Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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
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
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
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
293
. . . . . . . . . . . . . . . . . . . . 293 . . . . . . . . . . . . . . . . . . . . 307 . . . . . . . . . . . . . . . . . . . . 321 . . . . . . . . . . . . . . . . . . . . 331 . . . . . . . . . . . . . . . . . . . . 332 . . . . . . . . . . . . . . . . . . . . 335
343
10
lgebra
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 ).
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
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
&
& & 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,
12
lgebra
a1 1 + ... + an n = b.
x2 + x3 = 1 2x1 x3 = 2 x2 + x3 = 4
si o, lo que es lo mismo,
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-
Ejemplo 1.1.8
x1 + x3 = 0 2x1 x2 + x3 = 0
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:
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
Fi = Fi ( = 0) Fi Fj
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.
lgebra
19
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.
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,
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
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
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
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
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
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.
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.
26
lgebra
1 4 0 1 0 4 1 0 1 10 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).
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
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.,
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:
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)
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.
30
lgebra
(0)(i, j ) = 0
0 0 0 0 0 0
(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
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
(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.
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
A(i, k ) B (k, j )
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:
34
lgebra
(A B ) C = A (B C )
(y por tanto podemos omitir los parntesis para denotar cualquiera de estos productos y escribir A B C ).
A (B + C ) = A B + A C
(B + C ) A = B A + C A
3.
A Mmn (K),
A (0) = A y
(0) A = (0)
i=1
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
(prop. asociativa en K)
= =
s=1 p k=1
(prop. distributiva en K)
C (s, j ) =
= ((A B ) C )(i, j )
2. Se demuestra razonando de forma similar al apartado anterior. 3. Ejercicio.
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
=
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 ) =
p N
i=1 j =1
ai bj
=
i=1
ai
j =1
bj
p N
j =1
a 1 bj
= a1
j =1
bj
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 =
= 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.
aik
k=1
=
k=1
aik
i=1
i=1
o, lo que es lo mismo,
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
(A B ) =t B t A
38
lgebra
Demostracin Ejercicio.
una solucin, entonces tiene innitas soluciones. Sea AX = B el sistema dado y s1 , s2 dos soluciones distintas (s1 = s2 ). Entonces,
As1 = B = As2
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 :
lgebra
39
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:
40
lgebra
(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 .
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
m m
(In )m
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.
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.
2 1/2 2 1
es la ma-
1 1/2 2 2
(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
(A) Mn (K)
1
es invertible y
(A1 ) = (t A)
1
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
Ejemplo 1.2.24
1 0 0 2
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:
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.
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
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.
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
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 1 0 2 1 0 0 1 1 1 0 1 1 0 0 = 2 1 0 . 1 0 1 1
lgebra
47
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.
lgebra
: 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.
los no alfabticos del estilo de +, , , , , , , 2, ,etc..., y se utiliza con ellos notacin inja, es decir:
notacion funcional notacion infija
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).
lgebra
49
es conmutativa si x, y A
xy =yx
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
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.
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.
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.
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
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,
lgebra
53
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 1.3.14 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)
lgebra 3.
55
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
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 ).
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
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
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.
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
lgebra
57
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 :
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
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:
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:
60
lgebra
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
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)
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
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
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(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
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
lgebra
67
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
A =
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?
bi ) y (ak1 akn
(ai1 ain
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
+
.
1 2
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
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
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
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.
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 .
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
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:
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.
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:
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
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 .
d(v, w) v w =
Si k es un escalar,
kv = |k |
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 .
lgebra
79
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)
v w.
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 )
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:
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.
wv v 2
lgebra
81
0T w2 w w w1 P E 1 T
P2
w1
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()|
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
u = (1, 0, 1) y v = (1, 2, 0) es 0 1 = 2 1 = 3. 0
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.
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 :
84
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
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
d(P0 , r) =
|ax0 + by0 + c| a 2 + b2
6 . 2
lgebra
85
(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
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
un plano en el espacio tridimensional, respectivamente. La siguiente frmula nos da el valor de la distancia entre P0 y :
d(P0 , ) =
(2.6)
lgebra
87
P0 Q n .) n
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
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
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.
90
lgebra
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. .
92
lgebra
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
( 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, = .
94
lgebra
+:
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 , +)
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,
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 ) = = = = = =
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 .
