Sei sulla pagina 1di 353

lgebra

R.Criado y A.Gallinari 2003

lgebra

Introduccin
En sus orgenes, el lgebra clsica era el arte de resolver ecuaciones (la palabra lgebra proviene de un vocablo rabe que signica reduccin). El lgebra moderna est caracterizada por el estudio de ciertas estructuras abstractas que tienen en comn una gran variedad de objetos matemticos. El calicativo abstracto se reere al resultado de realizar el proceso de abstraccin sobre las propiedades observables de ciertos objetos matemticos, es decir, el proceso consistente en separar la forma del contenido. La estructura principal objeto de estudio en esta publicacin es la de espacio vectorial. Las aplicaciones de esta estructura incluyen virtualmente todas las reas de la ciencia. Se incluye una aplicacin de los espacios vectoriales relacionada estrechamente con el mundo de la informtica y las telecomunicaciones, en concreto a la teora de cdigos y se estudian varias tcnicas y herramientas de inters para otras aplicaciones. Este volumen viene acompaado por un libro de Prcticas y Problemas con el sistema Maple V, disponible en versin digital, que contiene una ampliacin y completa la descripcin de los conceptos tericos. Las prcticas permiten el desarrollo y la experimentacin con los aspectos ms numricos y estn diseada para potenciar el empleo de la notable capacidad de visualizacin grca que ofrece el programa Maple V. A cada tema terico y prctico hemos aadido ejercicios resueltos y ejercicios propuestos. Los principales objetivos didcticos que intentamos conseguir son que el lector:

aprenda y utilize correctamente tcnicas y mtodos propios del lgebra lineal. vea la descripcin de algunas aplicaciones a la Informtica. comprenda y aplique algunos mtodos numricos de resolucin de sistemas de ecuaciones lineales y de aproximacin de autovalores y autovectores. aprenda a utilizar el programa Maple V (como ejemplo de sistema de computacin simblica) en sus aplicaciones al lgebra lineal.
Algunos apartados de esta publicacin (sobre todo en la parte de ejercicios) son una adaptacin del material contenido (unas veces sin modicarlo, otras proponiendo variaciones de ello) en la bibliografa incluida.

lgebra

Agradecimientos
Queremos agradecer al profesor Luis E. Sol Conde por su participacin en la correccin de estas notas y la elaboracin de los enunciados de varios ejercicios propuestos en este libro. Gracias tambin a los profesores Alejandro J. Garca del Amo Jimnez y Begoa Jimnez Martn por la elaboracin de los enunciados de varios ejercicios propuestos y a los alumnos que han sealado erratas y errores en versiones previas de esta publicacin.

lgebra

ndice General
1 Sistemas de ecuaciones lineales, matrices y estructuras algebraicas 9
1.1 Sistemas de ecuaciones lineales, matrices y eliminacin gaussiana 1.1.1 Introduccin a los sistemas de ecuaciones lineales . . . 1.1.2 Sistemas homogneos . . . . . . . . . . . . . . . . . . . 1.1.3 Transformaciones elementales por las. Introduccin al mtodo de Gauss-Jordan . . . . . . . . 1.1.4 Sistemas equivalentes . . . . . . . . . . . . . . . . . . . 1.1.5 Estrategia para la aplicacin del mtodo de eliminacin gaussiana . . . . . . . . . . . . . . . . . 1.1.6 Mtodo de Gauss-Jordan . . . . . . . . . . . . . . . . . Matrices y operaciones con matrices . . . . . . . . . . . . . . . 1.2.1 Suma de matrices . . . . . . . . . . . . . . . . . . . . . 1.2.2 Producto de matrices . . . . . . . . . . . . . . . . . . . 1.2.3 Propiedades del producto de matrices . . . . . . . . . . 1.2.4 El producto de una matriz por un escalar . . . . . . . . 1.2.5 El anillo de matrices cuadradas Mn (K) . . . . . . . . . 1.2.6 Matrices invertibles . . . . . . . . . . . . . . . . . . . . 1.2.7 Matrices elementales y un mtodo para hallar A1 . . . Estructuras algebraicas . . . . . . . . . . . . . . . . . . . . . . 1.3.1 El concepto de operacin . . . . . . . . . . . . . . . . . 1.3.2 Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.3 Anillos y cuerpos . . . . . . . . . . . . . . . . . . . . . 1.3.4 Introduccin a los Tipos Abstractos de Datos . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.1 Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . 1.4.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . . . 5

10 10 13 14 18

1.2

1.3

1.4

22 24 26 29 31 33 37 39 40 43 47 47 50 52 57 60 60 64

lgebra

2 Espacios vectoriales
2.1

Vectores en el plano y en el espacio . . . . . . . . . . . . . . . 2.1.1 Producto vectorial y producto mixto . . . . . . . . . . 2.1.2 Rectas en le plano . . . . . . . . . . . . . . . . . . . . 2.1.3 Planos en el espacio tridimensional . . . . . . . . . . . 2.1.4 Rectas en el espacio tridimensional . . . . . . . . . . . 2.2 Espacios vectoriales sobre un cuerpo K . . . . . . . . . . . . . 2.2.1 Propiedades de vectores . . . . . . . . . . . . . . . . . 2.2.2 Producto cartesiano de espacios vectoriales . . . . . . . 2.2.3 Funciones con codominio en un espacio vectorial . . . . 2.3 Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . 2.4 Dependencia e independencia lineal . . . . . . . . . . . . . . . 2.5 Bases y dimensin . . . . . . . . . . . . . . . . . . . . . . . . 2.5.1 Sistemas generadores y bases . . . . . . . . . . . . . . 2.5.2 Equipotencia de bases . . . . . . . . . . . . . . . . . . 2.6 Subespacios vectoriales y dimensin . . . . . . . . . . . . . . . 2.7 Rango de un sistema de vectores y de una matriz . . . . . . . 2.8 El teorema de Rouch-Frbenius . . . . . . . . . . . . . . . . . 2.9 Mtodo de Gauss y rango . . . . . . . . . . . . . . . . . . . . 2.9.1 Transformaciones elementales por columnas y matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . 2.9.2 Mtodo de Gauss para calcular el rango de una matriz 2.9.3 Algoritmo de extensin de una base . . . . . . . . . . . 2.9.4 Rango y espacio la de una matriz . . . . . . . . . . . 2.10 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.10.1 Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . 2.10.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . . . 3.1 3.2 3.3 3.4 3.5 Funciones lineales . . . . . . . . . . . . . . . . . . . . . . . . Propiedades de funciones lineales . . . . . . . . . . . . . . . Ncleo e imagen . . . . . . . . . . . . . . . . . . . . . . . . . Espacios vectoriales isomorfos . . . . . . . . . . . . . . . . . Funciones lineales en espacios vectoriales de dimensin nita 3.5.1 Determinacin de funciones lineales en espacios vectoriales de dimensin nita . . . . . . . . . . . . . . . . 3.5.2 Dimensiones del ncleo y de la imagen . . . . . . . . 3.5.3 Matriz asociada a una funcin lineal . . . . . . . . . . . . . .

73 81 83 85 87 89 92 93 96 100 104 112 112 116 120 122 123 130 130 132 138 139 141 141 146

71

3 Funciones lineales

153

154 158 161 165 167

. 167 . 172 . 174

lgebra 3.5.4 3.5.5 3.5.6 3.5.7

7 Algoritmo para hallar una base del ncleo y de la imagen178 Matriz asociada a la composicin de funciones lineales . 179 Matrices semejantes y cambios de base . . . . . . . . . 183 Ecuaciones paramtricas e implcitas de un subespacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . 185 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 3.6.1 Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . 190 3.6.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . . . 193 Producto escalar . . . . . . . . . . . . . . . . . . . Longitud o norma eucldea de un vector . . . . . . 4.2.1 Propiedades de la norma eucldea . . . . . . Mtodo de ortogonalizacin de Gram-Schmidt . . . 4.3.1 Descomposicin QR de una matriz . . . . . Proyecciones ortogonales . . . . . . . . . . . . . . . 4.4.1 Mtodo para hallar una proyeccin ortogonal 4.4.2 Aproximacin ptima de un vector. . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . 4.5.1 Ejercicios resueltos . . . . . . . . . . . . . . 4.5.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.6

4 Espacios vectoriales eucldeos


4.1 4.2 4.3 4.4 4.5

197

197 200 200 204 209 211 214 215 217 217 217 219 222 223 224 225 228 229 232 235 235 236

5 Cdigos lineales
5.1 5.2 5.3

5.4

Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distancia de Hamming, deteccin y correccin de errores . . . 5.2.1 Cdigo de paridad: deteccin de errores simples . . . . 5.2.2 Cdigo de repeticin: correccin de errores simples . . Cdigos lineales . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3.1 Paso de una matriz de control a una matriz generadora 5.3.2 Paso de una matriz generadora a una matriz de control 5.3.3 Deteccin y correccin de errores . . . . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4.1 Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . 5.4.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . . .

219

6 Autovalores y autovectores
6.1 6.2

Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239 Autovalores y autovectores . . . . . . . . . . . . . . . . . . . . 241

239

8 6.3 6.4

lgebra Funciones complejas de variable real . . . . . . . . . . . . . 6.3.1 La exponencial compleja . . . . . . . . . . . . . . . . Ecuaciones diferenciales . . . . . . . . . . . . . . . . . . . . 6.4.1 La ecuacin de primer orden . . . . . . . . . . . . . . 6.4.2 La ecuacin de orden n . . . . . . . . . . . . . . . . . 6.4.3 Sistemas de ecuaciones diferenciales . . . . . . . . . . La semejanza de matrices y los sistemas de ecuaciones . . . . 6.5.1 Sistemas diagonales . . . . . . . . . . . . . . . . . . . 6.5.2 Sistemas triangulares . . . . . . . . . . . . . . . . . . Diagonalizacin y triangulacin de matrices . . . . . . . . . 6.6.1 El polinomio caracterstico de una matriz . . . . . . . 6.6.2 Matrices diagonalizables . . . . . . . . . . . . . . . . 6.6.3 Triangulacin de matrices . . . . . . . . . . . . . . . 6.6.4 Resolucin de sistemas de ecuaciones diferenciales por triangulacin . . . . . . . . . . . . . . . . . . . . . . Relaciones de recurrencia . . . . . . . . . . . . . . . . . . . . 6.7.1 Relaciones de primer orden . . . . . . . . . . . . . . . 6.7.2 Sistemas de relaciones de recurrencia . . . . . . . . . Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8.1 Ejercicios resueltos . . . . . . . . . . . . . . . . . . . 6.8.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . . Soluciones de los ejercicios del captulo 1 . . . . . . . Soluciones de los ejercicios del captulo 2 . . . . . . . Soluciones de los ejercicios del captulo 3 . . . . . . . Soluciones de los ejercicios del captulo 4 . . . . . . . Soluciones de los ejercicios del captulo 5 . . . . . . . Soluciones de los ejercicios del captulo 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . 243 244 246 246 249 251 253 255 256 259 259 263 268 271 279 281 286 290 290 291

6.5 6.6

6.7 6.8

7 Soluciones de los ejercicios


7.1 7.2 7.3 7.4 7.5 7.6

293
. . . . . . . . . . . . . . . . . . . . 293 . . . . . . . . . . . . . . . . . . . . 307 . . . . . . . . . . . . . . . . . . . . 321 . . . . . . . . . . . . . . . . . . . . 331 . . . . . . . . . . . . . . . . . . . . 332 . . . . . . . . . . . . . . . . . . . . 335

A Nuevo mtodo de triangulacin por semejanza

343

Captulo 1 Sistemas de ecuaciones lineales, matrices y estructuras algebraicas


Este primer captulo comienza con el estudio de los sistemas de ecuaciones lineales, de las matrices y de las operaciones con matrices. Estos conceptos estn en la base del lgebra lineal, y se asume que ya se ha tenido un contacto previo con ellos en cursos anteriores. Es conveniente sealar que en este nivel no slo es importante entender los mtodos de clculo de las soluciones de los problemas que se estudiarn, sino tambin el porqu dichos mtodos funcionan. Hablaremos de sistemas de n ecuaciones con m variables, donde n y m en general no son iguales, y de un algoritmo de clculo, el mtodo de eliminacin gaussiana, que nos permitir resolver sistemas de ecuaciones lineales generales. En la segunda parte del captulo, una vez establecidas las propiedades que satisfacen las matrices respecto de la suma y producto, se introducen las estructuras algebraicas de grupo, anillo y cuerpo con el objeto de reunir, bajo una estructura algebraica abstracta, las propiedades que tienen en comn, por ejemplo, los nmeros enteros, reales y complejos, las matrices y los polinomios, y destacar aquellas propiedades que no comparten. En ese sentido, la denicin de una estructura algebraica (por ejemplo, la denicin de grupo) responder a la abstraccin de ciertas propiedades comunes a los objetos anteriores, entendiendo por abstraccin el proceso de separar la forma del contenido. Como colofn del captulo y aplicacin de los conceptos previamente introducidos veremos una introduccin a los tipos abstractos de datos. 9

10

lgebra

1.1 Sistemas de ecuaciones lineales, matrices y eliminacin gaussiana


Al aplicar la teora de ecuaciones lineales, entre otras disciplinas, a la informtica, aparecen ecuaciones lineales con coecientes enteros, binarios (0 1), reales o incluso complejos. La denicin de la estructura algebraica de cuerpo se introducir ms tarde. Cmo en la mayor parte de los resultados referentes a la teora de ecuaciones lineales no hace falta hacer distincin entre los casos en los que los coecientes son elementos del cuerpo R de los nmeros reales o del cuerpo C de los nmeros complejos, a lo largo del captulo se considerar que los coecientes de las ecuaciones pertenecen a un cuerpo genrico K, donde K = R C, aunque en algunos casos en los que se dir explcitamente, se consideraran tambin coecientes binarios, es decir, del cuerpo Z2 = {0, 1} de los nmeros enteros mdulo 2. Se asume que el estudiante ha trabajado en cursos anteriores con elementos de R2 y R3 , a los que se denominan pares ordenados y ternas. Ambos conceptos son casos particulares del concepto de n tupla o elemento del producto cartesiano de n copias de R, Rn , donde n es un nmero natural, o en general de Kn . As

Kn = {(x1 , ..., xn ) | i {1, ..., n}

xi K }

De este modo, un par ordenado es una 2 tupla (un elemento de K2 ) y una terna es una 3 tupla (un elemento de K3 ).

1.1.1 Introduccin a los sistemas de ecuaciones lineales


es una expresin de la forma

Denicin 1.1.1 Una ecuacin lineal en las variables (o incgnitas) x1 , ..., xn


a1 x1 + ... + an xn = b

A a1 , ..., an K se les denomina coecientes de la ecuacin, y a b K trmino independiente.

Observacin 1 Habitualmente, los coecientes a1 , ..., an y el trmino inde-

pendiente b sern elementos de un cuerpo K (con K = R C). En tal caso se dice que la ecuacin anterior es una ecuacin lineal con coecientes en K.

lgebra

11

Observacin 2 Cuando n 3 es usual utilizar las variables x, y y z en


lugar de x1 , x2 y x3

Ejemplo 1.1.2 Si n = 2 y a1 , a2 R, la ecuacin lineal


a1 x + a2 y = b (I )

representa una recta en el plano R2 , es decir, el conjunto de pares (x, y ) que satisfacen la ecuacin (I ) constituyen una recta. Por ejemplo, la ecuacin y 2x = 2 representa la recta

T & 2 & & &-1 0

&

& & E

&

&

Figura 1.1: La recta y=2x+2 Es importante observar que las operaciones que afectan a las variables que intervienen en las ecuaciones lineales se reducen a multiplicarlas por los coecientes y sumarlas. As por ejemplo,

3x + 4y = 24 x1 x2 + 5x3 ( 2)x4 = 1 (e2 )x1 3x2 + x3 x4 = 0


son ecuaciones lineales. Sin embargo NO son ecuaciones lineales

3x2 + 4y = 24 x1 x2 + 5 x3 2 x4 = 1 e2x1 3x2 + x3 x4 = 0

12

lgebra

Denicin 1.1.3 Se dice que (1 , ..., n ) Kn es solucin de la ecuacin


a1 x1 + ... + an xn = b
si

a1 1 + ... + an n = b.

Ejemplo 1.1.4 (x, y, z ) = (3, 2, 1) es solucin de x + y + z = 4. Por otra


parte (x, y, z ) = (4, 0, 0) tambin es solucin de dicha ecuacin.
Un sistema de ecuaciones lineales es una sucesin nita de ecuaciones lineales. Es usual representar los sistemas de ecuaciones lineales verticalmente (i.e., colocando la sucesin de ecuaciones lineales en columna). As, un sistema de m ecuaciones lineales con n incgnitas se representara por a11 x1 + ... + a1n xn = b1 . . . a x + ... + a x = b m1 1 mn n m

Ejemplo 1.1.5 El sistema

x2 + x3 = 1 2x1 x3 = 2 x2 + x3 = 4

es un sistema de 3 ecuaciones con 3 incgnitas.

Denicin 1.1.6 Se dice que (1 , ..., n ) Kn es solucin del sistema de


ecuaciones

a11 x1 + ... + a1n xn = b1 . . . a x + ... + a x = b m1 1 mn n m i {1, ..., m} ai1 1 + ... + ain n = bi

si o, lo que es lo mismo,

a11 1 + ... + a1n n = b1 . . . a + ... + a = b m1 1 mn n m

lgebra

13

Es importante tener presente que los sistemas de ecuaciones lineales pueden no tener soluciones, o tener ms de una. Por ejemplo, el sistema de ecuaciones lineales con coecientes en R

x1 x2 = 1 x1 x2 = 4
no tiene solucin, ya que contiene las ecuaciones de dos rectas distintas y paralelas. Los sistemas de ecuaciones lineales que no tienen solucin, como el del ejemplo anterior, se denominan sistemas incompatibles. Los que tienen al menos una solucin, esto es, los sistemas compatibles, pueden tener una nica solucin, en cuyo caso se denominan compatibles determinados, o ms de una solucin, en cuyo caso, si los coecientes del sistema son nmeros reales o complejos, el sistema tiene innitas soluciones (como se ver por el teorema 1.2.14), y los sistemas correspondientes se denominan compatibles indeterminados.

cientes en R con dos incgnitas, uno compatible determinado, otro compatible indeterminado y un tercero incompatible y representar el conjunto solucin de cada una de las dos ecuaciones lineales que lo forman en el plano R2 . Extraer conclusiones.

Ejercicio 1.1.1 Encontrar tres sistemas de dos ecuaciones lineales con coe-

1.1.2 Sistemas homogneos


Denicin 1.1.7 Se dice que un sistema de ecuaciones lineales es homogneo si los trminos independientes de todas las ecuaciones que lo constituyen son iguales a 0.

Ejemplo 1.1.8

x1 + x3 = 0 2x1 x2 + x3 = 0

es un sistema homogneo de 2 ecuaciones con 3 incgnitas.

Observacin 3 Cualquier sistema de ecuaciones lineales homogneo


a11 x1 + ... + a1n xn = 0 . . . a x + ... + a x = 0 m1 1 mn n

14

lgebra

es compatible, puesto que (0, ..., 0) Kn es siempre una solucin de dicho sistema. A esta solucin se la conoce como solucin trivial. Si un sistema homogneo tiene soluciones distintas de la trivial, a cualquiera de dichas soluciones la denominaremos solucin no trivial.
En el captulo 2 demostraremos que un sistema homogneo de ecuaciones lineales con coecientes en R C satisface exactamente una de las siguientes proposiciones:

El sistema homogneo slo tiene la solucin trivial. El sistema homogneo tiene innitas soluciones adems de la trivial.
En particular, demostraremos que todo sistema homogneo con coecientes en R C que tenga ms incgnitas que ecuaciones tiene innitas soluciones. Se pueden comprender e interiorizar los resultados anteriores a travs de la resolucin de los siguientes ejercicios:

Ejercicio 1.1.2 Comprobar que el sistema homogneo


x1 + x3 = 0 2x1 x2 + x3 = 0
tiene innitas soluciones en R3 , despejando las variables x1 y x2 en funcin de x3 , y obtener una solucin del sistema para cada valor de x3 considerado.

Ejercicio 1.1.3 Vericar que el sistema


x1 + x2 = 0 2x1 x2 = 0
slo tiene la solucin trivial.

1.1.3 Transformaciones elementales por las. Introduccin al mtodo de Gauss-Jordan


En esta seccin haremos una primera descripcin del mtodo de GaussJordan para encontrar las soluciones (si es que existen) de un sistema de ecuaciones lineales. La justicacin del mtodo y su descripcin precisa se

lgebra

15

realizar en las dos siguientes secciones. En esta seccin tambin daremos una primera justicacin de la denicin del producto de matrices (i.e., de porqu el producto de matrices se dene tal y como se dene). Al proceso de clculo de las soluciones de un sistema de ecuaciones compatible se le denomina resolucin del sistema. Si consideramos el sistema de ecuaciones lineales: x1 x2 + x3 = 1 2x1 + x2 x3 = 2 x1 + 2 x2 + x3 = 4 podemos resolverlo eliminando sucesvamente una de las incgnitas de dos de las ecuaciones, despus otra de las restantes y as sucesivamente hasta conocer el valor de una incgnita, y a partir de ella el de las dems. En este caso, multiplicando la primera ecuacin por 2 y restndosela a la segunda, y restando la primera ecuacin a la tercera, obtenemos: x1 x2 + x3 = 1 3x2 3x3 = 0 3x2 = 3. A partir de aqu, de la tercera ecuacin se obtiene x2 = 1. Sustituyendo hacia atrs vamos obteniendo sucesvamente el valor del resto de las incgnitas. En este caso, de la segunda ecuacin obtenemos que x3 = 1, y, conocidos los valores de x2 y x3 , de la primera ecuacin obtenemos que x1 = 1. El mtodo descrito, consistente en ir eliminando las incgnitas de las ecuaciones una a una mediante el proceso de sumar a una ecuacin otra multiplicada por un nmero, para, una vez obtenido el valor de una de las variables, ir sustituyendo hacia atrs, se conoce como eliminacin gaussia-

na.

Si una vez obtenido el valor de una de las variables, en lugar de sustituir hacia atrs, seguimos sumando a una ecuacin otra multiplicada por un nmero, multiplicando ambos miembros de la ecuacin por nmeros adecuados e intercambiando ecuaciones con el objeto de obtener un sistema de ecuaciones escalonado en el que en cada ecuacin aparezca nicamente una incgnita, estaremos aplicando el mtodo conocido como mtodo de Gauss-Jordan. Una forma de representar sistemas de ecuaciones lineales consiste en utilizar matrices, esto es, tablas de coecientes ordenadas segn un nmero determinado de las y columnas. De hecho, el mtodo de Gauss-Jordan se

16

lgebra

aplica ms fcilmente sobre la que se denomina matriz ampliada asociada al sistema que sobre el propio sistema. La matriz asociada al sistema x1 x2 + x3 = 1 2x1 + x2 x3 = 2 x1 + 2 x2 + x3 = 4 es por denicin la matriz

1 1 1 2 1 1 1 2 1
y la matriz ampliada asociada a dicho 1 1 1 2 1 1 1 2 1

sistema es
1 2 4

La aplicacin del mtodo de Gauss-Jordan sobre dicha matriz para obtener la solucin del sistema de ecuaciones que representa nos dara sucesvamente: 1 1 1 1 1 1 1 1 2 1 1 2 F2 = F2 2F1 0 3 3 0 F2 F3 F3 = F3 F1 0 3 0 3 1 2 1 4

1 1 1 1 1 1 1 1 0 3 0 3 F2 = 1 F 0 1 0 1 F3 = F3 3F2 3 2 0 3 3 0 0 3 3 0 1 1 1 1 1 1 1 1 0 1 F 0 1 0 1 F1 = F1 F3 0 1 F3 = 1 3 3 0 0 1 1 0 0 3 3 1 1 0 0 1 0 0 1 0 1 0 1 F1 = F1 + F2 0 1 0 1 0 0 1 1 0 0 1 1

lgebra

17

La ltima matriz representa, obviamente, que x1 = 1, x2 = 1 y x3 = 1. En la resolucin del sistema anterior hemos aplicado sobre la matriz ampliada del sistema lo que se denominan transformaciones elementales por las. Estas son las siguientes: 1. Sumar a una la otra multiplicada por un nmero: Fi = Fi + Fj 2. Multiplicar una la por un nmero distinto de cero: Fi = Fi 3. Intercambiar dos las: Fi Fj En cualquier caso, no todos los sistemas de ecuaciones lineales tienen solucin. Por ejemplo, si consideramos el sistema

x1 x2 = 1 2x1 2x2 = 4
la aplicacin de las transformaciones elementales correspondientes sobre la matriz ampliada asociada al sistema nos lleva a

1 1 1 2 2 4

F2 = F2 2F1

1 1 1 0 0 2

es decir, 0x1 + 0x2 = 2. As pues, el sistema anterior es un sistema incompatible. Un ejemplo de sistema compatible indeterminado sera el siguiente: x1 x2 + x3 = 1 2x1 + x2 x3 = 2 2x1 2x2 + 2x3 = 2 Al resolverlo por el mtodo de Gauss-Jordan obtenemos:

1 1 2 1 2 2 1 1 0 1 0 0

1 1 F = F2 2F1 1 2 2 F3 = F3 2F1 2 2 1 1 1 0 F1 = F1 + F2 0 0

1 1 1 1 F 0 3 3 0 F2 = 1 3 2 0 0 0 0 1 0 0 1 0 1 1 0 0 0 0 0

es decir, x1 = 1 y x2 x3 = 0, o lo que es lo mismo, x2 = x3 , con lo que, si escribimos x3 = t, para cada valor de t tenemos una solucin del sistema. Sera solucin del sistema (1, 1, 1), (1, 2, 2), ... en total tendramos innitas soluciones, tantas como posibles valores del parmetro t; esto ocurre porque estamos trabajando sobre el cuerpo de los nmeros reales, luego t toma valores en R, que es innito.

18

lgebra

1.1.4 Sistemas equivalentes


La aplicacin sucesiva de transformaciones elementales por las sobre un sistema de ecuaciones lineales (o sobre su matriz ampliada) permite pasar de un sistema de ecuaciones lineales a otro que, teniendo las mismas soluciones que el planteado, es ms sencillo de resolver. En esta seccin demostraremos con todo detalle que esto es efectivamente as. Por otra parte, las transformaciones elementales son reversibles, es decir, si realizando transformaciones elementales sobre un sistema de ecuaciones lineales S obtenemos un sistema de ecuaciones lineales S , podemos recuperar S a partir de S realizando las transformaciones elementales inversas en el orden adecuado (el orden inverso del que se ha seguido para pasar de S a S ). TRASFORMACIN Fi = Fi + Fj TRANSFORMACIN INVERSA Fi = Fi Fj 1 Fi = Fi Fi Fj

Fi = Fi ( = 0) Fi Fj

Ejercicio 1.1.4 Realizar las transformaciones F3 = F3 F1 , F3 F1 ,


1 F2 = F2 sobre la matriz ampliada asociada al sistema. 2 x1 x2 + x3 = 1 2x1 + 2x2 2x3 = 2 x1 + 2 x2 + x3 = 4

para obtener la matriz A . Realizar sobre A las transformaciones inversas de las anteriores en el orden adecuado y comprobar que se obtiene la matriz ampliada asociada al sistema dado.

Denicin 1.1.9 Se dice que dos sistemas de m ecuaciones lineales con n


incgnitas son equivalentes si uno de ellos puede obtenerse a partir del otro realizando sobre el primero una sucesin nita de transformaciones elementales por las.

Observacin 4 Como ya hemos sealado, habitualmente representaremos a


un sistema de ecuaciones lineales 11 x1 + ... + 1n xn = 1 . . . x + ... + x = m1 1 mn n m

lgebra

19

por su matriz ampliada:

11 ... 1n 1 . . . . . Am = . . . . Mm(n+1) (K), m1 ... mn m

con lo que las transformaciones elementales se realizan sobre las las de esta matriz.
A la vista de la observacin anterior tiene sentido establecer la siguiente denicin:

Denicin 1.1.10 Si una matriz A se obtiene realizando transformaciones elementales por las sobre una matriz A, diremos que las matrices A y A son equivalentes por las. Observacin 5 A las transformaciones elementales por las, realizadas, bien
directamente sobre las ecuaciones del sistema, bien sobre las las de su matriz ampliada las denotaremos del mismo modo.

Ejercicio 1.1.5 Vericar que la relacin de equivalencia de matrices en

Mmn (K) es una relacin binaria reexiva, simtrica y transitiva (es decir, es una relacin de equivalencia en el sentido general).
tienen exactamente las mismas soluciones. En otras palabras, si S y S son equivalentes,

Teorema 1.1.11 Si dos sistemas de ecuaciones son equivalentes, entonces

(1 , ..., n ) es solucio n de S (1 , ..., n ) es solucio n de S .

Demostracin Para demostrar el teorema, es suciente con estudiar el


caso en el que un sistema se obtiene a partir de otro mediante la aplicacin de una nica transformacin elemental por las. Supongamos que el sistema considerado es 11 x1 + ... + 1n xn = 1 21 x1 + ... + 2n xn = 2 S . . . x + ... + x = m1 1 mn n m

20

lgebra

Es obvio que el intercambio de lugar entre dos ecuaciones del sistema no altera el conjunto solucin del mismo. Por consiguiente la aplicacin de una transformacin del tipo Fi Fj no altera el conjunto solucin. Adems, teniendo esto presente, podemos restringir el estudio al caso en el que las transformaciones elementales se aplican nicamente sobre la primera y la segunda ecuacin, dejando el resto inalteradas. Sea = 0, y supongamos que 11 x1 + ... + 1n xn = 1 21 x1 + ... + 2n xn = 2 S . . . x + ... + x =
m1 1 mn n m

Veamos que (s1 , ..., sn ) solucio n de S (s1 , ..., sn ) solucio n de S . Si (s1 , ..., sn ) es solucin de S, tendremos que

11 s1 + ... + 1n sn = 1 21 s1 + ... + 2n sn = 2 . . . s + ... + s = m1 1 mn n m


con lo que, multiplicando ambos miembros de la primera igualdad por , obtenemos que 11 s1 + ... + 1n sn = 1 21 s1 + ... + 2n sn = 2 . . . s + ... + s =
m1 1 mn n m

es decir, que (s1 , ..., sn ) es solucin de S . Veamos ahora el recproco, i.e., que (s1 , ..., sn ) solucio n de S (s1 , ..., sn ) solucio n de S. Si (s1 , ..., sn ) es solucin de S , tendremos que

11 s1 + ... + 1n sn = 1 21 s1 + ... + 2n sn = 2 . . . s + ... + s =


m1 1 mn n m

lgebra con lo que, multiplicando ambos miembros de la primera igualdad por obtenemos que 11 s1 + ... + 1n sn = 1 21 s1 + ... + 2n sn = 2 . . . s + ... + s =
m1 1 mn n m

21
1 ,

es decir, que (s1 , ..., sn ) es solucin de S. Supongamos ahora que 11 x1 + ... + 1n xn = 1 (21 + 11 )x1 + ... + (2n + 1n )xn = (2 + 1 ) S . . . x + ... + x =
m1 1 mn n m

Veamos que (s1 , ..., sn ) solucio n de S (s1 , ..., sn ) solucio n de S . Si (s1 , ..., sn ) es solucin de S, tendremos que 11 s1 + ... + 1n sn = 1 21 s1 + ... + 2n sn = 2 . . . s + ... + s =
m1 1 mn n m

con lo que, multiplicando los dos miembros de la primera ecuacin por , y sumando miembro a miembro la primera ecuacin a la segunda obtendremos 11 s1 + ... + 1n sn = 1 (21 + 11 )s1 + ... + (2n + 1n )sn = (2 + 1 ) . . . s + ... + s =
m1 1 mn n m

Recprocamente, veamos que (s1 , ..., sn ) solucio n de S (s1 , ..., sn ) solucio n de S. Si (s1 , ..., sn ) es solucin de S , tendremos que 11 s1 + ... + 1n sn = 1 (21 + 11 )s1 + ... + (2n + 1n )sn = (2 + 1 ) . . . s + ... + s =
m1 1 mn n m

22

lgebra

Multiplicando la primera igualdad por y restndosela a la segunda obtenemos que 11 s1 + ... + 1n sn = 1 21 s1 + ... + 2n sn = 2 . . . s + ... + s =
m1 1 mn n m

con lo que (s1 , ..., sn ) es solucin de S. Esto completa la demostracin del teorema. 2

1.1.5 Estrategia para la aplicacin del mtodo de eliminacin gaussiana


1. Reordenar las ecuaciones para que en la primera ecuacin la primera variable x1 tenga un coeciente no nulo, y multiplicar ambos miembros de dicha ecuacin para que el coeciente de dicha variable sea 1. 2. Restar la primera ecuacin multiplicada por un escalar adecuado a las dems ecuaciones con el objeto de que la primera variable aparezca solamente en la primera ecuacin. 3. En el caso de que sea posible, reordenar las ecuaciones de la segunda en adelante con el objeto de que la segunda variable x2 aparezca con un coeciente no nulo y multiplicar ambos miembros de dicha ecuacin para que el coeciente de dicha variable sea 1. Si la variable x2 no aparece ms que en la primera ecuacin, hacer la operacin anterior con la variable x3 o con la primera variable que aparezca con un coeciente no nulo en alguna de las ecuaciones restantes (todas salvo la primera). 4. Restar la segunda ecuacin multiplicada por un escalar adecuado a las ecuaciones situadas bajo la misma con el objeto de que la segunda variable (o la que corresponda) no aparezca en ninguna ecuacin situada por debajo de la segunda. 5. Operando anlogamente con el resto de las ecuaciones, el sistema as obtenido ser un sistema escalonado, es decir, un sistema que se ajusta a la siguiente denicin.

Denicin 1.1.12 Se dice que un sistema de ecuaciones es escalonado si

lgebra

23

(E.1)

(E.2)

La primera variable de cada ecuacin tiene 1 como coeciente (a esta variable la denominaremos variable principal de dicha ecuacin). La variable principal de cualquier ecuacin siempre aparece situada a la derecha de las variables principales de las ecuaciones previas, y todas las ecuaciones sin variable principal aparecen colocadas al nal.

La ltima frase de (E.2) puede parecer algo misteriosa. Sin embargo, al llevar a cabo la estrategia anterior sobre un sistema concreto, podramos obtener una ecuacin de la forma

0x1 + ... + 0xn = k


con k = 0 o k = 0 (en este ltimo caso el sistema es incompatible). Este tipo de ecuaciones debern aparecer siempre en las ltimas las del sistema.

Ejemplo 1.1.13 Los siguientes sistemas de ecuaciones son escalonados:


x1 + x2 + 3 x3 = 9 x2 + 6x3 = 24 x3 = 4 x1 + x2 + x3 5x4 = 4 x3 2x4 = 6.
Las matrices ampliadas asociadas a estos 1 1 3 0 1 6 0 0 1 y 1 1 1 0 0 1 sistemas son 9 24 4

5 4 2 6

El conjunto de soluciones de un sistema escalonado es razonablemente sencillo de obtener. Un sistema de ecuaciones escalonado ser compatible en todos los casos en los que no aparezca una ecuacin de la forma

0x1 + ... + 0xn = k,

con

k = 0.

24

lgebra

Suponiendo que el sistema es compatible, a cualquier variable que no sea la variable principal de una ecuacin la denominaremos variable libre. Si una variable es variable principal de un sistema de ecuaciones escalonado, diremos que dicha variable no es libre (o tambin que est determinada). El siguiente proceso, conocido como sustitucin hacia atrs o remonte, obtiene todas las soluciones del sistema asignando parmetros a las variables libres.

Sustitucin hacia atrs en el mtodo de eliminacin gaussiana


Suponiendo que no aparece ninguna ecuacin de la forma

0x1 + ... + 0xn = k


con k = 0 en el sistema escalonado obtenido, comenzamos con la ltima ecuacin del sistema asignado un parmetro diferente a cada variable libre y expresando la variable determinada por la ltima ecuacin en trminos de estos parmetros. Despus, operaremos anlogamente con la penltima ecuacin, asignando diferentes parmetros a cada una de las nuevas variables libres, y obteniendo el valor de la variable determinada por la penltima ecuacin. Realizando las mismas operaciones con el resto de las ecuaciones hasta llegar a la primera, al nal del proceso todas las variables libres tendrn asignado un parmetro diferente, y todas las variables determinadas estarn expresadas en trminos de estos parmetros.

Ejercicio 1.1.6 Resolver los siguientes sistemas de ecuaciones lineales por


el mtodo de eliminacin gaussiana.: 2x1 + x2 + 3x3 = 9 5x1 + 4x2 + 6x3 = 24 x1 + 3x2 2x3 = 4

3x1 + x2 + x3 5x4 = 4 5x1 + 2x2 + 4x3 2x4 = 6

1.1.6 Mtodo de Gauss-Jordan


El mtodo de Gauss-Jordan es una extensin del mtodo de eliminacin gaussiana, que consiste en eliminar la variable principal de la ecuacin correspondiente no solamente en las ecuaciones que aparecen situadas por debajo de

lgebra

25

la misma, sino en todas las ecuaciones del sistema. Por ello, la estrategia es la misma que la del mtodo de eliminacin de Gauss, con la adicin de las siguientes instrucciones en el lugar correspondiente: 4. Sustraer adems la segunda ecuacin multiplicada por un escalar adecuado de la primera ecuacin, con el objeto de eliminar la segunda variable de la primera ecuacin. 5. En cada paso sustraer la ecuacin correspondiente multiplicada por un escalar adecuado tanto de las ecuaciones situadas por debajo de la misma como de las situadas por encima, con el objeto de que la variable principal de cada ecuacin aparezca nicamente en la ecuacin de la que es variable principal. Los sistemas de ecuaciones que resultan de la aplicacin del mtodo de Gauss-Jordan se dice que tienen forma escalonada reducida, es decir:

Denicin 1.1.14 Se dice que un sistema de ecuaciones est en forma escalonada reducida si La primera variable de cada ecuacin tiene 1 como coeciente (a esta variable la denominaremos variable (E.R.1) principal de dicha ecuacin). La variable principal de cualquier ecuacin siempre aparece situada a la derecha de las variables (E.R.2) principales de las ecuaciones previas, y todas las ecuaciones sin variable principal aparecen colocadas al nal. La variable principal de cada ecuacin aparece solamente (E.R.3) en la ecuacin de la que es variable principal.

Ejemplo 1.1.15 Vamos a resolver el siguiente sistema de ecuaciones por el


mtodo de Gauss Jordan, es decir, obteniendo una forma escalonada reducida de dicho sistema x1 4x2 + x3 = 2 x1 + 3 x2 x3 = 1 x1 + 2 x3 = 3
Para ello, trabajamos directamente sobre la matriz ampliada asociada al sistema, teniendo presente en todo momento qu es lo que representan los coecientes de dicha matriz: 1 4 1 2 1 3 1 1 F2 = F2 + F1 F3 = F3 F1 1 0 2 3

26

lgebra

1 4 0 1 0 4 1 0 1 10 0 1 0 3 0 0 1 13

1 2 F2 = (1)F2 0 3 F1 = F1 + 4F2 1 1 F3 = F3 4F2 1 0 0 23 F1 = F1 F3 0 1 0 3 . 0 0 1 13

La ltima matriz ampliada representa el sistema en forma escalonada reducida. El sistema es, por tanto, compatible determinado y su solucin es (23, 3, 13).

