendo a, b G, (a b) (b a ) = ((a b) b ) a = (a (b b )) a = a a = e, por lo que, teniendo en cuenta la propiedad 4 que acabamos de ver, b a = (a b) . 2
Observacin 15 Ntese que, como caso particular de los resultados ante-
riores, para el caso en que las operaciones + y sean las operaciones de un grupo, se tendr que, siendo x e y dos elementos genricos:
(x + x = x) x = 0 (x y = 1) y = x1 1 (x1 ) = x 1 (x y) = y 1 x1
es decir,
(( = +) e = 0 x = (x)) (( = ) e = 1 x = (x1 )).
1.3.3 Anillos y cuerpos

Denicin 1.3.11 Se dice que un conjunto A = tiene estructura de anillo
respecto de las operaciones + y , o tambin que la 3-tupla (A, +, ) es un anillo si se verica que:
lgebra
53
1. (A, +) es un grupo abeliano 2. satisface la propiedad asociativa 3. es distributiva respecto de + , es decir:
x, y, z A ((x (y + z) = x y + x z) ((y + z) x = y x + z x))

Si adems satisface la propiedad conmutativa, se dice que el anillo (A, +, ). es un anillo conmutativo. Finalmente, si tiene elemento neutro 1 A, y 1 = 0, se dice que el anillo (A, +, ) es un anillo unitario.
son la suma y producto habituales de los nmeros enteros.
Ejemplo 1.3.12 (Z, +, ) es un anillo conmutativo y unitario, donde + y
cientes en C, es decir, al conjunto formado por todas las funciones p : C C tales que n N{0} y (a0 , ..., an ) Cn+1 de manera que x C se verica que p(x) = an xn + ... + a1 x + a0 con la suma + y el producto de polinomios habituales, resulta que (C[x], +, ) es un anillo conmutativo y unitario. Con vistas a recordar las operaciones, si por ejemplo consideramos los polinomios p, q C[x] ,tales que x C p(x) = 2x2 + x 5 y q(x) = 3x 4, tendremos que
Ejemplo 1.3.13 Si denotamos por C[x] al conjunto de polinomios con coe-
(p + q)(x) = p(x) + q(x) = 2x2 + x 5 + (3x 4) = 2x2 + 4x 9

y
(p q)(x) = p(x) q(x) = 2x2 + x 5 (3x 4) = 6x3 5x2 19x + 20.
Ejemplo 1.3.14 Segn hemos visto, (Mn (K), +, ) es un anillo no conmutativo y con elemento unidad In , siendo + y la suma y producto de matrices habituales.
Denicin 1.3.15 Siendo (A, +, ) un anillo, se dice que a A {0} es un divisor de cero si b A {0} tal que a b = 0 b a = 0.
54
lgebra
Ejemplo 1.3.16 Es fcil comprobar que (Mn (K), +, ) tiene divisores de cero. As por ejemplo
1 1 1 1
1 1 1 1
0 0 0 0
Denicin 1.3.17 Siendo (A, +, ) un anillo unitario, se dice que a A es invertible (o inversible) si existe un elemento b A tal que (a b = 1 b a = 1). En tal caso, es obvio que b es el elemento inverso de a, y por tanto escribiremos b = a1 . Propiedades de los anillos
Si (A, +, ) es un anillo se verica que: 1. a A (a 0 = 0 0 a = 0) 2. a, b A (a (b) = (a b) (a) b = (a b)) Si adems (A, +, ) es unitario, tambin se verica que: 3. Si a,b A son inversibles, entonces ab es inversible y (a b)1 = b1 a1 4. Si a A es inversible, entonces (a) es inversible y (a)1 = (a1 ) 5. Si a A es un divisor de cero, entonces a no es inversible.
Demostracin
1. Demostramos la primera de las dos propiedades: dado a A, a 0 = a (0 + 0) = a 0 + a 0, y puesto que al ser (A, +) un grupo, el nico elemento idempotente es el 0, conclumos que a 0 = 0 2. Demostramos la primera de las dos propiedades: siendo a, b A,
0 = a 0 = a (b + (b)) = a b + a (b)
y en consecuencia a(b) = (a b) por la propiedad 4 de los grupos,

aplicada a la operacin de suma.
lgebra 3.
55
(a b) (b1 a1 ) = ((a b) b1 ) a1 = = a (b b1 ) a1 = a a1 = 1 y (b1 a1 ) (a b) = ((b1 a1 ) a) b = = b1 (a1 a) b = b1 b = 1
4. Por la propiedad 2,
(a) ((a1 )) = ((a) (a1 )) = ((a a1 )) = (1) = 1 (a1 ) (a) = (((a1 )) a) = ((a1 a)) = (1) = 1
5. Razonamos por reduccin al absurdo: si a A es un divisor de cero, existir un elemento b = 0 tal que a b = 0 o tal que b a = 0. Pero puesto que a tiene inverso, si a b = 0, entonces por una parte a1 (a b) = a1 0 = 0, pero tambin a1 (a b) = (a1 a) b = b, es decir, b = 0 (contradiccin). Si b a = 0 se razona anlogamente. 2
Observacin 16 Las matrices invertibles son los elementos invertibles del
anillo Mn (K). As pues, todas las propiedades vistas para los elementos invertibles de un anillo genrico, son vlidas para el anillo considerado (Mn (K), +, ). En particular, si A, B Mn (K) son invertibles, entonces AB es invertible y (A B)1 = B 1 A1 , y si A Mn (K) es invertible, entonces (A) Mn (K) es invertible y (A)1 = (A1 ).
Ejercicio 1.3.1 Probar que si (A, +, ) es un anillo unitario, y a, b, c A

son tales que a b = 1 y c a = 1, entonces necesariamente b = c. (Indicacin: desarrllese la igualdad b = 1 b = ...)
Proposicin 1.3.18 Si (A, +, ) es un anillo sin divisores de cero se verica

que
a, b, c A ((a b = a c a = 0) (b = c))
y
a, b, c A ((b a = c a a = 0) (b = c))
56
lgebra
Demostracin Si a, b, c A son tales que a b = a c con a = 0, tendremos
que a b + ((a c)) = 0, o lo que es lo mismo, a b + (a (c)) = 0, con lo que, por la propiedad distributiva, a (b + (c)) = 0, y puesto que a = 0, necesariamente (b + (c)) = 0, es decir, b = c. 2
Denicin 1.3.19 Se dice que una terna (K, +, ) es un cuerpo, o tambin
que K tiene estructura de cuerpo respecto de las operaciones + y si (K, +, ) es un anillo conmutativo y unitario y adems todos los elementos de K {0} son inversibles.
Ejemplo 1.3.20 (R, +, ), (C, +, ) y (Q, +, ) son cuerpos, siendo en cada caso las operaciones + y la suma y el producto habituales considerados sobre cada uno de esos conjuntos. Ejemplo 1.3.21 Otro ejemplo de inters especial para nosotros es el cuerpo (Z2 , +, ), donde Z2 = {0, 1}, y las operaciones + y se denen mediante las siguientes tablas. + 0 1 0 1 0 0 1 0 0 0 1 1 0 1 0 1
Es decir, 0 + 0 = 0, 1 + 0 = 1, 0 + 1 = 1, 1 + 1 = 0, y 0 1 = 1 0 = 0, 1 1 = 1.
Proposicin 1.3.22 Si (K, +, ) es un cuerpo, y a, b K son tales que

a b = 0, necesariamente a = 0 b = 0 (un cuerpo no tiene divisores de lo cero).
tiene inverso por lo que, por una parte a1 (a b) = a1 0 = 0, y por otra a1 (a b) = (a1 a) b = 1 b = b, con lo que b = 0 2
Demostracin Si a b = 0 y a = 0, entonces, puesto que a K {0}, a
Observacin 17 Como consecuencia de la proposicin anterior, si (K, +, )

es un cuerpo, entonces (K, +, ) no tiene divisores de cero. El recproco obviamente no es cierto. (Z, +, ) es un ejemplo de anillo sin divisores de cero que no es cuerpo.
lgebra
57
1.3.4 Introduccin a los Tipos Abstractos de Datos

Las estructuras de datos y los tipos de datos son conceptos fundamentales en el mundo de la programacin y de la especicacin de sistemas de software. El concepto de estructura de datos se usa comnmente para referirse a un conjunto de datos organizados de un cierto modo, como por ejemplo, colocados en una secuencia o en una tabla. Junto con el conjunto de datos hay que considerar denidas una serie de operaciones necesarias para obtener la informacin y actualizarla. Pero estas operaciones no estn necesariamente denidas sobre objetos de la misma naturaleza; por ejemplo, entendiendo por pila un dispositivo que almacena datos, caracterizado por el hecho de que el primer dato que se puede extraer es el ltimo que se ha almacenado, resulta que la operacin almacenar un elemento en una pila est denida del siguiente modo
push : P ila Dato P ilas

en el sentido de que el par formado por una pila y un dato (P, d) nos da como resultado de aplicarle la operacin push una nueva pila obtenida aadiendo el dato d a la pila p. De forma anloga, la operacin extraer el ltimo elemento almacenado de una pila (operacin que habitualmente se denota por pop) es la funcin
pop : P ila P ila

tal que pop(P ) es la pila obtenida a partir de P eliminando el ltimo dato almacenado en P. En esta seccin el concepto de operacin no ser, pues, equivalente al de ley de composicin interna, pues en principio nos podemos referir a operaciones entre objetos de distinta naturaleza. As pues, las operaciones a las que nos referimos en este apartado sern operaciones generalizadas, entendidas como funciones de un producto cartesiano de conjuntos a otro conjunto. En ciertas ocasiones, por ejemplo, para disear un algoritmo o un sistema de software, resulta ms cmodo e interesante trabajar con una representacin abstracta de los datos que sea independiente de la forma en la que estn, o van a ser, implementados en el ordenador. Una forma de representar las propiedades abstractas de un conjunto de datos consiste en utilizar ecuaciones a modo de axiomas, de manera que dos
58
lgebra
tipos de datos diferentes son considerados como iguales (o si se preere, con la misma estructura) si ambos satisfacen las mismas ecuaciones. Desde ese punto de vista abstracto, ambos tipos de datos se diferenciaran nicamente en el nombre de los datos bsicos y de las operaciones. La bsqueda de una representacin abstracta comn para tipos de datos similares nos lleva a la denicin del concepto de tipo abstracto de datos :
Denicin 1.3.23 Un tipo abstracto de datos (TAD) es una cudrupla

(T ip, Cons, Op, Ec)
en la que Tip es el conjunto de tipos de datos del TAD, Cons es el conjunto de constantes o datos bsicos del TAD, Op es el conjunto de operaciones (generalizadas) y Ec el conjunto de las ecuaciones.
A los tipos abstractos de datos tambin se les conoce en la literatura como lgebras multignero o lgebras multitipo.
Observacin 18 La mayora de los lenguajes de programacin tratan las

variables y las constantes de un programa como instancias de un tipo de dato.
Ejemplo 1.3.24 Como ya hemos dicho, una pila, en el mbito de la infor-
mtica o las ciencias de la computacin es un dispositivo en el que los datos son almacenados en secuencia, de manera que en cada paso nicamente es posible acceder al ltimo dato almacenado (top) (este modo de acceso a los datos que caracteriza al dispositivo de almacenamiento pila es conocido como lifo, abreviatura de last in-rst out). Este tipo de dispositivo aparece en muchas ocasiones, por ejemplo, en el almacenamiento de informacin en variables que aparecen en programas con bucles anidados, en la evaluacin de expresiones e incluso en la ejecucin de procedimientos recursivos. Las operaciones consideradas sobre una pila son la de almacenamiento (push), que coloca un nuevo dato encima de la pila, la extraccin del ltimo dato almacenado (pop) y la visualizacin del elemento situado en la parte superior de la pila (top). La constante newstack representa la pila vaca y que es del tipo PILA, y la constante error del tipo ERROR, nos permitir representar la situacin (mensaje de error) que se produce cuando miramos cual es el elemento situado en la parte superior de la pila vaca. Por consiguiente, el
lgebra
59
modelo PILA queda especicado como tipo abstracto de datos del siguiente modo: P ILA = 1. Tipos : P ILA, DAT O, ERROR error ERROR, 2. Constantes : newstack P ILA push : P ILA DAT O P ILA pop : P ILA P ILA 3. Operaciones : top : P ILA DAT O ERROR p P ILA, a DAT O pop(push(p, a)) = p pop(newstack) = newstack 4. Ecuaciones: top(push(p, a)) = a top(newstack) = error As por ejemplo, la pila
a3 a3 a1
se representara en este modelo por:
push(push(push(newstack, a1 ), a3 ), a3 ).
tado de una ley de composicin interna asociativa, y que un monoide es un semigrupo con elemento neutro, sus especicaciones como tipos abstractos de datos seran las siguientes:
Ejemplo 1.3.25 Teniendo en cuenta que un semigrupo es un conjunto do-
SEM IGRU P O = 1. Tipos: ELEM 2. Constantes: 3. Operaciones: : ELEM ELEM ELEM x, y, z ELEM 4. Ecuaciones: x (y z) = (x y) z M ON OIDE = SEM IGRU P O Constantes:
Ecuaciones:
+ e ELEM x ELEM xe=x ex=x
Captulo 2 Espacios vectoriales

En este captulo vamos a estudiar el concepto de espacio vectorial. Esta es la estructura algebraica sobre la que se desarrolla la parte de las matemticas conocida como Algebra Lineal. Veamos un primer ejemplo en el que aparece la estructura de espacio vectorial. Al estudiar el mtodo de Gauss-Jordan para la resolucin de un sistema de ecuaciones lineales, establecimos ciertas operaciones sobre las las de la matriz ampliada asociada al sistema de ecuaciones a las que llamamos transformaciones elementales. Para denirlas tuvimos que considerar las siguientes operaciones sobre las las de dicha matriz: 1. Sumar dos las Fi = Fi + Fj 2. Multiplicar una la por un nmero: Fi = Fi , de manera que si (ai1 ain matriz, su suma era
bi ) y (ak1 akn
bk ) son dos las de dicha bi + bk )
(ai1 ain
bi ) + (ak1 akn (ai1 ain
bk ) = (ai1 + ak1 ain + akn bi ) = (ai1 ain bi ).
y el producto de una la (ai1 ain
bi ) por un nmero complejo era
En general, si (a1 an ) y (b1 bn ) son matrices la y es un nmero complejo,
(a1 an ) + (b1 bn ) = (a1 + b1 an + bn ) y (a1 an ) = (a1 an ).

71
72
lgebra
Siendo a, b y c matrices la, y , C, no es difcil vericar que se satisfacen las siguientes propiedades: 1. a + b = b + a. 2. (a + b) + c = a + (b + c). 3. a + (0) = (0) + a = (0). 4. a + (a) = (0) y (a) + a = (0), siendo adems a = (1)a. 5. ()a =(a). 6. (a + b) =a+b. 7. ( + )a =a + a. 8. 1 a = a. Estas propiedades, como ahora veremos, servirn para establecer los axiomas de la denicin de espacio vectorial. La nocin de espacio vectorial tambin est estrechamente relacionada con la siguiente idea: si alguien quiere comprar 3 Kg. de peras y 2 Kg. de manzanas, no le pide al tendero 5 Kg. de peras y manzanas, ya que en ese caso podran darle, por ejemplo, 1 Kg. de peras y 4 Kg. de manzanas. Por otra parte, si esa compra representa el postre de la semana de una familia, y la persona que va a realizarla recibe el encargo de su cuada de comprar 4 Kg. de peras y 2 Kg. de manzanas, y de su vecina de comprar la mitad de lo que l mismo vaya a comprar, nuestro amigo deber comprar
3 Kg. de peras 2 Kg. de manzanas
4 Kg. de peras 2 Kg. de manzanas 8.5 Kg. de peras 5 Kg. de manzanas
+
.
1 2
3 Kg. de peras 2 Kg. de manzanas
Estas listas (o matrices columna) de nmeros que sabemos sumar y multiplicar por nmeros constituyen un primer ejemplo de lo que denominaremos vectores. El concepto de vector tambin se emplea en Fsica para representar magnitudes que no quedan completamente determinadas por un nmero, y es tradicional asociar una echa a dichas magnitudes y representarlas por un segmento orientado. Sin embargo, el asociar el concepto de vector a un objeto geomtrico tiene una limitacin importante, pues si trabajamos con listas de ms de tres nmeros, no contamos con sucientes dimensiones en el espacio fsico para situar tal echa. La descripcin axiomtica de vector sobre la que vamos a trabajar, es abstracta por lo que no requiere el uso de objetos geomtricos. Adems,
lgebra
73
dicha abstraccin conlleva otra ventaja adicional: no requiere la introduccin de nociones como sistema de coordenadas o sistema de direcciones. Esta visin axiomtica permite englobar como ejemplos de vectores a objetos matemticos aparentemente tan distintos como los polinomios, las matrices, las funciones reales de variable real, las sucesiones de nmeros reales y un largo etctera.
2.1
Vectores en el plano y en el espacio
Si queremos representar objetos de la Fsica elemental como fuerza, desplazamiento y velocidad, tenemos que utilizar vectores geomtricos en el plano R2 o en el espacio tridimensional R3 . En efecto los vectores geomtricos nos permiten especicar magnitud, direccin y sentido para estas cantidades fsicas. Aqu slo recordaremos las deniciones bsicas. Dados tres segmentos orientados AB, CD y EF, en el espacio bidimensional o tridimensional como en la gura 2.1 a), para cada uno de ellos estn determinados un punto de aplicacin (respectivamente A, C y E), un extremo o ajo (respectivamente B, D y F), una magnitud representada por la longitud del segmento, y una direccin, que es la direccin de la recta que lo contiene. Si ahora jamos un punto O en nuestro espacio y dibujamos nuestras tres echas a partir del punto O (es decir, si A=C=E=O), obtenemos la gura 2.1 b), donde CD y EF coinciden y se pueden considerar equivalentes. Esta sencilla consideracin est en la base de la denicin de vector geomtrico. Sobre el conjunto de todos los segmentos orientados del plano (o del espacio tridimensional) denimos la siguiente relacin de equivalencia: AB CD
AB y CD tienen igual magnitud, direccin y sentido.
Ejercicio 2.1.1 Vericar que es una relacin de equivalencia. Denicin 2.1.1 Si dos segmentos orientados pertenecen a la misma clase de equivalencia de las obtenidas al considerar la relacin de equivalencia anterior, se dice que son equivalentes.
Ahora el conjunto de todos los segmentos orientados se puede pensar como la unin disjunta de estas clases de equivalencia:
74
lgebra
a) B
C
B
d d
d d d
b)
Od d d d
D=F
Figura 2.1: Vectores geomtricos
equivalencia de segmentos orientados respecto de la relacin de equivalencia anterior. Como cada clase est formada por todos los segmentos orientados (en R2 o en R3 ) que tienen igual magnitud, direccin y sentido (es decir, por todos los segmentos orientados que coinciden una vez que sean aplicados en un punto prejado O), estos valores comunes de magnitud, direccin y sentido se llaman magnitud, direccin y sentido del vector v.
Denicin 2.1.2 Un vector geomtrico v en R2 o en R3 es una clase de
Se sigue de esta denicin que dos vectores v1 y v2 son iguales si y solo si tienen igual magnitud, direccin y sentido. Podemos, por tanto, representar un vector geomtrico por cualquiera de
lgebra
I b &C & & w & & B & ! & & v+w & & v & && & &
75
a)
b) v
r ! r rr rr
v-w
w
r r I
Figura 2.2: Operaciones con vectores geomtricos los segmentos orientados del conjunto que lo dene. En la gura 2.1 a), CD y EF representan el mismo vector geomtrico v porque dieren solo en sus puntos de aplicacin. Nota: Abusando de la notacin, se escribir AB = v para denotar que el segmento orientado AB es un representante del vector v .
Denicin 2.1.3 Sean v y w dos vectores geomtricos, la suma v+w es

el vector denido por la regla del paralelogramo en la gura 2.2 a). Si AB y BC representan los vectores v y w, respectivamente, el segmento orientado AC representa el vector v + w.
Observacin 19 Esta denicin de suma de vectores no depende de los segmentos orientados elegidos para representar los vectores v y w.
76
lgebra
Ejercicio 2.1.2 Vericar, realizando el correspondiente dibujo, que para todo par de vectores geomtricos v y w, v + w = w + v .
El vector de magnitud cero es el vector cero y se denota por 0; para todo vector v , v + 0 = 0 + v . El opuesto de un vector v es el vector de igual direccin, magnitud que v , pero de sentido opuesto. La sustraccin de dos vectores est denida por v w = v + (w) y se puede representar geomtricamente como en gura 2.2 b). El producto de un vector por un escalar k R es el vector w = kv que tiene misma direccin que v , magnitud igual a k veces la magnitud de v y mismo sentido que v si k > 0 o opuesto si k < 0. Si k = 0, kv = 0. Si ahora introducimos un sistema de coordenadas ortogonales en el plano (o en el espacio tridimensional), es decir si seleccionamos un punto O, dos rectas orientadas mutuamente perpendiculares (o tres si se trata del espacio tridimensional) y una magnitud unitaria, cada punto P admitir una representacin analtica en trminos de coordenadas o componentes (x,y) en el caso del plano o (x,y,z) en el caso del espacio tridimensional. Como el segmento orientado OP representar un vector v, diremos tambin que el vector v tiene componentes (x,y) (o (x,y,z)). Por tanto, dos segmentos orientados OP y OQ son equivalentes (es decir, representan el mismo vector geomtrico v ) si y slo si los puntos P y Q tienen iguales coordenadas. Las operaciones denidas sobre vectores geomtricos se pueden ahora reescribir en trminos de coordenadas: sean v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 ) dos vectores en R3 y k R, entonces
v + w = (v1 + w1 , v2 + w2 , v3 + w3 ) kv = (kv1 , kv2 , kv3 ) v w = (v1 w1 , v2 w2 , v3 w3 )

En le caso de vectores v y w en R2 estas operaciones estn denidas de forma anloga.
Ejercicio 2.1.3 En R3 , sean k = 2, v1 = (1, 2, 0), v2 = (4, 3, 2) y v3 =

(1, 1, 1). Hallar v1 k(v1 + v2 ) + v3 .
lgebra
77
del captulo sern ortogonales. Si P = (x1 , x2 , x3 ) y Q = (y1 , y2 , y3 ) son dos puntos en R3 , el segmento orientado P Q representa un vector v en R3 de coordenadas:
Nota: Todos los sistemas de coordenadas que consideraremos a lo largo
P Q = v = (y1 x1 , y2 x2 , y3 x3 ) = Q P.
De forma similar, dos puntos P = (x1 , x2 ) y Q = (y1 , y2 ) en R2 determinan un vector v = (y1 x1 , y2 x2 ), que se puede representar por el segmento orientado P Q.
Ejercicio 2.1.4 Sean P = (3, 2, 4) y Q = (1, 4, 5), determinar las coordenadas del vector v = P Q.
A veces la eleccin de un sistema de coordenadas adecuado puede simplicar la solucin de un problema. Las ecuaciones de traslacin de los ejes nos permiten de pasar de un sistema S a otro sistema S , cuyos ejes son paralelos a los ejes de S. En R2 , sea O , x , y el origen y los ejes del nuevo sistema de coordenadas S . Un punto P en el plano tiene coordenadas (x, y) respecto del sistema S y coordenadas (x , y ) respecto del sistema S . Si las coordenadas de O respecto de S son O = (a, b), se verica que
(x, y) = OP = OO + O P = (a, b) + (x , y ),
y, por tanto,
x = x a,
y = y b.
En el espacio tridimensional, si O = (a, b, c) respecto de S , las ecuaciones de traslacin son
x = x a,
y = y b,
z = z c.
O = (1, 2, 3) respecto de S . Encontrar las coordenadas en el sistema S del punto P de coordenadas (1, 0, 1) en S y las coordenadas en el sistema S del punto Q de coordenadas (3, 1, 4) en S .
Las siguientes propiedades son de fcil demostracin:
Ejercicio 2.1.5 En R3 , sean S y S dos sistemas de coordenadas, donde
78
lgebra
entonces 1. x + y = y + x 2. (x + y) + z = x + (y + z) 3. x + (0) = (0) + x = x 4. x + (x) = (0) y (x) + x = (0) 5. ()x =(x) 6. (x + y) = x+y 7. ( + )x = x + x 8. 1 x = x
Teorema 2.1.4 Si x e y son vectores en R2 o en R3 , y , son dos escalares,
Utilizando el Teorema de Pitgoras, la magnitud o norma de un vector en el plano o en el espacio tridimensional se puede determinar como sigue: para v = (x, y), v x2 + y 2 para v = (x, y, z), v x2 + y 2 + z 2 . Un vector de norma 1 se llama unitario . La distancia eucldea entre dos vectores v = (x1 , x2 ) y w = (y1 , y2 ) en R2 es el nmero real
d(v, w) v w =
(y1 x1 )2 + (y2 x2 )2 .
La distancia eucldea entre dos vectores v = (x1 , x2 , x3 ) y w = (y1 , y2 , y3 ) en R3 es el nmero real
d(v, w) v w =
Si k es un escalar,
(y1 x1 )2 + (y2 x2 )2 + (y3 x3 )2 . v . v , w

y
kv = |k|
Ejercicio 2.1.6 Sean v = (0, 2, 3), w = (2, 0, 4). Hallar

d(v, w).
Sean v y w dos vectores de R2 o de R3 representados por dos segmentos orientados AB y AC (estos dos segmentos tienen el mismo punto de aplicacin). Si v = 0 y w = 0, en el plano que los contiene, AB y AC determinan dos ngulos 1 y 2 = 2 1 .
Observacin 20 Los dos ngulos determinados por v y w no dependen de

los segmentos orientados elegidos para representar los vectores v y w.
lgebra
79
Si v = 0 y w = 0, el ngulo entre v y w es el ngulo determinado por AB y AC , que satisface la condicin: 0 .
Denicin 2.1.5 Si v = 0 y w = 0 son dos vectores del plano o del espacio tridimensional y es el ngulo entre v y w, el producto escalar eucldeo (o producto interior eucldeo) de v y w es el nmero real:
vw = v
Si v = 0 o si w = 0, v w = 0.
cos().
(2.1)
Ejercicio 2.1.7 En R3 , sean v = (2, 0, 0) y w = (3, 3, 0). Hallar

R3 , entonces
v w.
Proposicin 2.1.6 Sean v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 ) dos vectores de

v w = v1 w1 + v2 w2 + v3 w3
Sean v = (v1 , v2 ) y w = (w1 , w2 ) dos vectores de R2 , entonces
v w = v1 w1 + v2 w2
La demostracin de esta proposicin se sigue de la ley de los cosenos:
2 2 2 2 2
wv
= v
+ w
2 v
w cos() = v
+ w
2v w.
Si v y w son dos vectores no cero, de la ecuacin 2.1 se deriva fcilmente la siguiente frmula:
cos() =
1 de sus lados. (arccos( 3 ) 54 44 )
vw v w
(2.2)
Ejercicio 2.1.8 Encontrar el ngulo entre una diagonal de un cubo y uno Teorema 2.1.7 Sean v y w dos vectores en el plano o en el espacio tridimensional. Entonces a)
v =
(v v)
b) Si v = 0 y w = 0, el ngulo entre v y w es agudo v w > 0 es obtuso v w < 0 = vw =0 2
80
lgebra
La demostracin de este teorema es una aplicacin de la frmula 2.2. Ejercicio 2.1.9 Dados v = ( 3, 0, 2) y w = (4, , 37), vericar que el ngulo entre v y w es obtuso. Hemos visto que si v = 0 y w = 0 son perpendiculares (es decir, si = ), 2 el producto interior de v y w es cero. Si se admite que v y w puedan ser cero, la denicin de vectores perpendiculares es la siguiente:
Denicin 2.1.8 Dos vectores v y w son ortogonales si v w = 0.

Las siguientes propiedades son de fcil demostracin:
Teorema 2.1.9 Sean u, v y w tres vectores en el plano o en el espacio

tridimensional y sea k un nmero real: 1. u v = v u 2. u (v + w) = u v + u w 3. k(u v) = (ku) v = u (kv) 4. v v 0 y v v = 0 v = 0
Demostracin Ejercicio.
Sea ahora v = 0 un vector bidimensional o tridimensional representado por el segmento orientado OA y sea w = 0 otro vector del mismo espacio. Utilizando el producto interior es posible denir la proyeccin ortogonal del vector w sobre v como sigue. Representamos el vector w por un segmento orientado OP como en la gura 2.3. El segmento orientado OP1 representa un vector w1 y los segmentos P1 P y OP2 el vector w2 = w w1 . Entonces, w = w1 + w2 , donde el vector w1 = pv (w) es la proyeccin ortogonal de w sobre v o componente vectorial de w a lo largo de v y el vector w2 = w pv (w) es la componente vectorial de w ortogonal
a v.
Teorema 2.1.10 Si v = 0 y w son dos vectores de R2 o de R3 ,

pv (w) = w1 = w2 = w w1 = w wv v 2 v v
wv v 2
lgebra
81
T 0 w2 w w w1 P E 1 T
P2
w1
Figura 2.3: Proyeccin ortogonal de w sobre v
Demostracin Existe un escalar k tal que pv (w) = kv (ya que pv (w) es

paralelo a v ). Entonces w = w1 + w2 = kv + w2 kv v + w2 v = k v 2 . y
w v = w1 v + w2 v = 2
Se sigue fcilmente del ltimo teorema y de las propiedades de la norma que la magnitud del vector pv (w) es:
pv (w) =
|w v| = w v
| cos()|
Es importante observar que la norma de pv (w) depende de la direccin de v y no depende de su magnitud.
Ejercicio 2.1.10 Sean v = (1, 4, 8) y w = (2, 0, 1). Determinar el

vector pv (w) y su magnitud.
2.1.1 Producto vectorial y producto mixto

tres vectores en R3 , donde hemos jado el sistema de coordenadas ortogonales
Denicin 2.1.11 Sean u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 )
82
lgebra
usual (O = (0, 0, 0), (e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1))).
El producto vectorial es una operacin en R3 , que a cada par de vectores (u, v) asocia el vector u v = (u2 v3 u3 v2 )e1 + (u3 v1 u1 v3 )e2 + (u1 v2 u2 v1 )e3 = = det u u u u u2 u3 e1 det 1 3 e2 + det 1 2 e3 . v1 v2 v1 v3 v2 v3
El producto mixto es una funcin del producto cartesiano R3 R3 R3 en R, que a cada terna de vectores (u, v, w) asocia el nmero real que se obtiene calculando el producto escalar del vector u con el vector vw : u (v w) = u1 (v2 w3 v3 w2 ) u2 (v1 w3 v3 w1 ) + u3 (v1 w2 v2 w1 ) = u1 u2 u3 = det v1 v2 v3 . w1 w2 w3
Ejemplo 2.1.12 1) El producto vectorial de u = (1, 0, 1) y v = (1, 2, 0) es

u v = det 0 1 1 1 1 0 e1 det e2 + det e = 2 0 1 0 1 2 3 = 2e1 e2 + 2e3 = (2, 1, 2).
2) El producto mixto de a = (1, 1, 0), 1 1 1 0 a (u v) = det 1 2
u = (1, 0, 1) y v = (1, 2, 0) es 0 1 = 2 1 = 3. 0
Interpretacin geomtrica y propiedades del producto vectorial y del producto mixto

El vector u v es ortogonal a u y a v y, por tanto, es ortogonal al plano que contiene a u y v. u v = v u y u v = 0 si y slo si u y v son paralelos.
lgebra
83
u v = u v sin(), donde es el ngulo que forman u y v. Esta norma coincide con el rea del paralelogramo determinado por los vectores u y v. (Para comprobarlo se puede utilizar la identidad de Lagrange: u v 2 = u 2 v 2 (u v)2 .) u (v + w) = u v + u w y (v + w) u = v u + w u. El producto mixto u (v w) representa, en valor absoluto, el volumen del paraleleppedo individuado por los tres vectores u, v y w. u (v w) = 0 si y slo si los tres vectores u, v y w pertenenecen al mismo plano.
2.1.2 Rectas en le plano

Sean P0 = (x0 , y0 ) y P1 = (x1 , y1 ) dos puntos en el plano R2 . El vector P0 P1 = (x1 x0 , y1 y0 ) individua la direccin de la recta l que pasa por P0 y1 y0 = tg(), siendo el y P1 y, por tanto, tiene pendiente igual a m = x1 x0 ngulo que la recta l forma con el eje de las x. Sea n = (a, b), un vector cuya direccin es perpendicular a la direccin de la recta l . Utilizando los elementos que acabamos de denir, es posible representar una recta l en el plano por medio de distinta ecuaciones:
Ecuacin vectorial
Sean P0 = (x0 , y0 ) un punto jado y P = (x, y) un punto genrico de una recta l . Siendo n = (a, b) un vector ortogonal a l , se obtiene que el producto escalar n P P0 = 0 (esta ecuacin se puede llamar forma punto-normal). Utilizando los vectores v = OP y v0 = OP0 , se obtiene la forma vectorial de la ecuacin de l :
n (v v0 ) = 0. Ecuacin general implcita

Si desarrollamos la ecuacin punto-normal anterior como
0 = nP P0 = n(xx0 , yy0 ) = a(xx0 )+b(yy0 ) = ax+by(ax0 +by0 ),
84
lgebra y llamamos (ax0 + by0 ) = c, lo que se obtiene el la ecuacin general
implcita:
ax + by + c = 0. Ecuaciones paramtricas
Sean P0 = (x0 , y0 ) un punto de la recta l , v = (v1 , v2 ) un vector paralelo a l y P = (x, y) el punto genrico de l . Entonces el vector P0 P es paralelo a v, es decir, existe un nmero real k tal que P0 P = kv. Esta ltima ecuacin, escrita en trminos de coordenadas, dene las ecuaciones paramtricas de la recta l :
x = x0 + kv1 y = y0 + kv2 .
kR
Ecuacin pendiente-ordenada en el origen

Esta ecuacin tiene la forma
y = mx + q,
donde m es al pendiente de la recta l y q es la ordenada del punto de corte con el eje de las y, (0, q).
mostrar que la frmula para calcular la distancia entre el punto P0 y una recta r de ecuacin ax + by + c = 0 es
Ejercicio 2.1.11 Sea P0 = (x0 , y0 ) un punto del espacio bidimensional. De-
d(P0 , r) =
|ax0 + by0 + c| a 2 + b2
Utilizar el hecho de que en R2 el vector n = (a, b) = (0, 0) es ortogonal a la recta de ecuacin ax + by + c = 0.
Ejemplo 2.1.13 La distancia entre el punto P0 = (2, 1) y la recta r de

ecuacin x y + 3 = 0 es igual a d(P0 , r) =
|2+1+3| 1+1
6 . 2
lgebra
85
2.1.3 Planos en el espacio tridimensional

Para determinar la ecuacin de una recta r : ax + by + c = 0 en el espacio bidimensional es suciente conocer las componentes de un punto P = (x, y) de r y su coeciente angular. De forma anloga, en el espacio tridimensional se puede determinar un plano (y su ecuacin) por uno de sus puntos P0 = (x0 , y0 , z0 ) y un vector n = (a, b, c) ortogonal a mismo: todo punto P = (x, y, z) del plano y distinto de P0 es tal que el segmento orientado P0 P = (x x0 , y y0 , z z0 ) sea perpendicular al vector n. Esta caracterizacin de los puntos de se puede expresar por la forma punto-normal de la ecuacin del plano :
n P P0 = a(x x0 ) + b(y y0 ) + c(z z0 ) = 0
(2.3)
Utilizando los vectores OP = v = (x, y, z) y OP0 = v0 = (x0 , y0 , z0 ), la ecuacin 2.3 se puede reescribir en la forma vectorial:
n (v v0 ) = 0.
(2.4)
Ejemplo 2.1.14 Segn la frmula 2.3, la ecuacin del plano que pasa
por el punto P0 = (2, 0, 1) y es perpendicular a la direccin del vector n = (1, 1, 4) es (x 2) y + 4(z + 1) = x y + 4z + 2 = 0. La misma ecuacin se obtiene utilizando la frmula 2.4: n (v v0 ) = (1, 1, 4) (x 2, y, z + 1) = x y + 4z + 2 = 0.
Teorema 2.1.15 Si n = (a, b, c) = (0, 0, 0), la forma implcita de la ecuacin de un plano ortogonal al vector n es:
ax + by + cz + d = 0
(2.5)
ltima ecuacin es la forma punto-normal de la ecuacin de un plano por el punto P0 = (0, d , 0) y ortogonal al vector n = (a, b, c). Si a = 0 o si c = 0, b se obtienen ecuaciones similares. 2
Demostracin Si b = 0, ax + by + cz + d = 0 ax + b(y + d ) + cz = 0. La b
86
lgebra
Ejercicio 2.1.12 Considerar un sistema de tres ecuaciones lineales en R3

a11 x + a12 y + a13 z = b1 a21 x + a22 y + a23 z = b2 a31 x + a32 y + a33 z = b3
Ilustrar con ejemplos geomtricos los casos en los cuales el sistema dado sea incompatible, compatible determinado y compatible.
El siguiente ejemplo muestra como se puede determinar la ecuacin de un plano a partir de las componentes de tres de sus puntos:
Ejemplo 2.1.16 Sean P1 = (1, 0, 1), P2 = (2, 1, 0) y P3 = (2, 3, 1) tres

puntos de R3 . Encontrar la ecuacin del plano que los contiene. Solucin: A partir de la ecuacin de un plano en forma general 2.5 y sustituyendo los valores de las variables (x, y, z) por las componentes de los tres puntos dados, se obtiene un sistema en las variables (a, b, c, d) de la forma
ac+d=0 2a + b + d = 0 2a + 3b + c + d = 0
El conjunto solucin de este sistema es {(t, 5t, 6t, 7t) : t R}. Sustituyendo los valores encontrados para los coecientes a, b, c y d en la ecuacin 2.5, se obtiene el plano
tx 5ty + 6tz + 7t = 0, es decir, x + 5y 6z + 7 = 0.
un plano en el espacio tridimensional, respectivamente. La siguiente frmula nos da el valor de la distancia entre P0 y :
Teorema 2.1.17 Sean P0 = (x0 , y0 , z0 ) y : ax + by + cz + d = 0 un punto y
d(P0 , ) =
|ax0 + by0 + cz0 + d| a2 + b2 + c2
(2.6)
lgebra
87
Demostracin Ejercicio. (Sugerencia: Sean n = (a, b, c) el vector normal y Q = (x, y, z) un punto

del plano . Entonces pn (P0 Q) =
P0 Q n .) n
Ejercicio 2.1.13 a)Encontrar la distancia entre el punto P0 = (1, 2, 3) y

el plano : x 2y + z = 1. b)Encontrar la distancia entre los planos paralelos : x 2y + z = 1 y : 2x 4y + 2z = 3.
2.1.4 Rectas en el espacio tridimensional