96
lgebra
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.
F (X, E) ; f +g
((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,
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
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).
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,
99
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
F (N, M2 (C))
de las sucesiones de matrices de M2 (C), el conjunto
100
lgebra
y slo si
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
(u1 , , un ) H , (1 , , n ) K ,
i=1
i ui
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
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
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..
mos por Sn (K) al conjunto de las matrices simtricas de orden n, demostrar que Sn (K) Mn (K).
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).
104
lgebra
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
lgebra
105
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 ,
(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:
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
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
y sin embargo
i ui v =
i=1
i ui
(1 , , n ) = (1 , , n ) .
108
lgebra
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
(1 , , n ) = (1 , , n ).
Supongamos que
n i=1
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
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 .
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
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
resulta que
ui =
j =1,j =i
1 i j uj ,
ui =
j =1,j =i
j uj .
(1 , , n ) = (0, , 0)
y
n j =1
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:
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.
j = 0, tendremos que
(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 = 0.
j =1
j uj +
j =1
j =1
j vj = 0, y puesto que
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 .
n j =1
v=
j =1
1 j uj
j uj = 0,
j =1
(1 , , n ) = (0, , 0),
con lo que, en denitiva,
(1 , , n , ) = (0, , 0, 0). 2
112
lgebra
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.
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
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 , + ),
es decir,
x = 2 , y =+
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 :
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 } = { . , . , , . }. . . . . . .
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).
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 .
((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
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
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 }.
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
j = (j + i j ) .
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 .
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
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:
dim(E) = n.
lgebra
119
Ejemplos:
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.
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
120
lgebra
(um+1 , , un ) Enm
tal que (u1 , , um , um+1 , , un ) es una base de E.
(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
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
{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.
122
lgebra
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.
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
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
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:
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:
x + y = 2, 2x + 2y = 4,
da lugar a la siguiente combinacin lineal de M21 (R)
1 2
+y
1 2
2 4
2 4
e indeterminado, ya que
L(
1 2
1 2
1 2
1 2
) (M21 (R))2
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
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
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.
o, lo que es lo mismo,
x1 A1 + + xn An = (0),
es un subespacio vectorial de Kn .
128
lgebra
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.
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 )
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
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 .
1 2
+y
1 2
+z
1 2
2 4 1 2
. , 1 2 , 1 2 )
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
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
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:
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
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).
de realizar una transformacin elemental por columnas t sobre A, se verica que rg (A) = rg (B )
lgebra
133
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:
134
lgebra
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.
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
1 A1 + + k Ak = (0). t = min{i I |i = 0 },
A(h, s) = 0,
o lo que es lo mismo, y s {t + 1, , n},
At (h, 1) = As (h, 1) = 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.
2 1 2 1 1 , 0 1 1 1 2 0 2 1
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.
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
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.
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
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 .
Vamos a demostrar que la dimensin del espacio la de una matriz coincide con la dimensin de su espacio columna:
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
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:
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:
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
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
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
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 = L({ 0 1 0 1 1 0 0 0 1 0 ,
0 1 0 0 1
0 1 1 1 1 }).
146
lgebra
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().
vw = v
w cos().
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 .
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
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 , ) =
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
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
150
lgebra
17. Vericar si los siguientes subconjuntos del espacio de todas las funciones reales, F (R, R), son linealmente independientes:
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,
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
154
lgebra
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)
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
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
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
i f (ui ).
i=1
i=1
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 3.1.4 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 )).
lgebra
157
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,
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
D(f ) :
(a, b) x
158
lgebra
y que
D(f ) = D(f ),
resulta que la siguiente funcin derivacin es lineal:
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).
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 (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 ).
(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 ).
(f ) (u + v ) = = = =
160
lgebra
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.
p1 + p2 + p3 :
R3 (x1 , x2 , x3 ) ;
R . x1 + x2 + x3
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
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.
3.3
Ncleo e imagen
La siguiente proposicin arma que las funciones lineales preservan los subespacios vectoriales:
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
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 ).
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
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}.
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
p1 + p2 + p3 :
es lineal y que
R3 (x1 , x2 , x3 )
R ; x1 + x2 + x3
H = Ker(p1 + p2 + p3 ).
164
lgebra
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
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,
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.
3.4
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.
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
lgebra
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.