Ejercicio 1.1.7 Resolver los siguientes sistemas de ecuaciones lineales por


el mtodo de Gauss-Jordan:

x1 x2 x3 + x4 = 5 x2 x3 + 2 x4 = 8 2x1 x2 3x3 + 4x4 = 18 x1 + 5x2 2x3 = 0 x1 3x2 + x3 = 0 x1 + 5 x2 x3 = 0

1.2 Matrices y operaciones con matrices


Al realizar una primera lectura de los epgrafes siguientes, hasta completar la totalidad del captulo, se puede pensar que K = R C aunque los resultados obtenidos sern vlidos para cualquier cuerpo K. Como hemos visto en la seccin anterior, las matrices permiten representar sistemas de ecuaciones lineales. Veamos una denicin precisa de lo que es una matriz:

Denicin 1.2.1 Una matriz de orden m n con coecientes en un cuerpo


K (por ejemplo K = R C) es una funcin: A : {1, ..., m} {1, ..., n} K (i, j ) ; A(i, j )
Se dice entonces que A es una matriz con m las y n columnas. Es usual representar el coeciente A(i, j ) de la matriz A por su correspondiente

lgebra

27

minscula con dos subndices, en este caso aij , y a la matriz completa A por una tabla en la que en la la `i y en la columna j aparece el elemento aij : a11 a1n . . . . A= . aij . . am1 anm As por ejemplo, la matriz A de dos las y dos columnas determinada por

A(1, 1) = 0, A(1, 2) = 1, A(2, 1) = 1, A(2, 2) = 4


se representar por

0 1 . 1 4 Al conjunto de matrices de m las y n columnas con coecientes en K lo denotaremos por Mmn (K).

iguales si son iguales como funciones, es decir, si son del mismo orden (i.e.,

Es obvio que de la denicin anterior se sigue que dos matrices A, B son

si tienen el mismo nmero de las y de columnas, o lo que es lo mismo A, B Mmn (K) para algn m y n) y (i, j ) {1, ..., m}{1, ..., n} A(i, j ) = B (i, j ).

funcional:

Ejemplo 1.2.2 Veamos algunos ejemplos de matrices denidas con notacin


1. A M33 (K) denida por (A(i, i) = 1, i = 1, 2, 3) (A(i, j ) = 0, i, j {1, 2, 3}, i = j ) es la matriz: 1 0 0 0 1 0 0 0 1 2. Podemos utilizar tambin congruencias mdulo un nmero entero sobre i y j para denir la matriz; por ejemplo B M33 (R) dada por (A(i, j ) = 1 i + j 1 mod 2) (A(i, j ) = 0 i + j 0 mod 2) se representa por 0 1 0 1 0 1 0 1 0

28

lgebra

3. Otro ejemplo es la matriz C M33 (R) dada por (A(i, j ) = 2i1 3j 1 ), que es 1 3 9 2 6 18 4 12 36
Recordemos ahora algunas deniciones y veamos otras nuevas:

Si A Mmn (K) se dice que A es una matriz de orden m n. Si m = n, en lugar de escribir Mnn (K), escribiremos Mn (K), y si A Mn (K) diremos que A es una matriz cuadrada de orden n. Si A Mmn (K), utilizaremos indistintamente la notacin usual aij o la funcional A(i, j ) para referirnos al elemento de la matriz A situado en la la i e sima y en la columna j e sima. Por ello escribiremos en ocasiones A = (aij ) Mmn (K) para referirnos a una matriz genrica de orden m n. (Obsrvese que a es la minscula de A). Si A Mm1 (K) se dice que A es una matriz columna (de m las). Si A M1n (K) se dice que A es una matriz la (de n columnas). Si A Mmn (K), i {1, ..., m} llamaremos la i-sima de A a la matriz la de n columnas Ai = (ai1 ... ain ).
Anlogamente, llamaremos columna j-sima de A a la matriz columna de m las a1j . Aj = . . . amj

Una matriz de particular inters es la matriz identidad a la que denotaremos por In (hay una para cada valor natural de n). As por ejemplo, 1 0 0 0 1 0 0 0 1 0 0 1 0 0 1 0 e I4 = I2 = , I3 = 0 0 1 0 . 0 1 0 0 1 0 0 0 1

lgebra

29

En general la matriz In = (aij ) Mn (K) se dene por la condicin i, j {1, ...n}, aii = 1 (i = j aij = 0). Utilizando la notacin funcional, In Mn (K) quedara determinada por las condiciones: (i {1, ..., n} In (i, i) = 1) (i, j {1, ..., n} (i = j In (i, j ) = 0)).

Si A Mmn (K) se denomina matriz traspuesta de A a la matriz t A Mnm (K) tal que (i, j ) {1, ..., n} {1, ..., m}
t

A(i, j ) = A(j, i)

(empleando la notacin no funcional, si t A = (bij ), entonces

(i, j ) {1, ..., n} {1, ..., m}


As por ejemplo, si

bij = aji ).

1 2 A = 2 0 M32 (R), 3 1
su traspuesta es
t

A=

1 2 3 2 0 1

M23 (R).

Un mtodo sistemtico para obtener la matriz traspuesta de una matriz dada consiste en ir leyendo los coecientes por las para sistemticamente escribirlos por columnas.

1.2.1 Suma de matrices


La denicin de suma de matrices es muy natural:

Denicin 1.2.3 Si A, B Mmn (K), la suma de A y B es la matriz


A + B Mmn (K) denida por las condiciones (i, j ) {1, ..., m} {1, ..., n} (A + B )(i, j ) = A(i, j ) + B (i, j ) 1 1 1 3 2 2 Ejemplo 1.2.4 3 0 + 2 0 = 5 0 1 2 0 2 1 0

30

lgebra

Observacin 6 De la denicin anterior se sigue que para que dos matrices


se puedan sumar deben ser del mismo orden.
Se denomina matriz nula de orden m n a la matriz (0) Mmn (K) denida por las condiciones

(i, j ) {1, ..., m} {1, ..., n}


As por ejemplo,

(0)(i, j ) = 0

(0) M23 (C) es la matriz

0 0 0 0 0 0

Observacin 7 En lo sucesivo tambin escribiremos (0) Mmn (K) para


representar a la matriz nula de orden m n.

Denicin 1.2.5 Si A Mmn (K) se denomina matriz opuesta de A a la


matriz (A) Mmn (K) denida por las condiciones

(i, j ) {1, ..., m} {1, ..., n}


As por ejemplo,

(A)(i, j ) = A(i, j ) K

1 1 1 1 3 0 = 3 0 1 2 1 2
y

2 1 0 1 1 3

2 1 0 1 1 3

Proposicin 1.2.6 Si A, B, C Mmn (K), se verica que:


1. 2. 3. 4.

A + B = B + A (propiedad conmutativa de la suma de matrices) A + (B + C ) = (A + B ) + C (propiedad asociativa) A + (0) = A, (0) + A = A ((0) es el elemento neutro para +) A + (A) = (0), (A) + A = (0) ((A) es la opuesta de A)

lgebra

31

Demostracin Se trata de comprobar, en cada caso, que las matrices situadas a ambos lados de la igualdad son efectivamente iguales. Demostraremos la primera propiedad y el resto se propone como ejercicio. Hay que comprobar que

(i, j ) {1, ..., m} {1, ..., n}

(A + B )(i, j ) = (B + A)(i, j )

Sea (i, j ) {1, ..., m} {1, ..., n}. (A + B )(i, j )= (por denicin)= =A(i, j ) + B (i, j )=(puesto que la suma de nmeros reales o complejos y, en general, de los elementos de un cuerpo, satisface la propiedad conmutativa) =B (i, j ) + A(i, j )= (por denicin) =(B + A)(i, j ). 2 Por satisfacer las 4 propiedades de la proposicin anterior se dice que las matrices de orden m n con coecientes en K tienen estructura de grupo abeliano respecto de la suma. De la matriz (0) se dice que es el elemento neutro del grupo abeliano, y de la matriz (A) se dice que es la matriz opuesta de A.

1.2.2 Producto de matrices


En captulos venideros veremos que la siguiente denicin del producto de matrices permitir representar la actuacin de una funcin lineal sobre un elemento como un producto de matrices, hecho que a su vez tendr como consecuencia el que la composicin de funciones lineales se exprese como un producto de matrices. Si consideramos una ecuacin lineal, por ejemplo

2x1 + x2 + 6x3 = 3,
es posible considerar la parte izquierda de la igualdad como el producto de la matriz de coecientes (2 1 6) por la matriz de incgnitas

x1 x2 x3

y escribir

x1 (2 1 6) x2 = (3) x3

32

lgebra

Si la ecuacin anterior forma parte de un sistema, por ejemplo del sistema 2x1 + x2 + 6x3 = 3 5x1 + 4x2 + 6x3 = 24 x1 + 3x2 2x3 = 4 teniendo en cuenta que de la denicin de matriz se sigue que dos matrices son iguales si tienen el mismo nmero de las y de columnas y los mismos coecientes en cada la y columna, resulta que, utilizando la denicin de producto de matrices anterior, podemos representar el sistema de ecuaciones mediante un producto de matrices, esto es: x1 3 2 1 6 5 4 6 x2 = 24 . x3 4 1 3 2 En general, el sistema de ecuaciones a11 x1 + ... + a1n xn = b1 . . . a x + ... + a x = b m1 1 mn n m puede representarse mediante el producto denido por la expresin: x1 b1 . . A . . = . . . xn bm Claro est que podemos considerar sistemas de ecuaciones con la misma matriz de coecientes y distinto trmino independiente. Por ejemplo: 2x1 + x2 + 6x3 = 3 2x1 + x2 + 6x3 = 1 5x1 + 4x2 + 6x3 = 24 y 5x1 + 4x2 + 6x3 = 1 . x1 + 3x2 2x3 = 4 x1 + 3x2 2x3 = 1 En ese caso, teniendo en cuenta, por una parte, que las soluciones de uno no tienen porqu coincidir con las del otro, por lo que denotamos por y1 , y2 e y3 a las incgnitas del segundo sistema, y por otra, cuando dos matrices son iguales, podemos representarlos matricialmente de forma simultnea, mediante la expresin: 2 1 6 3 1 x1 y 1 5 4 6 x2 y2 = 24 1 . x3 y 3 1 3 2 4 1

lgebra

33

Esto nos lleva a la denicin de producto de dos matrices. Como observacin previa a la denicin, ntese que en los ejemplos anteriores, para poder multiplicar la matriz de coecientes por la de incgnitas, era preciso que el nmero de las de la matriz de coecientes coincidiese con el nmero de columnas de la matriz de incgnitas.

Denicin 1.2.7 Dadas las matrices A Mmn (K) y B Mnp (K) se denomina matriz producto de A y B , y se denota por A B a la matriz
A B Mmp (K) tal que
n

(i, j ) {1, ..., m} {1, ..., p} A B (i, j ) =


k=1

A(i, k ) B (k, j )

1 2 1 2 Ejemplo 1.2.8 Dadas las matrices 1 1 0 4 M32 (R), su producto es la matriz 1 2 0 1 1 1 2 1 3 0 = 1 1 0 1 2 0 4 3

0 1 1 1 M43 (R) y 3 0 0 1 2 3 7 1 6 3 M42 (R) 4 1 15 6

1.2.3 Propiedades del producto de matrices


El producto de matrices no es conmutativo, pues por ejemplo

1 1 1 1
y sin embargo

1 1 1 1 1 1 1 1

2 2 2 2 0 0 0 0

1 1 1 1

dades:

Proposicin 1.2.9 El producto de matrices satisface las siguientes propie-

34

lgebra

1. Es asociativo: A Mmn (K), B Mnp (K) y C Mpq (K),

(A B ) C = A (B C )
(y por tanto podemos omitir los parntesis para denotar cualquiera de estos productos y escribir A B C ).

2. Es distributivo respecto de la suma:

A Mmn (K), B, C Mnp (K)

A (B + C ) = A B + A C

A Mmn (K), B, C Mpn (K)

(B + C ) A = B A + C A

3.

A Mmn (K),

A (0) = A y

(0) A = (0)

Demostracin Antes de dar la demostracin debemos sealar que es usual


emplear el smbolo sumatorio
n

que tiene sentido puesto que la suma considerada es asociativa.

i=1

ai en lugar de la expresin a1 + ... + an , lo

1. Sean A Mmn (K) ,B Mnp (K) y C Mpq (K). Las dos matrices A (B C ) y (A B ) C tienen el mismo orden, ya que ambas pertenecen a Mmq (K). Veamos que (i, j ) {1, ..., m}{1, ..., q } (A (B C ))(i, j ) = ((A B ) C )(i, j ) :

lgebra

35

(A (B C ))(i, j ) =
k=1 n

A(i, k ) (B C ) (k, j ) =
p

=
k=1 n
(prop. distributiva en K)

A(i, k )
s=1 p

B (k, s) C (s, j )

= = =

=
k=1 n s=1 p

A(i, k ) (B (k, s) C (s, j )) (A(i, k ) B (k, s)) C (s, j )


k=1 p s=1 n

(prop. asociativa en K)

= =
s=1 p k=1

(prop. distributiva en K)

A(i, k ) B (k, s) (A B ) (i, s) C (s, j ) =


s=1

C (s, j ) =

= ((A B ) C )(i, j )
2. Se demuestra razonando de forma similar al apartado anterior. 3. Ejercicio.

Observacin 8 Demostraciones como la anterior se incluyen para que

puedan ser consultadas por los alumnos interesados. En cualquier caso, es conveniente conocer algunos hechos relativos a la notacin, y a los resultados derivados del uso de la misma. Por ejemplo, en la proposicin anterior hemos utilizado la igualdad
n p p n

A(i, k ) B (k, s) C (s, j )


k=1 s=1

=
s=1 k=1

A(i, k ) B (k, s)

C (s, j )

que intuitivamente es evidente, puesto que tanto el producto de nmeros reales como el de nmeros complejos es conmutativo y distributivo respecto de la suma. La demostracin de que esta igualdad es vlida es consecuencia de las siguientes propiedades relacionadas con el smbolo sumatorio, cuya demostracin tambin se puede hacer por induccin:

36

lgebra

Si {ai }i{1,...,n} y {bj }j {1,...,p} son dos familias de nmeros reales o complejos, se verica que n N, p N,
n p n p

ai bj
i=1 j =1

=
i=1

ai
j =1

bj

Es decir, que
n i=1

(ai b1 + + ai bp ) =

= (a1 b1 + + a1 bp ) + + (an b1 + + an bp ) = = a1 (b1 + + bp ) + + an (b1 + + bp ) .


Para demostrar la identidad anterior, razonamos por induccin sobre n. Base de induccin: hay que probar que si n = 1,
1 p 1 p

p N
i=1 j =1

ai bj

=
i=1

ai
j =1

bj

o lo que es lo mismo, que


p p

p N
j =1

a 1 bj

= a1
j =1

bj

Esta propiedad se demuestra razonando por induccin sobre p : si

p = 1 es obvio que
entonces cierto que
p+1

a1 bj
j =1 p

= a1 b1 = a1
p

1 j =1

bj

. Suponiendo

a1 bj
j =1 p

= a1
j =1

bj

, resulta que

a1 bj
j =1

=
j =1

a 1 bj

+ a1 bp+1 =

= (por hipo tesis de induccio n) =


p

= a1
j =1 p+1

bj bj
j =1

+ a1 bp+1 = .

= a1

lgebra

37

La demostracin del paso de induccin sobre n se propone como ejercicio para todo aquel alumno interesado en hacerla.

Si {aik }(i,k){1,...,n}{1,...,p} es una familia de nmeros reales o complejos,


se verica que
n p p

aik
k=1

=
k=1

aik

i=1

i=1

o, lo que es lo mismo,

(a11 + + a1p ) + + (an1 + + anp ) = (a11 + + a1n ) + + (a1p + + anp ) .


La demostracin es similar a la del punto anterior.

Ejercicio 1.2.1 Demostrar que la trasposicin de matrices satisface las siguientes propiedades: 1. A Mmn (K)
t t

( A) = A
t

2. A, B Mmn (K)

(A + B ) =t A +t B
t

3. A Mmn (K), B Mnp (K),

(A B ) =t B t A

Ejercicio 1.2.2 Demostrar que A Mmn (K) y B Mnm (K)


A In = A In B = B
(es decir, In deja invariante por el producto a cualquier matriz por la que se pueda multiplicar, sea o no cuadrada).

1.2.4 El producto de una matriz por un escalar


Denicin 1.2.10 Si K y A Mmn (K) se dene la matriz A por las siguientes condiciones
(i, j ) {1, ..., m} {1, ..., n} (A)(i, j ) = A(i, j ) 1 2 3 6 Ejemplo 1.2.11 (3) 2 0 = 6 0 3 1 9 3

38

lgebra

Ejemplo 1.2.12 Siendo K


(In ) = 0 0 0 0 0 0 0 0 0 . . . ... . . . . . . . . . 0 0 0 Mn (K)

Proposicin 1.2.13 , K A Mmn (K) se verica que


1.B Mnp (K) A (B ) = (A) B = (A B ) 2.B Mmn (K) (A + B ) = A + B 3. ()(A) = ()(A) = (A) 4. ( + )A = A + A 5. ( )A = (A)

Demostracin Ejercicio.

Teorema 1.2.14 Todo sistema de ecuaciones lineales con coecientes reales


o complejos o bien no tiene soluciones, o bien tiene exactamente una solucin o bien tiene una innidad de soluciones.

una solucin, entonces tiene innitas soluciones. Sea AX = B el sistema dado y s1 , s2 dos soluciones distintas (s1 = s2 ). Entonces,

Demostracin Necesitamos comprobar que si un sistema tiene ms que

As1 = B = As2

y As1 As2 = A(s1 s2 ) = (0).

Se sigue que s1 s2 es solucin del sistema homogneo AX = 0 y que para todo K, s3 s1 + (s1 s2 ) es solucin de AX = B :

As3 = A(s1 + (s1 s2 )) = As1 + A((s1 s2 )) = = As1 + A(s1 s2 ) = As1 = B.


Hemos hallado tantas soluciones como elementos en K. Como K es, por hiptesis, R o C (que son innitos), obtenemos innitas soluciones. 2

lgebra

39

1.2.5 El anillo de matrices cuadradas Mn (K)


Segn hemos visto, el conjunto Mmn (K) de las matrices de m las y n columnas sobre un cuerpo K tiene estructura de grupo abeliano respecto de la suma habitual de matrices. En este apartado vamos a estudiar la estructura algebraica que tiene el conjunto de las matrices cuadradas, Mnn (K), respecto de las operaciones de suma y producto, ya que el producto de matrices es una operacin en Mnn (K) (el producto de dos matrices cuadradas de dimensin n es una matriz cuadrada de dimensin n).

Propiedades del producto en Mn (K) Proposicin 1.2.15 Si A, B, C Mn (K), se verica que:


1. A (B C ) = (A B ) C (propiedad asociativa del producto de matrices) 2. A (B + C ) = A B + A C (propiedad distributiva de + respecto de ) 3. A In = A, In A = A (la matriz In es elemento neutro para ).

Demostracin La demostracin de las propiedades 1 y 2 se ha hecho en un

caso ms general. La demostracin de la propiedad 3 se deja como ejercicio (se trata de ver que las matrices A In y A son iguales y lo mismo con la otra igualdad). 2

de la suma de matrices y satisfacer las propiedades de la proposicin anterior se dice que el conjunto de matrices cuadradas de orden n, Mn (K), tiene estructura de anillo unitario respecto de la suma y producto de matrices habituales y elemento unidad la matriz In .
La operacin de producto en Mn (K) permite denir potencias enteras no negativas de una matriz cuadrada:

Observacin 9 Por tener Mn (K) estructura de grupo conmutativo respecto

Denicin 1.2.16 Si A es una matriz cuadrada, A Mn (K), se dene


m N Am = (Am1 ) A
donde, por convenio de notacin, se asume que A0 = In .

40

lgebra

Observacin 10 No es difcil comprobar que m, r N A Mn (K) se


satisfacen las siguientes propiedades: 1. Am+r = Am Ar 2. (Am )r = Amr

Observacin 11 Ntese que como consecuencia de la no conmutatividad del


producto de matrices, si A, B Mn (K) en general tendremos que

(A + B )2 = A2 + B 2 + A B + B A = A2 + B 2 + 2A B
Sin embargo, si A y B conmutan para el producto, es decir, si AB = B A, entonces es obvio que (A + B )2 = A2 + B 2 + 2A B y, en general, asumiendo por convenio de notacin que A0 = B 0 = In , se verica que m N

(A + B )m =

m 0

Am B 0 +

m 1

Am1 B + ... +

m m

A0 B m .

Teniendo ahora en cuenta que, 0 0 (In ) = 0 0 . . . . . . 0 0

siendo K 0 0 0 0 0 Mn (K) . . . . .. . . . 0

y que toda matriz conmuta con la identidad, podemos obtener la siguiente frmula, vlida A Mn (K), m N :

(A + In )m =

m 0

Am +

m 1

(In ) Am1 + ... +

m m

(In )m

1.2.6 Matrices invertibles


Denicin 1.2.17 Se dice que A Mn (K) es invertible si B Mn (K) tal
que

A B = In B A = In .
Obviamente, si B y B satisfacen las condiciones de la denicin anterior, es decir, si A B = In B A = In

lgebra y

41

A B = In B A = In
resulta que

B = B In = B (A B ) = (B A) B = In B = B
por lo que dada A Mn (K) a lo sumo hay una matriz B que satisface las condiciones de la denicin anterior.

Denicin 1.2.18 Si A Mn (K) es invertible, y


A B = In B A = In .
se dice que B es la matriz inversa de A y a dicha matriz la denotaremos por A1 .

Observacin 12 En la denicin de matriz invertible, imponemos que el

producto de A por un cierta matriz B , por ambos lados, sea el elemento neutro. Hemos de hacerlo as porque el producto de matrices no es conmutativo. Sin embargo, veremos en el teorema 1.2.22 que es suciente comprobarlo por uno slo de los dos lados.

Ejemplo 1.2.19 La matriz inversa de la matriz A =


triz A1 =

2 1/2 2 1

es la ma-

1 1/2 2 2

Proposicin 1.2.20 Sean A, B, A1 , , Ap Mn (K). Se verica que :


1. si A, B Mn (K) son invertibles, entonces A B es invertible y

(A B )1 = B 1 A1 ,
2. si A1 , , Ap son invertibles, entonces el producto A1 A2 Ap es invertible y (A1 A2 Ap )1 = Ap 1 A2 1 A1 1 , 3. si A Mn (K) es invertible, entonces (A) Mn (K) es invertible y (A)1 = (A1 ),

42

lgebra

4. si A Mn (K) es invertible, entonces


t

(A) Mn (K)
1

es invertible y

(A1 ) = (t A)
1

Corolario 1.2.21 Si A Mn (K) es una matriz invertible, se verica que


1. A1 es invertible y (A1 ) = A 2. m N Am es invertible y (Am )1 = (A1 )m 3. K, = 0 se verica que A es invertible, y (A)1 = 1 A1
El siguiente teorema arma que si una matriz cuadrada tiene una matriz inversa a la derecha o a la izquierda, entonces es invertible:

Teorema 1.2.22 Si A, B Mn (K) se verica que:


1. A B = In B = A1 . 2. B A = In B = A1 .

Demostracin Probemos 2: suponemos que B A = In , y debemos probar

que A B = In . Si B A = In , todo sistema que tenga como matriz asociada A tiene una nica solucin: dado un sistema A X = C , donde C es una matriz columna, multiplicando a ambos lados de la igualdad por B se obtiene:

B (A X ) = B C
Por la asociatividad del producto de matrices

(B A) X = B C
Y usando nuestra hiptesis inicial

X = In X = B C
Es decir, que si X verica la ecuacin A X = C , necesariamente X = B C . j En concreto, denotando con In la columna j -sima de In , el sistema A j j X = In tiene una nica solucin B In , que es la columna j -esima de B , j que denotamos B , para cada j {1, . . . , n}. Es decir, hemos obtenido que j para cada j {1, . . . , n}. Entonces tambin A B = In y podemos A B j = In escribir B = A1 . Para probar 1 suponemos que A B = In . Aplicamos 2 a la matriz B y obtenemos que B A = In . 2

lgebra

43

1.2.7 Matrices elementales y un mtodo para hallar A1


Denicin 1.2.23 Se dice que una matriz A Mn (K) es una matriz elemental si es el resultado de realizar una nica transformacin elemental por las sobre la matriz In .

Ejemplo 1.2.24

1 0 0 2

es una matriz elemental, pues

1 0 F2 = (2)F2 1 0 0 1 0 2 1 0 0 0 1 0 5 0 0 0 1 0 1 0 son matrices elementales, pues Igualmente 0 0 1 0 y 0 0 1 0 1 0 0 1 0 0 0 1 0 0 0 0 1 0 0 F2 F4 0 0 0 1 0 0 1 0 0 0 1 0 0 0 0 1 0 1 0 0 1 0 0 1 0 5 0 1 0 F1 = F1 + 5F3 0 1 0 . 0 0 1 0 0 1 Es obvio que si A es una matriz elemental de orden n, la matriz In se puede obtener realizando una nica transformacin elemental sobre la matriz A (la transformacin elemental inversa).
El siguiente resultado quedar sucientemente vericado tras la realizacin de la prctica 2 en el aula informtica:

Teorema 1.2.25 Si E es la matriz elemental de orden m que se obtiene al

realizar la transformacin elemental t sobre las las de Im , y A Mmn (K), entonces la matriz resultante de realizar la transformacin t sobre las las de A es la matriz producto E A.

elemental F3 = F3 + 3F1 sobre la matriz 1 4 6 0 2 1 . 0 0 1

Ejercicio 1.2.3 Vericar el resultado anterior realizando la transformacin

44

lgebra

Teniendo ahora en cuenta que, segn hemos visto, cualquier transformacin elemental es reversible, y que la inversa de una transformacin elemental es una transformacin elemental, segn el cuadro que ya establecimos en su momento TRANSFORMACIN Fi = Fi + Fj TRANSFORMACIN INVERSA Fi = Fi Fj 1 Fi = Fi Fi Fj

Fi = Fi ( = 0) Fi Fj

resulta que, si denotamos por Pi () a la matriz elemental asociada a la transformacin Fi = Fi ( = 0), por Sij () a la matriz elemental asociada a la transformacin Fi = Fi + Fj y por Eij a la matriz elemental asociada a la transformacin Fi Fj , tenemos el siguiente corolario del teorema anterior:

Corolario 1.2.26 Toda matriz elemental es invertible, y su inversa tambin es una matriz elemental. Concretamente,
(Sij ())1 = Sij () 1 (Pi ())1 = Pi ( ) 1 (Eij ) = Eji

Ejercicio 1.2.4 Verifquese el resultado recogido en el corolario anterior,


multiplicando las matrices

P2 (5) =

1 0 4 S13 (4) = 0 1 0 0 0 1
y

1 0 0 5

E24

1 0 = 0 0

0 0 0 1

0 0 1 0

0 1 0 0

por sus correspondientes inversas y observando que en cada caso el resultado es la matriz identidad del orden correspondiente.

lgebra

45

Teorema 1.2.27 Si A Mn (K) las siguientes proposiciones son equivalentes: 1. A es invertible 2. La ecuacin A X = (0) slo tiene la solucin trivial 3. A es equivalente por las a la matriz In , es decir, su forma escalonada reducida es la matriz identidad In 4. El sistema A X = b es compatible determinado para toda matriz columna b Mn1 (K) y su nica solucin es X = A1 B.

Ejemplo 1.2.28 Si A Mn (K) y b Mn1 (K), entonces el sistema A


X = b es compatible determinado para toda matriz columna si y solo si A es invertible. Si A no es invertible o si A no es una matriz cuadrada, podemos todava determinar condiciones sobre la matriz b tales que el sistema A X = b sea consistente. Por ejemplo, aplicando el mtodo de Gauss-Jordan a la matriz ampliada del sistema se obtiene que x1 + x2 + 2 x3 = b 1 x1 + x3 = b2 2x1 + x2 + 3x3 = b3 1 1 2 b1 F2 = F2 F1 1 1 2 b1 1 0 1 b2 F3 = F3 F1 0 1 1 b2 b1 2 1 3 b3 2 1 3 b3 2b1 F1 = F1 + F2 1 0 1 b2 F3 = F3 F2 0 1 1 b2 + b1 . F2 = F2 0 0 0 b3 b2 b1 Si b3 b2 b1 = 0 el sistema no es compatible y si b3 b2 b1 = 0 el x1 = x3 + b 2 , que tiene innitas sistema es equivalente al sistema x2 = x3 b2 + b1 soluciones de la forma {(t + b2 , t b2 + b1 , t) : t R} .

Mtodo para determinar la matriz inversa


El teorema anterior permite establecer un mtodo para determinar la inversa de una matriz invertible. Pues si A es invertible, A es equivalente por las a la matriz In y existen m matrices elementales E1 , E2 , , Em tales que

Em Em1 ... E1 A = In .
Se sigue que, por el teorema 1.2.22,

46

lgebra

Em Em1 E1 = A1 .
es decir, recogiendo las dos igualdades anteriores,

In 1

= Em Em1 ... E1 A = Em Em1 ... E1 In

En otras palabras, la sucesin de transformaciones elementales que transforma la matriz A en la matriz In , tambin transforma la matriz In en la matriz A1 , con lo que, siendo t1 , ..., tm las transformaciones elementales por las que permiten obtener In a partir de A, el esquema

A In t1 , ..., tm In

A1

nos da un mtodo para la obtencin de la inversa de una matriz invertible A por transformaciones elementales .

1 1 0 Ejemplo 1.2.29 Para calcular la inversa de la matriz 2 1 0 pro2 1 1 cederamos del siguiente modo 1 1 0 2 1 0 2 1 1 1 1 0 0 1 0 0 1 1 1 0 0 0 1 0 0 0 1 1 0 0 2 1 0 2 0 1 F2 = F2 + 2F1 F3 = F3 + 2F1 = F1 F2 = F3 F2 = (1)F1 = (1)F2

F1 F 3 F1 F2

1 0 0 0 1 0 0 0 1 1 1 1 obteniendo, por tanto que 2 2 1

1 1 0 2 1 0 0 1 1 1 0 1 1 0 0 = 2 1 0 . 1 0 1 1

lgebra

47

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

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

1.3

Estructuras algebraicas

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

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 u nico 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 = y a, necesariamente (xa)a = (y a)a ,es decir, x (a a ) = y (a a ) , o lo que es lo mismo, x e = y e, 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 A B 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

60

lgebra

Ejercicio 1.3.2 En el mbito de las ciencias de la computacin una cadena

o string es una secuencia de items (datos) de algn conjunto (o dominio) de datos. En trminos matemticos una cadena es una palabra a1 ...an de longitud n 0 formada con letras de un alfabeto dado. Para n = 0 se trata de la cadena vaca (a la que en su momento 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. 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, respectivamente, un elemento a la izquierda o a la derecha de una cadena dada.(Nota: Son sucientes 5 ecuaciones).

1.4 Ejercicios
1.4.1 Ejercicios resueltos
1. Representar por su matriz ampliada y resolver por el mtodo de GaussJordan cada uno de los siguientes sistemas de ecuaciones lineales : 2x1 + x2 + 3x3 = 9 5x1 + 4x2 + 6x3 = 24 x1 + 3x2 2x3 = 4 ,

3x1 + x2 + x3 5x4 = 4 5x1 + 2x2 + 4x3 2x4 = 6 x1 x2 + x3 x4 = 0 2x1 + 3x2 + 4x3 + 5x4 = 0 x1 x2 + 2x3 2x4 = 0 5x1 + 5x2 + 9x3 + 9x4 = 0

lgebra 2. Considere el sistema de ecuaciones x + y + 2z = a x+z =b 2x + y + 3z = c

61

Demuestre que para que este sistema sea compatible, a, b y c deben satisfacer c = a+b. 3. Resuelva cada uno de los sistemas siguientes por eliminacin de GaussJordan: a)

2x1 3x2 = 2 2x1 + x2 = 1 3x1 + 2x2 = 1 3x1 + 2x2 x3 = 15 5 x1 + 3 x2 + 2 x3 = 0 3x1 + x2 + 3x3 = 11 11x1 + 7x2 = 30

b)

c)

4x1 8x2 = 12 3x1 6x2 = 9 2x1 + 4x2 = 6

4. Para qu valores de a el sistema que sigue no tiene soluciones? Tiene exactamente una solucin? Tiene innidad de soluciones? x + 2y 3z = 4 3x y + 5z = 2 4x + y + (a2 14)z = a + 2 5. Calcular las inversas de la siguientes matrices:

A=

3 1 5 2

B=

2 3 4 4

C=

2 0 0 3

62

lgebra

6. Verique que las matrices A y B del ejercicio 5) satisfacen la relacin (AB )1 = B 1 A1 . 7. Sea A una matriz invertible y suponga que la inversa de 7A es 1 2 . Encuentre la matriz A. 4 7 8. Sea AX = B un cualquier sistema consistente de ecuaciones lineales y supngase que X1 es una solucin ja. Demuestre que toda solucin para el sistema se puede escribir en la forma X = X1 + X0 , en donde X0 es una solucin para AX = 0. Demuestre tambin que toda matriz de esta forma es una solucin. 9. Encontrar 3 a) A = 1 2 1 c) C = 0 1 la inversa de la matriz dada, si la 4 1 3 1 0 3 b) B = 2 4 5 4 4 2 0 1 1 1 1 0 matriz es invertible: 5 1 9

10. Efecte las operaciones sobre las 3 2 A= 3

las que siguen sobre 1 0 1 4 5 5

multiplicando por una matriz elemental apropiada. En cada caso, verique la respuesta llevando a cabo la operacin sobre las las directamente sobre A. a)Intercambie la primera y tercera las. b)Multiplique la segunda la por 1/3. c)Sume el doble de la segunda la a la primera. 11. Una caja que contiene monedas con las denominaciones de un centavo, cinco centavos y diez centavos tiene 13 de ellas con un valor total de 83 centavos. Cuntas monedas de cada tipo hay en la caja ?

lgebra

63

12. Para cul valor, o cules valores, de a el sistema siguiente tiene cero, una y una innidad de soluciones? x1 + x2 + x3 = 4 x3 = 2 2 (a 4)x3 = a 2 13. Demostrar que la trasposicin de matrices satisface las siguientes propiedades. a) A Mmn (K) t (t A) = A. b) A, B Mmn (K) t (A + B ) =t A +t B. c)A Mmn (K), B Mnp (K), t (A B ) =t B t A. 14. Demostrar que si A Mn (K) es invertible, entonces
t

(A) Mn (K)
1

es invertible y t (A1 ) = (t A)

15. Si A = (aij ) Mn (K), se denomina traza de A a la suma de los elementos de la diagonal principal de A, es decir,
n

T r(A) = a11 + ... + ann =


i=1

aii .

Demostrar que A, B, C Mn (K): a) T r(A + B ) = T r(A) + T r(B ). b) T r(AB ) = T r(BA). Poner un contraejemplo que ponga de maniesto que

T r(A.B ) = T r(A) T r(B ).


c) Siendo C = At A,
n n

T r(At A) =
i=1 k=1

a2 ik .

16. Se dice que una matriz A Mn (K) es simtrica si t A = A. Demostrar que una condicin necesaria y suciente para que el producto de dos matrices

64

lgebra

simtricas A, B Mn (K) d como resultado una matriz simtrica es que AB = BA. 17. Determinar C y C para que la matriz A =

2 1 1 2

M2 (C) satisfaga la ecuacin A2 + A + I2 = (0).


18. Se dice que una matriz A Mn (K) es idempotente si A2 = A. Demostrar que si A Mn (K) es idempotente, entonces B = In A es idempotente. Demostrar tambin que AB = (0) y que BA = (0). 19. En una feria de ganado un granjero compr pollos, conejos y terneros. Los pollos los compr a 50 pts., los conejos a 1000 pts. y los terneros a 5000pts. Compr 100 animales y gast 100.000 pts. Sabiendo que compr animales de las 3 clases, averiguar el nmero de animales que compr de cada clase. 20. En el mbito de las ciencias de la computacin una cadena o  string es una secuencia de items (datos) de algn conjunto (o dominio) de datos dado. En trminos matemticos una cadena es una palabra a1 ...an de longitud n 0. Para n = 0 se trata de la cadena vaca (a la que en su momento 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).

1.4.2 Ejercicios propuestos


1. Resolver los siguientes sistemas por el mtodo de eliminacin gaussiana:

lgebra

65

4x 3y + 2 z + u = 3 2x 5y + 4z + u v = 3 x 2y + z + 2u = 2 a) x 2y + z u + v = 5 , b) 4x y + z u v = 5 x 4y + 6z + 2u v = 10 2x + 3y z 4u = 9 4x 3y + 2z = 2 4x 3y + 2z = 3 c) 2x + y + 2z = 3 , d) 2x + y + 2z = 1 x + y 2z = 7 x + y 2z = 2
2. Resolver los siguientes sistemas de ecuaciones lineales por el mtodo de Gauss-Jordan: 3x1 + 4x2 + x3 + 2x4 = 2 7x2 + x3 = 1 2x1 + 2x2 6x3 + 2x4 = 4 , 3x1 + 4x2 + 1x3 = 7 4x1 + 5x2 x3 + 3x4 = 3 9x1 5x2 2x3 = 2 3. Resolver el siguiente sistema de ecuaciones (no lineales): 2 2x 6y 3 + 3ez = 17 4y 3 ez = 5 3x2 2y 3 = 10 4. Discutir las distintas soluciones del siguiente sistema segn los distintos valores del parmetro k : x + y + 2z = 2 3x + 2y + 3z = 2 2x + ky 5z = 4 5. Discutir las distintas soluciones del siguiente sistema segn los distintos valores de los parmetros a y b: ax + bz = 2 ax + ay + 4z = 4 ax + 2z = b 6. Vericar que existe un sistema de dos ecuaciones en las variables x, y , z , cuyas soluciones sean, en funcin del parmetro t: x = 1 t y = 2 + 5t z =4t

66

lgebra 7. Un padre con aciones matemticas decide hacer su testamento de la manera siguiente:

Todo mi capital ser dividido entre mis tres hijos: Antonio, Benito y Carla. Del capital menos 10.000 euros Antonio recibe la mitad. La cantidad recibida por Carla menos la cantidad que reciba Benito debe ser igual a la cantidad recibida por Benito menos la cantidad recibida por Antonio. La cantidad recibida por Carla menos el 60 por ciento de la recibida por Benito debe ser igual a 4.000 euros.
Cuanto dinero recibir cada uno? 8. Calcular la inversa, si existe, de las siguientes matrices y comprobar la respuesta por multiplicacin:

2 0 6 1 8 11 7 2 3 1 0 3 0 3 A = 6 8 5 , B = 2 4 2 , C = 1 0 3 1 1 1 1 3 2 1 0 3 3 3
9. Demostrar que la matriz

1 1 3 4 2 A= 0 2 6 8
no es invertible comprobando que existe una solucin no trivial del sistema homogneo A X = 0. 10. Sea A la matriz

3 3 5 4 3 . A= 1 3 4 6

Usando el mtodo de Gauss-Jordan, exprsese la matriz A1 como producto de matrices elementales.

lgebra

67

Exprsese la matriz A como producto de matrices elementales.