Sea l una recta en el espacio tridimensional que pasa por el punto P0 = (x0 , y0 , z0 ) y es paralela al vector u = (a, b, c) = (0, 0, 0). Si P = (x, y, z) es un punto de l distinto de P0 , se verica que P0 P = (x x0 , y y0 , z z0 ) = ku = (ka, kb, kc) para un escalar k R. Entonces la recta l estar determinada por las ecuaciones paramtricas: x = x0 + ka y = y0 + kb , donde k R. (2.7) z = z0 + kc Sean P0 y P dos puntos de una recta l y sean OP0 = v0 y OP = v los vectores del espacio tridimensional correspondientes. Entonces se verica la identidad P0 P = (x x0 , y y0 , z z0 ) = v v0 . Si adems u es un vector paralelo a la recta l, se sigue que v v0 = ku por un escalar k R. Llamaremos forma vectorial de la ecuacin de una recta en el espacio tridimensional a la ecuacin:
v = v0 + ku
(k R)
(2.8)
Si para denir una recta l en el espacio tridimensional utilizamos un sistema de dos ecuaciones de dos planos cuya interseccin es l , lo que se obtiene son las ecuaciones implcitas de l :
a1 x + b1 y + c1 z + d1 = 0 a2 x + b2 y + c2 z + d2 = 0
88
lgebra
Ejercicio 2.1.14 a)Encontrar las ecuaciones paramtricas de la recta l que
pasa por los puntos P0 = (3, 2, 0) y P = (5, 13, 4). b)Encontrar las ecuaciones paramtricas de la recta l interseccin de los planos 3x + 2y 4z 6 = 0 y 2x 6y 4z 8 = 0. c)Encontrar la forma vectorial de la ecuacin de la recta l de ecuaciones paramtricas: x = 2 + 3k y = 5 k , donde k R. (2.9) z = 7k
lgebra
89
2.2
Espacios vectoriales sobre un cuerpo K
Segn hemos visto, en los espacios R2 y R3 se satisfacen las propiedades 1) a 8) recogidas en el teorema 2.1.4 respecto de la suma y del producto por escalares (las propiedades 1 a 4 son las que indican que R2 y R3 tienen estructura de grupo abeliano respecto de la suma). Veremos que, en general, si (K, +, ) es un cuerpo, (Kn , +, ) tambin satisface dichas propiedades. Estas propiedades son las que dan lugar a la denicin de espacio vectorial sobre un cuerpo (K, +, ).
sobre el cuerpo (K, +, ) a cualquier 3-tupla (E, , ) formada por un conjunto no vaco E, una operacin : E E E, y una funcin (producto por escalares) : KE E de manera que se satisfagan las siguientes propiedades: 1. (E, ) es un grupo abeliano; 2. u, v E K ( (u v) = u v), 3. u E , K (( + ) u = u u), 4. u E , K (( ) u = ( u)), 5. siendo 1 K el elemento neutro de , u E (1 u = u).
A los elementos de K, que habitualmente representaremos por letras del alfabeto griego, se les denomina escalares y a los elementos de E, que habitualmente representaremos por letras del alfabeto latino (y en ocasiones en negrita), vectores. En este contexto, el trmino vector servir para designar en lo sucesivo a un elemento del espacio vectorial sobre el que se est trabajando, y no necesariamente a un vector geomtrico determinado por un segmento orientado. Es usual, dada la sobrecarga de notacin derivada del uso de tres operaciones y un producto por escalares, el adoptar el siguiente convenio de notacin universalmente aceptado.
Denicin 2.2.1 Sea (K, +, ) un cuerpo. Llamaremos espacio vectorial
90
lgebra
Operacion +:KKK :KKK :EEE : KE E
Nombre de la operacin suma de escalares producto de escalares suma de vectores producto de vectores por escalares
Notacin + +
Con esta nueva notacin los axiomas de espacio vectorial se escribirn: 1. (E, +) es un grupo abeliano; 2. u, v E K ( (u + v) = u + v), 3. u E , K (( + ) u = u + u), 4. u E , K (( ) u = ( u)), 5. siendo 1 K el elemento neutro de , u E (1 u = u), donde en cada caso la naturaleza de la operacin (es decir, si se trata de la suma en K o en E y lo mismo con el producto de un escalar por un elemento de E y el producto en K) quedar normalmente determinada por la naturaleza de los operandos. As por ejemplo, si E =Mmn (R), A, B Mmn (R), y , R, en la expresin ( + ) A es obvio que la suma considerada es la suma de los nmeros reales y , mientras que en la expresin
(A + B)
la suma considerada es la denida en Mmn (R). Tambin sealaremos que es usual omitir el , escribiendo por ejemplo (u) en lugar de ( u), por lo que habitualmente lo haremos as. Ejemplos de espacios vectoriales con los que ya hemos trabajado son:
Las matrices la con coecientes reales complejos M1n (K) con respecto de la suma de las y producto de una la por un nmero.
lgebra
91
Los vectores geomtricos del plano y del espacio respecto de la suma de vectores y producto por escalares denidos en la primera parte del captulo. Las propiedades que satisfacen las matrices de orden m n con coecientes en un cuerpo K respecto de la suma y producto por escalares denidos hacen que Mmn (K) tenga estructura de espacio vectorial respecto de dichas operaciones.
y las operaciones + y son las usuales del cuerpo K, diremos simplemente que (E, +, ) es un K-espacio vectorial (abreviadamente: (E, +, ) es un K e.v.), o simplemente, que E tiene estructura de espacio vectorial con respecto a las operaciones + : E E E y : KE E, y si la suma y el producto por escalares considerados estn predenidos o se sobrentiende cuales son, diremos de forma abreviada que E es un K e.v. .
Observacin 21 Si (E, +, ) es un espacio vectorial sobre el cuerpo (K, +, ),
Ejemplo 2.2.2 Sea (K, +, ) un cuerpo. La terna (K, +, ) es un (K, +, )

espacio vectorial, puesto que, como consecuencia de la denicin de cuerpo, y en particular, de la propiedad distributiva del producto del cuerpo respecto de la suma, de la asociatividad del producto y de la existencia de elemento neutro para el producto, tendremos
1. (K, +) es un grupo abeliano; 2. u, v K K (u + v) = u + v, 3. u K , K ( + ) u = u + u, 4. u K , K ( ) u = ( u), 5. Siendo 1 K el elemento neutro de , u K (1 u = u).
As pues, el cuerpo (R, +, ) es un Re.v., el cuerpo (C, +, ) es un Ce.v. y el cuerpo (Z2 , +, ) es un Z2 e.v.
92
lgebra
2.2.1 Propiedades de vectores

La siguiente proposicin recoge una serie de propiedades que se satisfacen en todo espacio vectorial, donde, para mayor claridad, a los vectores los hemos destacado en negrita.
Proposicin 2.2.3 Si E es un K e.v. se verican las siguientes propiedades:

1. 2. 3. 4. 5. 6.
u E, 0 u = 0; K, 0 = 0; K, u E, (( u = 0) (=0 u = 0)) ; u E, (1) u = u; K {0}, u, v E, (( u = v) (u = v)) ; , K, u E {0}, (( u = u) ( = )) .
Demostracin 1. Dado u E,
0 u = (0 + 0) u =0 u+0 u,
y puesto que el nico elemento idempotente del grupo (E, +) es el elemento 0 E, conclumos que 0 u = 0. 2. Dado K,
0 = (0 + 0) = 0 + 0,
por lo que, razonando anlogamente a la propiedad anterior, conclumos que 0 = 0. 3. Sean K y u E, y supongamos que u = 0. Caben dos posibilidades. a) Si = 0, entonces no hay nada que demostrar, puesto que en ese caso la sentencia (=0 u = 0) es verdadera. b) Si = 0, consideramos el elemento 1 K. Multiplicando a ambos lados de la igualdad por 1 obtenemos
1 ( u) = 1 0 = 0;
pero por los axiomas de espacio vectorial
1 ( u) = 1 u =1 u = u,
lgebra
93
es decir , u = 0. 4. Sea u E. Puesto que 1 K es opuesto de 1 en el grupo (K, +), tendremos
( 1) u + u = ( 1) u+1 u = ( 1 + 1) u = 0,
y puesto que (E, +) es un grupo (abeliano), tendremos tambin
u + ( 1) u = 0,
es decir, ( 1) u es el elemento opuesto de u en el grupo (E, +), o lo que es lo mismo, ( 1) u = u. 5. Sean K {0}, u, v E, y supongamos que u = v. Multiplicando ambos miembros de esta igualdad por 1 obtenemos
1 ( u) =1 ( v) ,
o lo que es lo mismo,
1 u = 1 v,
de donde u = v. 6. Sean , K y u E {0}, y supongamos que u = u. En ese caso necesariamente u + (( u)) = 0. Pero de los axiomas de espacio vectorial y de las propiedades anteriores se sigue que
u + (( u)) = u + () u = ( + ()) u;
es decir,
( + ()) u = 0
siendo u = 0, con lo que ( + ()) = 0, o lo que es lo mismo, = .
2.2.2 Producto cartesiano de espacios vectoriales

Vamos ahora a comprobar que el producto cartesiano de espacios vectoriales es un espacio vectorial, resultado que recogemos en la siguiente proposicin:
94
lgebra
el conjunto E = E1 En tiene estructura de espacio vectorial respecto de las operaciones
Proposicin 2.2.4 Si (E1 , +1 , 1 ), , (En , +n , n ) son n K e.v. entonces
+:
EE E ((u1 , , un ), (v1 , , vn )) ; (u1 +1 v1 , , un +n vn ) y : KE E (, (u1 , , un )) ; ( 1 u1 , , n un )
Para realizar dicha comprobacin resulta natural utilizar el smbolo + tanto para referirnos a cualquiera de las sumas +1 , , +n como para designar la suma denida en E1 En , y lo mismo haremos con el smbolo (que incluso se omite por convenio de notacin), de manera que, en cada caso, la operacin considerada queda determinada por la naturaleza de los operandos; en otras palabras, para cada i {1, , n}, si ui , vi Ei , entonces ui + vi = ui +i vi y ui = i (ui ) . As por ejemplo, puesto que E1 , , En son n K e.v., en particular
(E1 , +), , (En , +)

son grupos abelianos y, en esas condiciones no es difcil vericar que
(E1 En , +)
es tambin un grupo abeliano. Por otra parte veamos que u, v E y K
(u + v) = u + v :
Si u, v E, u = (u1 , , un ) y v = (v1 , , vn ), por denicin
(u + v) = (u1 + v1 , , un + vn )
y, en consecuencia, segn se ha denido la ley de composicin externa en E,
(u1 + v1 , , un + vn ) = ( (u1 + v1 ) , , (un + vn )),
lgebra
95
y por la propiedad distributiva que satisface el producto por escalares respecto de la suma de vectores en cada uno de los espacios vectoriales (Ei , +i , i ) tendremos que, en denitiva,
(u + v) = = = = = =
(u1 + v1 , , un + vn ) = ( (u1 + v1 ) , , (un + vn )) = (u1 + v1 , , un + vn ) = (u1 , , un ) + (v1 , , vn ) = (u1 , , un ) + (v1 , , vn ) = u+v
La demostracin de que se satisfacen el resto de las propiedades necesarias para que E1 En tenga estructura de Ke.v. respecto de las operaciones consideradas se propone como ejercicio. En particular, como consecuencia de la proposicin anterior tenemos que si (K, +, ) es un cuerpo, entonces n N (Kn , +, ) es un K e.v., siendo las operaciones denidas sobre Kn las denidas en la proposicin anterior. Estas son las operaciones que se deben dar por sobreentendidas siempre que hagamos alusin al K e.v. Kn .
Ejemplo 2.2.5 Casos particulares del apartado anterior:

1. (R3 , +, ) es un R e.v., donde si (x, y, z), (x , y , z ) R3 y R,
(x, y, z) + (x , y , z ) = (x + x , y + y , z + z ) (x, y, z) = (x, y, z)

siendo x + x , y + y y z + z la suma habitual de estos nmeros reales, y x, y y z el producto habitual de estos nmeros reales. 2. Del mismo modo que en el ejemplo anterior, (C2 , +, ) es un C e.v., sobrentendindose cules son las operaciones denidas sobre C2 . 3. Anlogamente, (Z32 , +, ) es un Z2 e.v.. 2 4. El espacio Mm,n (R) C[x] es un Respacio vectorial.
96
lgebra
2.2.3 Funciones con codominio en un espacio vectorial

Si E es un K e.v., y denotamos por F(X, E) al conjunto formado por todas las funciones denidas sobre un conjunto cualquiera X = y tales que su imagen est contenida en E,
F(X, E) = {f : X E :
f es una funcin} ,
resulta que este conjunto tiene estructura de K e.v., segn se recoge en la siguiente proposicin.
Proposicin 2.2.6 Si X = y E es un K e.v., entonces (F(X, E), +, )

es un K e.v., donde f, g F (X, E) f + g F(X, E) es la funcin denida x X por la siguiente expresin (f + g)(x) = f (x) + g(x) (ntese que la suma del lado izquierdo de la igualdad es la suma de funciones, y que la del lado derecho es la suma de E) y f F(X, E), K , (f ) F(X, E) es la funcin determinada x X por la siguiente expresin (f )(x) = f (x).
Demostracin Siendo f + g la funcin denida por la condicin

x X (f + g)(x) = f (x) + g(x)
resulta que tenemos denida una operacin sobre F(X, E):
+ : F(X, E) F(X, E) (f, g)
F(X, E) ; f +g
Adems, se verica que: 1. + es asociativa, pues si f, g, h F(X, E), y x X
((f + g) + h) (x) = (f + g)(x) + h(x) = (f (x) + g(x)) + h(x) = = f (x) + (g(x) + h(x)) = f (x) + (g + h)(x) = = (f + (g + h)) (x)
con lo que (f + g) + h = f + (g + h). 2. + es conmutativa, pues si f, g F(X, E), y x X,
(f + g)(x) = f (x) + g(x) = g(x) + f (x) = (g + f )(x)

con lo que (f + g) = (g + f ).
lgebra 3. Es inmediato comprobar (verifquese) que la funcin constante
97
0: X x
E ; 0
es el elemento neutro de (F(X, E), +). 4. Del mismo modo, es inmediato comprobar (verifquese) que f F(X, E) el elemento simtrico de f respecto de + es la funcin
(f ): X x
E , ; (f (x))
es decir, x X (f )(x) = (f (x)) donde (f (x)) es el elemento opuesto de f (x) en (G, +). Al ser (E, +) un grupo abeliano, (F(X, E), +) tambin lo es, donde f +g : X E . x ; f (x) + g(x) Veamos ahora que la operacin
:
donde
KF(X, E) F(X, E) (, f ) ; f f : X x ; E f (x)
satisface el resto de propiedades: 5. Sean f, g F(X, E). Hay que demostrar que K
(f + g) = f + g.
Sea K. Puesto que
((f + g)) : X E
y
(f + g) : X E,
para demostrar que dichas aplicaciones son iguales es suciente con probar que x E, ((f + g))(x) = (f + g)(x).
98 Sea x E. Por denicin
lgebra
((f + g))(x) = ((f + g)(x)) = (f (x) + g(x)) = (por la distributividad en E del producto por escalares respecto de la suma de vectores) = f (x) + g(x) = (f )(x) + (g)(x) = ((f ) + (g)) (x).
6. Hay que probar que f F (X, E) , K
( + )f = f + f.
Se demuestra de forma anloga a la propiedad que acabamos de ver, por lo que se propone como ejercicio. 7. Sean f F(X, E) y , K . Hay que demostrar que
()f = (f ).
Puesto que
(()f ) : X E
y
((f )) : X E,
para demostrar que dichas aplicaciones son iguales es suciente probar que x E (()f )(x) = ((f ))(x). Sea x E. Por denicin
(()f )(x) = ()f (x) = (puesto que , K, f (x) E y E es un K-e.v.) = (f (x)) = ((f )(x)) = ((f ))(x).
8. Finalmente, dado 1 K, f F(X, E)
(1 f ) = f,
pues si f F(X, E) es una funcin cualquiera de ese conjunto, dado que
(1 f ) : X E y f : X E,
lgebra y teniendo en cuenta que x E,
99
(1 f )(x) = 1 f (x) = f (x),

conclumos que (1 f ) = f.
conjuntos tienen estructura de espacio vectorial respecto de las operaciones consideradas en la misma. 1. Si (K, +, ) es un cuerpo, el conjunto F(K, K). En particular, el conjunto F(R, R) de las funciones reales de variable real y el conjunto F(C, C) de las funciones complejas de variable compleja. 2. El conjunto F(R, C) de las funciones complejas de variable real es un C e.v. 3. El conjunto F(N, E) de las sucesiones de elementos de un K e.v. E. En particular F(N, R), F(N, C), F(N, R3 ) tienen estructura de espacio vectorial respecto de las operaciones consideradas en la proposicin anterior. (Como ejercicio, escrbase cual es la expresin explcita de dichas operaciones particularizadas en cada uno de los subespacios de este ejemplo). 4. El conjunto Mmn (K) = F({1, , m}{1, , n}, K) de las matrices de m las y n columnas con coecientes en un cuerpo K y, en particular, el conjunto de las matrices cuadradas de n las, al que denotamos por Mn (K). 5. Combinando los ejemplos anteriores tambin son espacios vectoriales, respecto de la suma y producto por escalares introducidos, el conjunto
Ejemplos. Como consecuencia de la proposicin anterior, los siguientes
F(N, F(R, R))

de las sucesiones de F(R, R), el conjunto
F(N, M2 (C))
de las sucesiones de matrices de M2 (C), el conjunto
F(M3 (C), M3 (C)),

el conjunto
F(N, F(R, R) F(R, R)),

el conjunto
F(C, CM5 (C)),

y un largo etctera.
100
lgebra
2.3 Subespacios vectoriales

Siendo E un K e.v. y H E, se dice que H es un subespacio vectorial de E si H tiene estructura de espacio vectorial respecto de las operaciones inducidas por las de E. Por consiguiente, teniendo en cuenta que si + y satisfacen las propiedades necesarias para que E sea un K e.v. (+ es asociativa, conmutativa, ), dichas propiedades tambin se satisfacen en el caso particular de que los vectores sean de H, y que siendo 0 K y u H, 0 u = 0, lo nico que necesitamos para que H sea un subespacio vectorial de E es que el resultado obtenido al hacer actuar dichas operaciones sobre elementos de H sea un elemento de H, es decir:
Denicin 2.3.1 Si E es un K e.v. y H E, se dice que H es un subespacio vectorial de E si:

1. H = . 2. u, v H u + v H. 3. K, u H u H.
En lo sucesivo utilizaremos la notacin H subespacio vectorial de E.
E para indicar que H es un
y slo si
Proposicin 2.3.2 Sean E un K e.v. y H E. Se verica que H

a) 0 H b) u, v H, , K se verica que (u + v) H.
E si
Demostracin Ejercicio. Indicacin: vericar que las condiciones 1, 2 y

3 de la denicin equivalen a las condiciones a) y b).
Observacin 22 De la denicin de subespacio vectorial se sigue que, siendo E un K e.v. se verica que E E y que {0} E.
lgebra
101
Observacin 23 No es difcil demostrar, razonando por induccin sobre n,

que si E es un K e.v. y H
E , entonces se verica que

n n
(u1 , , un ) H , (1 , , n ) K ,
i=1
i ui
H.
(De manera informal: si H E, u1 , , un son vectores de H, y 1 , , n son escalares, necesariamente 1 u1 + + n un H.)
1. Puesto que si H E, necesariamente 0 H, no es difcil comprobar que cualquier plano de R3 que pase por el punto (0, 0, 0) es un subespacio vectorial de R3 . Igualmente, cualquier recta de R3 que pase por el punto (0, 0, 0) es un subespacio vectorial de R3 . Cuando introduzcamos el concepto de dimensin veremos que los nicos subespacios vectoriales de R3 son: {0}, R3 , las rectas que pasan por 0 =(0, 0, 0) y los planos que pasan por 0. (De forma anloga, los nicos subespacios de R2 son: {0}, R2 y las rectas que pasan por 0). 2. El conjunto formado por todas las soluciones de un sistema homogneo de m ecuaciones lineales con n incgnitas y con coecientes en un cuerpo K es un subespacio vectorial de Kn
EJEMPLOS:
a11 x1 + + a1n xn = 0 . . . . a x + + a x = 0 m1 1 mn n
Para comprobarlo, slo hay que vericar que si (1 , , n ), (1 , , n ) Kn son soluciones del sistema anterior y K, entonces (1 +1 , , n +n ) tambin es solucin del sistema, y lo mismo sucede con (1 , , n ). 3. C[x] F (C, C), pues a) 0 C[x]; b) si f, g C[x] y , K , de la denicin de C[x] se sigue que n, m N {0}, (a0 , , an ) Cn+1 , (b0 , , bm ) Cm+1 tales que x C se verica que
f (x) = an xn + + a0 g(x) = bm xm + + b0 ;
102
lgebra
evidentemente, si n m, poniendo i {m + 1, , n} bi = 0, tendremos que
x C
(f + g)(x) =
n n
=
i=0 n
ai x
+
i=0
bi xi
=
i=0
(ai + bi ) xi ,
es decir, (f + g) C[x]. 4. Siendo Pn (C) el conjunto de polinomios con coecientes en C de grado n, se verica que Pn (C) C[x] pues i) 0 Pn (C), con lo que Pn (C) = . ii) Dados f, g Pn (C), teniendo en cuenta que
gr(f + g) max{gr(f ), gr(g)} n,

resulta que f + g Pn (C) iii) Dados f Pn (C) y K, hay que distinguir dos posibilidades: si = 0, entonces f = 0 Pn (C); por otra parte si = 0, teniendo en cuenta que gr(f ) = gr(f ), se sigue que en cualquier caso f Pn (C). 5. Si denotamos por C(R, R) al conjunto de funciones reales de variable real que son continuas en todos los puntos de R, teniendo en cuenta que cualquier funcin constante es continua (con lo que C(R, R) = ), que si f, g C(R, R), entonces f + g C(R, R), y que si R y f C(R, R), entonces f C(R, R), resulta que
C(R, R)
F (R, R).
Por el mismo motivo, el conjunto de las funciones reales denidas en el conjunto [a, b] = {x R |a x b } y continuas en todos los puntos de este intervalo, conjunto al que denotamos por C([a, b], R), constituye un subespacio vectorial de F([a, b], R).
Observacin 24 Puesto que todo subespacio vectorial de un espacio vectorial dado es a su vez un espacio vectorial, es posible referirnos a cada uno de
lgebra
103
los ejemplos anteriores como espacios vectoriales; de este modo, hablaremos del espacio vectorial de las funciones continuas C(R, R), del espacio vectorial de los polinomios de grado n, etc..
Ejercicio 2.3.1 Se dice que A Mn (K) es simtrica si t A = A. Si denota-
mos por Sn (K) al conjunto de las matrices simtricas de orden n, demostrar que Sn (K) Mn (K).
Proposicin 2.3.3 Si X = , E es un K e.v. y S X, el conjunto

H = {f F (X, E) |f (S) = {0} }
es un subespacio vectorial de F(X, E).
Demostracin Ejercicio. Corolario 2.3.4 Las matrices triangulares superiormente, T n (K), inferiormente Tn (K) y diagonales Dn (K) son subespacios vectoriales de Mn (K).
en cuenta que, siendo
Demostracin Es suciente con aplicar la proposicin anterior teniendo

S T = {(i, j) {1, , n} {1, , n} |i > j }, ST = {(i, j) {1, , n} {1, , n} |i < j }
SD = {(i, j) {1, , n} {1, , n} |i = j },

se verica
T n (K) = A Mn (K) A(S T ) = {0} , Tn (K) = {A Mn (K) |A(ST ) = {0} }
Dn (K) = {A Mn (K) |A(SD ) = {0}} . 2
104
lgebra
2.4 Dependencia e independencia lineal

Denicin 2.4.1 Si E es un K e.v., un sistema de vectores de E es
cualquier secuencia nita de vectores de E. As, si u1 , , un E, la secuencia u1 , , un es un sistema de n vectores de E.
Observacin 25 Para mayor claridad, en ocasiones escribiremos {u1 , , un } para referirnos al sistema u1 , , un . Denicin 2.4.2 Si {u1 , , un } es un sistema de vectores de E, diremos que v E es combinacin lineal de u1 , , un si (1 , , n ) Kn tal
que v =
n
i ui .
i=1
Observacin 26 Si v E es combinacin lineal de u1 , , un tambin diremos que v E depende linealmente de u1 , , un . Ejemplo 2.4.3 Si consideramos en el Re.v. R2 con su estructura de espa-
cio vectorial habitual, resulta que (11, 7) depende linealmente de (2, 1), (1, 0), y (3, 2), puesto que (11, 7) = (2, 1) + 3 (3, 2). Por el mismo motivo, (3, 0) depende linealmente de (1, 1), (1, 4), pues
(3, 0) = (4) (1, 1) + 1 (1, 4).

Si E es un K e.v. y A E denotaremos por
L(A) = {v E |v es combinacin lineal de un sistema de vectores de A}.

La siguiente proposicin establece que si E es un K e.v. y A E, L(A) es el subespacio vectorial ms pequeo que contiene a A.
Proposicin 2.4.4 Sean E un Ke.v. y A E. Se verica que: 1) L(A)

E, 2)A L(A) y 3)H E (A H L(A) H ).
lgebra
105
Demostracin Sea H = L(A).
1. Es obvio que 0 H y, por otra parte, dados , K, y u, v H, de la denicin de H se sigue que existen u1 , , un y v1 , , vm sistemas de vectores de A y (1 , , n ) Kn , (1 , , m ) Km de manera que
n m
u=
i=1
i ui y v =
i=1
i vi ,
por lo que
n m
u + v =
i=1 n
i ui (i ) ui +
+
i=1 m
i vi (i )vi =
=
i=1 n+m
i=1
=
i=1
i wi ,
donde hemos puesto i {1, , n + m},
(i n i = (i ) wi = ui ) (n < i n + m i = (i ) wi = vi ) ,
y en consecuencia, puesto que w1 , , wn+m es un sistema de n + m vectores de A, conclumos que u + v H. 2. Si v A, podemos poner, por ejemplo, que v = 1 v, siendo 1 K y {v} el sistema de vectores de A considerado, con lo que v H. 3. Finalmente, si H E es tal que A H , segn vimos en su momento, cualquier combinacin lineal de elementos de H (en particular de elementos de A H ) es un elemento de H , con lo que H H . 2
Denicin 2.4.5 Si E es un K e.v. y u1 , , un es un sistema de vectores de E, al subespacio vectorial L({u1 , , un }) se le denomina subespacio
106
lgebra
vectorial generado por el sistema u1 , , un , y del sistema u1 , , un se dice que es un sistema generador de H = L({u1 , , un }). A este subespacio tambin lo denotaremos por L(u1 , , un ).
Observacin 27 Ntese que si todo vector de E se puede expresar como una combinacin lineal de u1 , , un , resulta que el subespacio vectorial generado por u1 , , un es H = L({u1 , , un }) = E, que obviamente es un subespacio vectorial de E.
1. Los vectores (1, 0) y (0, 1) constituyen un sistema generador de R2 , pues cualquier vector de R2 se puede expresar como combinacin lineal del sistema (1, 0), (0, 1), ya que si (a, b) R2 , (a, b) = a(1, 0) + b(0, 1). Anlogamente
Ejemplos:
(1, 0, 0), (0, 1, 0), (0, 0, 1)

es un sistema generador de R3 y, en general, el sistema de n vectores de Kn
(1, 0, , 0), (0, 1, 0, , 0), (0, 0, , 0, 1)

es un sistema generador de Kn . 2. Los polinomios 1, x, x2 , , xn constituyen un sistema generador de Pn (C), pues si f Pn (C), f es de la forma f = a0 + + an xn (ya que z C, f (z) = (a0 + + an xn )(z) = a0 + + an z n ). 3. Como hemos visto, los vectores (1, 0) y (0, 1) constituyen un sistema generador de R2 . Pero el sistema (1, 0), (0, 1), (3, 1) tambin es un sistema generador de R2 , pues si (a, b) R2 ,
(a, b) = a(1, 0) + b(0, 1) + 0(3, 1).

De hecho, cualquier sistema de vectores de R2 que contenga a (1, 0) y (0, 1) ser un sistema generador de R2 . Nos interesa caracterizar los sistemas generadores con el menor nmero posible de elementos. Estos sistemas de vectores sern los sistemas de vectores que, constituyendo un sistema generador, son linealmente independientes.
Denicin 2.4.6 Siendo E un K e.v., se dice que el sistema u1 , , un de vectores de E es libre (o tambin que los vectores u1 , , un son linealmente
independientes) si se verica que (1 , , n ) Kn
n
i ui = 0 (1 , , n ) = (0, , 0)
i=1
lgebra
107
Si el sistema de vectores u1 , , un no es libre, se dice que es ligado (o tambin que los vectores u1 , , un son linealmente dependientes). As pues,
u1 , , un es ligado
n
(1 , , n ) K {(0, , 0)} tales que

i=1
i ui = 0 .
habitual el sistema (1, 0), (0, 1) es libre, pues si (1, 0) + (0, 1) = (0, 0), tendremos que (, ) = (0, 0), de donde = 0 = . Un argumento similar se puede emplear para demostrar que el sistema de n vectores de Kn
Ejemplo 2.4.7 En el R e.v. R2 con su estructura de espacio vectorial
(1, 0, , 0), (0, 1, 0, , 0), (0, 0, , 0, 1)

es un sistema libre. bitual el sistema {(2, 1, 1), (1, 1, 0), (1, 0, 0)} es libre, puesto que si (, , ) R3 es tal que (2, 1, 1) + (1, 1, 0) + (1, 0, 0) = (0, 0, 0), resulta que (2 + 2 + + = 0 + =0 + , + , ) = (0, 0, 0), de donde y, en denitiva, =0 (, , ) = (0, 0, 0). habitual el sistema {(2, 1), (1, 0), (3, 2), (11, 7)} es ligado, pues
Ejemplo 2.4.8 En el R e.v. R3 con su estructura de espacio vectorial ha-

0(1, 0) + (1)(2, 1) + (3)(3, 2) + (11, 7) = (0, 0),
y sin embargo
(0, 1, 3, 1) = (0, 0, 0, 0).
se verica que u1 , , un es libre si y slo si v E

n n
Proposicin 2.4.10 Si u1 , , un es un sistema de vectores del K e.v. E,

v=
i=1
i ui v =
i=1
i ui
(1 , , n ) = (1 , , n ) .
108
lgebra
Demostracin Si (1 , , n ), (1 , , n ) Kn son tales que v =

n
i ui v =
i=1
0, y como por hiptesis u1 , , un es libre, conclumos que (1 1 , , n n ) = (0, , 0), es decir, i {1, , n} (i i ) = 0,
i=1
i ui , resulta que
i ui =
i=1
i=1
i ui , es decir,
(i i )ui =
i=1
y por consiguiente i {1, , n} i = i , o lo que es lo mismo,
(1 , , n ) = (1 , , n ).
Supongamos que
n i=1
i ui = 0. Como tambin se verica que 0u1 +
+ 0un = 0, aplicando la hiptesis resulta que (1 , , n ) = (0, , 0). 2
continuidad de los polinomios.)
Ejercicio 2.4.1 En el anillo de polinomios Pn (C), vericar que el sistema {1, x, x2 , , xn } es libre. (Indicacin: utilizar induccin sobre n y la
La siguiente proposicin recoge una caracterizacin de los sistemas ligados.
se verica que u1 , , un es ligado si y slo si i {1, , n} tal que ui es combinacin lineal de u1 , , ui1 , ui+1 , , un .
Proposicin 2.4.11 Si u1 , , un es un sistema de vectores del K e.v. E,
Demostracin Si u1 , , un es un sistema ligado tendremos que

(1 , , n ) Kn {(0, , 0)} tal que
n
que (1 , , n ) = (0, , 0), existe i {1, , n} tal que i = 0, y puesto 1 que i K, necesariamente i tiene inverso i K, con lo que
n 1 i j=1
j=1
j uj = 0. Ahora bien, puesto
j uj
1 = i 0 = 0.
lgebra Pero
1 i n j=1 n n
109
j=1
j uj
=
j=1
1 i j uj ,
de donde
1 1 i j uj = 0, con lo que, teniendo en cuenta que i i = 1, n
resulta que
ui =
j=1,j=i
1 i j uj ,
es decir, ui es combinacin lineal de u1 , , ui1 , ui+1 , , un . Supongamos que

n
ui =
j=1,j=i
j uj .
En ese caso, pasando ui al segundo miembro y tomando i = 1, resulta que
(1 , , n ) = (0, , 0)
y
n j=1
j uj = 0, con lo que u1 , , un es un sistema ligado.
y v son linealmente dependientes si y solamente si uno de ellos se obtiene multiplicando un escalar por el otro. Por consiguiente, en el caso particular de R2 y R3 , dos vectores sern linealmente dependientes si y slo si estn sobre la misma recta que pasa por 0. Asimismo, si u, v y w son vectores de R3 , u, v y w son linealmente dependientes (o lo que es lo mismo, el sistema {u, v, w} es ligado) si y slo si al menos uno de los vectores es una combinacin lineal de los restantes. Pero el subespacio vectorial generado por dos vectores cualesquiera de R3 es una recta que pasa por el origen, un plano que pasa por el origen, o el propio origen; en cualquier caso, si u, v y w son linealmente dependientes existe un plano que, pasando por 0, contiene a los tres vectores. De manera general:
Ejemplo: Como consecuencia de la proposicin anterior, dos vectores u
Proposicin 2.4.12 Si E es un K e.v. y n, r, m N, se verica que

1. (u E u = 0) u es libre;
110
lgebra
2. si u1 , , un es libre y r n, entonces u1 , , ur es libre; 3. si u1 , , un es tal que i {1, , n} de manera que ui = 0, entonces el sistema u1 , , un es ligado; 4. si u1 , , un es ligado entonces v1 , , vm E el sistema
{u1 , , un , v1 , , vm } es ligado.
Demostracin 1. Si u E {0} y u = 0, necesariamente = 0, con lo

Kr es tal que
r
que u es libre. 2. Supongamos que u1 , , un En es libre, que r n y que (1 , , r )

j=1
j uj = 0. En ese caso, deniendo j {r + 1, , n}

n j=1
j = 0, tendremos que
j uj = 0 y, puesto que u1 , , un es libre,
(1 , , n ) = (0, , 0) y en particular (1 , , r ) = (0, , 0). 3. Si u1 , , un En es tal que ui = 0, considerando la n-tupla (1 , , n ) Kn denida por la condicin i = 1 j {1, , n}(j = i j = 0),
resulta que (1 , , n ) = (0, , 0) y
n
j uj = 0u1 + + 0ui1 + 1 0 + 0ui+1 + + 0un = 0.

j=1
4. Si u1 , , un es ligado, (1 , , n ) = (0, , 0) tal que

n
j uj = 0.
j=1
Dado entonces el sistema v1 , , vm de m vectores de E, deniendo j
{1, , m} j = 0, tendremos que
j uj +
j=1
j=1
j vj = 0, y puesto que
(1 , , n ) = (0, , 0), resulta que (1 , , n , 1 , , m ) = (0, , 0),
lgebra con lo que u1 , , un , v1 , , vm es ligado.
111
Las propiedades 2 y 4 de la proposicin anterior podran enunciarse de manera poco rigurosa del siguiente modo: todo subsistema de un sistema libre es libre y todo supersistema de un sistema ligado es ligado .
Proposicin 2.4.13 Si u1 , , un es un sistema de vectores del K e.v. E

libre y v E no es combinacin lineal de u1 , , un , entonces el sistema u1 , , un , v es libre.
Demostracin Supongamos que

n
n j=1
j uj + v = 0. En ese caso necesa-
riamente = 0, puesto que si = 0, tendramos que
v=
j=1
1 j uj
en contradiccin con la hiptesis. Pero si = 0, entonces

n
j uj = 0,
j=1
y puesto que u1 , , un es libre, resulta que
(1 , , n ) = (0, , 0),
con lo que, en denitiva,
(1 , , n , ) = (0, , 0, 0). 2
Corolario 2.4.14 Si u1 , , un es un sistema de vectores del K e.v. E y

v E son tales que u1 , , un es libre y u1 , , un , v es ligado, entonces v es combinacin lineal de u1 , , un .
112
lgebra
2.5 Bases y dimensin

2.5.1 Sistemas generadores y bases
Segn vimos, si un vector se expresa como combinacin lineal de un sistema libre, la expresin del vector como combinacin lineal de ese sistema es nica. Adems, si un sistema libre es a la vez generador de un cierto subespacio, entonces no hay un sistema generador de dicho subespacio que tenga menos vectores que el sistema libre considerado. Las razones anteriores son sucientes para estudiar los sistemas de vectores que son a la vez sistemas generadores y libres. Una vez concluido el estudio de la seccin, habremos resuelto un problema adicional: sabremos cul es el nmero mximo de vectores linealmente independientes que podemos encontrar en un espacio vectorial dado. (Segn sabemos, el nmero mximo de vectores linealmente independientes que podemos encontrar en R2 es 2, y el nmero mximo de vectores linealmente independientes que podemos encontrar en R3 es 3. Veremos por ejemplo, que el nmero mximo de vectores linealmente independientes que podemos encontrar en Rn es n).
Denicin 2.5.1 Dados un K e.v. E y H E, se dice que un sistema u1 , , un de vectores de H es una base de H si u1 , , un es libre y v H
se verica que v es combinacin lineal de u1 , , un .
En otras palabras, una base de un K e.v. E es un sistema de vectores de E que es simultneamente libre y generador. En particular, como E E, una base de E es un sistema de vectores de E que es libre y tal que todo vector de E se expresa como combinacin lineal de dicho sistema.
B = {u1 , , un } para denotarla. Todo vector v E se escribe en la forma v = n ai ui , donde los coecientes (a1 , , an ) Kn estn unvocamente i=1 determinados, por la proposicin 2.4.10, pero dependen en el orden dado a los vectores u1 , , un . Un cambio en el orden de los vectores u1 , , un da por resultado un cambio correspondiente en el orden de los coecientes del vector v. Esta situacin justica la denicin de base ordenada: una base ordenada B = (u1 , , un ) de un K e.v. E es un sistema de vectores libre, generador y ordenado.
Nota: Si u1 , , un es una base de un K e.v. E, es usual escribir
lgebra
113
1. El sistema {(1, 0, , 0), , (0, , 0, 1)} de vectores de Kn que hemos visto que es un sistema generador de Kn tambin es libre, puesto que si (1 , , n ) Kn es tal que
Ejemplos
1 (1, 0, , 0) + + n (0, , 0, 1) = (0, , 0),

tendremos que (1 , , n ) = (0, , 0). Por consiguiente,
Bn = ((1, 0, , 0), , (0, , 0, 1))

es una base ordenada de Kn . A esta base se la conoce con el nombre de base cannica de Kn y se la denota como Bn . Como caso particular, resulta que B1 = (1) es una base del K e.v. K. 2. Como un subcaso del ejemplo anterior, resulta que ((1, 0), (0, 1)) es una base ordenada de R2 (es la base cannica de R2 ). Por otra parte el sistema {(2, 1), (1, 1)} tambin es una base de R2 , puesto que a) {(2, 1), (1, 1)} es libre, ya que si (2, 1) + (1, 1) = (0, 0), resulta que (2 , + ) = (0, 0), de donde, resolviendo el sistema
2 = 0 + =0
obtenemos que = = 0, es decir, (, ) = (0, 0). b) Todo vector de R2 se puede expresar como combinacin lineal de {(2, 1), (1, 1)}, puesto que dado (x, y) R2 , poniendo
(x, y) = (2, 1) + (1, 1),

resulta que
(x, y) = (2 , + ),
es decir,
x = 2 , y =+
de donde x + y = 3, i.e., = 1 (x + y) y = y 1 (x + y) , es decir, 3 3 2 = 3 y 1 x; en otras palabras, el sistema de ecuaciones 3
x = 2 y =+
114 tiene solucin (x, y) R2 y podemos escribir
lgebra
(x, y) =
1 1 x + y (2, 1) + 3 3
2 1 y x (1, 1), 3 3
y en consecuencia {(2, 1), (1, 1)} es un sistema generador de R2 . 3. Siendo Pn (C) el conjunto de polinomios con coecientes en C de grado n, se verica que 1, x, , xn es una base de Pn (C) pues a) {1, x, , xn } es libre (comprubese) y b) si f Pn (C), (a0 , a1 , , an ) Kn+1 tal que x C f = a0 +a1 x+ +an xn , con lo que f es combinacin lineal de {1, x, , xn }. 4. En el K e.v. de las matrices columna de n las, Mn1 (K), siendo i {1, , n}
ei :
{1, , n} {1} (j, 1)
Mn1 (K) 1 si j = i 0 si j = i
es fcil comprobar que {e1 , , en } una base de Mn1 (K). A esta base tambin la denominaremos base cannica de Mn1 (K) y la denotaremos por o Bc . Es decir, utilizando la notacin matricial usual, 1 0 0 0 1 0 Bc = {e1 , , en } = { . , . , , . }. . . . . . .
Ejercicio 2.5.1 En el espacio vectorial de la matrices Mmn (K),
i {1, , m} y j {1, , n}, sea Eij la matriz que tiene un nico coeciente no nulo: Eij (i, j) = 1. Vericar que las mn matrices Eij forman una base de Mmn (K).
Denicin 2.5.2 Si B = (u1 , , un ) es una base ordenada del K e.v. E

yv=
n i=1
i ui , a la matriz 1 . . Mn1 (K) . n
lgebra
115
la denominaremos matriz de coordenadas del vector v respecto de la base B, o simplemente coordenadas del vector v respecto de B, y la denotaremos por (v)B .
Ejemplo 2.5.3 En el espacio vectorial R3 , siendo

B3 = ((1, 0, 0), (0, 1, 0), (0, 0, 1)),
resulta que
((3, 2, 1))B3
puesto que
3 = 2 1
(3, 2, 1) = 3(1, 0, 0) + (2)(0, 1, 0) + 1(0, 0, 1). 3, siendo B = (1, x, x2 , x3 ), resulta que 2x3 + x 5
Ejemplo 2.5.4 En el espacio vectorial P3 (C) de los polinomios de grado

5 1 = 0 , 2
puesto que 2x3 + x 5 = (5) 1 + x + 0 x2 + 2x3 .
Ejemplo 2.5.5 En el espacio vectorial R2 , siendo B2 = ((1, 0), (0, 1)) y B =

((2, 1), (1, 1)), resulta que (x, y) R2 , ((x, y))B2 =
mientras que
x y + 1y 3 1 0
1 3 1 x 3
((x, y))B =
1 x 3 2 y 3
En particular,
((1, 0))B2 =
mientras que
((1, 0))B =
1 3
116
lgebra
Denicin 2.5.6 Se dice que un K e.v. E es de dimensin nita si

n N, y u1 , , un sistema de vectores de E tal que {u1 , , un } es una base de E.
rado, puesto que (x1 , , xn ) Kn
Ejemplo 2.5.7 n N se verica que Kn es un K e.v. nitamente gene(x1 , , xn ) = x1 (1, 0, , 0) + + xn (0, , 0, 1),
con lo que el sistema de n elementos ((1, 0, , 0), , (0, , 0, 1)) es un sistema generador de Kn y, puesto que es libre, es una base de Kn .
Ejemplo 2.5.8 El C e.v. de los polinomios C[x] no es de dimensin nita, puesto que, razonando por reduccin al absurdo, si suponemos que {p1 , , pn } es una base de C[x], siendo
r = max{gr(pi ) |i {1, , n} },
es obvio que el polinomio xr+1 C[x] no se puede expresar como combinacin lineal del sistema {p1 , , pn }.
2.5.2 Equipotencia de bases

Observacin 28 Si {u1 , , un } es un sistema de vectores de un K e.v.
E, y i {1, , n} tal que ui es combinacin lineal del sistema {u1 , , ui1 , ui+1 , , un },
entonces cualquier vector que sea combinacin lineal de {u1 , , un } es tambin combinacin lineal de
{u1 , , ui1 , ui+1 , , un },

puesto que si ui =
n j=1,j=i
j uj y v =
n j=1 n
j uj , tendremos que
v = 1 u1 + + i1 ui1 + i
j=1,j=i n
j uj
+ i+1 ui+1 + + n un =
=
j=1,j=i
j uj ,
lgebra
117
donde j {1, , n} {i}
j = (j + i j ) .
Proposicin 2.5.9 Sean E un K e.v., {u1 , , un } una base de E y

{v1 , , vm } un sistema de vectores de E con m > n. En estas condiciones el sistema {v1 , , vm } es ligado.
Demostracin Supondremos que i {1, , m} vi = 0, puesto que en
caso contrario, automticamente el sistema {v1 , , vm } es ligado. Veamos que an siendo i {1, , m} vi = 0, el sistema (v1 , , vm ) es ligado. Puesto que {u1 , , un } es una base de E, j {1, , m}
n
vj =
i=1
aij ui .
Por consiguiente, suponiendo que

m
j vj = 0.
j=1
tendremos que
j (
j=1 i=1
aij ui ) = 0.
es decir,
(
i=1 j =1
aij j )ui = 0.
(en este punto es importante que el alumno utilice una notacin no contra ida del sumatorio para entender el paso anterior) con lo que, teniendo en cuenta que {u1 , , un } es una base de E, obtenemos que todos los coecientes de la combinacin lineal anterior deben ser iguales a cero, es decir, i {1, , n},
m
aij j = 0.
j =1
118 y, puesto que el sistema de ecuaciones homogneo a11 1 + + a1n m = 0 . . . a + + a = 0 n1 1 nm m
lgebra
tiene ms incgnitas que ecuaciones (m > n), dicho sistema tiene soluciones diferentes de la trivial, por lo que {v1 , , vm } es ligado. 2
Observacin 29 Cualquier sistema de 4 o ms vectores de R3 es ligado. Corolario 2.5.10 (Equipotencia de bases en un Ke.v. de dimensin nita)
Si E es un K e.v. nitamente generado y
B = {u1 , , un } y B = {v1 , , vm }
son bases de E, se verica necesariamente que n = m.
(2.10)
{v1 , , vm } es combinacin lineal de {u1 , , un } (puesto que {u1 , , un } es base de E) conclumos que m n (ya que en caso contrario {v1 , , vm } sera ligado, en contradiccin con que sea base). Por el mismo motivo, como {v1 , , vm } todo vector del sistema {u1 , , un } es combinacin lineal de {v1 , , vm } conclumos que n m (ya que en caso contrario {u1 , , un } sera ligado, en contradiccin con que sea base), y en denitiva obtenemos que n = m. 2
Una vez demostrado que si E es un K e.v. de dimensin nita todas las bases de E tienen el mismo nmero de elementos, podemos establecer la siguiente denicin:
Demostracin Por la proposicin anterior, como todo vector del sistema
Denicin 2.5.11 Si E es un K e.v. de dimensin nita y

(u1 , , un ) En
es una base de E, diremos que la dimensin de E es n y escribiremos
dim(E) = n.
lgebra
119
Ejemplos:
1. Cmo 1 K es una base del K e.v. K, resulta que
dim(K) = 1.
2. Teniendo en cuenta que la base cannica de Kn tiene n elementos, resulta que dim(Kn ) = n. 3. Puesto que (1, x, , xn ) (Pn (C))n+1 es una base de Pn (C), tendremos que dim(Pn (C)) = n + 1. A esta base la denominaremos base usual de Pn (C). Adems del teorema de equipotencia de bases en un K e.v. de dimensin nita, de la proposicin (2.5.9) tambin se pueden obtener de manera inmediata los siguientes resultados.
entonces se verica que:
Proposicin 2.5.12 Si E es un K e.v. y {u1 , , un } es una base de E,

1. ({v1 , , vm } sistema de vectores de E (m > n)) {v1 , , vm } ligado; 2. {v1 , , vn } sistema libre de vectores de E {v1 , , vn } base; 3. {v1 , , vn } sistema generador de E {v1 , , vn } base.
2. Evidente a partir de la proposicin (2.4.13) y 1. 3. Si {v1 , , vn } es un sistema generador de E y {v1 , , vn } es ligado, entonces (aplicando la proposicin (2.4.11) hasta reducir el sistema {v1 , , vn } a un sistema libre,) existirn r N, r n y una base B = {w1 , , wr } de E, tales que i {1, r} j {1, , n} de manera que wi = vj . Pero puesto que {w1 , , wr } es una base de E, r = n y puesto que {w1 , , wn } es libre y la n tupla {v1 , , vn } no es ms que una reordenacin de la ntupla {w1 , , wn }, resulta que {v1 , , vn } es libre.2
Demostracin 1. Evidente a partir de la proposicin (2.5.9).
Ejercicio 2.5.2 Vericar que el sistema {1, 1 + x, x2 } es una base de P2 (C).
120
lgebra
2.6 Subespacios vectoriales y dimensin

Observacin 30 Si E es un Ke.v. de dimensin nita y H
E, entonces H tambin es de dimensin nita y dim(H) dim(E), puesto que cualquier sistema libre de vectores de H tambin es un sistema libre de vectores de E. Ntese adems que si H es un subespacio vectorial de E tal que dim(H) = dim(E), se verica necesariamente que H = E, puesto que si (u1 , , un ) H n es una base de H, entonces (u1 , , un ) tambin es una base de E, puesto que es un sistema libre de n vectores de E, y en consecuencia al poder expresar todo vector de E como combinacin lineal de (u1 , , un ), todo vector de E ser tambin un vector de H, con lo que H = E.
nitamente generado con dim(E) = n, H base de H con m < n entonces existe
Proposicin 2.6.1 (Teorema de extensin de una base) Si E es un K e.v.