M ) n1 (K x1 . ; . . xn
IF :
Kn (x1 ...xn )
M1n (K) x1 xn
lgebra
167
3.5
{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
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 ui y v =
n i=1
i ui ,
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
ui = 0 u1 + ... + 1 ui + ... + 0 un
y, por consiguiente,
w=
i=1
i ui .
Ahora bien,
n
g (w) = g (
i=1
i ui ) =
n
=
i=1 n
i g (ui ) =
i=1
i vi =
=
i=1
= 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,
(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 ,
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
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.
v=
i=1
1 . i ui (v )B = . . , n
es un isomorsmo.
lgebra
171
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 ) = . , , . , , . . . . . . .
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
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).
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
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
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
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.
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=1 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 ) =
= f (u
i=1
i wi ),
con lo que
u
i=1
i w i
Ker(f ),
(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
175
j {1, ..., n}
(f (uj ))B =
i=1 n
ij (vi )B .
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
()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).
mj
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),
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
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
K e.v. E,
1 0 0 B MB (IdKn ) = 1 1 0 . n 1 1 1
lgebra
pi :
Kn K , (x1 , ..., xn ) ; xi
0 1(i) 0
0 ).
4. Si en el C e.v.
B = {1, x, x2 , x3 }
y la funcin lineal f : P3 (C) P3 (C) tal 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
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
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 ).
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.
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 } = { . , . , ..., . . . .
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
i {1, ..., n}
A ei = (0) = Ai ,
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
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
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 B B (g ) MB (f ) (u)B = MB (g f ) (u)B , MB
lgebra
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
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
En consecuencia,
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 :
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,
(3.4)
equivalencia.
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
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 1 2 2 1 0
B2 = MB (IdR2 ).
g : R R3 ,
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
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
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
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
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
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).
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)) =
lgebra
189
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
(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
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 :
lgebra
191
lgebra
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
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).
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
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
2x + 4x2 + x3 , 1 + x3 , 2 + 2x, 2 + x2 x3 .
lgebra
195
f : R3 R3 ,
f:
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)?
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):
4.1
Producto escalar
<, >: E E R (u, v ) < u, v >
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.).
(x1 , x2 ), (y1 , y2 ) = x1 y1 + x2 y2
es un producto escalar. Como vimos, este producto escalar es el producto escalar usual de R2 .
xi y i
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,
(p(x), q (x))
i=0
ai bi ,
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 >
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.
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
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.
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
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.
R
pero
< u + v, u + v > 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:
b2 ac < 0,
202 es decir,
lgebra
< 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.
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 ,
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
< 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.
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).
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
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.
3. i {1, ..., r}
ui = 1
Proposicin 4.3.2 Sean (E, <, >) un e.v.e. y {u1 , ..., ur } un sistema de
vectores de E \ {0}. Se verica que
lgebra
205
i {1, ..., r}
i {1, ..., r} i = 0
y en consecuencia {u1 , ..., ur } es libre.
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
vr+1 L({v1 , ..., vr , vr+1 }) = L({u1 , ..., ur , ur+1 }) = L({v1 , ..., vr , ur+1 }).
Pongamos
i {1, ..., r}
Dado i {1, ..., r},
< 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
i = qed
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 >
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.
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, wi > wi .
El resultado de la siguiente proposicin se conoce como identidad de Parseval y es una generalizacin del teorema de Pitgoras.
lgebra
209
=
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
=
i=1 n
< u, wi >< wi ,
j =1 n
=
i=1 n
< u, wi >
j =1
=
i=1 n
=
i=1
< u, wi >
wi
=
i=1
< u, wi >2 . 2
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= , . . . . . . . . . . . .
< 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.
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=
2 0
2 1
4.4
Proyecciones ortogonales
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
A = {v E |u A < v, u >= 0 }
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
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
{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
213
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
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
u E
!h H
!h H
tales que
u = h + h .
u E.
214
lgebra
(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
w1 =
Entonces
2 p H (x )
u1 u1
=
1
x
2 3
3 x, 2
w2 =
u2 u2
1 = . 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
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 .
< u
j =1
< u, wj > wj
r
, wi >= =
= < u, wi >
j =1
(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.