11. El producto de matrices cuadradas n n no es conmutativo. Sin embargo, dada una matriz A, existen matrices B que conmutan con ella, es decir, tales que A B = B A (por ejemplo, la identidad o la propia A). El conjunto de tales matrices se llama conmutador de A. Calclese el conmutador de la matriz:

A=

1 0 2 1

12. Una matriz cuadrada S se dice simtrica si S = tS y antisimtrica si S = tS . (a) Dar dos ejemplos de matrices simtricas y antisimtricas 3 3. (b) Probar que dada una matriz cuadrada cualquiera B , las matrices 1 (B + tB ) y 1 (B tB ) son simtrica y antisimtrica, respectiva2 2 mente, y que su suma es B . (c) Probar que si una matriz cuadrada B se escribe como suma B = S + A donde S y A son simtrica y antisimtrica, respectivamente, 1 entonces S = 1 (B + tB ) y A = 2 (B tB ). 2 De este ejercicio se deduce que toda matriz se descompone de manera nica como suma de una matriz simtrica y una antisimtrica. Calclese la descomposicin de la matriz 2 3 1 A = 4 5 7 0 2 4 13. Calclense por induccin las potencias m-simas de las matrices:

A=

a 1 , 0 a

B=

0 1 . 1 0

14. Dos matrices cuadradas A y B se dicen semejantes (o congruentes ) si existe una matriz invertible P tal que A = P B P 1 . Sean A y B semejantes.

68

lgebra (a) Probar por induccin que para todo n N se verica Am = P B m P 1 . (b) Si dos matrices invertibles A y B son semejantes, es A1 semejante con B 1 ? Es tA semejante con tB ? (c) Con la notacin anterior, y siendo

B=

2 0 , 0 3

P =

1 2 , 2 3

calclense las potencias A3 , A10 y Am , m N. 15. Considrense las matrices

A =

cos sin , sin cos

R.

(a) Probar que A A = A+ (Ayuda: sense las frmulas del seno y el coseno de la suma de dos angulos: cos( + ) = cos cos sin sin y sin( + ) = sin cos + cos sin ). (b) Probar que A0 = I2 . (c) Probar que (A )1 = A . (d) Concluir que el conjunto G = {A | R} es un grupo conmutativo con el producto usual de matrices. (e) G se llama usualmente el grupo de rotaciones del plano, ya que dado un vector v R2 (cuyas coordenadas escribimos en una matriz columna), el producto A v es el vector que resulta de rotar v grados con respecto al origen en el sentido de las agujas del reloj. Considrese el tringulo T formado por el origen y los vectores v = (1, 0) y w = (1, 1); calcular y dibujar los vrtices de los tringulos que resultan de rotar T 30, 45, 60 y 90 grados. EJERCICIOS COMPLEMENTARIOS. 16. Calcular dos matrices cuadradas X e Y que veriquen:

4X + 3Y =

3 2 , 3X + 2Y = 4 0

1 5 . 3 2

lgebra

69

17. Probar por induccin que si dos matrices A y B conmutan (es decir A B = B A) entonces se verica la frmula de Newton:
m

(A + B ) =
i=0

m i

Ai B mi .

Poner un ejemplo de dos matrices 2 2 que no conmuten y comprobar que la frmula anterior ya no se verica para m = 2. 18. Llamamos matriz de permutacin a una matriz cuadrada vericando que todos sus coecientes son cero excepto un elemento en cada la y en cada columna. En este ejercicio consideraremos matrices cuadradas 3 3. Una matriz de permutacin 3 3 viene determinada por una permutacin del conjunto de indices {1, 2, 3} de tal manera que la matriz correspondiente A viene dada por (A (i, j ) = 0 j = (i)) (A (i, j ) = 1 j = (i)). (a) Dada una matriz 3 3 B , vericar que el producto A B es una matriz que tiene las mismas las que B pero en el orden (1), (2), (3). (b) Escribir todas las permutaciones del conjunto {1, 2, 3} y las correspondientes matrices de permutacin. (c) Probar que el producto de matrices de permutacin es una matriz de permutacin. (d) Probar que el conjunto de matrices de permutacin con el producto usual de matrices es un grupo no conmutativo. 19. Sea K el conjunto de nmeros reales x tales que existen dos nmeros racionales a y b con x = a + 2 b. Llamaremos a a y b, respectivamente, la parte racional y la parte irracional de x. (a) Probar que la suma y el producto de dos nmeros reales en K pertenece a K. Escrbase la expresin de tales operaciones en funcin de las partes racional e irracional. (b) Probar que 0 y 1 pertenecen a K. (c) Probar que el elemento opuesto de un elemento en K pertenece a K.

70

lgebra (d) Probar que el elemento inverso de un elemento no nulo en K pertenece a K. (e) Concluir que K es un cuerpo conmutativo. (f) Se te ocurren otros ejemplos de cuerpos construdos de forma similar?

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 ! rr r 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( ) 54 44 ) 3

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

 0T      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 a (u v ) = det 1 0 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 , y y0 ) = a(xx0 )+b(y y0 ) = 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 , 0) y ortogonal al vector n = (a, b, c). Si a = 0 o si c = 0, punto P0 = (0, d 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 R e.v., el cuerpo (C, +, ) es un C e.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 K e.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 2 , +, ) es un Z2 e.v.. 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 E para indicar que H es un subespacio vectorial de E.

y slo si

Proposicin 2.3.2 Sean E un K e.v. y H E. Se verica que H E si


a) 0 H b) u, v H, , K se verica que (u + v ) H.

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

(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 R e.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 K e.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-

Ejemplo 2.4.9 En el R e.v. R2 con su estructura de espacio vectorial


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 K, con lo que que i K, necesariamente i tiene inverso i
n 1 i j =1

j =1

j uj = 0. Ahora bien, puesto

j uj

1 0 = 0. = i

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 = 1, i j uj = 0, con lo que, teniendo en cuenta que i 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 n v= n i=1 ai ui , donde los coecientes (a1 , , an ) K estn unvocamente 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 =+

(x + y ) y = y 1 (x + y ) , es decir, de donde x + y = 3, i.e., = 1 3 3 2 =3 y1 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 cano nica de Mn1 (K) y la denotaremos por 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 +1 y 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 n tupla {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 K e.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 E y (u1 , , um ) H m es una 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.

(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}}).

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

Nota. Dados un K e.v. E, y H E, si dim(H ) = 1 se dice que H

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

{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).

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 R3 , H = R3 , resulta

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 0 ). rg (A) = rg ( 1 1 0 0
Ahora bien, si

1 1 1 0 1 0 0 , 1 + + = 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, 2 x + 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 e simo; pero B i = Ai + Aj y Ai = B i Aj = B i B j , 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 e simo; 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 0 1 , 1 1 2 1 1 0 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.

Ejemplo 2.9.7 En el R e.v. R3 con su estructura de espacio vectorial


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 C e.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 1 c3 = c3 2 c2 1 c3 = c3 c1 1 0 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 1 0 0 ) = ) = 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 c4 = c4 c3 0 2 c6 = c6 + 2c3 1 1 0 0 1 0 0 c5 = c5 1 c 2 4 1 2 1 c6 = c6 + 3 c 2 4 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 2 , +, ) con la 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 2 1 2 1 3 4 . A = 2 1 1 , B = 2 2 3 0 , C = 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 2 , hallar una base del subespacio vectorial

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)}, u v 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 + 2 k x = 1 + t r : y = 3k 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 v 3 = ( , , ) . 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)).

152

lgebra

Captulo 3 Funciones lineales


Otra de las caractersticas esenciales estrechamente relacionada con el concepto de espacio vectorial tiene que ver con las propiedades de proporcionalidad y aditividad , propiedades stas que siempre se satisfacen en los problemas matemticos denominados problemas lineales. La propiedad de aditividad consiste en que si los vectores u y v son soluciones del problema, entonces el vector u + v tambin es solucin de dicho problema y la proporcionalidad en que si el vector u es una solucin del problema, entonces el vector u tambin lo es, siendo normalmente un nmero real o un nmero complejo. Hay que decir que en cualquier caso los problemas lineales son ms sencillos de resolver que los no lineales y en muchas ocasiones resolver un problema no lineal consiste, al menos en una primera aproximacin, en plantear y resolver un problema lineal que aproxime , valga la redundancia, el problema no lineal planteado. En este captulo se denen y estudian las funciones lineales entre espacios vectoriales. Las funciones lineales son las ms naturales en el contexto del lgebra lineal ya que, por su denicin, respectan la estructura de espacio vectorial. Veremos que una funcin lineal se puede representar por medio de una matriz determinada por la eleccin de bases en su dominio y codominio. Este hecho nos permite trabajar desde dos puntos de vista distintos pero estrechamente relacionados: un primer ms analtico, que se basa en el uso de las propiedades generales de las funciones y un segundo ms algebraico, donde tiene mayor importancia la teora matricial. 153

154

lgebra

3.1 Funciones lineales


Como vimos, una estructura de espacio vectorial sobre un cuerpo est caracterizada por la existencia de las operaciones de suma de vectores y producto de un vector por un escalar, con los axiomas de la denicin 2.2.1. Entonces, si tenemos dos espacios vectoriales sobre el mismo cuerpo, es natural preguntarse si existen funciones entre estos dos espacios tales que relaciones entre vectores en el primero (el dominio de la funcin) se puedan comparar y transformar en relaciones entre vectores del segundo (el codominio de la funcin). La siguiente denicin responde a la pregunta anterior: la funcin buscada tiene que ser tal que a la suma de dos vectores en su dominio se le corresponda el vector suma de las imgenes de estos dos vectores en el codominio y que al producto de un vector por un escalar en el dominio se le corresponda el producto por el mismo escalar de la imagen del vector en el codominio.

tambin, que es un homomorsmo de K e.v.), si f satisface las siguientes propiedades: 1. u, v E, f (u + v ) = f (u) f (v ); 2. u E, K, f ( u) = f (u).

Denicin 3.1.1 Sean (E, +, ) y (E , , ) dos espacios vectoriales sobre el mismo cuerpo K. Diremos que la funcin f : E E es lineal (o

y el producto por escalares denidos sobre los espacios E y E , puesto que en casi todos los casos, la naturaleza de la operacin viene determinada de forma unvoca por la naturaleza de los operandos: obviamente, si u E, entonces f (u) E . Con este convenio de notacin, siendo E y E dos K e.v., una funcin f : E E es lineal si satisface las propiedades: 1. u, v E, f (u + v ) = f (u) + f (v ) 2. u E, K, f (u) = f (u)

Observacin 37 Es usual denotar con los mismos smbolos + y la suma

E E es lineal si y slo si u, v E, , K, se verica que f (u + v ) = f (u) + f (v ).

Proposicin 3.1.2 Siendo E y E K e.v., se verica que la funcin f :

lgebra

155

lo mismo, que f satisface las condiciones 1 y 2 de la denicin 3.1.1. Dados u, v E y , K, por la condicin 1 resulta que

Demostracin  Supongamos que f : E E es lineal, o lo que es

f (u + v ) = f (u) + f (v ) = = (por la condicin 2) = = f (u) + f (v ).


  Recprocamente, supongamos que u, v E , K se verica que f (u + v ) = f (u) + f (v ). Hay que demostrar que f satisface las condiciones 1 y 2 de la denicin 3.1.1. Dados u, v E, tomando = = 1, resulta que

f (u + v ) = f (1 u + 1 v ) = = 1 f (u) + 1 f (v ) = = f (u) + f (v ),
con lo que se satisface la condicin 1. Por otra parte, dados u E y K, resulta que

f (u) = f (u + 0u) = f (u) + 0f (u) = f (u),


con lo que se satisface la condicin 2.

El siguiente ejercicio nos muestra cmo se transforman las combinaciones lineales al aplicarles una funcin lineal.

funcin lineal, siendo u1 , ...., un cualquier sistema de vectores de E se verica que (1 , ...., n ) Kn , f
n

Ejercicio 3.1.1 Demostrar que, siendo E y E K e.v., y f : E E una


i ui =
n

i f (ui ).

i=1

i=1

si f : E E es lineal se verica que n N, u1 , ...., un E y f 1 , ...., n K,

Indicacin: Razonar por induccin sobre n. Nota: Ntese que un enunciado equivalente al del ejercicio anterior sera:
n n

i ui
i=1

=
i=1

i f (ui ).

156

lgebra

Ejemplo 3.1.3 Siendo E un K e.v., la funcin identidad, IdE : E E,


es lineal puesto que i) dados u, v E, se tiene

IdE (u + v ) = u + v = IdE (u) + IdE (v );


ii) si u E y K, IdE (u) = u = IdE (u).

Ejemplo 3.1.4 Siendo E y E dos K e.v., la funcin f : E E denida por f (u) = 0 u E, es lineal y se llamar transformacin cero. Ejemplo 3.1.5 Si (E1 , +1 , 1 ),...,(En , +n , n ) son n K e.v., entonces i {1, ..., n} la funcin proyeccin i-sima
pi : E1 ... En (u1 , ..., un ) Ei ; ui

es lineal, puesto que, siendo i {1, ..., n} se tiene que a) dados (u1 , ..., un ), (v1 , ..., vn ) E1 ... En ,

pi ((u1 , ..., un ) + (v1 , ..., vn )) = pi ((u1 + v1 , ..., un + vn )) = = ui + v i = = pi ((u1 , ..., un )) + pi ((v1 , ..., vn )); b) dados (u1 , ..., un ) E1 ... En y K, pi ((u1 , ..., un )) = pi ((u1 , ..., un )) = = ui = pi ((u1 , ..., un )).

Ejemplo 3.1.6 Dada A Mmn (K), la funcin multiplicacin por A


LA : Mn1 (K) Mm1 (K) , X ; AX
donde   es el producto usual de matrices, es lineal.

Ejercicio 3.1.2 Sea E un Ke.v. de dimensin nita n y B = (v1 , v2 , , vn )


una base ordenada de E. Si u = k1 v1 + k2 v2 + + kn vn E, sea f : E Kn la funcin que asocia al vector u sus coordenadas respecto de la base B, denida por f (u) = (k1 , k2 , , kn ). Vericar que f es lineal.

lgebra

157

Ejemplo 3.1.7 Dados a, b R, se considera el conjunto C ([a, b], R), de las

funciones reales continuas denidas sobre el intervalo cerrado [a, b] = {x R |a x b }. Teniendo en cuenta que f, g C ([a, b], R) y R se verica que
b b b

(f + g ) =
a a b

f+
a b

y que

(f ) =
a a

f,

resulta que la siguiente funcin integracin sobre [a, b] es lineal

I : C ([a, b], R) f ;

R
b

f
a

Ejemplo 3.1.8 Siendo (a, b) cualquier intervalo abierto de la recta real am-

pliada (i.e., se contempla la posibilidad de que a = b = , o ambas cosas simultneamente, en cuyo caso se tendra que (a, b) = (, ) = R), se considera el conjunto C 1 ((a, b), R)

de las funciones reales denidas en (a, b), derivables en todo punto de (a, b) y tales que la funcin derivada es continua en (a, b). Teniendo en cuenta que la suma de funciones derivables es derivable y que la funcin resultante de multiplicar un nmero real por una funcin derivable es una funcin derivable (y que lo mismo sucede con las funciones continuas), resulta que

C 1 ((a, b), R) F ((a, b), R),


o, lo que es lo mismo, que C 1 ((a, b), R) es un R e.v.. Dada ahora f C 1 ((a, b), R), sea D(f ) la funcin derivada de f :

D(f ) :

(a, b) x

R . ; D(f )(x) = f (x)

Ya que f, g C 1 ((a, b), R) y R se verica que

D(f + g ) = D(f ) + D(g )

158

lgebra

y que

D(f ) = D(f ),
resulta que la siguiente funcin derivacin es lineal:

D : C 1 ((a, b), R) C ((a, b), R) . f ; D(f )

Ejemplo 3.1.9 Sea n > 1. La funcin determinante det : Mn (K) K no es lineal ya que det(A + B ) = det(A)+ det(B ) y det(kA) = k n det(A) = kdet(A).

3.2 Propiedades de funciones lineales


se verica que

Proposicin 3.2.1 Si E y E son K e.v. y f : E E es lineal, entonces


1. f (0) = 0; 2. u E , f (u) = f (u).

Demostracin 1. u E , f (0) = f (0 u) = 0 f (u) = 0.


2. Dado u E, se tiene

f (u) + f (u) = f (u + (u)) = f (0) = 0,


por lo que podemos concluir que f (u) es el opuesto de f (u) o, lo que es lo mismo, que f (u) = f (u), puesto que (E , +) es un grupo. 2

E, la transformacin u E f (u) = u + u0 (la traslacin por el vector u0 ) no es lineal, ya que f (0) = u0 = 0.


El siguiente resultado nos permite asegurar que la funcin suma de dos funciones lineales es una funcin lineal y que, si multiplicamos una funcin lineal por un escalar, la funcin as obtenida es tambin una funcin lineal.

Ejemplo 3.2.2 Si E es un K e.v. y u0 un vector jo diferente de cero en

lgebra

159

Proposicin 3.2.3 Siendo E y E K e.v., si denotamos por F (E, E ) al espacio de todas las funciones denidas entre E y E , y por L(E,E ) al conjunto de las funciones lineales denidas entre E y E , es decir,

L(E, E ) = {f F (E, E ) |f es lineal },


se verica que

L(E, E ) F (E, E ),
o lo que es lo mismo, que L(E,E ) tiene estructura de espacio vectorial respecto de la suma de funciones y producto de una funcin por un escalar denidos en F (E, E ).

Demostracin i) Evidentemente L(E,E ) = , puesto que 0 L(E,E ),


ya que u, v E , K se tiene

0(u + v ) = 0 = 0 + 0 =0(u) + 0(v ).


(Ntese que hemos denotado por el mismo smbolo a 0 L(E,E ) y a 0 E ). ii) Veamos que f, g L(E,E ) se verica que f + g L(E,E ). Si u, v E y , K, se verica que

(f + g )(u + v ) = = = = =

f (u + v ) + g (u + v ) = (f (u) + f (v )) + (g (u) + g (v ) = (por ser + asociativa y conmutativa en (E , +)) (f (u) + g (u)) + (f (v ) + g (v )) = (f + g )(u) + (f + g )(v ).

iii) Veamos que f L(E,E ), K se verica que f L(E,E ). Si u, v E y , K, se verica que

(f ) (u + v ) = = = =

f (u + v ) = (f (u) + f (v )) = f (u) + f (v ) = (por ser conmutativo en K) = f (u) + f (v ) = (f ) (u) + (f ) (v ). 2

160

lgebra

Ejemplo 3.2.4 Como consecuencia de la proposicin anterior, teniendo en

cuenta que para cualquier K e.v. E la funcin IdE : E E es lineal, IdE L(E, E), tendremos tambin que K, la funcin (IdE ) L(E, E), es decir, la funcin IdE : E E u ; u es lineal.

Ejemplo 3.2.5 Teniendo en cuenta que si E es un K e.v. entonces n


N y i {1, ..., n} la funcin proyeccin i-sima es lineal, resulta que la siguiente funcin es lineal: (1 , ..., n ) Kn , 1 p1 + ... + n pn : En E . (u1 , ..., un ) ; 1 u1 + ... + n un

En particular, dados por ejemplo , , R, es lineal la funcin

p1 + p2 + p3 :

R3 (x1 , x2 , x3 ) ;

R . x1 + x2 + x3

Ejemplo 3.2.6 Si f C 1 ((a, b), R), en particular f C ((a, b), R) y, siendo


i la funcin inclusin, se verica que la funcin 3D 5i : C 1 ((a, b), R) C ((a, b), R) f ; 3D(f ) 5f
es lineal.

Proposicin 3.2.7 Si E, E y E son K e.v. y f : E E y g : E E son funciones lineales, entonces la funcin composicin de g con f, g f : E E , tambin es una funcin lineal. Demostracin Sean u, v E y , K. En ese caso
(g f )(u + v ) = = = = = = g (f (u + v )) = (por ser f lineal) = g (f (u) + f (v )) = (por ser g lineal) = g (f (u)) + g (f (v )) = (g f )(u) + (g f )(v ).

lgebra

161

Ejemplo 3.2.8 f L(E, E), f IdE = IdE f. Entonces IdE es el elemento


neutro de en L(E, E).

h : E E son funciones lineales, entonces la funcin composicin h g f : E E tambin es una funcin lineal. En general, la composicin de un cualquier nmero (nito) de funciones lineales, cuando est denida, ser una funcin lineal.

Observacin 38 Si E, E y E son R e.v. y f : E E , g : E E y

3.3

Ncleo e imagen

La siguiente proposicin arma que las funciones lineales preservan los subespacios vectoriales:

que

Proposicin 3.3.1 Si E y E son K e.v. y f : E E es lineal, se verica


1. H E, (H E f (H ) E ) y 2. H E , (H E f 1 (H ) E) ; en otras palabras: la imagen directa y recproca de un subespacio vectorial por una funcin lineal es un subespacio vectorial.

Demostracin 1. Supongamos que H E. En ese caso 0 H y, puesto


que

f (0) = 0,
tendremos que 0 f (H ). Por otra parte, si u , v f (H ) y , K, tendremos, por denicin de f (H ), que existen u, v H tales que

f (u) = u y f (v ) = v .
Por consiguiente

u + v

= f (u) + f (v ) = = (puesto que f es lineal) = = f (u + v )

162 y, puesto que H E, u + v H, con lo que

lgebra

u + v f (H )
y en denitiva f (H ) E . 2. Supongamos que H E . En ese caso 0 H y, puesto que

f (0) = 0,
tendremos que

0 f 1 (H ).

Por otra parte, si u, v f 1 (H ) y , K, resultar que

f (u), f (v ) H
y, puesto que H E , tendremos que

f (u) + f (v ) H
pero, al ser f lineal,

f (u) + f (v ) = f (u + v ),
es decir, f (u + v ) H , con lo que

u + v f 1 (H ). 2

Denicin 3.3.2 Sean E y E K e.v. y f : E E una funcin lineal. Llamaremos ncleo de f al conjunto
Ker(f ) = f 1 ({0}) = {u E |f (u) = 0 },
e imagen de f, al conjunto

Im(f ) = {v E |u E tal que f (u) = v }.


o sea, al conjunto f (E ).

lgebra

163

Obsrvese que como consecuencia de la proposicin (3.3.1), para cualquier funcin lineal f : E E se verica que

Ker(f ) E
y que

Im(f ) E .

Denicin 3.3.3 Sean E y E K e.v. y f : E E una funcin lineal. Entonces a la dimensin del imagen de f se denomina rango de f y a la dimensin del ncleo de f se denomina nulidad de f. Ejemplo 3.3.4 Sean E y E K e.v.. Entonces, el ncleo de la funcin
identidad IdE : E E es el subespacio {0} y su imagen es el espacio E; el ncleo de la funcin cero f : E E es el espacio E y su imagen es el subespacio {0}.

z = 0. Determinar ncleo e imagen de f.


cleo de la funcin derivacin

Ejercicio 3.3.1 Sea f : R3 R3 la proyeccin ortogonal sobre el plano

Ejercicio 3.3.2 Sea E = C 1 (R, R), y sea E = F (R, R). Determinar el nD : C 1 (R, R) F (R, R). , , R, el conjunto

Ejemplo 3.3.5 Una manera diferente de la usual de vericar que, dados


H = (x1 , x2 , x3 ) R3 x1 + x2 + x3 = 0

es un subespacio vectorial de R3 , consiste en tener en cuenta que la funcin

p1 + p2 + p3 :
es lineal y que

R3 (x1 , x2 , x3 )

R ; x1 + x2 + x3

H = Ker(p1 + p2 + p3 ).

164

lgebra

Antes de enunciar el siguiente teorema, recordemos las siguientes deniciones:

Denicin 3.3.6 Una funcin f entre dos conjuntos A y B es inyectiva si


a1 , a2 A, f (a1 ) = f (a2 ) a1 = a2 .

si b B existe a A tal que b = f (a).

Denicin 3.3.7 Una funcin f entre dos conjuntos A y B es sobreyectiva

Denicin 3.3.8 Finalmente, una funcin f entre dos conjuntos A y B es biyectiva si f es a la vez inyectiva y sobreyectiva.
verica que

Teorema 3.3.9 Sean E y E K e.v. y f : E E una funcin lineal. Se


1. f es inyectiva Ker(f ) = {0}; 2. f es sobreyectiva Im(f ) = E .

Demostracin 1.   Puesto que f es lineal, f (0) = 0 y en consecuencia


0 Ker(f )
o, lo que es lo mismo, {0} Ker(f ). Por otra parte si u E es tal que u Ker(f ), resulta que

f (u) = 0 y f (0) = 0,
y, puesto que por hiptesis f es inyectiva, conclumos que u = 0, con lo que Ker(f ) {0}. En denitiva, Ker(f ) = {0}.   Supongamos que Ker(f ) = {0} y que u, v E son tales que f (u) = f (v ). En ese caso f (u) + (f (v )) = 0 y, puesto que f es lineal,

f (u) + (f (v )) = f (u) + f (v ) = f (u + (v )).


En consecuencia f (u + (v )) = 0, o lo que es lo mismo,

u + (v ) Ker(f ) = {0},
es decir, u + (v ) = 0, de donde u = v . 2. Por denicin, f es sobreyectiva si y slo si Im(f ) = E .

lgebra

165

Ejemplo 3.3.10 La funcin derivacin D : C 1 (R, R) F (R, R) no es inyectiva, ya que Ker(D) es el conjunto de las funciones constantes sobre R. inyectiva, siendo su ncleo igual al eje z.

Ejemplo 3.3.11 La proyeccin ortogonal sobre el plano z = 0 en R3 no es

3.4

Espacios vectoriales isomorfos

Si f : E E es una funcin lineal y biyectiva, para todo vector u en E existe un nico vector v en E tal que f (u) = v. Adems f es invertible y f 1 (v ) = u. Por tanto f establece una particular correspondencia entre los vectores de E y los vectores de E que, adems, reproduce en E las relaciones de dependencia entre vectores de E. En este caso se podran identicar los dos espacios E y E , pero es a menudo necesario distinguir entre distintos tipos de correspondencias, es decir, nos interesa saber exactamente qu funcin lineal biyectiva estamos considerando entre los dos espacios. Por ejemplo, la funcin identidad en R2 es lineal y biyectiva, pero tambin lo es la funcin . La primera funcin identica trivialmente las rotacin de un ngulo de 4 2 dos copias del espacio R mientras que la segunda nos dice que, como espacios vectoriales, son equivalentes. Estas consideraciones justican la siguiente denicin de espacios isomorfos.

Denicin 3.4.1 Siendo E y E dos K e.v., se dice que E y E son isomorfos si existe una funcin f : E E tal que f es lineal y biyectiva. Si f : E E es lineal y biyectiva, se dice que f es un isomorsmo (no singular). Proposicin 3.4.2 Si f : E E es un isomorsmo, f 1 : E E es
tambin un isomorsmo.

Demostracin Si f : E E es biyectiva entonces f 1 : E E es

tambin biyectiva. Veamos que en las condiciones del enunciado f 1 : E E es lineal. 1. Sean u , v E . Por ser f : E E biyectiva ! u, v E tales que

f (u) = u

y f (v ) = v

166 o, lo que es lo mismo, tales que f 1 (u ) = u y f 1 (v ) = v. Luego

lgebra

f 1 (u + v ) = f 1 (f (u) + f (v )) = (por ser f lineal) = f 1 (f (u + v )) = u + v = f 1 (u ) + f 1 (v ).


2. Sean u E y K. Razonando de igual modo que en el apartado anterior, si f 1 (u ) = u o, lo que es lo mismo, f (u) = u , resulta que

f 1 (u ) = f 1 (f (u)) = = f 1 (f (u)) = u = f 1 (u ). 2

vista algebraico son iguales o indistinguibles, en el sentido de que toda propiedad relacionada con la estructura de espacio vectorial que posea E se transere automticamente al espacio E a travs del isomorsmo y recprocamente.

Observacin 39 Si dos K e.v. E y E son isomorfos, desde un punto de

Ejercicio 3.4.1 Comprobar que si f : E E es un isomorsmo, entonces


{v1 , ...., vm } E es libre si y solo si {f (v1 ), ..., f (vm )} es libre.

Ejemplo 3.4.3 Las funciones


IC : Kn (x1 , ..., xn )
y

M ) n1 (K x1 . ; . . xn

IF :

Kn (x1 ...xn )

M1n (K) x1 xn

son isomorsmos. A IC le denominaremos isomorsmo columna y a IF isomorsmo la.

lgebra

167

3.5

Funciones lineales en espacios vectoriales de dimensin nita

3.5.1 Determinacin de funciones lineales en espacios vectoriales de dimensin nita


El siguiente teorema fundamental establece un procedimiento para denir funciones lineales entre espacios vectoriales de dimensin nita, en el sentido de que, conocidas las imgenes de los elementos de una base del espacio dominio, la funcin lineal queda completamente determinada.

{v1 , ...., vn } un sistema cualquiera de n vectores de E . En estas condiciones existe una nica funcin lineal f : E E tal que i {1, ..., n}
Adems se verica que

Teorema 3.5.1 Sean E y E dos K e.v., {u1 , ...., un } una base de E y

f (ui ) = vi .

a) f es inyectiva {v1 , ...., vn } es libre; b) f es sobreyectiva L({v1 , ...., vn }) = E ; c) f es un isomorsmo {v1 , ...., vn } es una base de E . Demostracin i) Existencia. Sea u E; puesto que {u1 , ...., un } es una
base de E, tendremos que !(1 , ...., n ) Kn tal que u = entonces f (u) =
n i=1 n i=1

i ui . Denimos

i vi . Veamos que la funcin f as denida para cada


n i=1

u E satisface las dos condiciones requeridas.


1. f es lineal : dados u, v E y , K, si u =

i ui y v =

n i=1

i ui ,

168 resulta que


n n

lgebra

f (u + v ) = f (
i=1 n

i ui

+
i=1

i ui ) =
n

= f(
i=1 n

(i + i )ui ) =
i=1 n

(i + i )vi = = f (u) + f (v ).

=
i=1

i vi

+
i=1

i ui

2. i {1, ..., n} f (ui ) = vi . Dado i {1, ..., n}, se tiene

ui = 0 u1 + ... + 1 ui + ... + 0 un
y, por consiguiente,

f (ui ) = 0 v1 + ... + 1 vi + ... + 0 vn = vi .


ii) Unicidad. Si g : E E es una funcin lineal tal que

i {1, ..., n} g (ui ) = vi ,


resulta que, siendo w un vector cualquiera de E, al ser {u1 , ...., un } una base de E, (1 , ...., n ) Kn tal que
n

w=
i=1

i ui .

Ahora bien,
n

g (w) = g (
i=1

i ui ) =
n

= (por ser g lineal) =


n

=
i=1 n

i g (ui ) =
i=1

i vi =

=
i=1

i f (ui ) = (por ser f lineal) =


n

= f(
i=1

i ui ) = f (w),

lgebra es decir, w E g (w) = f (w), con lo que conclumos que f = g. Finalmente, comprobemos que se verican a), b) y c). a)   Sea
n i=1

169

i vi = 0. Entonces
n n n

0=
i=1

i vi =
i=1 n i=1

i f (ui ) = f (
i=1

i ui ).

Ya que f es inyectiva,

i ui = 0 y, puesto que {u1 , , un } es libre,


n i=1

(1 , , n ) = (0, , 0).

  Si w Ker(f ), siendo w =
n

i ui resulta que
n n

f (w) = 0 = f (
i=1

i ui ) =
i=1

i f (ui ) =
i=1

i vi ,

y puesto que {v1 , ...., vn } es libre, conclumos que

(1 , ...., n ) = (0, ..., 0),


con lo que w = 0. b) Si vericamos que Im(f ) = L(v1 , , vn ), entonces f es sobreyectiva L(v1 , , vn ) = E . Ya que L(v1 , , vn ) Im(f ), hace falta solo comprobar que Im(f ) L(v1 , , vn ) : si v Im(f ), existe u = que
n n n i=1

i ui E tal

v = f (u) =
i=1

i f (ui ) =
i=1

i vi L(v1 , , vn ).

As que Im(f ) = L(v1 , , vn ) = E . c) Es consecuencia inmediata de los dos apartados anteriores. A la vista del teorema anterior, se verica que:

si E y E son K e.v. y {u1 , ...., un } En es una base de E, cualquier funcin lineal f : E E queda completamente determinada por el sistema {f (u1 ), ..., f (un )}.

170

lgebra

Ejercicio 3.5.1 Dada la funcin lineal f : R2 R3 determinada por las


condiciones

f (1, 0) = (3, 4, 1), f (0, 1) = (1, 0, 1),


determinar f (3, 1) y f (2, 1).

mensin nita), entonces

Corolario 3.5.2 Si E y E son dos K e.v. nitamente generados (de diE y E son isomorfos dim(E) = dim(E )

y {u1 , ...., un } es una base de E, por el apartado c) del teorema anterior, {f (u1 ), ...., f (un )} es una base de E y, en consecuencia, dim(E) = dim(E ) = n.   Si dim(E) = dim(E ) = n, {u1 , ...., un } es una base de E y {v1 , ...., vn } es una base de E , considerando la funcin lineal f : E E tal que i {1, ..., n} f (ui ) = vi , resulta, por la proposicin anterior, que f es un isomorsmo, y en consecuencia E y E son isomorfos. 2 Como vimos en el captulo 2, al introducir una base ordenada en un espacio vectorial podemos asociar a cada vector del espacio sus coordenadas respecto de esta base. Tambin vimos que las coordenadas de un vector son nicas. El siguiente corolario arma que la correspondencia entre un vector y sus coordenadas respecto de una base jada es un isomorsmo.

Demostracin   Si E y E son isomorfos, f : E E es un isomorsmo,

Corolario 3.5.3 Si E es un K e.v. y B = (u1 , ...., un ) es una base ordenada


de E, la funcin que asocia a todo vector la matriz de sus coordenadas respecto de la base B, ()B : E Mn1 (K) , v ; (v )B donde
n

v=
i=1

1 . i ui (v )B = . . , n

es un isomorsmo.

lgebra

171

Demostracin Siendo i {1, ..., n}


ei : {1, ..., n} {1} (j, 1) ; Mn1 (K) 1 si j = i 0 si j = i ,

o, lo que es lo mismo, siendo (e1 , ..., en ) la base cannica de Mn1 (K), que empleando la notacin habitual de matrices se escribira 0 0 1 0 0 1 (e1 , ..., en ) = . , , . , , . . . . . . .

observando que ()B es la nica funcin lineal tal que

i {1, ..., n}
y teniendo en cuenta que

(ui )B = ei

Bc = (e1 , ..., en )
es una base de Mn1 (K), es inmediato comprobar que ()B es un isomorsmo.2

Observacin 40 Teniendo en cuenta que si dos K e.v. E y E son iso-

morfos, toda propiedad relacionada con la estructura de espacio vectorial que posea E se transere automticamente al espacio E a travs del isomorsmo y recprocamente, si un K e.v. E tiene dimensin  n y B es una base de E, considerando el isomorsmo ()B : E Mn1 (K) podemos estudiar las propiedades de los vectores de E estudiando las que poseen sus coordenadas respecto de B, es decir, sus imgenes mediante el isomorsmo ()B . En particular, si {v1 , ...., vm } es un sistema de vectores de E, resulta que

{v1 , ...., vm } es ligado el sistema {(v1 )B , ...., (vm )B } de Mn1 (K) es ligado; {v1 , ...., vm } es libre el sistema {(v1 )B , ...., (vm )B } de Mn1 (K) es libre; {v1 , ...., vn } es una base de E {(v1 )B , ...., (vn )B } es una base de Mn1 (K).

172

lgebra

1. En el R e.v. R3 con su estructura de espacio vectorial habitual el sistema {(1, 1, 1), (1, 1, 1), (1, 1, 0)} es libre (respectivamente ligado) si y slo si el sistema de M31 (R) formado por sus coordenadas respecto de la base cannica Bc de R3 , 1 1 1 { 1 , 1 , 1 } 1 1 0 es libre (respectivamente ligado). 2. En el C e.v. P4 (C) = {f C[x] |

Ejemplos.

gr(f ) 4 }, el sistema

{x + 3x2 , 2 + x, 3 + x3 , 1 + x4 }
es libre (respectivamente ligado) si y slo si el sistema de M41 (C) formado por sus coordenadas respecto de la base usual de P4 (C), {1, x, x2 , x3 , x4 }, 0 2 3 1 1 1 0 0 { 3 , 0 , 0 , 0 } 0 0 1 0 0 0 0 1 es libre (respectivamente ligado).

3.5.2 Dimensiones del ncleo y de la imagen


Si, por ejemplo, en el espacio tridimensional R3 consideramos la funcin proyeccin ortogonal sobre el plano xy (isomorfo a R2 ), obtenemos una funcin lineal sobreyectiva y tal que su ncleo es todo el eje de las z. Por tanto, el rango de esta proyeccin es 2, su nulidad es 1 y la suma de estos dos nmeros coincide con la dimensin del dominio de la funcin. El siguiente teorema generaliza este ejemplo a toda funcin lineal entre espacios de dimensin nita.

Teorema 3.5.4 (Teorema de la dimensin para funciones lineales)

Si f : E E es una funcin lineal tal que los subespacios Ker(f ) e Im(f ) son de dimensin nita, entonces E es tambin de dimensin nita y

dim(E) = dim(Ker(f )) + dim(Im(f )) = nulidad(f ) + rango(f ).

lgebra

173

Demostracin Sean {u1 , ...., ur } una base de Ker(f ) y {v1 , ...., vp } una
base de Im(f ). Sean, por otra parte, {w1 , ..., wp } tales que

i {1, ..., p},

f (wi ) = vi .

El teorema estar demostrado si comprobamos que {u1 , ...., ur , w1 , ..., wp } es una base de E. a) {u1 , ...., ur , w1 , ..., wp } es libre. Supongamos que

(1 , ...., r , 1 , ..., p ) Kr+p


es tal que
r p

i ui +
i=1 j =1 p

j wj = 0.

(3.1)

En ese caso

f
i=1

i ui +
j =1

j wj

= f (0) = 0.

Pero, teniendo en cuenta que f es lineal, resulta que


r p

i f (ui ) +
i=1 j =1

j f (wj ) = 0,
p

y puesto que los vectores u1 , ...., ur estn en Ker(f ), tendremos que pero entonces la relacin (3.1) queda
r

j vj =
j =1

0, con lo que, al ser {v1 , ...., vp } libre, obtenemos que (1 , ..., p ) = (0, ..., 0);
es libre, obtenemos que (1 , ...., r ) = (0, ..., 0). En denitiva, (1 , ...., r , 1 , ..., p ) = (0, ..., 0). b) {u1 , ...., ur , w1 , ..., wp } es un sistema generador de E. Sea u E. Ahora bien, f (u) Im(f ), y puesto que {v1 , ...., vp } es una base de Im(f ),
i=1

i ui = 0, y puesto que {u1 , ...., ur }

(1 , ..., p ) Kp tal que f (u) =


p

i=1 p

i vi . Pero en ese caso,


p

f (u) =
i=1

i vi =
i=1

i f (wi ) = f (
i=1

i wi ),

174 o sea,
p

lgebra

0 = f (u) f (
i=1

i wi ) =

= (por ser f lineal) =


p

= f (u
i=1

i wi ),

con lo que

u
i=1

i w i

Ker(f ),

y como Ker(f ) = L({u1 , ...., ur }),


p r

(1 , ...., r ) K .. u
i=1 p r j =1

i w i

=
j =1

j uj ,

y resulta que , u =

i wi
i=1

j uj

3.5.3 Matriz asociada a una funcin lineal


Si E y E son dos K e.v. nitamente generados, f : E E es una funcin lineal y B = {u1 , ...., un } es una base de E, segn hemos visto, la funcin f queda completamente determinada por el sistema {f (u1 ), ...., f (un )}. As, siendo B = {v1 , ..., vm } una base de E y, conocido el sistema de vectores de Mm1 (K)

{(f (u1 ))B , ...., (f (un ))B },


vamos a obtener una expresin que nos permita calcular, para todo vector w E, las coordenadas de f (w) respecto de B sin ms que conocer las coordenadas de w respecto de B. As pues, supongamos que 1j . j {1, ..., n} (f (uj ))B = . . Mm1 (K), mj

lgebra o lo que es lo mismo, que


m

175

j {1, ..., n}

(f (uj ))B =
i=1 n

ij (vi )B .