E y (u1 , , um ) H m es una
(um+1 , , un ) Enm
tal que (u1 , , um , um+1 , , un ) es una base de E.
Demostracin Razonamos por induccin sobre n m : Base de induccin. Si n m = 1, entonces m = n 1 y (u1 , , um ) =
(u1 , , un1 ). Ahora bien, como (u1 , , un1 ) es una base de H, (u1 , , un1 ) es un sistema libre, y por otra parte, teniendo en cuenta que dim(E) = n, resulta que (u1 , , un1 ) no es una base de E, y por consiguiente v E tal que v no es combinacin lineal de (u1 , , un1 ); pero, en ese caso, tendremos que (u1 , , un1 , v) En es un sistema libre, con lo que obtenemos que (u1 , , un1 , v) es una base de E. Paso de induccin. Supongamos cierto el resultado para n m = k, y sea E un K e.v. tal que dim(E) = n, H E y (u1 , , um ) H m una base de H tal que n m = k + 1. En ese caso (u1 , , um ) es un sistema libre de E y, puesto que m < n, (u1 , , um ) no es base de E, por lo que v E tal que v no es combinacin lineal de (u1 , , um ). Por consiguiente (u1 , , um , v) es libre. Pero en ese caso, si consideramos el subespacio vectorial H = L({ui |i {1, , m}} {v}), resulta que todo vector de H se expresa como combinacin lineal de (u1 , , um , v) y que adems este sistema es libre, con lo que (u1 , , um , v) es una base de H . Ahora bien, dim(H ) = m + 1, y por lo tanto, teniendo en cuenta que n m = k + 1,
lgebra
121
resulta que n (m + 1) = k, con lo que aplicando la hiptesis de induccin, (um+2 , , un ) En(m+1) tal que (u1 , , um , v, um+2 , , un ) es una base de E; es decir, la demostracin est completa. 2
Observacin 31 Ntese que el resultado anterior tiene como consecuencia que si (u1 , , um ) es un sistema libre de vectores de E y
dim(E) = n > m,
entonces (um+1 , , un ) Enm tal que
(u1 , , um , um+1 , , un )
es una base de E, puesto que si es libre, (u1 , , um ) es un sistema generador del subespacio vectorial
H = L({ui |i {1, , m}}).
E, si dim(H) = 1 se dice que H es una recta de E, si dim(H) = 2, se dice que H es un plano de E, y si dim(E) = n y dim(H) = n 1, se dice que H es un hiperplano de E. As por ejemplo, en el C e.v. P4 (C) = {f C[x] |gr(f ) 4}, podemos armar que L((1)) = {f P4 (C) | C..z C f (z) = ( 1) (z) = }
es una recta de P4 (C), que L((x, x2 )), es decir, el conjunto
Nota. Dados un K e.v. E, y H
{f P4 (C) (, ) C2 ..z C f (z) = x + x2 (z) = z + z 2 }

es un plano de P4 (C) y que L((1, x, x2 , x3 )) es un hiperplano de P4 (C).
R3 , H = R3 , resulta que dim(H) = 0, 1 2. Si dim(H) = 0, H = {(0, 0, 0)}. Si dim(H) = 1, y u = (x, y, z) H, u = (0, 0, 0), tendremos que H = L({u}) = {v R3 | R tal que v = u }, y es fcil ver que la representacin grca de H es la recta que pasa por el punto (0, 0, 0) (puesto que 0 = (0, 0, 0) H al ser H R3 ) y el punto (x, y, z). Finalmente, si dim(H) = 2, y (u, v) es una base de H, resulta que H = {w R3 |(, ) R2 tal que w = u + v } y es fcil ver que la representacin grca de H es el plano de R3 que pasa por (0, 0, 0) y por u y v.
Observacin 32 Puesto que dim(R3 ) = 3, si H
122
lgebra
2.7 Rango de un sistema de vectores y de una matriz

Denicin 2.7.1 Sean E un K-e.v. y {u1 , , um } un sistema de vectores E. Se denomina rango del sistema {u1 , , um } a la dimensin del
subespacio vectorial L(u1 , , um ). Para indicar que el rango del sistema {u1 , , um } es r escribiremos
rg(u1 , , um ) = r.
Por otra parte, rg((1, 0, 0), (0, 1, 0)) = 2, puesto que al ser {(1, 0, 0), (0, 1, 0)} un sistema libre, constituyen una base del subespacio vectorial que generan.
Ejemplo 2.7.2 En el espacio vectorial R3 , rg((1, 0, 0), (0, 1, 0), (0, 0, 1)) = 3.
Ejemplo 2.7.3 En el espacio vectorial P2 (C), rg(1, x2 , 1 + x2 ) = 2.

A tenor de los resultados vistos hasta ahora, resulta evidente que
rg(u1 , , um , v) = rg(u1 , , um ) v L(u1 , , um ).
al rango de dicho sistema de vectores, es decir,
Denicin 2.7.4 Sea A Mmn (K). Si {A1 , , An } es el sistema de vectores de Mm1 (K) formado por las columnas de A, se denomina rango de A
rg(A) = rg(A1 , , An ). 1 1 1 Ejemplo 2.7.5 Dada la matriz A = 1 1 0 M3 (R), se verica que 1 0 0 1 1 1 1 1 0 ). rg(A) = rg( 1 0 0
Ahora bien, si
1 1 1 0 1 + 1 + 0 = 0 , 1 0 0 0
lgebra
123
tendremos que
++ =0 + =0 =0
de donde = 0 = = , es decir, el sistema es libre, de donde 1 1 1 rg( 1 1 0 ) = 3 0 0 1 y, en consecuencia, rg(A) = 3.
Denicin 2.7.6 Si A Mmn (K), al subespacio de Mm1 (K) generado por las columnas de A, L(A1 , , An ), se le denomina espacio columna de A.
Tras el estudio de la siguiente seccin, veremos un mtodo sistemtico y sencillo para determinar el rango de un sistema de vectores, que obviamente servir tambin para determinar el rango de una matriz.
2.8
El teorema de Rouch-Frbenius
Es importante observar que dado un sistema de m ecuaciones lineales con n incgnitas y con coecientes en K de la forma a11 x1 + + a1n xn = b1 , . . . a x + + a x = b ,
m1 1 mn n m
determinar el conjunto solucin de dicho sistema (i.e., resolver dicho sistema cuando es compatible) signica determinar si existen x1 , , xn de manera que se satisfaga la siguiente expresin: b1 a1n a11 . . . x1 . + + xn . = . , . . . bm amn am1 que, de forma reducida, expresaremos:
x1 A1 + + xn An = b,
124 donde
lgebra
a1j . j {1, , n} Aj = . . amj
b1 . b = . . . bm
(Ntese que la expresin anterior es una ecuacin lineal de Mm1 (K)). b1 . Es decir, el sistema ser compatible si . Mm1 (K) se puede . bm expresar como combinacin lineal de los vectores columna de Mm1 (K) a11 a1n . . . , , . . . . am1 amn Los resultados vistos sobre dependencia e independencia lineal aplicados a este caso concreto nos llevan al siguiente resultado:
Proposicin 2.8.1 Dado el sistema de ecuaciones lineales

a11 x1 + + a1n xn = b1 , . . . a x + + a x = b , m1 1 mn n m
o, lo que es lo mismo,
AX = b
con A Mmn (K) y b Mm1 (K) y siendo S el conjunto formado por las soluciones del mismo, las siguientes armaciones son equivalentes: 1. El sistema de ecuaciones es compatible (es decir, S = ); 2. b L(A1 , , An ); 3. L(A1 , , An ) = L(A1 , , An , b). 4. rg(A) = rg(A |b) , donde (A |b) es la matriz ampliada asociada al sistema de ecuaciones considerado.
lgebra
125
Por otra parte, teniendo en cuenta que si un vector se escribe como combinacin lineal de un sistema libre, dicha expresin es nica, resulta que:
Proposicin 2.8.2 Si el sistema de ecuaciones lineales

AX = b
con A Mn (K) y b Mn1 (K) es compatible, son equivalentes las armaciones siguientes: 1. El sistema es compatible determinado. 2. (A1 , , An ) es un sistema libre de Mn1 (K). 3. (A1 , , An ) es una base de Mn1 (K). 4. rg(A1 , , An ) = n. 5. rg(A) = rg(A |b) = n.
Al resultado sobre la existencia y unicidad de soluciones de un sistema de ecuaciones lineales que aparece desglosado en las dos ltimas proposiciones se le conoce con el nombre de Teorema de Rouch-Frbenius. As por ejemplo, el sistema de ecuaciones con coecientes en R
x + y = 2, 2x + 2y = 4,
da lugar a la siguiente combinacin lineal de M21 (R)
1 2
+y
1 2
2 4
As pues el sistema es compatible, puesto que
2 4
e indeterminado, ya que
L(
1 2
1 2
1 2
1 2
) (M21 (R))2
126 es un sistema ligado.
lgebra
B es una base ordenada de E, siendo v1 , , vm , u E, resulta que, al estar caracterizado un vector por sus coordenadas respecto de una base ordenada,
m m
Nota importante. Obsrvese que si E es un K e.v. de dimensin n y
i vi = u
i=1 i=1
i (vi )B = (u)B .
La expresin situada a la derecha del smbolo es una ecuacin lineal de Mn1 (K), de modo que puede ser considerada como un sistema de ecuaciones lineales. As pues, determinar si un vector u E depende linealmente o no de un sistema de vectores dado v1 , , vm y hallar, en su caso, 1 , , m K tales que
m
i vi = u,
i=1
consistir en jar una base B del espacio vectorial E para estudiar (y, en su caso, resolver) la ecuacin lineal de Mn1 (K)
m
i (vi )B = (u)B
i=1
o, si se preere, el sistema de ecuaciones lineales equivalente. 1. En el espacio vectorial P2 (C) de los polinomios de grado 2, para determinar si el vector 3 2x + x2 pertenece o no al subespacio vectorial L(x2 + x, x 3), debemos estudiar si existen , C tales que
Ejemplos.
(x2 + x) + (x 3) = 3 2x + x2 ;
siendo B = (1, x, x2 ), el problema anterior es equivalente a
(x2 + x)B + (x 3)B = (3 2x + x2 )B ;

es decir,
0 3 3 1 + 1 = 2 , 1 0 1
lgebra o, lo que es lo mismo, a resolver el sistema de ecuaciones: 3 = 3, + = 2, = 1, que tiene como solucin = = 1. 2. Resolver el sistema de ecuaciones lineales
127
xy =2 3x + y = 0,
es equivalente a ver si es posible expresar el vector lineal de los vectores
2 0
como combinacin
1 3 x 1 3
1 1 +y
de la forma:
1 1
2 0
Este sistema de ecuaciones es compatible determinado, puesto que el sistema 1 1 ( , ) es un sistema libre de M21 (R) y, puesto que la dimensin 3 1 2 de M21 (R) es 2, constituye una base y cualquier vector (en particular ) 0 se puede expresar como combinacin lineal suya.
Teorema 2.8.3 Dado el sistema de ecuaciones lineales

a11 x1 + + a1n xn = b1 , . . . a x + + a x = b , m1 1 mn n m AX = b
con A Mmn (K) y b Mm1 (K) y siendo S el conjunto formado por las soluciones del mismo, se verica que: 1. El conjunto SH solucin de la ecuacin homognea
o, lo que es lo mismo,
x1 A1 + + xn An = (0),
es un subespacio vectorial de Kn .
128
lgebra
2. Si la ecuacin lineal (o, si se preere, el sistema de ecuaciones lineales)
x1 A1 + + xn An = b,
es compatible, S es su conjunto solucin, y (1 , , n ) S, entonces (1 , , n ) Kn
((1 , , n ) S ((1 , , n ) (1 , , n )) SH )
Demostracin Ejercicio.
Observacin 33 Como consecuencia del teorema anterior, el conjunto solu-
cin de un sistema de ecuaciones lineales se obtiene sumando a una solucin cualquiera de dicho sistema todas las soluciones del sistema homogneo asociado. Es decir, si (1 , , n ) es una solucin cualquiera del sistema de ecuaciones lineales, x1 A1 + + xn An = b, siendo S su conjunto solucin y SH el conjunto solucin del sistema homogneo asociado, se verica que:
S=
(1 , , n ) Kn
(1 , , n ) SH .. (1 , , n ) = (1 , , n ) + (1 , , n )
Es usual recalcar esta circunstancia escribiendo
S = (1 , , n ) + SH .
Por otra parte, si (1 , , n ) es una solucin cualquiera de la ecuacin lineal x1 A1 + + xn An = b, y (1 , , n ) es una solucin de la ecuacin lineal
x1 A1 + + xn An = c,
resulta que (1 + 1 , , n + n ) es solucin de la ecuacin lineal
x1 A1 + + xn An = b + c.
Este hecho se conoce con el nombre de principio de superposicin de
soluciones.
lgebra
129
Denicin 2.8.4 Dado el sistema de ecuaciones lineales,

x1 A1 + + xn An = b,
con A Mmn (K) y b Mm1 (K), denominaremos sistema fundamental de soluciones de dicho sistema a cualquier base del espacio vectorial SH de soluciones de su ecuacin homognea asociada.
Observacin 34 Ntese que si (w1 , , wr ) es un sistema fundamental de soluciones del sistema de ecuaciones lineales
x1 A1 + + xn An = b,
siendo S su conjunto solucin y s S una solucin particular de dicha ecuacin, se verica que
u S 1 , , r K tal que u = s + 1 w1 + + r wr .
Ejemplo: Dado el sistema de ecuaciones lineales

x + y + z = 2, 2x + 2y + 2z = 4,
la ecuacin lineal de M21 (R) correspondiente es
1 2
+y
1 2
+z
1 2
2 4 1 2
. , 1 2 , 1 2 )
El sistema es compatible e indeterminado de hecho ( es un sistema ligado y
2 1 1 1 1 L( , , ) = L( ). 4 2 2 2 2 El conjunto solucin se puede expresar mediante la suma de una solucin particular del sistema a todas las del homogneo. Resolviendo el sistema homogneo asociado por el mtodo de Gauss-Jordan tenemos que la solucin es x = s t, y = s, z = t,
130 es decir,
lgebra
x 1 1 y = s 1 + t 0 z 0 1 (x, y, z) = s(1, 1, 0) + t(1, 0, 1).
o, si se preere, Los vectores (1, 0, 1) y (1, 1, 0) constituyen una base de SH . Por consiguiente ((1, 0, 1), (1, 1, 0)) es un sistema fundamental de soluciones del sistema dado. Como (0, 0, 2) es una solucin particular de dicha ecuacin, resulta que:
S = {(x, y, z) R3
, R .. (x, y, z) = }. = (0, 0, 2) + (1, 1, 0) + (1, 0, 1)
2.9 Mtodo de Gauss y rango

En esta seccin vamos a ver un mtodo sistemtico que servir para determinar el rango de una matriz y de un sistema de vectores.
2.9.1 Transformaciones elementales por columnas y matrices elementales

Al estudiar un mtodo para hallar la inversa de una matriz, vimos en el captulo 1 que las transformaciones elementales por las son invertibles, y que la inversa de una transformacin elemental es una transformacin elemental, segn el cuadro TRANSFORMACIN Fi = Fi + Fj TRANSFORMACIN INVERSA Fi = Fi Fj 1 Fi = Fi Fi Fj
Fi = Fi ( = 0) Fi Fj
lgebra
131
Por el mismo motivo, las correspondientes transformaciones elementales por columnas son invertibles, y la tabla correspondiente ser la siguiente: TRANSFORMACIN Ci = Ci + Cj TRANSFORMACIN INVERSA Ci = Ci Cj 1 Ci = Ci Ci Cj
Ci = Ci ( = 0) Ci Cj
Denotamos por S ij () a la matriz elemental asociada a la transformacin Ci = Ci + Cj , por P i () a la matriz elemental asociada a la transformacin Ci = Ci ( = 0) y por E ij a la matriz elemental asociada a la transformacin Ci Cj . No es difcil vericar (y lo comprobaremos tambin al realizar la prctica 2 en el aula informtica) que valen las siguientes identidades:
S ij () = Sji () P i () = Pi () E ij = Eij
Adems vale el siguiente teorema:
Teorema 2.9.1 Si A Mmn (K) y E es la matriz elemental de orden n

que se obtiene al realizar la transformacin elemental t sobre las columnas de In , segn el esquema t In E,
entonces si A es la matriz resultante de realizar la transformacin t sobre las columnas de A segn el esquema
t A A ,
resulta que
A =AE
132
lgebra
Es decir, en este caso hay que multiplicar por la matriz elemental correspondiente pero por la derecha en lugar de por la izquierda.
sobre la matriz
Ejercicio 2.9.1 Verifquese el resultado anterior para t C2 = C2 + 3C1

1 0 2 A = 3 1 1 , 0 1 4
es decir, comprobar que si A es la matriz resultante de hacer actuar t sobre A, entonces A = A S 21 (3) = A S12 (3).
2.9.2 Mtodo de Gauss para calcular el rango de una matriz

Buscamos un mtodo que nos permita determinar de un modo sencillo el rango de una matriz A Mmn (K). Para ello, vamos a comprobar en primer lugar que al realizar transformaciones elementales sobre las columnas de una matriz A no se altera su rango. El siguiente lema se aplicar en la demostracin del teorema principal:
Lema 2.9.2 Si E es un K e.v. y (u1 , , un ) y (v1 , , vm ) son sistemas

de vectores de E, se verica que
u1 , , un L(v1 , , vm ) L(u1 , , un ) = L(v1 , , vm ) v1 , , vm L(u1 , , un )
Demostracin Se deja como ejercicio.
Teorema 2.9.3 Si A Mmn (K), y B Mmn (K) es la matriz resultado
de realizar una transformacin elemental por columnas t sobre A, se verica que rg(A) = rg(B)
lgebra
133
Demostracin Para demostrar el resultado, comprobaremos que si

t A B,
entonces L(A1 , , An ) = L(B 1 , , B n ), con lo que rg(A) = rg(B). Distingamos tres posibilidades: a) t Ci = Ci + Cj . En ese caso todos los vectores columna de A y B coinciden, salvo el i esimo; pero B i = Ai + Aj y Ai = B i Aj = i j B B , con lo que, teniendo en cuenta el lema anterior, concluimos que L(A1 , , An ) = L(B 1 , , B n ). b) t Ci = Ci ( = 0). En ese caso todos los vectores columna de A y B coinciden, salvo el i esimo; pero B i = Ai y Ai = (1 )B i , con lo que, teniendo en cuenta el lema anterior, concluimos que L(A1 , , An ) = L(B 1 , , B n ). c) Finalmente si t Ci Cj , es obvio que L(A1 , , An ) = L(B 1 , , B n ). 2 Es obvio, a partir de la proposicin anterior, que si en lugar de realizar una transformacin elemental, realizamos un nmero nito de ellas t1 , , tr el rango se conserva. Es decir, si
t1 tr A , , B,
necesariamente rg(A) = rg(B). Vamos a considerar ahora un tipo de matrices cuyo rango se calcula de un modo sencillo:
Denicin 2.9.4 Se dice A Mmn (K) es una matriz gaussiana si j

{1, , n} la columna Aj de A verica una de las dos siguientes condiciones:
G.1 Aj = (0) Mm1 (K), G.2 i {1, , m} tal que
Aj (i, 1) = A(i, j) = 0 (k {j + 1, , n} A(i, k) = 0) .
134
lgebra
Ejemplo 2.9.5 Las siguientes matrices son gaussianas

3 0 1 0 1 1 0 1 1 0 2 0 1 , 0 1 0 0 1 0 1 1 0 0 0 0 Sin embargo la matriz , 0 1 1 0 0 0 , 0 0 0 0 0 0 0 1 1 1 1 0 1 1 1 1 1 0 1 0
2 1 0 0 0 , 0 1 0 . 0 0 0 1 0
2 1 2 0 0
no es gaussiana, pues el primer vector columna no satisface ni la condicin G.1 ni la condicin G.2.
Proposicin 2.9.6 Si A Mmn (K) es una matriz gaussiana, entonces el
rango de A coincide con el nmero de vectores columna no nulos de A. En particular, los vectores columna no nulos de la matriz gaussiana A constituyen una base del espacio columna de dicha matriz,
L(A1 , , An ).
Demostracin Sea
I = {i {1, , n} Ai = (0) },
y supongamos que el nmero de elementos de I es k. Por el teorema 2.9.3 podemos aplicar transformaciones elementales por columna y suponer que la columnas nulas de A sean las ltimas. Entonces
I = {1, , k} k n.
Consideremos el sistema
(A1 , , Ak ).
Si demostramos que el sistema (A1 , , Ak ) es libre, habremos concluido la demostracin, pues
i {k + 1, , n}, Ai = (0).
lgebra
135
Razonamos por reduccin al absurdo. Supongamos que

(1 , , k ) Kk , (1 , , k ) = (0, , 0),
tal que En ese caso, siendo
1 A1 + + k Ak = (0). t = min{i I |i = 0 },
resulta que At = (0) y, como A es una matriz gaussiana, existir
h {1, , m} tal que A(h, t) = = 0

y tal que s {t + 1, , n}
A(h, s) = 0,
o lo que es lo mismo, y s {t + 1, , n},
At (h, 1) = As (h, 1) = 0.
Pero en ese caso tendremos que
0 = (0)(h, 1) = t At + + k Ak (h, 1) = = t At (h, 1) + + k Ak (h, 1) = t ,

de donde t = 0, lo que contradice que t = min{i I |i = 0 }.
A partir de la proposicin anterior, est claro en qu consiste el mtodo de Gauss para determinar el rango de una matriz: se trata de realizar transformaciones elementales por columna sobre dicha matriz hasta obtener una matriz gaussiana, cuyo rango se determina de manera inmediata. Esto es siempre posible aplicando la siguiente estrategia sobre la matriz considerada A de n columnas: 1. Consideramos la primera columna de A : j = 1. 2. Si Aj = (0) ir al paso 4. 3. Si Aj = (0) seleccionar un coeciente no nulo de dicha columna y hacer ceros (utilizando transformaciones elementales por columnas) todos los coecientes situados en su misma la a su derecha.
136
lgebra 4. Hacemos j = j + 1. 5. Si j = n. FIN. 6. Si j < n ir al paso 2. La nueva matriz obtenida tras el proceso anterior es una matriz gaussiana.
Ejercicio 2.9.2 Determinar el rango de las siguientes matrices:

1 1 2 0 . 2 1 0 1 1 1 , 1 1 1 3 2 5 1 1 1 0 1 0 , 1 1 1 2 1 0
2 1 2 1 1 , 0 1 1 1 2 0 2 1
Observacin 35 Si el problema que se intenta resolver consiste en deter-
minar el rango de un sistema de vectores {v1 , , vm } de un K e.v. E de dimensin nita, jada una base ordenada B de E, consideraremos la matriz C Mnm (K) tal que i {1, , m}
C i = (vi )B
y realizaremos transformaciones elementales por columnas sobre C hasta obtener una matriz gaussiana.

habitual, para determinar el rango del sistema
{(2, 1, 1), (1, 1, 0), (1, 0, 0)},

consideramos la matriz cuyas columnas son las coordenadas de los vectores del sistema anterior respecto de la base cannica B3 de R3 2 1 1 C= 1 1 0 1 0 0 y observamos que es una matriz gaussiana, por lo que rg(C) = 3, i.e.,
rg((2, 1, 1), (1, 1, 0), (1, 0, 0)) = rg((2, 1, 1)B3 , (1, 1, 0)B3 , (1, 0, 0)B3 ) = = rg(C) = 3
es decir {(2, 1, 1), (1, 1, 0), (1, 0, 0)} es libre, y puesto que dim(R3 ) = 3, resulta que es una base de R3 .
lgebra
137
Ejemplo 2.9.8 Para hallar el rango del sistema de vectores

{1 + x 2x2 , 2 2x3 , x 2x2 + x3 }
del Ce.v. P3 (C) consideramos la base B = (1, x, x2 , x3 ), y la matriz A cuyas columnas son las coordenadas de los vectores del sistemas dado respecto de B, es decir, 1 2 0 1 0 1 A= 2 0 2 . 0 2 1 El rango del sistema de vectores es el rango de A. 1 2 0 1 2 1 c3 = c3 1 c2 c3 = c3 c1 2 1 0 1 1 0 0 2 0 2 2 0 0 0 2 1 0 2 1 1 2 0 1 0 0 2 0 0 0 2 0 con lo que
rg(1 + x 2x2 , 2 2x3 , x 2x2 + x3 ) = rg(A) = 2.

Adems hemos obtenido que 1 2 1 0 L( 2 0 0 2
0 1 2 0 1 0 0 1 ) = L( 2 0 0 ) = 2 1 0 2 0 1 2 1 0 = L( 2 0 ) 0 2 con lo que los vectores cuyas coordenadas corresponden a estas dos ltimas matrices columna son linealmente independientes y constituyen una base del subespacio considerado, es decir, (1 + x 2x2 , 2 2x3 ) es una base de L(1 + x 2x2 , 2 2x3 , x 2x2 + x3 ).
138
lgebra
Una vez obtenido un mtodo sistemtico para determinar el rango de un sistema de vectores, podemos aplicar dicho mtodo de forma anloga al ejemplo anterior para:
determinar si un vector u pertenece o no a la variedad lineal generada por un sistema dado de vectores (v1 , , vm ), estudiando si rg(v1 , , vm , u) = rg(v1 , , vm ), obtener una base de un subespacio vectorial a partir de un sistema generador del mismo.
2.9.3 Algoritmo de extensin de una base

Sea H un subespacio de dimensin k de un espacio vectorial E de dimensin nita n. Dada una base BH = {u1 , , uk } de H, queremos determinar un algoritmo para extender la base BH hasta obtener una base BE del espacio vectorial E, en el que H est sumergido. Sea B una base pre-jada del espacio total E. Es suciente con considerar la matriz U cuyas columnas son las coordenadas de los vectores {u1 , , uk } (que constituyen la base BH del subespacio vectorial H ) respecto de la base B , aadir a esa matriz los vectores columna de la matriz identidad de orden la dimensin del espacio total E (el rango de la nueva matriz (U |In ) es n) y aplicar el mtodo de Gauss por columnas sin intercambiar el orden de las columnas. Las n columnas no nulas de la matriz gaussiana G obtenida son las coordenadas, respecto de la base B, de los n vectores de una base del espacio total E (rango(G) = rango(U |In )). Ahora, las columnas de la matriz original (U |In ) correspondientes a las columnas no nulas de G dan las coordenadas, respecto de la base B, de n vectores que son una extensin de la base BH .
L(u1 , u2 ), donde, respecto de la base cannica, u1 = (1, 1, 2, 0) y u2 = (1, 1, 1, 1). El sistema libre BH = {u1 , u2 } es una base de H. Aplicando el mtodo de Gauss a la matriz (U |I4 ) se obtiene: 1 0 0 0 0 0 1 1 1 0 0 0 1 1 0 1 0 0 c2 = c2 c1 1 2 1 1 0 0 2 1 0 0 1 0 c3 = c3 c1 2 1 2 0 1 0 0 1 0 0 0 1 0 1 0 0 0 1
Ejemplo 2.9.9 Sean E = R4 y B = B4 la base cannica de R4 . Sea H =
lgebra
139
c6 = c6 c2 1 0 0 1 2 1 2 1 2 0 1 0
1 0 0 1 2 1 2 1 2 0 1 0 0 0 0 0 0 0 2 1 3 0 0 0
0 0 c = c4 c3 0 2 4 c6 = c6 + 2c3 1 1 0 0 1 0 0 c5 = c5 1 c4 2 1 2 1 c6 = c6 + 3 c4 2 2 1 2 0 1 0 0 1 0 0
0 0 2 0
0 0 0 0
0 0 . 0 0
Entonces los vectores de coordenadas cannicas {(1, 1, 2, 0), (1, 1, 1, 1), (1, 0, 0, 0), (0, 1, 0, 0)} forman una extensin de BH a una base de R4 .
2.9.4 Rango y espacio la de una matriz

por las las de A, L(A1 , , Am ), se le denomina espacio la de A.
Denicin 2.9.10 Si A Mmn (K) al subespacio de M1n (K) generado
Vamos a demostrar que la dimensin del espacio la de una matriz coincide con la dimensin de su espacio columna:
Teorema 2.9.11 Si A Mmn (K) entonces

rg(A) = dim(L(A1 , , Am )) = dim(L(A1 , , An )).
Demostracin Dada A Mmn (K), supongamos que (b1 , , bk ) es una

base de L(A1 , , Am ), donde i {1, , k} bi = (bi1 , , bin ). En ese caso A1 = c11 b1 + + c1k bk . . .
Am = cm1 b1 + + cmk bk .
Ahora bien, esta ltimas son igualdades entre vectores de M1n (K), por lo que los coecientes correspondientes de las matrices la situadas a ambos lados de la igualdad debern coincidir, es decir, j {1, , n}
a1j = c11 b1j + + c1k bkj . . . amj = cm1 b1j + + cmk bkj .
140
lgebra
Las igualdades anteriores se pueden expresar matricialmente j {1, , n} del siguiente modo: a1j c11 c1k . . . . = b1j . + + bkj . . . .
amj
cm1
cmk
Pero de estas igualdades se sigue que c1k c11 . . A1 , , An L( . , , . ) . . cm1 cmk con lo que
dim(L(A1 , , An )) k. dim(L(A1 , , An )) dim(L(A1 , , Am )).
Pero k = dim(L(A1 , , Am )), con lo que hemos probado que Por otra parte, teniendo en cuenta que la matriz considerada A era una matriz arbitraria, podemos aplicar el razonamiento anterior a la matriz t A obteniendo:
dim(espacio columna de t A) dim(espacio la de t A),

pero esta desigualdad es equivalente a la siguiente:
dim(espacio la de A) dim(espacio columna de A),

con lo que, en denitiva, obtenemos que
dim(L(A1 , , Am )) = dim(L(A1 , , An )). 2
Observacin 36 De forma anloga a como se ha visto con las columnas, se puede demostrar que las operaciones elementales por las no cambian el rango de una matriz. Como consecuencia del teorema anterior, el rango de una matriz se puede obtener tambin operando por las en lugar de por columnas. De hecho, no es difcil convencerse de que los vectores la distintos de cero de una matriz en forma escalonada constituyen una base del espacio la de A, por lo que el mtodo de eliminacin gaussiana por las es un mtodo alternativo al mtodo de Gauss visto para determinar el rango de una matriz.
lgebra
141
Como colofn, y para nalizar esta parte del captulo, vamos a recoger en un teorema varios resultados equivalentes como consecuencia de todo lo visto:
Teorema 2.9.12 Si A Mn (K) son equivalentes:
1. A es invertible. 2. El sistema de ecuaciones lineales AX = (0) slo tiene la solucin trivial. 3. A es equivalente por las a In . 4. El sistema AX = b es compatible determinado para toda matriz columnas b Mn1 (K). 5. rg(A) = n. 6. Los vectores la de A son linealmente independientes. 7. Los vectores columna de A son linealmente independiente. 8. det(A) = 0. (Esta ltima condicin quedar establecida ms claramente despus de realizar la prctica 2 en el aula informtica).
2.10
Ejercicios
2.10.1 Ejercicios resueltos

1. Encontrar un vector u diferente de cero cuyo punto inicial es P = (1, 3, 5) tal que a) u tiene la misma direccin que v = (6, 7, 3). b) u tiene direccin opuesta a la de v = (6, 7, 3). 2. Sean u = (3, 1, 2), v = (4, 0, 8),y w = (6, 1, 4). Encontrar los escalares c1 , c2 , c3 tales que c1 u + c2 v + c3 w = (2, 0, 4). 3. Demostrar que no existen los escalares c1 , c2 , c3 tales que c1 (2, 9, 6)+ c2 (3, 2, 1) + c3 (1, 7, 5) = (0, 5, 4). 4. Sean P el punto (2, 3, 2) y Q el punto (7, 4, 1). a) Encontrar el punto medio del segmento de recta que une a P y Q. b) Encontrar el punto sobre el segmento de recta que une a P y Q y est 3 a 4 de la distancia de P a Q.
142
lgebra
5. Suponer que la traslacin de un sistema de coordenadas xy se hace para obtener un sistema de coordenadas x y cuyo origen O tiene las coordenadas (2, 3). a) Encontrar las coordenadas x y del punto P cuyas coordenadas xy son (7, 5). b) Encontrar las coordenadas xy del punto Q cuyas coordenadas x y son (3, 6). c) Trazar los ejes de coordenadas xy y x y y localizar los puntos P y Q. 6. Demostrar geomtricamente que si u y v son vectores en el espacio bidimensional o en el espacio tridimensional, entonces
u+v u
7. a) Demostrar que v = (a, b) y w = (b, a) son vectores ortogonales. b) Usar el resultado del inciso a) para encontrar dos vectores que sean ortogonales a v = (2, 3). c) Encontrar dos vectores unitarios que sean ortogonales a (3, 4). 8. Explicar por qu cada una de las siguientes expresiones carece de sentido. Si u, v, w son vectores en el plano o en el espacio tridimensional y k es un nmero real, a) u (v w). b) (u v) + w. c) u v . d) k (u + v). 9. Sean vectores i, j y k unitarios a lo largo de los ejes positivos x, y y z de un sistema de coordenadas rectangulares en el espacio tridimensional. Si v = (a, b, c) es un vector diferente de cero, entonces los ngulos , ,y entre v y los vectores i, j y k , respectivamente, se denominan ngulos directores de v , y los nmeros cos(), cos() y cos() se denominan cosenos directores de v. a) Demostrar que cos() = a . v b) Encontrar cos() y cos(). c) Demostrar que v = (cos(), cos(),cos()). v
lgebra d) Demostrar que cos2 () + cos2 () + cos2 () = 1.
143
10. Demostrar que si v es ortogonal tanto a w1 como a w2 , entonces v es ortogonal a k1 w1 + k2 w2 para todos los escalares k1 y k2 . 11. Encontrar las ecuaciones paramtricas de la recta que pasa por los puntos dados. a) P = (5, 2, 4) y Q = (7, 2, 4). b) P = (0, 0, 0) y Q = (2, 1, 3). x=0 y=t 12. Demostrar que la recta r : <t< z=t a) pertenece al plano 1 : 6x + 4y 4z = 0, b) es paralela al plano 2 : 5x 3y + 3z = 1 y est por abajo de ste, c) es paralela al plano 3 : 6x + 2y 2z = 1 y est por arriba de ste. 13. Encontrar la ecuacin del plano 1 que pasa por el punto P = (3, 6, 7) y es paralelo al plano 2 : 5x 2y + z 5 = 0. 14. Demostrar que las rectas x 3 = 4t x + 1 = 12s y4=t y 7 = 6s , r1 : < t < y r2 : z1=0 z 5 = 3s se cortan y encontrar el punto de interseccin. 15.
<s<
15. Hallar la ecuacin del plano que contiene las rectas del ejercicio
v v
16. Demostrar que si v es un vector diferente de cero en Rn , entonces tiene la norma eucldea 1. 17. Para qu valores de k se cumple que u y v son ortogonales? a) u = (2, 1, 3), v = (1, 7, k). b) u = (k, k, 1), v = (k, 5, 6).
144
lgebra
2
18. Demostrar la identidad u + v 2 + u v 2 = 2 u 2 + 2 v vectores en Rn . Interpretar geomtricamente este resultado en R2 .
para
19. Demostrar que si u y v son vectores ortogonales en Rn tales que u = 1 y v = 1, entonces d(u, v) = 2. Interpretar geomtricamente este resultado en R2 . 20. Sea (F(R, R), +, ) el espacio vectorial de las funciones de R en R. Determinar si los siguientes conjuntos son o no subespacios vectoriales de F(R, R) : a) {f F(R, R) |x R f (x) = f (x)} . b) {f F(R, R) | f (1) = 0} . c) {f F(R, R) | f (2) = f (3)} . 21. Demostrar que el subconjunto H formado por todas las n tuplas de nmeros reales tales que los elementos de cada n tupla forman una progresin aritmtica, es un subespacio vectorial de Rn . 22. Se dice que A Mn (K) es simtrica si t A = A. Si denotamos por Sn (K) al conjunto de las matrices simtricas de orden n, demostrar que Sn (K) es un subespacio vectorial de Mn (K). Recordemos que una matriz A Mn (K) es antisimtrica si t A = A. Constituyen las matrices antisimtricas un subespacio vectorial de Mn (K)? Justifquese la respuesta. 23. En R4 se considera el subespacio vectorial H = L(A) generado por el conjunto A de vectores A = {(1, 1, 0, 0), (0, 1, 1, 0), (2, 1, 1, 0), (3, 3, 0, 0). Pertenece el vector (1, 1, 1, 0) al subespacio vectorial H? 24. En el R e.v. R3 con su estructura de espacio vectorial habitual determinar si los sistemas de vectores
(1, 1, 1), (1, 1, 0), (1, 0, 0) y (1, 2, 3), (2, 0, 1), (1, 2, 2)
son libres o ligados. 25. Consideramos el Z2 espacio vectorial de los bytes (Z8 , +, ) con la 2 suma y producto por escalares ya denidos. Se pide determinar si el sistema de vectores (1, 0, 0, 0, 1, 1, 1, 0), (0, 1, 1, 1, 1, 1, 1, 0)
lgebra
145
es libre o ligado y hallar el subespacio vectorial generado por el conjunto de esos dos vectores. 26. En el espacio vectorial P4 (C) de los polinomios de grado menor o igual que 4 con coecientes en C se considera el polinomio p(x) = x4 x2 + 2. Demostrar que el sistema p(x), p (x), p (x), p (x) formado por el polinomio p(x) y sus sucesivas derivadas (hasta la tercera) es un sistema libre. 27. En el espacio vectorial F(N, R) de las sucesiones de nmeros reales, con la suma y producto habituales, consideramos el conjunto
H = {(xn ) F (N, R) |n N xn+2 = xn+1 + xn }

a) Demostrar que H es un subespacio vectorial de F(N, R). b) Comprobar que dim(H) = 2. 28. Hallar el rango de las siguientes matrices: 1 3 0 2 1 1 2 1 1 3 2 1 0 1 7 1 1 A = 2 1 1 , B = 2 2 3 0 , C = 2 1 2 1 3 4 . 1 6 2 2 0 2 0 1 2 1 1 3 1 5 1 1 0 29. Encontrar una base y hallar la dimensin del espacio de matrices triangulares superiormente T n (K). T n (K) = { A= (aij ) Mn (K) | aij = 0 si j < i }. 30. En el espacio vectorial Z5 , hallar una base del subespacio vectorial 2
H = L({ 0 1 0 1 1 0 0 0 1 0 ,
0 1 0 0 1
0 1 1 1 1 }).
31. En el espacio vectorial R3 , hallar una base del subespacio vectorial
H = L({(3, 2, 1), (1, 1, 1), (4, 3, 0)}).
146
lgebra
2.10.2 Ejercicios propuestos