216
lgebra
< u, wi > wi ) = u
i=1
< u, wi > wi
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
p H (u) +
H y
i=1 r
=
con lo que
2 p H (u)
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
(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
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
4. Calcula las ecuaciones implcitas y paramtricas del complemento ortogonal de los siguientes subespacios:
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.
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.
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).
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.
Ejemplo 5.2.2
d(1101, 1000) = 2, d(1010101, 1100100) = 3.
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:
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.
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.
dmin 2e + 1.
d(b, z ) e + 1.
Se sigue que c es la nica palabra de C a distancia e de z.
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
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.
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
...
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.
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
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
G=
(uk )Bn
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
. . .
(a(nk)1 a(nk)2
tales que: 1. i {1, . . . , n k } , se tenga que
(u1 )Bn = 0, ,
(uk )Bn = 0,
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 . . .
a(nk)1 a(nk)2
tendremos que:
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
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)
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
...
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
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
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:
u v H (u)Bn = H (v)Bn v u C.
Observacin 57 La notacin
u + C = {v Zn 2 |v u C}
se justica del siguiente modo:
234
lgebra
que:
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.
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.
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.
Decodif icador y (y ey ) t (T )
rior completar la siguiente tabla:
0 0 0 0 1 1 1 1
5.4
Ejercicios
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:
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
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
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
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:
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.
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),
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
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.
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
radianes en torno al
6.3
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),
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 (t)dt) = f (x).
a
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).
z =| z | ei ,
siendo R uno cualquiera de sus argumentos. Esta representacin del nmero complejo z es denominada forma exponencial del nmero complejo z.
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
, 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
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
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
(
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
g (t) dt + ex . et
lgebra
249
fp (x) = e
g (t) dt = ex t e
x 0
et cos(t)dt.
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
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 (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
lgebra
251
t R ,
(6.2)
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 . . . = .
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.
0 0 . . . 0 h(t)
y1 (x) = y2 (x) =
lgebra
253
y1 (x) y2 (x)
0 1 1 1
6.5
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
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)
t R ,
Ahora, para conseguir que aparezca el mismo tipo de variable a ambos lados de la igualdad, podemos hacer las siguientes transformaciones:
I t R , y (t) = A y (t) t R ,
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 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.
t R ,
1 0 0 0 2 0 . . . .. . . . . . . . 0 0 n
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
256
lgebra
= 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.
t R ,
1 a21 . . .
0 2 . . .
.. .
0 0 . . . n
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)
y1 (t) 1 y1 (t) = 0
y obtenemos que
y1 (t) = 1 e1 t .
y2 (t) = 2 e2 t + 1 e2 t
0
3. Como ya conocemos y1 e y3 , podemos resolver la tercera ecuacin y as sucesivamente hasta la ltima. Veamos un ejemplo.
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 .
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
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 |
.. .
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
|T xIn | = =
A=
4 2 3 1
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 .
|A x I n | =
x 1 1 x
= x2 + 1 ,
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
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 .
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.
i Xi = 0.
(1)
(1 i )Xi = 0
(2).
i=1
263
i=1
i Xi ) = A 0 = 0 y, por otra, A (
m i=1
i Xi ) =
(X ) = ()X. En consecuencia:
m
(i i )Xi = 0
m i=2
(3)
i=1
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
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
p1j . . . pnj
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:
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
lgebra
265
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
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:
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.
lgebra Si una matriz cuadrada A es diagonalizable y tencia nsima, tendremos que 1 p11 p1n a11 a1n . . . . . . . . . . . .
p11 . . . pn1
pn1
pnn
p1n . . . = pnn
An = PDP1
= PDP1
PDP1
Veamos un ejemplo:
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
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
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
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.
pondiente a la matriz
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 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
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)
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
lgebra
273
y1 (t) y2 (t)
donde
0 1 9 6
y1 (t) y2 (t)
A=
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
z1 (t) z2 (t)
Dicho sistema equivale a:
3 0 1 3
z1 (t) z2 (t)
1 e3x e3x dx 1 dx =
= 2 e + e
3t
3t 0
z1 (t) z2 (t)
= 1
e3t te3t
+ 2
0 e3t
y1 (t) y2 (t)
= = 1
0 1
1 3
3t
e3t te3t + 2
+ 2 e3t 3e3t
0 e3t
te3t e + 3te3t
lgebra
275
Sistemas no homogneos
Si la ecuacin diferencial de orden n considerada no fuese homognea, es decir, fuese de la forma
0 0 . . .
1 0 . . .
0 1
0 0 . . .
0 0 0 1 a0 a1 a2 an1
0 0 . . . 0 h(t)
t R ,
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 ,
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.
y1 (t) y2 (t)
0 1 9 6
y1 (t) y2 (t)
0 32tet
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
y1 (t) y2 (t)
lgebra
277
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
= 1 e3t + e3t
0
3t
3t
+
0
1 4
t 0
e4x dx =
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
= 2 e3t + e3t
0
= 2 e3t + e3t
1 k1 x + e4x 2
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
z1 (t) z2 (t)
= C1
e3t te3t
+ C2
0 e3t
y1 (t) y2 (t)
= + = =
0 1 1 3
C1
e3t te3t =
+ C2
0 e3t
C1 te3t + C2 e3t + et (1 + 2t) C1 e3t 8tet 2et + 3C1 te3t + 3C2 e3t + 3et (1 + 2t)
lgebra
279
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
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.
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
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+1 + 2an
y 2z = 0
lgebra
281
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
{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
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
Ejemplo 6.7.6 Existe una nica sucesin {an }nN que satisface las condiciones
a0 = 3 an+1 = 5an .
Dicha sucesin es
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.
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:
bn =
i=1
i1 ani ,
284 es decir,
lgebra
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
(I )
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
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 .
a1 = K
n1
an = K 3n1 +
i=1
3i1 (1)ni .
a0 = 0 n 1 an =
n i=1
3i1 (1)ni
286
lgebra
es decir,
b0 b1 b2 b3 bn
= = = =
(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
(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 .
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)
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
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) 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
= 1 1 1 4
2 0 0 3
z (n) u(n)
z (n) u(n) .
(, C).
x(n) y (n)
1 1 1 4
2n (3)n
2n + (3)n 2n 4 (3)n
(, C).
lgebra
289
+ =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
x1 (t) x2 (t)
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
D2 (f ) 7D(f ) + 12f = et .
4. Resolver el problema de valor inicial
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
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.
1. Representar por su matriz ampliada y resolver por el mtodo de GaussJordan cada uno de los siguientes sistemas de ecuaciones lineales :
294
lgebra
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
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
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
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
2 1 15 3 2 0 . La 1 3 11 7 0 30
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
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 .
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
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
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 ).
(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
aii .
T r(A + B ) =
i=1
aii + cii =
n i=1 n
bii .
n
aik bki
aik bki
k=1 i=1 n
bki aik =
dii
i=1
= T r(BA).
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) =
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
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).
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
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.
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
(a,b,c) v
=(
a v
b v
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,
lgebra
315
(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
( + + , + , ) = (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
(, 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
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
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
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
321
B={ 0 1 0 1 1
0 1 0 0 1
0 1 1 1 1 }
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
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 :
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
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
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
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
lgebra
329
B E
IdE B f B IdE B E E E
B B B B (IdE ) MB (f ) MB (IdE ), (f ) = MB MB
donde
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
5 3 , 1, , 1) 4 4
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
331
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
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)
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
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:
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
H=
1 0 0
es:
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
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
335
H=
1 1 1 0
1 0 0 1
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
T =
0 1 0 1 1 0
0 0
7.6
1. Determinar la sucesin denida recursivamente por las condiciones an+2 = 7an+1 12an a1 = 1 a2 = 3.
336
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
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:
D2 (f ) 7D(f ) + 12f = et .
lgebra
337
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
{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
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
(D 2Id) (f ) = 0,
buscamos nuestras soluciones entre las soluciones de la ecuacin
D(f ) 2f = e2t
obtenemos es decir, de donde
f (t) = e2t + te2t . f (0) = = 1 Por consiguiente la solucin es f (t) = e2t + te2t = (t + 1)e2t .
x1 = 5 x1 + 4 x2 x2 = x1 + 2 x2
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
siendo
es decir,
x1 (t) x2 (t)
1 4 1 1
et e6t
et + 4e6t et + e6t
2 3
+ 4 +
x1 (t) x2 (t)
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.
lgebra
an+1 bn+1
5 4 1 2
an bn
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
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
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
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.
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 ) .
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
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).
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
348
lgebra
Ti I n =
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
0 0 1
Rini1
i . . .
..
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
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.
353