Sea w E, y supongamos tambin que w =

j =1

xj uj , es decir, que

x1 . (w)B = . . . xn
En ese caso, f (w) = f ( cuenta que
n

x j uj ) = ;

n j =1

j =1

xj f (uj ), con lo que , teniendo en

()B : E v
es un isomorsmo,
n

Mm1 (K) (v )B

(f (w))B

=
j =1 n

xj f (uj )
B m

=
j =1

xj (f (uj ))B =
n m

=
j =1

xj
i=1 n m

ij (vi )B xj ij

=
j =1 i=1

xj (ij (vi )B ) = .

=
i=1 j =1

(vi )B

Es decir,

=
n j =1

xj 1j
. . .

(f (w))B

n j =1

xj nj

176

lgebra

con lo que, teniendo en cuenta como est denido el producto de matrices, resulta que 11 1n x1 . . . . (f (w))B = . . . . . . m1 mn xn 11 1n . . . En denitiva, si A = . . . , tendremos que m1 mn

(f (w))B = A (w)B .
A la matriz A la denominaremos matriz asociada a la funcin lineal f B respecto de las bases B y B y la denotaremos por MB (f ). B Ntase que MB (f ) Mmn (K), donde m = dim(E ) y n = dim(E). En resumen:
B w E, (f (w))B = MB (f ) (w)B

cho de que j {1, ..., n} su columna j e sima es la matriz 1j . (f (uj ))B = . . Mm1 (K).

B Observacin 41 Ntese que la matriz MB (f ) est caracterizada por el he-

mj

Observacin 42 Ntese la disposicin de las bases B del espacio dominio


E y B de E en la expresin:

B (f (w))B = MB (f ) (w)B .

EJEMPLOS:
1. Si consideramos en R3 y R2 sus estructuras habituales de R e.v. y la funcin lineal f : R3 R2 determinada por f (1, 0, 0) = (1, 2), f (0, 1, 0) = (0, 1) y f (0, 0, 1) = (3, 2),

lgebra resulta que, siendo

177

B3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, B2 = {(1, 0), (0, 1)},
B3 MB (f ) = 2

1 0 3 2 1 2

Por otra parte, si consideramos la base de R3

B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}


(verifquese que efectivamente es una base), tendremos que, puesto que f es lineal,

f (1, 1, 1) = f ((1, 0, 0) + (0, 1, 0) + (0, 0, 1)) = = f (1, 0, 0) + f (0, 1, 0) + f (0, 0, 1)) = = (1, 2) + (0, 1) + (3, 2) = (4, 3 + 2),
y de forma anloga

f (0, 1, 1) = (3, 1 +
con lo que
B MB (f ) = 2

2),

4 3 3 2 3+ 2 1+ 2

2. Es evidente que siendo Bn la base cannica de Kn ,


Bn MB (IdKn ) = In Mn (K). n

K e.v. E,

En general, si B = {u1 , ...., un } es una base cualquiera de un


B MB (IdE ) = In Mn (K).

Sin embargo, siendo B = B ,


B MB (IdE ) = In .

As por ejemplo, siendo

B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)},


resulta

1 0 0 B MB (IdKn ) = 1 1 0 . n 1 1 1

178 3. Si consideramos la funcin proyeccin i e sima,

lgebra

pi :

Kn K , (x1 , ..., xn ) ; xi

siendo Bn y B1 las bases cannicas de, respectivamente, Kn y K, se verica que


Bn (pi ) = ( 0 MB 1

0 1(i) 0

0 ).

4. Si en el C e.v.

P3 (C) = {f C[x] | gr(f ) 3 },


consideramos la base usual

B = {1, x, x2 , x3 }
y la funcin lineal f : P3 (C) P3 (C) tal que

f (1) f (x) f (x2 ) f (x3 )


resulta que

= = = =

x + 3 x2 , 2 + x, 3 + x3 1 + x3 , 2 3 1 0 0 0 0 1 1 0 . 0 1

0 1 B MB (f ) = 3 0

3.5.4 Algoritmo para hallar una base del ncleo y de la imagen


Dada una funcin lineal f : E E entre dos K-espacios vectoriales de dimensiones nitas n y m, queremos hallar una base del ncleo y una base de la imagen de f . Fijadas dos bases B = {u1 , , un } y B de E y E , respectivamente, sea B MB (f ) la relativa matriz asociada a f. Nuestro mtodo consiste en el aplicar

lgebra el mtodo de Gauss a la matriz


A P
B (f ) MB In

179 hasta obtener una matriz de la forma

B , donde A es la forma gaussiana de la matriz MB (f ). Las columnas de B la matriz MB (f ) son las coordenadas de los vectores {f (u1 ), , f (un )} respecto de la base B y las columnas de la matriz In son las coordenadas de los vectores {u1 , , un } respecto de la base B. Ya que f es lineal, si k k v= k i=1 i f (ui ). Se sigue que, i=1 i ui ) = i=1 i ui , entonces f (v ) = f ( al aplicar el mtodo de Gauss sin intercambiar el orden de las columnas a B (f ) MB la matriz , las nuevas columnas obtenidas son todava de la forma In

(las transformaciones elementales usadas son lineales). As que las columnas de P que aparezcan bajo las columnas nulas de A constituyen una base del ncleo de f y las columna no nulas de A constituyen una base de la imagen de f .

(f (v ))B (v )B

Ejemplo 3.5.5 Sea f : R3 R2 denida por f (x, y, z ) = (x + 2y 3z, x


2y + z ). Sean B y B las bases cannicas de R3 y R3 . Entonces
B MB (f )

In

1 2 3 1 2 1 = 1 0 0 0 1 0 0 0 1

c2 = c2 2c1 c3 = c3 + 3c1 1 0 0 1 4 0 1 2 1 0 1 1 0 0 1

1 0 0 1 4 4 1 2 3 0 1 0 0 0 1

c3 = c3 + c2

y {(1, 1), (0, 4)} es una base de Im(f ) y {(1, 1, 1)} es una base de Ker(f ).

3.5.5 Matriz asociada a la composicin de funciones lineales


En esta seccin vamos a determinar la matriz asociada a una funcin h = g f que es la compuesta de dos funciones lineales f y g a partir de las matrices asociadas a f y a g.

180

lgebra

Utilizaremos los siguientes resultados para determinar fcilmente la nueva matriz que queda asociada a una funcin lineal si cambiamos las bases de su dominio y codominio.

Lema 3.5.6 Sean A, B Mmn (K). En estas condiciones


1. (A = (0) Mmn (K)) (X Mn1 (K), A X = (0) Mm1 (K)) ; 2. A = B (X Mn1 (K), A X = B X ) .

Demostracin 1.   Es evidente.

1.   Siendo Bc = {e1 , ..., en } la base cannica pleando la notacin habitual de matrices se escribira 1 0 0 1 {e1 , ..., en } = { . , . , ..., . . . .

de Mn1 (K), que em-

0 0 . . . 1

} ,

resulta que, por hiptesis, i {1, ..., n}, A ei = (0) Mm1 (K), pero por otra parte, j {1, ..., m}
n

(A ei )(j, 1) =
k=1

(A(j, k ) ei (k, 1)) = A(j, i),

es decir, A ei = Ai (i.e., la columna i e sima de la matriz A), y puesto que

i {1, ..., n}

A ei = (0) = Ai ,

resulta que A = (0). 2. A = B A B = (0) X Mn1 (K) (A B ) X = (0) X Mn1 (K) A X = B X. 2

y B son bases de E, E y E respectivamente, y f : E E y g : E E son funciones lineales, entonces se verica que


B B B (g ) MB (f ), MB (g f ) = MB

Proposicin 3.5.7 Si E, E y E son K e.v. de dimensin nita, B , B

donde   es el producto usual de matrices.

lgebra

181

Las hiptesis de la proposicin se pueden representar por medio de la siguiente tabla, donde se supone que

dim(E ) = n,

dim(E ) = m,
g f

dim(E ) = p.

EB ()B Mn1 (K)

EB ()B

EB ()B

B (f ) MB

Mm1 (K)
B (g f ) MB

B (g ) MB

Mp1 (K)

La conclusin es que
B B B (f ). (g ) MB MB (g f ) = MB

Demostracin Supongamos que dim(E) = n. Puesto que la funcin ()B :

E Mn1 (K) es un isomorsmo, X Mn1 (K) u E tal que X = (u)B . Por otra parte, u E,
B B B B (f ) (u)B = MB (g ) MB (f ) (u)B = MB (g ) MB B = MB (g ) (f (u))B = (g (f (u)))B = = ((g f )(u))B .

Adems es decir, u E,

B MB (g f ) (u)B = ((g f )(u))B ,

B B B (g ) MB (f ) (u)B = MB (g f ) (u)B , MB

o lo que es lo mismo, X Mn1 (K),


B B B MB (g ) MB (f ) X = MB (g f ) X,

182 con lo que, por el lema anterior,


B B B MB (g ) MB (f ) = MB (g f ).

lgebra

R e.v. y las funciones lineales f : R3 R2 y g : R2 R2 tales que


B3 (f ) = MB 2

Ejemplo 3.5.8 Si consideramos en R3 y R2 sus estructuras habituales de


0 1 2 2 1 1 1 0 0 1 ,

y
B2 MB (g ) = 2

resulta que
B3 B2 B3 MB (g f ) = MB (g ) MB (f ) = 2 2 2

1 0 0 1

0 1 2 2 1 1

0 1 2 2 1 1

Observacin 43 Es importante observar, tanto en la proposicin como en el ejemplo anterior, el orden en el que se multiplican las matrices y la coincidencia de la bases que aparecen en la expresin
B2 B3 MB (g ) MB (f ) 2 2

segn la direccin Noroeste-Sureste.

Observacin 44 La representacin de una funcin lineal entre espacios vec-

toriales de dimensin nita mediante un producto de matrices as como la proposicin (3.5.7), justican la denicin dada en el captulo 1 del producto de matrices.

lgebra

183

3.5.6 Matrices semejantes y cambios de base


Dado un K e.v. E de dimensin  n, teniendo en cuenta que la funcin IdE : E E es lineal, resulta que, siendo B y B bases de E, tendremos que u E , B (u)B = MB (IdE ) (u)B , es decir, podemos obtener mediante un producto de matrices las coordenadas de cualquier vector respecto de la base B , sin ms que conocer sus coordenadas respecto de la base B y la matriz de transicin de B a B B MB (IdE ). Es ms, teniendo en cuenta que
B B MB (IdE ) = In = MB (IdE ),

y que, como consecuencia de la proposicin (3.5.7),


B B B B In = MB (IdE ) = MB (IdE IdE ) = MB (IdE ) MB (IdE ) B B B B (IdE ) MB (IdE ), (IdE IdE ) = MB (IdE ) = MB In = MB B obtenemos en denitiva que la matriz MB (IdE ) es invertible y que adems B MB (IdE ) 1 B (IdE ). = MB

En consecuencia,

si E es un K e.v. de dimensin  n y A Mn (K) es tal que


B (IdE ), A = MB

entonces la matriz A es invertible, y adems


B A1 = MB (IdE ).

Otra de las aplicaciones de la proposicin (3.5.7) consiste en que nos B aporta un mtodo para obtener la matriz MB (f ) de una funcin lineal f :

E E respecto de otras bases (tanto de E como de E ). As, por ejemplo,

184

lgebra

si B1 es otra base de E, considerando la funcin lineal IdE : E E, resulta que B1 B1 B1 B (f IdE ) = MB (f ) MB (IdE ), (3.2) (f ) = MB MB y si B es otra base de E , considerando la funcin lineal IdE : E E , resultar que
B B B B (IdE f ) = MB (IdE ) MB (f ). (f ) = MB MB

(3.3)

En particular, sean B y B dos bases del mismo K e.v. E de dimensin B B (f ) las matrices (f ) y MB nita n y f : E E una funcin lineal. Sean MB asociadas a f respecto de las bases B y B . Utilizando las ecuaciones (3.2), (3.3) y la proposicin (3.5.7), se obtiene que
B B B B MB (f ) = MB (f IdE ) = MB (f )MB (IdE ) = B B B B B = MB (IdE f )MB (IdE ) = MB (IdE )MB (f )MB (IdE ).

Entonces,

B B B B MB (f ) = (MB (IdE ))1 MB (f )MB (IdE ).

(3.4)

Esta ltima ecuacin justica la siguiente denicin:

Denicin 3.5.9 Sean A, B Mn (K). Se dice que A y B son semejantes


si existe una matriz invertible P Mn (K) tal que B = P 1 AP.

equivalencia.

Observacin 45 La relacin de semejanza sobre Mn (K) es una relacin de

Ejercicio 3.5.2 Si consideramos en R3 y R2 sus estructuras habituales de


R e.v. y la funcin lineal f : R3 R2 tal que
B3 MB (f ) = 2

0 1 2 2 1 1

siendo

B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}, y B = {(1, 1), (0, 1)},
B3 B B obtener las matrices MB (f ), MB (f ) y MB (f ). 2

lgebra

185

Ejemplo 3.5.10 Si consideramos en R2 su estructura habitual de R e.v.


y las bases B2 (la base cannica) y B = {(0, 2), (1, 1)}, resulta que
B MB (IdR2 ) = 2

0 1 2 1

B2 por otra parte, para hallar MB (IdR2 ) , podemos, o bien calcular por cualB (IdR2 ), o bien, tener quier mtodo que se conozca la matriz inversa de MB 2 B2 en cuenta que los vectores columna de MB (IdR2 ) son las coordenadas de los vectores de la base cannica respecto de B. Si resolvemos el sistema de ecuaciones en , , y que se obtiene al escribir

(1, 0) = (0, 2) + (1, 1) y


llegamos a que

(0, 1) = (0, 2) + (1, 1),

1 1 2 2 1 0

B2 = MB (IdR2 ).

3.5.7 Ecuaciones paramtricas e implcitas de un subespacio vectorial


En esta seccin se denen y se muestra como hallar las ecuaciones paramtricas e implcitas de un subespacio cualquiera de un espacio vectorial de dimensin nita. En el captulo 5 veremos como estas ecuaciones se utilizan en el contexto de los cdigos lineales. En el captulo 2 vimos que una recta r y un plano por (0, 0, 0) son subespacios de R3 . Sus ecuaciones paramtricas son: x = a r : y = b R, z = c donde el vector u = (a, b, c), paralelo a r, es una base de r. Notar que R = Rdim(r) y que la funcin

g : R R3 ,

186 denida por

lgebra

g () = (a, b, c),
es lineal, inyectiva y

r = Im(g ).
Se sigue que g : R r es un isomorsmo. Para el plano las ecuaciones paramtricas son x = u1 + v1 : y = u2 + v2 , R, z = u3 + v3 donde los vectores u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ), linealmente independientes, forman una base de . Notar que, en este caso, R2 = Rdim() y que la funcin

g : R2 R3 ,
denida por

g (, ) = u + v,
es lineal, inyectiva y

= Im(g ).
Se sigue que g : R2 es un isomorsmo. En general, sean E un K e.v. tal que dim(E) = n y H E, H = {0}, de manera que dim(H ) = r > 0. Segn hemos visto, los espacios Kr y H son isomorfos. Si g : Kr H es un isomorsmo y u E, tendremos que

u H u Im(g ) (1 , ..., r ) Kr tal que u = f (1 , ..., r ).


Siendo B una base cualquiera de E y Br la base cannica de Kr , tendremos que 1 . Br u = g (1 , ..., r ) (u)B = (g (1 , ..., r ))B = MB (g ) . .

r
es decir,

lgebra

187

1 . Br u H (1 , ..., r ) Kr ..(u)B = MB (f ) . . . r
A la expresin

1 . Br (u)B = MB (f ) . . r

la denominaremos ecuaciones paramtricas de H respecto de la base B .

Ejemplo 3.5.11 Consideramos el espacio R3 con su base cannica B3 y

sea H el subespacio generado por el sistema {(1, 1, 0), (1, 2, 1)}. Teniendo en cuenta que este sistema es libre, resulta que dicho sistema es una base de H y que H es un plano por (0, 0, 0). Dado entonces (x, y, z ) R3 , resulta que (x, y, z ) H si y solo si (, ) R2 tal que (x, y, z ) = (1, 1, 0) + (1, 2, 1), es decir, (x, y, z ) = ( + , + 2, ). Si g : R2 H es el 1 1 1 2 , entonces isomorsmo denido por g (1, 0) = y g (0, 1) = 0 1 1 1 B2 1 2 . MB3 (g ) = 0 1 1 1 1 , ((1, 2, 1))B3 = 2 , Teniendo en cuenta que ((1, 1, 0))B3 = 0 1 las ecuaciones paramtricas de H respecto de la base B3 se escribiran:

(u)B3

1 1 = 1 2 0 1

x o, en forma de sistema de ecuaciones, siendo y las coordenadas respecto z de B3 de un vector genrico de H ,

188

lgebra

x=+ y = + 2 . z=
Volviendo al caso de una recta r y un plano por (0, 0, 0) en R3 , vimos que sus ecuaciones implcitas son

r:
y

h1 (x, y, z ) = a1 x + b1 y + c1 z + d1 = 0 h2 (x, y, z ) = a2 x + b2 y + c2 z + d2 = 0 : h(x, y, z ) = ax + by + cz + d = 0.

En el caso de la recta r, si denimos la funcin h : R3 R2 como h(x, y, z ) = (h1 (x, y, z ), h2 (x, y, z )), resulta que

r = {(x, y, z ) : h(x, y, z ) = 0} = Ker(h).


Notar que el codominio de h es R2 = R3dim(r) . Para el plano , se puede denir la funcin h : R3 R como h(x, y, z ) = ax + by + cz + d y resulta que

= {(x, y, z ) : h(x, y, z ) = 0} = Ker(h).


Notar que el codominio de h es, en este caso, R = R3dim() . El caso general es el contenido de la siguiente proposicin.

H = {0}, H = E, de manera que 0 < dim(H ) = r < n. En estas condiciones existe una funcin lineal h : E Knr tal que H = ker(h).

Proposicin 3.5.12 Sean E un K e.v. tal que dim(E) = n y H E,

extensin de una base, {ur+1 , ..., un } E tal que {u1 , ..., un } es una base de E. Siendo {e1 , ..., enr } la base cannica de Knr consideramos la funcin lineal h : E Knr determinada por las condiciones: 0 si i r i {1, ..., n}, h(ui ) = . Evidentemente H Ker(h), y eir si i > r puesto que el conjunto {e1 , ..., enr } Im(h), resulta que dim(Im(h)) = n r, con lo que, teniendo en cuenta que dim(E) = n, resulta que dim(Ker(h)) =

Demostracin Sea {u1 , ..., ur } H una base de H. Por el teorema de

lgebra

189

r = dim(H ), es decir, H = Ker(h).

Vista la proposicin anterior, si B = {u1 , ..., un } es una base de E y h : E Knr es una funcin lineal tal que Ker(h) = H, siendo Bnr la base cannica de Knr resulta que
B u H h(u) = 0 MB (h) (u)B = (0) nr

en denitiva,
B u H MB (h) (u)B = (0) nr

A la expresin

B MB (h) (u)B = (0) nr

(o a su versin equivalente como sistema homogneo de ecuaciones) la denominaremos ecuaciones implcitas de H respecto de B.

subespacio generado por el sistema {(1, 1, 0), (1, 2, 1)}. Teniendo en cuenta que este sistema es libre, resulta que dicho sistema es una base de H y que H es un plano. Extendiendo este sistema con el vector (0, 1, 0), resulta que

Ejemplo 3.5.13 Sea H el subespacio de R3 del ejemplo anterior, i.e., el

B = {(1, 1, 0), (1, 2, 1), (0, 1, 0)}


es un sistema libre (verifquese) y en consecuencia es una base de R3 . Si ahora consideramos la funcin lineal h : R3 R, determinada por las condiciones h(1, 1, 0) = 0, h(1, 2, 1) = 0 y h(0, 1, 0) = 1, resulta que H = Ker(h), y en consecuencia, siendo B1 la base cannica de R, u H h(u) = 0 B MB (h) (u)B = (0), es decir, las ecuaciones implcitas de H respecto 1 de x y las B son 0 0 1 (u)B = (0), o lo que es lo mismo, siendo z x coordenadas de un vector genrico de H, 0 0 1 y = (0), que z escritas en forma de sistema de ecuaciones se reducen a z = 0.

190

lgebra

Si ahora quisiramos obtener las ecuaciones implcitas de H respecto de otra base, por ejemplo la base cannica de R3 , B3 , es suciente con cambiar la matriz considerada, es decir, las ecuaciones implcitas de H respecto de B3 B3 B3 B3 B son MB (h) (u)B = (0) y, puesto que MB (h) = MB (h) MB (Id), teniendo 1 1 1 1 1 1 0 1 0 1 1 B3 B = 1 2 1 = 0 0 1 , (Id) en cuenta que MB (Id) = MB 3 0 1 0 1 1 1 resulta que las ecuaciones implcitas de H respecto de B3 son 1 0 1 x 0 0 1 0 0 1 y = (0), 1 1 1 z es decir, x + y z = 0.

3.6 Ejercicios
3.6.1 Ejercicios resueltos
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 3 z (x, y, z ) xyz c) f : R2 R (x, y ) x2 + y

2. Dada la funcin lineal f : R2 R3 determinada por las condiciones

f (1, 0) = (3, 4, 1), f (0, 1) = (1, 0, 1),


determinar f (3, 1) y f (2, 1). 3. Determinar si la funcin T : M2 (R) R, donde

lgebra

191

a b = 3a 4b + c d c d a b b) T = a 2 + b2 c d es una transformacin lineal.


a) T 4. Sea T : R2 R2 el operador lineal denido por la expresin T (x, y ) = (2x y, 8x + 4y ). Cules de los siguientes vectores estn en R(T )? a) (1,-4) b) (5,0) c) (-3,12)

T (x, y ) = (2x y, 4(2x 4)).


5. Sea T : P2 P3 la transformacin lineal denida por T (p(x)) = xp(x). Cules de los siguientes vectores estn en Ker(T )? a) x3 b) 0 c)1 + x 6. En cada inciso, usando la informacin proporcionada obtener la nulidad de T. a) T : R5 R7 tiene rango 3. b) T : P4 P3 tiene rango 1. c) T (R6 ) = R3 . d) T : M2 (R) M2 (R) tiene rango 3. 7. Sea T : R2 R2 la proyeccin ortogonal sobre la recta y=x. a) Encontrar el ncleo de T. b) Es T uno a uno? Justicar la conclusin. 8. En cada inciso, usando la informacin dada determinar si (la funcin lineal) T es uno a uno. a) T : Rn Rm ; nulidad(T) =0. b) T : Rn Rn ; rango(T) = n-1. c) T : Rm Rn ; n<m. d) T : Rn Rn ; R(T) = Rn . 9. Sea T : P2 P1 la transformacin lineal denida por T (a0 + a1 x + a2 x2 ) = (a0 + a1 ) (2a1 + 3a2 )x. a) Encontrar la matriz para T con respecto a las bases B2 = {1,x,x2 } y B1 = {1,x} para P2 y P1 . B1 b) Comprobar que la matriz (T)B2 ,B1 = MB (T ) obtenida en el inciso a) 2 satisface la frmula : A(p(x))B2 = (T(p(x)))B2 .

192 10. Sea T1 : P1 P2 la transformacin lineal denida por

lgebra

T1 (c0 + c1 x) = 2c0 3c1 x


y sea T2 : P2 P3 la transformacin lineal denida por T2 (c0 + c1 x + c2 x2 ) = 3x(c0 + c1 x + c2 x2 ). Sean B1 = {1,x}, B2 = {1,x,x2 } y B3 = {1,x,x2 ,x3 }. B1 B2 B1 a) Encontrar MB (T2 T1 ), MB (T2 ), MB (T1 ). 3 3 2 b) Escribir una frmula que relacione las matrices del inciso a). c) Comprobar que las matrices del inciso a) satisfacen la frmula planteada en el inciso b). 11. Sean A y B matrices semejantes. Demostrar lo siguiente: a) At y Bt son semejantes. b) Si A y B son invertibles, entonces A1 y B1 son semejantes. 12.(Teorema alternativo de Fredholm) Sea T : V V un operador lineal sobre un espacio vectorial n dimensional. Demostrar que se cumple exactamente una de las siguientes proposiciones: i) La ecuacin T(x) =b tiene una solucin para todo los vectores b en V. ii) Nulidad de T > 0. 13. Sea la funcin lineal f : R4 R3 determinada por las condiciones

f (1, 1, 1, 1) = (0, 0, 1), f (1, 0, 1, 0) = (1, 1, 1), f (1, 1, 1, 0) = (0, 0, 1), f (1, 2, 0, 0) = (1, 1, 1). R3 .
a) Hallar la matriz asociada a f respecto de las bases cannicas de R4 y

b) La dimensin y las ecuaciones de Ker(f ) e Im(f ) respecto de las bases cannicas de R4 y R3 . 14. Sea E un espacio vectorial de dimensin 3 y B = {e1 , e2 , e3 } una base de E. Consideramos la funcin lineal f : E E tal que su matriz asociada sea 15 11 5 B (f ) = 20 15 8 . MB 8 7 6

lgebra

193

Hallar la matriz asociada a f respecto de la base B = {u1 , u2 , u3 }, donde

u1 = 2e1 + 3e2 + e3 , u2 = 3e1 + 4e2 + e3 , u3 = e1 + 2e2 + 2e3 .

15. Hallar una base del ncleo y una base de la imagen de la siguiente funcin lineal: f : R4 R3 determinada por las condiciones:

f (1, 0, 0, 0) = (1, 0, 1), f (0, 1, 0, 0) = (2, 1, 1), f (0, 0, 1, 0) = (3, 0, 1), f (0, 0, 0, 1) = (1, 1, 1).

16. En R2 se considera la base B = {u1 , u2 }, donde

u1 = 2 e 1 + 3 e 2 , u2 = 3 e 1 + 4 e 2 ,
y B2 = {e1 , e2 } = {(1, 0), (0, 1)}. Siendo la funcin lineal f : R2 R2 tal que su matriz asociada respecto de B es
B MB (f ) =

3 15 2 10

hallar una base de Ker(f ) y una base de Im(f ).

3.6.2 Ejercicios propuestos


1. Razona si las siguientes funciones son o no lineales (en cada uno de los conjuntos considerados se considera su estructura habitual de espacio vectorial): f: R3 R (x, y, z ) 2x + 1

g: h:

R3 R2 (x, y, z ) (x y, y 2 )

R4 R2 (x, y, z, t) (2x 3y + t, z t)

194

lgebra

2. Prueba que para toda aplicacin R-lineal f : R R existe un nmero real a tal que f (x) = ax, x R. 3. Prueba que dado un Kespacio vectorial E , una aplicacin lineal

f : E K
no nula es sobreyectiva. 4. Sea D((a, b), R) el conjunto de funciones derivables reales de variable real denidas en el intervalo (a, b) R. (a) Demuestra que D((a, b), R) es un subespacio vectorial de F ((a, b), R). (b) Prueba que la aplicacin derivada

D : D((a, b), R) F ((a, b), R) f D(f ) = f


es una aplicacin lineal. (c) Cul es el ncleo de dicha aplicacin? 5. Sea C ([a, b], R) el espacio vectorial de funciones reales continuas denidas en el intervalo [a, b] R. Prueba que la aplicacin integral denida

I : C ([a, b], R) R b f I (f ) = a f (x)dx


es una aplicacin lineal. 6. Considera el espacio vectorial P3 (R) de polinomios de grado menor o igual que 3 y las bases:

B3 = {1, x, x2 , x3 } y B = {1, (x 1), (x 1)2 , (x 1)3 }.


B3 B Calcula las matrices de cambio de base: MB (IdP3 (R) ) y MB (IdP3 (R) ). 3 Halla las coordenadas respecto de B de los polinomios:

2x + 4x2 + x3 , 1 + x3 , 2 + 2x, 2 + x2 x3 .

lgebra

195

7. Sea B3 = {e1 , e2 , e3 } la base cannica de R3 . Sea f la nica aplicacin lineal de R3 en R4 vericando:

f (e1 ) = (2, 0, 1, 0) f (e2 ) = (1, 3, 2, 3) f (e3 ) = (1, 1, 1, 1)


(i) Halla f (x, y, z ) para (x, y, z ) R3 . (ii) Calcula una base de Ker(f ). (iii) Calcula una base de Im(f ). 8. Considera la aplicacin lineal denida por:

f : R3 R3 ,

3 f (x, y, z ) = (x + 2y 2z, x + 4y 3z, x + 3y 2z ) 2


Qu dimensin tiene

Calcula las ecuaciones implcitas de Im(f ). Ker(f )?

9. Estudia la inyectividad, sobreyectividad y biyectividad de las aplicaciones lineales:

f:

R3 R3 (x, y, z ) (2x + y z, 3x + 2y 4z, x + 2y z )

g:

R4 R3 (x, y, z, t) (2y 3z 3t, x + 2z + 4t, 2x + y + z ) h : R2 R4 denida por e1 h(e1 ) = (2, 1, 0, 3) e2 h(e2 ) = (1, 0, 1, 7)

10. Siendo f , g y h las aplicaciones lineales del ejercicio anterior, responde a las siguientes preguntas:

Pertenecen (3, 1, 0) y (2, 0, 1) a Im(f )? Pertenecen (2, 7, 11, 3) y (14, 15, 13, 3) a Ker(g )? Pertenecen (1, 1, 1, 10) y (1, 2, 5, 3) a Im(h)?

196 11. Sea f la aplicacin lineal de R3 a R3 cuya cannica B3 = {e1 , e2 , e3 } es: 3 5 B3 2 4 MB ( f ) = 3 5 2

lgebra matriz respecto de la base

0 2 5

Sea B = {v1 = (2, 2, 2), v2 = (0, 1, 2), v3 = (1, 2, 2)}. - Comprueba que B es una base de R3 .
B3 B B (IdR3 ) y MB (f ) - Calcula las matrices MB (IdR3 ), MB 3

12. Para cada n N, sea Pn (R) el espacio vectorial de polinomios en una variable de grado menor o igual que n con coecientes en R. Sea Bn = {1, x, . . . , xn } la base cannica de dicho espacio. Sea Dn la restriccin de la aplicacin derivada D a Pn (R):

Dn : Pn (R) Pn1 (R) p D(p) = p


Para n = 3, calcula la matriz de la aplicacin D3 respecto a las bases B3 y B2 . Cul ser la forma general de la matriz de Dn respecto a las bases Bn y Bn1 ?

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 + v, w >=< 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 2 uv 2 < u, v >= 1 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

< u + v, u + v > 0

< u + v, u + v >=< 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

< u + v, u + v >= 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 < u + v, u + v >= 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 + v, u + v >=< 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 = < 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

< u 2 , v1 > v1 < v 1 , v1 > < u3 , v2 > < u 3 , v1 > v1 v2 = u3 < v 1 , v1 > < v 2 , v2 > . . . < u r , v r 1 > < 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 < u 1 , q1 > < u 2 , q 1 > < u n , q 1 > < u 1 , q2 > < u 2 , q 2 > < u n , q 2 > R= , . . . . . . . . . . . .

< u 1 , q n > < 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: < u 1 , q 1 > < 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 Entonces u1 = 0 y u2 = 1 . 1 1

lgebra

211

Aplicando el mtodo de Gram-Schmidt se obtiene la base ortogonal 1 1 0 < u2 , v1 > 2 0 = 1 . v 1 = u1 , v 2 = u2 v1 = 1 < 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 > < u 2 , 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 E, al subespacio ortogonal de H se le denomina

complemento ortogonal de H.
estas condiciones se verica que

Proposicin 4.4.4 Sean (E, <, >) un e.v.e. con dim(E ) = n y H E. En


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 E y


u E, si u = h + h
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 H (u). subespacio de dimensin nita r de E. Si B = (w1 , w2 , , wr ) es una base ortonormal de H , sea p H : E H la funcin proyeccin ortogonal de E sobre H, denida por

Ejercicio 4.4.1 Sea E un R e.v.e. con producto escalar < , > y H un

p H (u) =< u, w1 > w1 + < u, w2 > w2 + + < u, wr > wr


Vericar que p H es lineal.

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 H (u) = h = 1 w1 + ... + r wr =< u, w1 > w1 + ...+ < u, wr > wr .


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 2 x = 1. < x, x >1 3

Una base ortonormal es

w1 =
Entonces
2 p H (x )

u1 u1

=
1

x
2 3

3 x, 2

w2 =

u2 u2

1 = . 2

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

< u
j =1

< u, wj > 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 H (u)) d(u, w )
En otras palabras, p H (u) =
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 H (u)) = d(u,


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 H (u)) +

p H (u) + pH (u) r

=
2

(u

(< u, wi > i )wi


i=1 r

por la identidad de Parseval, ya que u

p H (u) +

H y
i=1 r

(< u, wi > i )wi H,


2

=
con lo que

2 p H (u)

(< u, wi > i )wi


i=1

u p H (u)

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

3 2. Considera la funcin proyeccin ortogonal p V de R sobre el subespacio V del ejercicio anterior como aplicacin de R3 a R3 . Calcula: B3 B MB (pV ) y MB (pV ) 3

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.

Captulo 5 Cdigos lineales


5.1 Introduccin

En nuestros das, la generalizacin en el uso de instrumentos electrnicos conlleva la necesidad de transmitir una gran cantidad de datos de forma rpida y segura. Ejemplos de lo anterior son la transmisin de imgenes de televisin a y desde satlites y la comunicacin telefnica. Otros ejemplos, en los que hay menos distancia entre el emisor y el receptor de la informacin, son la transmisin de datos entre ordenadores conectados a una red o entre distintas unidades de un mismo ordenador. La teora de cdigos tiene su origen en el artculo de Claude Shanon The Mathematical Theory of Communication , publicado en la revista Bell System Technical Journal 27, 1948 y en los trabajos de Marcel Golay (1949) y Richard Hamming (1950). Deseamos transmitir informacin a travs de un canal con ruido segn el esquema: Transmisor >>>>>>>>> Receptor
RU IDO

Codicador

Decodicador

Mensaje original

Mensaje decodicado

Se quieren detectar y, si es posible, corregir los errores de transmisin. El esquema general es el siguiente: 219

220

lgebra

Se utiliza el alfabeto binario Z2 = {0, 1}. Se codica el mensaje original utilizando palabras (cadenas) binarias (un error es una confusin entre un 0 y un 1). Se transmite el mensaje, que se corrompe. Se corrige el mensaje (si es posible). El codicador traduce el mensaje.
Es conveniente utilizar palabras de la misma longitud. Hay 2n palabras binarias de longitud n N.

Ejemplo 5.1.1 Si n = 3,
Z3 2 = {000, 100, 010, 001, 110, 101, 011, 111}
es el conjunto de las palabras binarias de longitud 3.
Cada uno de los smbolos de una palabra es un bit (binary digit). Un cdigo binario C de longitud n es un cualquier subconjunto de

Zn 2.

Ejemplo 5.1.2 Supongamos que queremos enviar los siguientes mensajes:


ARRIBA,
Cdigo C1 C2 C3 Longitud 2 3 6

ABAJO,
ARRIBA 00 000 000000

IZQU IERDA,
ABAJO 10 110 111000

DERECHA.
DERECHA 11 101 110011

Vamos a utilizar varios cdigos, denidos en la siguiente tabla: IZQUIERDA 01 011 001110

Entonces: C1 no tiene capacidad de detectar errores (alterando un bit se obtiene una palabra del cdigo). C2 es capaz de detectar un error individual (alterando un bit se obtiene una palabra que no puede ser del cdigo) y no puede corregir errores. Por ejemplo, 111 puede ser el resultado de un nico error en las tres palabras del cdigo 110, 011 o 101. C3 es capaz de detectar un error individual y corregirlo (dos palabras distintas del cdigo no pueden transformarse en la misma palabra si hay un nico error).

lgebra Simplicaremos el modelo suponiendo que:

221

El canal es binario (los mensajes que se transmiten son cadenas de ceros y unos). El canal es simtrico (la probabilidad p de cambiar un 0 por un 1 en la transmisin es la misma que la de cambiar un 1 por un 0). El canal no tiene memoria (la probabilidad p de cambiar un 0 por un 1 en la transmisin no depende de los smbolos previamente enviados). La probabilidad p es conocida como probabilidad de error del canal binario simtrico. No hay errores de sincronizacin (el nmero de smbolos recibidos es igual al nmero de smbolos enviados). Enviamos informacin redundante: para poder detectar y corregir los errores de transmisin se utiliza un cdigo de tipo (n, k ), n > k, donde un mensaje formado por k smbolos se transforma en una palabra de n > k smbolos, por tanto hay n k smbolos redundantes
mensaje Z
k 2

palabra Z2

k+(nk)

1 0 . . . 1

codicador

1 0 . . . 1 . . .

transmisio n

k+(nk) Z2

transmisio n

? ? . . . ? . . .

mensaje Zk 2

decodicador

1 0 . . . 1

As, para enviar un mensaje formado por k smbolos 0 1 (es decir un elemento de Zk 2 ), en primer lugar construimos una palabra (o secuencia

222

lgebra de ceros y unos) del cdigo compuesto por cadenas de longitud k + (n k ) = n (cdigo de tipo (n, k ), es decir, con n k smbolos de informacin redundante). A continuacin transmitimos dicha palabra y, dependiendo de la informacin recibida, el decodicador detecta si se ha producido error en la transmisin. En el caso de que sea posible, reconstruye el mensaje.

Observacin 53 Un cdigo de tipo (n, k ) es, pues, un subconjunto de Zn 2.

5.2 Distancia de Hamming, deteccin y correccin de errores


Denicin 5.2.1 La distancia de Hamming d(a, b) entre dos palabras a
y b de un cdigo C es el nmero de bits (smbolos) en que dieren a y b.

Ejemplo 5.2.2
d(1101, 1000) = 2, d(1010101, 1100100) = 3.

distancia, es decir que, a, b, c C :

Ejercicio 5.2.1 Vericar que la distancia de Hamming d(a, b) 0 es una


i) d(a, b) = 0 a=b ii) d(a, b) = d(b, a) iii) d(a, b) d(a, c) + d(c, b).

Denicin 5.2.3 Dado un cdigo C con distancia de Hamming d(a, b), la distancia mnima dmin entre pares de palabras distintas de C es el nmero:

dmin = min{d(a, b) : a, b C, a = b}.

producen ms que dmin 1 errores en la transmisin de una palabra, el receptor ser capaz de reconocer que la palabra recibida no es del cdigo. La justicacin de esta armacin es la siguiente: introduciendo un nmero de errores menor o igual que dmin 1 en una palabra del cdigo no se obtiene otra palabra del cdigo.