1. Sea S2 = (O, (e1 , e2 )) el sistema de coordenadas ortogonales cannico de R2 : O = (0, 0), e1 = (1, 0), e2 = (0, 1). a) Dado el vector v = (2, 3), hallar las coordenadas de los vectores
v + e1 ,
v e1 ,
1 v. 2
b) Comprobar geomtricamente los resultados obtenidos en el apartado a). 2. Sea S2 = (O, (e1 , e2 )) el sistema de coordenadas ortogonales cannico de R2 y sean OP = (1, 2) y OQ = (2, 1) dos vectores de R2 . a) Determinar las coordenadas del vector P Q en S2 . b) Determinar las coordenadas del vector P Q en el sistema ortogonal S 2 obtenidos por traslacin de O al punto O = (2, 1). c) Calcular las normas del vector P Q utilizando sus coordenadas en S2 y S 2 . Son iguales las distancias entre OP y OQ y entre O P y O Q? 3. En R3 , con el sistema de coordenadas ortogonales cannico S3 = (O, (e1 , e2 , e3 )) :
O = (0, 0, 0),
e1 = (1, 0, 0),
e2 = (0, 1, 0),
e3 = (0, 0, 1),
sean v = (1, 0, 1), w = (1, 1, 2) y el ngulo entre v y w (0 ). a) Calcular cos() utilizando la ley de los cosenos:
wv
= v
+ w
2 v
w cos().
b) Usando las coordenadas de v y w, hallar el producto escalar v w y vericar la identidad
vw = v
w cos().
c) Qu tipo de ngulo forman v y w?
lgebra
147
4. Demostrar que en R2 el vector n = (a, b) = (0, 0) es ortogonal a todas las rectas de ecuacin
ax + by + c = 0,
(c R).
5. Sean v = (1, 0, 1) y w = (1, 1, 2) los vectores del problema anterior. a) Calcular la proyeccin ortogonal de w sobre v, pv (w), y la componente vectorial de w ortogonal a v. b) Hallar pv (w) y p2v (w) . 6. En este problemas trabajamos en R3 con el sistema de coordenadas S3 . a) Hallar los vectores
e1 e2 ,
e2 e3 ,
e3 e1 .
b) Demostrar la identidad de Lagrange:
uv
y, usando la identidad
= u
(u v)2
uv = u
deducir que
v cos() u, v R3 , v sen().
uv = u
c) Sean u = (1, 1, 2) y v = (0, 3, 1). Calcular el rea del paralelogramo determinado por los vectores u y v. d) Vericar que para todo par de vectores u y v en R3 \{(0, 0, 0)}, uv es ortogonal a u y a v. 7. En este problemas seguimos trabajando en R3 con el sistema de coordenadas S3 . a) Sean u, v y w tres vectores en R3 . Vericar que el nmero real |u (v w)| es el volumen del paraleleppedo P denido por u, v y w. (Se utilize el hecho de que la altura h del paraleleppedo P se puede escribir como h = p(vw) (u) .) b) Calcular el volumen del paraleleppedo determinado por los vectores
u = (1, 0, 2), v = (0, 1, 2), w = (1, 1, 1).
148 8. Sean P0 = (1, 2) y P1 = (1, 1) dos puntos en R2 .
lgebra
Hallar las ecuaciones vectorial, general implcita, paramtricas y pendienteordenada en el origen de la recta l que pasa por P0 y P1 . 9. Sean P0 = (x0 , y0 ) R2 y r la recta de ecuacin ax + by + c = 0. a) Demostrar que la distancia entre P0 y r es
d(P0 , r) =
|ax0 + by0 + c| . a 2 + b2
b) Calcular la distancia entre P0 = (0, 1) y r : 2x y + 3 = 0. 10. En R3 , encontrar la ecuacin del plano que pasa por el punto P0 = (1, 0, 1) y es ortogonal al vector n = (2, 1, 5). 11. En R3 , usando la frmula de la distancia entre un punto P0 = (x0 , y0 , z0 ) y un plano : ax + by + cz + d = 0 :
d(P0 , ) =
|ax0 + by0 + cz0 + d| , a2 + b2 + c2
a) calcular la distancia entre el punto P0 de interseccin de las rectas de ecuaciones x = 3 + 2k x = 1 + t y = 3k r: y s : y = 2 3t (k, t R) z = 2 k z =t 3 y el plano : 2x y + z = 0. b) Calcular el coseno del ngulo que forman las rectas r y s. 12. Determinar si existen valores de los parmetros reales s y t tales que la recta l en R3 de ecuaciones implcitas
sx + 3y + z =0 , x + ty + 2z + 1 = 0
lgebra tenga ecuaciones paramtricas
149
x = 2k 1 y = +k 2 z = 3 3k 2
(k R).
13. Describir todos los subespacios vectoriales de R3 que contienen al punto P = (1, 1, 1). 14. Sea Mm,n (R) el Respacio vectorial respecto de las operaciones de suma de matrices y multiplicacin de una matriz por un escalar usuales. Sea C[x] el Cespacio vectorial de los polinomios con coecientes nmeros complejos y con las operaciones de suma de funciones y multiplicacin por un escalar usuales. Escribir explcitamente las operaciones que hacen del producto cartesiano Mm,n (R) C[x] un Respacio vectorial. 15. Sea M el subconjunto de Mm,n (Z2 ) denido por
M ={
0 x y z 0 u
: x, y, z, u Z2 }.
a) Escribir M como un conjunto de funciones de N2 N3 en Z2 que se anulan sobre un subconjunto S de N2 N3 . b) Vericar que M es un Z2 espacio vectorial respecto de las operaciones usuales de suma de matrices y producto de una matriz por un escalar. 16. Determinar los valores reales del parmetro tales que los siguientes vectores sean un sistema libre en R3 :
1 1 v1 = (, , ), 2 2
1 1 v2 = ( , , ), 2 2
1 1 v3 = ( , , ). 2 2
Interpretar geomtricamente los resultados obtenidos.
150
lgebra
17. Vericar si los siguientes subconjuntos del espacio de todas las funciones reales, F(R, R), son linealmente independientes:
S = {1, sen(x), sen(2x)}, T = {(3 x)2 , x2 6x, 5}.

18. Sean u = (1, 1, 1), v = (1, 1, x) y w = (x, 1, 1) tres vectores en R3 , siendo x un parmetro real. Sea H = L(u, v, w) el subespacio de R3 generado por u, v y w. Determinar para qu valores de x el subespacio H es una recta, un plano o todo R3 . 19. a) Vericar que para todo n N, el sistema Bn = (1, x, x2 , , xn ) es una base del espacio vectorial de los polinomios de grado menor o igual que n, Pn (R). (Utilizar induccin sobre n y la continuidad de los polinomios) b) Determinar si el sistema B = (1, x 1, (x 1)2 , (x 1)3 ) es una base de P3 (R). c) Escribir las coordenadas del vector p(x) = 3x3 3 en trminos de las bases B3 y B. 20. Sea
H={
a b c (a + b + c)
: a, b, c R}.
a) Vericar que H es un subespacio vectorial de M2 (R). b) Hallar una base B de H. c) Completar B a una base de M2 (R). 21. En el Respacio vectorial F(N, R) de las sucesiones reales sea
H = {(xn )nN : n 2,
xn+1 = 2xn 3xn1 }.
a) Demostrar que H es un subespacio vectorial de F(N, R). b) Comprobar que la dimensin de H es 2.
lgebra 22. Aplicar el teorema de Rouch-Frbenius
151
a) para vericar si el vector p(x) = x3 2x + 1 pertenece al subespacio L(x3 1, x + 2) de P3 (R), b) para determinar si el sistema (x3 1, x + 2, x2 , x 1) es una base de P3 (R). 23. Calcular el 1 A = 2 1 rango de las matrices 1 1 0 1 2 0 M3,4 (Z3 ) 0 0 1
2 1 5 B = 0 4 1 M3 (R). 6 1 16
24. Utilizar el mtodo de Gauss para hallar una base del Csubespacio de C3 : L((1, 0, i), (i, 0, 0), (0, i, 4), (1, 1, 1)).
lgebra
307
denotamos por ) y para n 1 los elementos a1 , ..., an pertenecen al mismo conjunto o alfabeto A. El ejercicio consiste en construir un modelo de tipo abstracto de datos al que denominaremos cadena o string, teniendo en cuenta que hay que considerar los datos y las cadenas de datos de un conjunto A = {a1 , ..., ak }, que las cadenas son elementos del conjunto A (conjunto de todas las cadenas o palabras denidas sobre el alfabeto A o lenguaje universal sobre A), que hay que considerar la palabra vaca como una constante, y que como operaciones sobre las cadenas consideramos las siguientes: construye, que a partir de un elemento de A construye una lista de longitud 1, la operacin concat, denida sobre pares de palabras por concat(a1 ...an , b1 ...bm ) = a1 ...an b1 ...bm , y las operaciones iaade (iadd) y daade (dadd) que aaden, respectvamente, un elemento a la izquierda o a la derecha de una cadena dada.(Nota: Son sucientes 5 ecuaciones).
CADEN A = CADEN A, ALF ABET O a1 , ..., an ALF ABET O, 2. Constantes : vaca CADEN A concat : CADEN A CADEN A CADEN A construye : ALF ABET O CADEN A 3. Operaciones : iadd : ALF ABET O CADEN A CADEN A dadd : CADEN A ALF ABET O CADEN A c, c , c CADEN A, a ALF ABET O concat(c, vaca) = c concat(vaca, c) = c 4. Ecuaciones: concat(concat(c, c ), c) = concat(c, concat(c , c)) iadd(a, c) = concat(construye(a), c) dadd(c, a) = concat(c, construye(a)) 1. Tipos :
7.2
Soluciones de los ejercicios del captulo 2
1. Encontrar un vector u diferente de cero cuyo punto inicial es P = (1, 3, 5) tal que a) u tiene la misma direccin que v = (6, 7, 3).
308 b) u tiene direccin opuesta a la de v = (6, 7, 3).
lgebra
Sea u = P Q, donde Q = (x, y, z). Entonces u = (x + 1, y 3, z + 5). Si u tiene la misma direccin que v , u = kv (x + 1, y 3, z + 5) = (6k, 7k, 3k) a) Sea k > 0 y Q = (6k 1, 7k + 3, 3k 5). b) Sea k < 0 y Q = (6k 1, 7k + 3, 3k 5). 2. Sean u = (3, 1, 2), v = (4, 0, 8), y w = (6, 1, 4). Encontrar los escalares c1 , c2 , c3 tales que c1 u+c2 v+c3 w = (2, 0, 4). (2, 0, 4) = c1 u + c2 v + c3 w = c1 (3, 1, 2) + c2 (4, 0, 8) + c3 (6, 1, 4) = = (3c1 , c1 , 2c1 ) + (4c2 , 0, 8c2 ) + (6c3 , c3 , 4c3 ) = = (3c1 + 4c2 + 6c3 , c1 c3 , 2c1 8c2 4c3 ). Entonces, tenemos que resolver el sistema 3c1 + 4c2 + 6c3 = 2 c1 c3 = 0 2c1 8c2 4c3 = 4 La solucin del sistema por el mtodo de Gauss-Jordan sera la siguiente: 1 aplicando la transformaciones elementales F1 F2 , F3 = 2 F3 , F3 = F3 F1 , F2 = F2 + 3F1 , F3 = F3 + F2 , F2 = 1 F2 , F3 = 1 F3 , 4 2 F1 = F1 + F3 , F2 = F2 3 F3 a la matriz 4
3 4 6 2 1 0 0 2 1 0 1 0 , se obtiene la matriz 0 1 0 1 . 2 8 4 4 0 0 1 2 La solucin del sistema es {c1 = 2, c2 = 1, c3 = 2} .

3. Demostrar que no existen los escalares c1 , c2 , c3 tales que c1 (2, 9, 6)+ c2 (3, 2, 1) + c3 (1, 7, 5) = (0, 5, 4). Como en el ejercicio anterior, tenemos que resolver el sistema 2c1 3c2 + c3 = 0 9c1 + 2c2 + 7c3 = 5 6c1 + c2 + 5c3 = 4
1 Aplicando la transformaciones elementales F3 = F3 +3F1 , F1 = 2 F1 , F3 = 1 8 F3 , F2 F3 , F3 = F3 9F1 , F1 = F1 3 F2 , 2
lgebra
2 F3 = 23 F3 , F3 = F3 F2 a la matriz 3 2 3 1 0 1 0 1 4 1 9 2 7 5 , se obtiene la matriz 0 1 1 2 . 3 6 1 5 4 0 0 0 46 El sistema es incompatible.
309
4. Sean P el punto (2, 3, 2) y Q el punto (7, 4, 1). a) Encontrar el punto medio del segmento de recta que une a P y Q. b) Encontrar el punto sobre el segmento de recta que une a P y Q y est 3 a 4 de la distancia de P a Q. a) Sean v = OP = (2, 3, 2) y w = OQ = (7, 4, 1) y v + w = OR = (9, 1, 1). El segmento OR corta el segmento P Q en un punto M , que es el punto de interseccin entre las diagonales del paralelogramo OP RQ. Entonces M es el punto medio de P Q y M = v+w = ( 9 , 1 , 1 ). 2 2 2 2 3 b) El punto sobre el segmento de recta que une a P y Q y que est a 4 de la distancia de P a Q ser dado por el punto medio entre M y Q, es decir 1 por N = 2 ( v+w + w) = ( 23 , 9 , 1 ). 2 4 4 4 5. Suponer que la traslacin de un sistema de coordenadas xy se hace para obtener un sistema de coordenadas x y cuyo origen O tiene las coordenadas (2, 3). a) Encontrar las coordenadas x y del punto P cuyas coordenadas xy son (7, 5). b) Encontrar las coordenadas xy del punto Q cuyas coordenadas x y son (3, 6). c) Trazar los ejes de coordenadas xy y x y y localizar los puntos P y Q. Las ecuaciones de traslacin de S = (O, x, y) a S = (O , x , y ) y de S = x=x +2 x =x2 . y (O , x , y ) a S = (O, x, y) son: y =y 3 y =y+3 a) P = (5, 8) en S = (O , x , y ). b) Q = (1, 3) en S = (O, x, y). 6. Demostrar geomtricamente que si u y v son vectores en el espacio bidimensional o en el espacio tridimensional, entonces
u+v u
310
lgebra
Utilizando la regla del paralelogramo para denir u + v, la desigualdad u + v u + v se sigue de que la longitud de uno de los lados de un tringulo es siempre menor o igual a la suma de las longitudes de los otros dos lados. 7. a) Demostrar que v = (a, b) y w = (b, a) son vectores ortogonales. v w = ab + ba = 0. b) Usar el resultado del inciso a) para encontrar dos vectores que sean ortogonales a v = (2, 3). Sea v = (2, 3) = (a, b). Entonces, se sigue de la parte a) que los vectores w1 = (b, a) = (3, 2) y w2 = w1 = (b, a) = (3, 2) son ortogonales a v. c) Encontrar dos vectores unitarios que sean ortogonales a (3, 4). Sea v = (a, b) = (3, 4). Como en la parte b), los vectores w1 = (b, a) = (4, 3) y w2 = w1 = (b, a) = (4, 3) son ortogonales a v. Entonces los vectores w 3 u1 = w1 = ( 4 , 5 ) y u2 = w2 = ( 4 , 3 ) son unitarios y ortogonales a 5 w2 5 5 1 v. 8. Explicar por qu cada una de las siguientes expresiones carece de sentido. Si u, v, w son vectores en el plano o en el espacio tridimensional y k es un nmero real, a) u (v w) : el producto escalar est denido entre vectores y (v w) es un escalar. b) (uv)+w : la suma est denida entre dos vectores o entre dos escalares, no entre un escalar y un vector. c) u v : la norma es una funcin denida sobre un vector, no un escalar. d) k (u + v) : el producto escalar est denido entre vectores y k es un escalar. 9. Sean vectores i, j y k unitarios a lo largo de los ejes positivos x, y y z de un sistema de coordenadas rectangulares en el espacio tridimensional. Si v = (a, b, c) es un vector diferente de cero, entonces los ngulos , ,y entre v y los vectores i, j y k , respectivamente, se denominan ngulos directores de v , y los nmeros cos(), cos() y cos() se denominan cosenos directores de v.
lgebra a) Demostrar que cos() =

a v
311
. i = 1) j = 1) k = 1)
cos() = iivv = a . (Ya que v b) Encontrar cos() y cos(). b cos() = jjvv = v . (Ya que cos() =
kv k v
c v v v
. (Ya que
c) Demostrar que
v v
= (cos(), cos(),cos()). ,
c v
(a,b,c) v
=(
a v
b v
) = (cos(), cos(),cos()).
d) Demostrar que cos2 () + cos2 () + cos2 () = 1. cos2 () + cos2 () + cos2 () = v 2 = ( v )2 = 1. v v 10. Demostrar que si v es ortogonal tanto a w1 como a w2 , entonces v es ortogonal a k1 w1 + k2 w2 para todos los escalares k1 y k2 . Utilizando las propiedades del producto escalar y que vw1 = 0 y vw2 = 0, se obtiene que v (k1 w1 + k2 w2 ) = k1 (v w1 ) + k2 (v w2 ) = k1 0 + k2 0 = 0. 11. Encontrar las ecuaciones paramtricas de la recta que pasa por los puntos dados. a) Sean P = (5, 2, 4) y Q = (7, 2, 4). La recta que pasa por P y Q es paralela al vector determinado por el segmento P Q = (2, 4, 8) y sus ecuaciones paramtricas son: x = 5 + 2k y = 2 + 4k <k< z = 4 8k b) Sean P = (0, 0, 0) y Q = (2, 1, 3). La recta que pasa por P y Q es paralela al vector determinado por el segmento P Q = (2, 1, 3) y sus ecuaciones paramtricas son: x = 2k y = k <k< z = 3k
312
lgebra
x=0 y=t <t< 12. Demostrar que la recta r : z=t a) pertenece al plano 1 : 6x + 4y 4z = 0 : t 6 0 + 4t 4t = 0 r 1 . b) es paralela al plano 2 : 5x 3y + 3z = 1 y est por abajo de ste: 2 r = por qu t 5 0 3t + 3t = 0 = 1, entonces r es paralela a 2 .
Adems O = (0, 0, 0) r y el punto de interseccin de 2 con el eje z es (0, 0, 1 ). 3 c) es paralela al plano 3 : 6x + 2y 2z = 1 y est por arriba de ste:
3 r = por qu t 6 0 + 2t 2t = 0 = 1, entonces r es paralela a 3 . Adems O = (0, 0, 0) r y el punto de interseccin de 3 con el eje z es (0, 0, 1 ). 2
13. Encontrar la ecuacin del plano 1 que pasa por el punto P = (3, 6, 7) y es paralelo al plano 2 : 5x 2y + z 5 = 0. La direccin normal (ortogonal) al plano 1 est dada por el vector n1 = (5, 2, 1). La ecuacin del plano 2 en forma punto-normal es: 5(x 3) 2(y + 6) + (z 7) y en forma general: 5x 2y + z 34 = 0. 14. Demostrar que las rectas x 3 = 4t x + 1 = 12s y4=t y 7 = 6s , r1 : < t < y r2 : <s< z1=0 z 5 = 3s se cortan y encontrar el punto de interseccin. x = 3 + 4t x = 1 + 12s y =4+t y = 7 + 6s , < s < r1 : < t < y r2 : z=1 z = 5 + 3s
3 + 4t = 1 + 12s 4 + t = 7 + 6s Tenemos que encontrar dos valores de t y s tales que . 1 = 5 + 3s Estos valores son s = 4 y t = 5. El punto de interseccin es P = 3 (17, 1, 1).
lgebra
313
15.
15. Hallar la ecuacin del plano que contiene las rectas del ejercicio
El plano tiene que pasar por el punto P = (17, 1, 1) y ser paralelo a r1 y a r2 . Si n = (a, b, c) es la direccin ortogonal al plano , se obtiene que : a(x + 17) + b(y + 1) + c(z 1) = 0, donde n (4, 1, 0) = n (12, 6, 3) = 0, siendo (4, 1, 0) y (12, 6, 3) dos vectores paralelos a las rectas r1 y r2 , respectivamente. La relaciones n (4, 1, 0) = n (12, 6, 3) = 0 implican que 4a + b = 0 y 12a+6b+3c = 0. Todos los vectores n = (a, 4a, 4a), < a < , a = 0, sern ortogonales a las dos rectas dadas. Entonces, : (x + 17) 4(y + 1) + 4(z 1) = x 4y + 4z + 9 = 0. 16. Demostrar que si v es un vector diferente de cero en Rn , entonces tiene la norma eucldea 1. Utilizando una de las propiedades de la norma eucldea:
v v
v v
=|
1 | v
v =
v v
= 1.
17. Para qu valores de k se cumple que u y v son ortogonales? a) u = (2, 1, 3), v = (1, 7, k). u v = 2 + 7 + 3k = 9 + 3k = 0 k = 3. b) u = (k, k, 1), v = (k, 5, 6). u v = k 2 + 5k + 6 = 0 k = 2 o k = 3. 18. Demostrar la identidad u + v 2 + u v 2 = 2 u 2 + 2 v vectores en Rn . Interpretar geomtricamente este resultado en R2 .
2
para
El resultado es una consecuencia inmediata de las siguientes relaciones: u + v 2 = (u + v) (u + v) = u u + u v + v u + v v = u 2 + v 2 u v 2 = (u v) (u v) = u u u v v u + v v = u 2 + v 2 En R2 , utilizando la regla del paralelogramo para determinar el vector u + v, la identidad u + v 2 + u v 2 = 2 u 2 + 2 v 2 se puede interpretar como: la suma de los cuadrados de las longitudes de las diagonales de un
314
lgebra
paralelogramo es igual a la suma de los cuadrados de las longitudes de sus lados. 19. Demostrar que si u y v son vectores ortogonales en Rn tales que u = 1 y v = 1, entonces d(u, v) = 2. Interpretar geomtricamente este resultado en R2 . d2 (u, v) = u v 2 = (u v) (u v) = u u u v v u + v v = = u 2 + v 2 = 2 = d(u, v) = 2. En R2 este resultado es una aplicacin del teorema de Pitgoras al tringulo rectngulo de lados unitarios u y v. 20. Sea (F(R, R), +, ) el espacio vectorial de las funciones de R en R. Determinar si los siguientes conjuntos son o no subespacios vectoriales de F(R, R) : a) {f F(R, R) |x R f (x) = f (x)} . b) {f F(R, R) | f (1) = 0} . c) {f F(R, R) | f (2) = f (3)} . a) H = {f F(R, R) |x R f (x) = f (x)} . S es subespacio vectorial, pues obviamente la funcin nula 0 H, pues x R 0(x) = 0 = 0(x) , y si f, gH y , R, (f + g)(x) = f (x) + g(x) = (puesto que f, gH) = f (x) + g(x) = (f + g)(x). b) H = {f F(R, R) | f (1) = 0} .S es subespacio vectorial, pues obviamente la funcin nula 0 H, pues 0(1) = 0 , y si f, gH y , R, (f + g)(1) = f (1) + g(1) = (puesto que f, gH) = 0 + 0 = 0. c) H = {f F(R, R) | f (2) = f (3)} . S es subespacio vectorial, pues obviamente la funcin nula 0 H, pues 0(2) = 0 = 0(3) , y si f, gH y , R, (f + g)(2) = f (2) + g(2) = (puesto que f, gH) = f (3) + g(3) = (f + g)(3). 21. Demostrar que el subconjunto H formado por todas las n tuplas de nmeros reales tales que los elementos de cada n tupla forman una progresin aritmtica, es un subespacio vectorial de Rn . Si (a1 , ...., an ) H, los elementos a1 , ...., an estn en progresin aritmtica. Por consiguiente, siendo d la razn de la progresin,
(a1 , a2 , ...., an ) = (a1 , a1 + d, ...., a1 + (n 1)d)

Obviamente (0, 0, ..., 0) H (progresin aritmtica de razn d = 0, y cuyo primer elemento es el 0).
lgebra
315
Sean (a1 , a1 + d, ...., a1 + (n 1)d), (b1 , b1 + d , ...., b1 + (n 1)d ) H y , R. En ese caso
(a1 , a1 + d, ...., a1 + (n 1)d) + (b1 , b1 + d , ...., b1 + (n 1)d ) = = (a1 + b1 , (a1 + b1 ) + d + d , ...., (a1 + b1 ) + (n 1)d + + (n 1)d ).
Es decir, es un elemento de H, puesto que es una progresin aritmtica de razn d + d y cuyo primer elemento es a1 + b1 . 22. Se dice que A Mn (K) es simtrica si t A = A. Si denotamos por Sn (K) al conjunto de las matrices simtricas de orden n, demostrar que Sn (K) es un subespacio vectorial de Mn (K). Vemoslo usando la otra caracterizacin de los subespacios vectoriales: Obviamente la matriz (0) es simtrica, pues t (0) = (0), luego (0) Sn (K). Por otra parte, si A, B Sn (K), se verica que t (A) = A y t (B) = B. Pero t (A + B) =t (A) +t (B) = A + B y, en consecuencia, A + B Sn (K), y si A Sn (K) y K, t (A) = t (A) = A. Recordemos que una matriz A Mn (K) es antisimtrica si t A = A. Constituyen las matrices antisimtricas un subespacio vectorialde Mn (K)? Justifquese la respuesta. Veamos que si: (0) es antisimtrica, pues t (0) = (0) = (0). Si A, B son antisimtricas t (A) = A y t (B) = B, con lo que t (A + B) =t (A) +t (B) = A + (B) = (A + B), y si A es antisimtrica y K, entonces t (A) = t (A) = (A) = (A). 23. En R4 se considera el subespacio vectorial H = L(A) generado por el conjunto A de vectores A = {(1, 1, 0, 0), (0, 1, 1, 0), (2, 1, 1, 0), (3, 3, 0, 0)}. Pertenece el vector (1, 1, 1, 0) al subespacio vectorial H? Como hemos visto, existen varias formas de resolver este problema. La ms directa es utilizar el mtodo de Gauss: consideremos la matriz de coordenadas de los 5 vectores anteriores respecto de la base cannica, y mediante transformaciones por columna obtenemos una matriz gaussiana: 1 0 2 3 1 1 0 0 0 0 c3 = c3 2c1 1 1 1 3 1 1 1 1 0 2 c4 = c4 3c1 0 1 1 0 1 1 0 1 0 1 c5 = c5 c1 0 0 0 0 0 0 0 0 0 0
316
lgebra
1 0 0 0 0 1 1 0 0 0 c3 = c3 c2 0 1 0 0 1 c5 = c5 2c1 0 0 0 0 0 Como puede observarse, la matriz es gaussiana, con lo que su rango es 3. Sin embargo, el rango correspondiente a la matriz formada por las 4 primeras las es 2 , con lo que los vectores columna c1, c2 y c5 constituyen un sistema libre. El vector (1, 1, 1, 0) no pertenece al subespacio H.
24. En el R e.v. R3 con su estructura de espacio vectorial habitual determinar si los sistemas de vectores
(1, 1, 1), (1, 1, 0), (1, 0, 0) y (1, 2, 3), (2, 0, 1), (1, 2, 2)
son libres o ligados. Como en el problema anterior, hay varias formas de resolverlo. La ms sencilla es utilizar el mtodo de Gauss, pero lo vamos a hacer de dos formas distintas: a) Modo 1): Sean , , R tales que
(1, 1, 1) + (1, 1, 0) + (1, 0, 0) = (0, 0, 0).

En ese caso
( + + , + , ) = (0, 0, 0),
de donde, resolviendo el sistema de ecuaciones, = 0, = 0, = 0. Es decir, el sistema {(1, 1, 1), (1, 1, 0), (1, 0, 0)} es libre. Modo 2): Consideramos la matriz cuyas columnas son las coordenadas de los vectores respecto de una base del espacio vectorial considerado (en este caso la base cannica de R3 ) y hallamos el rango de esa matriz. Si el rango de la matrz coincide con el nmero de vectores, el sistema es libre. Si al hacer transformaciones elementales por columnas obtenemos una columna de ceros, el vector correspondiente a esa columna se puede expresar como combinacin lineal de los anteriores y el sistema es ligado. En nuestro caso: 1 1 1 1 1 0 es la matriz. Est claro que es una matriz gaussiana. Por 1 0 0 consiguiente el rango es 3, y el sistema de vectores es libre. b) Lo hacemos del segundo modo:
lgebra
317
1 2 1 2 0 2 ; puesto que no es gaussiana, la convertimos en gaussiana 3 1 2 realizando transformaciones elementales por columnas: 1 2 1 1 2 2 2 0 2 c3 = c3 c1 2 0 0 c3 = c3 + c2 3 1 1 3 1 2 1 2 0 2 0 0 3 1 0 Est claro que el rango del sistema de vectores es 2, y que el correspondiente a la ltima columna se expresa como combinacin lineal de los correspondientes a las dos primeras. Por consiguiente el sistema es ligado.
25. Consideramos el Z2 espacio vectorial de los bytes (Z8 , +, ) con la 2 suma y producto por escalares ya denidos. Se pide determinar si el sistema de vectores (1, 0, 0, 0, 1, 1, 1, 0), (0, 1, 1, 1, 1, 1, 1, 0) es libre o ligado y hallar el subespacio vectorial generado por el conjunto de esos dos vectores. Es obvio que el sistema es libre, pues ninguno de los dos vectores que constituyen el sistema se puede expresar en funcin del otro (como combinacin lineal del mismo). De otro modo, si , Z2 son tales que
(1, 0, 0, 0, 1, 1, 1, 0) + (0, 1, 1, 1, 1, 1, 1, 0) = (0, 0, 0, 0, 0, 0, 0, 0),

tendremos que
(, 0, 0, 0, , , , 0) + (0, , , , , , , 0) = (0, 0, 0, 0, 0, 0, 0, 0)
de donde = = 0. El subespacio vectorial generado por estos vectores es
H = {(x1 , ..., x8 ) Z8 | 2 , Z2 ..(x1 , ..., x8 ) = (1, 0, 0, 0, 1, 1, 1, 0) + (0, 1, 1, 1, 1, 1, 1, 0)}.

26. En el espacio vectorial P4 (C) de los polinomios de grado menor o igual que 4 con coecientes en C se considera el polinomio p(x) = x4 x2 + 2.
318
lgebra
Demostrar que el sistema p(x), p (x), p (x), p (x) formado por el polinomio p(x) y sus sucesivas derivadas (hasta la tercera) es un sistema libre. Lo hacemos por el mtodo de Gauss: p (x) = 4x3 2x, p (x) = 12x2 2, p (x) = 24x Siendo B = {1, x, x2 , x3 , x4 }, la matriz de coordenadas de los vectores del sistema considerado es 2 0 2 0 0 2 0 24 1 0 12 0 ; la matriz es gaussiana, y por consiguiente su 0 4 0 0 1 0 0 0 rango es igual al nmero de vectores columna no nulos, es decir, 4. Por tanto una base del subespacio H = L{p(x), p (x), p (x), p (x)} es
{p(x), p (x), p (x), p (x)},

con lo que el sistema {p(x), p (x), p (x), p (x)} es libre. 27. En el espacio vectorial F(N, R) de las sucesiones de nmeros reales, con la suma y producto habituales, consideramos el conjunto
H = {(xn ) F (N, R) |n N xn+2 = xn+1 + xn }

a) Demostrar que H es un subespacio vectorial de F(N, R). b) Comprobar que dim(H) = 2. a) i) Evidentemente la sucesin nula (0) H, pues la relacin xn+2 = xn+1 + xn se traducira en este caso en que 0 = 0 + 0, lo cual es cierto. xn+2 = xn+1 + xn ii) Si (xn ), (yn ) H, tendremos que yn+2 = yn+1 + yn con lo que xn+2 + yn+2 = (xn+1 + yn+1 ) + (xn + yn ), es decir, la sucesin (xn ) + (yn ) H. iii) Finalmente, si (xn ) H y R, vamos a ver que (xn ) H : puesto que (xn ) H, xn+2 = xn+1 + xn y en consecuencia, multiplicando los dos miembros de la igualdad por , xn+2 = xn+1 + xn , es decir, la sucesin (xn ) = (xn ) H. b) Para resolver este apartado lo que hay que tener en cuenta es : si la sucesin (xn ) H, cuntos parmetros me determinan la sucesin?. Es obvio que si n N xn+2 = xn+1 + xn , conocidos x1 y x2 , la sucesin queda completamente determinada, pues x3 = x1 + x2 , ....
lgebra
319
Luego si consideramos las sucesiones de (xn ), (yn ) H que satisfacen las x1 = 1 y1 = 0 ,y , dada cualquier sucesin (zn ) H , si condiciones x2 = 0 y2 = 1 z1 = z1 = x1 + y1 , resulta que , y, teniendo en cuenta que esos z2 = z2 = x2 + y2 dos valores determinan la sucesin (zn ) H, resulta que (zn ) = (xn ) + (yn ). Por tanto {(xn ), (yn )} es un sistema generador de H. Por otra parte, es inmediato que es libre, pues si (xn ) + (yn ) = (0) (sucesin nula), en x1 + y1 = 0 1+0=0 particular , de donde , es decir, = x2 + y2 = 0 0+1=0 = 0. Por tanto, dim(H) = 2. 28. Hallar el rango de las siguientes matrices: 1 3 0 2 1 1 2 1 1 3 2 1 0 1 7 1 1 A = 2 1 1 , B = 2 2 3 0 , C = 2 1 2 1 3 4 . 1 6 2 2 0 2 0 1 2 1 1 3 1 5 1 1 0
1 3 2 1 0 0 c2 = c2 3c1 2 5 3 El rango de A es A= 2 1 1 c3 = c3 2c1 0 2 0 0 2 0 3. 1 3 0 2 1 4 2 3 1 1 2 1 c2 = c2 + c1 1 0 0 0 c = c3 1 c2 2 B = 2 2 3 0 c3 = c3 + 2c1 2 4 7 2 3 c4 = c4 3 c2 4 1 6 2 2 c4 = c4 + c1 1 7 4 3 5 1 1 0 5 6 11 5 1 4 0 0 1 4 0 0 1 0 0 0 1 0 0 0 1 2 4 5 1 c4 = c4 + c3 2 4 5 0 El rango de B 5 1 7 1 43 1 7 1 9 2 4 2 20 5 6 8 1 5 6 8 21 2 10 es 4. 1 0 1 7 1 1 1 0 1 7 1 1 F = F2 2F1 0 1 0 13 1 2 C= 2 1 2 1 3 4 2 F3 = F3 F1 1 2 1 1 3 1 0 2 0 6 2 0
320
lgebra
F3 = F3 2F1
1 0 1 7 1 1 0 1 0 13 1 2 El rango de C es 3. 0 0 0 20 0 4
29. Encontrar una base y hallar la dimensin del espacio de matrices triangulares superiormente T n (K). T n (K) = { A= (aij ) Mn (K) | aij = 0 si j < i }. Para todos s =1,...,n y t =i,...,n, sea Est Mn (K) la matriz denida por 0 si (i, j) = (s, t) Est = . 1 si (i, j) = (s, t) Sea B = {Est : s = 1, ..., n, t = s, ..., n} . Queremos vericar que B es una base de T n (K). B es libre ya que si s=1,...,n t=s,...,n ast Est = (0) Mn (K), entonces, para todo i=1,...,n y j=i,...,n, se verica que s=1,...,n t=s,...,n ast Est (i, j) = aij Eij (i, j) = aij = 0. B es generador ya que si A= (ast ) Mn (K), A= s=1,...,n t=s,...,n ast Est . Para todo s=1,...,n, el nmero de matrices Est con t=s,...,n es (n-s+1), se sigue que el nmero de elementos de B es n+(n-1)+(n-2)+...+2+1=n(n+1)/2. 30. En el espacio vectorial Z5 , hallar una base del subespacio vectorial 2
H = L({ 0 1 0 1 1 0 0 0 1 0 c2 = c2 + c1 c4 = c4 + c1 ,
0 1 0 0 1
0 1 1 1 1 }). c3 = c3 + c2
0 1 0 1 1
0 1 0 0 1
0 0 0 1 0
0 1 1 1 1
0 1 0 1 1 0 0 1 0 0
0 0 0 1 0
0 0 0 1 0
0 0 1 0 0
0 1 0 1 1
0 0 0 1 0
0 0 0 0 0
lgebra La dimensin de H es 3 y una base es
321
B={ 0 1 0 1 1
0 1 0 0 1
0 1 1 1 1 }
31. En el espacio vectorial R3 , hallar una base del subespacio vectorial
H = L({(3, 2, 1), (1, 1, 1), (4, 3, 0)}). 3 1 0 3 1 1 3 1 4 2 1 3 c3 = c3 c1 2 1 1 c3 = c3 c2 2 1 0 1 1 1 1 1 0 1 1 0 3 4 0 c2 = c2 + c1 2 3 0 . 1 0 0 Entonces la dimensin de H es 2 y una base es B={(3, 2, 1), (1, 1, 1)}.
7.3
Soluciones de los ejercicios del captulo 3
1. Razonar si las siguientes funciones son o no lineales (en cada uno de los conjuntos considerados se considera su estructura habitual de espacio vectorial):
a) f :
R3 R b) f : R3 R (x, y, z) x + 2y 3z (x, y, z) xyz c) f : R2 R 2 (x, y) x +y
Unicamente es lineal la del apartado a). La del apartado b) no puesto que, por ejemplo, f ((1, 1, 1) + (1, 1, 1)) = f (2, 2, 2) = 2 2 2 = 8, mientras que f (1, 1, 1) + f (1, 1, 1) = 1 1 1 + 1 1 1 = 2. La del apartado c) no es lineal pues por ejemplo, f (2(1, 1, 1)) = f (2, 2, 2) = 6, mientras que 2 f (1, 1, 1) = 2(12 + 1) = 4.
Captulo 4 Espacios vectoriales eucldeos

En el captulo 2 hemos recordado la denicin de producto escalar de vectores en R2 y R3 y hemos denido el producto escalar de vectores de Rn . La longitud de un vector y la distancia entre dos vectores quedaban denidas por las expresiones u = u u y d(u, v) = u v = (u v) (u v). Hay situaciones en las que es necesario utilizar otras distancias entre objetos, por ejemplo, cuando se pretende obtener la mejor aproximacin de una funcin por medio de funciones que pertenecen a un subespacio vectorial determinado. Esto puede conseguirse deniendo un producto escalar adecuado. A lo largo del captulo consideraremos slo espacios vectoriales sobre R. La teora para espacios vectoriales eucldeos complejos es una generalizacin de la aqu presentada para espacios reales.
4.1
Producto escalar
<, >: E E R (u, v) < u, v >
Denicin 4.1.1 Si E es un R e.v. se dice que una funcin
es un producto escalar real (o producto interior real) si:
(p.e. 1) (p.e. 2) (p.e. 3) (p.e. 4)
u, v, w E =< u, w > + < v, w > . u, v E R < u, v >= < u, v > . u, v E < u, v >=< v, u > . u E < u, u > 0 y < u, u >= 0 u = 0.
197
198
lgebra
Si <, >: E E R es un producto escalar, al par (E, <, >) le denominaremos espacio vectorial eucldeo (e.v.e.).
Ejemplo 4.1.2 En R2 la funcin

<, >: R2 R2 R
denida para cada par de vectores (x, y),(x , y ) R2 mediante la expresin
(x1 , x2 ), (y1 , y2 ) = x1 y1 + x2 y2
es un producto escalar. Como vimos, este producto escalar es el producto escalar usual de R2 .
Ejemplo 4.1.3 En general en el R e.v. Rn la funcin

<, >: Rn Rn R
denida para cada par de vectores
(x1 , ..., xn ), (y1 , ..., yn ) Rn

mediante la expresin
n
(x1 , ..., xn ), (y1 , ..., yn ) = x1 y1 + ... + xn yn =

i=1
xi y i
es un producto escalar (verifquese). Este producto escalar es el producto escalar usual de Rn .
Ejemplo 4.1.4 En el R e.v. de los polinomios con coecientes reales R[x] consideraremos los productos escalares siguientes (verifquese):
<, >1 : R[x] R[x] R
1
(p(x), q(x))
1
p(x) q(x)dx,
<, >0 : R[x] R[x] R

min{n,m}
(p(x), q(x))
i=0
ai bi ,
donde p(x) = an xn + ... + a1 x + a0 y q(x) = bm xm + ... + b1 x + b0 .
lgebra
199
Es importante sealar que en el ejemplo anterior, los espacios vectoriales eucldeos (R[x], <, >0 ) y (R[x], <, >1 ), an teniendo el mismo conjunto base, son distintos. Por ejemplo,
1
< 3, x2 >1 =
1
3x2 dx = 2 y
< 3, x2 >0 = 3 0 = 0.
Observacin 46 Ntese que si (E, <, >) es un e.v.e., a partir de las propiedades del producto escalar se verica que
u, v, w E
y u, v E
< u, w + v >=< w + v, u >= =< w, u > + < w, v >=< u, w > + < v, w >
R < u, v >=< v, u >= < v, u >= < u, v > .
Adems, si 1 , ..., n R y u1 , ..., un , v E,

n
1 u1 + ... + n un , v = 1 < u1 , v > +... + n < un , v >=

i=1
i < ui , v > .
Ejercicio 4.1.1 Demostrar que si (E, <, >) es un e.v.e., 1 , ..., n , 1 , ..., m
R y u1 , ..., un , v1 , ..., vm E, entonces 1 u1 + ... + n un , 1 v1 + ... + m vm = = 1 1 < u1 , v1 > +... + 1 m < u1 , vm > + +2 1 < u2 , v1 > +... + n m < un , vm >= =
n m
i j < ui , vj > .
i=1 j=1
Se sigue que un producto escalar es lineal en la primera y segunda variables, es decir, es una funcin bilineal. Adems, por valer las propiedades (p.e. 3) y (p.e. 4), se dice que <, > es una funcin bilineal, simtrica y denida positiva.
Ejercicio 4.1.2 Sea E un R e.v.e. con producto escalar (, ) y sea v0
cualquier vector jo de E. Sea f : E R la funcin denida por f (u) = (u, v0 ) u E. Vericar que f es lineal.
200
lgebra
4.2 Longitud o norma eucldea de un vector

Siguiendo la lnea directriz marcada en la introduccin, tomando el concepto de producto escalar como un concepto primario, vamos a denir a partir de l las nociones de norma, distancia y ngulo en espacios eucldeos.
es nmero real, u , tal que
Denicin 4.2.1 Si (E, <, >) es un e.v. y u E, una norma (o mdulo)

(n. 1) u E u 0 y u = 0 u = 0, (n. 2) u E k R ku = |k| u , (n. 3) u, v E u+v u + v (desigualdad triangular).
Denicin 4.2.2 Si (E, <, >) es un e.v.e. y u E, llamaremos norma eucldea (o mdulo) de u al nmero real
u = < u, u >.
Antes de poder vericar que una norma eucldea verica la denicin general de norma, necesitamos estudiar algunas de sus propiedades.
4.2.1 Propiedades de la norma eucldea

A partir de las propiedades que debe satisfacer la funcin <, > por ser un producto escalar, es fcil obtener las propiedades: (n. 1)u E u 0 y u = 0 < u, u >= 0 u = 0. (n. 2)u E k R
ku =
< ku, ku > =
k 2 < u, u > = |k| u .
Otras propiedades de la norma eucldea que se pueden obtener fcilmente a partir de las propiedades del producto escalar son las que aparecen enunciadas en el ejercicio siguiente.
ca que:
Ejercicio 4.2.1 Sea (E, <, >) un e.v.e.. Demostrar que u, v E, se veri1. 2. 3. u+v 2+ uv 2 =2 u 2+ v < u, v >= 1 u + v 2 u 2 v 2 < u, v >= 1 u + v 2 u v 2 4
2 2
(ley del paralelogramo)
A las propiedades 2 y 3 se las conoce como identidades de polarizacin.
lgebra
201
Adems de las propiedades anteriores, vamos a obtener otras propiedades de la norma que derivan bsicamente del siguiente resultado conocido como desigualdad de Cauchy-Schwarz.
Teorema 4.2.3 Si (E, <, >) es un e.v.e., u, v E se verica que

|< u, v >| u v .
Adems
|< u, v >| = u v {u, v} es ligado.
Demostracin R consideramos el vector u + v. Por las propiedades

del producto escalar,
R
pero
 0
=< u, u > +2 < u, v > +2 < v, v > .

Si denimos a =< v, v >, b =< u, v > y c =< u, u > y consideramos la funcin f: R R f () = a2 + 2b + c segn es sabido, el grafo de f es una parbola de R2 y, puesto que si {u, v} es libre, u + v = 0, R y
= a2 + 2b + c > 0,
tendremos que eso slo es posible si R la ecuacin de segundo grado anterior no tiene races reales, es decir, si su discriminante es negativo:
= 4b2 4ac < 0

o, lo que es lo mismo, con lo que
b2 ac < 0,
< u, v >2 < u, u >< v, v > < 0,
202 es decir,
lgebra
|< u, v >| <

Adems
< u, u >
< v, v > = u v .
|< u, v >| =
u v b2 ac = 0 R tal que < u, u > +2 < u, v > +2 < v, v >= 0 R tal que = 0 R tal que u + v = 0 R tal que u + v = 0 {u, v} es ligado. 2
A partir del resultado anterior se obtiene la propiedad (n. 3), la desigualdad triangular o desigualdad del tringulo, para norma eucldeas. Por tanto, una norma eucldea es una norma.
Proposicin 4.2.4 Si (E, <, >) es un e.v.e., u, v E se verica que

u+v u + v .
Demostracin
u+v
2
= =< u, u > +2 < u, v > + < v, v >= = u 2 + v 2 + 2 < u, v > u 2 + v 2 + 2 |< u, v >| u 2 + v 2 + 2 u v = ( u + v )2 ,
de donde, extrayendo races cuadradas
u+v u + v . 2
Ejercicio 4.2.2 Determinar las normas eucldeas asociadas a los productos escalares denidos en los ejemplos anteriores.
lgebra
203
ngulo entre dos vectores

A partir del producto escalar, tambin podemos recuperar el concepto de ngulo. Si (E, <, >) es un e.v.e. y u, v E, u = 0, v = 0, como consecuencia de la desigualdad de Cauchy-Schwarz y de las propiedades que satisface el valor absoluto resulta que
< u, v > 1. u v
Denicin 4.2.5 Si (E, <, >) es un e.v.e. y u, v E, u = 0, v = 0, se denomina ngulo entre los vectores u y v al nmero real uv [0, ] tal que
cos(uv) = < u, v > . u v
Denicin 4.2.6 Si (E, <, >) es un e.v.e., y u, v E, se dice que u y v son ortogonales (o perpendiculares) si
< u, v >= 0.
Ejercicio 4.2.3 Comprubese que si u, v (E, <, >), u = 0, v = 0, entonces

uv =
y
u y v son ortogonales. 2
{u, v} es ligado uv = 0 uv = .
Para probar esta ltima parte, tngase en cuenta que, si por ejemplo uv = 0, entonces |< u, v >| = u v y que, en tal caso, valen las conclusiones del teorema (4.2.3).
Ejercicio 4.2.4 En el e.v.e. (R3 , <, >), donde <, > es el producto escalar
usual, determinar el ngulo formado por los vectores (1, 0, 1) y (0, 0, 1).
Ejercicio 4.2.5 Determinar el ngulo que forman los vectores 1 + x, x2

R[x] en los e.v.e. (R[x], <, >1 ) y (R[x], <, >0 ).
204
lgebra
Distancia eucldea
Finalmente, a partir del producto escalar, tambin podemos denir la distancia entre vectores.
Denicin 4.2.7 Si (E, <, >) es un e.v.e. y u, v E se denomina distancia eucldea de u a v y se denota por d(u, v) al nmero real
d(u, v) = u v = .
A partir de las propiedades vistas de la norma eucldea, es fcil ver que se satisfacen las propiedades que debe vericar cualquier funcin distancia, a saber:
1. x, y E 2. x, y E 3. x, y, z E
d(x, y) 0. d(x, y) = 0 x = y d(x, z) d(x, y) + d(y, z).
usual, determinar la distancia entre los vectores (1, 0, 1) y (0, 1, 1).
Ejercicio 4.2.6 En el e.v.e (R3 , <, >), donde <, > es el producto escalar
Ejercicio 4.2.7 En el e.v.e (R[x], <, >1 ) determinar d(1 + x, x2 ). Ejercicio 4.2.8 En el e.v.e (R[x], <, >0 ) determinar d(1+x, x2 ). Comprese
el resultado obtenido con el del ejercicio anterior.
4.3 Mtodo de ortogonalizacin de Gram-Schmidt

Denicin 4.3.1 Sean (E, <, >) un e.v.e. y {u1 , ..., ur } un sistema de vectores de E. Se dice que el sistema {u1 , ..., ur } es ortogonal si se verica:
1. i {1, ..., r} ui = 0 2. i, j {1, ..., r} (i = j < ui , uj >= 0)
Si adems de ser un sistema ortogonal, el sistema {u1 , ..., ur } satisface
3. i {1, ..., r}
ui = 1
se dice que el sistema {u1 , ..., ur } es ortonormal.
Proposicin 4.3.2 Sean (E, <, >) un e.v.e. y {u1 , ..., ur } un sistema de
vectores de E \ {0}. Se verica que
{u1 , ..., ur } ortogonal {u1 , ..., ur } libre.
lgebra
205
Demostracin Supongamos que

1 u1 + ... + r ur = 0.
En ese caso
i {1, ..., r}
1 u1 + ... + r ur , ui =< 0, ui >= 0.
Pero por otra parte, i {1, ..., r},
1 u1 + ... + r ur , ui = = 1 < u1 , ui > +... + i < ui , ui > +... + r < ur , ui >= = i ui 2 ,

puesto que si j = i < uj , ui >= 0. En denitiva,
i {1, ..., r} i = 0
y en consecuencia {u1 , ..., ur } es libre.
Observacin 47 Es importante notar que existen sistemas libres que no son

ortogonales, por ejemplo dos vectores que no son ni paralelos, ni perpendiculares.
Denicin 4.3.3 Sean (E, <, >) un e.v.e y B = {u1 , ..., un } una base de E. Se dice que B es una base ortogonal si el sistema {u1 , ..., un } es ortogonal y, obviamente, se dice que B es una base ortonormal si el sistema {u1 , ..., un }
es ortonormal.
Obviamente si (E, <, >) un e.v.e. tal que dim(E) = n y {u1 , ..., un } es un sistema ortogonal, necesariamente {u1 , ..., un } es una base ortogonal, siendo libre como consecuencia de la proposicin anterior. En el siguiente teorema expondremos un mtodo, conocido como mtodo de ortogonalizacin de Gram-Schmidt, que nos va a permitir construir un sistema ortogonal a partir de un sistema dado (en particular una base ortogonal a partir de una base dada). La idea consiste en, partiendo del primer vector del sistema dado, que coincidir con el primer vector del sistema ortogonal obtenido, ir construyendo el sistema de manera que cada vector que aadimos sea ortogonal a los vectores ya construidos.
206
lgebra
Teorema 4.3.4 Sean (E, <, >) un e.v.e. y {u1 , ..., ur } un sistema libre de
E. En estas condiciones existe un sistema ortogonal {v1 , ..., vr } tal que i {1, ..., r} L({v1 , ..., vi }) = L({u1 , ..., ui }).
Base de induccin: Si r = 1 no hay nada que probar, puesto que si {u1 } es libre, u1 = 0 y obviamente (segn la denicin) {u1 } es ortogonal. Paso de induccin: Supongamos cierto el resultado para todo sistema libre de r vectores. Sea {u1 , ..., ur+1 } un sistema libre. En ese caso, puesto que {u1 , ..., ur } es un sistema de r vectores, podemos aplicar la hiptesis de induccin, es decir, existe un sistema ortogonal {v1 , ..., vr } tal que
Demostracin Razonamos por induccin sobre r : .
i {1, ..., r} L({v1 , ..., vi }) = L({u1 , ..., ui }).

Veamos cmo construir vr+1 de manera que satisfaga las condiciones requeridas. Puesto que L({v1 , ..., vr }) = L({u1 , ..., ur }), buscamos vr+1 E de manera que
L({v1 , ..., vr , vr+1 }) = L({u1 , ..., ur , ur+1 }).

Resulta que debe suceder que
vr+1 L({v1 , ..., vr , vr+1 }) = L({u1 , ..., ur , ur+1 }) = L({v1 , ..., vr , ur+1 }).
Pongamos
vr+1 = ur+1 + 1 v1 + ... + r vr

y veamos cmo deben ser los coecientes 1 , ..., r R para que se satisfaga la condicin de ortogonalidad, es decir, que
i {1, ..., r}
Dado i {1, ..., r},
< vr+1 , vi >= 0.
< vr+1 , vi >=< ur+1 + 1 v1 + ... + r vr , vi >= = < ur+1 , vi > +1 < v1 , vi > +... + r < vr , vi >= = < ur+1 , vi > +i < vi , vi >
lgebra
207
puesto que el resto de los trminos son nulos, al ser ortogonal el sistema {v1 , ..., vr } . Imponiendo entonces la condicin
< vr+1 , vi >= 0 =< ur+1 , vi > +i < vi , vi >

resulta que
i = qed
< ur+1 , vi > . < vi , v i >
Mtodo de ortogonalizacin de Gram-Schmidt

De la demostracin anterior se deduce que, en denitiva, dado el sistema libre {u1 , ..., ur } , el mtodo de ortogonalizacin de Gram-Schmidt consiste en denir el sistema de vectores
v1 = u1
v2 = u2 v3
vr
 v1 < v 1 , v1 > < u3 , v2 > v1 v2 = u3 < v 1 , v1 > < v 2 , v2 > . . . < ur , vr1 > < ur , v1 > v1 ... vr1 , = ur < v 1 , v1 > < vr1 , vr1 >
que es un sistema ortogonal y adems satisface la condicin
i {1, ...r 1} L({v1 , ..., vi }) = L({u1 , ..., ui }).
Observacin 48 Ntese que si {v1 , ..., vr } es ortogonal, deniendo

i {1, ..., r} wi = vi vi
el sistema {v1 , ..., vr } es ortonormal, puesto que
i {1, ..., r}
wi =
vi vi
1 vi = 1. | vi |
208
lgebra
servacin anterior, si (E, <, >) es un e.v.e., con E de dimensin nita, y {u1 , ..., un } es una base de E, utilizando el mtodo de Gram-Schmidt podemos obtener, a partir de ella, una base ortogonal y, posteriormente, dividiendo cada vector por su norma, obtendremos una base ortonormal de (E, <, >). En consecuencia, podemos armar que todo e.v.e. de dimensin nita tiene una base ortonormal.
Observacin 49 Ntese que como consecuencia del teorema y de la ob-
Ejercicio 4.3.1 A partir de la base

{(1, 1, 1), (1, 1, 0), (1, 0, 0)},
obtener por el mtodo de Gram-Schmidt una base ortonormal de (R3 , <, >), donde <, > es el producto escalar habitual.
Coordenadas ortonormales
La pregunta que es natural hacerse es porqu nos interesa trabajar con bases ortonormales? Aunque ms adelante veremos otras propiedades que tienen que ver con la mejor aproximacin o aproximacin ptima de un vector por vectores de un subespacio, la primera ventaja, que resulta evidente, es la siguiente. Si B = {w1 , ..., wn } es una base ortonormal de (E, <, >), las coordenadas de cualquier vector u E respecto de dicha base se pueden obtener en funcin del producto escalar de u por los vectores de B, pues si
u = 1 w1 + ... + n wn
resulta que i {1, ..., n}
< u, wi > = < 1 w1 + ... + n wn , wi >= = 1 < w1 , wi > +... + n < wn , wi >= = i < wi , wi >= i wi 2 = i ,
con lo que
n
u =< u, w1 > w1 + ...+ < u, wn > wn =

i=1
< u, wi > wi .
El resultado de la siguiente proposicin se conoce como identidad de Parseval y es una generalizacin del teorema de Pitgoras.
lgebra
209
Proposicin 4.3.5 Si B = {w1 , ..., wn } es una base ortonormal del e.v.e.

(E, <, >), entonces u E se verica que
n
=
i=1
< u, wi >2 .
Demostracin Sea B = {w1 , ..., wn } una base ortonormal de (E, <, >).
En ese caso
n
u=
i=1
< u, wi > wi ,
con lo que
n n
= < u, u >=<
i=1 n
< u, wi > wi ,
j=1 n
< u, wj > wj >=
=
i=1 n
< u, wi >< wi ,
j=1 n
< u, wj > wj >= < u, wj >< wi , wj > =
=
i=1 n
< u, wi >
j=1
(teniendo en cuenta que la base es ortonormal)
=
i=1 n
< u, wi > (< u, wi >< wi , wi >) =

n
=
i=1
< u, wi >
wi
=
i=1
< u, wi >2 . 2
4.3.1 Descomposicin QR de una matriz

Si A Mmn (R) tiene vectores columna (A1 , A2 , , An ) = (u1 , u2 , , un ) linealmente independientes, es decir, si rango(A) = n, el mtodo de ortogonalizacin de Gram-Schmidt nos proporciona una manera de determinar, a partir del sistema libre (u1 , u2 , , un ), un sistema ortonormal (q1 , q2 , , qn ). Si ahora denotamos con Q Mmn (R) a la matriz cuyos vectores columna son los vectores obtenidos (q1 , q2 , , qn ), cul es la relacin entre A y Q?
210
lgebra
Siendo (q1 , q2 , , qn ) una base ortonormal del espacio columna de A, L(u1 , u2 , , un ), se sigue que
n
j {1, , n}
uj =
i=1
< uj , qi > q i .
Sea R = (< qi , uj >) Mn (R) la matriz cuyas columnas son las coordenadas de los vectores (u1 , u2 , , un ) respecto de la base (q1 , q2 , , qn ). Entonces R= , . . . . . . . . . . . .
 < u2 , q n > j {1, , n} Aj = (QR)j
< un , qn >
y A=QR .
Adems, siendo qi ortogonal a u1 , u2 , R es triangular superiormente: < u2 , q 1 > 0 < u2 , q2 > R= . . . . . . 0 0
, ui1 para todo i 2, la matriz . . . < un , q1 > < un , q2 > . . . < un , qn >
e invertible, ya que < ui , qi >= 0, para todo i {1, , n}. Hemos as obtenido la descomposicin QR de la matriz A en el producto de una matriz Q con vectores columna ortogonales por una matriz R invertible y triangular superiormente. La descomposicin QR se utiliza en varios algoritmos numricos y, en particular, en el clculo numrico de autovalores de matrices grandes.
Ejemplo 4.3.6 Sea A M32 (R) denida por

1 1 A = 0 1 . 1 1 1 1 0 y u2 = 1 . Entonces u1 = 1 1
lgebra
211
Aplicando el mtodo de Gram-Schmidt se obtiene la base ortogonal 1 1 0 < u2 , v1 > 1 2 0 = 1 . v 1 = u1 , v 2 = u2 v1 = < v1 , v1 > 2 1 1 0 Una base ortonormal del espacio columna de A es 1 0 2 v2 v1 = 0 , = 1 . q2 = q1 = v1 v2 1 0 2 Por tanto, 1
Q=0
y A = QR.
1 2
0 1 , 0
R=
< u1 , q1 > 0 < u2 , q2 >
2 0
2 1
4.4
Proyecciones ortogonales
Denicin 4.4.1 Sean (E, <, >) un e.v.e. y A E. Diremos que v E es

un vector ortogonal a A si u A, < v, u >= 0.
Ejemplo 4.4.2 En (R3 , <, >), donde <, > es el producto escalar usual de Observacin 50 Ntese que el vector 0 E es ortogonal a cualquier sub-
R3 , cualquier vector de la recta L((0, 0, 1)) es ortogonal al conjunto A = {(1, 1, 0), (0, 1, 0)}.
conjunto A E. Pues, siendo A cualquier subconjunto de E, u A se verica que
< u, 0 >=< u, u u >=< u, u > < u, u >= 0

o, si se preere,
< u, 0 >=< u, 0 0 >= 0 < u, 0 >= 0.
Proposicin 4.4.3 Sean (E, <, >) un e.v.e. y A E. Se verica que el

conjunto
A = {v E |u A < v, u >= 0 }
es un subespacio vectorial de E. A este subespacio se le denomina subespacio ortogonal de A.
212
lgebra
Demostracin Ejercicio. Observacin 51 En el caso particular de que (E, <, >) sea un e.v.e. de
dimensin nita y H
complemento ortogonal de H.
estas condiciones se verica que
E, al subespacio ortogonal de H se le denomina E. En
Proposicin 4.4.4 Sean (E, <, >) un e.v.e. con dim(E) = n y H

dim(H ) = n dim(H).
que dim(H) = r > 0. En ese caso, siendo {u1 , ..., ur } una base de H, por el teorema de extensin de una base, existen ur+1 , ..., un tales que el sistema {u1 , ..., ur , ur+1 , ..., un } es una base de E. Utilizando el mtodo de GramSchmidt y posteriormente dividiendo cada vector por su norma, obtenemos una base ortonormal {w1 , ..., wr , wr+1 , ..., wn } de (E, <, >) tal que
Demostracin Si H = {0} el resultado es evidente. Supongamos, pues,
L(w1 , ..., wr ) = L(u1 , ..., ur ) = H.

La proposicin estar demostrada si comprobamos que
{wr+1 , ..., wn }
es una base de H . Evidentemente {wr+1 , ..., wn } es un sistema libre, puesto que es un subsistema de un sistema libre. Veamos que es tambin un sistema generador de H : si v H , como H E y {w1 , ..., wr , wr+1 , ..., wn } es una base de E, existirn 1 , ..., r , r+1 , ..., n R tales que
v = 1 w1 + ... + r wr + r+1 wr+1 + ... + n wn .

Ahora bien, como u H < v, u >= 0, en particular
i {1, ..., r} < v, wi >= 0,

y puesto que {w1 , ..., wr , wr+1 , ..., wn } es ortonormal, resulta que
i {1, ..., n} < v, wi >= i ,
lgebra con lo que obtenemos que 1 = 2 = = r = 0 y
213
v = r+1 wr+1 + ... + n wn L({wr+1 , ..., wn }). 2
vectorial H y {w1 , ..., wr , wr+1 , ..., wn } es una base ortonormal del espacio E, por la proposicin anterior {wr+1 , ..., wn } es una base de H , con lo que
Observacin 52 Si {w1 , ..., wr } es una base ortonormal de un subespacio
u E !(1 , ..., r , r+1 , ..., n ) Rn tales que u = 1 w1 + ... + r wr + r+1 wr+1 + ... + n wn .
Si denotamos por
h = 1 w1 + ... + r wr H
y por resulta que
h = r+1 wr+1 + ... + n wn H
u E
!h H
!h H
tales que
u = h + h .
Denicin 4.4.5 Siendo (E, <, >) un e.v.e. de dimensin nita, H

u E, si u = h + h
E y
con h H y h H , al vector h se le denomina proyeccin ortogonal de u sobre el subespacio H y se le denota por p (u). H subespacio de dimensin nita r de E. Si B = (w1 , w2 , , wr ) es una base ortonormal de H , sea p : E H la funcin proyeccin ortogonal de E H sobre H, denida por
Ejercicio 4.4.1 Sea E un R e.v.e. con producto escalar < , > y H un
p (u) =< u, w1 > w1 + < u, w2 > w2 + + < u, wr > wr H

Vericar que p es lineal. H
u E.
214
lgebra
4.4.1 Mtodo para hallar una proyeccin ortogonal

Para calcular la proyeccin ortogonal de un vector u sobre un subespacio H procederemos como sigue: a partir de una base del subespacio H obtenemos (por el mtodo de Gram-Schmidt) una base ortonormal {w1 , ..., wr } de H. La proyeccin de u sobre H ser entonces el vector
p (u) = h = 1 w1 + ... + r wr =< u, w1 > w1 + ...+ < u, wr > wr . H

En el caso particular de que H = L({v}), puesto que v { } v es una base ortonormal de H, la proyeccin ortogonal de u sobre H ser el vector v v < u, v > h =< u, > = v. v v v 2
Ejemplo 4.4.6 En (R[x], <, >1 ) donde

<, >1 : R[x] R[x] R
1
(p, q)
< p, q >1 =
1
p(x) q(x)dx,
obtener la proyeccin ortogonal del vector x2 sobre el subespacio H = L({x, 1+ x}). Siendo {x, 1 + x} un sistema libre, es tambin una base de H. Aplicando el mtodo de Gram-Schmidt, se obtiene la base ortogonal
u1 = x,
u2 = 1 + x
2 < 1 + x, x >1 x = 1 + x 3 x = 1. 2 < x, x >1 3
Una base ortonormal es
w1 =
Entonces
u1 u1
=
1
x
2 3
3 x, 2
w2 =
u2 u2
1 = . 2
p (x2 ) H
1 2 =< x , w1 >1 w1 + < x , w2 >1 w2 = 1 = w2 . 3 3

2 2
R3 , obtener la proyeccin ortogonal del vector (1, 2, 1) sobre los subespacios H = L((1, 0, 1)) y H = L((1, 0, 1), (1, 0, 0)).
Ejercicio 4.4.2 En (R3 , <, >) donde <, > es el producto escalar usual de
lgebra
215
4.4.2 Aproximacin ptima de un vector.

Siendo (E, <, >) un e.v.e. (de dimensin nita o no), u E y H E, H = L({u1 , ..., um }), buscamos el vector de H que mejor aproxima al vector u o, lo que es lo mismo, buscamos el vector de H que est a la menor distancia posible de u. Como veremos, dicho vector es la proyeccin ortogonal de u sobre H y, segn hemos visto, la forma de obtener dicha proyeccin ortogonal es a travs de una base ortonormal de H. Antes de obtener el resultado central de esta seccin, veamos un lema previo.
Lema 4.4.7 Si {w1 , ..., wr } es un sistema ortonormal del e.v.e. (E, <, >) y
u E, se verica que i {1, ..., r} el vector
r
u
j=1
< u, wj > wj
es ortogonal al vector wi .
Demostracin Sea i {1, ..., r}. En ese caso

r
 wj
r
, wi >= =
= < u, wi >
j=1
< u, wj >< wj , wi >
(puesto que el sistema es ortonormal) = < u, wi > < u, wi >< wi , wi >= = < u, wi > < u, wi >= 0.
Teorema 4.4.8 Sean {w1 , ..., wr } un sistema ortonormal del (E, <, >) y
H = L(w1 , ..., wr ). Entonces, para todo u E, se verica que d(u, p (u)) d(u, w) H
En otras palabras, p (u) = H
r i=1
w H.
< u, wi > wi es el vector de H = L({w1 , ..., wr })
que est a menor distancia de u (i.e., el que mejor lo aproxima).
216
lgebra
Demostracin Por denicin

r r
d(u, p (u)) = d(u, H

i=1
< u, wi > wi ) = u
i=1
< u, wi > wi
Segn hemos visto en el lema anterior, el vector

r
u
i=1
< u, wi > wi
es ortogonal a cada uno de los vectores w1 , ..., wr y, en consecuencia, tambin ser ortogonal a cualquier combinacin lineal de dichos vectores. Por otra parte, si w =
r i=1
i wi es un vector de H,
r 2
d(u, w) = u
i=1 r
i wi
=
2
= =
u
i=1
i wi p (u)) H +
p (u) + p (u) H H
r
=
2
(u
(< u, wi > i )wi

i=1 r
por la identidad de Parseval, ya que u
p (u) H +
H y
i=1 r
(< u, wi > i )wi H,

2
=
con lo que
2 p (u) H
(< u, wi > i )wi

i=1
u p (u) H
d(u, w)2 . 2
R3 , hallar la mejor aproximacin del vector (1, 0, 1) por vectores del subespacio H = L((1, 2, 1), (1, 0, 0)).
Ejercicio 4.4.3 En (R3 , <, >), donde <, > es el producto escalar usual de
lgebra
217
Ejercicio 4.4.4 En (R[x], <, >1 ) donde

<, >1 : R[x] R[x] R
1
(p, q)
< p, q >1 =
1
p(x) q(x)dx,
Hallar la mejor aproximacin del vector x por vectores del subespacio H = L({1 + x}).
A lo largo de la prctica 4 veremos como la propiedad de aproximacin de la proyeccin ortogonal de un vector sobre un subespacio se puede utilizar para determinar, por mnimos cuadrados, soluciones aproximadas ptimas de problemas que utilizan datos experimentales y, por tanto, datos que contienen un error (ruido).
4.5
Ejercicios
4.5.1 Ejercicios resueltos

1. En el espacio vectorial eucldeo R3 con el producto escalar usual se considera el sistema de vectores
{(1, 2, 1), (0, 1, 1)}.

Se pide obtener, mediante el mtodo de Gram-Schmidt, una base ortonormal del subespacio L({(1, 2, 1), (0, 1, 1)}) y la proyeccin ortogonal del vector (1, 1, 1) sobre dicho subespacio.
4.5.2 Ejercicios propuestos

1. Calcula, mediante el metodo de Gram-Schmidt, una base ortonormal del subespacio de R3
V = L({(1, 2, 2), (0, 4, 3)})

Completa dicha base a una base ortonormal B de R3 y calcula la proyeccin ortogonal del vector (2, 1, 3) sobre V . Calcula tambin las coordenadas de los vectores de la base cannica de R3 respecto de B .
218
lgebra
2. Considera la funcin proyeccin ortogonal p de R3 sobre el subespacio V V del ejercicio anterior como aplicacin de R3 a R3 . Calcula:
B3 B MB (p ) y MB3 (p ) V V
siendo B3 la base cannica de R3 . 3. Calcula la descomposicin QR de 1 2 2 la matriz 0 3 1 0 2 1
4. Calcula las ecuaciones implcitas y paramtricas del complemento ortogonal de los siguientes subespacios:
V = L({(1, 1, 1, 0), (0, 1, 0, 3)})
R4 ,
W = L({1, 2, 3)})
R3
5. Considera el espacio vectorial P2 (R) de polinomios de grado menor o igual que dos como espacio vectorial eucldeo con el producto escalar denido por:
1
p(x), q(x)
=
1
p(x) q(x)dx
Obtn, mediante el mtodo de Gram-Schmidt, una base ortonormal de (P2 (R), , 1 ) a partir de la base B3 = {1, x, x2 }. Calcula las normas de los vectores de B3 y los ngulos que forman dos a dos.
EJERCICIOS RESUELTOS DE ESPACIOS VECTORIALES