Observacin 54 Si la distancia mnima de un cdigo C es dmin y no se

lgebra

223

El principio del vecino ms prximo (o criterio de la mayora gana) nos dice que si recibimos una palabra errnea, deberamos suponer que la palabra del cdigo enviada es la ms cercana a la recibida (en el sentido de la distancia de Hamming). Es decir, si r < s es ms probable que se hayan producido r errores que s errores.

Teorema 5.2.4 Aplicando el principio del vecino ms cercano, un cdigo C


puede corregir e errores si la distancia mnima cumple la condicin

dmin 2e + 1.

Demostracin Sea c C la palabra original y sea z la palabra recibida,


que contiene e errores. Entonces d(c, z ) = e. Si b C es otra palabra del cdigo,

2e + 1 dmin d(b, c) d(b, z ) + d(z, c) = d(b, z ) + e


y por tanto

d(b, z ) e + 1.
Se sigue que c es la nica palabra de C a distancia e de z.

5.2.1 Cdigo de paridad: deteccin de errores simples


La tabla ASCII para representar los caracteres alfanumricos est formada por 128 = 27 smbolos codicados en palabras binarias de longitud 8: los primeros 7 bits contienen la informacin y el octavo el control de paridad, es decir 0 si el nmero de unos que aparecen en los 7 primeros bits es par y 1 en caso contrario. Por ejemplo las palabras

10000010 y 01000111
son palabras del cdigo mientras que 01000110 no lo es. Esta codicacin (8, 7) permite detectar algunos errores de transmisin pero no corregirlos. Ms exactamente podemos reconocer aquellas situaciones en las que se produce un nmero impar de errores en la transmisin de los 8 bits. Por tanto la probabilidad de error no detectable en la transmisin es:

224

lgebra

Perr = P2 + P4 + P6 + P8 = 8 = p2 (1 p)6 + 2 8 + +p4 (1 p)4 4 8 +p6 (1 p)2 + 6 +p8


Por ejemplo si la probabilidad p de error en el canal es 0.01 la probabilidad de error no detectable con esta codicacin es 0.0026368.

5.2.2 Cdigo de repeticin: correccin de errores simples


Si los mensajes son simplemente los smbolos 0 y 1, podemos codicarlos del siguiente modo: mensajes 0 1 cdigo 000 111

Para decodicar seguimos el criterio de la mayora gana: palabra recibida 000 001 010 011 100 101 110 111 decodicacin 0 0 0 1 0 1 1 1

Ya que dmin = 3, la condicin dmin 2e + 1 implica e 1. Con este cdigo (3, 1) detectamos hasta 2 errores, corregimos correctamente las

lgebra

225

situaciones en las que se produce un nico error y fallamos en aqullas en las que se produce ms de un error. Por ejemplo, si recibimos la palabra 011, la decodicacin 111 es correcta si e = 1 y es incorrecta si e 2. La probabilidad de error no detectable en la transmisin es:

Perr = P2 + P3 = p2 (1 p)

3 + p3 2

Por ejemplo si la probabilidad p de error en el canal es 0.01 la probabilidad de error en la decodicacin es menor que 0.0003.

5.3

Cdigos lineales

Como veremos, si un cdigo tiene estructura de espacio vectorial sobre el cuerpo Z2 , podemos estudiar sus propiedades utilizando los resultados obtenidos para espacios vectoriales generales. En particular, estos tipos de cdigos se pueden describir en trminos de sus ecuaciones paramtricas e implcitas.

Denicin 5.3.1 Diremos que un cdigo C Zn 2 es lineal si C es un subespacio vectorial de Zn 2.

Ejemplo 5.3.2 No es difcil vericar que, para los cdigos denidos en la


tabla del ejemplo 5.1.2, C1 y C2 son lineales y C3 no lo es.

Ejercicio 5.3.1 Es lineal el cdigo de paridad? Ejercicio 5.3.2 Es lineal el cdigo de repeticin?
Sean C Zn 2 un cdigo lineal y {u1 , u2 , , uk } una base de C. Si Bk = {e1 , e2 , , ek } es la base cannica de Zk 2 , la funcin lineal
n g : Zk 2 Z2

denida por

g (ei ) = ui

(i = 1, , k ),

es inyectiva (siendo {u1 , u2 , , uk } libre) y Im(g ) = C. Por tanto la funcin g dene las ecuaciones paramtricas del cdigo C.

226

lgebra

Denicin 5.3.3 Si C Zn 2 es un cdigo lineal y {u1 , u2 , . . . , uk } es una base de C llamaremos matriz generadora del cdigo C a la matriz n
k (asociada a la funcin lineal g denida arriba) cuyas columnas son las coordenadas de u1 , u2 , . . . , uk respecto de la base cannica de Zn 2 : G= (u1 )Bn (u2 )Bn (uk )Bn

Si C Zn 2 es lineal y dim(C ) = k, entonces C es un cdigo de tipo (n, k ) ya que, por ser C isomorfo a Zk 2 , el nmero de palabras de C coincide con l k de Z2 . Adems si G es una matriz generadora del cdigo obtenida al elegir n las bases cannicas de Zk 2 y Z2 , la aplicacin

Zk 2 ( x1 , . . . , x k )

C x1 . t G . . xk

es un isomorsmo que a cada palabra de Zk 2 asocia una palabra de C. La funcin anterior describe un procedimiento que aso de codicacin x1 . k t cia a cada palabra (x1 , . . . , xk ) Z2 la palabra G . . M1n (Z2 ) xk Zn (implcitamente estamos identicando la matrices la de n columnas con 2 n los elementos de Z2 , circunstancia que mantendremos en todo el desarrollo del captulo para mayor simplicidad). Teniendo en cuenta que x1 . t t G . . = (x1 . . . xk ) (G), xk nuestra pregunta inmediata es cmo invertir el proceso? o, si se preere, existe alguna matriz que permita invertir el proceso de manera que, en la hiptesis de que el canal no tuviese ruidos, nos permitiese recuperar el mensaje original segn el esquema siguiente?:

Zk 2 (x1 , . . . , xk ) (x1

C ... xk ) t (G)

lgebra

227

(x1

...

Zk 2 xk ) t (G) (t (G))1 = (x1 , . . . , xk )

La respuesta es obviamente negativa, puesto que la matriz t (G) no es una matriz cuadrada. Sin embargo, como veremos posteriormente, la idea es aprovechable empleando el concepto de pseudoinversa de una matriz.

Ejercicio 5.3.3 Obtener la matriz generadora del cdigo de paridad cuyo


producto reproduce el mecanismo de codicacin descrito. producto reproduce el mecanismo de codicacin descrito.

Ejercicio 5.3.4 Obtener la matriz generadora del cdigo de repeticin cuyo


Pasamos ahora a estudiar las ecuaciones implcitas de un cdigo lineal C. Si C Zn 2 es tal que 0 < dim(C ) = k < n, la proposicin 3.5.12 del captulo 3 implica que existe una funcin lineal
nk h : Zn 2 Z2

tal que C = ker(h). Por tanto la funcin h determina las ecuaciones implcitas del cdigo C.

Denicin 5.3.4 Si C Zn 2 es lineal diremos que una matriz H de orden s n es una matriz de control si para cualquier (x1 , . . . , xn ) Zn 2 se verica
que:

x1 . (x1 , . . . , xn ) C H . . = 0. xn
Se sigue que la matriz H que queda asociada a la funcin lineal h al elegir (nk) Bn las bases cannicas de Zn es H = MB (h) M(nk)n y es una 2 y Z2 nk matriz de control para el cdigo C. Siendo C = ker(h), el rango de la matriz H es n k. Se sigue que

C Zn 2 es un cdigo lineal de dimensin k, 0 < k < n, si y slo si existe una matriz de control de C, H M(nk)n , de rango igual a n k.

Ejercicio 5.3.5 Encontrar una matriz de control del cdigo de paridad. Ejercicio 5.3.6 Encontrar una matriz de control del cdigo de repeticin.

228

lgebra

5.3.1 Paso de una matriz de control a una matriz generadora


Pasar de una matriz de control a una matriz generadora de un cdigo lineal C es equivalente a pasar de sus ecuaciones implcitas a sus ecuaciones paramtricas. Supongamos que H M(nk)n (Z2 ) es una matriz de control de un cdigo lineal C. Determinar una matriz generadora de C es lo mismo que encontrar una base del subespacio C, que coincide con el ncleo de la funcin lineal denida entre Z2 e.v. :

h:

Zn 2 (x1 , . . . , xn )

nk Z 2 x1 . t H . . xn

y que dene las ecuaciones implcitas del cdigo C. Por tanto, para denir una matriz generadora de C, podemos emplear el mtodo visto en el captulo 3 para obtener una base del ncleo de una funcin lineal, cuyo esquema basco es el siguiente:

H t1 t2 tk A , In P
donde t1 , t2 , . . . , tk son transformaciones elementales por columnas (efectuadas sobre ambas matrices) y A es una matriz gaussiana. En tal circunstancia sabemos que las columnas de P que aparezcan bajo las columnas nulas de A constituyen una base (salvo transposicin) del ncleo de h y, por consiguiente, constituyen una matriz generadora de C.

Ejercicio 5.3.7 Determinar una matriz generadora del cdigo cuya matriz
de control es:

H=

1 0 1 0 1 1 1 1

lgebra

229

5.3.2 Paso de una matriz generadora a una matriz de control


Pasar una matriz generadora a una matriz de control de un cdigo lineal C es equivalente a pasar de sus ecuaciones paramtricas a sus ecuaciones implcitas. Ahora, supongamos que G Mnk (Z2 ),

G=

(u1 )Bn (u2 )Bn

(uk )Bn

es una matriz generadora de un cdigo lineal C. Entonces C = Im(g ), donde

g : Zk 2 (x1 , . . . , xk )

C x1 . . t G . . xk

Determinar una matriz H M(nk)n (Z2 ) de control de C, de rango n k, es lo mismo que encontrar (n k ) las

(a11 (a21

a12 a22

. . .

a1n ) a2n ) a(nk)n )

(a(nk)1 a(nk)2
tales que: 1. i {1, . . . , n k } , se tenga que

ai1 ai2 ain

(u1 )Bn = 0, ,

ai1 ai2 ain

(uk )Bn = 0,

o, lo que es lo mismo, que

i {1, . . . , n k } ,

ai1 ai2

ain

G = 0.

2. El sistema formado por dichas las es un sistema libre. En el supuesto de que tengamos tales las, si denimos la matriz

230

lgebra

H=

a11 a21 . . .

a12 a22 . . .

a1n a2n . . . a(nk)n

a(nk)1 a(nk)2
tendremos que:

1. H G = 0 y en consecuencia el cdigo C est contenido en el ncleo de la funcin lineal

h:

Zn 2 (x1 , . . . , xn )

n k Z2 x1 . t H . . . xn

2. La dimensin del ncleo de h es k . Puesto que la dimensin de C tambin es k, tendremos que C = Ker(h) y en consecuencia

x1 . (x1 , . . . , xn ) C H . . = 0, xn
es decir, H es una matriz de control del cdigo C. Ahora bien, buscar (n k ) las que constituyan un sistema de vectores libre y de manera que

i {1, . . . , n k } ,

ai1 ai2

ain

G=0

es lo mismo que buscar (n k ) soluciones linealmente independientes del sistema de ecuaciones lineales homogneo

(G)

x1 x2 . . . xn

= 0.

lgebra

231

Pero, existen (n k ) soluciones linealmente independientes de tal sistema? Por hiptesis las k columnas de G constituyen un sistema libre y por tanto las k las de t (G) tambin. Ahora, aplicando el teorema de la dimensin, sabemos que la dimensin del conjunto de soluciones del sistema t (G)X = 0 es n k, luego existen (n k ) soluciones linealmente independientes. Veamos un algoritmo para obtener dicha matriz H : 1. Construimos la matriz

G In

(recurdese que G tiene n las).

2. Mediante transformaciones elementales por las construimos, a partir Ik T de G In , una matriz de la forma , donde T Mkn (Z2 ), (0) H H M(nk)n (Z2 ) y (0) M(nk)k (Z2 ). 3. Teniendo en cuenta que aplicar una transformacin elemental por las es equivalente a multiplicar por la izquierda por una matriz invertible, resulta que si Ik T G In tf1 ...tfk , (0) H tendremos que existe una matriz invertible P Mn (Z2 ), tal que P G = Ik T T y tal que P In = , es decir, P = , con lo que el (0) H H rango de H es n k y

T H

G=

Ik (0)

Teniendo en cuenta cmo est denido el producto de matrices,

T G = Ik

H G = (0) .

Puesto que la matriz T es tal que T G = Ik , resulta que t (T G) =t (Ik ) = Ik , es decir, t G t T = Ik . En otras palabras, la matriz t T es la matriz que buscbamos, la pseudoinversa de t G, para invertir el proceso de codicacin:

Zk 2 (x1 , . . . , xk ) (x1

C ... xk ) t (G)

232

lgebra

(x1

...

Zk 2 xk ) (G) t (T) = (x1 , . . . , xk ) .


t

Por otra parte, la matriz H as obtenida es una matriz de control del cdigo, pues satisface las dos condiciones requeridas.

Ejercicio 5.3.8 Determinar una matriz de control del cdigo cuya matriz
generadora es:

1 0 G = 1 1

0 1 0 1

0 0 . 1 1

5.3.3 Deteccin y correccin de errores


Podemos detectar errores en la transmisin si y slo si la palabra recibida no pertenece al cdigo. Por tanto si C es un cdigo lineal y H es una matriz de control del mismo, detectaremos error en la transmisin de una palabra recibida u si y slo si H (u)Bn = 0. Ahora, la cuestin es Qu podemos hacer en el caso de que detectemos un error en la transmisin? Si al emitir la palabra x C se produce el error de transmisin e, recibiremos la palabra u = x + e. Al chequear la palabra recibida obtendremos

H (x + e)Bn = H (x)Bn +H (e)Bn = (puesto que x C ) = H (e)Bn ,


es decir, obtenemos la actuacin de la matriz de control sobre el error de transmisin e.

Denicin 5.3.5 Si H M(nk)n (Z2 ) es una matriz de control de un cdigo C y u Zn 2 llamaremos sndrome de u al producto H (u)Bn .
Evidentemente u pertenece al cdigo C si y slo si su sndrome es 0 y, segn hemos visto, el sndrome de la palabra recibida x + e coincide con el sndrome del error de transmisin e. Por consiguiente, si para cada palabra no perteneciente al cdigo hubiese un nico error que tuviese su mismo sndrome, sera sencillsimo corregir el error cometido en la transmisin: bastara restar el error que tiene el mismo sndrome que la palabra recibida para corregir dicho error. Sin embargo, como ahora veremos, puede haber muchas palabras no pertenecientes al cdigo que tengan el mismo sndrome.

lgebra

233

Observacin 55 Sea H M(nk)n (Z2 ) una matriz de control de un cdigo


lineal C. Si u, v Zn 2 , entonces

H (u)Bn = H (v)Bn v u C,
es decir, dos palabras u y v tienen el mismo sndrome si y slo si u v es una palabra del cdigo. Vemoslo:

H (u)Bn = H (v)Bn H (v)Bn H (u)Bn = 0 H (v u)Bn = 0 v u C


sndromes no depende de la matriz de control considerada: si H1 y H2 son matrices de control de C y u, v Zn 2 tendremos que:

Observacin 56 El que dos palabras tengan el mismo sndrome o distintos

H1 (u)Bn = H1 (v)Bn v u C H2 (u)Bn = H2 (v)Bn . Zn 2


Para identicar las palabras que tienen el mismo sndrome se dene en la siguiente relacin de equivalencia: u, v Zn 2,

u v H (u)Bn = H (v)Bn v u C.

Ejercicio 5.3.9 Vericar que la relacin   anterior es una relacin de


equivalencia en Zn 2.
Entonces el espacio Zn 2 queda dividido entre las clases de equivalencia determinadas por la relacin  , que llamaremos cogrupos:
n Denicin 5.3.6 Si C Zn 2 es un cdigo lineal y u Z2 , se denomina cogrupo de u mdulo C al conjunto {v Zn 2 | v u C }. Este conjunto es la

clase de equivalencia de u respecto de la relacin   y lo denotaremos por u + C.

Observacin 57 La notacin
u + C = {v Zn 2 |v u C}
se justica del siguiente modo:

v u + C c C tal que v u = c c C tal que v = u+c.


Por otra parte, puesto que u u = 0 C, tendremos que u u + C. Ntese que C = 0 + C.

234

lgebra

La siguiente proposicin se sigue directamente de las propiedades de las relaciones de equivalencia.


n Proposicin 5.3.7 Sea C Zn 2 un cdigo lineal y sean u, v Z2 . Se verica

que:

1. u + C = v + C v u C. 2. Si ( u + C ) (v + C ) = entonces u + C = v + C. 3. Card( u + C ) =Card( v + C ).

Observacin 58 Visto lo anterior, tenemos que los sndromes de dos pala-

bras u y v coinciden si y slo si u y v pertenecen al mismo cogrupo mdulo C, o lo que es lo mismo, si y slo si

u + C = v + C.

Ejercicio 5.3.10 Construir la tabla de sndromes de la siguiente matriz


H= 1 1 0 0 1 1 .

No podemos corregir todos los errores de transmisin pero s podemos corregir el error de transmisin ms probable. Seleccionemos de cada cogrupo el error que consideremos ms probable segn el principio del vecino ms prximo: normalmente es ms probable aquel que tiene menos errores individuales, es decir elegimos uno de entre los que tienen menos unos. Llamaremos a dicho elemento representante del cogrupo. Esta eleccin es la ms razonable ya que, si y Zn 2 y ey es el representante del cogrupo de y, la correccin de y ser la palabra y ey C, que es la palabra de C ms cercana, en el sentido de la distancia de Hamming, a la palabra recibida y.

tante de cada cogrupo.

Ejercicio 5.3.11 En la tabla del ejercicio anterior elegir el mejor represen-

Una vez realizada la seleccin de los representantes de los cogrupos, el proceso de correccin de errores quedara denido por

Correccin

y ey ,

lgebra

235

donde ey es el representante del cogrupo de sndrome H (y)Bn (esto es, H (y)Bn = H (ey )Bn ). Por tanto, el esquema de codicacin, transmisin y decodicacin queda concretado del siguiente modo: Codicador Transmisin t u u (G) = x +e Decodicador

y =x+e

y t (T ) si H (y)Bn = 0 (y ey ) t (T ) si H (y)Bn = 0.

Observacin 59 Si elegimos a 0 como representante del cogrupo 0+C = C,


se puede simplicar la actuacin del Decodicador:

Decodif icador y (y ey ) t (T )
rior completar la siguiente tabla:

Ejercicio 5.3.12 Utilizando la eleccin de representantes del ejercicio antey 0 0 1 1 0 0 1 1 H (y )Bn 0 1 0 1 0 1 0 1 ey y ey

0 0 0 0 1 1 1 1

5.4

Ejercicios

5.4.1 Ejercicios resueltos


1. Obtener una matriz generadora y una matriz de control del cdigo de paridad expuesto en los apuntes de clase. 2. Obtener una matriz generadora y una matriz de control del cdigo de repeticin expuesto en los apuntes de clase.

236

lgebra 3. Determinar una matriz de control del cdigo cuya matriz generadora

es:

1 1 G = 1 1

1 0 0 1

1 0 . 1 1

es:

4. Determinar una matriz generadora del cdigo cuya matriz de control

H=

1 0 1 0 1 1 1 1

5. Determinar una matriz de control y una matriz que permita realizar la decodicacin del cdigo generado por los vectores cuyas coordenadas respecto de la base cannica de Z4 2 son las columnas de la matriz: 0 1 1 1 1 0 1 0 1 0 1 1 6. Determinar una matriz de control y una matriz que permita realizar la decodicacin del cdigo cuya matriz generadora es 1 1 1 0 G = 1 1 0 1

5.4.2 Ejercicios propuestos


1. Halla la distancia mnima de cada uno de los siguientes cdigos:

i) {000, 101, 100, 001} en Z3 2, ii) {00000, 01110, 11011, 00101} en Z5 2, iii) {000000, 111000, 000111, 111111} en Z6 2.

lgebra

237

Determina en cada caso el nmero de errores que se pueden detectar y el nmero de errores que se pueden corregir. 2. Para cada cdigo del problema anterior, determinar si es lineal. Si lo es, obtener una matriz generadora, una matriz de control y una matriz que permita realizar la decodicacin del cdigo. 3. Determinar una matriz de control y una matriz que permita realizar la decodicacin del cdigo lineal C generado por el sistema de vectores S, cuyas coordenadas respecto de la base cannica de Z5 2 son

S = {(1, 0, 1, 0, 0), (1, 0, 1, 0, 1), (0, 0, 0, 1, 0), (1, 0, 1, 1, 0)}.


Hallar todos los elementos del cdigo C. 4. Elegir el mejor representante de cada cogrupo del cdigo lineal

C = {000, 101, 100, 001} Z3 2


y completar la siguiente tabla:

0 0 0 0 1 1 1 1

y 0 0 1 1 0 0 1 1

H (y )B3 0 1 0 1 0 1 0 1

ey

y ey

238

lgebra

Captulo 6 Autovalores y autovectores


6.1 Introduccin

El objetivo principal de este tema es desarrollar una tcnica que nos permita obtener las soluciones de las ecuaciones y sistemas de ecuaciones diferenciales lineales con coecientes constantes y de las relaciones y sistemas de relaciones de recurrencia lineales con coecientes constantes comprobando, de paso, que ambos problemas estn estrechamente relacionados. La naturaleza de dicha tcnica y de la herramienta matemtica que lleva aparejada (teora de autovalores y autovectores) hace posible su aplicacin a una gran variedad de problemas. Veamos unos primeros ejemplos que nos permitan ilustrar y motivar las siguientes deniciones:

Ejemplo 6.1.1 Supongamos que queremos calcular el nmero de secuencias

de ceros y unos de longitud n que no poseen dos ceros consecutivos. Si An es el conjunto formado por dichas secuencias, buscamos obtener el nmero de elementos del conjunto An , nmero al que denotamos por an . Obviamente,

An = Cn Un
donde Cn es el conjunto formado por las secuencias de longitud n que satisfaciendo dicha propiedad terminan en 0 y Un es el conjunto formado por las secuencias de longitud n que, satisfaciendo dicha propiedad, terminan en 1. Pero las secuencias del conjunto Un se pueden obtener aadiendo un 1 a cada una de las secuencias de longitud n 1 que no poseen dos ceros consecutivos, por lo que el nmero de elementos del conjunto Un coincide con el
239

240

lgebra

nmero de elementos del conjunto An1 , es decir, con an1 . Por otra parte, las secuencias del conjunto Cn se pueden obtener aadiendo 10 a cada una de las secuencias de longitud n 2 que no poseen dos ceros consecutivos, por lo que el nmero de elementos de Cn coincide con el nmero de elementos del conjunto An2 , es decir, con an2 . Teniendo en cuenta, ahora, que Cn y Un son disjuntos, resulta que

an = an1 + an2 .
Por consiguiente, puesto que a0 = 0, a1 = 2 y a2 = 3 (ya que A0 = , A1 = {1, 0} y A2 = {10, 01, 11}), podemos obtener sucesivamente que a3 = 3+2 = 5, a4 = 5+3 = 8, a5 = 8+5 = 13, .... El problema es que, por ejemplo, para obtener el valor de a100.000.000 necesitamos tener calculados previamente los 99.999.999 valores anteriores. A lo largo del captulo desarrollaremos una tcnica que nos permitir evitar dicho clculo previo.
Al poder aplicar la misma tcnica a las relaciones de recurrencia (o ecuaciones en diferencias) y a las ecuaciones diferenciales, desarrollaremos las herramientas en el contexto de estas ltimas y veremos que dichas herramientas son aplicables tambin al contexto de las relaciones de recurrencia.

Ejemplo 6.1.2 La determinacin de una expresin explcita del trmino ge-

nrico fn de la bien conocida sucesin de Fibonacci, denida por los siguientes datos iniciales y ecuacin en diferencias: =1 f0 f1 =1 fn+1 = fn + fn1 (n 2), se puede resolver, como veremos, por medio de la misma tcnica que se emplea para hallar una funcin compleja f (x) de variable real x que sea solucin del problema denido por los siguientes datos iniciales y ecuacin diferencial ordinaria (EDO) lineal con coecientes constantes de orden 2: f (0) = 1 f (1) = 1 f (x) = f (x) + f (x) (x R).

lgebra

241

6.2

Autovalores y autovectores

Segn sabemos, el conjunto de sucesiones de nmeros complejos F (N, C), o, lo que es lo mismo, el conjunto de las funciones de N en C, tiene estructura de Cespacio vectorial. Por convenio de notacin, a la sucesin

a : N C n a(n) = an
la denotamos por {an }nN . Si ahora consideramos la funcin S (de Shif t, desplazamiento),

S : F (N, C) F (N, C) {an }nN S ({an }nN ) = {an+1 }nN


es decir,

{an }nN {a0, a1 , a2 , ...

S ({an }nN ) {a1, a2 , a3 , ...

resulta sencillo comprobar (verifquese) que dicha funcin es lineal. Por convenio de notacin escribiremos an+1 = S (an ), de manera que la sucesin S ({an }nN ) la podremos expresar como

S ({an }nN ) = {S (an )}nN = {S (a0 ), S (a1 ), S (a2 ), ... = {a1, a2 , a3 , ...
Veamos qu relacin tiene esta funcin con el problema que nos ocupa. Supongamos que dado C, buscamos las sucesiones {an }nN que n N satisfacen la relacin an+1 = an . Utilizando la notacin introducida, dicha ecuacin se transforma en

S (an ) = an ,
y, puesto que dicha expresin es vlida para n 1, la sucesin {an }nN satisface dicha relacin de recurrencia si

S ({an }nN ) = {an }nN = {an }nN .


En otras palabras, las sucesiones que satisfacen la relacin de recurrencia

an+1 = an ,

242

lgebra

son aquellas sucesiones {an }nN que mediante la funcin S se transforman en vectores proporcionales a s mismos. En general se introducen las siguientes nociones de autovector y autovalor de una funcin lineal:

Denicin 6.2.1 Si E es un K e.v. y f : E E es una funcin lineal, se dice que v E {0} es un autovector de f si K tal que f (v) =v. Denicin 6.2.2 Si E es un K e.v. y f : E E es una funcin lineal, se dice que K es un autovalor de f si v E {0} tal que f (v) =v. En ese caso se dice v es un autovector asociado al autovalor .
currencia

Ejemplo 6.2.3 Las sucesiones {an }nN que satisfacen la relacin de rean+1 = 5an ,
son las sucesiones {an }nN que son autovectores de la funcin lineal S asociados al autovalor 5. As por ejemplo, la sucesin {1, 5, 25, ..., 5n , ...} es un autovector de S asociado al autovalor 5, pues

S ({1, 5, 25, ..., 5n , ...}) = {5, 25, ..., 5n+1 , ...} = 5 {1, 5, 25, ..., 5n , ...}.
Obsrvese que la sucesin {3, 15, 75, ..., 3 5n , ...} es otro autovector asociado al autovalor 5.

Ejemplo 6.2.4 Teniendo en cuenta que, segn vimos, la funcin derivada


D : C (R, R) C (R, R)
es una funcin lineal, las funciones que satisfacen la ecuacin diferencial

D(f ) = f,
son los autovectores de la funcin D asociados al autovalor 1. As por ejemplo, la funcin

f : R R x ex
es un autovector de D asociado al autovalor 1. Obsrvese que la funcin

3f : R R x 3ex
es otro autovector de D asociado al autovalor 1 y que en general para cualquier k R la funcin k f tambin lo es.

lgebra

243

Ejercicio 6.2.1 Determinar los autovectores de la funcin lineal


f : R3 R3
consistente en girar a cada vector de R3 radianes en torno al eje z (IndiB3 cacin: determinar la matriz MB (f )). 3

Ejercicio 6.2.2 Razonar que la funcin lineal


f : R2 R2
consistente en girar a cada vector de R2 un ngulo de punto (0, 0) no tiene autovectores.
2

radianes en torno al

6.3

Funciones complejas de variable real

En esta seccin vamos a recordar la denicin de funcin compleja de variable real y a establecer algunas propiedades necesarias para el desarrollo del resto del captulo.

Denicin 6.3.1 Sean a, b R {, } (recta real ampliada), con a < b. Llamaremos funcin compleja de variable real a cualquier funcin

f : (a, b) C. Siendo i la unidad imaginaria (i = 1), si x (a, b), f (x) = u(x) + iv (x) diremos que u : (a, b) R es la parte real de la funcin f y que v : (a, b) R es la parte imaginaria de la funcin f .

Se dice que la funcin f es continua, diferenciable, dos veces diferenciable, etc., en un punto c (a, b) si lo son las funciones u y v. Las derivadas y la integral de la funcin f se denen derivando e integrando de la forma habitual la funcin f, considerando a la unidad imaginaria i como una constante. As, si las funciones u, v son derivables en todo punto x (a, b), diremos que la funcin f es derivable y a la funcin f : (a, b) C, denida por la condicin x (a, b), f (x) = u (x) + iv (x), donde x (a, b), u (x) y v (x) son las derivadas de u y v en el punto x respectivamente, la denominaremos funcin derivada de f. En general, si u y v admiten derivadas de orden k en todo punto x (a, b), a la funcin f k : (a, b) C denida por la condicin

x (a, b),

f k (x) = uk (x) + iv k (x)

244

lgebra

la denominaremos funcin derivada de orden k de f . Y del mismo modo, si las funciones u y v son integrables en [a, b], diremos que f es integrable en [a, b] y
b b b

f (x)dx =
a a

u(x)dx + i
a

v (x)dx.

Por otra parte, los resultados generales vlidos para las funciones reales de variable real tambin son vlidos aqu. En particular, siempre que tengan sentido las expresiones del primer miembro de las siguientes igualdades (i.e., en los casos a), b) y c) siempre que f y g sean derivables), se verica que: a) , C , y f, g F ((a, b), C), (f + g ) = f + g b) f, g F ((a, b), C) , (f g ) = f g + f g c) f, g F ((a, b), C), t0 (a, b) tal que g (t0 ) = 0,

f f g fg ( ) (t0 ) = (t0 ) g g2 d) (x (a, b) f (x) = 0) f es constante


e) x (a, b),
d ( dx x

f (t)dt) = f (x).
a

Observacin 60 En lo sucesivo, C k (a, b), k 1, denotar al conjunto de

funciones complejas denidas sobre el intervalo (a, b) y que admiten derivada hasta el orden k, siendo la derivada k -sima continua. C (a, b) ser el conjunto de funciones complejas continuas denidas sobre el intervalo (a, b).

6.3.1 La exponencial compleja


Si dado x R denimos

eix = (cos x + i senx),


cualquier nmero complejo z C se puede representar de la forma

z =| z | ei ,
siendo R uno cualquiera de sus argumentos. Esta representacin del nmero complejo z es denominada forma exponencial del nmero complejo z.

lgebra Si z = x + iy, se dene

245

ez = ex (cos y + iseny ).
Utilizando esta expresin se dene la funcin exponencial f de constante = + i C y parmetro t R del siguiente modo:

f : R C t et ,
donde

f (t) = et = e(+i )t = et (cos t + isent).

Propiedades de la funcin exponencial compleja


La funcin exponencial tiene las siguientes propiedades (anlogas a las que se verican en el caso real):

, C, e(+)t = et et . C,
d (et ) dt

= et .
b

C {0},
a

et dt =

(eb ea ) .

Demostracin
1. Si = + i y = + i, tendremos que

et et = = + =
2. Si = + i,

et (cos t + isent) et (cos t + isent) = et et ((cos t(cos t) sent(sent)) + i(sent(cos t) + sent(cos t))) = et+t (cos( + )t + isen( + )t = e(+)t .

d t d d d t (e ) = (e (cos t + isent)) = (et cos t) + i (et sent) = dt dt dt dt t t t = (e cos t e sent) + i(e cos t + et sent) = = et ((cos t + isent) + (i cos t sent)) = = et ( + i )((cos t + isent) = et .

246 3. C {0},
b b

lgebra

e dt =
a a b

et (cos t + isent)dt =
b

=
a

e cos tdt + i
a t

et sentdt =
b

e ( cos t + sent) 2 + 2

et (sent cos t) +i 2 + 2 a
b

=
a

et (cos t + isent)( i ) = = 2 + 2 a 1 1 = et (cos t + isent) = et . + i 2

6.4 Ecuaciones diferenciales


6.4.1 La ecuacin de primer orden
Entenderemos por ecuacin diferencial ordinaria (EDO) lineal con coecientes constantes de primer orden cualquier expresin de la forma

f f = g

(I)

donde g es una funcin compleja de variable real continua, C, f es la variable de la ecuacin (I) que representa a una funcin compleja de variable real con derivada continua y f representa la derivada de f . Por ejemplo la siguiente expresin es una ecuacin diferencial de primer orden: f + f = cos(x) tambin se puede escribir esta misma ecuacin de los siguientes modos:

df + f = cos(x) dx

lgebra

247

D(f ) + f = cos(x)
Entenderemos por solucin de la ecuacin a cualquier funcin compleja de variable real con derivada continua que, reemplazada en lugar de la variable f, haga cierta la igualdad. Por ejemplo la funcin ex es una solucin de la ecuacin f + f = 0. Veamos cuales son los aspectos esenciales que nos van a permitir resolver la ecuacin (I): 1. Es evidente que el problema de encontrar las soluciones de la ecuacin (I) equivale a encontrar la preimagen de g mediante la funcin lineal

D Id : C 1 (a, b) C (a, b) f ; f f
En lo sucesivo, para no sobrecargar demasiado la notacin, escribiremos C k en lugar de C k (a, b). 2. La ecuacin f f = 0, conocida como ecuacin homognea asociada a la ecuacin (I), tiene siempre solucin y el conjunto de sus soluciones tiene estructura de subespacio vectorial, puesto que el conjunto de soluciones es el ncleo del operador D Id. En particular la funcin 0 es solucin. Adems

dim(Ker(D Id)) = 1.
Vemoslo: evidentemente la funcin f (x) = ex es solucin de la ecua es otra solucin de dicha ecuacin, cin f f = 0. Veamos que si f (x) = kex . Puesto que entonces existe un escalar k C tal que f f x R, ex = 0, tiene sentido considerar la funcin ex . Su funcin derivada es

ex f ex f f f 0 f ) = = = x = 0 x 2 x x e e e e
, es decir,

f = k C, ex x R, (x) = kex . f

por lo que

248

lgebra

d 3. Teniendo en cuenta que el operador dx Id = D Id es la suma de dos funciones lineales y que por tanto es lineal, se puede vericar que

si y entonces

s1 es solucin de s2 es solucin de s1 + s2 es solucin de

f f = h1 f f = h2 , f f = h1 + h2 .

Esta propiedad es conocida como principio de superposicin de soluciones. Como consecuencia de esta propiedad, y de forma anloga a lo que suceda con las ecuaciones lineales, la solucin general de la ecuacin (I) se obtiene sumando a una solucin particular de dicha ecuacin todas las soluciones de la ecuacin homognea asociada. 4. La funcin lineal D Id : C 1 C es sobreyectiva o, lo que es lo mismo, la ecuacin f f = g tiene solucin cualquiera que sea g C . Para comprobarlo, vamos a vericar que la funcin

f (x) = ex
0

g (t) dt et

es una solucin particular de dicha ecuacin: si f f = g, entonces

(
de donde

f f ex f ex f f g ) = = = x , x 2 x x e e e e f (x) = e
x x

g (t) dt. et

5. El ncleo de esta funcin lineal es de dimensin 1 y est generado por el vector f (x) = ex . Este hecho hace que el conjunto de soluciones de la ecuacin sea: f C 1 (a, b)| C tal que

x (a, b), f (x) = ex


0

g (t) dt + ex . et

lgebra

249

Ejemplo 6.4.1 Se quieren determinar las soluciones de la EDO


f (x) + f (x) = cos(x) x R.
para esta ecuacin, g (x) = cos(x) y = 1. Las soluciones de la ecuacin homognea asociada f (x) + f (x) = 0 son todas del tipo f (x) = kex , k R. Una solucin particular de la ecuacin no homognea es:

fp (x) = e

g (t) dt = ex t e

x 0

et cos(t)dt.

Integrando por partes dos veces, se obtiene que


x 0

e cos(t)dt = = sin(x)e +
x

x sin(t)et 0 x cos(t)et 0

+
0 x

et sin(t)dt =

et cos(t)dt =
x

= sin(x)ex + cos(x)ex 1
0

et cos(t)dt.

Entonces

sin(x)ex + cos(x)ex 1 2 y la solucin general de nuestra ecuacin es fp (x) = ex f (x) = ex = sin(x)ex + cos(x)ex 1 + kex = 2 C. k

sin(x) + cos(x) ex sin(x) + cos(x) x + kex = + ke 2 2

6.4.2 La ecuacin de orden n


En la seccin anterior estudiamos la forma general de las soluciones de la ecuacin de primer orden f f = g . Vimos que este problema admite una formulacin algebraica que permite establecer ciertas analogas con la resolucin de ecuaciones lineales. En esta seccin comprobaremos que es posible asociar a una ecuacin diferencial del tipo

f (n) + an1 f (n1) + + a1 f + a0 f = h.

250

lgebra

un sistema de ecuaciones de primer orden, cuya resolucin nos permitir obtener la solucin de la ecuacin buscada. Comenzaremos planteando de un modo preciso el problema que queremos resolver. Entenderemos por ecuacin diferencial ordinaria (EDO) lineal con coecientes constantes de orden n cualquier expresin de la

forma

f (n) (x) + an1 f (n1) (x) + + a1 f (x) + a0 f (x) = h (II)


donde h es una funcin compleja de variable real continua, an1 , , a1 , a0 son nmeros complejos, f es la variable de la ecuacin (II) que representa a una funcin compleja de variable real con derivada n-sima continua y f (k) representa la k-sima derivada de f . Por ejemplo la siguiente expresin es una ecuacin diferencial de orden 2:

f (2) (x) + f (1) (x) + f (x) = cos(x) (aqu a1 = 1 y a0 = 1)


tambin se puede escribir esta misma ecuacin de los siguientes modos:

f (x) + f (x) + f (x) = cos(x) d2 f (x) (x) + dfdx + f (x) = cos(x) dx2 2 D (f )(x) + D(f )(x) + f (x) = cos(x)
Entenderemos por solucin de la ecuacin a cualquier funcin que reemplazada en lugar de la variable f haga cierta la igualdad. Por ejemplo la funcin sin(x) es una solucin de la ecuacin f (x) + f (x) + f (x) = cos(x). Nuestro objetivo es encontrar el conjunto de soluciones de una EDO lineal con coecientes constantes dada. Tras el planteamiento del problema, vamos a seguir una estrategia que, adems de permitirnos resolver la ecuacin diferencial de orden n

f (n) + an1 f (n1) + + a1 f + a0 f = h,


nos dotar de herramientas para resolver lo que denominaremos sistemas de ecuaciones diferenciales de primer orden.

lgebra

251

6.4.3 Sistemas de ecuaciones diferenciales


Nuestro objetivo es obtener un mtodo sistemtico que nos permita resolver el siguiente tipo de problema: Determinar las funciones y1 , y2 , . . . , yn tales que para cualquier t R se verica que y1 (t) = a11 y1 (t) + a12 y2 (t) + + a1n yn (t) y (t) = a21 y1 (t) + a22 y2 (t) + + a2n yn (t) 2 (6.1) . . . y (t) = a y (t) + a y (t) + + a y (t)
n n1 1 n2 2 nn n

Normalmente para expresar (6.1) utilizaremos la notacin matricial extendida:

t R ,

y1 (t) y2 (t) . . . yn (t)

a11 a12 a21 a22 . . . . . . an1 an2

a1n a2n . . . ann

y1 (t) y2 (t) . . . yn (t)


(6.2)

o la notacin matricial compacta:

t R ,

y (t) = A y (t)

diferenciales lineales ordinarias de primer orden, con coecientes constantes. Las tcnicas para resolver este tipo de problema estn encuadradas especcamente dentro del lgebra lineal. Consisten bsicamente en realizar una transformacin lineal de modo que la resolucin de las ecuaciones resultantes sea ms sencilla. Adems dicha transformacin no debe perder informacin, lo que signica que debe ser posible deshacer la transformacin, o lo que es igual, debe ser invertible. Para ilustrar esta idea jmonos en que resolver un sistema determinado de n ecuaciones lineales con n incgnitas: b1 x1 . . A . . . = .

El sistema (6.2) se conoce como sistema homogneo de n ecuaciones

xn

bn

Consiste bsicamente en multiplicar ambos lados de la igualdad por A1 (esta es la transformacin lineal) de modo que la solucin del sistema resultante resulte ser trivial o evidente:

252

lgebra

x1 . 1 In . . =A xn

b1 . . . bn

Para atacar nuestro problema utilizando transformaciones lineales el primer punto que debemos tratar es el siguiente: Como modican las transformaciones lineales a los sistemas de ecuaciones diferenciales? Antes de abordar la respuesta a esta pregunta, es conveniente hacer la siguiente observacin.

Observacin 61 Una vez desarrollada una herramienta que nos permita


resolver sistemas de primer orden, podremos tambin utilizarla para resolver la ecuacin diferencial de orden n

f (n) + an1 f (n1) + + a1 f + a0 f = h.


La idea consiste en denir, a partir de la ecuacin anterior, las siguientes funciones y1 (t) = f (t) y2 (t) = f (t) = y1 (t) (6.3) . . . y (t) = f (n1) (t) = y (t) n n1 de manera que resolver la ecuacin anterior, consiste sistema de primer orden equivalente: 0 1 0 0 y1 (t) 0 1 0 y (t) 0 2 . . . . . . = . . . . . . 0 0 0 1 yn (t) a0 a1 a2 an1 en resolver el siguiente

y1 (t) y2 (t) . . . . . . yn (t)

0 0 . . . 0 h(t)

Ejemplo 6.4.2 Para hallar las soluciones de la ecuacin


f (x) + f (x) + f (x) = cos(x),
podemos denir

y1 (x) = y2 (x) =

f (x) f (x) = y1 (x),

lgebra

253

y resolver el problema de determinar las soluciones del sistema

y1 (x) y2 (x)

0 1 1 1

y1 (x) 0 + . y2 (x) cos(x)

6.5

La semejanza de matrices y los sistemas de ecuaciones


y (t) = A y (t),

Consideremos el sistema de n ecuaciones diferenciales

t R ,

(6.4)

donde A es una matriz cuadrada de orden n. Si Q es una matriz cuadrada cualquier solucin de (6.4) tambin lo es de

t R ,

Q y (t) = Q A y (t).

(6.5)

Si adems Q es invertible el recproco es cierto, es decir, cualquier solucin de (6.5) tambin lo es de (6.4). Por tanto si P es una matriz invertible podemos escribir (6.5) usando P 1 , es decir:

t R ,
Ahora, si suponemos que

P1 y (t) = P1 A y (t).

11 1 . P = . . n1
tendremos que:

1 n . . . nn

y1 (t) . e y (t) = . . , yn (t)

254

lgebra

11 1n y1 (t) . . . . P1 y (t) = . . . . . = n1 nn yn (t) z1 (t) = n 1i yi (t) i=1 . = . . n ni yi (t) i=1 n 1i yi (t) i=1
. . .

n y ( t ) ni i i=1
zn (t)

z1 (t) . = . . . zn (t)

Luego si introducimos el cambio de variables z (t) = P1 y (t), tendremos que

z (t) = P1 y (t) z (t) = P1 A y (t).

y en consecuencia el sistema (6.4) equivale a

t R ,

Ahora, para conseguir que aparezca el mismo tipo de variable a ambos lados de la igualdad, podemos hacer las siguientes transformaciones:

z (t) = P1 A y (t) = P1 A (P P1 ) y (t) = 1 1 1 = (P A P)(P y (t)) = (P A P) z (t).


Resumiendo, hemos obtenido que si P es una matriz de orden n invertible las siguientes condiciones I e II son equivalentes:

I t R , y (t) = A y (t) t R ,

II y (t) = P z (t) 1 z (t) = (P A P) z (t).

lgebra

255

sustituir en un sistema de ecuaciones diferenciales y (t) = A y (t) la matriz de coecientes A por la matriz (P1 A P), equivale a realizar el cambio de variable lineal y (t) = P z (t). Aplicaremos este resultado del siguiente modo: supuesto que nos plantean el problema I, buscaremos una matriz invertible P de modo que el sistema de ecuaciones diferenciales del problema II sea ms sencillo. Entonces, bastar multiplicar por P la solucin z (t) de dicho sistema, para obtener la solucin del problema I.

Observacin 62 Vemos que, siendo P una matriz invertible, el efecto de

Observacin 63 Vimos que dos matrices cuadradas A y B son semejantes si existe una matriz invertible P, que llamamos matriz de paso, tal que
P1 A P = B.
A continuacin vamos a discutir qu tipos de sistemas de ecuaciones diferenciales vamos a poder resolver directamente.

6.5.1 Sistemas diagonales


Comenzaremos con los sistemas cuya matriz de coecientes es diagonal:

t R ,

y1 (t) y2 (t) . . . yn (t)

1 0 0 0 2 0 . . . .. . . . . . . . 0 0 n

y1 (t) y2 (t) . . . yn (t)

Desde luego, como este sistema equivale a y1 (t) = 1 y1 (t) y (t) = 2 y2 (t) 2 , . . . . . . y (t) = y (t)
n n n

sabemos resolverlo y sus soluciones son

y1 (t) = 1 e1 t , y2 (t) = 2 e2 t , . . . , yn (t) = n en t .


Si queremos expresarlas matricialmente escribiremos:

256

lgebra

y1 (t) y2 (t) . . . yn (t)

= 1

e1 t 0 . . . 0

e2 t + 2 . . . 0

+ + n

en t

0 0 . . .

0 0 0 Ejemplo 6.5.1 Si A = 0 2 0 , entonces 1 = 0, 2 = 2 y 3 = 1. 0 0 1 Se sigue que las soluciones del sistema de ecuaciones que tiene A como matriz asociada son y1 = c1 , y2 = c2 e2t , y3 = c3 et .
Sabiendo resolver sistemas diagonales, podemos resolver cualquier otro sistema de ecuaciones diferenciales de primer orden con coecientes constantes? Para poder responder armativamente a esta pregunta tendramos que ser capaces de transformar por semejanza cualquier matriz en otra que sea diagonal. Aunque ms adelante veremos que en general esto no es posible, el estudio de este problema nos dar unas claves fundamentales para resolver los sistemas de ecuaciones diferenciales. Puesto que no toda matriz es diagonalizable, necesitamos buscar otro tipo de matrices que nos permitan simplicar la resolucin de sistemas de ecuaciones diferenciales.

6.5.2 Sistemas triangulares


Consideremos ahora los sistemas homogneos cuya matriz de coecientes es triangular inferiormente:

t R ,

y1 (t) y2 (t) . . . yn (t)

1 a21 . . .

0 2 . . .

.. .

0 0 . . . n

y1 (t) y2 (t) . . . yn (t)

an1 an2

lgebra Este caso equivale a: y1 (t) 1 y1 (t) = y 2 (t) 2 y2 (t) = . . . yn (t) n yn (t) =

257

0 a21 y1 (t) .
n1 i=1

a1i yi (t)

Aunque laborioso, es fcil resolver este tipo de ecuaciones: 1. Resolvemos la ecuacin

y1 (t) 1 y1 (t) = 0
y obtenemos que

y1 (t) = 1 e1 t .

2. A continuacin, como ya conocemos y1 , resolvemos la segunda ecuacin

y2 (t) 2 y2 (t) = a21 1 e1 t


y obtenemos que

y2 (t) = 2 e2 t + 1 e2 t
0

a21 e(1 2 )x dx.

3. Como ya conocemos y1 e y3 , podemos resolver la tercera ecuacin y as sucesivamente hasta la ltima. Veamos un ejemplo.

Ejemplo 6.5.2 Encontrar las soluciones del siguiente sistema:


y1 (t) 0 0 0 y1 (t) y2 (t) = 1 1 0 y2 (t) . 1 3 1 y3 (t) y3 (t)
En primer lugar, dicho sistema equivale a y1 (t) 0 y1 (t) = 0, y (t) 1 y2 (t) = y1 (t), 2 y3 (t) 1 y3 (t) = y1 (t) + 3y2 (t).

258 1. La solucin general de la primera ecuacin es

lgebra

y1 (t) = 1 e0t = 1 .
2. La segunda ecuacin se trasforma en

y2 (t) y2 (t) = 1
y su solucin general es
t 0

y2 (t) = 2 et + et

1 e1x dx = (2 + 1 )et 1 .

Como 2 es arbitrario, podemos llamar 2 a (2 + 1 ) y escribir

y2 (t) = 2 et 1 .
3. Por ltimo, como ya conocemos y1 e y2 , la tercera ecuacin se transforma en

y3 (t) y3 (t) = 1 + 3 2 et 1 = 32 et 41 ,
y su solucin general viene dada por 1.
t 0

y3 (t) = 3 et + et

32 e(11)x 41 e1x dx =

= (3 41 ) et + 41 + 32 tet .
De nuevo, si llamamos 3 a (3 41 ), tendremos

y3 (t) = 3 et + 32 tet + 41 .
Luego, al expresar las soluciones vectorialmente, obtenemos y1 (t) 1 0 0 y2 (t) = 1 1 + 2 et + 3 0 . y3 (t) 4 3tet et De cara a la resolucin de sistemas de ecuaciones, es sucientemente grande el conjunto de matrices triangulares?, dicho de otro modo, cualquier matriz cuadrada es semejante a alguna triangular? Para contestar a esta pregunta necesitamos estudiar los autovalores y autovectores de la matriz del sistema.

lgebra

259

6.6

Diagonalizacin y triangulacin de matrices

6.6.1 El polinomio caracterstico de una matriz


Observacin 64 Si nos jamos en las columnas de una matriz triangular
T= 1 a21 . . . 0 2 . . . .. . 0 0 . . . n

an1 an2

vemos que son linealmente independientes si y slo si todos los coecientes de la diagonal principal son distintos de cero; una manera directa de vericar esta armacin es observar que

det(T) = |T| = 1 2 n .
En consecuencia las columnas de la matriz 1 x 0 0 a21 2 x 0 T xI n = . . . . . . . . . . . . an1 an2 n x

son linealmente dependientes si y slo si x coincide con algn elemento de la diagonal principal. Tambin podemos expresar esta propiedad diciendo que el determinante de la matriz T xIn se hace cero si y slo si x coincide con algn elemento de la diagonal principal. Si ahora desarrollamos |T xIn |

1 x 0 a21 2 x . . . . . . an1 an2

.. .

0 0 . . . n x

= (1 x) (2 x) (n x) ,

vemos que lo dicho hasta el momento es trivial, ya que obtenemos un polinomio de grado n cuyas races son precisamente los elementos de la diagonal principal de T. Dnde reside el inters de esta observacin? Fundamentalmente en que este determinante es invariante bajo las transformaciones

260

lgebra

por semejanza: supongamos que las matrices A y T son semejantes, es


decir, T = P1 AP entonces tenemos

|T xIn | = =

P1 AP xIn = P1 AP xP1 P = P1 (A xIn ) P = P1 |A xIn | |P| =

= puesto que P1 = |P|1 = = |A x I n | .


Esto signica que el polinomio, cuyas races coinciden con los elementos de la diagonal principal de T, puede ser obtenido directamente a partir de A.

Ejemplo 6.6.1 Determinar qu elementos pueden aparecer en la diagonal


principal de una matriz triangular T semejante a la siguiente matriz

A=

4 2 3 1

Calculemos |T xIn | = |A xIn | :

4x 2 3 1 x

= (4 x) (1 x) + 6 = 2 3x + x2 ;

luego, |T xIn | = 2 3x + x2 . Los elementos que pueden aparecer en la diagonal principal de T son las races de 2 3x + x 3 98 2 2 ; x 3x = 2 = 0 x = = 1 2 en consecuencia,

|T xIn | = 2 3x + x2 = (2 x) (1 x)
y en la diagonal principal de T necesariamente aparecen los valores 2 y 1.

Denicin 6.6.2 Dada una matriz cuadrada A de orden n, se denomina polinomio caracterstico de A al polinomio
p(x) = |A xIn | .
Dada una matriz cuadrada A de orden n, diremos que una matriz columna X de n las es un vector propio de A (o un autovector de A) si:

lgebra

261

1. X = 0. 2. Existe un escalar tal que AX = X. Asimismo, diremos que un escalar es un valor propio de A (o un autovalor de A) si existe un vector propio X de A tal que AX = X. En tal caso diremos que es el valor propio asociado al vector propio X, o tambin que X es un vector propio asociado al valor propio .

Propiedades del polinomio caracterstico


Si A y B son semejantes, sus polinomios caractersticos coinciden. Usando la frmula de Laplace para el clculo de determinantes, podemos vericar que el polinomio caracterstico es de grado n (si, por ejemplo, calculamos el determinante de la matriz A xIn a partir de la primera la, resulta que el primer trmino de la suma resultante es el un nico que contiene una potencia n-sima de x,) y, por el teorema fundamental del lgebra, tiene n races complejas. Como acabamos de ver, si T es una matriz triangular semejante a la matriz objeto de estudio A, los elementos de su diagonal principal son las races del polinomio caracterstico de A (que por otra parte es el mismo que el de T ). As, aunque todos los coecientes de la matriz A sean nmeros reales, los coecientes de la diagonal principal de T pueden ser nmeros imaginarios. Por ejemplo, la matriz A= 0 1 1 0

tiene como polinomio caracterstico

|A x I n | =

x 1 1 x

= x2 + 1 ,

con lo que en la diagonal principal de T necesariamente aparecen los valores i y i.

es una raz del polinomio caracterstico de una matriz cuadrada A si y slo si |A In | = p() = 0. La ltima condicin es equivalente a que

262

lgebra el rango de la matriz A In sea estrictamente menor que n y, entonces, a que el sistema de ecuaciones lineales homogneo (A In )X = (0) sea compatible indeterminado, es decir, a que exista X = (0) tal que AX = X. Se deduce que

es una raz de p(x) (existe X = (0) tal que AX = X ) X


es un autovalor de A y es un autovector de A.

Ker(A In ) de las soluciones del sistema de ecuaciones lineales homogneo (A In )X = (0) se le denomina autoespacio asociado a y su dimensin es la multiplicidad geomtrica de . A la multiplicidad de como raz del polinomio caracterstico de la matriz A se le denomina multiplicidad algebraica de .

Denicin 6.6.3 Si es un autovalor de una matriz cuadrada A, al espacio

m {1, ..., n}, vectores propios de A asociados, respectivamente, a m valores propios 1 , ..., m . En estas condiciones, si i, j {1, ..., m} i = j , se verica que los vectores X1 , ..., Xm son linealmente independientes.

Proposicin 6.6.4 Sean A una matriz cuadrada de orden n y X1 , ..., Xm ,

Demostracin Por induccin sobre m:


1. Base de induccin: para m = 1 no hay nada que demostrar. 2. Paso de induccin: Sea m > 1 y supongamos que la propiedad es cierta para cualquier sistema de m 1 vectores propios. Supongamos adems que
m i=1

i Xi = 0.

(1)

Multiplicando a ambos miembros de la igualdad (1) por 1 obtenemos que


m

(1 i )Xi = 0

(2).

i=1

lgebra Pero, por una parte, A (


m i=1 m

263

i=1

i Xi ) = A 0 = 0 y, por otra, A (

m i=1

i Xi ) =

(i i )Xi , puesto que si A X = X, entonces A (X ) = (A X ) =

(X ) = ()X. En consecuencia:
m

(i i )Xi = 0
m i=2

(3)

i=1

Restando (2) a (3) obtenemos que

i (i 1 )Xi = 0, con lo que, por hip-

tesis de induccin, i {2, ..., m}, i (i 1 ) = 0, de donde i {2, ..., m}, i = 0, con lo que la igualdad (1) queda 1 X1 = 0 y en consecuencia 1 = 0. 2

6.6.2 Matrices diagonalizables


Denicin 6.6.5 Diremos que una matriz cuadrada A de orden n es diagonalizable, si existe una matriz de paso invertible P de orden n tal que la
matriz

D = P1 AP

es diagonal.
Los resultados anteriores son obviamente aplicables a aquellas matrices triangulares que en particular sean diagonales. En otras palabras, si A es una matriz diagonalizable y D es una matriz diagonal semejante a A, los elementos de la diagonal principal de D son las races del polinomio caracterstico de A (i.e., los valores propios de A). En el caso de que sea D = P1 AP sea diagonal, podemos saber algo acerca de la matriz P? Vamos a ver que s. Supongamos que 1 0 . .. . D = . . . . .

es la matriz P1 AP. Entonces multiplicando a la izquierda de ambas por la matriz P tendremos que

264

lgebra

AP = PD.
Por tanto la j-sima columna de AP coincide con la j-sima columna de PD. Ahora bien, si p11 p1n . . . P = . . . , pn1 pnn tendremos que las j-simas columna de AP y PD son respectivamente

p1j . A . . y pnj

p11 . . . pn1

0 . p1n . . . . j = j . . pnn . . 0 p1j . . . pnj

p1j . . . pnj

y en consecuencia obtenemos que:

j {1, . . . , n} ,

p1j . A . . = j pnj

(6.6)

Entonces si D = P1 AP es diagonal necesariamente las columnas de P son vectores propios de A y los coecientes 1 , ..., n son los valores propios de A. Podemos completar esta observacin con la siguiente propiedad:

Proposicin 6.6.6 Una matriz cuadrada A Mn (K) es diagonalizable si

slo si existe una base en el espacio Mn1 (K)de matrices columnas de n las formada por vectores propios de A.

orden n ) tal que P1 AP es diagonal. Por tanto tendremos que las n columnas de P son vectores propios de A linealmente independientes (por ser P invertible) y en consecuencia constituyen una base en el espacio de matrices columnas de n las formada por vectores propios de A. Recprocamente supongamos que

Demostracin Si A es diagonalizable existe una matriz invertible P (de

lgebra

265

p11 . . . ,..., pn1

p1n . . . pnn

es una base del espacio de matrices columnas de n las formada por vectores propios de A. Entonces tendremos que por un lado, al constituir estas matrices columna una base, la matriz p11 p1n . . . P= . . .

pn1

pnn

es invertible. Por otro, al ser vectores propios de A, existen n escalares 1 , . . . , n (no necesariamente distintos) tales que: p1j p1j . . j {1, . . . , n} , A . . = j . . pnj pnj Pero entonces tendremos que: p11 p1n . . . A . . . =

p11 . . . pn1

pn1

pnn

p1n . . . pnn

1 0 . . .. . . . . . 0 n

y en consecuencia, multiplicando por la izquierda P1 obtenemos: 1 0 . .. . P1 AP = . . . . .

n 2

Tras el resultado anterior, el problema de diagonalizacin queda reducido al problema de saber encontrar los vectores propios, siempre y cuando sto sea posible, lo cual, segn veremos, no sucede siempre. Teniendo en cuenta que por el teorema 6.6.6 una matriz cuadrada de orden n, A, es diagonalizable si y solo si existen n vectores propios de A linealmente

266

lgebra

independientes. Si un valor propio de A tiene multiplicidad algebraica m() > 1 (como raz del polinomio caracterstico de A), de la observacin 64 se sigue que en la matriz de paso P debern aparecer m() columnas que sean vectores propios linealmente independientes asociados al valor propio . En resumen: A es diagonalizable si y slo si para todo autovalor de A se verica que dim(Ker(A In )) = m(), es decir, si la multiplicidad geomtrica de es igual a su multiplicidad algebraica. Veamos con el siguiente ejemplo que no toda matriz cuadrada es diagonalizable:

Ejemplo 6.6.7 Sea A =


|A x I 2 | =
de donde

3 4 1 1

. Su polinomio caracterstico es = x2 2x + 1,

3x 4 1 1 x

1 , por lo que, si A fuese diagonalizable 1 1 0 y P1 AP fuese una matriz diagonal, necesariamente P1 AP = , 0 1 siendo los dos vectores columna de P vectores propios asociados al valor propio 1 y linealmente independientes. Sin embargo x2 2 x + 1 = 0 x = dim(Ker(A 1I2 ) = 2 rg (A 1I2 ) = 2 rg ( 2 4 1 2 )=1

con lo que no existen dos vectores propios de A linealmente independientes asociados al valor propio 1.

Potencias de matrices diagonalizables


El estudio terico realizado tambin nos provee de una herramienta para calcular la potencia nsima de una matriz diagonalizable.

lgebra Si una matriz cuadrada A es diagonalizable y tencia nsima, tendremos que 1 p11 p1n a11 a1n . . . . . . . . . . . .

267 queremos calcular su po-

p11 . . . pn1

pn1

pnn

an1 ann 1 0 . .. . = . . . . . 0 n P1 AP = D. A = PDP1 ,

p1n . . . = pnn

o, lo que es lo mismo, que Resulta que con lo que

An = PDP1

= PDP1

PDP1

PDP1 ... PDP1 = P Dn P1 .

Veamos un ejemplo:

Ejemplo 6.6.8 Hallar

1 1 . 4 2 Como, segn hemos visto en los ejemplos anteriores, 1 1 1 4


resulta que
1

1000

1 1 4 2 1 1 1 4 1 1 1 4 1 1 1 4
4 1000 2 5 4 1000 2 5

1 1 1 4 2 0 0 3 2 0 0 3

2 0 0 3 1 1 1 4 1 1 1 4
1

1 1 4 2
con lo que

1 1 4 2

1000

1000

= = =

= = .

21000 0 0 (3)1000
1 1000 2 5 1 1000 2 5

+1 (3)1000 5 4 5 (3)1000

1 (3) 5 +4 ( 3)1000 5

1 4 5 5 1 1 5 5 1000

268

lgebra

Ntese que, obviamente

1 1 4 2

4 n 2 5 4 n 2 5

+1 (3)n 5 4 (3)n 5

1 n 2 5 1 n 2 5

1 (3)n 5 4 +5 (3)n

6.6.3 Triangulacin de matrices


Volvemos a la pregunta fundamental que nos devuelve al hilo conductor del desarrollo del captulo: Es cualquier matriz cuadrada A Mn (C) semejante a alguna triangular? Vamos a ver que s. Adems, la demostracin del siguiente teorema constituye un algoritmo que permite la obtencin de la matriz triangular semejante a una matriz dada A Mn (C).

Teorema 6.6.9 Si A es una matriz cuadrada de orden n con coecientes


complejos, existe una matriz semejante a ella, T, que es triangular inferiormente.

Demostracin La demostracin consiste en probar que se puede construir una cadena de matrices
A = T0 T 1 Tn = T,
cada una semejante a la anterior (y en consecuencia todas ellas son semejantes entre s) y de tal modo que T es triangular inferiormente. Procedemos por induccin sobre la dimensin n de la matriz A. Base de induccin: si n = 1 no hay nada que demostrar. Paso de induccin: sea n 2 y supongamos que toda matriz cuadrada de dimensin n 1 es triangulable. Sea ahora A un matriz de dimensin n. Puesto que trabajamos con coecientes complejos, el polinomio caracterstico de A pA (x) = |A xI| tiene al menos una raz, a la que por conveniencia denotaremos con 1 . Llamamos v1 a un autovector asociado a 1 . Si elegimos una base de Cn cuyo

lgebra

269

ltimo vector sea v1 , la matriz A resultar ser semejante a una matriz A de la forma: 0 0 . . A = A . . n1 0 an1 an2 an(n1) 1 Entonces

pA (x) = pA (x) = (1 x) |An1 xIn1 |


y el polinomio caracterstico de An1 tiene n 1 races (los restante autovalores de A). Por la hiptesis de induccin, existe una matriz invertible de paso Pn1 y una matriz triangular inferiormente Tn1 tales que
1 Tn1 = Pn 1 An1 Pn1 .

Si denimos

P = Pn1 0 0

0 0 . . , . 0 0 1

se verica que

P 1 = 0 0 A.

1 Pn 1

0 0 . . . 0 0 1

y que

T = P1 A P.

Se sigue que la matriz triangular inferiormente T es semejante a la matriz 2

pondiente a la matriz

Ejemplo 6.6.10 Triangular por semejanza y hallar la matriz de paso corres-

270

lgebra

2 0 3 A = 3 2 9 1 2 6
En primer lugar determinamos las races del polinomio caracterstico de la matriz:

2 X 0 3 3 2 X 9 1 2 6X

= X + 2X 2 X 3 = (1 X )2 (0 X ).

Luego los autovalores A son 1, 1 y 0. Ya que rango(A Id3 ) = 2, la multiplicidad geomtrica de 1 = 1 es 1 y no coincide con su multiplicidad algebraica. Por tanto A no es diagonalizable. Un autovector asociado a 1 = 1 es v1 = (1, 2, 1) Ker(A Id3 ). Sea ((1, 0, 0), (0, 1, 0), (1, 2, 1)) una base de C3 . La matriz 1 0 1 P1 = 0 1 2 0 0 1 es tal que

1 0 1 2 0 3 1 0 1 1 A = P1 AP1 = 0 1 2 3 2 9 0 1 2 = 0 0 1 1 2 6 0 0 1 1 2 0 2 0 . = 1 1 2 1
Ahora tenemos que triangular la submatriz

A =

1 2 1 2

que tiene autovalores 1 y 0. Utilicemos el primero como 2 . Un autovector asociado a 2 = 1 es v2 = (1, 1) Ker(A Id2 ). Sea ((1, 0), (1, 1)) una base de C2 . La matriz

lgebra

271

1 1 0 P2 = 0 1 0 0 0 1
es tal que

1 1 0 1 2 0 1 1 1 2 0 0 P2 A P2 = 0 1 0 0 0 1 1 2 1 0 0 0 0 = 1 1 0 , 1 3 1 que es triangular inferiormente y tiene los autovalores Entonces 0 0 1 1 1 P2 A P2 = P2 P1 AP1 P2 = 1 1 1 3


Se sigue que la matriz de paso es

1 0 1 0 = 0 1

de A en la diagonal.

0 0 . 1

1 1 1 P = P1 P2 = 0 1 2 , 0 0 1

ya que

1 1 1 1 1 1 1 0 0 0 P 1 AP = 0 1 2 A 0 1 2 = 1 1 0 = T. 0 0 1 0 0 1 1 3 1

6.6.4 Resolucin de sistemas de ecuaciones diferenciales por triangulacin


A partir de este momento, sabremos resolver un sistema de ecuaciones diferenciales lineales con coecientes constantes, siempre que podamos obtener las races del polinomio caracterstico de la matriz de coecientes. Si la dimensin de la matriz del sistema es mayor o igual que cinco, no hay frmulas cerradas para hallar las races del polinomio caracterstico y hace falta usar mtodos numricos de aproximacin de autovalores. Algunos de estos mtodos estn ilustrados en la prctica 6.

272

lgebra

Sistemas homogneos
Vamos a ilustrar por medio de un ejemplo el mtodo de resolucin de sistemas homogneos. Sea el siguiente sistema homogneo de ecuaciones: y1 (t) 2 0 3 y1 (t) y2 (t) = 3 2 9 y2 (t) . 1 2 6 y3 (t) y3 (t)

Paso 1: Hacemos triangular la matriz de coecientes, no olvidando generar


la matriz de paso. Como esto ya ha sido realizado en el ejemplo anterior, simplemente nos traemos el resultado:

1 0 0 0 2 0 3 1 1 1 1 1 1 0 1 2 3 2 9 0 1 2 = 1 1 0 . 1 3 1 0 0 1 1 2 6 0 0 1

Paso 2: Resolvemos el sistema triangular


z1 (t) 0 0 0 z1 (t) z2 (t) = 1 1 0 z2 (t) . z3 (t) 1 3 1 z3 (t)
Como este sistema ha sido resuelto en el ejemplo 6.5.2, nos traemos la solucin: z1 (t) 1 0 0 z2 (t) = 1 1 + 2 et + 3 0 . z3 (t) 4 3tet et

Paso 3: Multiplicamos la solucin del sistema triangular por la matriz de


paso:

y1 (t) 1 1 1 1 0 0 y2 (t) = 0 1 2 1 1 + 2 et + 3 0 = y3 (t) 0 0 1 4 3tet et et 6 et + 3tet t t = 1 9 + 2 e 6te + 3 2et . et 3tet 4

lgebra

273

Ejemplo 6.6.11 Resolver la siguiente ecuacin:


f 6f + 9f = 0.
Lo primero es plantear el sistema de primer orden equivalente:

y1 (t) y2 (t)
donde

0 1 9 6

y1 (t) y2 (t)

y1 (t) = f (t) . y2 (t) = f (t) = y1 (t) 0 1 9 6

Ahora hacemos triangular la matriz

A=

para lo cual lo primero es determinar las races de su polinomio caracterstico:

X 1 9 6 X

= X 2 6X + 9 = (3 X )2 .

Luego los autovalores A son 3,3. A continuacin utilizamos el procedimiento visto para triangular la matriz y hallar la matriz de paso. El rango de la matriz A 3Id2 es 1 y, por tanto, A no es diagonalizable. Un autovector asociado al autovalor 1 = 3 es v1 = (1, 3) Ker(A 3Id2 ). Sea ((0, 1), (1, 3)) una base de C2 . La matriz 0 1 P1 = 1 3 es tal que
1 A = P1 AP1 =

3 1 1 0 =

0 1 9 6

0 1 1 3

3 0 . 1 3
1

Entonces

3 0 1 3

0 1 1 3

0 1 9 6

0 1

1 3

274

lgebra

Ahora resolvemos el sistema triangular

z1 (t) z2 (t)
Dicho sistema equivale a:

3 0 1 3

z1 (t) z2 (t)

z1 (t) = 3z1 (t) . z2 (t) = z1 (t) + 3z2 (t)


La solucin general de la primera ecuacin, segn sabemos, es z1 (t) = 1 e3t . La segunda ecuacin se transforma en z2 (t) 3z2 (t) = 1 e3t y su solucin general es:

z2 (t) = 2 e3t + e3t


0

1 e3x e3x dx 1 dx =

= 2 e + e

3t

3t 0

= 2 e3t + e3t 1 (t) = = e3t (2 + t1 ),


es decir,

z2 (t) = 1 te3t + 2 e3t .

Expresando las soluciones vectorialmente tenemos que

z1 (t) z2 (t)

= 1

e3t te3t

+ 2

0 e3t

Finalmente, multiplicamos la solucin del sistema triangular por la matriz de paso:

y1 (t) y2 (t)

= = 1

0 1

1 3
3t

e3t te3t + 2

+ 2 e3t 3e3t

0 e3t

te3t e + 3te3t

y, puesto que la solucin buscada es f (t) = y1 (t), concluimos que

f (t) = 1 te3t + 2 e3t .

lgebra

275

Sistemas no homogneos
Si la ecuacin diferencial de orden n considerada no fuese homognea, es decir, fuese de la forma

f (n) + an1 f (n1) + + a1 f + a0 f = h,


se puede aplicar una ligera variacin sobre el mtodo visto. Haciendo el mismo cambio y1 (t) = f (t) y2 (t) = f (t) = y1 (t) , (6.7) . . . y (t) = f (n1) (t) = y (t) n n1 el sistema de primer orden equivalente sera:

y1 (t) y (t) 2 . . . yn (t)

0 0 . . .

1 0 . . .

0 1

0 0 . . .

0 0 0 1 a0 a1 a2 an1

y1 (t) y2 (t) . . . . . . yn (t)

0 0 . . . 0 h(t)

con la peculiaridad de que, en este caso, tendramos el sistema

t R ,

y (t) = A y (t) + h (t).

Razonando de forma similar al caso en el que no tenamos trmino independiente, si P es una matriz cuadrada invertible, podemos pasar al sistema:

t R ,

P1 y (t) = P1 A y (t) + P1 h (t),

con lo que, si llamamos z (t) a P1 y (t) tendremos que z (t) = P1 y (t)


y, en consecuencia, para conseguir que aparezca el mismo tipo de variable a ambos lados de la igualdad, hacemos las mismas transformaciones que en el

276 caso de un sistema homogneo:

lgebra

z (t) = P1 A y (t) + P1 h (t) = = P1 A (P P1 ) y (t) + P1 h (t) = = (P1 A P)(P1 y (t)) + P1 h (t) = = (P1 A P) z (t) + P1 h (t) y, puesto que este sistema es triangular, sabemos resolverlo. Si z (t) es solucin de dicho sistema, deshaciendo el cambio obtendremos que y (t) = P z (t)
es la solucin buscada.

Ejemplo 6.6.12 Para resolver la ecuacin


f 6f + 9f = 32tet ,
como en el caso homogneo, el primer paso es plantear el sistema de primer orden equivalente:

y1 (t) y2 (t)

0 1 9 6

y1 (t) y2 (t)

0 32tet

Ahora hacemos triangular la matriz

A=

0 1 9 6

que coincide con la del ejemplo anterior y, segn vimos, se verica que

3 0 1 3
Ahora, siendo es decir,

0 1

1 3

0 1 9 6

0 1

1 3

z (t) = P1 y (t), z1 (t) z2 (t) 0 1 1 3


1

y1 (t) y2 (t)

lgebra

277

tenemos que resolver el sistema triangular

z1 (t) z2 (t)
y, puesto que

3 0 1 3

z1 (t) z2 (t)

0 1

1 3

0 32tet

0 1 1 3
dicho sistema es equivalente a:

3 1 1 0

z1 (t) z2 (t)
es decir:

3 0 1 3

z1 (t) z2 (t)

3 1 1 0

0 32tet

z1 (t) = 3z1 (t) + 32tet z2 (t) = z1 (t) + 3z2 (t)


Y ahora, la solucin general de la primera ecuacin, segn sabemos, es

z1 (t) = 1 e3t + e3t


0

32xex e3x dx = 32xe4x dx = x 4x e 4


t

= 1 e3t + e3t
0

(por partes) = 1 e + 32e

3t

3t

+
0

1 4

t 0

e4x dx =

1 = 1 e3t + 8e3t te4t (e4t 1) 4 3t t t = 1 e 8te 2e + 2e3t = = k1 e3t 8tet 2et ,

donde hemos tomado k1 = 1 + 2, ya que 1 es una constante arbitraria. La segunda ecuacin se transforma en z2 (t) 3z2 (t) = k1 e3t 8tet 2et y su

278

lgebra

solucin general es:

z2 (t) = 2 e3t + e3t


0

(k1 e3x 8xex 2ex )e3x dx (k1 8xe4x 2e4x )dx =


t 0

= 2 e3t + e3t
0

= 2 e3t + e3t

1 k1 x + e4x 2

1 1 1 8e3t ( te4t e4t + ) = 4 16 16

1 1 1 + 2tet + et 2e3t = = 2 e3t + e3t k1 t + e4t 2 2 2 1 1 1 = 2 e3t + k1 te3t + et e3t + 2tet + et 2e3t = 2 2 2 1 = e3t 2 2 + k1 t + et (1 + 2t) , 2
con lo que, renombrando las variables adecuadamente, obtenemos que

z2 (t) = k1 te3t + 2 e3t + et (1 + 2t) .


Expresando las soluciones vectorialmente tenemos que (k1 = C1 , 2 = C2 )

z1 (t) z2 (t)

= C1

e3t te3t

+ C2

0 e3t

8tet 2et et (1 + 2t)

Finalmente, multiplicamos la solucin del sistema triangular por la matriz de paso:

y1 (t) y2 (t)

= + = =

0 1 1 3

C1

e3t te3t =

+ C2

0 e3t

8tet 2et et (1 + 2t) 0 1 1 3

C1 e3t 8tet 2et C1 te3t + C2 e3t + et (1 + 2t)

C1 te3t + C2 e3t + et (1 + 2t) C1 e3t 8tet 2et + 3C1 te3t + 3C2 e3t + 3et (1 + 2t)

y, puesto que la solucin buscada es f (t) = y1 (t), concluimos que

f (t) = C1 te3t + C2 e3t + et (1 + 2t) .

lgebra

279

Ejercicio 6.6.1 Resolver la siguiente ecuacin:

D3 f 5D2 f + 7Df 3f = 9t 9. Solucin: f (t) = 4 3t + C1 et + C2 e3t + C3 et t.

6.7

Relaciones de recurrencia

Las tcnicas desarrolladas en este captulo tambin se pueden aplicar para resolver otro tipo de problemas, entre otros, el problema del primer ejemplo enunciado al principio del captulo. Para el desarrollo que sigue, es importante recordar que

N {0} = {0, 1, 2, 3, ...}.

Denicin 6.7.1 Diremos que la sucesin {an }nN{0} est denida recursivamente o por recurrencia si
1. k N tal que a1 , ..., ak son conocidos y 2. n N {0}, an+k est denido en funcin de an+k1 , ..., an .

ferencias.

Las relaciones de recurrencia tambin se denominan ecuaciones en di-

Denicin 6.7.2 Llamaremos relacin de recurrencia lineal homognea de orden k N con coecientes constantes a cualquier relacin de
recurrencia de la forma

an+k = c1 an+k1 + ... + ck an


donde c1 , ..., ck C, ck = 0, y n N {0}.
Las relaciones del tipo anterior se denominan lineales y homogneas debido a que la ecuacin asociada

an+k c1 an+k1 + ... + ck an = 0


de variables an+k , an+k1 , ..., an es una ecuacin lineal y homognea.

Ejemplo 6.7.3 La ecuacin


an+2 = an+1 5an

280

lgebra

es una relacin de recurrencia lineal homognea de grado 2, puesto que su ecuacin asociada an+2 an+1 + 5an = 0 es una ecuacin lineal y homognea (similar a la ecuacin x y + 5z = 0). Si especicamos los valores iniciales a1 y a2 , todos los trminos de la sucesin quedan determinados y, por tanto, hay una nica sucesin que satisface dicha relacin de recurrencia y cuyos dos primeros trminos sean a1 y a2 . Dicho de otra forma, el subespacio vectorial de F (N, R)

{{an } : an+2 an+1 + 5an = 0}


tiene dimensin 2.

Ejemplo 6.7.4 La relacin de recurrencia


an+2 =
no es lineal, pues la ecuacin

an+1 + 2an

y 2z = 0

no es lineal. La relacin de recurrencia

an+2 = a2 n+1 + 5an


tampoco es lineal.
Volvamos al problema original que tenemos planteado, esto es, encontrartodas las soluciones de una relacin de recurrencia lineal y homognea con coecientes constantes. El discurso va a seguir el mismo camino que el visto para las ecuaciones diferenciales. Primero veremos cmo se pueden resolver las relaciones de recurrencia homogneas de primer orden y luego las no homogneas para, a continuacin, utilizar la tcnica desarrollada en el captulo para resolver sistemas de relaciones de recurrencia, nalizando la exposicin con la aplicacin del mtodo para resolver ecuaciones de recurrencia de orden k > 1.

lgebra

281

6.7.1 Relaciones de primer orden


Segn vimos, las sucesiones {an }nN que satisfacen la relacin de recurrencia lineal homognea de primer orden

an+1 = an ,

(I )

son las sucesiones {an }nN que son autovectores de la funcin lineal S asociados al autovalor , junto con la sucesin nula 0 = {0, 0, 0, ....}. Esto es, el conjunto Ker(S Id). Por otra parte, si demostramos que dim(Ker(S Id)) = 1, localizando una solucin no nula, es decir, un elemento no nulo de dicho subespacio, el resto de soluciones se obtendr fcilmente. Veamos que, efectivamente,

dim(Ker(S Id)) = 1.
Evidentemente, la sucesin

{an } = {n } = {1, , 2 , 3 , ...},


es una solucin de la ecuacin (o relacin de recurrencia) (I ). Por otra parte, si {bn } es cualquier otra solucin de dicha ecuacin, vamos a demostrar que existe una constante K tal que

{bn } = K {n } = {K n },
con lo que {n } ser una base de Ker(S Id) y dim(Ker(S Id)) = 1. Puesto que {bn } Ker(S Id), es decir, S ({bn }) = {bn }, tendremos, por una parte, que

S ({bn }) = S ({b0 , b1 , b2 , ...}) = {b0 , b1 , b2 , ...} = {b0 , b1 , ...}


y, por otra, que

S ({bn }) = S ({b0 , b1 , b3 , ...}) = {b1 , b2 , ...},


de donde

{b0 , b1 , ...} = {b1 , b2 , ...},

282 es decir,

lgebra

b1 = b0 b2 = b1 = 2 b0 b3 = b2 = 3 b0 . . . bn = bn1 = n b0 . . .
. En otras palabras, {bn } = b0 {n }, con lo que las soluciones de la ecuacin

an+1 = an

(I )

son las progresiones geomtricas de razn , progresiones que constituyen el subespacio vectorial Ker(S Id), siendo una base de dicho espacio la sucesin {n } = {1, , 2 , 3 , ...}.

currencia

Ejemplo 6.7.5 Las sucesiones {an }nN que satisfacen la relacin de rean+1 = 5an

son de la forma

K {5n } = K {1, 5, 52 , ..., 5n , ...} = {K, 5K, 52 K, ..., 5n K, ...}.


progresin geomtrica slo es preciso conocer el primer elemento (b0 = K ) y la razn de la progresin (), conocido el valor inicial a0 , hay una nica sucesin {an }nN que satisface la relacin de recurrencia an+1 = an , (I ).

Observacin 65 Puesto que para tener completamente determinada una

Ejemplo 6.7.6 Existe una nica sucesin {an }nN que satisface las condiciones

a0 = 3 an+1 = 5an .

Dicha sucesin es

a0 {n } = 3 {5n } = {3, 15, 75, ..., 3 5n , ...}.

lgebra

283

Ya sabemos encontrar las soluciones de una ecuacin de recurrencia lineal y homognea con coecientes constantes de primer orden, e incluso hallar la nica solucin de una ecuacin del tipo anterior toda vez que se conozca un valor inicial. Ahora bien, Cmo podemos encontrar las soluciones de un sistema de ecuaciones de recurrencia de primer orden? Podemos emplear la misma tcnica de resolucin vista para los sistemas de ecuaciones diferenciales? Veremos que la respuesta a esta pregunta es armativa. Pero, para poder aplicarla, necesitamos resolver en primer lugar las relaciones de recurrencia no homogneas de primer orden con coecientes constantes. La siguiente proposicin tiene como consecuencia que cualquier relacin de recurrencia lineal y homognea de primer orden con coecientes constantes tiene solucin.

Proposicin 6.7.7 C la funcin lineal


(S Id) : F (N, C) F (N, C)
es sobreyectiva.

Demostracin Dada {an } F (N, C), hay que probar que {bn } F (N, C)
tal que

(S Id)({bn }) = {an }.
Ahora bien, dicha igualdad es equivalente a que S ({bn }) ({bn }) = {an }, es decir, {bn+1 } ({bn }) = {an }. Por consiguiente:

b1 = a0 , b2 = a1 + a0 , b3 = a2 + a1 + 2 a0 , . . . bn = an1 + an2 + ... + n1 a0 , . . .


La solucin {bn } est determinada por b0 = 0 y, para n 1,
n

bn =
i=1

i1 ani ,

284 es decir,

lgebra

{bn } = {0, a0 , a1 + a0 , a2 + a1 + 2 a0 , ..., an1 + an2 + ... + n1 a0 , ...},


es tal que (S Id)({bn }) = {an }, como puede comprobarse fcilmente trmino a trmino:

S (b0 ) b0 = a0 0 = a0 S (b1 ) b1 = b2 b1 = (a1 + a0 ) a10 = a1 S (b2 ) b2 = b3 b2 = a2 + a1 + 2 a0 (a1 + a0 ) = a2 . . . S (bn ) bn = an . . .


y, en consecuencia (S Id) es sobreyectiva.

La proposicin anterior nos proporciona una herramienta para hallar una solucin particular de cualquier relacin de recurrencia de primer orden con coecientes constantes. Ahora Cmo podemos obtener todas las soluciones de una ecuacin lineal de primer orden no necesariamente homognea? Razonando de forma anloga a como hicimos con las ecuaciones diferenciales. El resultado similar que se tiene en este contexto queda establecido en la siguiente proposicin, cuya demostracin se propone como ejercicio.

recurrencia

Proposicin 6.7.8 Siendo {bn } una solucin particular de la relacin de


(S Id)({xn }) = {an },
se verica que

(I )

{yn } es solucin de (I ) K C tal que {yn } = {bn } + K {n }.

Es decir, vale el principio de superposicin de soluciones: la solucin de la ecuacin no homognea se obtiene sumando a una solucin particular de

lgebra

285

dicha ecuacin todas las soluciones de la ecuacin homognea asociada. Por consiguiente, teniendo en cuenta los resultados obtenidos, podemos concluir que

{yn } es solucin de (S Id)({yn }) = {an } y0 = K y n K C tal que i1 ani + K {n }. n 1 , yn =


i=1

Ejemplo 6.7.9 El conjunto de soluciones de la relacin de recurrencia


an+1 = 3an + (1)n
es el conjunto de sucesiones {an } cuyo trmino general es de la forma

an = bn + K 3n ,
donde K C y {bn } es la sucesin denida por b0 = 0 y, para n > 1,
n

bn =
i=1

3i1 (1)ni .

En otras palabras, {an } es solucin de la relacin de recurrencia dada si {an } es de la forma

a1 = K
n1

an = K 3n1 +
i=1

3i1 (1)ni .

En particular, si buscamos la nica sucesin determinada por las condiciones

a0 = 0 an+1 = 3an + (1)n


dicha sucesin es

a0 = 0 n 1 an =

n i=1

3i1 (1)ni

286

lgebra

es decir,

b0 b1 b2 b3 bn

= = = =

0 1, 1 + 3 (1), 1 + 3 + 32 (1), . . . = (1)n1 + 3(1)n2 + ... + 3n1 (1), . . .

(6.8)

Observacin 66 Para nalizar este apartado, vamos a hacer una breve re-

exin sobre la forma que tiene la solucin particular que encontramos utilizando el mtodo expuesto. Segn hemos visto, la sucesin {bn } determinada por b1 = 0 y, para n 1,
n1

bn =
i=1

i1 ani

es una solucin particular de la relacin de recurrencia

(S Id)({xn }) = {an }.
La forma de la sucesin {bn } recuerda al producto de polinomios. De hecho, el trmino general de esta sucesin (donde n N, n 1) se podra expresar del siguiente modo:
n

bn =
i=1

i1 ani =
j +k=n1

j ak .

6.7.2 Sistemas de relaciones de recurrencia


El planteamiento del problema es similar al visto para ecuaciones diferenciales. En este caso, el problema consiste en resolver sistemas de la forma

x1 (n + 1) = a11 x1 (n) + a12 x2 (n) + + a1m xm (n), x2 (n + 1) = a21 x1 (n) + a22 x2 (n) + + a2m xm (n), . . . x (n + 1) = a x (n) + a x (n) + + a x (n), m m1 1 n2 2 mm m

lgebra

287

donde las sucesiones  incgnita son {x1 (n)}, ..., {xm (n)}. Como en el caso de las ecuaciones diferenciales, podemos emplear la notacin matricial x1 (n) a11 a12 a1m x1 (n + 1) x2 (n + 1) a21 a22 a2m x2 (n) , = . . . . . . . . . . . . . . .

xm (n + 1)

am1 am2

amm

xm (n)

o, inclusive la notacin matricial compacta

x (n + 1) = A x (n).
A los sistemas del tipo anterior se les conoce como sistemas homogneos de m ecuaciones de recurrencia de primer orden con coecientes constantes. La tcnica para resolver este tipo de sistemas es exactamente la misma que la vista para los sistemas de ecuaciones diferenciales. As, dado el sistema de ecuaciones

x (n + 1) = A x (n),
donde A es una matriz cuadrada de orden m. Si P es una matriz cuadrada invertible y consideramos la matriz P1 , tendremos que

P1 x (n) = P1 A x (n)
y, siendo

z (n) = P1 x (n), z (n + 1) = P1 A x (n) = P1 A (P P1 ) x (n) = 1 1 = (P A P)(P x (n)) = (P1 A P) z (n).

podemos hacer las siguientes transformaciones:

Por ello, si P1 A P es triangular, para resolver el sistema original planteado es suciente con resolver dicho sistema triangular y deshacer el cambio realizado x (n) = P z (n). para obtener la solucin buscada.

288

lgebra

Ejemplo 6.7.10 Supongamos que queremos encontrar las sucesiones que satisfacen el sistema de relaciones de recurrencia lineales y homogneas de primer orden con coecientes constantes:

x(n + 1) = x(n) + y (n) y (n + 1) = 4x(n) 2y (n),


junto con las condiciones iniciales x(0) = 1, y (0) = 6. Si planteamos el sistema de forma matricial, tendremos:

x(n + 1) y (n + 1)

1 1 4 2

x(n) y (n)

Operando, obtenemos que los autovalores de la matriz del sistema son 2 y 3 y que la forma triangular (en este caso diagonal) de la matriz asociada es

1 1 1 4

1 1 4 2

1 1 1 4

2 0 0 3

Razonando del mismo modo que con los sistemas de ecuaciones diferenciales, procedemos a resolver el sistema

(II )
con

z (n + 1) u(n + 1) x(n) y (n) =

= 1 1 1 4

2 0 0 3

z (n) u(n)

z (n) u(n) .

El sistema (II ) es, obviamente, el sistema

z (n + 1) = 2z (n) , u(n + 1) = 3u(n)


cuyas soluciones son, segn sabemos,

{z (n)} = {2n } {u(n)} = {(3)n }


Luego

(, C).

x(n) y (n)

1 1 1 4

2n (3)n

2n + (3)n 2n 4 (3)n

(, C).

lgebra

289

Imponiendo, nalmente, las condiciones iniciales tendremos que

x(0) = 1 = 20 + (3)0 = + y (0) = 6 = 20 4 (3)0 = 4,


es decir, que

+ =1 4 = 6,
con lo que, resolviendo el sistema

5 = 5 = 1 , =2
de donde las sucesiones que satisfacen el sistema planteado con las condiciones iniciales dadas son:

x(n) y (n)
es decir,

2 2n (3)n 2 2n + 4(3)n

2n+1 (3)n 2n+1 + 4(3)n

{x(n)} = 2n+1 (3)n


y

{y (n)} = 2n+1 + 4(3)n .

Ejercicio 6.7.1 Comprobar que la solucin del sistema de ecuaciones diferenciales

x (t) = x(t) + y (t) , y (t) = 4x(t) 2y (t)

sujeto a las condiciones iniciales x(0) = 1, y (0) = 6 es

x1 (t) x2 (t)

2e2t e3t 2e2t + 4e3t

Comprese con la solucin del sistema de relaciones de recurrencia del ejemplo anterior.

290

lgebra

6.8 Ejercicios
6.8.1 Ejercicios resueltos
1. Determinar la sucesin denida recursivamente por las condiciones an+2 = 7an+1 12an a1 = 1 a2 = 3. 2. Encontrar las sucesiones que satisfacen la relacin de recurrencia

an+3 = 4an+2 5an+1 + 2an .


3. Encontrar las soluciones de la ecuacin diferencial

D2 (f ) 7D(f ) + 12f = et .
4. Resolver el problema de valor inicial

D(f ) 2f = e2t f (0) = 1.


5. Resolver el sistema de ecuaciones diferenciales x1 = 5 x1 + 4 x2 x2 = x1 + 2 x2 sujeto a las condiciones iniciales x1 (0) = 2,

x2 (0) = 3.

6. Resolver el sistema de ecuaciones de recurrencia (ecuaciones en diferencias) an+1 = 5an + 4bn bn+1 = an + 2bn con las condiciones iniciales a1 = 2, b1 = 3. 7. Calcular la potencia nsima de la matriz 2 1 1 A = 2 3 2 . 3 3 4

lgebra

291

6.8.2 Ejercicios propuestos


1. Supuesto que t R, determinar todas las soluciones de los siguientes sistemas: y1 (t) = y1 (t) y1 (t) = sin(t) y2 (t) = 2y2 (t) y2 (t) = t2 a) b) y3 (t) = y1 (t) + y2 (t) + y3 (t). y3 (t) = y1 (t) + y2 (t) + y3 (t),

1 0 2 2. Dada la matriz A = 1 1 1 determinar A100 . 0 0 1 1 4 12 3. Dada la matriz A = 0 3 9 , se pide: 0 1 3 a) hallar una base del subespacio propio asociado a cada valor propio, b) determinar si la matriz A es diagonalizable.
4. Dada una matriz A Mn (K), puede ocurrir que A no sea diagonalizable y A2 s sea diagonalizable? 5. Triangularizar por semejanza y hallar 3 1 0 2 correspondiente a la matriz A = 1 1 la matriz de paso 0 1 . 1

6. Supuesto que t R, determinar todas las soluciones del siguiente y1 (t) = 3y1 (t) + y2 (t) y2 (t) = 2y2 (t) + y3 (t) sistema: y3 (t) = y1 (t) y2 (t) + y3 (t). 7. Resolver las siguientes ecuaciones: a) 2f + 3f + f = 0, b) 2f + 3f + f = t. 8. Determinar la sucesin {an } que, empezando en a0 = 0, verica

an+1 = 2an + 5n
para todo n N

{0}.

292

lgebra 9. Determinar la sucesin denida recursivamente por las condiciones an+2 = an+1 + 2an , a1 = 3, a2 = 4.

10. Resolver el sistema de ecuaciones de recurrencia (ecuaciones en diferencias) b , an+1 = 2an + 1 4 n bn+1 = an + bn , con las condiciones iniciales a1 = 2,

b 1 = 1.

11. Dada una matriz A Mn (K), demostrar las siguientes armaciones: a) los autovalores de A coinciden con los de su traspuesta, b) si A es inversible, los autovalores de A1 son los inversos de los autovalores de A, 12. Dada la matriz

A=

2 a 3 b

determinar los valores de a, b R para que (1, 3) sea un autovector asociado al autovalor = 2. 13. Dada una matriz A Mn (K) idempotente (es decir, tal que A2 = A), estudiar como son los autovalores de A.

Captulo 7 Soluciones de los ejercicios


7.1 Soluciones de los ejercicios del captulo 1

1. Representar por su matriz ampliada y resolver por el mtodo de GaussJordan cada uno de los siguientes sistemas de ecuaciones lineales :

2x1 + x2 + 3x3 = 9 5x1 + 4x2 + 6x3 = 24 x1 + 3x2 2x3 = 4 {x3 = 3, x2 = 4, x1 = 2} 2 1 3 x1 9 5 4 6 x2 = 24 1 3 2 x3 4


La solucin del sistema por el mtodo de Gauss-Jordan sera la siguiente: 2 1 3 9 1 3 2 4 F2 = F2 5F1 F F3 5 4 6 24 1 5 4 6 24 F3 = F3 2F1 1 3 2 4 2 1 3 9 1 3 2 4 0 11 16 4 , ... prosiguiendo con las transformaciones elemen0 5 7 1 293

294

lgebra

1 0 0 2 tales adecuadas hasta obtener la matriz 0 1 0 4 , es decir, 0 0 1 3 {x1 = 2, x2 = 4, x3 = 3} .


Del mismo modo el sistema

3x1 + x2 + x3 5x4 = 4 5x1 + 2x2 + 4x3 2x4 = 6


se expresara

3 1 1 5 5 2 4 2

x1 x2 x3 = x4

4 6

Resolvindolo por el mtodo de Gauss-Jordan obtendremos: F1 = 1 F F F1 = 1 1 5 4 3 1 3 1 3 1 1 5 4 1 1 3 3 3 3 F2 = F2 5F1 F2 = F2 5F1 7 19 2 5 2 4 2 6 0 1 3 3 3 3 F2 = 3F2 1 0 2 8 2 F1 = F1 1 F , es decir, el sistema es compa3 2 0 1 7 19 2 tible indeterminado, y las soluciones son

{x1 = 2 + 2x3 + 8x4 , x2 = 2 7x3 19x4 , x3 , x4 } .


Razonando anlogamente con el sistema x1 x2 + x3 x4 = 0 2x1 + 3x2 + 4x3 + 5x4 = 0 x1 x2 + 2x3 2x4 = 0 5x1 + 5x2 + 9x3 + 9x4 = 0 obtenemos que es compatible indeterminado, siendo su solucin

9 9 x1 = x4 , x 2 = x4 , x 3 = x4 , x 4 = x4 , 5 5
o , si se preere,

9 9 x1 = , x2 = , x3 = , x4 = 5 5

lgebra

295

2. Considere el sistema de ecuaciones x + y + 2z = a x+z =b 2x + y + 3z = c Demuestre que para que este sistema sea compatible, a, b y c deben satisfacer c = a+b. 1 1 2 a La matriz ampliada de este sistema es A = 1 0 1 b . 2 1 3 c

1 1 2 a 1 0 1 b F2 = F2 F1 F < > F2 1 1 2 a F3 = F3 2F1 A= 1 0 1 b 1 2 1 3 c 2 1 3 c 1 0 1 b 1 0 1 b 0 1 1 a b F3 = F3 F2 0 1 1 ab 0 0 0 cab 0 1 1 c 2b


Si c = a + b, el sistema no es compatible ya que sera equivalente a un sistema que contiene una ecuacin de la forma 0x + 0y + 0z = c a b = 0. Si c = a + b, el sistema dado es equivalente al sistema

x = z + b y = z + a b
que es compatible indeterminado y tiene conjunto solucin

{(z + b, z + a b, z ) : z R}
.

296

lgebra

3. Resuelva cada uno de los sistemas siguientes por eliminacin de GaussJordan: a)

2 3 2 1 . La matriz ampliada de este sistema es A = 2 1 3 2 1

2x1 3x2 = 2 2x1 + x2 = 1 3x1 + 2x2 = 1

1 2 3 2 2 3 2 F1 = 2 F1 F = F F 2 1 1 2 0 4 3 F2 = 1 F A= 2 1 4 2 3 2 1 3 2 1 3 1 0 1 1 F3 = F3 3F1 1 0 1 5 2 8 3 3 3 F3 = F3 + 2 F2 0 1 F1 = F1 + 2 F2 0 1 4 0 1 4 13 3 2 1 0 2 4 0 0
El sistema es incompatible. b) 3x1 + 2x2 x3 = 15 5 x1 + 3 x2 + 2 x3 = 0 3x1 + x2 + 3x3 = 11 11x1 + 7x2 = 30

1 8 3 4 7 8

3 5 La matriz ampliada de este sistema es A = 3 11 sucesin de transformaciones elementales

2 1 15 3 2 0 . La 1 3 11 7 0 30

1 F3 = F3 F1 , F1 = F1 , F2 = F2 5F1 , F4 = F4 11F1 , F4 = F4 F2 , 3 2 1 7 F1 = F1 + F3 , F2 = 3F2 , F3 = F3 +F2 , F3 = F3 , F1 = F1 F3 , F2 = F2 +11F3 3 7 3 transforma A en su forma escalonada reducida

lgebra

297

1 0 0 0
c)

0 1 0 0

0 4 0 2 . La nica solucin del sistema es (4, 2, 7). 1 7 0 0 4x1 8x2 = 12 3x1 6x2 = 9 2x1 + 4x2 = 6

4 8 12 La matriz ampliada de este sistema es A = 3 6 9 . La suce2 4 6 sin de transformaciones elementales 1 1 1 F1 = F1 , F 2 = F2 , F 3 = F3 , F2 = F2 F1 , F3 = F3 F1 4 3 2 1 2 3 transforma A en la matriz equivalente 0 0 0 . El conjunto solucin 0 0 0 del sistema es {(2t + 3, t) : t R}.
4. Para qu valores de a el sistema que sigue no tiene soluciones? Tiene exactamente una solucin? Tiene innidad de soluciones?

x + 2y 3z = 4 3x y + 5z = 2 4x + y + (a2 14)z = a + 2 1 2 3 4 5 2 . La matriz ampliada de este sistema es A = 3 1 4 1 a2 14 a + 2 Aplicando las transformaciones elementales F2 = F2 3F1 , F3 = F3 4F1 , F3 = F3 F2 , F2 =
se obtiene la matriz

1 F2 , F1 = F1 2F2 , 7

298

lgebra

8 1 0 1 7 10 0 1 . 2 7 2 0 0 a 16 a 4
Si a = 4, el sistema es incompatible, ya que la ltima la sera de la forma 0 = 8. Si a = 4, la ltima la es una la de ceros y el sistema es compatible indeterminado con conjunto solucin

8 10 (t + , 2t + , t) : t R . 7 7
1 Si a = 4, aplicando la transformacin F3 = a2 F , se obtiene la matriz 16 3 en forma escalonada 8 1 0 1 7 0 1 2 10 . 7 1 0 0 1 a+4

En este caso el sistema tiene exactamente una solucin para cada valor de a. (Hay tres variables principales) 5. Calcular las inversas de la siguientes matrices:

A=

3 1 5 2

B= F1 = 1 F 3 1

2 3 4 4

C=

2 0 0 3 F2 = F2 5F1 1 0 2 1 0 1 5 3 1 0
.
1 3 1 3 1 3 5 3

3 1 1 0 5 2 0 1 F1 = F1 F2
Entonces A1

1 1 1 0 3 3 5 2 0 1

0 1

1 0 2 1 5 0 1 1 3 3 2 1 = . 5 3

F2 = 3 F2

2 3 1 0 4 4 0 1 3 1 1 0 2 2 0 10 2 1

3 1 1 1 F1 = 2 F1 0 2 2 4 4 0 1 3 1 1 1 F2 = 10 F2 2 2 1 0 1 5

F2 = F2 4F1 F1 = F1 + 3 0 F 2 1 1 10

lgebra

299
1 5 1 5 3 20 1 10

1 0 0 1

.
1 5 1 5 3 20 1 10

Entonces B 1 =

. 1 0 1 0 2 0 3 0 1
1 F2 = 3 F2

2 0 1 0 0 3 0 1
Entonces C 1

1 F1 F1 = 2 1 0 2 = . 0 1 3

1 0 1 0 2 0 1 0 1 3

6. Verique que las matrices A y B del ejercicio 5) satisfacen la relacin (AB )1 = B 1 A1 .

B 1 A1 = 3 1 5 2

1 5 1 5

3 20 1 10

2 1 5 3 =

7 20 9 10

1 4 1 2

AB =

2 3 4 4

10 5 18 7
1 1 2 18 7

.
1 10

10 5 1 0 18 7 0 1
1 1 2 0 2 1 0 0 1 1 10 9 5 7 20 9 10

1 F1 = 10 F1 1 F2 = 2 F2

0 1 0
1 2

F2 = F2 18F1 F1 = F1 + 1 F 2 2

0 1
1 4 1 2

1 0

1 2

1 10 9 10

. Entonces (AB )1 = B 1 A1 .

7. Sea A una matriz invertible y suponga que la inversa de 7A es 1 2 . Encuentre la matriz A. 4 7

1 7

1 2 4 7 1 2 4 7

= (7A)1 =
1

1 1 A 7

A1 = 7

1 2 4 7

A =

1 2 1 0 4 7 0 1

F2 = F2 + 4F1

1 2 1 0 0 1 4 1

F1 = F1 2F2

300

lgebra

1 0 7 2 0 1 4 1 7 2 A= 1 = 7 4 1

F1 = F1 1 2 7 . 4 1
7 7

1 0 7 2 0 1 4 1

8. Sea AX = B un cualquier sistema consistente de ecuaciones lineales y supngase que X1 es una solucin ja. Demuestre que toda solucin para el sistema se puede escribir en la forma X = X1 + X0 , en donde X0 es una solucin para AX = 0. Demuestre tambin que toda matriz de esta forma es una solucin. Sea X2 una solucin del sistema AX = B. Ya que X2 = X1 + (X2 X1 ), ser suciente demostrar que (X2 X1 ) es una solucin del sistema AX = 0 y denir X0 = X2 X1 . En efecto, A(X2 X1 ) = AX2 AX1 = B B = 0. Ahora tenemos que vericar que toda matriz X de la forma X1 +X0 , donde X1 es una solucin particular del sistema AX = B y X0 es una solucin del sistema homogneo AX = 0, es tambin una solucin del sistema. En efecto, AX = A(X1 + X0 ) = AX1 + AX0 = B + 0 = B. 9. Encontrar 3 1 a) A = 2 1 0 c) C = 1 la inversa de la matriz dada, si la 4 1 3 1 0 3 2 4 b) B = 5 4 4 2 0 1 1 1 1 0 matriz es invertible: 5 1 9

a) Aplicando sucesvamente las transformaciones elementales F2 2 F3 , F2 = F2 3F1 , F3 = F3 2F1 , F2 = 1 F , F3 = F3 5F2 , F3 = 5 F3 , F 2 = 4 2 5 = F 3 F F2 + 2 F3 , F1 3 1 3 4 1 1 0 0 a la matriz 1 0 3 0 1 0 , obtenemos la matriz 2 5 4 0 0 1 3 11 6 11 6 3 1 0 0 2 10 5 2 10 5 0 1 0 1 1 1 . Por lo que A1 = 1 1 1 . 1 7 2 1 7 2 0 0 1 2 10 5 2 10 5

lgebra

301 elementales F3 = F3 + 2F1 y F3 = 0 0 1 0 , obtenemos la matriz 0 1

b) Aplicando las transformaciones 3 1 5 1 2 4 1 0 F3 F2 a la matriz 4 2 9 0

3 1 5 1 0 0 2 4 1 0 1 0 . 0 0 0 2 1 1 3 1 5 Por lo tanto la matriz B es equivalente a la matriz 2 4 1 , es decir, 0 0 0 el sistema de ecuaciones lineales homogneo asociado a la matriz B , 3x + y + 5z = 0 2x + 4y + z = 0 , es equivalente al sistema homogneo de dos 4x + 2y + 9z = 0 3x + y + 5z = 0 ecuaciones en tres variables 2x + 4y + z = 0 , que tiene una innidad de 0=0 soluciones. Por ello la matriz B no puede ser invertible, ya que, si lo fuera, el sistema sera compatible determinado. c) Aplicando las transformaciones elementales F3 = F3 F1 , F3 = 1 0 1 1 0 1 0 1 1 0 1 F2 , F 3 = F F = F F y F = F F a la matriz 3, 1 1 3 2 2 3 2 1 1 0 0 0 1 1 1 1 0 0 2 2 2 1 1 1 . se obtiene la matriz 0 1 0 2 2 2 1 1 1 0 0 1 2 2 2 1 1 1
Entonces C 1 =
2 1 2 1 2 2 1 2 1 2 2 1 2 1 2

F3 0 0 , 1

10. Efecte las operaciones sobre las las que siguen sobre

3 1 0 A = 2 1 4 3 5 5

302

lgebra

multiplicando por una matriz elemental apropiada. En cada caso, verique la respuesta llevando a cabo la operacin sobre las las directamente sobre A. a)Intercambie la primera y tercera las. b)Multiplique la segunda la por 1/3. c)Sume el doble de la segunda la a la primera.

0 0 1 3 5 5 a) 0 1 0 A = 2 1 4 1 0 0 3 1 0 3 1 0 1 0 0 2 1 4 0 A = b) 0 1 3 3 3 3 0 0 1 3 5 5 1 2 0 1 3 8 c) 0 1 0 A = 2 1 4 0 0 1 3 5 5
11. Una caja que contiene monedas con las denominaciones de un centavo, cinco centavos y diez centavos tiene 13 de ellas con un valor total de 83 centavos. Cuntas monedas de cada tipo hay en la caja ? Hay que resolver el sistema de ecuaciones x + y + z = 13 x + 5y + 10z = 83 El sistema anterior es equivalente al sistema x + y + z = 13 4y + 9z = 70, z 709z sistema que tiene una innidad de soluciones de la forma ( 18+5 , 4 , z ). 4 En el problema dado 0 z 13 y, para que x e y no sean negativos, 4 z 7. El nico valor de z en este intervalo tal que x e y sean nmeros naturales es 6. Entonces hay 3 monedas de 1 centavo, 4 de cinco centavos y 6 de diez centavos. 12. Para cul valor, o cules valores, de a el sistema siguiente tiene cero, una y una innidad de soluciones?

lgebra

303

x1 + x2 + x3 = 4 x3 = 2 2 (a 4)x3 = a 2
La matriz a este sistema es la matriz ampliada asociada 1 1 1 4 1 2 . Si a = 2, la ltima ecuacin es del A = 0 0 2 0 0 a 4 a2 tipo el sistema es incompatible. Si a = 2, la matriz A es igual a 0 = 4 y 1 1 1 4 0 0 1 2 y el sistema tiene una innidad de soluciones: 0 0 0 0

{(t + 2, t, 2) : t R} .
Si a = 2, podemos aplicar la transformacin elemental F3 = matriz A. El sistema es equivalente al sistema x1 + x2 + x3 = 4 x3 = 2 1 x3 = a+2
1 F a2 4 3

a la

que es compatible y tiene una innidad de soluciones {(2 s, s, 2) : s R} 1 slo si a+2 = 2, es decir, slo si a = 3 . 2 13. Demostrar que la trasposicin de matrices satisface las siguientes propiedades. a) A Mmn (K) t (t A) = A. Dado (i, j ) {1, ..., m} {1, ..., n}, aplicando la denicin t t ( A)(i, j ) =t A(j, i) = A(i, j ). Por consiguiente, al ser matrices del mismo orden, t (t A) = A. b) A, B Mmn (K) t (A + B ) =t A +t B. Dado (i, j ) {1, ..., m} {1, ..., n}, aplicando la denicin
t

(A + B )(i, j ) = (A + B )(j, i) = A(j, i) + B (j, i) = = (t A)(i, j ) + (t B )(i, j ) = (t A +t B )(i, j ).

c)A Mmn (K), B Mnp (K) A B Mmp (K), con lo que t (A B ) Mpm (K). Por otra parte t B Mpn (K),t A Mnm (K), . con lo que

304

lgebra

(t B t A) Mpm (K), es decir, son matrices del mismo orden. Dado ahora (i, j ) {1, ..., m} {1, ..., n}, aplicando la denicin
n t

(A B )(i, j ) = (A B )(j, i) =
k=1 n

A(j, k ) B (k, i) =
n

= =
k=1 t

(t A)(k, j ) (t B )(i, k ) =
k=1 t

(t B )(i, k ) (t A)(k, j ) =

B A (i, j ).

14. Demostrar que si A Mn (K) es invertible, entonces


t

(A) Mn (K)
1

es invertible y t (A1 ) = (t A) . Si A A1 = In y A1 A = In , por las propiedades vistas en el problema anterior t (A A1 ) =t In = In =t (A1 ) (t A) y t (A1 A) =t In = In = 1 (t A) t (A1 ) , con lo que t (A1 ) = (t A) . 15. Si A = (aij ) Mn (K), se denomina traza de A a la suma de los elementos de la diagonal principal de A, es decir,
n

T r(A) = a11 + ... + ann =


i=1

aii .

Demostrar que A, B, C Mn (K): a) T r(A + B ) = T r(A) + T r(B ).

T r(A + B ) =

i=1

(aii + bii ) = (por las propiedades asociativa y conmutativa


n i=1 n i=1

de +) = (a11 + ... + ann ) + (b11 + ... + bnn ) = b) T r(AB ) = T r(BA). Si AB = C y BA = D, T r(AB ) =


n n

aii + cii =

n i=1 n

bii .
n

aik bki

aik bki

k=1 i=1 n

= (por la propiedad conmutativa de ) = =

i=1 k=1 n n k=1 i=1

bki aik =

dii

i=1

= T r(BA).

lgebra Poner un contraejemplo que ponga de maniesto que

305

T r(A.B ) = T r(A) T r(B ). 1 1 1 0 1 1 y B = I2 = , A.B = = A, por lo 1 1 0 1 1 1 que T r(A.B ) = T r(A) = 2; sin embargo T r(A) T r(B ) = 2 2 = 4. c) Siendo C = At A,
Si A =
n n n

T r(A A) = T r(C ) =
i=1 n n

C (i, i) =

A(i, k )t A(k, i)) = a2 ik .

i=1 k=1 n n

(
i=1 k=1

A(i, k )A(i, k )) =
i=1 k=1

16. Se dice que una matriz A Mn (K) es simtrica si t A = A. Demostrar que una condicin necesaria y suciente para que el producto de dos matrices simtricas A, B Mn (K) d como resultado una matriz simtrica es que AB = BA. Veamos que es condicin necesaria: Hiptesis: A y B simtricas y AB simtrica. En estas condiciones es AB = BA? t (AB ) = al ser AB simtrica = AB ; Pero tambin t (AB ) = (t B )(t A) = ( Al ser A y B simtricas) = AB. Veamos ahora que es condicin suciente: Hiptesis: A y B simtricas y AB = BA. Es en estas condiciones AB simtrica? Si AB = BA, tendremos que t (AB ) =t (BA) = (t A)(t B ) =(Al ser A y B simtricas)=AB, con lo que AB es simtrica. 17. Determinar C y C para que la matriz A =

2 1 1 2

M2 (C) satisfaga la ecuacin A2 + A + I2 = (0). Utilizando la relacin anterior, y sabiendo que A es invertible, calcular 1 A . 2 1 2 1 5 4 = , luego hay que resolver la ecuacin 1 2 1 2 4 5 5 4 4 5 + 2 1 1 2 + 1 0 0 1 = 0 0 0 0 ,

306 de donde

lgebra

5 + 2 + 4+ 4+ 5 + 2 +

0 0 0 0

, y en consecuencia =

4 y = 3 . Por consiguiente A2 4A +3I2 = (0). Suponiendo que A tiene inversa A1 , multiplicando por dicha matriz a ambos lados de esa ecuacin, obtenemos A1 (A2 4A + 3I2 ) = A1 (0) = (0), de donde A 4I2 + 3A1 = (0), es decir, 2 1 2 1 1 1 3 3 (4I2 A) = 3 = A1 = 3 . 1 2 1 2 3 3
18. Se dice que una matriz A Mn (K) es idempotente si A2 = A. Demostrar que si A Mn (K) es idempotente, entonces B = In A es idempotente. Demostrar tambin que AB = (0) y que BA = (0). B 2 = (I A)(I A) = I AA+A2 . Al ser A idempotente I AA+A2 = I A = B, luego B es idempotente. Por otra parte AB = A(I A) = A A2 = A A = (0)

BA = (I A)A = A A2 = A A = (0).
19. En una feria de ganado un granjero compr pollos, conejos y terneros. Los pollos los compr a 50 pts., los conejos a 1000 pts. y los terneros a 5000pts. Compr 100 animales y gast 100.000 pts. Sabiendo que compr animales de las 3 clases, averiguar el nmero de animales que compr de cada clase. Hay que resolver el sistema de ecuaciones x + y + z = 100 50x + 1000y + 5000z = 100000 El sistema anterior es equivalente al sistema x + y + z = 100 19y + 99z = 1900 Haciendo z = , se tiene que y = 100 99 , x = 80 . De las condiciones 19 19 del enunciado se sigue que las soluciones deben ser enteras y positivas, por lo que debe ser mltiplo de 19. Si = 0, no comprara terneros. Si = 19, z = 19, y = 1, x = 80. Esta es la nica solucin posible, pues si = 19n y n > 1, y sera negativo. 20. En el mbito de las ciencias de la computacin una cadena o  string es una secuencia de items (datos) de algn conjunto (o dominio) de datos dado. En trminos matemticos una cadena es una palabra a1 ...an de longitud n 0. Para n = 0 se trata de la cadena vaca (a la que en su momento

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 F3 , F3 = F3 aplicando la transformaciones elementales F1 F2 , F3 = 2 1 1 F1 , F2 = F2 + 3F1 , F3 = F3 + F2 , F2 = 4 F2 , F3 = 2 F3 , F1 = F1 + F3 , F2 = F2 3 F a la matriz 4 3

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 3 8 F3 , F2 F3 , F3 = F3 9F1 , F1 = F1 2 F2 ,

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. 1 w = (9 , 1 , ). Entonces M es el punto medio de P Q y M = v+ 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 v +w 9 1 por N = 2 ( 2 + w) = ( 23 , , ). 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 w1 4 3 2 u1 = w = ( , ) y u2 = w = (4 , 3 ) son unitarios y ortogonales a 5 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( ) = jj vv = v . (Ya que cos( ) =
k v 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. 2 cos2 () + cos2 ( ) + cos2 ( ) = v =( 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 v w1 = 0 y v w2 = 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 + 4 t 4 t = 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 1 (0, 0, ). 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 4 Estos valores son s = 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, g H y , R, (f + g )(x) = f (x) + g (x) = (puesto que f, g H ) = 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, g H y , R, (f + g )(1) = f (1) + g (1) = (puesto que f, g H ) = 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, g H y , R, (f + g )(2) = f (2) + g (2) = (puesto que f, g H ) = 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 2 , +, ) con la 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 2 1 2 1 3 4 . A = 2 1 1 , B = 2 2 3 0 , C = 0 2 0 1 6 2 2 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 1 c 2 2 c3 = c3 + 2c1 2 4 7 2 c3 = c3 3 2 2 3 0 B= c4 = c4 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 2 , hallar una base del subespacio vectorial

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.

322

lgebra 2. Dada la funcin lineal f : R2 R3 determinada por las condiciones

f (1, 0) = (3, 4, 1), f (0, 1) = (1, 0, 1),


determinar f (3, 1) y f (2, 1). (3, 1) = 3(1, 0) + 1(0, 1), luego, puesto que f es lineal,

f (3, 1) = f (3(1, 0) + 1(0, 1)) = = 3f (1, 0) + f (0, 1) = 3(3, 4, 1) + (1, 0, 1) = = (9, 12, 3) + (1, 0, 1) = (8, 12, 4).
Anlogamente, puesto que (2, 1) = 2(1, 0) + (1)(0, 1),

f (2, 1) = f (2(1, 0) + (1)(0, 1)) = = 2f (1, 0) + (1)f (0, 1) = 2(3, 4, 1) + (1, 0, 1) = = (6, 8, 2) + (1, 0, 1) = (7, 8, 1).
3. Determinar si la funcin T : M2 (R) R, donde a b = 3a 4b + c d a) T c d a b = a 2 + b2 b) T c d es una transformacin lineal. a1 b1 a 2 b2 a) Sean k, l R y A = ,B = M2 (R). c1 d1 c2 d2 a1 b1 a2 b2 ka1 + la2 kb1 + lb2 T k +l =T = c1 d1 c2 d2 kc1 + lc2 kd1 + ld2 = 3(ka1 +la2 )4(kb1 +lb2 )+(kc1 +lc2 )(kd1 +ld2 ) = k (3a1 4b1 +c1 d1 )+ a 2 b2 a1 b1 . Entonces T + lT +l(3a2 4b2 + c2 d2 ) = kT c2 d2 c1 d1 es lineal. 1 1 1 0 b) Sean k, l R y A = ,B = M2 (R). Entonces, 0 0 0 0 1 1 1 0 2 1 T + =T =5 y 0 0 0 0 0 0

lgebra

323

1 1 1 0 = 2, T = 1. T no es lineal ya que T (A) + T (B ) = 0 0 0 0 T (A + B ). 4. Sea T : R2 R2 el operador lineal denido por la expresin T (x, y ) = (2x y, 8x + 4y ). Cules de los siguientes vectores estn en R(T )? a) (1,-4) b) (5,0) c) (-3,12) T T (x, y ) = (2x y, 4(2x 4)). a) T (0, 1) = (1, 4) R(T ). b) (5, 0) no puede estar en R(T ) ya que 4(5) = 0. c) T (0, 3) = (3, 12) R(T ).
5. Sea T : P2 P3 la transformacin lineal denida por T (p(x)) = xp(x). Cules de los siguientes vectores estn en Ker(T )? a) x3 b) 0 c)1 + x a) T (x3 ) = x4 = 0 x3 / Ker(T ) b) 0 Ker(T ) ya que T es lineal. c) T (1 + x) = x + x2 = 0 x3 / Ker(T ). 6. En cada inciso, usando la informacin proporcionada obtener la nulidad de T. a) T : R5 R7 tiene rango 3, entonces la nulidad de T es 5-3=2. b) T : P4 P3 tiene rango 1, entonces la nulidad de T es 5-1=4. c) T (R6 ) = R3 ,entonces la nulidad de T es 6-3=3. d) T : M2 (R) M2 (R) tiene rango 3, entonces la nulidad de T es 4-3=1. 7. Sea T : R2 R2 la proyeccin ortogonal sobre la recta y=x. a) Encontrar el ncleo de T. Ker(T) es el subespacio vectorial de R2 que tiene proyeccin ortogonal (0,0) sobre la recta y=x. Entonces es la recta y=-x. b) Es T uno a uno? Justicar la conclusin. T es lineal y su ncleo es distinto de {0}, entonces T no es inyectiva. 8. En cada inciso, usando la informacin dada determinar si (la funcin lineal) T es uno a uno. a) T : Rn Rm ; nulidad(T) =0. dim(Ker(T))=0, entonces Ker(T)={0} y T es inyectiva.

324

lgebra

b) T : Rn Rn ; rango(T) = n-1. dim(Ker(T)) = n-(n-1) =1, entonces Ker(T)={0} y T no es inyectiva. c) T : Rm Rn ; n<m. Ya que rango(T) n, dim(ker( T)) = m-rango(T) m-n > 0, entonces T no es inyectiva. d) T : Rn Rn ; R(T) = Rn . dim(ker( T)) = n-rango(T) = n-n = 0, entonces Ker(T)={0} y T es inyectiva. 9. Sea T : P2 P1 la transformacin lineal denida por T (a0 + a1 x + a2 x2 ) = (a0 + a1 ) (2a1 + 3a2 )x. a) Encontrar la matriz para T con respecto a las bases B2 = {1,x,x2 } y B1 = {1,x} para P2 y P1 . T(1) = 1, T(x) = 1-2x, T(x2 ) = -3x. La matriz asociada a T es 1 1 0 . A= 0 2 3 B1 b) Comprobar que la matriz (T)B2 ,B1 = MB (T ) obtenida en el inciso a) 2 satisface la frmula : A(p(x))B2 = (T(p(x))) B2 . a0 a0 + a1 1 1 0 a1 = = (T(p(x)))B2 . A(p(x))B2 = (2a1 + 3a2 ) 0 2 3 a2 10. Sea T1 : P1 P2 la transformacin lineal denida por

T1 (c0 + c1 x) = 2c0 3c1 x


y sea T2 : P2 P3 la transformacin lineal denida por T2 (c0 + c1 x + c2 x2 ) = 3x(c0 + c1 x + c2 x2 ). Sean B1 = {1,x}, B2 = {1,x,x2 } y B3 = {1,x,x2 ,x3 }. B1 B2 B1 a) Encontrar MB (T2 T1 ), MB (T2 ), MB (T1 ). 3 3 2

0 6 B1 T2 T1 (1) = 6x, T2 T1 (x) = 9x2 . Entonces MB (T2 T1 ) = 3 0 0 0 3 B2 T2 (1) = 3x, T2 (x) = 3x2 , T2 (x2 ) = 3x3 . Entonces MB (T2 ) = 3 0 0

0 0 9 0 0 0 3 0

. 0 0 . 0 3

lgebra

325

2 0 B1 (T1 ) = 0 3 . T1 (1) = 2, T1 (x) = 3x. Entonces MB 2 0 0 b) Escribir una frmula que relacione las matrices del inciso a). B1 B2 B1 MB (T2 T1 ) = MB (T2 )MB (T1 ). 3 3 2
c) Comprobar que las matrices del inciso a) satisfacen la frmula planteada en el inciso b). 0 0 0 0 0 3 0 0 2 0 B2 B1 = 6 0 = MB ( T ) M ( T ) = 2 1 B2 3 0 3 0 0 3 0 9 0 0 0 0 0 0 3
B1 = MB (T2 T1 ). 3

11. Sean A y B matrices semejantes. Demostrar lo siguiente: a) At y Bt son semejantes. b) Si A y B son invertibles, entonces A1 y B1 son semejantes. Por denicin de relacin de semejanza, existe una matriz invertible P tal que B = P1 A P. a) Bt = (P1 A P)t = (A P)t (P1 )t = Pt At (P1 )t = Pt At (Pt )1 (utilizando la propiedades de la tranposicin vistas anteriormente ). Ya que Pt es invertible, At y Bt son semejantes. b) B1 = (P1 A P)1 = (A P)1 (P1 )1 = P1 A1 P . Entonces A1 y B1 son semejantes. 12.(Teorema alternativo de Fredholm) Sea T : V V un operador lineal sobre un espacio vectorial n dimensional. Demostrar que se cumple exactamente una de las siguientes proposiciones: i) La ecuacin T(x) =b tiene una solucin para todo los vectores b en V. ii) Nulidad de T > 0. Si no se verica i), entonces existe un vector b en V tal que b no apartenece al imagen de la funcin lineal T. Entonces el rango de T es estrictamente menor que n, Rango(T) < n, y Nulidad(T) = n - Rango (T) > n -n =0. 13. Sea la funcin lineal f : R4 R3 determinada por las condiciones

f (1, 1, 1, 1) = (0, 0, 1), f (1, 0, 1, 0) = (1, 1, 1), f (1, 1, 1, 0) = (0, 0, 1), f (1, 2, 0, 0) = (1, 1, 1).

326

lgebra a) Hallar la matriz asociada a f respecto de las bases cannicas de R4 y

R3 .

b) La dimensin y las ecuaciones de Ker(f ) e Im(f ) respecto de las bases cannicas de R4 y R3 . a) El primer apartado se puede hacer de varias maneras. La matriz pediB4 da, MB (f ) es la que tiene por columnas las (f (1, 0, 0, 0))B3 , ..., (f (0, 0, 0, 1))B3 . 3 Por tanto necesitamos hallar f (1, 0, 0, 0), ..., f (0, 0, 0, 1). Para calcular esas imgenes, podemos escribir los vectores de B4 como combinacin lineal de los vectores que denen f y despus hallar f (B4 ), o bien utilizar las matrices de cambio de base segn vimos en la pizarra. Lo hacemos por este segundo procedimiento. Siendo B = {(1, 1, 1, 1), (1, 1, 1, 0), (1, 0, 1, 0), (1. 2, 0, 0)} una base de 4 R, 0 0 1 1 B 1 1 MB (f ) = 0 0 3 1 1 1 1
B4 Como la matriz que buscamos es MB (f ), dicha matriz se obtiene consi3 derando el esquema:

B4 IdR4 B f B3 R4 R4 R3 ,

B4 B4 B4 B con lo que MB (f ) = MB (f IdR4 ) = MB (f ) MB (IdR4 ). Necesitamos, 3 3 3 B4 pues, hallar MB (IdR4 ). Para ello, hay que obtener las coordenadas de los vectores de la base cannica B4 respecto de B. 1 1 1 1 1 1 0 2 B De manera directa, MB (IdR4 ) = 4 1 1 1 0 . Segn sabemos, 1 0 0 0 1 B4 B MB (IdR4 ) = MB4 (IdR4 ) . Por lo tanto hay que calcular la inversa de la matriz anterior. 1 1 1 1 1 0 0 0 1 0 0 0 0 0 0 1 1 0 2 0 1 0 0 1 1 0 2 0 1 0 F1 F4 1 1 1 0 1 1 1 0 0 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0 0 0 0 0 1

1 0 0 0

lgebra

327

0 0 0 0 1 2 0 1 0 -1 F = F3 F2 0 0 0 1 -1 3 F4 = F4 F2 1 1 0 0 1 1 -1 F = F4 F3 0 4 0 1 F2 = F2 2F4 -1 F3 = F3 + 2F4 0 F4 = F4 0 1 -1 0 0 0 0 0 1 2 1 2 1 1 B4 B 4) Es decir, MB (IdR4 ) = MB ( Id = R 4 2 1 1 0 , con lo 1 0 1 0 B4 B4 B que la matriz buscada es MB3 (f ) = MB3 (f ) MB (IdR4 ) = 0 0 0 1 0 0 1 1 1 1 0 0 2 1 2 1 1 1 1 1 0 0 . = 0 0 2 1 1 0 = 1 1 1 1 1 0 0 2 1 0 1 0 1 0 0 F2 = F2 F1 0 1 0 F3 = F3 F1 0 1 1 F4 = F4 F1 0 1 1 1 0 0 0 0 0 0 0 1 0 2 0 1 0 0 0 1 2 0 -1 1 0 0 1 1 1 -1 0 0 0 0 1 0 0 0 0 1 0 2 0 1 0 0 0 1 2 0 -1 1 0 0 0 1 1 0 -1 1 0 0 0 0 0 0 0 1 0 0 -2 1 2 0 0 1 0 2 -1 -1 0 0 0 1 -1 0 1
b) Utilizando el algoritmo que vimos en clase:

1 -1 0 0 1 -1 0 0 1 0 0 2 c4 = 1 0 0 0 c4 + 2c1 0 1 0 0 0 0 1 0 0 0 0 1

1 -1 0 2 1 -1 0 2 1 0 0 0 c4 = 1 0 0 2 c4 2c2 0 1 0 0 0 0 1 0 0 0 0 1

328

lgebra

1 -1 0 0 1 -1 0 0 1 0 0 0 1 0 0 2 0 1 0 -2 0 0 1 0 0 0 0 1

obtenemos que, respecto de las bases cannicas de R4 y R3 , Ker(f ) = L({(0, 0, 1, 0), (2, 2, 0, 1)}) e Im(f ) = L({(1, 1, 1), (1, 1, 0)}), por tanto la dimensin de Ker(f ) = 2 y la dimensin de Im(f ) = 2. Entonces, respecto de las bases cannicas de R4 y R3 , las ecuaciones paramtricas de Ker(f ) son: u = (u1, u2, u3, u4 ) Ker(f ) (a, b) R2 tal que

0 2 0 2 1 0 0 1

a b

u1 u2 = u3 u3

y las ecuaciones paramtricas de Im(f ) son: v = (v1, v2, v3 ) Im(f ) (a, b) R2 tal que

1 1 1 1 1 0

a b

v1 = v2 . v3

14. Sea E un espacio vectorial de dimensin 3 y B = {e1 , e2 , e3 } una base de E. Consideramos la funcin lineal f : E E tal que su matriz asociada sea 15 11 5 B MB (f ) = 20 15 8 . 8 7 6 Hallar la matriz asociada a f respecto de la base B = {u1 , u2 , u3 }, donde

u1 = 2e1 + 3e2 + e3 , u2 = 3e1 + 4e2 + e3 , u3 = e1 + 2e2 + 2e3 .

lgebra

329

La matriz de f respecto de la base B es la matriz asociada a la siguiente composicin de funciones:

B E

IdE B f B IdE B E E E

B B B B (IdE ) MB (f ) MB (IdE ), (f ) = MB MB

2 3 1 B (IdE ) = 3 4 2 es la matriz de MB 1 1 2 de B y 6 5 B B 1 4 3 MB (IdE ) = (MB (IdE )) = 1 1 6 5 2 15 11 B MB (f ) = 4 3 1 20 15 1 1 1 8 7

donde

las coordenadas de B respecto

2 1 . Entonces, 1 5 2 3 1 8 3 4 2 = 6 1 1 2

1 0 0 = 0 2 0 . 0 0 3
15. Hallar una base del ncleo y una base de la imagen de la siguiente funcin lineal: f : R4 R3 determinada por las condiciones:

f (1, 0, 0, 0) = (1, 0, 1), f (0, 1, 0, 0) = (2, 1, 1), f (0, 0, 1, 0) = (3, 0, 1), f (0, 0, 0, 1) = (1, 1, 1).
De las condiciones enunciadas se sigue 1 B4 0 MB ( f ) = 3 1 que

2 3 1 1 0 1 1 1 1

Utilizando el mtodo desarrollado en el aula (he incluido todas las transformaciones por columnas en un solo paso) , tendremos que:

330

lgebra

1 2 3 1 0 1 0 1 c2 = c2 2c1 c = c 3c 1 1 1 1 3 3 1 c = c c 1 4 4 1 1 c4 = c4 c2 3 1 c4 = c4 + 4 c3 1

1 0 0 0 0 1 0 0 1 3 4 0 5 1 2 3 4 1 1 3 1 4 1

de donde

{(1, 0, 1), (0, 1, 3), (0, 0, 4)}


es una base de Im(f ) y

5 3 , 1, , 1) 4 4

es una base de Ker(f ). 16. En R2 se considera la base B = {u1 , u2 }, donde

u1 = 2 e 1 + 3 e 2 , u2 = 3 e 1 + 4 e 2 ,
y B2 = {e1 , e2 } = {(1, 0), (0, 1)}. Siendo la funcin lineal f : R2 R2 tal que su matriz asociada respecto de B es
B MB (f ) =

3 15 2 10

hallar una base de Ker(f ) y una base de Im(f ). El algoritmo es el mismo que el empleado en el ejercicio 5, pero en este caso trabajamos con las coordenadas respecto de B : 3 0 3 15 2 10 2 0 c2 = c2 5c1 . 1 5 1 1 1

5 3 y estn ex1 2 presadas respecto de la base B = {u1 , u2 }, tendremos que el vector


Luego, teniendo en cuenta que las coordenadas

w = 5u1 + u2 = 5(2e1 + 3e2 ) + 3e1 + 4e2 = = 7e1 11e2

lgebra constituye una base de Ker(f ), y

331

= 3u1 + 2u2 = 3(2e1 + 3e2 ) + 2(3e1 + 4e2 ) = = 12e1 + 17e2

constituye una base de Im(f ). En otras palabras, respecto de las coordenadas cannicas de R2 , {(7, 11)} es una base de Ker(f ) y {(12, 17)} es una base de Im(f ).

7.4

Soluciones de los ejercicios del captulo 4


{(1, 2, 1), (0, 1, 1)}.

1. En el espacio vectorial eucldeo R3 con el producto escalar usual se considera el sistema de vectores 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. Sea v1 = (1, 2, 1), v1 = 1 + 4 + 1 = 6 y sea

v2 = (0, 1, 1)

(0, 1, 1), (1, 2, 1) (1, 2, 1) = 6 1 2 7 1 = (0, 1, 1) (1, 2, 1) = ( , , ), 6 6 3 6 v2 = 1 16 49 + + = 36 36 36 11 . 6

B = {w1 =

v1 v2 1 2 1 1 4 7 , w2 = } = {( , , ), ( , , )} v1 v2 6 6 6 66 66 66

es una base ortonormal de H =L({(1, 2, 1), (0, 1, 1)}). Sea u = (1,1,1). La proyeccin ortogonal de u sobre H es:

2 10 2 14 59 p (u) = u, w1 w1+ u, w2 w2 = w1 + w2 = ( , , ). 11 11 11 6 66

332

lgebra

7.5 Soluciones de los ejercicios del captulo 5


1. Obtener una matriz generadora y una matriz de control del cdigo de paridad expuesto en los apuntes de clase. El cdigo de paridad es lineal ya que pueden ser descrito como el conjunto de soluciones de la ecuacin lineal homognea

x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 = 0 con xi Z2
y en consecuencia dicho conjunto es un subespacio vectorial de Z8 2. Una matriz generadora del cdigo de paridad es la matriz 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 Una matriz de control del cdigo de paridad es

1 1 1 1 1 1 1 1
ya que su dimensin es 1 8 y C es el ncleo de la funcin lineal f (x1 , x2 , x3 , x4 , x5 , x6, x7 , x8 ) = x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 . 2. Obtener una matriz generadora y una matriz de control del cdigo de repeticin expuesto en los apuntes de clase. El cdigo de repeticin es lineal ya que pueden ser descrito como el como el conjunto de soluciones del siguiente sistema de ecuaciones lineales:

x1 = x2 con xi Z2 x2 = x3
que equivale al siguiente sistema de ecuaciones lineales homogneas:

x1 + x2 = 0 con xi Z2 . x2 + x3 = 0

lgebra

333

Una matriz generadora del cdigo de repeticin C = {(0,0,0),(1,1,1)} es: 1 1 1 Una matriz de control del cdigo de repeticin es la matriz asociada al sistema de ecuaciones lineales homogneas anterior:

1 1 0 0 1 1
es:

3. Determinar una matriz de control del cdigo cuya matriz generadora

1 1 G = 1 1 F2 F3 F4 F1 F2 F2

1 0 0 1

1 0 . 1 1

1 1 1 1

1 0 0 1

1 0 1 1

1 0 0 0

0 1 0 0

0 0 1 0

0 0 0 1

= F2 + F1 = F3 + F1 1 = F4 + F1 0 0 = F1 + F2 0 = F2 + F3 F3

0 0 1 0 0 1 0 0

0 1 0 1

1 0 1 0

0 1 1 0

0 0 0 1

Luego la matriz de control es la matriz

H=

1 0 0

es:

4. Determinar una matriz generadora del cdigo cuya matriz de control

H=
Una posible solucin es:

1 0 1 0 1 1 1 1

334

lgebra

1 1 1 0 0 0

0 1 0 1 0 0

1 1 0 0 1 0

0 1 0 0 0 1

c3 = c3 + c1

1 1 1 0 0 0

0 1 0 1 0 0

0 0 1 0 1 0

0 1 0 0 0 1

c4 = c4 + c2

1 1 1 0 0 0

0 1 0 1 0 0

0 0 1 0 1 0

0 0 0 1 0 1

luego la siguiente matriz es generadora 1 0 0 1 G = 1 0 0 1

del cdigo

ya que sus columnas forman una base del ncleo de la funcin lineal cuya matriz asociada es H. 5. Determinar una matriz de control y una matriz que permita realizar la decodicacin del cdigo generado por los vectores cuyas coordenadas respecto de la base cannica de Z4 2 son las columnas de la matriz: 0 1 1 1 1 0 1 0 1 0 1 1 Obsrvese que, puesto que las columnas de la matriz forman un sistema ligado, pues c3 = c1 + c2 , y dado que la matriz formada por las dos primeras columnas de la matriz dada es una matriz gaussiana sin ninguna columna nula, resulta que una matriz generadora del cdigo es la matriz formada por las dos primeras columnas, esto es: 0 1 1 1 G= 1 0 . 0 1 Operando ahora con el 0 1 1 0 0 1 1 0 1 0 1 0 0 0 1 0 1 0 0 0 algoritmo estudiado: F2 = F2 + F1 1 0 0 F3 = F3 + F2 0 0 F4 = F4 + F1 0 1 0 F2 F1

0 1 0 0

1 1 1 1

1 0 1 0

0 0 1 0

0 0 0 1

lgebra Luego la matriz de control es la matriz

335

H=

1 1 1 0

1 0 0 1

y la matriz que permite realizar la decodicacin es la matriz

T =

1 1 0 1 0 0

0 0

.
realizar

6. Determinar una matriz de control y una matriz que permita la decodicacin del cdigo cuya matriz generadora es 1 1 1 0 G = 1 1 0 1 F2 = F2 + F1 1 1 1 0 0 0 1 0 0 1 0 1 0 0 1 0 0 F3 = F3 + F1 0 1 1 1 0 1 1 0 0 1 0 F4 = F4 + F2 0 0 1 0 1 0 1 0 0 0 1 0 0 1 1 0 F1 = F1 + F2 Luego la matriz de control es la matriz

0 0 0 1

H=

1 0 1 1

1 0 0 1

y la matriz que permite realizar la decodicacin es la matriz

T =

0 1 0 1 1 0

0 0

7.6

Soluciones de los ejercicios del captulo 6

1. Determinar la sucesin denida recursivamente por las condiciones an+2 = 7an+1 12an a1 = 1 a2 = 3.

336

lgebra La ecuacin caracterstica de la relacin de recurrencia homognea dada

es

x2 7x + 12 = 0
cuyas races son x = 3 y x = 4. Por consiguiente, las sucesiones que satisfacen esa relacin de recurrencia son de la forma:

{3n } + {4n }.
Imponiendo que se satisfagan las condiciones iniciales: 3 + 4 = 1 3 + 4 = 1 de donde , de donde = 0 y = 1 , 3 32 + 42 = 3 9 + 16 = 3 con lo que la sucesin buscada es

1 n {3 } = {3n1 }. 3

2. Encontrar las sucesiones que satisfacen la relacin de recurrencia

an+3 = 4an+2 5an+1 + 2an .


es La ecuacin caracterstica de la relacin de recurrencia homognea dada

x3 4x2 + 5x 2 = 0
ecuacin que se puede expresar de la forma (x 2) (x 1)2 = 0 y que por tanto tiene una raiz x = 1 de multiplicidad 2 y otra raiz x = 2 de multiplicidad 1. Por consiguiente, las sucesiones que satisfacen esa relacin de recurrencia son de la forma:

{1n } + {n1n } + {2n }.

3. Encontrar las soluciones de la ecuacin diferencial

D2 (f ) 7D(f ) + 12f = et .

lgebra

337

La ecuacin caracterstica de la ecuacin diferencial homognea asociada a la ecuacin dada es:

x2 7x + 12 = 0
ecuacin que se puede expresar de la forma (x 3) (x 4) = 0. Por consiguiente, una base del espacio de soluciones

Ker(D2 7D + 12Id) = Ker((D 3Id) (D 4Id))


de dicha ecuacin homognea ser

{e3t , e4t }.
Como por otra parte el trmino independiente es solucin de la ecuacin

(D + Id)(f ) = 0 D(f ) + f = 0
podemos obtener una solucin particular por el mtodo de los coecientes indeterminados: Las soluciones de la ecuacin dada lo sern tambin de la ecuacin ((D + Id) (D 3Id) (D 4Id))(f ) = 0 Como las soluciones de esta ltima ecuacin son de la forma

e3t + e4t + et ,
imponiendo que satisfagan la ecuacin original dada tendremos que

((D 3Id) (D 4Id))(e3t + e4t + et ) = et


de donde es decir, de donde 20 = 1, es decir,

(et + 4et + 3et + 12et ) = et (20 et ) = et =

1 . 20 En denitiva, la solucin general de la ecuacin dada, con y constantes arbitrarias es 1 f (t) = et + e3t + e4t 20

338

lgebra

4. Resolver el problema de valor inicial

D(f ) 2f = e2t f (0) = 1.


Buscamos las soluciones de la ecuacin no homognea dada empleando el mtodo de los coecientes indeterminados: Puesto que e2t es solucin de la ecuacin diferencial

(D 2Id) (f ) = 0,
buscamos nuestras soluciones entre las soluciones de la ecuacin

((D 2Id) (D 2Id))(f ) = 0.


Las soluciones de esta ltima ecuacin son de la forma

f (t) = e2t + te2t ,


por lo que, imponiendo que

D(f ) 2f = e2t
obtenemos es decir, de donde

2e2t + 2te2t + e2t 2e2t 2te2t = e2t , e2t = e2t = 1

f (t) = e2t + te2t . f (0) = = 1 Por consiguiente la solucin es f (t) = e2t + te2t = (t + 1)e2t .

5. Resolver el sistema de ecuaciones diferenciales

x1 = 5 x1 + 4 x2 x2 = x1 + 2 x2

lgebra sujeto a las condiciones iniciales x1 (0) = 2,

339

x2 (0) = 3. Obtenemos las races del polinomio caracterstico, los autovectores correspondientes y la inversa de la matriz P de paso, resultando
1 5 1 5 4 5 1 5

5 4 1 2

1 4 1 1

1 0 0 6

Ahora resolvemos el sistema,

z1 (t) = z1 (t) z2 (t) = 6z2 (t)


es decir,

z1 (t) = et z2 (t) = e6t x1 (t) x2 (t) = 1 4 1 1 z1 (t) z2 (t) ,

siendo

es decir,

x1 (t) x2 (t)

1 4 1 1

et e6t

et + 4e6t et + e6t

Imponiendo nalmente las condiciones iniciales, tendremos que

2 3

+ 4 +

es decir: = 1, = 2, con lo que la solucin ser

x1 (t) x2 (t)

2et + 4e6t 2et + e6t

6. Resolver el sistema de ecuaciones de recurrencia (ecuaciones en diferencias) an+1 = 5an + 4bn bn+1 = an + 2bn con las condiciones iniciales a1 = 2,

b 1 = 3.

340 El sistema planteado en forma matricial es

lgebra

an+1 bn+1

5 4 1 2

an bn

Utilizando los clculos hechos en el problema anterior, tendremos que


1 5 1 5 4 5 1 5

5 4 1 2

1 4 1 1

1 0 0 6

con lo que resolver el sistema de relaciones de recurrencia indicado es equivalente a resolver el sistema de relaciones de recurrencia

cn+1 dn+1
con

1 0 0 6 1 4 1 1 =

cn dn cn dn

an bn
Obviamente

= {cn } {dn }

{1n } {6n }

con lo que

an bn

1 4 1 1

6n

+ 4 6n + 6n

Imponiendo ahora las condiciones iniciales:

a1 b1
de donde

2 3

+ 24 + 6
1 6

30 = 5 = = 2

y, en denitiva, la solucin es

an bn

2 + 4 6n1 2 + 6n1

lgebra 7. Calcular la potencia nsima de la matriz 2 1 1 A = 2 3 2 . 3 3 4

341

Despus de hallar los autovalores, los autovectores y la matriz de paso llegamos a: 5 1 1 1 0 0 1 2 1 2 1 1 6 6 1 1 0 0 7 0 1 1 1 = 2 3 2 3 3 1 1 1 0 0 1 0 3 1 3 3 4 2 2 2 con lo que n 5 2 1 1 6 2 3 2 = 1 3 1 3 3 4 2

1 6 1 3 1 2

1 1 0 0 1 2 1 0 0 7n 0 1 1 1 , 1 0 0 1 0 3 1 2

es decir, n 5 1 1 1 0 0 1 2 1 2 1 1 6 6 2 3 2 = 1 1 0 0 7n 0 1 1 1 = 3 3 1 1 2 1 0 0 1 0 3 1 3 3 4 2 5 1 n 2 1 1 n 1 1 n + 67 6 + 67 6 + 67 6 1 1 n 2 3 + 37 +1 7n 1 +1 7n . = 3 3 3 3 1 1 n 1 1 n 1 1 n 2 + 27 2 + 27 + 27 2

342

lgebra

Apndice A Nuevo mtodo de triangulacin por semejanza

Motivado por el hecho de que la relacin de semejanza constituye el mecanismo bsico de transformacin de los sistemas de ecuaciones diferenciales, vamos a establecer otro algoritmo que nos permita construir matrices semejantes.

Como es habitual en lgebra lineal, el procedimiento que vamos a discutir est basado en el uso de transformaciones elementales, que ya fueron introducidas en el captulo 2. Recordemos cuales son:

343

344

lgebra

Transformacin
Sumar a una columna un mltiplo de otra Multiplicar una columna por un nmero no nulo Intercambiar dos columnas Sumar a una la un mltiplo de otra Multiplicar una la por un nmero no nulo Intercambiar dos las

Ejemplo
1 0 0 1 1 7 0 1 7 3 0 1 1 0 0 1 1 0 5 1 7 0 3 1 c2 = c2 + 7c1 c1 = 5 c1 c1 c2 5 7 0 1 3 7 1 0 1 0 7 1 1 7 0 1

f2 = f2 + 7f1 f1 = 7f1 f1 f2 7 0 5 1 3 1 7 0

Segn vimos en el captulo 2 y en la prctica correspondiente, cada trasformacin elemental se corresponde con la operacin de multiplicar por una cierta matriz invertible, en el sentido de la siguiente proposicin.

Proposicin A.0.1 Sea A Mn (K). Si


A tc A In tc P,
donde tc denota una transformacin elemental por columnas, se verica que A = AP y que la matriz P Mn (K) es invertible. Anlogamente, si

A tf A In t f P ,
donde tf denota una transformacin elemental por las, se verica que A = PA y que la matriz P Mn (K) es invertible.

lgebra

345

Este resultado nos da la clave para establecer un mecanismo para construir matrices semejantes. Observemos el siguiente esquema, donde tc representa una transformacin elemental por columnas y tf por las: A tc tf B In tc P = B = P AP. In tf P Para conseguir que A y B sean semejantes, basta ajustar las transformaciones tc y tf para que sus correspondiente matrices, P y P , sean la una inversa de la otra. Ahora bien, para que P = P1 , basta conseguir que

In t c t f In ,

(A.1)

ya que esto querra decir que In = P In P = P P. En la siguiente tabla asociamos a cada transformacin por columnas su correspondiente transformacin inversa por las: Columnas: tc ci = ci + cj Filas: tf fj = fj fi 1 fi = fi fi fj

ci = ci ci cj

Para cerciorarse de que esta tabla est bien construida basta comprobar (A.1). A partir de este momento, asumiremos el siguiente convenio de notacin: si t denota a una trasformacin elemental por columnas o por las, t1 denotar a la correspondiente transformacin inversa respectivamente por las o por columnas. Por ejemplo (ci = ci + cj )1 = (fj = fj fi ). Finalmente, utilizado esta notacin, podemos concluir que en el supuesto de que t1 , . . . tr sean transformaciones por columnas:
r 1 1 r A A t1 In P1 . . . r Pr In

t1

t1

A = (P1 . . . Pr )1 A (P1 . . . Pr ) .

346 Para verlo basta tener en cuenta lo anterior y que


1 1 (P1 . . . Pr )1 = P r . . . P1 .

lgebra

Asmismo, si primero realizamos las transformacines por la y luego por columnas, tambin obtenemos:
t1 t1 t t

r 1 r 1 A A t1 In P1 . . . r In Pr

A = (P1 . . . Pr )1 A (P1 . . . Pr ) ,

luego, en particular, A = A . Ahora ya tenemos un mecanismo que nos permite construir matrices semejantes, que consiste bsicamente en compensar cada transformacin elemental por columnas con su correspondiente inversa por las o viceversa. Pero adems, a travs del siguiente esquema podemos tambin obtener la matriz de paso:

A In

r 1 AP t1 tr P

1 r P1 A P P.

t1

t1

Por ejemplo, como:

1 2 0 1 0 0

3 1 2 0 1 0

2 1 0 0 0 1

c2 = c2 3c1 c3 = c3 2c1

1 0 0 2 5 3 0 2 0 1 3 2 0 1 0 0 0 1 7 11 9 2 5 3 0 2 0 1 3 2 0 1 0 , 0 0 1

f1 = f1 + 3 f2 f1 = f1 + 2 f3

tendremos que :

lgebra

347

1 1 3 2 1 3 2 1 3 2 7 11 9 0 1 0 2 1 1 0 1 0 = 2 5 3 . 0 0 1 0 2 0 0 0 1 0 2 0
La demostracin del siguiente teorema constituye un algoritmo que permite la obtencin de la matriz triangular semejante a una matriz dada A Mn (C).

Teorema A.0.2 Si A es una matriz cuadrada de orden n con coecientes


complejos, existe una matriz semejante a ella T que es triangular.

Demostracin La demostracin consiste en probar que se puede construir


una cadena de matrices

A = T0 T 1 T n = T,
cada una semejante a la anterior (y en consecuencia todas ellas son semejantes entre s) y de tal modo Ti es de la forma

T = Rini

Ani

0 i . . .
. ..

0 1 ,

donde Ani es una matriz cuadrada de orden n i y Rini es una matriz rectangular de orden i (n i) . Para ello basta ver el procedimiento para aadir un nuevo eslabn a la cadena. As pues supongamos que hemos construido la cadena hasta Ti , veamos cmo aadir el eslabn Ti+1 . Puesto que trabajamos con coecientes complejos el polinomio caracterstico

PAni (X ) = |Ani X Ini |


tiene al menos una raz, a la que por conveniencia denotaremos con . Si ahora restamos In a la matriz Ti obtenemos:

348

lgebra

Ti I n =

Ani Ini Rini i . . .

0
. ..

0 1

y, puesto que |Ani Ini | = 0, las columnas de la submatriz Ani Ini son linealmente dependientes. Por tanto, segn sabemos, es posible aplicar una serie de transformaciones elementales por columnas sobre la matriz Ani Ini de tal modo que en la matriz resultante (una matriz gaussiana) aparecer alguna columna nula. Adems mediante una permutacin, podemos colocar dicha columna al nal. Luego sabemos determinar una serie de transformaciones elementales por columnas t1 , t2 , . . . , tk (ms adelante veremos un ejemplo) que aplicadas sobre Ani Ini genera una matriz del tipo:

11 . . . ni1

0 . . . . 0

Por tanto, si aplicamos estas mismas transformaciones sobre la matriz Ti ni In nos queda una matriz cuya forma es:

ni1 0 Rini

11 . . .

0 . . . i . . .

0 0 1 .

(A.2)

..

Las transformaciones t1 , t2 , . . . , tk que hemos empleado, nicamente afectan a las primeras n i columnas, por tanto las correspondientes transfor1 1 1 nicamente afectan a las primeras n i maciones inversas t 1 , t2 , . . . , tk las ya que, para cualquier j {1, . . . , k } si: cr = cr + cs cr = cr , como 1 r, s n i, tj = cr cs

lgebra
1 t j

349

fs = fs fr 1 fr = fr = con 1 r, s n i. fr fs

1 1 1 Esto quiere decir que si aplicamos las transformaciones t 1 , t2 , . . . , tk sobre la matriz (A.2), obtendremos una matriz T cuya forma es:

ni1 0 T = Rini

11 . . .

0 . . . i . . .

0 0 1 .

..

1 1 1 (Obsrvese que las transformaciones t 1 , t2 , . . . , tk no han podido alterar los ceros que aparecan en la columna n i de la matriz (A.2)) Ahora bien, en este momento tenemos que T es semejante a Ti ni In , es decir existe una matriz invertible P tal que

T = P1 (Ti ni In ) P.
Pero entonces T = (P1 Ti P) ni (P1 In P) = P1 Ti P ni In , y en consecuencia P1 Ti P = T + ni In , es decir

11 + . . . P1 Ti P = ni1

1ni1 . . . ni,ni1 ri,ni . . . rn,ni

0 0 1

Rini1

i . . .

..

y esta matriz es precisamente Ti+1 .

Observacin 67 El mtodo propuesto en la demostracin no modica las


la submatriz triangular obtenida hasta el momento. Esto quiere decir que el

350

lgebra

autovalor de Ani utilizado para aumentar el tamao de la submatriz triangular permanece hasta el nal, apareciendo en la diagonal principal de la matriz T. Ahora bien, por ser T y A semejantes sus polinomios caractersticos coinciden, y por ser T triangular: n X 0 0 a21 n1 X 0 |T X In | = = . . . . . . . . . . . . an1 an2 1 X

= (1 X ) (n1 X ) (n X ) .
Esto quiere decir que el autovalor de Ani utilizado necesariamente es un autovalor de A que no ha sido utilizado previamente.

Ejemplo A.0.3 Triangular por semejanza y hallar la matriz de paso correspondiente a la matriz

2 0 3 A = 3 2 9 1 2 6
En primer lugar determinamos las races del polinomio caracterstico de la matriz:

2 X 0 3 3 2 X 9 1 2 6X

= X + 2X 2 X 3 = (1 X )2 (0 X ).

Luego los autovalores A son [1, 1, 0] . A continuacin utilizamos el primero de ellos para construir T1 :

2 0 3 3 2 9 1 2 6 I3 1 0 0 0 1 0 0 0 1

3 0 3 3 3 9 1 2 5 c3 = c3 + c1 1 0 0 0 1 0 0 0 1

lgebra

351

3 0 0 3 3 6 1 2 4 c = c 2 c 3 3 2 1 0 1 0 1 0 0 0 1 2 2 0 1 1 0 1 2 0 1 0 1 0 1 2 0 0 1

3 0 0 3 3 0 1 2 0 1 0 1 0 1 2 0 0 1 1 1 1 1 0 0 2 2 2 0 1 0

f1 = f1 f3 f2 = f2 + 2 f3

+I3

0 0 1 1 2 1

Ahora para construir T2 nos quedan los autovalores [1, 0] . Utilicemos el primero: 1 2 0 2 2 0 1 1 2 0 1 0 1 2 1 1 2 0 I3 c2 = c2 c1 1 1 0 1 0 1 0 0 1 2 1 2 0 0 1 0 0 1

2 0 0 1 0 0 1 3 0 1 1 1 0 1 2 0 0 1

f1 = f1 + f2 0 0 0 1 1 0 1 3 1 1 1 1 0 1 2 0 0 1

1 1 1 1 0 0 .

0 0 3 1 1 0

0 0 0 1 2 1

+I3

352

lgebra Como T2 ya es triangular, hemos acabado y hemos obtenido que:

1 1 1 1 1 1 1 0 0 0 0 1 2 A 0 1 2 = 1 1 0 . 0 0 1 0 0 1 1 3 1

Bibliografa
[A] [Ap] [B] [C] Anton, H., Introduccin al lgebra lineal, Ed. Limusa (Noriega Editores), 1997, Segunda edicin. Apostol, T.M., Linear Algebra, A First course with Applications to Dierential Equations, John Wiley& Sons, 1997. Bauldry, W.C. et al., Linear Algebra with Maple, John Wiley& Sons, 1995. Criado, R. et al, Fundamentos Matemticos I: lgebra y ecuaciones diferenciales con coecientes constantes, Ed. Centro de Estudios Ramn Areces S. A., 1998. Cullen, C. G., Linear Algebra with Applications, AddisonWesley, 1997. De la Villa, A., Problemas de lgebra, Ed. CLAGSA, 1994. Demmel, J. W., Applied Numerical Linear Algebra, Siam, 1997. Grossman, S.I., lgebra lineal, McGraw-Hill, 1996. Hernandez, E., lgebra y Geometra, Addison Wesley, 1994. Jacob, B., Linear Algebra, W. H. Freeman and Company, 1990. Nobel, B., Daniel, J. W., Algebra lineal aplicada, Prentice-Hall Hispanoamericana, 1989.

[Cu] [D] [De] [G] [H] [J] [N]

353