Cap tulo 4 Espacios Vectoriales
4.1. Determine si los siguientes conjuntos son espacios vectoriales (a) D[0, 1] = {f : [0, 1] R : f es diferenciable} con las operaciones: (f + g)(x) = f (x) + g(x) (f )(x) = [f (x)] (b) Q( 2) = {a+ b 2 : a, b Q} bajo la suma de n meros reales usual u y la multiplicacin por escalar slo para escalares racionales. o o (d) R2 con las operaciones: (c) {f C[0, 1] : f (0) = f (1) = 0} bajo las operaciones de (a). (x1 , y1 ) + (x2 , y2) = (x1 + x2 + 1, y1 + y2 + 1) (x, y) = ( + x 1, + y 1) (e) 1 : , R con las operaciones de matrices de suma y 1 multiplicacin por escalar. o
(f) V = {p Pn (R) : a0 = 0} donde p(x) = an xn + an1 xn1 + ... + a1 x + a0 con las operaciones de Pn (R) (g) {A Mnn (R) : At = A} bajo la suma y multiplicacin por escalar o usuales (h) {(x, y) R2 : y 0} con la suma de vectores y multiplicacin por o escalar usuales. Solucin: Debemos vericar los siguientes axiomas de un espacio veco torial:
jcdelacruz----------------------------------------------------------------------unsch
49
50
Cap tulo 4. Espacios Vectoriales i. Si x, y V entonces x + y V ii. (x + y) + z = x + (y + z), x, y, z V iii. x + y = y + x x, y V iv. Existe un vector 0 V tal que para todo x V , x + 0 = 0 + x = x v. Si x V , existe un vector x V tal que x + (x) = 0 vi. Si x V y es un escalar, entonces x V vii. Si x, y V y es un escalar, entonces (x + y) = x + y viii. Si x V y , son escalres, entonces ( + )x = x + x ix. Si x V y , son escalares, entonces (x) = ()x x. Para cada vector x V , 1x = x (a) D[0, 1] es un espacio vectorial, como la suma de funciones diferenciables es diferenciable, el axioma (i) se cumple y los otros axiomas se verican fcilmente con 0 = la funcin cero (la cual es diferenciable) a o y (f )(x) = f (x).
(b) Q( 2) es un espacio vectorial con 0 = 0 + 0 2 y (a + b 2) = a b 2 los dems axiomas se verican con facilidad. a (c) Si f, g C = {f C[0, 1] : f (0) = f (1) = 0} como la suma de funciones continuas es continua se tiene que f + g C[0, 1] y (f + g)(0) = f (0) + g(0) = 0 = f (1) + g(1) = (f + g)(1) luego, f + g C. Adems, 0 = la funcin identicamente cero. Las otros a o axiomas se verican sin dicultad. (d) R2 con las operaciones (x1 , y1 ) + (x2 , y2) = (x1 + x2 + 1, y1 + y2 + 1) (x, y) = ( + x 1, + y 1) es un espacio vectorial. iv. existe 0 = (1, 1) R2 tal que (x, y) + 0 = (x, y) + (1, 1) = (x1+1, y 1+1) = (x, y) = (1+x+1, 1+y +1) = (1, 1)+(x, y) v. existe (x, y) = (x 2, y 2) R2 tal que (x, y) + ((x, y)) = (x, y) + (x 2, y 2) = (x x 2 + 1, y y 2 + 1) = (1, 1) = 0 vii. ((x, y) + (a, b)) = (x + a + 1, y + b + 1) = ( + (x + a + 1) 1, + (y + b + 1) 1)
Algebra Lineal - Rodrigo Vargas = (2 + x + a 1, 2 + y + b 1)
51
= (( + x 1) + ( + a 1) + 1, ( + y 1) + ( + b 1) + 1) = ( + x 1, + y 1) + ( + a 1, + b 1) = (x, y) + (a, b) viii. ( + )(x, y) = (( + ) + ( + )x 1, ( + ) + ( + )y 1) = (( + x 1) + ( + x 1) + 1, ( + y 1) + ( + y 1) + 1) = ( + x 1, + y 1) + (( + x 1, + y 1) = (x, y) + (x, y) ix. ((x, y)) = = = = = ( + x 1, + y 1) ( + ( + x 1) 1, + ( + y 1) 1) ( + + x 1, + + y 1) ( + x 1, y 1) ()(x, y)
x. Si = 1 entonces 1 (x, y) = (1 + x 1, 1 + y 1) = (x, y) (e) No es espacio vectorial, pues no se verican los axiomas (i), (iv), (v) y (vi), por ejemplo 1 1 + 1 1 = 2 + + 2
la ultima matriz no pertenece al conjunto dado. (f) V es un espacio vectorial. Es claro que la suma de dos polinomios de grado menor o igual a n es otro polinomio de grado menor o igual a n y la suma de los trminos constantes es igual a cero si ambos son cero, e por lo que se cumple el axioma (i). Sea 0 = 0xn + 0xn1 + ... + 0x + 0 entonces claramente 0 V y el axioma (iv) se cumple. Por ultimo sea n n1 p(x) = an x an1 x ... a1 x 0, se ve que el axioma (v) se cumple, las demas propiedades son fciles de obtener. a (g) {A Mnn (R) : At = A} es un espacio vectorial. Si A y B son
52
Cap tulo 4. Espacios Vectoriales simtricas entonces (A + B)t = At + B t = A + B y se cumple el axioma e (i), con 0 la matriz cero de n n la cual es simtrica. Si A = (aij ) es e simtrica entonces A = (aij ) tambin es simtrica. e e e (h) No es un espacio vectorial, ya que no se verican los axiomas (v) y (vi), por ejemplo, si < 0 y (x, y) R2 tal que y 0, entonces (x, y) = (x, y) con y 0 y no se verica (vi).
4.2. Sea C = {p(t) P3 (R) : p (1) = p(0) + p (1) = 0}. Demuestre que C es subespacio de P3 (R). Encuentre una base y su dimensin. o Solucin: Sean p(t), q(t) P3 (R) y R, entonces basta probar o que (P + q)(t) P3 (R) y (p)(t) P3 (R). En efecto, (p + q) (1) = p (1) + q (1) = 0 + 0 = 0 , (p + q)(0) + (p + q) (1) = p(0) + p (1) + q(0) + q (1) = 0 + 0 = 0 . Analogamente, se tiene que (p) (1) = p(1) = 0 y adems (p)(0)+ a (p) (1) = (p(0) + p (1)) = 0. Luego, C es subespacio. Ahora, sea p(t) = a3 t3 + a2 t2 + a1 t + a0 P3 (R) entonces p(t) C si y slo si p (1) = p(0) + p (1) = 0, esto es, o p (t)|t=1 = (3a3 t2 + 2a2 t + a1 )
t=1
= 3a3 2a2 + a1 = 0
y como p(0) = a0 y p (t)|t=1 = (6a3 t + 2a2 )|t=1 = 6a3 + 2a2 , es decir 6a3 + 2a2 + a0 = 0 . Entonces, las variables bsicas son a0 y a1 y las libres a2 y a3 . a a0 = 2a2 6a3 a1 = 2a2 3a3 reemplazando a0 y a1 se obtiene p(t) = a3 t3 + a2 t2 + a1 t + a0 = a3 t3 + a2 t2 + (2a2 3a3 )t 2a2 6a3 = a3 (t3 3t 6) + a2 (t2 + 2t 2) . Luego, la base de U es {t2 + 2t 2, t3 3t 6} y dim U = 2.
Algebra Lineal - Rodrigo Vargas 4.3. Determine una base del subespacio L = 1 + 3x 2x2 + x3 , 3 + 10x 4x2 + 4x3 , 2 + 8x + 4x3 de P3 (R) y su dimensin. o
53
Solucin: Las coordenadas de los vectores generadores son (1, 3, 2, 1), o (3, 10, 4, 4), (2, 8, 0, 4) y formamos la matriz cuyas las son los vectores coordenados y calculamos su forma escalonada reducida 1 3 2 1 1 3 2 1 1 3 2 1 2 1 0 1 2 1 . A = 3 10 4 4 0 1 2 8 0 4 0 2 4 2 0 0 0 0 Las las no nulas de la forma escalonada reducida son las coordenadas de una base de L B = {1 + 3x 2x2 + x3 , x + 2x2 + x3 } . Otro mtodo alternativo e vectores coordenadas 1 3 3 10 B= 2 4 1 4 es escalonar la matriz cuyas columnas son los 1 3 2 8 0 1 0 0 2 0 1 4 1 3 2 2 0 1 4 0 0 0 0 2 2 2 . 0 0
Las columnas pivotes son la 1 y 2. Por lo tanto, las columnas 1 y 3 de B son base de L B = {1 + 3x 2x2 + x3 , 3 + 10x 4x2 + 4x3 } .
4.4. Pruebe que {1 + x x2 + 3x3 , 2 + 2x x3 } es un conjunto linealmente independiente, extindalo a una base de P3 (R). e Solucin: El conjunto es linealmente independiente si los vectores coo ordenados (1, 1, 1, 3) y (2, 2, 0, 1) son linealmente independientes, si + 2 = 0 = 0 (1, 1, 1, 3) + (2, 2, 0, 1) = 0 = =0. 3 = 0
Entonces, {1 + x x2 + 3x3 , 2 + 2x x3 } es un conjunto linealmente independiente. Ahora, llevamos la matriz A a su forma escalonada reducida 1 1 1 3 1 1 1 3 A= . 2 2 0 1 0 0 2 7
54 Las las
Cap tulo 4. Espacios Vectoriales
0 1 0 0 0 1 completan a una base de R4 a las las de la matriz escalonda. Por lo tanto, los polinomios x + x2 + x3 y x3 extiende una base para P3 (R). 4.5. Sean B1 = {(1, 1, 1), (2, 0, 1), (1, 2, 1)} y B2 = {(1, 1, 2), (0, 1, 1), (1, 1, 1)}, determine la matriz cambio de base. Solucin: Expresamos cada vetor de B1 en trmino de los vectores o e de B2 . Sean B1 = {(1, 1, 1), (2, 0, 1), (1, 2, 1)} = {u1 , u2 , u3 } y B2 = {(1, 1, 2), (0, 1, 1), (1, 1, 1)} = {v1 , v2 , v3 }, luego v1 1 = 1 = 11 u1 + 21 u2 + 31 u3 2 2 1 1 = 11 1 + 21 0 + 31 2 1 1 1 1 2 1 11 = 1 0 2 21 . 1 1 1 31
Similarmente, tenemos que 0 1 2 1 12 v2 = 1 = 1 0 2 22 , 1 1 1 1 32 1 1 2 1 13 v3 = 1 = 1 0 2 23 . 1 1 1 1 33
Entonces, los tres sistemas de ecuaciones se pueden escribir como 1 0 1 1 2 1 11 12 13 1 2 1 [v1 v2 v3 ] = 1 1 1 = 1 0 2 21 22 23 = 1 0 2 P . 1 1 1 2 1 1 1 1 1 31 32 33
Algebra Lineal - Rodrigo Vargas Entonces 1 1 2 1 1 P = 1 0 2 1 1 1 1 2 2 1 4 1 0 1 = 1 1 2 5 5 1 = 1 1 0 . 2 3 0 0 1 1 1 1 1
55
1 0 1 1 1 1 2 1 1
4.6. Sea B1 = {1 + t t2 , t2 t, 2 + t 2t2 } una base de P2 (R). Si B0 es la base cannica de P2 (R), encuentre cambio de base de B1 a B0 . o Solucin: Sean u1 = 1 + t t2 , u2 = t2 t y u3 = 2 + t 2t2 y expreo samos los vectores coordenadas, de cada vector ui , en la base cannica o de P2 (R). 1 0 2 [u1 ]B0 = 1 , [u2 ]B0 = 1 , [u3 ]B0 = 1 . 1 1 2 Entonces 1 0 2 1 ] = 1 1 1 1 2
S = [ [u1 ]B0 [u2 ]B0 [u3 ]B0
luego la matriz de cambio de base de B1 a B0 es 1 2 2 0 P1 = S 1 = 1 0 1 0 1 1
4.7. Sea W es subespacio de P3 generado por {x2 2, x3 + x, x3 + 2x2 + 1}. Determine si los siguientes vectores pertenecen o no a W . (a) x2 x + 3 ,
(b) 4x3 3x + 5 , (c) x2 2x + 1 ,
56 (d) 1 x3 + 5 x2 x 1 . 2 2 Solucin: o 2 0 1 0 Determinamos el sistema 0 1 a0 1 0 0 1 1 0 a1 = 1 0 0 2 a2 1 1 a3 0 1 1 0 0 1 = 0 0 0 0 1 0 0 1 = 0 0 0 0
Entonces, a3 2 a2 a1 1 a0 = 0. 5 5
homogneo asociado al generador. e 1 a20 2 0 a1 2 a2 1 a3 1 a20 2 a1 0 a2 5 a2 + 2 2 1 a3 a1 1 a20 2 0 a1 . a2 5 a2 + 2 2 2 1 0 a3 a1 5 a2 5 a0
(a) 0 2 1 (1) 1 3 = 5 + 1 = 0 x2 x + 3 W , 5 5 5 2 1 (b) 4 5 (0) (3) 5 (5) = 4 + 3 1 = 0 4x3 3x + 5 no pertence a W , 2 (c) 0 5 (1) (2) 1 (1) = 7 = 0 x2 2x + 1 no pertenece a W , 5 5 3 (d) 1 2 5 (1) 1 (1) = 10 = 0 1 x3 + 5 x2 x 1 no 2 52 5 2 2 pertenece a W . 4.8. Considere los siguientes subespacios de P3 (R) U1 = U2 = 3 2x + x2 + x3 , 1 + x2 x3 , 2 x + x3 , 2 x + 2x2 + x3 , x x3 , 3 2x + 3x2 + x3 .
(a) Encuentre una base y la dimensin de U1 , U2 , U1 + U2 y U1 U2 . o (b) Encuentre una base y la dimensin de U3 tal que (U1 U2 ) U3 = o P3 (R) . Solucin: Tomando los vectores coordenados en la base 1, x, x2 , x3 de o P3 (R), para encontrar una base y la dimensin de U1 observamos la o siguiente matriz 3 1 2 1 1 0 1 1 0 1 1 0 2 2 0 0 2 1 0 1 0 1 2 1 1 1 0 3 1 2 0 4 2 0 0 0 1 1 1 1 1 1 0 2 1 0 0 0
Algebra Lineal - Rodrigo Vargas
57
luego, una base de U1 es {3 2x + x2 + x3 , 1 + x2 x3 } con dimensin o 2. Analogamente para U2 se tiene 2 0 3 1 1 1 1 1 2 0 2 1 2 0 3 0 0 0 1 1 1 0 0 0
y U2 tiene base {2 x + 2x2 + x3 , x x3 } y tiene dimensin 2. Para o encontrar una base de U1 + U2 se analiza la matriz cuyas columnas son los vectores coordenados de los vectores generadores de U1 y U2 3 1 2 0 1 0 0 1 2 0 1 1 0 1 0 1 1 0 0 1 1 1 2 0 1 1 1 1 0 0 0 0
luego debemos encontrar el Ker de la ultima matriz que esta genera do por el vector (1, 1, 1, 1), con lo que (x, y, z, w) = (3, 2, 1, 1) + (1, 0, 1, 1) = 2(1, 1, 1, 0) implica que la base de U1 U2 es {1 x + x2 }. Para encontrar U3 consideramos la matriz 1 1 0 0 0 1 0 0 1 0 1 0 1 0 0 0 1 0 1 0 1 0 0 1 0 0 0 1 1 0 . 0 0 0 0 1 0 0 0 0 1 Luego {1 x + x2 , 1, x, x3 } es una base de P3 , por lo que U3 = 1, x, x3 y tiene dimensin 3. o
entonces una base de U1 + U2 es {3 2x + x2 + x3 , 1 + x2 x3 , 2 x + 2x2 + x3 } la cual tiene dimensin 3. Ahora, como dim(U1 + U2 ) = o dim U1 + dim U2 dim(U1 U2 ) se deduce que dim(U1 U2) = 1. Para encontrar una base de U1 U2 debemos notar que un vector (x, y, z, w) (U1 U2 ) deber tener la forma: 1 (3, 2, 1, 1) + 2 (1, 0, 1, 1), por a pertenecer a U1 y 1 (2, 1, 2, 1) + 2 (0, 1, 0, 1), por pertenecer a U2 luego 1 (3, 2, 1, 1)+2(1, 0, 1, 1) = 1 (2, 1, 2, 1)+2(0, 1, 0, 1) de esto, 31 2 21 = 0 3 1 2 0 2 21 + 1 + 2 = 0 0 1 1 1 1 + 2 21 = 0 1 2 0 1 2 1 + 2 = 0 1 1 1 1
58
4.9. Sea W1 y W2 subespacios de Rn de dimensin n 1 con n > 2, deo muestre que W1 W2 = 0. Solucin: Basta probar que dim(W1 W2 ) > 0, para esto supongamos o lo contrario, es decir, W1 W2 = 0 como dim(W1 + W2 ) = dim W1 + dim W2 dim(W1 W2 ) obtenemos que dim(W1 + W2 ) = n 1 + n 1 = 2(n 1) y como W1 + W2 Rn y dim Rn = n entonces dim(W1 + W2 ) > dim Rn , lo cual es absurdo si n > 2. Por lo tanto, dim(W1 W2 ) > 0 W1 W2 = {0} . 4.10. Dados los espacios vectoriales U = {A = (aij ) M33 (R) : At = A, aii = 0, i = 1, 2, 3} V = {(x1 , x2 , x3 , x4 ) R4 : x1 + x2 + x3 + x4 = 0} (b) Decida si U y V son isomorfos. Solucin: o (a) Notemos que 0 a b a 0 c : a, b, c R U = b c 0 0 0 b 0 0 0 0 a 0 a 0 0 + 0 0 0 + 0 0 c : a, b, c R = 0 0 0 b 0 0 0 c 0 0 1 0 0 0 1 0 0 0 1 0 0 + b 0 0 0 + c 0 0 1 : a, b, c R . = a 1 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 1 0 El conjunto B = 1 0 0 , 0 0 0 , 0 0 1 es 0 0 0 1 0 0 0 1 0 linealmente independiente, ya que 0 1 0 0 0 1 0 0 0 0 0 0 1 0 0 + 0 0 0 + 0 0 1 = 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 (a) Encuentre una base para U
Algebra Lineal - Rodrigo Vargas 0 B es l.i. 0 0 0 = 0 0 0 0 0 y genera a U, luego
59 0 0 = = = 0 . Por lo tanto, 0 B es una base de U.
(b) Notemos que V = = = = =
{(x1 , x2 , x3 , x4 ) R4 : x1 + x2 + x3 + x4 = 0} {(x1 , x2 , x3 , x4 ) R4 : x1 = x2 x3 x4 } {(x2 x3 x4 , x2 , x3 , x4 ) : x2 , x3 , x4 R} {(x2 , x2 , 0, 0) + (x3 , 0, x3 , 0) + (x4 , 0, 0, x4) : x2 , x3 , x4 R} {x2 (1, 1, 0, 0) + x3 (1, 0, 1, 0) + x4 (1, 0, 0, 1) : x2 , x3 , x4 R} .
El conjunto {(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)} genera a V y es l.i. (vericar!). Por parte (a) sabemos que dim U = 3 = dim V, por lo tanto son isomorfos.
60
Cap tulo 5 Transformaciones Lineales, Teorema de la Dimensin y o Cambio de Base

5.1. Determine el n cleo de las siguientes transformaciones lineales u (a) T : P3 P2 dada por T (p(x)) = p (x) ,
1
(b) T : P1 R dada por T (p(x)) = Solucin: o (a) De inmediato tenemos que
p(x)dx .
1
KerT = {p(x) P3 : T (p(x)) = 0} . Si p(x) = ax3 +bx2 +cx+d P3 entonces T (p(x)) = 3ax2 +2bx+c = 0 implica que a = b = c = 0 entonces p(x) KerT p(x) = d = constante. (b) Del mismo modo, si p(x) = ax + b P1 entonces
1
T (p(x)) =
1
p(x)dx = a
x2 + bx 2
= 2b
1
entonces p(x) KerT p(x) = ax, a R. 5.2. Sea T : P2 P3 , denida por T (p(x)) = x2 p (x) determine una base y su dimensin para KerT y una para ImT . o
61
62
Cap tulo 5. Transformaciones Lienales, Teorema de la dimensin o Solucin: Notemos que si p(x) = ax2 + bx + c P2 p (x) = 2ax + b, o luego T (p(x)) = x2 p (x) = 2ax3 + bx2 = 0 implica que a = b = 0 entonces KerT = {p(x) P2 : p(x) = c, c R} y tomando el vector coordenada en la base {1, x, x2 } de P2 obtenemos [p(x)] = (c, 0, 0) = c(1, 0, 0) entonces la base es KerT = {(1, 0, 0)} y dim KerT = 1. Ahora, como dim KerT + dim ImT = dim P2 = 3 dim ImT = 2. Sabemos que ImT = {q(x) P3 : q(x) = T (p(x)), p(x) P2 } luego, q(x) ImT q(x) = T (p(x)) = 2ax3 + bx2 , tomando el vector coordenada en la base {1, x, x2 , x3 } de P3 se tiene que [p(x)] = (2a, b, 0, 0) = a(2, 0, 0, 0) + b(0, 1, 0, 0). As {2x3 , x2 } es una base de la , ImT .
5.3. Hallar una transformacin lineal T : R3 R3 , tal que o (b) S = {(1, 0, 2), (0, 1, 1)} sea una base para el n cleo de T . u Solucin: o (a) Nosotros necesitamos que T (1, 0, 0) = (1, 0, 2) T (0, 1, 0) = (0, 1, 1) T (0, 0, 1) = (0, 0, 0) y la eleccin del ultimo vector es arbitraria, ahora si (x, y, x) R3 o entonces (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) T (x, y, z) = xT (1, 0, 0) + yT (0, 1, 0) + zT (0, 0, 1) = x(1, 0, 2) + y(0, 1, 1) T (x, y, z) = (x, y, 2x + y) . (b) Del mismo modo queremos que T (1, 0, 2) = (0, 0, 0) T (0, 1, 1) = (0, 0, 0) T (0, 1, 0) = (a, b, c) (a) S = {(3, 1, 2), (0, 1, 1)} sea una base para ImT ,
Algebra Lineal - Rodrigo Vargas 1 0 Notemos que 0 1 0 1 es una base de R3 3 (0, 1, 0)
63
2 1 = 1 = 0 luego {(1, 0, 2), (0, 1, 1), (0, 1, 0)} 0 entonces (x, y, z) = 1 (1, 0, 2) + 2 (0, 1, 1) +
Entonces,
x = 1 1 = x y = 2 + 3 2 = z 2x z = 21 + 2 3 = 2x + y z
T (x, y, z) = 1 T (1, 0, 2)+2T (0, 1, 1)+3T (0, 1, 0) = (2x+yz)(a, b, c). 5.4. Sea T : P2 P3 una transformacin lineal, denida por T (1) = 1; o T (x) = 1 + x2 ; T (x2 ) = 1 + x3 . Hallar T (x2 + 5x + 6). Solucin: Notemos que o T (ax2 + bx + c) = aT (x2 ) + bT (x) + cT (1) = a(1 + x3 ) + b(1 + x2 ) + c = a + b + c + bx2 + ax3 . Por lo que T (x2 + 5x + 6) = T (x2 ) + 5T (x) + 6T (1) = 1 + x3 + 5(1 + x2 ) + 6 = 12 + 5x2 + x3 . 5.5. Sea T : V W una trasformacin lineal. Demuestre que o (b) Si T es sobre entonces dimW dimV Solucin: o (a) Por el teorema de la dimensin: o dim ker T + dim Im T = dim V como T es inyectiva entonces Ker T = {0}, luego dim Ker T = 0, entonces dim Im T = dim V . Ahora, como Im T W , entonces dim Im T dim W , por lo tanto, dimV dimW . (a) Si T es inyectiva entonces dimV dimW
64
Cap tulo 5. Transformaciones Lienales, Teorema de la dimensin o (b) Ahora si T es sobreyectiva entonces Im T = W , por el teorema de la dimensin tenemos que o dim Ker T + dim W = dim V luego, dimW dimV .
5.6. (a) Si T : R2 R3 una transformacin lineal tal que o Im T = {(1, 1, 0), (0, 1, 2), (3, 1, 8)} entonces T es inyectiva. (b) Supongamos que dim V > dim W . Sea L : V W una aplicacin o lineal. Qu puede decir del n cleo de L? e u Solucin: o 1 0 3 1 0 3 (a) Notemos que 1 1 1 0 1 4 dim T = 2, por 0 2 8 0 0 0 el teorema de la dimensin obtenemos que dim Ker T = 0, luego T o es inyectiva. (b) Armamos que el Ker L = {0}. En efecto, si Ker L = {0} entonces dimKerL = 0 y por el teorema de la dimensin: dimImL = dimV , o como ImL W dimV = dimImL dimW , lo cual contradice la hiptesis de dim V > dim W . o 5.7. Sea T : P2 (R) P4 (R) denida por: T (p(x)) = x2 p(x). Determine [T ]e , f donde e = {1 + x2 , 1 + 2x + 3x2 , 4 + 5x + x2 } y f = {1, x, x3 , x3 + x2 , x4 }. Solucin: Sea f = {1, x, x3 , x3 + x2 , x4 } = {w1 , w2 , w3, w4 } entonces: o T (1 + x2 ) = x2 + x4 = w4 + w3 w2 T (1 + 2x + 3x2 ) = x2 + 23 + 34 = 3w4 + w3 + w2 T (4 + 5x + x2 ) = 4x2 + 5x3 + x4 = w4 + 4w3 + w2 0 0 1 1 1 0 0 1 1 3 0 0 1 4 1
[T ]e f
65
5.8. Sea T : V W una transformacin lineal. Sea B1 = {v1 , v2 , v3 , v4 } una o base de V y B2 = {w1 , w2 , w3 } una base de W tal que 1 0 0 1 [T ]1 = 0 1 0 1 . 2 0 0 1 1
1 1 0 0 Encuentre una base B3 de W tal que [T ]1 = 0 1 1 0 . 3 0 0 1 1 Solucin: Tenemos que: o T (v1 ) = w1 , T (v2 ) = w2 , T (v3 ) = w3 , T (v4 ) = w1 + w2 + w3 . Queremos encontrar una base B3 = {s1 , s2 , s3 } tal que T (v1 ) = s1 , T (v2 ) = s2 s1 , T (v3 ) = s3 s2 , T (v4 ) = s3 esto es, s1 = w 1 s2 s1 = w 2 s3 s2 = w 3 s3 = w 1 + w 2 + w 3
Los vectores {s1 , s2 , s3 } son linealmente independientes, pues veclos 1 1 1 tores coordenados en la base B2 forma la matriz 0 1 1 no es 0 0 1 singular, ya que su determinante es 1 = 0 y B3 es un base pues son 3 vectores L.I. en un espacio vectorial de dimensin 3. o 5.9. Considere T : P2 (R) R3 una transformacin lineal. Determine la o matriz de T con respecto a las bases cannicas B = {1, t, t2 } y la base o cannica de R3 a saber {e1 , e2 , e3 }, suponiendo que o T (1 + t t2 ) = e1 + e3 , T (t2 t) = e1 + e2 e3 , T (2 + t 2t2 ) = e1 + e2 2e3 . Solucin: Sea A la matriz que representa a T con respecto a las bases o
s1 = w 1 s2 = w 1 + w 2 s3 = w 1 + w 2 + w 3
66
Cap tulo 5. Transformaciones Lienales, Teorema de la dimensin o cannicas, entonces o T (1 + t t2 ) = e1 + e3 T (t2 t) = e1 + e2 e3 T (2 + t 2t2 ) = e1 + e2 2e3 1 A 1 = 1 0 A 1 = 1 2 A 1 = 2 0 0 , 1 1 1 , 1 1 1 . 2
1 0 2 1 1 1 1 = 0 1 1 Luego, tenemos que A 1 1 1 1 2 1 1 2 1 1 0 1 A = 1 1 1 1 0 1 = 1 1 2 3 = 1 1 0 4 1 1 2 1 1 2 4 0 . 3 1 1 0 2 1 1 1 1 1 2 1 2 2 1 0 1 0 1 1
5.10. Determine R de modo que la transformacin lineal T : R3 R3 o denida por: T (x, y, z) = (x + y z, x, x + y z) sea un isomorsmo. Solucin: o i. Primeros T debe ser inyectiva si slo si el sistema tiene unica soluo cin o x+yz =0 1 1 1 1 1 1 x = 0 0 0 . 0 x+y =0 1 1 0 0 1 Por lo tanto, tiene unica solucin si y slo si = 0 y = 1, en o o cuyo caso T es inyectiva.
67
ii. T debe ser sobreyectiva. Para = 0 y = 1 por el teorema de la dimensin, como Im T R3 y dim Im T = dim R3 = 3 entonces o Im T = R3 luego T es sobreyectiva. Por lo tanto, T es isomorsmo si y slo si = 0 y = 1. o 5.11. Sea T : R3 R3 dada por T (a, b, c) = (a + b + c, a b + 2c, 3b c) . (a) Demuestre que T es una transformacin lineal biyectiva. o (b) Encuentre [T ]f donde e es la base cannica y f = {(1, 1, 0), (1, 1, 1), (2, 1, 0)}. o e (c) Encuentre T 1 , usando T . (d) Encuentre T 1 , usando [T 1 ]e . f Solucin: o (a) Sean (a, b, c), (x, y, z) R3 , entonces T ((a, b, c) + (x, y, z)) = T (a + x, b + y, c + z) = (a + x + b + y + c + z, a + x (b + y) + 2(c + z), 3(b + y) (c + z)) = (a + b + c, a b + 2c, 3b c) + (x + y + z, x y + 2z, 3y z) = T (a, b, c) + T (x, y, z) . Si R entonces T ((a, b, c)) = = = = = T (a, b, c) (a + b + c, a b + 2c, 3b c) ((a + b + c), (a b + 2c), (3b c)) (a + b + c.a b + 2c, 3b c) T (a, b, c) .
entonces Ker T = {0} T es inyectiva. Por otro lado, por el teorema de la dimensin tenemos que dim Im T = dimR3 = 3 y como o 3 Im T R esto implica que Im T = R3 y luego T es sobreyectiva.
Luego, T es una transformacin lineal. o Ahora, T (a, b, c) = 0 (a + b + c, a b + 2c, 3b c) = (0, 0, 0) es decir, a+b+c=0 a b + 2c = 0 a=b=c=0 3b c = 0
68
Cap tulo 5. Transformaciones Lienales, Teorema de la dimensin o (b) Tenemos que T (1, 1, 0) = (2, 0, 3) = 2e1 + 3e3 , T (1, 1, 1) = (1, 4, 4) = e1 + 4e2 4e3 , T (2, 1, 0) = (3, 1, 3) = 3e1 + e2 + 3e3 . Entonces 2 1 3 4 1 . [T ]f = 0 e 3 4 3
a+b+c =x (c) Si (x, y, z) = T (a, b, c) = (a+b+c, ab+2c, 3bc) a b + 2c = y 3b c = z 1 1 1 x x 1 1 1 1 1 2 y 0 2 1 yx 0 3 1 z 0 3 1 z x 1 1 1 xy 0 1 1 2 2 0 0 1 3(x y) + 2z a = 5x 4y 3z b = x + y + z c = 3x + 3y + 2z
T 1 (x, y, z) = (5x 4y 3z, x + y + z, 3x + 3y + 2z) . (d) Notemos que [T 1 ]e = ([T ]f )1 f e 1 2 1 3 16 15 11 4 1 = 3 3 2 = 0 3 4 3 12 11 8
x como [T 1 ]e [(x, y, z)]e = [T 1 (x, y, z)]f [(x, y, z)]e = y se f z obtiene que x 16x + 15y + 11z 16 15 11 3 2 y = 3x + 3y + 2z [T 1 ]e = 3 z 12x 11y 8z 12 11 8
69
T 1 (x, y, z) = (16x + 15y + 11z)(1, 1, 0) + (3x + 3y + 2z)(1, 1, 1) +(12x 11y 8z)(2, 1, 0) 1 T (x, y, z) = (5x 4y 3z, x + y + z, 3x + 3y + 2z) . 5.12. Si S : R2 R3 y T : R3 M22 (R) donde 1 1 0 1 1 e 1 1 y B = [T ]f = 1 2 1 A = [S]f = g 1 1 1 1 1 0 0 0
para las bases e = {(1, 1), (1, 1)} f = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} g = 1 0 1 1 1 1 1 1 , , , . 0 0 0 0 1 0 1 1
(a) Encuentre S y T usando A y B. (b) Encuentre T S usando A y B. Solucin: o (a) Tenemos que [S]e [(x, y)]e = [S(x, y)]f y como f x+y xy (1, 1) + (1, 1) [(x, y)]e = 2 2 y 1 1 x+y 2 1 1 xy = y [S(x, y)]f = 2 x 1 1 (x, y) = Analogamente, [T ]f [(x, y, z)]f = [T (x, y, z)]g y como g
x+y 2 xy 2
S(x, y) = y(1, 1, 1) + y(1, 1, 0) + x(1, 0, 0) = (x + 2y, 2y, y) .
z (x, y, z) = z(1, 1, 1)+(yz)(1, 1, 0)+(xy)(1, 0, 0) [(x, y, z)]f = y z xy 1 1 0 y z 1 2 1 x + 3y 3z y z = [T (x, y, z)]g = 1 1 1 x xy 0 0 0 0 T (x, y, z) = y = 1 0 0 0 + (x + 3y 3z) . 1 1 0 0 +x 1 1 1 0 4y 3z 3y 3z x 0
70
Cap tulo 5. Transformaciones Lienales, Teorema de la dimensin o (b) Observemos que 1 1 [T S]e = [T ]f [S]e = g g f 1 0 1 0 1 1 2 1 1 1 = 1 1 1 1 0 0 2 2 0 2 . 3 1 0 0
Luego, procediendo de manera similar que en (a) se tine que [T S]e [(x, y)]e = [(T S)(x, y)]g g de (a) ya teniamos que [(x, y)]e = 2 2 0 2 [(T S)(x, y)]g = 3 1 0 0 (T S)(x, y) = y = 1 0 0 0
x+y 2 xy 2
entonces y yx = x + 2y 0 1 1 0 0 + (x + 2y) 1 1 1 0
x+y 2 xy 2
+ (y x) .
4y 3y x + 2y 0
5.13. Sean T : R2 R3 y R : R2 R2 dos transformaciones lineales y sean B1 y B2 bases de R2 y B3 base de R3 si 2 1 1 1 [T R]B1 = 0 1 y [R]B1 = B3 B2 1 2 1 1 Suponiendo que R es invertible, determine [T ]B2 . B3 Solucin: Notemos que T = T R R1 , entonces o [T ]B2 = [T R R1 ]B2 B3 B3 = [(T R) R1 ]B2 B3 = [T R]B1 [R1 ]B2 B3 B1 = [T R]B1 ([R]B1 )1 B2 B3
Algebra Lineal - Rodrigo Vargas como ([R]B1 )1 = B2 [T ]B3 B2 2 1 , entonces 1 1 2 1 2 1 = 0 1 1 1 1 1
71
1 5.14. Sea T : Mn3 (R) Rn lineal dada por T (A) = Au, u = 1 . 1 Encuentre el Ker(T ) y su dimensin. o Solucin: o Ker T = {A = [v1 v2 v3 ] Mn3 (R) : v1 + v2 + v3 = 0} = {A = [v1 v2 v1 v2 ] Mn3 (R) : v1 , v2 Rn } . Entonces Ker T = Ai,j = [ei ej ei ej ] donde los ei y ej son vectores cannicos de Rn . o Notemos que la transformacin es sobreyectiva, pues dado u Rn basta o tomar la matriz A = [u 0 0] y luego T ([u 0 0]) = u, por el teorema de la dimensin tenemos que o dim (Ker T ) = dim (Mn3 (R)) dim (Im T ) = dim (Mn3 (R)) dim (Rn ) = 3n n = 2n . 5.15. Sea V , W espacios vectoriales de dimensin 3 y 4 respectivamente tal o que V =< v1 , v2 , v3 > y W =< w1 , w2 , w3 , w4 >. Sea T : V W lineal tal que T (v1 v3 ) = w1 + w2 , T (v1 v2 v3 ) = w1 + w3 , T (v1 v2 2v3 ) = w1 + w4 . (a) Es T 1-1? Es T sobre? Justique. (b) Encuentre bases en V y W tal que la matriz de la transformacin o lineal sea 1 0 0 1 1 0 . 1 1 1 1 0 1
3 1 1 . = 1 3 2
72
Cap tulo 5. Transformaciones Lienales, Teorema de la dimensin o Solucin: Sean B1 = {v1 , v2 , v3 } y B2 = {w1 , w2 , w3 , w4 }, dado que o dim(V ) = 3 y dim(W ) = 4, entonces B1 y B2 son bases de V y W respectivamente. Consideremos B3 = {v1 v3 , v1 v2 v3 , v1 v2 2v3 } es tambin una base de V , pues la matriz cambio de base es invertible e 1 1 1 3 P1 = 0 1 1 , 1 1 2 1 1 0 1 1 . P3 = 1 1 1 0 1
La matriz de T con respecto a esas bases es 1 1 [T ]3 = 2 0 0 1 0 1 0 1 1 0 0 0 0 1 0 0 1 0 0 0 0 . 1 0
Como al escalonar se obtiene una matriz 1 1, entonces la transformacin lineal es 1 1. Por otro lado, la transformacin no puede ser sobre o o pues dim V < dim W . 1 0 0 1 1 0 se busca en V una base Para la matriz T sea 1 1 1 1 0 1 {a1 v1 + a2 v2 + a3 v3 , b1 v1 + b2 v2 + b3 v3 , c1 v1 + c2 v2 + c3 v3 } y consideramos a W con la base B2 tal que T (a1 v1 + a2 v2 + a3 v3 ) = w1 + w2 + w3 + w4 , T (b1 v1 + b2 v2 + b3 v3 ) = w2 w3 , T (c1 v1 + c2 v2 + c3 v3 ) = w3 w4 . Entonces matricialmente debe ocurrir que 1 0 0 c1 1 1 0 c2 = 1 1 1 c3 1 0 1
a1 b1 a2 b2 [[T (v1 )]2 [T (v2 )]2 [T (v3 )]3 ] a3 b3

1 y como [T ]1 = [T ]3 P3 luego 2 2
73
1 0 0 a1 b1 c1 1 1 0 1 = [T ]3 P3 a2 b2 c2 2 1 1 1 a3 b3 c3 1 0 1 1 1 1 1 1 1 0 0 1 1 = 0 1 0 1 0 0 0 1 1 0 0 a 1 1 0 1 a2 = 1 1 1 a3 1 0 1
0 a1 b1 c1 1 a2 b2 c2 1 a3 b3 c3 b1 c1 b2 c2 . b3 c3
a1 b1 c1 Se concluye que a2 b2 c2 = I. Luego las bases buscadas son a3 b3 c3 {v1 , v2 , v3 } en V y {w1 , w2, w3 , w4 } en W . 5.16. Sea T : P2 (R) M2 (R) una transformacin lineal denida por o T (a + bx + cx2 ) = a+b a+b+c c 0 .
(a) Si B1 = {1 x, 1 + x, x2 } es una base de P2 (R) y C es la base cannica de M2 (R) determine [T ]B1 . o C (b) Determine todos los polinomios p P2 (R) tal que [T (p)]C1 = (1, 2, 1, 0)t, donde C1 es la base de M2 (R) dada por C1 = 1 0 0 0 , 0 1 0 0 , 0 0 1 0 , 0 0 1 1 .
(c) Determine una base para Ker T y para Im T . Solucin: o
74 (a)
Cap tulo 5. Transformaciones Lienales, Teorema de la dimensin o
T (1 x) = T (1 + x) =
0 0 0 0 2 2 0 0 0 1 1 0
[T ]B1 C
T (x2 ) = (b) Sabemos que
0 0 = 0 0
2 2 0 0
0 1 . 1 0
1 [T (p)]c1 = [T ]B1 [p]B1 C
1 [T ]B1 = [I]C1 [T ]B1 C C C
donde [I]C1 C
1 0 = 0 0 1 0 = 0 0
0 1 0 0 0 1 0 0
0 0 0 0 1 1 0 1 0 2 0 0 0 2 0 0 1 1 0 0 0 0 0 1 0 0 0 1 = 1 0 0 0 2 2 0 0 0 1 . 1 0
1 [T ]B1 C
a Si [p] = b entonces c 1 0 2 0 2b 2b + c 2 0 2 1 a [T (p)]C1 = 0 0 1 b = c = 1 c 0 0 0 0 0 a 1 p(x) = a(1 x) + 1 (1 + x) + x2 c = 1, 2b = 1 [p] = 2 2 1 p(x) = a + 1 + 2 1 a x + x2 . 2
Algebra Lineal - Rodrigo Vargas (c) Ker T = = a + bx + cx2 P2 (R) : T (a + bx + cx2 ) = a + bx + cx2 P2 (R) : a+b a+b+c c 0 0 0 0 0 =
75
0 0 0 0
= {a + bx + cx2 P2 (R) : a + b = 0 c = 0} = {a(1 x) P2 (R) : a R} . Luego una base para Ker T es {(1 x)}. Para Im T , basta observar que T (1) = 1 1 0 0 , T (x) = 1 1 0 0 , T (x2 ) = 1 1 0 0 , 0 1 1 0 0 1 1 0 . pues es
Luego una base para Im T es B = linealmente independiente y genera.
5.17. Considere V un espacio vectorial con B1 = {b1 , b2 , b3 , b4 } una base. Sea T : V V una transformacin lineal denida por o
T (b1 ) = b1 , T (b2 ) = b1 + b2 , T (b3 ) = b1 + b2 + b3 , t(b4 ) = b1 + b2 + b3 + b4 , T (b5 ) = b1 + b2 + b3 + b4 + b5 . base de V y [I]B1 es la matriz B2 1 1 1 0 0 1 1 1 1 0 1 1 1 1 5
(b) Sea v en V dado por v = b1 + 2b2 + 3b3 + 4b4 + 5b5 . Determine w como combinacin lineal de la base B1 , de tal manera que T w = v. o Solucin: o a) Claramente
B [T ]B1 1
(a) Determine [T ]B2 donde B2 es otra B2 cambio de base dada por 1 1 0 1 [I]B1 = 0 0 B2 0 0 0 0
1 0 0 0 0
1 1 0 0 0
1 1 1 0 0
1 1 1 1 0
1 1 1 1 1
76
Cap tulo 5. Transformaciones Lienales, Teorema de la dimensin o Notemos que [T ]B2 = [I]B1 [T ]B1 [I]B2 = [I]B1 [T ]B1 ([I]B1 )1 B2 B2 B1 B1 B2 B1 B2 donde 1 0 0 0 0 1 1 0 0 0 1 1 1 0 0 1 1 1 1 0 1 1 1 1 5 1 1 1 0 0 0 1 1 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 1/5 0 0 0 0 1/5
([I]B1 )1 B2
= 1 0 0 0 0 1 1 0 0 0
= 1 1 1 1 0 1 1 1 1 0
Luego 1 1 1 0 0 1 1 1 1 0 1 1 1 1 5 = 1 0 0 0 0 1 0 0 0 0 1 1 1 0 0 1 1 1 0 0 1 1 1 1 1 1 1 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 1/5 0 0 0 0 1/5
[T ]B2 B2
B [T ]B2 2
1/5 1/5 1/5 1/5 1
b) Tenemos que v = b1 + 2b2 + 3b3 + 4b4 + 5b5 [v]B1 = (1, 2, 3, 4, 5)t y sabemos que [T ]B1 [w]B1 = [v]B1 si [w]B1 = (w1 , w2, w3 , w4 , w5 )t B1 entonces w1 + w2 + w3 + w4 + w5 = 1 w2 + w3 + w4 + w5 = 2 w3 + w4 + w5 = 3 w5 = 5; w4 = w3 = w2 = w1 = 1 w4 + w5 = 4 w5 = 5 [w]B1 = 1 1 1 1 5 w = b1 b2 b3 b4 + 5b5 .
77
5.18. Sea L : R R una transformacin lineal tal que L = 0 pero L2 = o L L = 0. Demuestre que existe una base {u, v} de R2 tal que L(u) = v y L(v) = 0. Solucin: Sabemos que L = 0, entonces existe u R2 tal que L(u) = o v = 0 y adems L(v) = L(L(u)) = L L(u) = 0. Falta probar que a {u, v} es una base de R2 , es decir, que {u, v} es linealmente independiente. Notemos que 0 = u + v = u + L(u) . Aplicando la aplicacin L a ambos lados de la igualdad. o 0 = L(0) = L(u) + LL(u) = v entonces = 0 y reemplazando esto en la primera ecuacin, se obtiene o 0 = u + v = v entonces = 0. 5.19. Sea T : U V una transformacin lineal y b = 0 un vector de V . Por o qu no es subespacio de U el conjunto T 1 (b) = {u u/T (u) = b}? e Solucin: Si u, v T 1 (b) y R, entonces o T (u + v) = T (u) + T (v) = b + b = 2b u + v no esta en T 1 (b) Luego, T 1 (b) = {u u/T (u) = b} (b = 0) no es subespacio de U. T (u) = T (u) = b u no esta en T 1 (b) .
78
Cap tulo 5. Transformaciones Lienales, Teorema de la dimensin o
Cap tulo 6 Bases Ortonormales y Proyecciones

6.1. Contruir una base ortonormal para el subespacio W del espacio R3 generado por {(1, 2, 3), (3, 4, 5), (1, 1, 0)}. Solucin: Sea {(1, 2, 3), (3, 4, 5), (1, 1, 0)} = {1 , 2 , 3 } entonces por o el proceso de ortonormalizacin de Gram-Schmidt, tenemos que una o 3 base ortogonal es {1 , 2 , 3 } y una base ortonormal es { 1 , 2 , 3 } 1 2 donde 1 = 1 , 2 = 2 3 es decir, 1 = (1, 2, 3) 2 = 1 (8, 2, 4) 7 3 = 1 (1, 2, 1) 2 7 12 8 2 4 , , 7 7 7 1 = 1 = 1 = < 2 , 1 > 1 , < 1 , 1 > < 3 , 1 > < 3 , 2 > 1 2 , = 3 < 1 , 1 > < 2 , 2 > 14
12 7 2 3
Por lo tanto, la base ortonormal es 1 (1, 2, 3), 14
3 (1, 2, 1) 8
6.2. Sea W el subespacio de R3 con bae S = {(1, 1, 0), (2, 0, 1)}. Sea = (1, 2, 3) un elemento de W .
79
80
Cap tulo 6. Bases Ortonormales y Proyecciones (a) Hallar la longitud de directamente. (b) Usar Gram-Schmidt para transformar S en una base ortonormal T de W . (c) Hallar la longitud de usando el vector coordenada de respecto a T. Solucin: o (a) = < , > = (1)2 + 22 + (3)2 = 14.
(b) Tenemos que: 1 = (1, 1, 0) 2 = (2, 0, 1) < (2, 0, 1), (1, 1, 0) > (1, 1, 0) < (1, 1, 0), (1, 1, 0) >
2 = (1, 1, 1) con 1 = 2 y 2 = 3 entonces la base ortonormal es 2 3 T = (1, 1, 0), (1, 1, 1) . 2 3 (c) Tenemos que []T = 6.3. Proyecte b al p = Ax. 1 0 (a) A = 0 1 1 (b) A = 0 14.
espacio columna de A resolviendo At Ax = At b y luego 1 1 , b = 0 1 1 , b = 1 2 3 . 4 4 4 . 6
Para cada caso calcule e = b p y verique que e es perpendicular a las columnas de A. (i,e: At e = 0). Solucin: o (a) At A = 1 0 0 1 1 0 1 1 0 1 = 0 0
1 1 1 2
Algebra Lineal - Rodrigo Vargas entonces At Ax = At b 1 1 1 2 x = 1 0 0 1 1 0 1 1 1 2

1
81
2 3 = 4 2 5 2 5
2 5
x = = x =
1 3 1 1 p = At x = 0 1 0 0
2 1 1 1
1 3 1 1
Luego, e = b p = (0, 0, 4)t y At e = (b) Analogamente tenemos que At A = entonces At Ax = At b 2 2 2 3 x = 1 1 0 1 1 1 2 2 2 3 1 2 1 1 0 1 1 1
2 = 3 . 0 0 0 0 0 = (0, 0)t . 1 0 4 2 2 2 3
1 1 1 1 = 0 1
x = = x =
4 4 = 6 8 14 8 14
8 14
2 6
3 2 2 2
1 1 p = At x = 1 1 0 1
2 6
4 = 4 . 6
82
Cap tulo 6. Bases Ortonormales y Proyecciones Luego, e = b p = (0, 0, 0)t y At e = (0, 0)t.
6.4. Calcule las matrices de proyeccin P1 y P2 para las proyecciones del o problema anterior. Verique que P b = p = Ax, para cada matriz P . 2 Verique tambin que P1 = P1 . e Solucin: o (a) Note que ya hemos calculado (At A)1 entonces: P1 = A(At A)1 At 1 1 2 1 = 0 1 1 1 0 0 1 1 1 0 0 = 0 1 1 1 0 0 0 1 0 0 P1 = 0 1 0 . 0 0 0
1 0 0 1 1 0
Adems a
(b) Analogamente
1 0 0 2 2 1 1 P1 b = 0 1 0 3 = 3 = p = 0 1 0 0 0 4 0 0 0 P2 = A(At A)1 At 1 1 1 3 2 = 1 1 2 2 2 0 1 1 0 1 1 1 0 1 0 = 1 1 1 2 2 2 1 1 0 1 1 1 0 . P1 = 2 0 0 2
1 3
= Ax .
1 1 0 1 1 1
Adems a
1 1 0 4 4 1 1 1 P2 b = 1 1 0 4 = 4 = p = 1 1 2 0 0 2 6 6 0 1
2 6
= Ax.

2 Finalmente P1 = P1 se verica triavialmente.
83
6.5. Plantee el siguiente problema de minimizacin como un problema de o m nimos cuadrados. Indique el vector b a proyectar, el subespacio al que se proyecta y resuelva el problema 1 m (1 x + y)2 + 2(2 x + 2y)2 + (1 + 2x + y)2 . n x, yR 2 Solucin: Puesto que o 1 (1 x + y)2 + 2(2 x + 2y)2 + (1 + 2x + y)2 = Ax b 2 donde 1 1 A = 2 2 2 2 2/2 1 2 b= 2 . 2/2
2
Luego, el problema de minimizacin planteado es equivalente a un o problema de solucin de un sistema de ecuaciones por m o nimos cuadrat t dos. Las ecuaciones normales A Ax = A b son At Ax = At b 5 4 6 x = 4 11/2 9/2 x = =
2 39
5 4 4 11/2
11/2 4 4 5
6 9/2
6 9/2
cuya solucin es x = o
1 13
10 , de aqu se tiene 1 1 (17, 18, 3 2)t 13

2
Ax b =
con lo que el m nimo de la funcin corresponde a Ax b o
631 . 169
84
Cap tulo 6. Bases Ortonormales y Proyecciones
Cap tulo 7 Vectores y Valores Propios, Diagonalizacin o

7.1. Determine los valores propios de la matriz 0 3 2 2 0 . A= 0 2 3 4
Determine la multiplicidad algebraica y gemetrica de los valores proo pios. Diga si A es diagonalizable. Solucin: Hallamos los valores propios resolviendo det(A I) = 0. o 3 2 0 2 0 2 3 4 = (2 )((4 ) 4) = (2 )(2 4 4) = (2 )( (2 + 2 2))( (2 2 2))
debido a que
16 4(4) 44 2 = = =22 2. 2 2 Entonces, los valores propios son 1 = 2, 2 = 2 + 2 2, 3 = 2 2 2 4 con 1 = 2 con multiplicidad algebraica s1 = 1 , 2 = 2 + 2 2 con multiplicidad algebraica s2 = 1 , 3 = 2 2 2 con multiplicidad algebraica s3 = 1 . 85
86
Cap tulo 7. Vectores y Valores Propios Notemos que los valores propios son todos distintos luego A es diagonalizable. Calculemos ahora los vectores propios asociados a los valores propios i . Para 1 = 2 tenemos que resolver (A 2I)x = 0. 2 3 2 x1 0 0 x2 = 0 . 0 0 x3 2 3 2 0 Como 2 3 2 2 3 2 0 0 0 0 0 0 x3 = 0, 2x1 = 3x3 . 2 3 2 0 0 4 W1 = Ker(A 2I) = 0 1 0
Luego,
Notemos que x2 = 0, basta escalonar 2(1 + 2) 2 1 1 2 0 0 2 22 2 Luego, W2 = Ker(A (2 + 2 2)I) =
y la multiplicidad geomtrica de 1 = 2 es g1 = dim(W1 ) = 1. e Para 2 = 2 + 2 2 tenemos que resolver (A (2 + 2 2)I)x = 0 2(1 + 2) 3 2 x1 0 x2 = 0 . 0 2 2 0 x3 0 2 3 22 2 x1 = x3 ( 2 1) .
y la multiplicidad geomtrica de 2 = 2 + 2 2 es g2 = dim(W2 ) = 1. e Para 3 = 2 2 2 tenemos que resolver (A (2 2 2)I)x = 0 2 + 2 2 3 2 x1 0 0 2 2 0 x2 = 0 . x3 0 2 3 2+2 2
21 0 1
Algebra Lineal - Rodrigo Vargas Notemos que x2 = 0, basta escalonar 2 + 2 2) 2 1 1+ 2 0 0 2 2+2 2 Luego,
87
x1 = x3 (1+ 2).
1+ 2 W2 = Ker(A (2 2 2)I) = 0 1 y la multiplicidad geomtrica de 2 = 2 + 2 2 es g2 = dim(W2 ) = 1. e 7.2. Sea L : M22 M22 , L(X) = AXB donde A= 1 1 0 2 , B= 1 1 2 0 .
Determine la matriz que representa a L con respecto a la base cannica o de M22 y su polinomio caracteristico. Cules son los valores y vectores a propios de L? Si la matriz es diagonalizable indique su forma diagonal. Solucin: Notemos que: o 1 L = 0 2 L = 0 0 0 1 L = 1 0 2 0 0 0 L = 0 1 4 1 0 0 0 0 0 1 0 1 0 0 0 1 2 0 0
El polinomio caracteristico de la matriz C es
1 1 [L]e = e 0 0
2 1 0 0 1 0 =C. 0 2 4 0 2 0
PC () = |C I| 1 2 1 2 1 1 0 = 0 0 2 4 0 0 2
= 4 33 82 + 12 + 16 = (2 2 8)(2 2) = ( 4)( + 2)( + 1)( 2) .
88
Cap tulo 7. Vectores y Valores Propios Entonces, los vectores propios son 1 = 4, 2 = 2, 3 = 1, 4 = 4. Para 1 = 4 tenemos que resolver (C 4I)x = 0 y como 3 2 1 2 3 2 1 2 1 4 1 0 0 10/3 4/3 2/3 C 4I = 0 0 2 4 0 0 2 4 0 0 2 4 0 0 0 0 entonces x3 = 2x4 . x2 = x4 y x1 = 3x4 W1 = Ker(C 4I) =< (3, 1, 2, 1)t) > . Para 2 = 2 tenemos que resolver (C + 2I)x = 0 y como 3 2 1 2 3 2 1 2 1 2 1 0 0 4/3 2/3 2/3 C + 2I = 0 0 4 4 0 0 4 4 0 0 2 2 0 0 0 0 W2 = Ker(C + 2I) =< (1, 1, 1, 1)t) > . como 0 0 1 0 0 0 0 1
entonces x3 = x4 . x2 = x4 y x1 = x4
Para 3 = 1 tenemos que resolver (C + I)x = 0 y 1 0 2 2 1 2 1 1 1 0 0 0 C +I = 0 0 3 4 0 0 0 0 0 0 2 1
Para 4 = 2 tenemos que resolver (C 2I)x = 0 y como 1 2 1 2 1 2 1 2 1 2 1 0 0 0 2 2 C 2I = 0 0 0 4 0 0 0 4 0 0 2 2 0 0 0 0 Como A es diagonalizable tenemos que A = V DV 1 3 1 1 1 = 2 1 1 1 W4 = Ker(C 2I) =< (2, 1, 0, 0)t ) > .
W3 = Ker(C + I) =< (0, 1, 0, 0)t) > .
0 2 4 0 0 0 1 1 0 2 0 0 0 0 0 0 1 0 0 0 0 0 0 2
1 3 1 0 2 1 1 1 1 2 1 0 0 1 1 0 0
89
7.3. Suponga que el n mero siguiente es el promedio de los dos anteriores u gk+2 = (gk+1 + gk )/2. (a) Determine A tal que (b) Determine l n An . m (c) Si g0 = a y g1 = b determine l n gn . m Solucin: o (a) Basta considerar A = (b) Tenemos que |A I| =
1 2
gk+2 gk+1
=A
gk+1 . gk
1 0
1 2
1 2
1 2 1
= 2
1 13 = . 2 2 4
Los valores propios son distintos, entonces A es diagonalizable. Para 1 = 1 tenemos que resolver (A I) x = 0 A 1 I = Entonces, Para 2 = 1 tenemos que resolver A + 1 I x = 0 2 2 A 2 I = Entonces, 1 W2 = Ker A + I 2 Luego, D= 1 0 0 1 2 , V = =< (1/2, 1)t > . 1 1
1 2 1 2 1 2 1 2 1 1
1 1 0 0
W1 = Ker(A I) =< ((1, 1)t > . 1 1 2 0 0
1 1 2 1 1
An = V Dn V 1 1 1 2 = 1 1
1n 0 1 0 (1)n ( 2 )n
2 3
1 1 2 1 1
90
Cap tulo 7. Vectores y Valores Propios Como (1)n es acotado y l n ( 1 )n = 0, entonces m 2

n
l D n = m
1 0 0 0
Por lo tanto,
n
l An = m
l (V Dn V 1 ) m
n
= V ( l D n )V 1 m = = (c) Notemos que gk+2 gk+1 entonces

k
1 1 2 1 1 2 3 1 1/2 1 1/2
1 0 0 0 .
2 3
1 1 2 1 1
=A
gk+1 gk
= AA
gk gk1
= . . . = Ak
b a
l m
gk+2 gk+1
= l Ak m
k
b a
2 3
1 1/2 1 1/2
b a
1 (2b 3 1 (2b 3
+ a) + a)
1 l gn = (2b + a) . m n 3 7.4. Demuestre que si es un valor propio de una matriz A ortogonal entonces = 0 y 1 es valor propio de A. Solucin: Sabemos que A es ortogonal ssi A1 = At , entonces exo iste la inversa de A. Sea v el vector propio asociado al valor propio , entonces Av = v In v = A1 v (In A1 )v = 0 . Como v = 0 entonces |In A1 | = 0. Supongamos que = 0 entonces |In | = 0, lo cual es contradiccin. o Luego = 0 y observemos que Av = v In v = A1 v 1 v = At v
Algebra Lineal - Rodrigo Vargas y como A y At tiene los mismos valores propios debido a que a11 a12 a1n a21 a22 a2n det(A I) = det . . . .. . . . . . . . an1 an2 ann a11 a12 an1 a12 a22 an2 (detA = detAt ) = det . . . .. . . . . . . . a1n a2n ann = det(At I) . Se concluye que 1 es valor propio de A. 7.5. Sea 2 1 0 A= 2 3 0 . 6 7 9
91
(a) Encuentre una matriz X tal que X 2 = A. (b) Encuentre una matriz B tal que B 6 = A. (c) Calcule eA . (d) Calcule eAt , donde t es una variable real. Solucin: Primeros buscaremos los valores y vectores propios o det(A I) = 2 1 0 2 3 0 6 7 9
= (9 )
= (9 )(2 5 + 4) = (9 )( 4)( 1) . Los valores propios son 1 = 9, 2 = 4 3 = 1 todos distintos luego A es diagonolizable. Para 1 = 9 debemos resolver (A 9I)x = 0 un simple clculo nos da a W1 = Ker(A 9I) =< {(0, 0, 1)t} > .
2 1 2 3
92
Cap tulo 7. Vectores y Valores Propios Para 2 = 4 debemos resolver (A 9I)x = 0 W2 = Ker(A 4I) =< {(1/2, 1, 2)t} > . Para 3 = 1 debemos resolver (A 9I)x = 0 W3 = Ker(A I) =< {(1, 1, 1/8)t } > . Por lo tanto, 0 1/2 1 1 1 , V = 0 1 2 1/8 9 0 0 D= 0 4 0 . 0 0 1
6 (b) Similarmente a letra (a), sea B = V DB V 1 B 6 = V DB V 1 = 1 6 A = V DV luego D = DB por lo tanto 6 0 1/2 1 9 0 0 15/8 33/16 3/2 2 X = 0 1 1 0 6 4 0 1 1 0 3 1 2 1/8 1 1/2 0 0 0 1 15 33 3 6 6 6 0 1/2 1 9 16 9 2 9 8 2 6 6 0 1 1 = 4 4 0 3 1 1 2 1/8 1 0 2 1 6 1 6 4+1 ( 4 1) 0 2 2 2 6 6 1 . = 4 1 33 4 + 12 3 0 3 6 6 6 6 15 6 1 9 2 4 + 8 16 9 2 4 16 2 9 8
2 (a) Sea X = V DX V 1 X 2 = V DX V 1 2 D = DX por lo tanto 0 1/2 1 3 0 0 1 1 0 2 0 X = 0 1 2 1/8 0 0 1 0 1/2 1 45/8 2 0 1 1 2 = 3 1 2 1/8 1 2 1/2 0 2 1 5/2 0 = 3 7/4 17/8 9/2 4 1 0 1 2 5 0 . = 3 7/2 17/4 9
= A = V DV 1 luego
15/8 33/16 3/2 2 1 1 0 3 1 1/2 0 99/16 9/2 2 0 1/2 0
Algebra Lineal - Rodrigo Vargas (c) Notemos que e

A
93
A2 A3 = I +A+ + + ... 2! 3! A2 A3 An = l m I + A + + + ... + n 2! 3! n! 2 1 VD V V D3 V 1 V Dn V 1 = l m V IV 1 + V DV 1 + + + ... + n 2! 3! n! 2 3 n D D D = l V I + D + m + + ... + V 1 n 2! 3! n! D2 D3 Dn + + ... + V 1 = V l m I + D + n 2! 3! n! D 1 = Ve V 9 0 1/2 1 e 0 0 15/8 33/16 3/2 2 1 1 0 e4 0 1 1 0 = 0 3 1 2 1/8 0 0 e 1 1/2 0 4 4 e + 2e e e 0 1 4 4 = 2e 2e 2e + e 0 . 3 15 9 1 33 9 1 e 4e4 4 e 8 e 4e4 + 8 e 3e9 4
(d) Similarmente a lo anterior obtenemos tenemos que e4t + 2et e4t et 0 1 2e4t 2et 2e4t + et 0 . eAt = 3 15 9t 1 t 33 9t 1 t 4t 4t e 4e 4 e 8 e 4e + 8 e 3e9t 4 7.6. Sea A de 3 3 simtrica con valores propios , + 1 y + 2 con R. e Demuestre que existe a R tal que la matriz A+aI es positiva denida. Solucin: Si los valores propios de A son , + 1 y + 2, entonces los o valores propios de A + aI son + a, + 1 + a y + 2 + a. Adems, A es a positiva denida si tiene todos sus valores propios positivos. Entonces debemos tener que + a > 0 lo cual es equivalente a a > .
Cap tulo 7 Espacios vectoriales

1. Determinar si los vectores: a = (1, 2, 1), b = (3, 8, 1), c = (3, 1, 1) son linealmente dependientes. En caso de serlo, hllese la relacin de dependencia. a o Solucin: Son dependientes; 3a b = 2c o 2. Estudiar la dependencia o independencia de los vectores: a = (1, 0, 0), b = (0, 1, 1), c = (0, 0, 1) Solucin: Son independientes. o 3. Determinar si los vectores: a = (1, 1, 1), b = (2, 3, 4), c = (0, 1, 2) son linealmente dependientes. En caso de serlo, hllese la relacin de dependencia. a o Solucin: Son dependientes; 2a + b = c. o 4. Determinar m para que los vectores: a = (1, 1, 3), b = (5, 2, 9), c = (2, m, 2m) sean dependientes. Hllese la relacin de dependencia. a o Solucin: m = 1; a + 3c = b o 5. Determinar para que los vectores: a = (1, 4, 2), b = (3, , 2), c = (2, 5, 6) estn en un mismo plano. e Solucin: = 34/5 o 84
CAP ITULO 7. ESPACIOS VECTORIALES 6. Se sabe que a, b, c son linealmente dependientes: i) Se puede asegurar que a es combinacin de los otros dos?. o ii) Se puede asegurar que b es combinacin de los otros dos?. o iii) Y el c?. iv) Se puede asegurar que uno de los tres es combinacin lineal de los otros dos?. o Solucin: No,No,No,S o . 7. En R6 se dan los vectores: u1 = (0, 1, 1, 2, 0, 1), u2 = (0, 1, 1, 2, 1, 5) u3 = (1, 4, 0, 3, 6, 1), u4 = (2, 0, 3, 2, 1, 1) Averiguar si tales vectores forman un sistema libre. Solucin: S o . 8. En R3 se dan los vectores: u1 = (2, 1, 0), u2 = (0, 2, 1), u3 = (2, 1, 1), u4 = (4, 0, 1)
85
Hay una razn por la que son dependientes. Cul es?. Averiguar tambin cuntos de los o a e a cuatro son independientes y qu relaciones de dependencia se dan entre ellos. Qu sube e 3 espacio de R generan?. o Solucin: u3 = u1 u2; u4 = 2u1 u2 ; un subespacio vectorial de dimensin 2. o 9. Sea M = {(x, y, z) R3 | x + y + z = 0}, N = {(x, y, z) R3 | x + y + z = 1}. Uno de estos dos subconjuntos de R3 es subespacio vectorial y el otro no lo es. Comprubese esto e ultimo. Solucin: El primero S el segundo No. o , 10. En los siguientes casos comprobar que los sistemas de vectores son linealmente dependientes. Hllese una relacin de dependencia y el rango del mismo. a o S = {(1, 0, 5, 3), (3, 1, 1, 1), (0, 1, 2, 1), (7, 1, 1, 0)} S = {(1, 0, 3, 1), (0, 0, 1, 1), (1, 3, 0, 1), (7, 2, 4, 1), (1, 1, 1, 1)} S = {(5, 2, 3, 1), (4, 1, 2, 3), (1, 1, 1, 2)} Solucin: u4 = u1 + 2u2 u3 , r = 3; u1 + 18u2 + 7u3 + 3u4 = 27u5 , r = 4; u1 u2 = u3 , o r=2
CAP ITULO 7. ESPACIOS VECTORIALES
86
11. Probar que los vectores u1 = (1, 2, 3), u2 = (1, 5, 0), u3 = (3, 2, 1) forman una base de R3 y hllense las componentes en esa base del vector x = (7, 19, 2). a Solucin: x = 2u1 + 3u2 + 4u3 o 12. Sea H = u1 = (2, 1, 1), u2 = (1, 4, 5), u3 = (4, 5, 13) . a) Hallar una base de H y su dimensin. o b) Averiguar si alguno de los vectores x = (2, 0, 4) , y = (1, 11, 16) pertenece a H. Solucin: B = {u1 , u2}, dim H = 2; x H, y H ya que y = u1 + 3u2 . o 13. Sean: F = u1 = (1, 2, 3), u2 = (2, 0, 1) G = v1 = (0, 4, 7), v2 = (1, 10, 17) Probar que F = G. 14. Hllese la dimensin y una base del subespacio de R4 generado por los vectores: a o (1, 0, 0, 1), (2, 1, 1, 0), (1, 1, 1, 1), (1, 2, 3, 4), (0, 1, 2, 3) Solucin: dimensin = 3, B = {(1, 0, 0, 1), (1, 1, 1, 1), (1, 2, 3, 4)}. o o 15. Hallar x e y para que los siguientes vectores sean linealmente dependientes: (1, 2, 0, x), (3, 2, x, y), (1, 2, 2, 1) Solucin: x = 2, y = 3. o 16. De los siguientes subconjuntos de R3 averiguar cules son subespacios vectoriales: a H H H H H H H H = { (x, y, z) R3 = { (x, y, z) R3 = { (x, y, z) R3 = { (x, y, z) R3 = { (x, y, z) R3 = { (x, y, z) R3 = { (x, y, z) R3 = { (x, y, z) R3 | x y z = 1} | x = 0} | x y = 0} | x y = 0} | x 2y + z = 0} | x + y = 10} | x2 + y 2 = 0} | x = z = 0}
Solucin: No, S S No, S No, S S o , , , , .
CAP ITULO 7. ESPACIOS VECTORIALES 17. De los siguientes subconjuntos de R3 averiguar cules son bases: a B = { (2, 3, 0), (3, 1, 2), (1, 5, 2) } B = { (1, 2, 1), (2, 4, 0), (5, 1, 1) } Solucin: No, S o .
87
18. Dados los vectores v1 = (1, 1, 0, a), v2 = (3, 1, b, 1), v3 = (3, 5, a, 4) de R4 , determinar los valores de a y b para que sean linealmente dependientes. Hallar la relacin de o dependencia. Solucin: a = 2, b = 1; v3 = 3v1 2v2 . o 19. Dados los vectores { (4, 5, 7), (3, 3, 4), (1, 1, 2), (2, 1, 1) }, determinar un sistema m nimo de generadores del subespacio al que pertenecen y comprobar si dicho subespacio es idntico al engendrado por { (1, 2, 3), (3, 0, 1) }. e Solucin: { (4, 5, 7), (3, 3, 4) }. S o . 20. Dados los vectores { (m, 1, 0, 1), (0, m, 1, 1), (1, 0, 1, 2) }, determinar los valores de m para que dichos vectores sean linealmente independientes. Solucin: m = 1. o 21. Dados los vectores a = (a, 8, 4), b = (1, 2, 0) y c = (0, 1, 2), hallar a para que a se pueda expresar como una combinacin lineal de b y c. o Solucin: a = 3. o 22. Determinar los valores de a y b para que el vector (1, 4, a, b) est en el subespacio engene drado por los vectores: (1, 2, 1, 2) ; (0, 1, 2, 1) Solucin: a = 3, b = 4. o 23. Hallar el rango de los siguientes sistemas de vectores: (1, 2, 3), (2, 3, 1), (3, 4, 5), (2, 4, 6) (1, 2), (2, 3), (0, 1) Solucin: r = 3; r = 2. o 24. Determinar el valor de t para que el vector (3, 8, t) est en el subespacio engendrado por e los vectores: (1, 2, 3) ; (1, 3, 1) Solucin: t = 1. o
CAP ITULO 7. ESPACIOS VECTORIALES 25. Escribir el vector b como combinacin lineal de los vectores u, v y w, siendo: o 1 0 1 1 1 , v = 2 , w = 1 , b = 7 u= 2 6 3 7 Solucin: b = 2u v + 3w. o
88
26. Selectividad septiembre 2007. Considerar los vectores u = (1, 1, m), v = (0, m, 1) y w = (1, 2m, 0). a) Determinar el valor de m para que los vectores u, v y w sean linealmente dependientes. b) Para el valor de m obtenido en el apartado anterior, expresar el vector w como combinacin lineal de los vectores u y v. o Solucin: m = 1, w = u + v. o
Cap tulo 8 Matrices

1. Determinar dos matrices A y B tales que: 3A 5B = Solucin: A = o
1 4
1 2 8 1
1 4
A + 3B =
2 4 3 0
13 14 ,B= 39 3
7 10 17 1
2. Dadas las matrices: A= Calcular: 1 2 3 2 ; B= 0 3 1 2 ; C= 1 3 0 2
A+BC ; AB+C ; ABC 2A 3B ; 3B 5A ; A (B 2C) 1 0 1 1 0 1 1 3 1 0 1 2 +M 0 1 0 5
3. Hallar la matriz M que satisface la igualdad: 2 Solucin: M = o =
1 0 1 0 0 1 2 1
4. Dadas las matrices: 3 5 2 A = 1 3 4 6 0 1
Calcular A(B + C), AB , B A, A(3B 2C), A2 89
1 0 2 B = 3 1 5 6 1 4
4 6 7 C = 3 5 0 0 0 2
CAP ITULO 8. MATRICES Solucin: o 51 50 64 45 28 48 24 37 60 18 65 67 70 21 69 48 69 40 A= Resolver el sistema matricial: 2 0 4 15 1 7 4 26 30 24 ; 24 31 36 4 16 26 25 7 3 5 23 40 35 25 28 30 28 14 18 30 13 B= 1 1 2 9
90
5. Dadas las matrices:
5X + 3Y = A 3X + 2Y = B
y calcular X 2 + Y 2 . Solucin: o X= 1 3 2 3 a b c d ; Y = 1 5 2 0 ; X2 + Y 2 = 14 17 10 7
6. Dada la matriz A =
de coecientes reales, hallar x e y para que se verique: A2 = xA + yI
siendo I la matriz unidad de orden 2, es decir: I =
1 0 0 1
Solucin: Si b = 0 o c = 0, entonces x = a + d, y = bc ad. Si b = c = 0 entonces a = d, o x = cualquier n mero real, y = a(a x). u 7. Demostrar que las matrices A = x y y x yB= u v v u conmutan.
8. Probar que para cualquier matriz cuadrada A, la matriz A A es simtrica. e 9. Por qu hay que premultiplicar a la matriz e Solucin: o 1 2 . 0 3 ax by . cx dy 1 0 2 1 para que resulte 5 2 , 6 3
10. Escribir como producto de matrices la matriz
CAP ITULO 8. MATRICES 11. Dada la matriz A = que A B =
91
1 2 , determinar todas las matrices B de dimensin 2 2 tales o 3
0 0 , obteniendo el valor de para que exista solucin. o 0 0
Solucin: Sea B = o
a b . Si a = b = c = d = 0, entonces puede ser cualquiera. En c d 2c 2d caso contrario, es = 6 y B = . c d
12. Sea A una matriz cuadrada idempotente (A2 = A). Demostrar que si B = 2A I, es B 2 = I. 13. Dada la matriz: 0 z y x M = z 0 y x 0
en la que se verica x2 + y 2 + z 2 = 1, calcular M 2 , P = M 2 + I, P M y comprobar que P es idempotente. 14. Obtener todas las matrices cuadradas de segundo orden A tales que A2 = I. Solucin: o b a siendo a, b, c cualesquiera n meros reales. u 1 0 c 1 ;
1a2 b
1 0 0 1
1 0 0 1
15. Calcular las potencias sucesivas de la matriz: 1 1 1 A = 1 1 1 1 1 1 Solucin: o n1 n1 n1 3 3 3 An = 3n1 3n1 3n1 3n1 3n1 3n1
16. Hallar el rango de 4 1 3
las siguientes matrices: 6 8 0 3 4 4 0 1 2 3 t 2 3 0 ; 1 3 2 2 ; 2 4 6 8 seg n t u 4 5 0 2 1 2 2 3 6 9 12 1, 2, si t = 4 si t = 4
Solucin: r = 2; r = 2; r = o
CAP ITULO 8. MATRICES 17. Discutir el rango de la matriz: 1 1 1 2 a 1 1 1 1 1 3 3 4 2 0 a seg n los valores de a. u Solucin: r = o 2, 4, si a = 3 si a = 3
92
18. Calcular el rango de la matriz: t 0 t 0 A = 4 6 8 2 2 3 4 1 si t = 0 si t = 0
seg n los valores de t. u Solucin: r(A) = o 1, 2,
19. Una matriz cuadrada M es ortogonal si cumple M M = I donde I es la matriz identidad y M es la traspuesta de M. Determinar si la siguiente matriz es ortogonal: 1 1 0 A = 1 1 1 1 0 1 Solucin: No o 20. Hallar el rango de la matriz: seg n los valores de a, b, c. u Solucin: r = o 1, 2, 5 5 5 a b c b+c a+c a+b
si a = b = c en caso contrario
21. Resolver la ecuacin matricial: o 1 1 x 3 2 y

7 5 Solucin: x = 4 , y = 4 o
1 x 3 y 1 2
CAP ITULO 8. MATRICES 22. Calcular el rango de la matriz: 2 1 5 1 8 1 2 3 4 5 3 1 4 5 1 1 3 10 13 11 Solucin: r = 3 o 23. Sean:
93
24. Es posible que para dos matrices A y B no cuadradas, puedan existir A B y B A?. Solucin: S o . 25. Hallar todas las matrices simtricas de orden 2 tales que A2 = A. e Solucin: o 0 0 0 0 ; 1 0 0 1 ; a a a2 a a2 1a a a a2 a a2 1a
1 1 1 1 1 A= ; B = 0 1 1 1 1 0 0 1 Calcular An y B n por induccin respecto a n. o 1 n n(n+1) n1 n1 2 2 2 ; B n = 0 1 Solucin: An = o n n1 n1 2 2 0 0 1
para todo a [0, 1]. 26. Siendo A = Solucin: B = o 1 1 0 1 , hallar todas las matrices B de segundo orden tales que AB = BA
a b , siendo a, b cualquier par de n meros reales. u 0 a 1 6 2 7 3 8 4 9 5 10 2 1 2 3 4 2 16 17 18 19 20
27. Hallar el rango de las matrices: 1 2 0 1 3 0 1 2 1 2 3 0 6 0 1 5 1 1 2 3 0 2 1 4 3 1 4 1 1 1 0 2
11 12 13 14 15
1 1 seg n los valores de a u a
CAP ITULO 8. MATRICES Solucin: 3, 2, 4, r = o 2, 3,
94 si a = 6 , le dos de izquierda a derecha, arriba y abajo. si a = 6
28. Si A y B son dos matrices cuadradas del mismo orden, es cierta en general la relacin o (A + B)2 = A2 + 2AB + B 2 ?. Justicar la respuesta. Solucin: No. o 29. Sean A y B dos matrices cuadradas del mismo orden que tienen inversa. Razonar si el producto A B tambin tiene inversa. e , Solucin: S pues (A B)1 = B 1 A1 . o 30. Selectividad Junio 2001. Consideramos la matriz 0 3 4 A = 1 4 5 1 3 4 b) Calcular A10 .
a) Siendo I la matriz identidad 3 3 y O la matriz nula 3 3, probar que A3 + I = O. 0 3 4 5 = A = 1 4 1 3 4
Solucin: A10 o
Cap tulo 9 Determinantes y Matrices Inversas

9.1. Determinantes
0 1 1 1 0 1 1 1 0 1 1 1 1 2 1 2 3 1 , 3 7 1 4 5 0 1 2 3 4 3 6 5 6 7 8 5 10 , 9 10 11 12 2 12 13 14 15 16 6 15
1. Calcular:
Solucin: 1, 0, 0 o 2. Calcular:
Solucin: 2a2 (x + a) o 3. Calcular: 0 3 3 3 0 3 1 1 1 1 1 1 1 2 3 4
a a a a a x a a x
14 0 13 7 17 5 3 11
0 9 6 0
0 8 4 0
a 0 0 b
b a 0 0
0 b a 0
0 0 b a
Solucin: 6, 1848, a4 b4 o 4. Calcular y simplicar al mximo: a abc 2a 2a 2b bca 2b 2c 2c cab , x 1 x2 1 x3 1 2x 4 x2 4 x3 8 3x 9 x2 9 x3 27
Solucin: (a + b + c)3 ; 2x(x 3)(x 2)(x 1) o 95
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS 5. Calcular:
96
a a a a
a b b b
a b c c
a b c d
Solucin: a(b a)(c b)(d c). o 6. Los n meros 1573, 3263, 5369 y 2613 son u el determinante: 1 3 5 2 7. Resolver las siguientes ecuaciones: 15 + 2x 11 x 11 + 3x 17 2x = 0 ; 7 + x 14 3x ax x 1 a + x x 3 = 0 2 x x 0 3 101 x = 0, 56 8a x = 0, 19 8. Dada la ecuacin: o ; 1 2 2 x 3 1 = 0 x2 1 3 divisibles por 13. Demostrar que tambin lo es e 5 2 3 6 7 6 6 1 3 3 9 3
a+x x x x b+x x =0 x x c+x
Solucin: o ; ;
1 21 x= 4 abc x= ab + ac + bc
1 1 1 1 x 1 =0 1 1 x2
se pide: a) Teniendo en cuenta las propiedades de los determinantes, hallar una solucin de la o ecuacin dada sin desarrollar el determinante del primer miembro. o b) Hallar las restantes soluciones de dicha ecuacin. o Solucin: 1, 1 o
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS 9. Demostrar las dos igualdades que siguen: 1 1 1 1 1 a+1 1 1 = abc 1 1 b+1 1 1 1 1 c+1 a+1 a a a a a+1 a a = 4a + 1 a a a+1 a a a a a+1
97
10. Determinantes de Vandermonde. Demostrar las siguientes igualdades: 1 1 1 a b c = (b a)(c a)(c b) a2 b2 c2 1 1 1 1 a b c d = (b a)(c a)(d a)(c b)(d b)(d c) a2 b2 c2 d2 a3 b3 c3 d3 11. Calcular: 7 7 7 10 a 10 b 10 c 3a2 3b2 3c2
Solucin: 210(b a)(c a)(c b) o 12. Calcular por transformaciones elementales (sin emplear la regla de Sarrus) y justicando los pasos, el determinante: 1 b c+a 1 a b+c 1 c a+b Solucin: 0 o 13. Dadas las matrices: 1 3 1 0 1 3 A = 1 0 2 ; B = 1 2 1 3 1 2 3 1 2
Comprobar que |A B| = |A| |B|. 14. SL. Sabiendo que
a b c d e f =2 g h i
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS calcular los siguientes determinantes y enunciar las propiedades que se utilicen: 3a 3b 15c d e 5f g h 5i Solucin: 30, 2 o ; a + 2b c b d + 2e f e g + 2h i h
98
15. Selectividad Junio 2003. Sean C1 , C2 y C3 las columnas primera, segunda y tercera, respectivamente, de una matriz cuadrada A de orden 3 cuyo determinante vale 5. Calcular, indicando las propiedades utilizadas: a) El determinante de A3 . b) El determinante de A1 . c) El determinante de 2A. d ) El determinante de una matriz cuadrada cuyas columnas primera, segunda y tercera son, respectivamente, 3C1 C3 , 2C3 y C2 .
1 Solucin: |A3 | = 125; |A1 | = 5 ; |2A| = 40; |3C1 C3 , 2C3 , C2| = 30. o
9.2.
Matrices inversas
3 1 8 3 2 1 2 1 1 2 0 1 ; B = 0 3 1 ; C = 2 4 2 1 6 1 0 1 2 2 = 5
6 5 1 2 3 5 1 2 1 5
1. Hallar las matrices inversas de: A= Solucin: o 3 1 8 3
A1 =
; B 1
4 5 5
2. Vericar que todas las matrices A =
a b tales que a + d = 1 y |A| = 1, cumplen c d A3 = I. Hay alguna otra matriz que tenga esta propiedad?.
1 2 1 ; C 1 = 6 12 5 2 5 2 3
3. Dada la matriz A =
2 3 , se llaman valores propios de dicha matriz a los valores de 2 1 , tales que el determinante de la matriz A I sea nulo. Hallar los valores propios de A. (I representa la matriz identidad o unidad). Solucin: = 4, 1. o
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS 4. Hallar la inversa de la matriz:
99
5. Resolver la ecuacin A X = B, siendo: o A= Solucin: X = o 0 17 1 11 2 1 0 2 0 3 X = 1 3 1 0 5 5 1 4 0 1 1 0 A = 0 1 1 1 0 1 2 3 1 2 ;B= 3 1 2 5
3 Solucin: o 2 5 4 1 5
1 5 2 5
2 5 9 5
3 2 3 4 1 1 2 0 1
7. Dada la matriz:
6. Hallar una matriz X tal que: 0 1 1 1 4 1 10 8 3 25 22 2 Solucin: X = o 12 11 2
0 0 0
8. Dada la matriz:
Estudiar si tiene inversa y en caso armativo, calcularla. Forman una base de R3 los vectores v1 = (1, 1, 0), v2 = (0, 1, 1), v3 = (1, 0, 1)?. 1 1 1 2 2 2 1 1 1 1 ; S . Solucin: A = 2 o 2 2 1 1 2 1 2 2 A= 1 1 0 1
Demostrar que la inversa de An es
1 n . 0 1
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS 9. Hallar los valores de x para los cuales, la matriz: A= no tiene inversa. Solucin: x = 2, 2 o 3 10. Resolver la ecuacin matricial A X B = C, siendo: o A= Solucin: X = o 3 5 1 2 1 0 0 1 1 2 3 4 4 3 2 1 1 0 0 1 ; B= 2 5 1 3 ; C= 1 0 0 1 |x| 1 |x 2| 2
100
11. Resolver la ecuacin matricial M X + N = P , siendo: o M= Solucin: X = o ; N= ; P =
3 1 1 3
12. Calcular la matriz X en la ecuacin A3 X = B, siendo: o A= 1 2 0 3 a b c d ; a + d = 1 ; |A| = 1 ; B = 1 2 0 3
Solucin: X = o
13. Encontrar una matriz X que verique A X + B = C, siendo: 1 0 0 1 0 0 3 0 0 A = 1 2 0 ; B = 0 1 0 ; C = 2 5 2 1 2 4 0 0 1 0 1 3 2 0 0 2 1 Solucin: X = 0 o 1 2 3 0 4
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS 14. Resolver la ecuacin matricial: o 5 2 0 0 1 1 0 0 1 X = 1 0 0 3 1 0 1 1 0 2 1 1 Solucin: X = 5 2 3 o 1 0 0 15. Hallar los valores de para los que la matriz: 1 1 A = 2 1 3 1 1 tiene inversa. Calcular su inversa cuando = 1.
101
Solucin: A1 = 0 y = 7. Para = 1 resulta: A1 o
16. Hallar el rango de la matriz A seg n los diferentes valores de t R, siendo: u t t 0 t + 1 t 1 A= 2 2t 1 0 t+3 Para qu valores de t existe A1 ?. e Solucin: r(A) = 2 si t = 0, 1, 2 y r(A) = 3 en los dems casos. o a 17. Sea la matriz: x2 0 2 x 2 0 A= 0 0 0 x
3 0 3 1 2 2 = 6 4 5 2 1
a) Hallar los valores de x para los que A tiene inversa. b) Hallar la matriz Y cuadrada de orden 3 que es solucin de la ecuacin matricial o o A Y + B = I, siendo A la matriz anterior para x = 3, I es la matriz identidad de orden 3 y B es la matriz: 1 0 1 B = 2 0 0 3 1 0
Solucin: o
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS a) x = 0 x = 2 2 1 2 3 3 2 1 0 b) Y = 1 1 1 3 3 0 1 2 A = 1 0 2 1 1 3 1 0 0 I = 0 1 0 0 0 1
102
18. Dadas las matrices:
Solucin: = 1 o
Determinar si es posible un valor de para el cual la matriz (A I)2 sea la matriz nula. matriz: 0 3 1
19. Discutir, en funcin del valor de a el rango de la o a 1 A = 0 1 a 1
Para a = 2, tiene A matriz inversa?. En caso armativo, calcularla. a Soluci r(A) = 2 si a = 0 y r(A) = 3 en los dems casos. Para a = 2, resulta: on: 1 1 2 3 2 1 3 A = 1 3 1 0 1 C= 1 0 2 , 0 1 1 1 0 D = 1 1 1 1
20. Dadas las matrices
determinar si C D tiene inversa, y en ese caso, hallarla. . Solucin: S (C D) o

1
1 2
1 2 3 4
21. La matriz cuadrada X de orden 3 verica la relacin: o 2 4 7 X 3 + X = 0 2 4 0 0 2 a) Determinar, si es posible, el rango de X.
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS b) Verica alguna de las matrices 1 A = 0 0 A y B siguientes la 1 1 1 0 1 , B = 0 0 1 0 relacin del enunciado? o 1 1 1 1 0 1
103
Solucin: r(X) = 3. S la B. o ,
22. Se dice que una matriz cuadrada A de orden n es ortogonal si su inversa A1 y su traspuesta At coinciden. Dado un n mero real x, sea B la matriz u cos x sen x 0 B = sen x cos x 0 0 0 1 a) Es ortogonal la matriz B?. b) Es B 2 ortogonal?. Solucin: S S o . . 23. Considerar las matrices: 1 1 0 A = 1 0 1 , 1 1 1 1 1 1 B = 0 1 1 0 0 0
a) Determinar si A y B son invertibles y, en su caso, calcula la matriz inversa. b) Resolver la ecuacin matricial BA A2 = AB X. o Solucin: B no tiene inversa, y o 1 1 1 1 A1 = 2 1 1 , 3 1 2 1 24. El determinante 2 a 5 4 a2 13 8 a3 35 2 1 1 X = 1 2 0 2 0 2
vale cero para a = 3. Comprobar esta armacin sin desarrollarlo e indicando las propieo dades de los determinantes que se apliquen. Determinar todos los valores de a para los que las tres columnas del determinante anterior representan vectores linealmente dependientes. Justicar la respuesta. Solucin: a = 0, 2, 3. o
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS 25. Sea C la matriz, que depende de un parmetro m, dada por a 2 1 m 0 1 C= 1 2 1 1 b) Calcular la matriz inversa de C para m = 2. 1 3 1 1 Solucin: m = 1. C 1 = 3 1 6 4 o 1 0 1
104
a) Para qu valores del parmetro m no tiene inversa la matriz C?. e a
26. Selectividad Junio 2000. Considerar la matriz 1 2 1 A = 1 0 0 1
a) Hallar los valores de para los que la matriz A no tiene inversa. b) Tomando = 1, resolver el sistema escrito en forma matricial x 0 y = 0 A z 0
Solucin: = 0, 1; x = t, y = t, z = t, para todo t R. o 27. Selectividad Junio 2000. Dada la matriz A= calcular (At A1 )2 A. Solucin: o 2
3 2 11 2
1 2 3 4
. la matriz 1 3 b
28. Selectividad Septiembre 2000. Se considera 1 0 0 b A= 4 1
a) Determinar para qu valores del parmetro b existe A1 . e a
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS b) Calcular A1 para b = 2. Solucin: b = 1 y b = 3; A1 o 7 1 2 = 12 2 3. 8 1 2
105
29. Selectividad Junio 2001. Sea
30. SL. Consideremos las matrices A=
Para qu valores de x existe la matriz inversa de A?. Calcular dicha matriz inversa. e sen x cos x 0 Solucin: la matriz inversa A1 existe para todo valor de x; A1 = cos x sen x 0. o 1 1 1 3 2 , 4 3 X= x , y U= 7 9
sen x cos x 0 cos x sen x 0 A= sen x + cos x sen x cos x 1
a) Hallar los valores de x e y tales que AX = U. b) Calcular la matriz A1 y determinar A1 U. c) Encontrar los posibles valores de m para los que los vectores A son linealmente dependientes. Solucin: x = 3, y = 1; A1 = o 3 2 , A1 U = 4 3 3 ; m = 2. 1 1 m y 1 m
31. SL. Resolver la ecuacin matricial A2 X = 2B, siendo o A= Solucin: X = o 14 2 52 8 2 30 1 1 2 3 y B= 1 1 4 , 0 3 1
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS 32. SL. De las matrices A= 1 2 , 3 4 B= 1 2 3 , 4 5 6 C= 1 1 , 3 3 1 2 3 D = 0 1 2 0 0 1
106
determina cules tienen inversa y en los casos que exista, calcula el determinante de a dichas inversas.
1 Solucin: A y D tienen inversa, B y C no; |A1 | = 2 , |D 1| = 1 o a 0 a 33. SL. Se sabe que la matriz A = 0 1 0 verica que det(A) = 1 y sus columnas b 0 b son vectores perpendiculares dos a dos.
a) Calcular los valores de a y b. b) Comprobar que para dichos valores se verica que A1 = At , donde At denota la matriz traspuesta de A. Solucin: Dos soluciones: a = o
2 , 2
b=
2 ; 2
a=
2 , 2
b=
2 . 2
34. SL. Determinar la matriz X tal que AX 3B = 0, siendo 1 0 1 1 2 A = 2 3 7 y B = 1 0 0 1 2 2 1 12 15 Solucin: X = 12 39 o 9 21 1 0 2 35. SL. Consideremos la matriz A = 1 1 1 1 1 0 b) Hallar la matriz A1 . 1 2 1 1 2 Solucin: 8, 1, 1; A = o 0 1 1 1 36. SL. Consideremos la matriz A = 0 2 3 1 1 1
a) Calcular el determinante de las matrices 2A, A31 y (A31 )1 .
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS a) Determinar para qu valores del parmetro la matriz A no tiene inversa. e a b) Calcular, si es posible, la matriz inversa de A para = 2. 1 0 1 2 Solucin: = 1, 1. Para = 2, es A1 = 3 1 0 o 3 4 2 1 3 3
107
37. Selectividad Junio 2002. Determinar la matriz X que verica la ecuacin AX = X B o siendo 0 0 1 1 0 1 1 A = 0 0 0 y B = 0 1 1 0 0 0 1 1 1 1 0 2 2 1 1 Solucin: X = 0 o 1 1 2 2 1 38. Selectividad Septiembre 2003. Considerar las matrices 1 0 0 0 1 1 1 0 0 A = 1 m 0 , B = 1 0 0 y C = 0 1 0 1 1 1 0 0 0 1 0 1
39. Selectividad junio 2004. Considerar las matrices 1 0 1 0 1 , B = 0 1 A= 0 1 2 0 0
a) Para qu valores de m tiene solucin la ecuacin matricial A X + 2B = 3C?. e o o b) Resuelve la ecuacin matricial dada para m = 1. o 3 2 2 2 Solucin: m = 0; X = 5 5 o 5 3 3 1 0 y C = 0 2 1 0
a) Calcular A B, A C, At B t , C t At siendo At , B t y C t las matrices traspuestas de A, B y C respectivamente. b) Razonar cules de las matrices A, B, C y A B tienen inversa y en los casos en que a la respuesta sea armativa, hallarla. 1 0 0 1 0 2 0 2 2 , , 0 1 0, . Solucin: o 0 1 2 2 0 2 1 2 0 La matriz A B tiene inversa y (A B)1 = 1 0 0 1
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS 40. Selectividad junio 2005. Sean las matrices A= 2 1 , B= 3 2 0 1 0 , C= 3 1 2 1 2 0 1 1 4
108
a) Tiene A inversa?. En caso armativo, calcularla. b) Determinar la matriz X que cumple que A X + C B t = B B t , siendo B t la matriz transpuesta de B.
1 Solucin: S A1 = 7 A. X = o , 1 7
4 6 1 26 a b c |A| = d e f = 2 g h i
41. Selectividad septiembre 2005. Sabiendo que:
calcular, indicando las propiedades que utilices, los siguientes determinantes: a) | 3A| y |A1 |. c b a b) f e d . 2i 2h 2g
a b ac c) d e d f . g h gi
1 Solucin: | 3A| = 54, |A1 | = 2 ; -4; -2. o
42. Selectividad Junio 2006. Consideremos la matriz: A= siendo a un n mero real. u a) Calcular el valor de a para que A2 A = 12 1 0 20 a 1 0 a
b) Calcular, en funcin de a, los determinantes de las matrices 2A, At , siendo At la o traspuesta de A.
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS
109
c) Existe alg n valor de a para el cual la matriz A es simtrica?. Razona la respuesta. u e Solucin: a = 4; |2A| = 4a2 , |At | = a2 ; No. o 43. Selectividad septiembre 2006. Resolver AB t X = 2C siendo B t la traspuesta de la matriz B y A= 1 0 3 , 2 1 0 B= 1 3 0 , 0 2 2 C= 1 4 0 1
Solucin: X = o
1 2 14 21 14 5
44. Selectividad Junio 2007. Consideremos la matriz: A= a) Determinar la matriz B = A2 2A. c) Calcular B 1 para = 1. Solucin: o a) B = 2 1 . 1 2 2 1
1 2 0 . 0 1 2
1 1 1
b) Determinar los valores de para los que la matriz B tiene inversa.
b) Existe B 1 cuando = 1 y = 3. c) B 1 =
45. Selectividad septiembre 2007. Sea I la matriz identidad de orden 2, y sea: A= 1 m 1 1
a) Encontrar los valores de m para los cuales se cumple que (A I)2 = O, donde O es la matriz nula de orden 2. b) Para m = 2, hallar la matriz X tal que AX 2At = 0, donde At denota la matriz traspuesta de A. Solucin: m = 0; X = 2 o 3 1 . 1 0
CAP ITULO 9. DETERMINANTES Y MATRICES INVERSAS
110
46. Selectividad junio 2009. Sean F1 , F2 y F3 las las primera, segunda y tercera, respectivamente, de una matriz B de orden 3, cuyo determinante vale 2. Calcular, indicando las propiedades utilizadas: a) El determinante de B 1 . b) El determinante de (B t )4 (B t es la matriz traspuesta de B). c) El determinante de 2B. d ) El determinante de una matriz cuadrada C cuyas las primera, segunda y tercera son, respectivamente, 5F1 F3 , 3F3 , F2 .
1 Solucin: |B 1 | = 2 , |(B t )4 | = 16, |2B| = 16, |C| = 30. o
47. Selectividad septiembre 2009. Sean las matrices 1 2 1 3 1 0 A = 2 1 1 , B = , 1 2 1 1 0 1
Determinar la matriz X que verica AX B t = 2C (B t es la matriz traspuesta de B). 7 2 1 Solucin: X = 5 18 o 4 7 30
2 1 C = 1 2 0 3
Cap tulo 10 Sistemas de ecuaciones lineales

1. Considerar el sistema de ecuaciones: 2x 2y z = 4 x + 2y 2z = 1 xz = 1 a) Existe una solucin del mismo en la que y = 0?. o b) Resolver el sistema homogneo asociado al sistema dado. e c) Hacer una interpretacin geomtrica tanto del sistema dado como de sus soluciones. o e Solucin: S x = 3, y = 0, z = 2. Para el segundo apartado x = 2t, y = t, z = 2t, t R. o , 2. Del sistema de dos ecuaciones con dos incgnitas o ax + by + 1 = 0 a x + b y + c = 0 se sabe que x = 1, y = 2 es una solucin y que x = 7, y = 3 es otra solucin. Qu puede o o e armarse respecto de las soluciones del sistema?, cuntas tiene?, cules son?. a a Solucin: El sistema es compatible con innitas soluciones dependientes de 1 parmetro. o a Las soluciones son x = 11 + 6t, y = t. 3. Considerar el sistema xy+z =1 3x 4y 2z = 3
a) A adir una ecuacin lineal al sistema anterior de modo que el sistema resultante sea n o incompatible.
111
CAP ITULO 10. SISTEMAS DE ECUACIONES LINEALES
112
b) Si a adimos al sistema dado la ecuacin mx+yz = 1, determinar para qu valores n o e del parmetro m el sistema resultante es compatible indeterminado y resolverlo. a Solucin: Para el segundo apartado es m = 1, y entonces x = 1+6t, y = 1+5t, z = 1t. o 4. En un supermercado se ofrecen dos lotes formados por distintas cantidades de los mismos productos. El primer lote est compuesto por una botella de cerveza, tres bolsas de cacahuetes a y siete vasos y su precio es de 565 pts. El segundo lote est compuesto por una botella de cerveza, cuatro bolsas de cacahuea tes y diez vasos y su precio es de 740 pts. Con estos datos, se podr averiguar cunto deber valer un lote formado por una botella a a a de cerveza, una bolsa de cacahuetes y un vaso. Justica la respuesta. , a Solucin: S y su precio ser 215 pts. o 5. Una tienda vende una clase de calcetines a 1 200 pts. el par. Al llegar las rebajas, durante el primer mes realiza un 30 % de descuento sobre el precio inicial y en el segundo mes un 40 % tambin sobre el precio inicial. Sabiendo que vende un total de 600 pares de e calcetines por 597 600 pts. y que en las rebajas ha vendido la mitad de dicho total (de calcetines), a cuntos pares de calcetines se les ha aplicado un descuento del 40 %?. a Solucin: 120 pares. o 6. Determinar seg n los valores del parmetro cundo tiene solucin el sistema u a a o x + y + z = 2 x + (1 )y + ( 1)z = 2 x + y + z = 22 Resolverlo cundo sea compatible indeterminado. a Solucin: Para = 0 el sistema es compatible con innitas soluciones dependientes de un o parmetro y su solucin es x = t, y = z = 0, t R. Si = 0 y = 1 es un sistema de a o Cramer (solucin unica). En los dems casos es incompatible. o a 7. Por la abertura A del mecanismo de tubos de la gura se introducen 50 bolas que se deslizan hasta salir por B. Sabemos que por el tubo W han pasado 10 bolas.

A
113
X B
a) Justicar si es posible hallar el n mero de bolas que pasan exactamente por cada u uno de los tubos X, Y y Z. b) Supongamos que podemos controlar el n mero de bolas que pasan por el tubo Y . u Escribir las expresiones que determinan el n mero de bolas que pasan por los tubos u X y Z en funcin de las que pasan por Y . o c) Se sabe un dato nuevo: por Y circulan 3 veces ms bolas que por Z. cuntas circulan a a por X, Y y Z?. u Solucin: No. Si x, y, z son el n mero de bolas que pasan por X, Y, Z respectivamente, o entonces x = 10 + y, z = 40 y. Para el tercer apartado x = 40, y = 30, z = 10. 8. Sea el sistema de ecuaciones: x+y =1 my + z = 0 x + (1 + m)y + mz = 1 + m a) Estudiar su comportamiento seg n los valores del parmetro m. u a b) Resolverlo para m = 2. Solucin: o m = 1, incompatible. m = 0, compatible con innitas soluciones dependientes de un parmetro: x = t, y = a 1 t, z = 0. m = 0 y m = 1, sistema de Cramer. Para m = 2, resulta x = 2, y = 1, z = 2.
CAP ITULO 10. SISTEMAS DE ECUACIONES LINEALES 9. Discutir el siguiente sistema seg n los valores del parmetro b u a x + y + bz = b2 x + y + z = 3 bx + y + z = 3b y resolverlo cuando sea compatible indeterminado. Solucin: o b = 1, incompatible.
114
b = 1, compatible con innitas soluciones dependientes de un parmetro: x = a 2 + t, y = 1, z = t. b = 1 y b = 1, sistema de Cramer (solucin unica). o 10. Una persona trata de adivinar, mediante ciertas pistas, el coste de tres productos A, B y C que un amigo suyo ha comprado: Pista 1: Si compro una unidad de A, dos de B y una de C me gasto 900 pts. Pista 2: Si compro m unidades de A, m + 3 unidades de B y 3 de C me gasto 2 950 pts. a) Hay alg n valor de m para el cual estas dos pistas no son compatibles?. u b) Si en la Pista 2 se toma m = 4, es posible saber el coste de cada uno de los productos?. c) El amigo le dice nalmente que el producto C vale 5 veces lo que vale el producto A y que en la Pista 2 se tiene m = 4. Cunto valen A, B y C?. a , Solucin: S cuando m = 3. No. Si es x, y, z el precio de los productos A, B, C respectio vamente, entonces x = 100, y = 150, z = 500. 11. Se considera el sistema x + 2y + 3z = 1 2x + 5y + 4z = 2 x + 3y + m2 z = m
a) Discutir el sistema seg n los valores del parmetro m. u a b) Resolverlo cuando sea compatible indeterminado. c) Razonar para qu valores de m tiene inversa la matriz de los coecientes del sistema. e Solucin: o m = 1, incompatible.
115
m = 1, compatible con innitas soluciones dependientes de un parmetro: x = a 1 7t, y = 2t, z = t. m = 1 y m = 1. 12. Se dice que dos matrices A y B son semejantes cuando existe una matriz invertible P tal que AP = P B. a) Probar que las matrices A = b) Resolver los sistemas 1 2 1 0 Solucin: o a) En efecto, basta tomar P = 2 1 . 1 1 b) La solucin del primer sistema es x = 2t, y = t, t R y la del segundo es x = t, y = o t, t R. x y =2 x y y 1 2 1 0 yB= 2 0 0 1 1 2 1 0 son semejantes.
x y
x y
13. Estudiar el siguiente sistema seg n los valores del parmetro k e interpreta geomtricau a e mente los resultados 2x + 2y + (k + 2)z = 5 x + y 2z = 5 3x + ky 6z = 5k k = 6, sistema incompatible. Los tres planos no tienen ning n punto com n. u u k = 3, compatible con innitas soluciones dependientes de un parmetro. Los tres a planos contienen la recta x = t 5 r y = 3 t z = 5 3 k = 6 y k = 3, sistema de Cramer. Los tres planos tienen un punto com n. u 14. Discutir y resolver en caso de compatibilidad los siguientes sistemas seg n los valores del u parmetro a: a 2x y = 2 ax 2y = 1 ax y = 1 ; b) a) 2x + ay = 2 2x + (a 1)y = 2 x + 5y = a
CAP ITULO 10. SISTEMAS DE ECUACIONES LINEALES Solucin: o Problema a)
116
Problema b)
a = 2, incompatible a = 1, compatible con innitas soluciones dependientes de un parmetro: a x = 1 t, y = t. 1 2 a = 2 a = 1, sistema de Cramer: x = a2 , y = a2 a = 1, incompatible a = 1, sistema de Cramer: x = 1, y = 0
15. Discutir y resolver en caso de compatibilidad los siguientes sistemas seg n los valores del u parmetro a: a ax + y + 3z = 3 ax + y = a2 xyz = 0 ; b) a) x + a2 y = 1 5x 3y 2z = 6 Solucin: o Problema a) a = 1, compatible con innitas soluciones dependientes de un parmetro: x = a 1 t, y = t. 3 +a2 +a+1 a a = 1, sistema de Cramer: x = a a2 +a+1 , y = a2 +a+1
Problema b)
a = 3, incompatible 9 a = 3, sistema de Cramer: x = a3 , y = 6a+9 , z = a3
6a a3
16. Discutir y resolver en caso de compatibilidad los siguientes sistemas seg n los valores del u parmetro a: a 2x + y z = 0 ax + y z = 1 ax y z = a 1 x + 2y + z = 2 ; b) a) 3x 2az = a 1 x + 3y z = 0 Solucin: o Problema a)
1 a = 5 , incompatible 1 a = 5 , sistema de Cramer: x = 9 ,y 5a1
2a4 ,z 5a1
6a3 5a1
Problema b)
117
a = 1, compatible con innitas soluciones dependientes de un parmetro: x = a 2t, y = t, z = 3t. a = 3, incompatible 5(a1) a1 a = 1 a = 3, sistema de Cramer: x = a1 , y = 2(a+3) , z = a+3 a+3 17. Discutir y resolver en caso de compatibilidad los siguientes sistemas seg n los valores del u parmetro a: a ax + y + z = 0 2x + 3y 4z = 1 a) 4x + 6y az = 2 ; b) (a + 1)x + y az = a x + y + az = 10 x + (a + 1)y = 2a Solucin: o Problema a) a = 8, compatible con innitas soluciones dependientes de un parmetro: x = a 29 28t, y = 19 + 20t, z = t. a = 8, sistema de Cramer: x = 29, y = 19, z = 0
Problema b)
a = 0, compatible con innitas soluciones dependientes de un parmetro: x = a t, y = t, z = t. a = 1, incompatible 2 +2a+1 2 +a+1 1 a = 0 a = 1, sistema de Cramer: x = a+1 , y = 2a(a+1)2 , z = a(a+1)2 18. Discutir y resolver en caso de compatibilidad los siguientes sistemas seg n los valores del u parmetro a: a ax + y + z = 1 5x + 2y z = 9 2x 4y + 8z = a x + ay + z = a a) ; b) x 2y + 4z = 2 x + y + az = a2 Solucin: o Problema a) a = 4, compatible con innitas soluciones dependientes de un parmetro: x = a 113t , y = 21t1 , z = t. 6 12 a = 4, incompatible a = 1, compatible con innitas soluciones dependientes de dos parmetros: x = a 1 s t, y = s, z = t.
Problema b)
CAP ITULO 10. SISTEMAS DE ECUACIONES LINEALES a = 2, incompatible
118
a = 1 a = 2, sistema de Cramer: x = a+1 , y = a+2
1 ,z a+2
(a+1)2 a+2
19. Discutir y resolver en caso de compatibilidad los siguientes sistemas seg n los valores del u parmetro a: a x 2z = 3 x + ay + z = a + 1 4x + y = 5 (a + 1)x + y az = 0 a) ; b) 2x + z = a 2x + y z = 1 a 2x 3z = a Solucin: o Problema a) a = 1, compatible con innitas soluciones dependientes de un parmetro: x = a 2(t 1), y = 4 3t, z = t. a = 2, incompatible 2 +a+2 a = 1 a = 2, sistema de Cramer: x = a a2 , y = 3a+2 , z = a(a+2) a2 a2
Problema b)
a = 6, incompatible a = 6, sistema de Cramer: x = 3, y = 7, z = 0 20. Discutir y resolver en caso de compatibilidad parmetro a: a 3x ay + 3z = 4 ax + y z = 2 ; b) a) xy+z =1 ax + 4y z = 5 Solucin: o Problema a) a = 2, sistema de Cramer: x = y = z = 1 a = 1, incompatible a = 2 a = 1, incompatible a = 6, sistema de Cramer: x = 7, y = 4, z = 0 a = 1, sistema de Cramer: x = 7, y = 4, z = 0 los siguientes sistemas seg n los valores del u x+yz 3x + 4y z x + y az ax + 2y + (a + 2)z =3 =5 =3 = a2 2
Problema b)
CAP ITULO 10. SISTEMAS DE ECUACIONES LINEALES a = 6 a = 1, incompatible
119
21. Discutir y resolver en caso de compatibilidad el siguiente sistema seg n el valor del u parmetro a: a x+y+z =2 x + 2y 3z = 8 ax y z = 1 x y + z = 2 Solucin: o a = 2, sistema de Cramer: x = 1, y = 2, z = 1 a = 2, incompatible 22. Sea el sistema:
x + 2y = 10 x my = 5
a) Hallar para qu valor de m es x = 0. e b) Hallar para qu valor de m es incompatible el sistema. e Solucin: m = 1 ; m = 2 o 23. Sea el sistema: x+y+z =a+1 x + y + (a 1)z = a x + ay + z = 1
a) Para qu valores de a es compatible y determinado?. Resolverlo para dichos valores. e b) Para qu valores de a es indeterminado?. Resolverlo para dichos valores. e c) Es incompatible para alg n valor de a?. u Solucin: o a) a = 1 a = 2. Las soluciones son: x= a3 a2 2a + 1 a 1 ,y = ,z = (a 1)(a 2) a1 a2
b) Para ning n valor de a. u c) Para a = 1 y a = 2.
120
24. La suma de las tres cifras de un n mero es 16, y la suma de la primera y la tercera es igual u a la segunda. Permutando entre s dichas cifras (primera y tercera) resulta un n mero u que supera en 198 unidades al n mero dado. Cul es dicho nmero?. u a u Solucin: 385 o 25. Varios amigos pagan en un bar 755 pts. por 5 cervezas, 3 bocadillos y 2 cafs. Al d e a siguiente consumen 3 cervezas, 2 bocadillos y 4 cafs por lo que pagan 645 pts. e a) Si al tercer d consumen 7 cervezas y 4 bocadillos, qu precio deber pagar por a e an ello?. b) Puede saberse de los datos anteriores el precio de una cerveza, o un bocadillo o un caf?. Si adems sabemos que un caf vale 60 pts., Puede saberse el precio de una e a e cerveza o un bocadillo?. Solucin: o a) 865 ptas. b) No; S 55 y 120 pts. la cerveza y el bocadillo respectivamente. , 26. Selectividad Septiembre 2000. Se considera el sistema de ecuaciones 3x + 2y 5z = 1 4x + y 2z = 3 2x 3y + az = b a) Determinar a y b sabiendo que el sistema tiene innitas soluciones. b) Resolver el sistema resultante. Solucin: a = o
44 , 5
b = 5; x = 1 t, y = 1 + 14t, z = 5t. x + 2y = 3 x + 2z = 1 3x y 7z = + 1
27. SL. Consideremos el sistema de ecuaciones:
a) Hallar todos los valores del parmetro para los que el sistema correspondiente tiene a innitas soluciones. b) Resolver el sistema para los valores de obtenidos en el apartado anterior. c) Discutir el sistema para los restantes valores de .
121
Solucin: = 1; para = 1 es x = 1 + 2t, y = 1 t, z = t. Para = 7 el sistema es o incompatible y si = 1, 7 el sistema es de Cramer. 28. SL. Consideremos la matriz 1 2 1 A = 1 0 0 1
a) Hallar los valores de para los que la matriz A no tiene inversa. b) Tomando = 1, resolver el sistema escrito en forma matricial x 0 y = 0 A z 0
Solucin: = 0, 1; para = 1 es x = t, y = t, z = t. o 29. SL. Consideremos el sistema de ecuaciones:
x + y + ( 1)z = 1 y+z =1 2x + y z = 3 a) Hallar todos los posibles valores del parmetro para los que el sistema correspona diente tiene al menos dos soluciones distintas. b) Resolver el sistema para los valores de obtenidos en el apartado anterior. c) Discutir el sistema para los restantes valores de . Solucin: solamente = 3; para = 3 es x = 2 + t, y = 1 t, z = t. Para = 3 el o sistema es incompatible. 30. SL. Discutir y resolver el siguiente sistema seg n los valores del parmetro : u a x + y + z = 0 x + y + z = 0 x + y + z = 0 Solucin: o = 1, compatible con innitas soluciones dependientes de 2 parmetros: x = s a t, y = s, z = t, para todos s, t R. = 2, compatible con innitas soluciones dependientes de 1 parmetro: x = t, y = a t, z = t, para todo t R.
CAP ITULO 10. SISTEMAS DE ECUACIONES LINEALES = 1 y = 2, sistema de Cramer cuya solucin es la trivial x = y = z = 0. o 31. SL. Consideremos el sistema escrito en forma matricial: b 1 b x 2 0 b 1 y = 0 1 b 1 z 2
122
Discutir el sistema seg n los valores del parmetro b y resolverlo cuando sea compatible u a indeterminado. Solucin: o b = 1, compatible con innitas soluciones dependientes de 1 parmetro: x = 2, y = a t, z = t, para todo t R.
b = 1, 1, sistema de Cramer. 1 2 3 1 x 0 a , B = 0, X = y 2 32. SL. Sean A = a 1 a 2 1 z
b = 1, incompatible.
a) Determinar el rango de A en funcin del parmetro a. o a b) Discutir en funcin de a el sistema, dado en forma matricial, AX = B o c) Resolver AX = B en los casos que sea compatible indeterminado.
1 2, si a = 1, 2 Solucin: r(A) = o . Para a = 1, el sistema es compatible con innitas 3, en otro caso soluciones dependientes de 1 parmetro: x = 1 t, y = 2t, z = t, para todo t R. a 1 Para a = 2 es incompatible y si a = 1, 1 es un sistema de Cramer. 2
33. SL. Consideremos el sistema:
mx + y z = 1 x my + z = 4 x + y + mz = m
Discutirlo seg n los valores de m. Cul es, seg n los valores de m, la posicin relativa u a u o de los planos cuyas ecuaciones respectivas son las tres que forman el sistema?. u Solucin: Si m = 0, el sistema es incompatible: los tres planos no tienen ning n punto en o com n. Si m = 0, el sistema es de Cramer: los tres planos se cortan en un unico punto. u
123
34. SL. Resolver el sistema de ecuaciones, dado en forma matricial: AX = AX + B, siendo 1 0 2 1 x 1 1 1 , B = 4 , X = y A= 3 1 4 1 z

9 Solucin: x = 10 , y = 2 , z = o 5 7 10
35. SL. Determinar a, b y c 3 1 A= 1 a 1 b Solucin: a = 1, b = o

23 , 29
c=
sabiendo que la matriz 1 1 2 2 , verica: A 2 = 9 c 3 4

33 29
y rango(A) = 2
36. SL. Clasicar el siguiente sistema seg n los valores del parmetro m u a 2x + my = 0 x + mz = m x + y + 3z = 1 Resolver el sistema anterior para m = 6. Solucin: Para m = 0, sistema compatible con innitas soluciones dependientes de 1 o parmetro. Para m = 5, incompatible. Para m = 0, 5, sistema de Cramer. Cuando m = 6 a es x = 12, y = 4, z = 3. 37. SL. Un mayorista de caf dispone de tres tipos base: Moka, Brasil y Colombia, para e preparar tres tipos de mezcla: A, B y C, que envasa en sacos de 60 Kg., con los siguientes contenidos en kilos y precios del kilo en euros: Mezcla A 15 30 15 4 Mezcla B 30 10 20 4 5 Mezcla C 12 18 30 4 7
Moka Brasil Colombia Precio (cada Kg.)
Suponiendo que el preparado de las mezclas no supone coste alguno, cul es el precio de a cada uno de los tipos base de caf?. e Solucin: Precio Moka = 4 euros, Precio Brasil = 3 euros, Precio Colombia = 6 euros. o
124
38. Selectividad Junio 2002. Determinar una matriz A simtrica (A coincide con su trase puesta) sabiendo que det(A) = 7 y A Solucin: A = o 1 2 2 3 2 6 1 3 = 4 12 1 3
39. Selectividad Septiembre 2003. Considerar las matrices 2 2 1 x 2 1 2 y X = y A= 1 2 2 z
a) Siendo I la matriz identidad de orden 3, calcular los valores de para los que la matriz A + I no tiene inversa. b) Resolver el sistema A X = 3X e interpreta geomtricamente el conjunto de todas e sus soluciones.
Solucin: = 3, 3; x = t, y = 2t, z = t, para todo t R, es decir, una recta. o 40. Selectividad junio 2004. Considerar el sistema de ecuaciones mx y = 1 x my = 2m 1 a) Clasicar el sistema seg n los valores de m. u b) Calcular los valores de m para los que el sistema tiene una solucin en la que x = 3. o Solucin: si m = 1 el sistema es compatible con innitas soluciones dependientes de o 1 parmetro; si m = 1 el sistema es incompatible. En los dems casos, es decir, si a a 4 m = 1, 1 el sistema es de Cramer; m = 1, 3 . 41. Selectividad septiembre 2004. Determinar a y b sabiendo que el sistema de ecuaciones x + 3y + z = 1 x + y + 2z = 1 ax + by + z = 4 tiene al menos dos soluciones distintas. Solucin: si a = 4, b = 8. o
CAP ITULO 10. SISTEMAS DE ECUACIONES LINEALES 42. Selectividad septiembre 2004.
125
3 2 1 4 2 tiene rango 2, cul es el valor de a) Sabiendo que la matriz A = 1 a 1 a 1 a a?. b) Resolver el sistema de ecuaciones: 3 2 1 x 1 1 4 2 y = 0 1 6 5 z 1 x = 2 8t Solucin: a = 5; y = 2 7t o z = 3 + 10t
43. Selectividad junio 2005. Considera el sistema de ecuaciones: x + y + z = 2 lx + 3y + z = 7 x + 2y + (l + 2)z = 5 a) Clasicar el sistema seg n los valores del parmetro l. u a b) Resolver el sistema cuando sea compatible indeterminado. Solucin: Para l = 1 el sistema es incompatible. Para l = 2, el sistema es compatible o con innitas soluciones dependientes de un parmetro (compatible indeterminado) y su a x = 1 2t solucin es y = 3 + t . Para l = 1, 2 el sistema es de Cramer (solucin unica). o o z=t
44. Selectividad septiembre 2005. En una excavacin arqueolgica se han encontrado o o sortijas, monedas y pendientes. Una sortija, una moneda y un pendiente pesan conjuntamente 30 gramos. Adems, 4 sortijas, 3 monedas y 2 pendientes han dado un peso total de a 90 gramos. El peso de un objeto deformado e irreconocible es de 18 gramos. Determina si el mencionado objeto es una sortija, una moneda o un pendiente, sabiendo que los objetos que son del mismo tipo pesan lo mismo. Solucin: moneda. o
CAP ITULO 10. SISTEMAS DE ECUACIONES LINEALES 45. Selectividad junio 2006. Resolver el sistema: 2 0 5 x 2 5 1 1 2 y + 2 = 0 1 1 1 z 3 2
5 1 Solucin: x = 1 , y = 4 , z = 2 . o 4
126
46. Selectividad septiembre 2006. Considera el sistema de ecuaciones lineales: lx y z = 1 x + ly + z = 4 x+y+z =l+2 a) Clasicar el sistema seg n los valores del parmetro l. u a b) Resolver el sistema para l = 2. Solucin: Para l = 1 el sistema es incompatible. Para l = 1, el sistema es compatible o con innitas soluciones dependientes de un parmetro (compatible indeterminado). Para a l = 1 el sistema es de Cramer (solucin unica). Cuando l = 2, es x = 1, y = 0, z = 3. o 47. Selectividad junio 2007. a) Calcular la matriz inversa de: 1 1 0 A = 0 1 1 1 0 1
b) Escribir en forma matricial el siguiente sistema y resolverlo usando la matriz A1 hallada en el apartado anterior. x+y = 1 y + z = 2 x+z =3 Solucin: A1 o 1 1 1 1 1 1; x = 3, y = 2, z = 0. = 2 1 1 1 1 ax + y + z = 4 x ay + z = 1 x+y+z =a+2
48. Selectividad septiembre 2007. Considerar el sistema de ecuaciones:
CAP ITULO 10. SISTEMAS DE ECUACIONES LINEALES a) Resolverlo para el valor de a que lo haga compatible indeterminado. b) Resolver el sistema que se obtiene para a = 2.
127
Solucin: Para a = 1 el sistema es compatible indeterminado, en concreto, compatible o 3 con innitas soluciones dependientes de un parmetro, x = 2 , y = 5 t, z = t, para a 2 4 1 todo t R. Para a = 2, el sistema es de Cramer (solucin unica), x = 3 , y = 1, z = 3 . o 49. Selectividad junio 2008. Un cajero automtico contiene slo billetes de 10, 20 y 50 a o euros. En total hay 130 billetes con un importe de 3000 euros. a) Es posible que en el cajero haya el triple n mero de billetes de 10 que de 50? u b) Suponiendo que el n mero de billetes de 10 es el doble que el n mero de billetes de u u 50, calcula cuantos billetes hay de cada tipo. Solucin: No; 80, 10 y 40 billetes de 10, 20 y 50 euros respectivamente. o 50. Selectividad junio 2008. Sea la matriz 1 1 0 A = m m2 m2 m m m2 b) Estudiar si el sistema x 1 y = 1 A z 1
a) Hallar los valores del parmetro m para los que el rango de A es menor que 3. a
tiene solucin para cada uno de los valores de m obtenidos en el apartado anterior. o o Solucin: m = 0, 1; para m = 0 el sistema es incompatible (no tiene solucin); para o m = 1, el sistema es compatible con innitas soluciones dependientes de dos parmetros a (compatible indeterminado). 51. Selectividad septiembre 2008. Considerar el sistema de ecuaciones: x+y+z =a1 2x + y + az = a x + ay + z = 1 a) Discutirlo seg n los valores del parmetro a. u a b) Resolverlo para a = 2.
128
Solucin: para a = 1 el sistema es incompatible; para a = 2 el sistema es compatible indeo terminado, en concreto, compatible con innitas soluciones dependientes de un parmetro, a x = 1 t, y = 0, z = t, para todo t R. Por ultimo, para a = 1, 2, el sistema es de Cramer (solucin unica). o 52. Selectividad septiembre 2008. Sabemos que el sistema de ecuaciones: 2x y + 3z = 1 x + 2y z = 2 tiene las mismas soluciones que el que resulta de a adirle la ecuacin ax + y + 7z = 7. n o a) Determinar el valor de a. b) Calcular la solucin del sistema inicial de dos ecuaciones, de manera que la suma de o los valores de las incgnitas sea igual a la unidad. o
6 2 Solucin: a = 8; x = 5 , y = 1 , z = 5 . o 5
53. Selectividad junio 2009. Una empresa embasadora ha comprado un total de 1 500 cajas de pescado en tres mercados diferentes, a un precio por caja de 30, 20 y 40 euros respectivamente. El coste total de la operacin ha sido de 40 500 euros. Calcular cunto o a ha pagado la empresa en cada mercado, sabiendo que en el primero de ellos ha comprado el 30 % de las cajas. Solucin: 13 500 euros en el primer mercado, 15 000 en el segundo y 12 000 en el tercero. o 54. Selectividad septiembre 2009. Discutir seg n los valores del parmetro el siguiente u a sistema: 3x + y = 0 x + z = x + y + 3z = 1 y resolverlo para = 0. Solucin: para = 0 el sistema es compatible con innitas soluciones dependientes de un o parmetro, x = 0, y = 1 3t, z = t, para todo t R. Para = 6 es incompatible. Por a ultimo, para = 0, 6, el sistema es de Cramer (solucin unica). o

Libro 2 Jcdelacruz Algebra Lineal

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Libro 2 Jcdelacruz Algebra Lineal

Caricato da

Copyright:

Formati disponibili

captulo01 Captulo 02

Departamento de Matemtica a ii) ai = bi i = 0, 1, . . . , n (iguales coecientes).

Departamento de Matemtica a PROBLEMAS RESUELTOS:

Departamento de Matemtica a x1 = 2/3, x2 =

2 x3 = 2 son las ra de la ecuacin dada. ces o 3;

7. De la ecuacin x4 x3 15x2 + 19x 4 = 0 se conoce la ra x1 = 2 o z determinar las otras ra reales. ces

De (2) r = q(a) Adems, si reemplazamos (2) en (1) nos queda a

Departamento de Matemtica a q(x) =

a(x2 + 2kx + k 2 ) = a(x + k)2 = a(x + b/a)2

b) Supongamos que p(x) Pn1 se tiene el Algoritmo. 13

Sea a(x) = a0 + a1 x + . . . + an xn , con an = 0. Entonces: f (x) an nm x b(x) := a1 (x) Pn1 bm

7x 1 a b c 1 = + + , x R {2, , 0} (5x + 1)(x + 2) 5x + 1 x +2 x 5

3. Determinar las constantes reales p, q, r, tales que: 5x2 8x 17 p q r = + + (x 3) (x + 1) (x 5) 3 (x 3) x+1 x5

4. Determinar las constantes reales K, L, M, N, tales que: x4 1 K L Mx + N = + + 2 , x x x1 x +x+1

Departamento de Matemtica a f) x3 7x2 + 12x 10 = 0, g) x3 + 3x2 4 = 0, x1 = 5 x1 = 2

6. Sea p(x) = 12x4 + 4x3 23x2 + x + 6. Determine los ceros de p(x) : a) en Z, b) en Q, c) en R

Departamento de Matemtica a SOLUCIONES 1. a) 27x6 6x5 + 6x4 22x3 + 28x2 7x 19

22. 23. 24. 25. 26. 27. 28.

a = 0 y x0 estn dados por x0 = a = 8; a = 6 b = 1 x4 x5 b = 7 c = 2

r (x) = (b a)x + 2a b. k = 1/2 x3 + 2px2 + p2 x q 2 = 0

Observacin 13 Ntese teniendo cuenta el resultado obtenido en que, en

ESTRUCTURAS ALGEBRAICAS GRUPOS, ANILLOS

1.3.1 El concepto de operacin

48 de especicacin formal y de vericacin de programas.

Denicin 1.3.1 Siendo A un conjunto no vaco, llamaremos operacin o

Observacin 14 Para denotar operaciones normalmente se emplean smbo-

+(a, b) (a, b) (a, b)

Denicin 1.3.2 Siendo : A A A una operacin, diremos que:

e A es un elemento neutro de la operacin si x A x e = x e x = x a A es un elemento idempotente de la operacin si a a = a

Proposicin 1.3.4 Siendo : A A A una operacin asociativa y con

Demostracin Si a y a son elementos simtricos de a, entonces se verica

Ejemplo 1.3.5 Si X es un conjunto, y P (X) es el conjunto de las partes

todos los subconjuntos de X,

Ejemplo 1.3.7 Si consideramos la suma y producto habituales sobre cada

Ejemplo 1.3.8 Otro ejemplo de inters especial para nosotros es el grupo

Ejemplo 1.3.9 El conjunto de matrices invertibles de orden n con coe-

Propiedades de los grupos.

Observacin 15 Ntese que, como caso particular de los resultados ante-

(( = +) e = 0 x = (x)) (( = ) e = 1 x = (x1 )).

1.3.3 Anillos y cuerpos

1. (A, +) es un grupo abeliano 2. satisface la propiedad asociativa 3. es distributiva respecto de + , es decir:

x, y, z A ((x (y + z) = x y + x z) ((y + z) x = y x + z x))

son la suma y producto habituales de los nmeros enteros.

Ejemplo 1.3.12 (Z, +, ) es un anillo conmutativo y unitario, donde + y

Ejemplo 1.3.13 Si denotamos por C[x] al conjunto de polinomios con coe-

(p + q)(x) = p(x) + q(x) = 2x2 + x 5 + (3x 4) = 2x2 + 4x 9

(p q)(x) = p(x) q(x) = 2x2 + x 5 (3x 4) = 6x3 5x2 19x + 20.

y en consecuencia a(b) = (a b) por la propiedad 4 de los grupos,

(a b) (b1 a1 ) = ((a b) b1 ) a1 = = a (b b1 ) a1 = a a1 = 1 y (b1 a1 ) (a b) = ((b1 a1 ) a) b = = b1 (a1 a) b = b1 b = 1

Observacin 16 Las matrices invertibles son los elementos invertibles del

Ejercicio 1.3.1 Probar que si (A, +, ) es un anillo unitario, y a, b, c A

Proposicin 1.3.18 Si (A, +, ) es un anillo sin divisores de cero se verica

Demostracin Si a, b, c A son tales que a b = a c con a = 0, tendremos

Denicin 1.3.19 Se dice que una terna (K, +, ) es un cuerpo, o tambin

Proposicin 1.3.22 Si (K, +, ) es un cuerpo, y a, b K son tales que

Demostracin Si a b = 0 y a = 0, entonces, puesto que a K {0}, a

Observacin 17 Como consecuencia de la proposicin anterior, si (K, +, )

1.3.4 Introduccin a los Tipos Abstractos de Datos

push : P ila Dato P ilas

pop : P ila P ila

Denicin 1.3.23 Un tipo abstracto de datos (TAD) es una cudrupla

Observacin 18 La mayora de los lenguajes de programacin tratan las

Ejemplo 1.3.24 Como ya hemos dicho, una pila, en el mbito de la infor-

se representara en este modelo por:

48 de especicacin formal y de vericacin de programas.

Denicin 1.3.1 Siendo A un conjunto no vaco, llamaremos operacin o

Denicin 1.3.2 Siendo : A A A una operacin, diremos que:

Demostracin Si a y a son elementos simtricos de a, entonces se verica

Ejemplo 1.3.9 El conjunto de matrices invertibles de orden n con coe-

Ejemplo 1.3.13 Si denotamos por C[x] al conjunto de polinomios con coe-

Proposicin 1.3.18 Si (A, +, ) es un anillo sin divisores de cero se verica

Denicin 1.3.19 Se dice que una terna (K, +, ) es un cuerpo, o tambin

Denicin 1.3.23 Un tipo abstracto de datos (TAD) es una cudrupla

bk ) son dos las de dicha bi + bk )

y el producto de una la (ai1 ain

En general, si (a1 an ) y (b1 bn ) son matrices la y es un nmero complejo,

Denicin 2.1.2 Un vector geomtrico v en R2 o en R3 es una clase de

Denicin 2.1.3 Sean v y w dos vectores geomtricos, la suma v+w es

Denicin 2.1.8 Dos vectores v y w son ortogonales si v w = 0.

Denicin 2.1.11 Sean u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 )

Denicin 2.2.1 Sea (K, +, ) un cuerpo. Llamaremos espacio vectorial

Proposicin 2.2.3 Si E es un K e.v. se verican las siguientes propiedades: