Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
R.Criado y A.Gallinari
2003
2 Álgebra
Introducción
En sus orígenes, el álgebra clásica era el arte de resolver ecuaciones (la
palabra álgebra proviene de un vocablo árabe que signica reducción). El
álgebra moderna está caracterizada por el estudio de ciertas estructuras abs-
tractas que tienen en común una gran variedad de objetos matemáticos. El
calicativo abstracto se reere al resultado de realizar el proceso de abstrac-
ción sobre las propiedades observables de ciertos objetos matemáticos, es
decir, el proceso consistente en separar la forma del contenido.
La estructura principal objeto de estudio en esta publicación es la de
espacio vectorial. Las aplicaciones de esta estructura incluyen virtualmen-
te todas las áreas de la ciencia. Se incluye una aplicación de los espacios
vectoriales relacionada estrechamente con el mundo de la informática y las
telecomunicaciones, en concreto a la teoría de códigos y se estudian varias
técnicas y herramientas de interés para otras aplicaciones.
Este volumen viene acompañado por un libro de Prácticas y Problemas
con el sistema Maple V, disponible en versión digital, que contiene una am-
pliación y completa la descripción de los conceptos teóricos. Las prácticas
permiten el desarrollo y la experimentación con los aspectos más numéri-
cos y están diseñada para potenciar el empleo de la notable capacidad de
visualización gráca que ofrece el programa Maple V.
A cada tema teórico y práctico hemos añadido ejercicios resueltos y ejer-
cicios propuestos.
Los principales objetivos didácticos que intentamos conseguir son que el
lector:
• aprenda y utilize correctamente técnicas y métodos propios del álgebra
lineal.
• vea la descripción de algunas aplicaciones a la Informática.
• comprenda y aplique algunos métodos numéricos de resolución de sis-
temas de ecuaciones lineales y de aproximación de autovalores y auto-
vectores.
• aprenda a utilizar el programa Maple V (como ejemplo de sistema de
computación simbólica) en sus aplicaciones al álgebra lineal.
Algunos apartados de esta publicación (sobre todo en la parte de ejerci-
cios) son una adaptación del material contenido (unas veces sin modicarlo,
otras proponiendo variaciones de ello) en la bibliografía incluida.
Álgebra 3
Agradecimientos
Queremos agradecer al profesor Luis E. Solá Conde por su participación
en la corrección de estas notas y la elaboración de los enunciados de varios
ejercicios propuestos en este libro.
Gracias también a los profesores Alejandro J. García del Amo Jiménez
y Begoña Jiménez Martín por la elaboración de los enunciados de varios
ejercicios propuestos y a los alumnos que han señalado erratas y errores en
versiones previas de esta publicación.
4 Álgebra
Índice General
5
6 Álgebra
2 Espacios vectoriales 71
2.1 Vectores en el plano y en el espacio . . . . . . . . . . . . . . . 73
2.1.1 Producto vectorial y producto mixto . . . . . . . . . . 81
2.1.2 Rectas en le plano . . . . . . . . . . . . . . . . . . . . 83
2.1.3 Planos en el espacio tridimensional . . . . . . . . . . . 85
2.1.4 Rectas en el espacio tridimensional . . . . . . . . . . . 87
2.2 Espacios vectoriales sobre un cuerpo K . . . . . . . . . . . . . 89
2.2.1 Propiedades de vectores . . . . . . . . . . . . . . . . . 92
2.2.2 Producto cartesiano de espacios vectoriales . . . . . . . 93
2.2.3 Funciones con codominio en un espacio vectorial . . . . 96
2.3 Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . 100
2.4 Dependencia e independencia lineal . . . . . . . . . . . . . . . 104
2.5 Bases y dimensión . . . . . . . . . . . . . . . . . . . . . . . . 112
2.5.1 Sistemas generadores y bases . . . . . . . . . . . . . . 112
2.5.2 Equipotencia de bases . . . . . . . . . . . . . . . . . . 116
2.6 Subespacios vectoriales y dimensión . . . . . . . . . . . . . . . 120
2.7 Rango de un sistema de vectores y de una matriz . . . . . . . 122
2.8 El teorema de Rouché-Fröbenius . . . . . . . . . . . . . . . . . 123
2.9 Método de Gauss y rango . . . . . . . . . . . . . . . . . . . . 130
2.9.1 Transformaciones elementales por columnas y matrices
elementales . . . . . . . . . . . . . . . . . . . . . . . . 130
2.9.2 Método de Gauss para calcular el rango de una matriz 132
2.9.3 Algoritmo de extensión de una base . . . . . . . . . . . 138
2.9.4 Rango y espacio la de una matriz . . . . . . . . . . . 139
2.10 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
2.10.1 Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . 141
2.10.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . . . 146
9
10 Álgebra
a1 x1 + ... + an xn = b
a1 x + a2 y = b (I)
6 ½
½
½
2½½
½ -
½-1 0
½
½
3x + 4y = 24
√
x1 − x2 + 5x3 − ( 2)x4 = 1
3x2 + 4y = 24
√
x1 − x2 + 5x3 − 2 x4 = 1
e2x1 − 3x2 + x3 − x4 = 0
12 Álgebra
si
a1 α1 + ... + an αn = b.
si
∀i ∈ {1, ..., m} ai1 α1 + ... + ain αn = bi
o, lo que es lo mismo,
a11 α1 + ... + a1n αn = b1
..
.
a α + ... + a α = b
m1 1 mn n m
Álgebra 13
Ejercicio 1.1.1 Encontrar tres sistemas de dos ecuaciones lineales con coe-
cientes en R con dos incógnitas, uno compatible determinado, otro compatible
indeterminado y un tercero incompatible y representar el conjunto solución
de cada una de las dos ecuaciones lineales que lo forman en el plano R2 .
Extraer conclusiones.
Ejemplo 1.1.8 ½
x1 + x3 = 0
2x1 − x2 + x3 = 0
es un sistema homogéneo de 2 ecuaciones con 3 incógnitas.
1 −1 1 1 1 −1 1 1
0 3 0 3 F2 = 13 F2 → 0 1 0 1 F3 = F3 − 3F2 →
0 3 −3 0 0 3 −3 0
1 −1 1 1 1 −1 1 1
0 1 0 1 F3 = − 13 F3 → 0 1 0 1 F1 = F1 − F3 →
0 0 −3 −3 0 0 1 1
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
Álgebra 17
con lo que las transformaciones elementales se realizan sobre las las de esta
matriz.
1
con lo que, multiplicando ambos miembros de la primera igualdad por λ
,
obtenemos que
α11 s1 + ... + α1n sn = β1
α21 s1 + ... + α2n sn = β2
..
.
α s + ... + α s = β
m1 1 mn n m
la misma, sino en todas las ecuaciones del sistema. Por ello, la estrategia es
la misma que la del método de eliminación de Gauss, con la adición de las
siguientes instrucciones en el lugar correspondiente:
4. Sustraer además la segunda ecuación multiplicada por un escalar ade-
cuado de la primera ecuación, con el objeto de eliminar la segunda variable
de la primera ecuación.
5. En cada paso sustraer la ecuación 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 ecuación aparezca únicamente en la ecuación de la que es variable
principal.
Los sistemas de ecuaciones que resultan de la aplicación del método de
Gauss-Jordan se dice que tienen forma escalonada reducida, es decir:
Denición 1.1.14 Se dice que un sistema de ecuaciones está en forma es-
calonada reducida si
La primera variable de cada ecuación tiene 1 como
(E.R.1) coeciente (a esta variable la denominaremos variable
principal de dicha ecuación).
La variable principal de cualquier ecuación 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 ecuación aparece solamente
(E.R.3)
en la ecuación de la que es variable principal.
Ejemplo 1.1.15 Vamos a resolver el siguiente sistema de ecuaciones por el
método de Gauss Jordan, es decir, obteniendo una forma escalonada reducida
de dicho sistema
x1 − 4x2 + x3 = 2
−x1 + 3x2 − x3 = 1
x1 + 2x3 = 3
minúscula con dos subíndices, 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
Así por ejemplo, la matriz A de dos las y dos columnas determinada por
A(1, 1) = 0, A(1, 2) = 1, A(2, 1) = −1, A(2, 2) = 4
µ ¶
0 1
se representará por .
−1 4
Al conjunto de matrices de m las y n columnas con coecientes en K lo
denotaremos por Mm×n (K).
3. Otro ejemplo es la matriz C ∈ M3×3 (R) dada por (A(i, j) = 2i−1 3j−1 ),
que es
1 3 9
2 6 18
4 12 36
y
µ ¶ µ ¶
2 −1 0 −2 1 0
− = .
1 1 3 −1 −1 −3
1 2 0
1 2 1 −1
−1
Ejemplo 1.2.8 Dadas las matrices 1 1 ∈ M4×3 (R) y 3 0 ∈
0
1 2
0 4 3
M3×2 (R), su producto es la matriz
1 2 0 7 −1
1 2 −1 1 −1
· 3 0 = 6 −3
∈ M4×2 (R)
1 1 0 4 −1
1 2
0 4 3 15 6
(A · B) · C = A · (B · C)
3.
1. Sean A ∈ Mm×n (K) ,B ∈ Mn×p (K) y C ∈ Mp×q (K). Las dos matrices
A·(B ·C) y (A·B)·C tienen el mismo orden, ya que ambas pertenecen a
Mm×q (K). Veamos que ∀(i, j) ∈ {1, ..., m}×{1, ..., q} (A·(B ·C))(i, j) =
((A · B) · C)(i, j) :
Álgebra 35
n
X
(A · (B · C))(i, j) = A(i, k) · (B · C) (k, j) =
k=1
n
à p !
X X
= A(i, k) · B(k, s) · C(s, j) =
k=1 s=1
n
à p !
X X
(prop. distributiva en K) = A(i, k) · (B(k, s) · C(s, j)) =
k=1 s=1
n
à p !
X X
(prop. asociativa en K) = (A(i, k) · B(k, s)) · C(s, j) =
s=1
k=1
à n
p
!
X X
(prop. distributiva en K) = A(i, k) · B(k, s) · C(s, j) =
s=1 k=1
p
X
= (A · B) (i, s) · C(s, j) =
s=1
= ((A · B) · C)(i, j)
• Si {ai }i∈{1,...,n} y {bj }j∈{1,...,p} son dos familias de números reales o com-
plejos, se verica que ∀n ∈ N, ∀p ∈ N,
n
à p ! n
à à p !!
X X X X
ai · bj = ai · bj
i=1 j=1 i=1 j=1
Es decir, que
P
n
(ai b1 + · · · + ai bp ) =
i=1
= (a1 b1 + · · · + a1 bp ) + · · · + (an b1 + · · · + an bp ) =
= a1 (b1 + · · · + bp ) + · · · + an (b1 + · · · + bp ) .
Para demostrar la identidad anterior, razonamos por inducción sobre
“n”.
Base de inducción: hay que probar que si n = 1,
1
à p ! 1
à à p !!
X X X X
∀p ∈ N ai · bj = ai · bj
i=1 j=1 i=1 j=1
• Si {aik }(i,k)∈{1,...,n}×{1,...,p}
µ p es
¶ unapfamilia
µ n de¶números reales o complejos,
Pn P P P
se verica que aik = aik o, lo que es lo mismo,
i=1 k=1 k=1 i=1
1. ∀A ∈ Mm×n (K) t t
( A) = A
A · In = A ∧ In · B = B
(es decir, In deja invariante por el producto a cualquier matriz por la que se
pueda multiplicar, sea o no cuadrada).
Demostración Ejercicio. 2
(A + B)2 = A2 + B 2 + A · B + B · A 6= A2 + B 2 + 2A · B
y
A · B 0 = In ∧ B 0 · A = In
resulta que
B = B · In = B · (A · B 0 ) = (B · A) · B 0 = In · B 0 = B 0
por lo que dada A ∈ Mn (K) a lo sumo hay una matriz B que satisface las
condiciones de la denición anterior.
A · B = In ∧ B · A = In .
(A · B)−1 = B −1 · A−1 ,
X = In · X = B · C
Es decir, que si X verica la ecuación A · X = C , necesariamente X = B · C .
En concreto, denotando con Inj la columna j -ésima de In , el sistema A ·
X = Inj tiene una única solución B · Inj , que es la columna j -esima de B ,
que denotamos B j , para cada j ∈ {1, . . . , n}. Es decir, hemos obtenido que
A·B j = Inj para cada j ∈ {1, . . . , n}. Entonces también A·B = In y podemos
escribir B = A−1 .
Para probar 1 suponemos que A · B = In . Aplicamos 2 a la matriz B y
obtenemos que B · A = In . 2
Álgebra 43
Em · Em−1 · ... · E1 · A = In .
Em · Em−1 · · · · · E1 = A−1 .
es decir, recogiendo las dos igualdades anteriores,
In = Em · Em−1 · ... · E1 · A
−1
A = Em · Em−1 · ... · E1 · In
A In → t1 , ..., tm → In A−1
nos da un método para la obtención 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 pro-
2 1 1
cederíamos del siguiente modo
−1 −1 0 1 0 0
F2 = F2 + 2F1
2 1 0 0 1 0 → →
F3 = F3 + 2F1
2 1 1 0 0 1
F1 = F1 − F2
−1 −1 0 1 0 0
F = F3 − F2
0 −1 0 2 1 0 → 3 →
F1 = (−1)F1
0 −1 1 2 0 1
F2 = (−1)F2
1 0 0 1 1 0
0 1 0 −2 −1 0
0 0 1 0 −1 1
−1
−1 −1 0 1 1 0
obteniendo, por tanto que 2 1 0 = −2 −1 0 .
2 1 1 0 −1 1
Álgebra 47
Observación 13 Nótese
que, teniendo
en cuenta el resultado obtenido en
−1 −1 0
el teorema 1.2.27, al ser 2 1 0 invertible, el sistema homogéneo
2 1 1
−x − y = 0
2x + y = 0 sólo tiene la solución trivial.
2x + y + z = 0
∗ : A × A −→ A
.
(x, y) ; ∗(x, y)
Así, 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 número de columnas de A debe coincidir con el número
de las de B. Por consiguiente, para poder realizar los dos productos A · B
y B · A, donde A ∈ Mm×n (K) y B ∈ Mq×p (K), el número de columnas de
A debe coincidir con el de las de B y recíprocamente, esto es, para poder
realizar el producto A · B, n = q, y para poder realizar el producto B · A,
p = m, es decir, A ∈ Mm×n (K) y B ∈ Mn×m (K). Si queremos además que
el producto sea una operación en el sentido de la denición anterior, sólo
tendrá sentido hablar del producto de matrices como operación cuando
consideramos matrices en Mn×n (K).
∀x ∈ A x ∗ e = x ∧ e ∗ x = x
a ∗ a0 = e ∧ a0 ∗ a = e
1.3.2 Grupos
Denición 1.3.6 Sea G 6= ∅ y ∗ : G × G −→ G una operación. Diremos
que G tiene estructura de grupo respecto de ∗, o también 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 simétrico respecto de la operación ∗.
Si además ∗ 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, ∗).
Ejemplo 1.3.7 Si consideramos la suma y producto habituales sobre cada
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 números enteros y Q es el conjunto
de los números racionales.
Ejemplo 1.3.8 Otro ejemplo de interés especial para nosotros es el grupo
(Z2 , +), donde Z2 = {0, 1} y la operación + se dene mediante la tabla:
+ 0 1
0 0 1
1 1 0
es decir, 0 + 0 = 0, 1 + 0 = 1, 0 + 1 = 1, 1 + 1 = 0. Es obvio que el elemento
neutro es el 0, y que el opuesto de 1 es el propio 1, y que el grupo es abeliano,
pues 1 + 0 = 1 = 0 + 1.
Ejemplo 1.3.9 El conjunto de matrices invertibles de orden n con coe-
cientes en K tiene estructura de grupo (no abeliano en general) respecto del
producto usual de matrices. A dicho grupo se le denomina grupo lineal de
orden n con coecientes en K.
Álgebra 51
Ejemplo 1.3.10 Los conjuntos (R, ·),(C, ·),(Q, ·), (Z − {0}, ·),(N, +), y
(Mn (K) − {0}, ·) no son grupos.
∀a ∈ G(a ∗ a = a ⇔ a = e)
¡ 0¢ 0
4. ∀a, b ∈ G a ∗ b = e ⇒ b = a donde a es el elemento simétrico de a
¡ 0 ¢0
5. ∀a ∈ G a = a
0
6. ∀a, b ∈ G (a ∗ b) = b0 ∗ a0
Demostración
1. Siendo a, x, y ∈ G, si x∗a = y∗a, necesariamente (x∗a)∗a0 = (y∗a)∗a0 ,es
decir, x∗(a∗a0 ) = y∗(a∗a0 ) , o lo que es lo mismo, x∗e = y∗e, con lo que
concluimos que x = y. La otra propiedad se demuestra análogamente.
(x + x = x) ⇔ x = 0
(x · y = 1) ⇔ y = x−1
−1
(x−1 ) = x
−1
(x · y) = y −1 · x−1
es decir,
((∗ = +) ⇒ e = 0 ∧ x0 = (−x))
((∗ = ·) ⇒ e = 1 ∧ x0 = (x−1 )).
y
¡ ¢
(p · q)(x) = p(x) · q(x) = 2x2 + x − 5 · (3x − 4) = 6x3 − 5x2 − 19x + 20.
Ejemplo 1.3.16 Es fácil comprobar que (Mn (K), +, ·) tiene divisores de ce-
ro. Así por ejemplo
µ ¶ µ ¶ µ ¶
1 1 1 1 0 0
· =
1 1 −1 −1 0 0
1. ∀a ∈ A (a · 0 = 0 ∧ 0 · a = 0)
Demostración
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 único
elemento idempotente es el 0, concluímos que a · 0 = 0
0 = a · 0 = a · (b + (−b)) = a · b + a · (−b)
3.
(a · b) · (b−1 · a−1 ) = ((a · b) · b−1 ) · a−1 =
= a · (b · b−1 ) · a−1 = a · a−1 = 1 y
(b−1 · a−1 ) · (a · b) = ((b−1 · a−1 ) · a) · b =
= b−1 · (a−1 · a) · b = b−1 · b = 1
4. Por la propiedad 2,
(−a) · (−(a−1 )) = −((−a) · (a−1 )) = −(−(a · a−1 )) = −(−1) = 1
−(a−1 ) · (−a) = −((−(a−1 )) · a) = −(−(a−1 · a)) = −(−1) = 1
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.
en el sentido de que el par formado por una pila y un dato (P, d) nos da como
resultado de aplicarle la operación push una nueva pila obtenida añadiendo
el dato d a la pila p.
De forma análoga, la operación extraer el último elemento almacenado
de una pila (operación que habitualmente se denota por pop) es la función
modelo PILA queda especicado como tipo abstracto de datos del siguiente
modo:
P ILA =
1. Tipos : ½ P ILA, DAT O, ERROR
error ∈ ERROR,
2. Constantes :
newstack ∈ P ILA
push : P ILA × DAT O → P ILA
3. Operaciones : pop : P ILA → P ILA
top : P ILA → DAT O ∪ ERROR
∀p ∈ P ILA, ∀a ∈ DAT O
pop(push(p, a)) = p
4. Ecuaciones: pop(newstack) = newstack
top(push(p, a)) = a
top(newstack) = error
Así por ejemplo, la pila
a3
a3
a1
se representaría en este modelo por:
push(push(push(newstack, a1 ), a3 ), a3 ).
Ejemplo 1.3.25 Teniendo en cuenta que un semigrupo es un conjunto do-
tado de una ley de composición interna asociativa, y que un monoide es un
semigrupo con elemento neutro, sus especicaciones como tipos abstractos de
datos serían las siguientes:
SEM IGRU P O =
1. Tipos: ELEM
2. Constantes:
3. Operaciones: ½∗ : ELEM × ELEM → ELEM
∀x, y, z ∈ ELEM
4. Ecuaciones:
x ∗ (y ∗ z) = (x ∗ y) ∗ z
M ON OIDE = SEM IGRU P O +
Constantes: e∈ ELEM
∀x ∈ ELEM
Ecuaciones: x∗e=x
e∗x=x
60 Álgebra
1.4 Ejercicios
1.4.1 Ejercicios resueltos
1. Representar por su matriz ampliada y resolver por el método de Gauss-
Jordan cada uno de los siguientes sistemas de ecuaciones lineales :
2x1 + x2 + 3x3 = 9
5x1 + 4x2 + 6x3 = 24
x1 + 3x2 − 2x3 = 4
, ½
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
Álgebra 61
a)
2x1 − 3x2 = −2
2x1 + x2 = 1
3x1 + 2x2 = 1
b)
3x1 + 2x2 − x3 = −15
5x1 + 3x2 + 2x3 = 0
3x1 + x2 + 3x3 = 11
11x1 + 7x2 = −30
c)
4x1 − 8x2 = 12
3x1 − 6x2 = 9
−2x1 + 4x2 = −6
10. Efectúe las operaciones sobre las las que siguen sobre
3 1 0
A= −2 1 4
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.
¾ Cuántas monedas de cada tipo hay en la caja ?
Álgebra 63
12. ¾Para cuál valor, o cuáles 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
c) Siendo C = At A,
n X
X n
T r(At A) = a2ik .
i=1 k=1
4. Discutir las distintas soluciones del siguiente sistema según los distintos
valores del parámetro k :
x + y + 2z = 2
−3x + 2y + 3z = −2
2x + ky − 5z = −4
5. Discutir las distintas soluciones del siguiente sistema según los distintos
valores de los parámetros a y b:
ax + bz = 2
ax + ay + 4z = 4
ax + 2z = b
• Todo mi capital será 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 Be-
nito 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 reci-
bida por Benito debe ser igual a 4.000 euros.
−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
(a) Probar que Aα · Aβ = Aα+β (Ayuda: Úsense las fórmulas del seno
y el coseno de la suma de dos angulos: cos(α + β) = cos α · cos β −
sin α · sin β y sin(α + β) = sin α · cos β + cos α · sin β ).
(b) Probar que A0 = I2 .
(c) Probar que (Aα )−1 = A−α .
(d) Concluir que el conjunto G = {Aα |α ∈ R} es un grupo conmuta-
tivo 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 Aα · v es el vector que resulta de
rotar v α grados con respecto al origen en el sentido de las agujas
del reloj. Considérese el triángulo T formado por el origen y los
vectores v = (1, 0) y w = (1, 1); calcular y dibujar los vértices de
los triángulos que resultan de rotar T 30, 45, 60 y 90 grados.
EJERCICIOS COMPLEMENTARIOS.
17. Probar por inducción que si dos matrices A y B conmutan (es decir
A · B = B · A) entonces se verica la fórmula de Newton:
m µ
X ¶
m m
(A + B) = Ai · B m−i .
i
i=0
19. Sea K el conjunto de números√ reales x tales que existen dos números
racionales a y b con x = a+ 2·b. Llamaremos a a y b, respectivamente,
la parte racional y la parte irracional de x.
71
72 Álgebra
a) C
@
@
@
©
*
B @
R E
©© D @
© @
©© @
©© @
R
A F
b) B
©
*
©
©©
©
©©
©
O@
@
@
@
R
D=F
b) v-w
Y
H
H
¢¢̧ HH
¢ HH
v ¢ H
H
¢ ³ ³³
1
¢ ³
³³ w
¢ ³³³
¢ ³
³
los segmentos orientados del conjunto que lo dene. En la gura 2.1 a), CD
y EF representan el mismo vector geométrico v porque dieren solo en sus
puntos de aplicación.
Nota: Abusando de la notación, se escribirá AB = v para denotar que
el segmento orientado AB es un representante del vector v .
v + w = (v1 + w1 , v2 + w2 , v3 + w3 )
v − w = (v1 − w1 , v2 − w2 , v3 − w3 )
En le caso de vectores v y w en R2 estas operaciones están denidas de forma
análoga.
P Q = v = (y1 − x1 , y2 − x2 , y3 − x3 ) = Q − P.
Ejercicio 2.1.4 Sean P = (3, −2, 4) y Q = (−1, 4, −5), determinar las coor-
denadas del vector v = P Q.
y, por tanto,
x0 = x − a, y 0 = y − b.
En el espacio tridimensional, si O0 = (a, b, c) respecto de S , las ecuaciones de
traslación son
x0 = x − a, y 0 = y − b, z 0 = z − c.
Si k es un escalar, k kv k= |k| k v k .
b) Si v 6= 0 y w 6= 0, el ángulo θ entre v y w
es agudo ⇔ v · w > 0
es obtuso ⇔ v · w < 0
π
θ = ⇔v·w =0
2
80 Álgebra
Demostración Ejercicio.
Sea ahora v 6= 0 un vector bidimensional o tridimensional representado
por el segmento orientado OA y sea w 6= 0 otro vector del mismo espacio.
Utilizando el producto interior es posible denir la proyección 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 proyección
ortogonal de w sobre v o componente vectorial de w a lo largo de v
y el vector w2 = w − pv (w) es la componente vectorial de w ortogonal
a v.
Teorema 2.1.10 Si v 6= 0 y w son dos vectores de R2 o de R3 ,
µ ¶
w·v
pv (w) = w1 = v
k v k2
µ ¶
w·v
w2 = w − w1 = w − v
k v k2
Álgebra 81
P2 P
6
Á6
w2 w
w − w1
θ P
- 1 -
O w1 A
v
usual (O = (0, 0, 0), (e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1))).
• Ecuación vectorial
Sean P0 = (x0 , y0 ) un punto jado y P = (x, y) un punto genérico de
una recta l . Siendo n = (a, b) un vector ortogonal a l , se obtiene que
el producto escalar n · P P0 = 0 (esta ecuación se puede llamar forma
punto-normal).
Utilizando los vectores v = OP y v0 = OP0 , se obtiene la forma
vectorial de la ecuación de l :
n · (v − v0 ) = 0.
• Ecuaciones paramétricas
Sean P0 = (x0 , y0 ) un punto de la recta l , v = (v1 , v2 ) un vector
paralelo a l y P = (x, y) el punto genérico de l . Entonces el vector P0 P
es paralelo a v, es decir, existe un número real k tal que P0 P = kv.
Esta última ecuación, escrita en términos de coordenadas, dene las
ecuaciones paramétricas de la recta l :
(
x = x0 + kv1
k∈R
y = y0 + kv2 .
y = mx + q,
|ax0 + by0 + c|
d(P0 , r) = √
a 2 + b2
n · (v − v0 ) = 0. (2.4)
Ejemplo 2.1.14 Según la fórmula 2.3, la ecuación del plano π que pasa
por el punto P0 = (2, 0, −1) y es perpendicular a la dirección del vector
n = (1, −1, 4) es
(x − 2) − y + 4(z + 1) = x − y + 4z + 2 = 0.
La misma ecuación se obtiene utilizando la fórmula 2.4:
n · (v − v0 ) = (1, −1, 4) · (x − 2, y, z + 1) = x − y + 4z + 2 = 0.
ax + by + cz + d = 0 (2.5)
Demostración Si b 6= 0, ax + by + cz + d = 0 ⇔ ax + b(y + db ) + cz = 0. La
última ecuación es la forma punto-normal de la ecuación de un plano por el
punto P0 = (0, − db , 0) y ortogonal al vector n = (a, b, c). Si a 6= 0 o si c 6= 0,
se obtienen ecuaciones similares. 2
86 Álgebra
Ilustrar con ejemplos geométricos los casos en los cuales el sistema dado sea
incompatible, compatible determinado y compatible.
Demostración Ejercicio.
(Sugerencia: Sean n = (a, b, c) el vector normal y Q = (x, y, z) un punto
kP0 Q · nk
del plano π. Entonces kpn (P0 Q)k = .) 2
knk
v = v0 + ku (k ∈ R) (2.8)
2. ∀u, v ∈ E ∀α ∈ K (α ◦ (u ⊕ v) = α ◦ u ⊕ α ◦ v),
2. ∀u, v ∈ E ∀α ∈ K (α · (u + v) = α · u + α · v),
α · (A + B)
• Las matrices la con coecientes reales ó complejos M1×n (K) con res-
pecto de la suma de las y producto de una la por un número.
Álgebra 91
2. ∀u, v ∈ K ∀α ∈ K α · (u + v) = α · u + α · v,
3. ∀u ∈ K ∀α, β ∈ K (α + β) · u = α · u + β · u,
4. ∀u ∈ K ∀α, β ∈ K (α · β) · u = α · (β · u),
1. ∀u ∈ E, 0 · u = 0;
2. ∀α ∈ K, α · 0 = 0;
3. ∀α ∈ K, ∀u ∈ E, ((α · u = 0) ⇒ (α=0 ∨ u = 0)) ;
4. ∀u ∈ E, (−1) · u = −u;
5. ∀α ∈ K − {0}, ∀u, v ∈ E, ((α · u =α · v) ⇒ (u = v)) ;
6. ∀α, β ∈ K, ∀u ∈ E − {0}, ((α · u =β · u) ⇒(α = β)) .
Demostración 1. Dado u ∈ E,
0 · u = (0 + 0) · u =0 · u+0 · u,
y puesto que el único elemento idempotente del grupo (E, +) es el elemento
0 ∈ E, concluímos que
0 · u = 0.
2. Dado α ∈ K,
α · 0 =α · (0 + 0) = α · 0 + α · 0,
por lo que, razonando análogamente a la propiedad anterior, concluímos que
α · 0 = 0.
3. Sean α ∈ K y u ∈ E, y supongamos que α · u = 0. Caben dos posibi-
lidades.
a) Si α = 0, entonces no hay nada que demostrar, puesto que en ese caso
la sentencia (α=0 ∨ u = 0) es verdadera.
b) Si α 6= 0, consideramos el elemento α−1 ∈ K. Multiplicando a ambos
lados de la igualdad por α−1 obtenemos
α−1 · (α · u) = α−1 · 0 = 0;
pero por los axiomas de espacio vectorial
¡ ¢
α−1 · (α · u) = α−1 · α · u =1 · u = u,
Álgebra 93
es decir , u = 0.
4. Sea u ∈ E. Puesto que −1 ∈ K es opuesto de 1 en el grupo (K, +),
tendremos
( − 1) · u + u = ( − 1) · u+1 · u = ( − 1 + 1) · u = 0,
u + ( − 1) · u = 0,
α−1 · (α · u) =α−1 · (α · v) ,
o lo que es lo mismo,
¡ −1 ¢ ¡ ¢
α · α · u = α−1 · α · v,
de donde u = v.
6. Sean α, β ∈ K y u ∈ E − {0}, y supongamos que α · u =β · u. En ese
caso necesariamente
α · u + (−(β · u)) = 0.
Pero de los axiomas de espacio vectorial y de las propiedades anteriores se
sigue que
es decir,
(α + (−β)) · u = 0
siendo u 6= 0, con lo que (α + (−β)) = 0, o lo que es lo mismo, α = β. 2
+: E×E −→ E
((u1 , · · · , un ), (v1 , · · · , vn )) ; (u1 +1 v1 , · · · , un +n vn )
y
·: K×E −→ E
(α, (u1 , · · · , un )) ; (α ·1 u1 , · · · , α ·n un )
(E1 × · · · × En , +)
α · (u + v) = α · u + α · v :
(u + v) = (u1 + v1 , · · · , un + vn )
α · (u + v) = α · (u1 + v1 , · · · , un + vn ) =
= (α (u1 + v1 ) , · · · , α(un + vn )) =
= (αu1 + αv1 , · · · , αun + αvn ) =
= (αu1 , · · · , αun ) + (αv1 , · · · , αvn ) =
= α(u1 , · · · , un ) + α(v1 , · · · , vn ) =
= α·u+α·v
(x, y, z) + (x0 , y 0 , z 0 ) = (x + x0 , y + y 0 , z + z 0 )
α(x, y, z) = (αx, αy, αz)
con lo que (f + g) = (g + f ).
Álgebra 97
0: X −→ E
x ; 0
(−f ): X −→ E
,
x ; −(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), +) también lo
es, donde
f +g : X → E
.
x ; f (x) + g(x)
Veamos ahora que la operación
·: K×F(X, E) −→ F(X, E)
(α, f ) ; αf
donde
αf : X → E
x ; αf (x)
satisface el resto de propiedades:
5. Sean f, g ∈ F(X, E). Hay que demostrar que ∀α ∈ K
α(f + g) = αf + αg.
(α + β)f = αf + βf.
(αβ)f = α(βf ).
Puesto que
((αβ)f ) : X → E
y
(α(βf )) : X → E,
para demostrar que dichas aplicaciones son iguales es suciente probar que
∀x ∈ E
((αβ)f )(x) = (α(βf ))(x).
Sea x ∈ E. Por denición
(1 · f ) = f,
(1 · f ) : X → E y f : X → E,
Álgebra 99
a) 0 ∈ H
EJEMPLOS:
1. Puesto que si H ≺ E, necesariamente 0 ∈ H, no es difícil 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 concep-
to de dimensión veremos que los únicos 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 análoga, los únicos subespacios de R2 son: {0}, R2 y las rectas
que pasan por 0).
2. El conjunto formado por todas las soluciones de un sistema homogéneo
de m ecuaciones lineales con n incógnitas y con coecientes en un cuerpo
K es un subespacio vectorial de Kn
a11 x1 + · · · + a1n xn = 0
.. .
.
a x + ··· + a x = 0
m1 1 mn n
f (x) = an xn + · · · + a0 ∧ g(x) = bm xm + · · · + b0 ;
102 Álgebra
∀x ∈ C (αf + βg)(x) =
à n ! à n !
X X
i i
= α ai x + β bi x =
i=0 i=0
n
X
= (αai + βbi ) xi ,
i=0
Demostración Ejercicio.
Por el mismo motivo, (−3, 0) depende linealmente de (1, 1), (1, 4), pues
por lo que
à n ! à m !
X X
αu + βv = α αi ui +β βi vi =
i=1 i=1
n
X m
X
= (ααi ) ui + (ββi )vi =
i=1 i=1
n+m
X
= γi wi ,
i=1
(i ≤ n ⇒ γi = (ααi ) ∧ wi = ui )
(n < i ≤ n + m ⇒ γi = (ββi ) ∧ wi = vi ) ,
y en consecuencia, puesto que w1 , · · · , wn+m es un sistema de n + m vectores
de A, concluímos que
αu + βv ∈ 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 0 ≺ E es tal que A ⊂ H 0 , según vimos en su momento,
cualquier combinación lineal de elementos de H 0 (en particular de elementos
de A ⊂ H 0 ) es un elemento de H 0 , con lo que H ⊂ H 0 . 2
u1 , · · · , un es ligado ⇔
à n
!
X
∃(α1 , · · · , αn ) ∈ Kn − {(0, · · · , 0)} tales que αi ui = 0 .
i=1
∀i ∈ {1, · · · , n} (αi − βi ) = 0,
(α1 , · · · , αn ) = (β1 , · · · , βn ).
P
n
⇐ Supongamos que αi ui = 0. Como también se verica que 0u1 +
i=1
· · · + 0un = 0, aplicando la hipótesis resulta que
Pero à n !
X n
X ¡ ¢
αi−1 · αj uj = αi−1 αj uj ,
j=1 j=1
n ¡
P ¢
de donde αi−1 αj uj = 0, con lo que, teniendo en cuenta que αi−1 αi = 1,
j=1
resulta que
n
X ¡ ¢
ui = −αi−1 αj uj ,
j=1,j6=i
(α1 , · · · , αn ) 6= (0, · · · , 0)
P
n
y αj uj = 0, con lo que u1 , · · · , un es un sistema ligado. 2
j=1
1. (u ∈ E ∧ u 6= 0) ⇒ u es libre;
110 Álgebra
n
X
αj uj = 0u1 + · · · + 0ui−1 + 1 · 0 + 0ui+1 + · · · + 0un = 0.
j=1
P
n
Demostración Supongamos que αj uj + βv = 0. En ese caso necesa-
j=1
riamente β = 0, puesto que si β 6= 0, tendríamos que
n
X ¡ ¢
v= −β −1 · αj uj
j=1
Ejemplos
1. El sistema {(1, 0, · · · , 0), · · · , (0, · · · , 0, 1)} de vectores de Kn que he-
mos visto que es un sistema generador de Kn también es libre, puesto que si
(α1 , · · · , αn ) ∈ Kn es tal que
resulta que
(x, y) = (2α − β, α + β),
es decir, ½
x = 2α − β
,
y =α+β
de donde x + y = 3α, i.e., α = 13 (x + y) y β = y − 13 (x + y) , es decir,
β = 32 y − 13 x; en otras palabras, el sistema de ecuaciones
½
x = 2α − β
y =α+β
114 Álgebra
r = max{gr(pi ) |i ∈ {1, · · · , n} },
γj = (βj + βi αj ) .
tendremos que
m
X Xn
βj ( aij ui ) = 0.
j=1 i=1
es decir,
n
X Xm
( aij βj )ui = 0.
i=1 j =1
(en este punto es importante que el alumno utilice una notación 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
combinación lineal anterior deben ser iguales a cero, es decir, ∀i ∈ {1, · · · , n},
m
X
aij βj = 0.
j =1
118 Álgebra
tiene más incógnitas que ecuaciones (m > n), dicho sistema tiene soluciones
diferentes de la trivial, por lo que {v1 , · · · , vm } es ligado. 2
Ejemplos:
1. Cómo 1 ∈ K es una base del K − e.v. K, resulta que
dim(K) = 1.
(um+1 , · · · , un ) ∈ En−m
rg(u1 , · · · , um ) = r.
Ejemplo 2.7.2 En el espacio vectorial R3 , rg((1, 0, 0), (0, 1, 0), (0, 0, 1)) = 3.
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.
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
rg(A) = rg( 1 1 0 ).
1 0 0
Ahora bien, si
1 1 1 0
α 1 +β 1 +γ 0 = 0 ,
1 0 0 0
Álgebra 123
tendremos que
α+β+γ =0
α+β =0
α=0
de donde α = 0 = β = γ, es decir, el sistema es libre, de donde
1 1 1
rg( 1 1 0 ) = 3
1 0 0
y, en consecuencia, rg(A) = 3.
x1 A1 + · · · + xn An = b,
124 Álgebra
donde
a1j b1
∀j ∈ {1, · · · , n} Aj = · ... ∧ b = ... .
amj bm
o, lo que es lo mismo,
AX = b
con A ∈ Mm×n (K) y b ∈ Mm×1 (K) y siendo S el conjunto formado por las
soluciones del mismo, las siguientes armaciones son equivalentes:
2. b ∈ L(A1 , · · · , An );
Por otra parte, teniendo en cuenta que si un vector se escribe como com-
binación lineal de un sistema libre, dicha expresión es única, resulta que:
4. rg(A1 , · · · , An ) = n.
e indeterminado, ya que
µ ¶ µ ¶
1 1
( , ) ∈ (M2×1 (R))2
2 2
126 Álgebra
es un sistema ligado.
Nota importante. Obsérvese que si E es un K − e.v. de dimensión n y
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
X m
X
α i vi = u ⇔ αi (vi )B = (u)B .
i=1 i=1
consistirá en jar una base B del espacio vectorial E para estudiar (y, en su
caso, resolver) la ecuación lineal de Mn×1 (K)
m
X
αi (vi )B = (u)B
i=1
α(−x2 + x) + β(x − 3) = 3 − 2x + x2 ;
es decir,
0 −3 3
α 1 + β 1 = −2 ,
−1 0 1
Álgebra 127
o, lo que es lo mismo,
AX = b
con A ∈ Mm×n (K) y b ∈ Mm×1 (K) y siendo S el conjunto formado por las
soluciones del mismo, se verica que:
1. El conjunto SH solución de la ecuación homogénea
x1 A1 + · · · + xn An = (0),
es un subespacio vectorial de Kn .
128 Álgebra
Demostración Ejercicio. 2
x1 A1 + · · · + xn An = b,
es decir,
x −1 −1
y = s 1 + t 0
z 0 1
o, si se preere,
(x, y, z) = s(−1, 1, 0) + t(−1, 0, 1).
Los vectores (1, 0, −1) y (1, −1, 0) constituyen una base de SH . Por consi-
guiente
((1, 0, −1), (1, −1, 0))
es un sistema fundamental de soluciones del sistema dado. Como (0, 0, 2) es
una solución particular de dicha ecuación, resulta que:
¯
¯ ∃α, β ∈ R .. (x, y, z) =
S = {(x, y, z) ∈ R ¯¯ 3
}.
= (0, 0, 2) + α(−1, 1, 0) + β(−1, 0, 1)
P i (λ) = Pi (λ)
E ij = Eij
Además vale el siguiente teorema:
t
A −→ A0 ,
resulta que
A0 = A · E
132 Álgebra
Es decir, en este caso hay que multiplicar por la matriz elemental corres-
pondiente pero por la derecha en lugar de por la izquierda.
Ejemplo
2.9.5Las
siguientes
matrices son gaussianas
3 0 1 0 1
0 1 1 2
1 0 1 1 0 µ ¶ 1 0 0
0 1 0 1 0
0
2 0 1 , 0 1 , , , 0 1 0 .
1 0 0 1 1 0
0 0 1 0 1 0 0 1
0 1 0 0
1 0 0 0 0
Sin embargo la matriz
2 0 1
1 0 1
2 0 1
0 0 1
0 0 0
no es gaussiana, pues el primer vector columna no satisface ni la condición
G.1 ni la condición G.2.
L(A1 , · · · , An ).
Demostración Sea
¯
I = {i ∈ {1, · · · , n} ¯Ai 6= (0) },
I = {1, · · · , k} k ≤ n.
Consideremos el sistema
(A1 , · · · , Ak ).
∀i ∈ {k + 1, · · · , n}, Ai = (0).
Álgebra 135
tal que
α1 A1 + · · · + αk Ak = (0).
En ese caso, siendo
t = min{i ∈ I |αi 6= 0 },
resulta que At 6= (0) y, como A es una matriz gaussiana, existirá
y tal que ∀s ∈ {t + 1, · · · , n}
A(h, s) = 0,
o lo que es lo mismo,
At (h, 1) = γ
y ∀s ∈ {t + 1, · · · , n},
As (h, 1) = 0.
Pero en ese caso tendremos que
¡ ¢
0 = (0)(h, 1) = αt At + · · · + αk Ak (h, 1) =
= αt At (h, 1) + · · · + αk Ak (h, 1) = αt γ,
4. Hacemos j = j + 1.
5. Si j = n. FIN.
6. Si j < n ir al paso 2.
La nueva matriz obtenida tras el proceso anterior es una matriz gaussiana.
Ejercicio 2.9.2 Determinar el rango de las siguientes matrices:
1 2 1 1 1 1 2
µ ¶ 1 2 1
1 1
1 −1 3 0 1 0
1
, , , 0 1 1
2 0 1 2 5 1 −1 1 1
2 0 2
0 1 1 2 1 0 1
.
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 .
Álgebra 137
0 −2 1
El rango del sistema de vectores es el rango de A.
1 2 0 1 2 −1 1
1 0 1 c3 = c3 − c1 1 0 0 c3 = c3 − 2 c2
−→ −→
−2 0 −2 −2 0 0
0 −2 1 0 −2 1
1 2 0
1 0 0
−2 0 0
0 −2 0
con lo que
rg(1 + x − 2x2 , 2 − 2x3 , x − 2x2 + x3 ) = rg(A) = 2.
Además hemos obtenido que
1 2 0 1 2 0
1 0 1
L( ) = L( 1 0 0 ) =
−2 0 −2 −2 0 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 últimas
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 Álgebra
Vamos a demostrar que la dimensión del espacio la de una matriz coin-
cide con la dimensión de su espacio columna:
Como colofón, y para nalizar esta parte del capítulo, vamos a recoger
en un teorema varios resultados equivalentes como consecuencia de todo lo
visto:
2.10 Ejercicios
2.10.1 Ejercicios resueltos
1. Encontrar un vector u diferente de cero cuyo punto inicial es P =
(−1, 3, −5) tal que
a) u tiene la misma dirección que v = (6, 7, −3).
b) u tiene dirección opuesta a la de v = (6, 7, −3).
2. Sean u = (−3, 1, 2), v = (4, 0, −8),y w = (6, −1, −4). Encontrar los
escalares c1 , c2 , c3 tales que c1 u + c2 v + c3 w = (2, 0, 4).
k u + v k≤k u k + k v k .
11. Encontrar las ecuaciones paramétricas de la recta que pasa por los
puntos dados.
15. Hallar la ecuación del plano π que contiene las rectas del ejercicio
15.
v
16. Demostrar que si v es un vector diferente de cero en Rn , entonces kvk
tiene la norma euclídea 1.
(1, 1, 1), (1, 1, 0), (1, 0, 0) y (1, 2, 3), (2, 0, 1), (−1, 2, 2)
30. En el espacio vectorial Z52 , hallar una base del subespacio vectorial
¡ ¢ ¡ ¢
H = L({ 0 1 0 1 1 , 0 1 0 0 1 ,
¡ ¢ ¡ ¢
0 0 0 1 0 , 0 1 1 1 1 }).
v · w = kvkkwkcos(θ).
|ax0 + by0 + c|
d(P0 , r) = √ .
a 2 + b2
14. Sea Mm,n (R) el R−espacio vectorial respecto de las operaciones de su-
ma de matrices y multiplicación de una matriz por un escalar usuales.
Sea C[x] el C−espacio vectorial de los polinomios con coecientes nú-
meros complejos y con las operaciones de suma de funciones y multi-
plicación por un escalar usuales.
Escribir explícitamente las operaciones que hacen del producto carte-
siano Mm,n (R) × C[x] un R−espacio vectorial.
16. Determinar los valores reales del parámetro λ tales que los siguientes
vectores sean un sistema libre en R3 :
1 1 1 1 1 1
v1 = (λ, − , − ), v2 = (− , λ, − ), v3 = (− , − , λ).
2 2 2 2 2 2
17. Vericar si los siguientes subconjuntos del espacio de todas las funciones
reales, F(R, R), son linealmente independientes:
20. Sea µ ¶
a b
H={ : a, b, c ∈ R}.
c −(a + b + c)
24. Utilizar el método de Gauss para hallar una base del C−subespacio de
C3 :
L((1, 0, i), (i, 0, 0), (0, −i, 4), (1, 1, 1)).
152 Álgebra
Capítulo 3
Funciones lineales
153
154 Álgebra
pi : E1 × ... × En −→ Ei
(u1 , ..., un ) ; ui
I : C([a, b], R) −→ R
Rb .
f ; 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 = −∞ ó b = ∞, o ambas
cosas simultáneamente, en cuyo caso se tendría 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 función derivada es continua en (a, b). Teniendo en cuenta que
la suma de funciones derivables es derivable y que la función resultante de
multiplicar un número real por una función derivable es una función derivable
(y que lo mismo sucede con las funciones continuas), resulta que
D(f ) : (a, b) −→ R
.
x ; D(f )(x) = f 0 (x)
y que
D(αf ) = αD(f ),
resulta que la siguiente función derivación es lineal:
1. f (0) = 0;
2. ∀u ∈ E , f (−u) = −f (u).
se verica que
L(E, E0 ) ≺ F (E, E0 ),
o lo que es lo mismo, que L(E,E0 ) tiene estructura de espacio vectorial respec-
to de la suma de funciones y producto de una función por un escalar denidos
en F(E, E0 ).
2
160 Álgebra
Ejemplo 3.2.8 ∀f ∈ L(E, E), f ◦IdE = IdE ◦f. Entonces IdE es el elemento
neutro de ◦ en L(E, E).
Observación 38 Si E, E0 y E00 son R − e.v. y f : E → E0 , g : E0 → E00 y
h : E00 → E000 son funciones lineales, entonces la función composición h◦g ◦f :
E → E000 también es una función lineal. En general, la composición de un
cualquier número (nito) de funciones lineales, cuando esté denida, será
una función lineal.
αu0 + βv 0 ∈ f (H)
y en denitiva f (H) ≺ E0 .
2. Supongamos que H 0 ≺ E0 . En ese caso 0 ∈ H 0 y, puesto que
f (0) = 0,
tendremos que
0 ∈ f −1 (H 0 ).
Por otra parte, si u, v ∈ f −1 (H 0 ) y α, β ∈ K, resultará que
f (u), f (v) ∈ H 0
αf (u) + βf (v) ∈ H 0
αu + βv ∈ f −1 (H 0 ).
e imagen de f, al conjunto
Ker(f ) ≺ E
y que
Im(f ) ≺ E0 .
Ejercicio 3.3.2 Sea E = C 1 (R, R), y sea E0 = F(R, R). Determinar el nú-
cleo de la función derivación
es lineal y que
H = Ker(αp1 + βp2 + γp3 ).
164 Álgebra
f (u) = 0 y f (0) = 0,
f (u) = u0 y f (v) = v 0
166 Álgebra
resulta que
à n ! à n !
X X
f (λu + µv) = f (λ · α i ui +µ· βi ui ) =
i=1 i=1
à n ! n
X X
= f( (λαi + µβi )ui ) = (λαi + µβi )vi =
à i=1
n
! Ã n i=1
!
X X
= λ αi vi +µ βi ui = λf (u) + µf (v).
i=1 i=1
Ahora bien,
Xn
g(w) = g( αi ui ) =
i=1
= (por ser g lineal) =
Xn Xn
= αi g(ui ) = αi vi =
i=1 i=1
n
X
= αi f (ui ) = (por ser f lineal) =
i=1
Xn
= f( αi ui ) = f (w),
i=1
Álgebra 169
n
X n
X Xn
0= αi vi = αi f (ui ) = f ( αi ui ).
i=1 i=1 i=1
P
n
Ya que f es inyectiva, αi ui = 0 y, puesto que {u1 , · · · , un } es libre,
i=1
(α1 , · · · , αn ) = (0, · · · , 0).
P
n
⇐ Si w ∈ Ker(f ), siendo w = αi ui resulta que
i=1
Xn n
X n
X
f (w) = 0 = f ( αi ui ) = αi f (ui ) = αi vi ,
i=1 i=1 i=1
con lo que w = 0.
b) Si vericamos que Im(f ) = L(v1 , · · · , vn ), entonces f es sobreyectiva
⇔ L(v1 , · · · , vn ) = E0 . Ya que L(v1 , · · · , vn ) ≺ Im(f ), hace falta solo com-
Pn
probar que Im(f ) ⊆ L(v1 , · · · , vn ) : si v ∈ Im(f ), existe u = αi ui ∈ E tal
i=1
que
n
X n
X
v = f (u) = αi f (ui ) = αi vi ∈ L(v1 , · · · , vn ).
i=1 i=1
o, lo que es lo mismo, siendo (e1 , ..., en ) la base canónica de Mn×1 (K), que
empleando la notación habitual de matrices se escribiría
1 0 0
0 1 0
(e1 , ..., en ) = .. , .. , · · · , .. ,
. . .
0 0 1
{v1 , ...., vm } es ligado ⇔ el sistema {(v1 )B , ...., (vm )B } de Mn×1 (K) es ligado;
{v1 , ...., vm } es libre ⇔ el sistema {(v1 )B , ...., (vm )B } de Mn×1 (K) es libre;
{v1 , ...., vn } es una base de E ⇔ {(v1 )B , ...., (vn )B } es una base de Mn×1 (K).
172 Álgebra
Ejemplos.
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
sólo si el sistema de M3×1 (R) formado por sus coordenadas respecto de la
base canónica 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] | gr(f ) ≤ 4}, el sistema
{x + 3x2 , 2 + x, −3 + x3 , 1 + x4 }
es libre (respectivamente ligado) si y sólo si el sistema de M4×1 (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).
Demostración Sean {u1 , ...., ur } una base de Ker(f ) y {v1 , ...., vp } una
base de Im(f ). Sean, por otra parte, {w1 , ..., wp } tales que
es tal que
r p
X X
αi ui + βj wj = 0. (3.1)
i=1 j=1
En ese caso à !
r p
X X
f α i ui + βj wj = f (0) = 0.
i=1 j=1
P
p
y puesto que los vectores u1 , ...., ur están en Ker(f ), tendremos que βj vj =
j=1
0, con lo que, al ser {v1 , ...., vp } libre, obtenemos que (β1 , ..., βp ) = (0, ..., 0);
P
r
pero entonces la relación (3.1) queda αi ui = 0, y puesto que {u1 , ...., ur }
i=1
es libre, obtenemos que (α1 , ...., αr ) = (0, ..., 0). En denitiva,
(α1 , ...., αr , β1 , ..., βp ) = (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 ),
P
p
∃(β1 , ..., βp ) ∈ Kp tal que f (u) = βi vi . Pero en ese caso,
i=1
p p p
X X X
f (u) = βi vi = βi f (wi ) = f ( βi wi ),
i=1 i=1 i=1
174 Álgebra
o sea,
p
X
0 = f (u) − f ( βi wi ) =
i=1
= (por ser f lineal) =
p
X
= f (u − βi wi ),
i=1
con lo que à !
p
X
u− βi w i ∈ Ker(f ),
i=1
µ ¶ Ã !
P
p P
r
y resulta que , u = βi wi + αj uj . 2
i=1 j=1
P
n
Sea w ∈ E, y supongamos también que w = xj uj , es decir, que
j=1
x1
(w)B = ... .
xn
P
n P
n
En ese caso, f (w) = f ( x j uj ) = xj f (uj ), con lo que , teniendo en
j=1 j=1
cuenta que
(·)B 0 : E0 → Mm×1 (K)
v ; (v)B 0
es un isomorsmo,
à n ! n
X X
(f (w))B 0 = xj f (uj ) = xj · (f (uj ))B 0 =
j=1 B0 j=1
n
à m ! n X
m
X X X
= xj αij (vi )B 0 = xj (αij (vi )B 0 ) =
j=1 i=1 j=1 i=1
à m à n ! !
X X
= xj αij (vi )B 0 .
i=1 j=1
Es decir,
à !
P
n
xα
j=1 j 1j
..
(f (w))B 0 = . ,
à !
P n
xj αnj
j=1
176 Álgebra
(f (w))B 0 = A · (w)B .
pi : Kn −→ K
,
(x1 , ..., xn ) ; xi
4. Si en el C − e.v.
B = {1, x, x2 , x3 }
f (1) = x + 3x2 ,
f (x) = 2 + x,
f (x2 ) = −3 + x3
f (x3 ) = 1 + x3 ,
resulta que
0 2 −3 1
1 1 0 0
MBB (f ) =
3
.
0 0 0
0 0 1 1
Demostración 1. ⇒ Es evidente.
1. ⇐ Siendo Bc = {e1 , ..., en } la base canónica de Mn×1 (K), que em-
pleando la notación habitual de matrices se escribiría
1 0 0
0 1 0
{e1 , ..., en } = { .. , .. , ..., .. },
. . .
0 0 1
resulta que, por hipótesis, ∀i ∈ {1, ..., n}, A · ei = (0) ∈ Mm×1 (K), pero por
otra parte, ∀j ∈ {1, ..., m}
n
X
(A · ei )(j, 1) = (A(j, k) · ei (k, 1)) = A(j, i),
k=1
& %
B (g◦f )
MB 00
−→
La conclusión es que
0
MBB00 (g ◦ f ) = MBB00 (g) · MBB0 (f ).
Además
MBB00 (g ◦ f ) · (u)B = ((g ◦ f )(u))B 00 ,
es decir, ∀u ∈ E,
³ 0
´
MBB00 (g) · MBB0 (f ) · (u)B = MBB00 (g ◦ f ) · (u)B ,
En consecuencia,
si E es un K − e.v. de dimensión n y A ∈ Mn (K) es tal que
A = MBB0 (IdE ),
Entonces,
0 0 0
MBB0 (f ) = (MBB (IdE ))−1 MBB (f )MBB (IdE ). (3.4)
siendo
B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}, y B 0 = {(1, 1), (0, 1)},
por otra parte, para hallar MBB2 (IdR2 ) , podemos, o bien calcular por cual-
quier método que se conozca la matriz inversa de MBB2 (IdR2 ), o bien, tener
en cuenta que los vectores columna de MBB2 (IdR2 ) son las coordenadas de
los vectores de la base canónica respecto de B. Si resolvemos el sistema de
ecuaciones en α, β, γ y δ que se obtiene al escribir
llegamos a que
µ ¶ µ ¶
α γ − 12 12
= = MBB2 (IdR2 ).
β δ 1 0
g : R −→ R3 ,
186 Álgebra
denida por
g(λ) = (λa, λb, λc),
es lineal, inyectiva y
r = Im(g).
Se sigue que g : R −→ r es un isomorsmo.
Para el plano π las ecuaciones paramétricas son
x = λu1 + µv1
π : y = λu2 + µv2 λ, µ ∈ R,
z = λu3 + µv3
g : R2 −→ R3 ,
denida por
g(λ, µ) = λu + µv,
es lineal, inyectiva y
π = Im(g).
Se sigue que g : R2 −→ π es un isomorsmo.
A la expresión
α1
(u)B = MBBr (f ) · ...
αr
la denominaremos ecuaciones paramétricas de H respecto de la base B .
y
π : h(x, y, z) = ax + by + cz + d = 0.
En el caso de la recta r, si denimos la función h : R3 −→ R2 como
h(x, y, z) = (h1 (x, y, z), h2 (x, y, z)), resulta que
en denitiva,
A la expresión
MBBn−r (h) · (u)B = (0)
(o a su versión equivalente como sistema homogéneo de ecuaciones) la deno-
minaremos ecuaciones implícitas de H respecto de B.
es decir, −x + y − z = 0.
3.6 Ejercicios
3.6.1 Ejercicios resueltos
1. Razonar si las siguientes funciones son o no lineales (en cada uno de
los conjuntos considerados se considera su estructura habitual de espacio
vectorial):
a) f : R3 → R b) f : R3 → R
(x, y, z) Ã x + 2y − 3z (x, y, z) Ã xyz
c) f : R2 → R
(x, y) Ã x2 + y
15. Hallar una base del núcleo y una base de la imagen de la siguiente
función 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).
f : E −→ K
no nula es sobreyectiva.
(a) Demuestra que D((a, b), R) es un subespacio vectorial de F((a, b), R).
(b) Prueba que la aplicación derivada
I : C([a, b], R) −→ R
Rb
f 7→ I(f ) = a f (x)dx
Calcula las matrices de cambio de base: MBB3 (IdP3 (R) ) y MBB3 (IdP3 (R) ).
Halla las coordenadas respecto de B de los polinomios:
2x + 4x2 + x3 , 1 + x3 , 2 + 2x, 2 + x2 − x3 .
Álgebra 195
3
f : R3 −→ R3 , f (x, y, z) = (x + 2y − 2z, x + 4y − 3z, x + 3y − 2z)
2
Calcula las ecuaciones implícitas de Im(f ). ¾Qué dimensión tiene
Ker(f )?
f: R3 −→ R3
(x, y, z) 7→ (2x + y − z, 3x + 2y − 4z, x + 2y − z)
g: R4 −→ R3
(x, y, z, t) 7→ (2y − 3z − 3t, −x + 2z + 4t, −2x + y + z)
h : R2 −→ R4 denida por
e1 7→ h(e1 ) = (2, −1, 0, 3)
e2 7→ h(e2 ) = (1, 0, −1, −7)
197
198 Álgebra
h(x1 , x2 ), (y1 , y2 )i = x1 y1 + x2 y2
mediante la expresión
n
X
h(x1 , ..., xn ), (y1 , ..., yn )i = x1 y1 + ... + xn yn = xi y i
i=1
Z1
< 3, x2 >1 = 3x2 dx = 2 y < 3, x2 >0 = 3 · 0 = 0.
−1
Observación 46 Nótese que si (E, <, >) es un e.v.e., a partir de las pro-
piedades del producto escalar se verica que
Ejercicio 4.1.1 Demostrar que si (E, <, >) es un e.v.e., α1 , ..., αn , β1 , ..., βm ∈
R y u1 , ..., un , v1 , ..., vm ∈ E, entonces
Ejercicio 4.2.1 Sea (E, <, >) un e.v.e.. Demostrar que ∀u, v ∈ E, se veri-
ca que:
¡ ¢
1. ku + vk2 + ku¡ − vk2 = 2 kuk2 + kvk2¢ (ley del paralelogramo)
2. < u, v >= 12 ¡ku + vk2 − kuk2 − kvk
¢
2
Además
|< u, v >| = kuk · kvk ⇔ {u, v} es ligado.
pero
< u + λv, u + λv >=< u, u > +2λ < u, v > +λ2 < v, v > .
o, lo que es lo mismo,
b2 − ac < 0,
con lo que ¡ ¢
< u, v >2 − < u, u >< v, v > < 0,
202 Álgebra
es decir,
√ √
|< u, v >| < < u, u > · < v, v > = kuk · kvk .
Además
ku + vk ≤ kuk + kvk .
Demostración
ku + vk ≤ kuk + kvk .
< u, v >
−1 ≤ ≤ 1.
kuk · kvk
< u, v >
cos(c
uv) = .
kuk · kvk
< u, v >= 0.
Ejercicio 4.2.4 En el e.v.e. (R3 , <, >), donde <, > es el producto escalar
usual, determinar el ángulo formado por los vectores (1, 0, 1) y (0, 0, 1).
Distancia euclídea
Finalmente, a partir del producto escalar, también podemos denir la dis-
tancia entre vectores.
Denición 4.2.7 Si (E, <, >) es un e.v.e. y u, v ∈ E se denomina distan-
cia euclídea de u a v y se denota por d(u, v) al número real
√
d(u, v) = ku − vk = < u − v, u − v >.
A partir de las propiedades vistas de la norma euclídea, es fácil ver que
se satisfacen las propiedades que debe vericar cualquier función distancia,
a saber:
1. ∀x, y ∈ E d(x, y) ≥ 0.
2. ∀x, y ∈ E d(x, y) = 0 ⇔ x = y
3. ∀x, y, z ∈ E d(x, z) ≤ d(x, y) + d(y, z).
Ejercicio 4.2.6 En el e.v.e (R3 , <, >), donde <, > es el producto escalar
usual, determinar la distancia entre los vectores (1, 0, 1) y (0, 1, 1).
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 ). Compárese
el resultado obtenido con el del ejercicio anterior.
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
Veamos cómo construir vr+1 de manera que satisfaga las condiciones reque-
ridas. Puesto que
L({v1 , ..., vr }) = L({u1 , ..., ur }),
buscamos vr+1 ∈ E de manera que
vr+1 ∈ L({v1 , ..., vr , vr+1 }) = L({u1 , ..., ur , ur+1 }) = L({v1 , ..., vr , ur+1 }).
Pongamos
vr+1 = ur+1 + λ1 v1 + ... + λr vr
y veamos cómo deben ser los coecientes λ1 , ..., λr ∈ R para que se satisfaga
la condición de ortogonalidad, es decir, que
puesto que el resto de los términos son nulos, al ser ortogonal el sistema
{v1 , ..., vr } .
Imponiendo entonces la condición
resulta que
< ur+1 , vi >
λi = − .
< vi , v i >
qed
v1 = u1
< u 2 , v1 >
v2 = u2 − · v1
< v 1 , v1 >
< u 3 , v1 > < u3 , v2 >
v3 = u3 − · v1 − · v2
< v 1 , v1 > < v 2 , v2 >
..
.
< ur , v1 > < ur , vr−1 >
vr = ur − · v1 − ... − · vr−1 ,
< v 1 , v1 > < vr−1 , vr−1 >
Coordenadas ortonormales
La pregunta que es natural hacerse es ¾porqué nos interesa trabajar con bases
ortonormales? Aunque más adelante veremos otras propiedades que tienen
que ver con la mejor aproximación o aproximación óptima 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 coordena-
das de cualquier vector u ∈ E respecto de dicha base se pueden obtener en
función del producto escalar de u por los vectores de B, pues si
u = α1 w1 + ... + αn wn
resulta que ∀i ∈ {1, ..., n}
< u, wi > = < α1 w1 + ... + αn wn , wi >=
= α1 < w1 , wi > +... + αn < wn , wi >=
= αi < wi , wi >= αi kwi k2 = αi ,
con lo que
n
X
u =< u, w1 > w1 + ...+ < u, wn > wn = < u, wi > wi .
i=1
Demostración Sea B = {w1 , ..., wn } una base ortonormal de (E, <, >).
En ese caso n
X
u= < u, wi > wi ,
i=1
con lo que
n
X n
X
2
kuk = < u, u >=< < u, wi > wi , < u, wj > wj >=
i=1 j=1
n
X n
X
= < u, wi >< wi , < u, wj > wj >=
i=1 j=1
n
à n !
X X
= < u, wi > < u, wj >< wi , wj > =
i=1 j=1
(teniendo en cuenta que la base es ortonormal)
Xn
= < u, wi > (< u, wi >< wi , wi >) =
i=1
Xn n
X
2 2
= < u, wi > kwi k = < u, wi >2 .
i=1 i=1
Sea R = (< qi , uj >) ∈ Mn (R) la matriz cuyas columnas son las coor-
denadas de los vectores (u1 , u2 , · · · , un ) respecto de la base (q1 , q2 , · · · , qn ).
Entonces
< u 1 , q1 > < u 2 , q 1 > · · · < u n , q 1 >
< u 1 , q2 > < u 2 , q 2 > · · · < u n , q 2 >
R= .. .. .. .. ,
. . . .
< u 1 , q n > < u2 , q n > · · · < un , qn >
Demostración Ejercicio.
dim(H ⊥ ) = n − dim(H).
{wr+1 , ..., wn }
es una base de H ⊥ .
Evidentemente {wr+1 , ..., wn } es un sistema libre, puesto que es un sub-
sistema de un sistema libre. Veamos que es también un sistema generador
de H ⊥ :
si v ∈ H ⊥ , como H ⊥ ⊂ E y {w1 , ..., wr , wr+1 , ..., wn } es una base de E,
existirán α1 , ..., αr , αr+1 , ..., αn ∈ R tales que
Si denotamos por
h = α1 w1 + ... + αr wr ∈ H
y por
h⊥ = αr+1 wr+1 + ... + αn wn ∈ H ⊥
resulta que
p⊥
H (u) =< u, w1 > w1 + < u, w2 > w2 + · · · + < u, wr > wr ∀u ∈ E.
Vericar que p⊥
H es lineal.
214 Álgebra
Entonces
√
1 2
p⊥ 2
H (x )
2 2
=< x , w1 >1 w1 + < x , w2 >1 w2 = 1 = w2 .
3 3
Ejercicio 4.4.2 En (R3 , <, >) donde <, > es el producto escalar usual de
R3 , obtener la proyección ortogonal del vector (1, 2, 1) sobre los subespacios
H = L((1, 0, 1)) y H 0 = L((1, 0, 1), (1, 0, 0)).
Álgebra 215
es ortogonal al vector wi .
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) ∀w ∈ H.
Pr
En otras palabras, p⊥
H (u) = < u, wi > wi es el vector de H = L({w1 , ..., wr })
i=1
que está a menor distancia de u (i.e., el que mejor lo aproxima).
216 Álgebra
con lo que ° °2
°u − p⊥
H (u)
° ≤ d(u, w)2 .
2
Ejercicio 4.4.3 En (R3 , <, >), donde <, > es el producto escalar usual de
R3 , hallar la mejor aproximación del vector (1, 0, 1) por vectores del subespa-
cio H = L((1, 2, 1), (1, 0, 0)).
Álgebra 217
4.5 Ejercicios
4.5.1 Ejercicios resueltos
1. En el espacio vectorial euclídeo R3 con el producto escalar usual se consi-
dera el sistema de vectores
5.1 Introducción
En nuestros días, la generalización en el uso de instrumentos electrónicos
conlleva la necesidad de transmitir una gran cantidad de datos de forma
rápida y segura. Ejemplos de lo anterior son la transmisión de imágenes de
televisión a y desde satélites y la comunicación telefónica. Otros ejemplos, en
los que hay menos distancia entre el emisor y el receptor de la información,
son la transmisión de datos entre ordenadores conectados a una red o entre
distintas unidades de un mismo ordenador.
La teoría de códigos tiene su origen en el artículo 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 información a través de un canal con ruido según el
esquema:
RU IDO
Transmisor >>>>>>>>> Receptor
↑ ↓
Codicador Decodicador
↑ ↓
Mensaje original Mensaje decodicado
219
220 Álgebra
palabra ∈Z2
k+(n−k)
mensaje ∈Zk
2
z}|{
z}|{ 1
1 0
0 .. transmisión
.. → codicador → . =⇒
. 1
1 ..
.
∈ Z2k+(n−k)
z}|{ mensaje ∈Zk2
? z}|{
? 1
transmisión .. 0
=⇒ . → decodicador → .. .
? .
.. 1
.
Ejemplo 5.2.2
i) d(a, b) = 0 ⇔ a=b
ii) d(a, b) = d(b, a)
iii) d(a, b) ≤ d(a, c) + d(c, b).
dmin ≥ 2e + 1.
y por tanto
d(b, z) ≥ e + 1.
Se sigue que c es la única palabra de C a distancia e de z. 2
10000010 y 01000111
son palabras del código mientras que 01000110 no lo es.
Esta codicación (8, 7) permite detectar algunos errores de transmisión
pero no corregirlos. Más exactamente podemos reconocer aquellas situaciones
en las que se produce un número impar de errores en la transmisión de los 8
bits. Por tanto la probabilidad de error no detectable en la transmisión es:
224 Álgebra
Perr = P2 + P4 + P6 + P8 =
µ ¶
2 6 8
= p (1 − p) +
2
µ ¶
4 4 8
+p (1 − p) +
4
µ ¶
6 2 8
+p (1 − p) +
6
+p8
mensajes código
0 000
1 111
g : Zk2 −→ Zn2
denida por
g(ei ) = ui (i = 1, · · · , k),
es inyectiva (siendo {u1 , u2 , · · · , uk } libre) y Im(g) = C. Por tanto la función
g dene las ecuaciones paramétricas del código C.
226 Álgebra
Zk2 −→ C
x1
t ..
(x1 , . . . , xk ) → G .
xk
xk
Zn2 (implícitamente estamos identicando la matrices la de n columnas con
los elementos de Zn2 , circunstancia que mantendremos en todo el desarrollo
del capítulo para mayor simplicidad).
Teniendo en cuenta que
x1
t .
G .. = (x1 . . . xk ) · (G),
t
xk
Zk2 −→ C −→
(x1 , . . . , xk ) → (x1 ... xk ) ·t (G) →
Álgebra 227
−→ Zk2
→ (x1 ... xk ) ·t (G) · (t (G))−1 = (x1 , . . . , xk )
La respuesta es obviamente negativa, puesto que la matriz t (G) no es
una matriz cuadrada. Sin embargo, como veremos posteriormente, la idea es
aprovechable empleando el concepto de pseudoinversa de una matriz.
h : Zn2 −→ Zn−k
2
tal que C = ker(h). Por tanto la función h determina las ecuaciones im-
plícitas del código C.
Denición 5.3.4 Si C ≺ Zn2 es lineal diremos que una matriz H de orden
s×n es una matriz de control si para cualquier (x1 , . . . , xn ) ∈ Zn2 se verica
que:
x1
(x1 , . . . , xn ) ∈ C ⇔ H ... = 0.
xn
n−k
h: Zn2 −→ Z2
x1
t .
(x1 , . . . , xn ) → H· ..
xn
H t1 t2 tk A
−→−→ · · · −→ ,
In P
Ejercicio 5.3.7 Determinar una matriz generadora del código cuya matriz
de control es:
µ ¶
1 0 1 0
H=
1 1 1 1
Álgebra 229
g : Zk2 −→ C
x1
.
(x1 , . . . , xk ) → t
G .. .
xk
tales que:
tendremos que:
h: Zn2 −→ Z2n−k
x1
.
(x1 , . . . , xn ) → t
H· .. .
xn
T · G = Ik y H · G = (0) .
Zk2 −→ C −→
(x1 , . . . , xk ) → (x1 ... xk ) ·t (G) →
232 Álgebra
−→ Zk2
→ (x1 ... xk ) · (G) ·t (T) = (x1 , . . . , xk ) .
t
Por otra parte, la matriz H así obtenida es una matriz de control del
código, pues satisface las dos condiciones requeridas.
Ejercicio 5.3.8 Determinar una matriz de control del código cuya matriz
generadora es:
1 0 0
0 1 0
G =
1
.
0 1
1 1 1
1. u + C = v + C ⇔ v − u ∈C.
2. Si ( u + C) ∩ (v + C) 6= ∅ entonces u + C = v + C.
3. Card( u + C) =Card( v + C).
u + C = v + C.
Codicador Transmisión
t
u −→ u · (G) = x ⇒ +e ⇒
Decodicador ½
y ·t (T ) si H · (y)Bn = 0
⇒y =x+e −→
(y − ey ) ·t (T ) si H · (y)Bn 6= 0.
Observación 59 Si elegimos a 0 como representante del cogrupo 0+C = C,
se puede simplicar la actuación del Decodicador:
Decodif icador
y −→(y − ey ) ·t (T )
Ejercicio 5.3.12 Utilizando la elección de representantes del ejercicio ante-
rior completar la siguiente tabla:
¡ y ¢ H · (y)Bn ey y − ey
¡ 0 0 0 ¢
¡ 0 0 1 ¢
¡ 0 1 0 ¢
¡ 0 1 1 ¢
¡ 1 0 0 ¢
¡ 1 0 1 ¢
¡ 1 1 0 ¢
1 1 1
5.4 Ejercicios
5.4.1 Ejercicios resueltos
1. Obtener una matriz generadora y una matriz de control del código de
paridad expuesto en los apuntes de clase.
0 1
¡ y ¢ H · (y)B3 ey y − ey
¡ 0 0 0 ¢
¡ 0 0 1 ¢
¡ 0 1 0 ¢
¡ 0 1 1 ¢
¡ 1 0 0 ¢
¡ 1 0 1 ¢
¡ 1 1 0 ¢
1 1 1
238 Álgebra
Capítulo 6
Autovalores y autovectores
6.1 Introducción
El objetivo principal de este tema es desarrollar una técnica 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 están estrechamente relacionados.
La naturaleza de dicha técnica y de la herramienta matemática que lleva
aparejada (teoría de autovalores y autovectores) hace posible su aplicación a
una gran variedad de problemas.
Veamos unos primeros ejemplos que nos permitan ilustrar y motivar las
siguientes deniciones:
239
240 Álgebra
número de elementos del conjunto An−1 , es decir, con an−1 . Por otra parte,
las secuencias del conjunto Cn se pueden obtener añadiendo 10 a cada una
de las secuencias de longitud n − 2 que no poseen dos ceros consecutivos, por
lo que el número de elementos de Cn coincide con el número de elementos
del conjunto An−2 , es decir, con an−2 . Teniendo en cuenta, ahora, que Cn y
Un son disjuntos, resulta que
an = an−1 + an−2 .
se puede resolver, como veremos, por medio de la misma técnica que se emplea
para hallar una función compleja f (x) de variable real x que sea solución del
problema denido por los siguientes datos iniciales y ecuación diferencial
ordinaria (EDO) lineal con coecientes constantes de orden 2:
f (0) = 1
f (1) = 1
00
f (x) = f 0 (x) + f (x) (x ∈ R).
Álgebra 241
a : N −→ C
n à a(n) = an
S : F(N, C) −→ F (N, C)
{an }n∈N Ã S({an }n∈N ) = {an+1 }n∈N
es decir,
S
{an }n∈N S({an }n∈N )
−→
{a0, a1 , a2 , ... Ã {a1, a2 , a3 , ...
resulta sencillo comprobar (verifíquese) que dicha función es lineal. Por con-
venio de notación escribiremos an+1 = S(an ), de manera que la sucesión
S({an }n∈N ) la podremos expresar como
S({an }n∈N ) = {S(an )}n∈N = {S(a0 ), S(a1 ), S(a2 ), ... = {a1, a2 , a3 , ...
Veamos qué relación tiene esta función con el problema que nos ocupa.
Supongamos que dado λ ∈ C, buscamos las sucesiones {an }n∈N que ∀n ∈
N satisfacen la relación
an+1 = λan .
Utilizando la notación introducida, dicha ecuación se transforma en
S(an ) = λan ,
an+1 = λan ,
242 Álgebra
Por otra parte, los resultados generales válidos para las funciones reales
de variable real también son válidos aquí. 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) ∀α, β ∈ C , y ∀ f, g ∈ F ((a, b), C), (αf + βg)0 = αf 0 + βg 0
b) ∀ f, g ∈ F((a, b), C) , (f · g)0 = f 0 g + f g 0
c) ∀ f, g ∈ F((a, b), C), ∀t0 ∈ (a, b) tal que g(t0 ) 6= 0,
f 0 f 0g − f g0
( ) (t0 ) = (t0 )
g g2
d) (∀x ∈ (a, b) f 0 (x) = 0) ⇒ f es constante
d
Rx
e) ∀x ∈ (a, b), dx ( f (t)dt) = f (x).
a
z =| z | · eiα ,
Si z = x + iy, se dene
ez = ex (cos y + iseny).
Utilizando esta expresión se dene la función exponencial f de constante
λ = α + βi ∈ C y parámetro t ∈ R del siguiente modo:
f : R −→ C
t 7 → eλt ,
donde
f (t) = eλt = e(α+iβ)t = eαt (cos βt + isenβt).
Demostración
1. Si λ = α + iβ y µ = δ + iε, tendremos que
eλt · eµt = eαt (cos βt + isenβt) · eδt (cos εt + isenεt) =
= eαt eδt ((cos βt(cos εt) − senβt(senεt)) +
+ i(senβt(cos εt) + senεt(cos βt))) =
= eαt+δt (cos(β + ε)t + isen(β + ε)t = e(λ+µ)t .
2. Si λ = α + iβ,
d λt d αt d d
(e ) = (e (cos βt + isenβt)) = (eαt cos βt) + i (eαt senβt) =
dt dt dt dt
= (αe cos βt − βe senβt) + i(βe cos βt + αeαt senβt) =
αt αt αt
3. ∀λ ∈ C − {0},
Zb Zb
λt
e dt = eαt (cos βt + isenβt)dt =
a a
Zb Zb
αt
= e cos βtdt + i eαt senβtdt =
a a
¯b ¯b
e (α cos βt + βsenβt) ¯¯
αt
eαt (αsenβt − β cos βt) ¯¯
= ¯ +i ¯ =
α2 + β 2 a α2 + β 2 a
¯b
αt ¯
e (cos βt + isenβt)(α − iβ) ¯
= ¯ =
α2 + β 2 a
1 1
= eαt (cos βt + isenβt) = eλt .
α + iβ λ
2
D(f ) + f = cos(x)
Entenderemos por solución de la ecuación a cualquier función com-
pleja de variable real con derivada continua que, reemplazada en lugar de la
variable f, haga cierta la igualdad.
Por ejemplo la función e−x es una solución de la ecuación f 0 + f = 0.
Veamos cuales son los aspectos esenciales que nos van a permitir resolver
la ecuación (I):
dim(Ker(D − λId)) = 1.
d
3. Teniendo en cuenta que el operador dx − λId = D − λId es la suma de
dos funciones lineales y que por tanto es lineal, se puede vericar que
si s1 es solución de f 0 − λf = h1
y s2 es solución de f 0 − λf = h2 ,
entonces
s1 + s2 es solución de f 0 − λf = h1 + h2 .
f 0 f 0 eλx − f λeλx f 0 − λf g
( λx
) = 2λx
= λx
= λx ,
e e e e
de donde Z x
λx g(t)
f (x) = e · dt.
0 eλt
podemos denir (
y1 (x) = f (x)
y2 (x) = f 0 (x) = y10 (x),
Álgebra 253
−
→0
∀t ∈ R , y (t) = A→
−
y (t), (6.4)
−
→
∀t ∈ R , Q· y 0 (t) = Q · A−
→
y (t). (6.5)
−
→
∀t ∈ R , P−1 · y 0 (t) = P−1 ·A→
−
y (t).
γ11 · · · γ1n y1 (t)
−1 .. ..
P = . . y (t) = ... ,
e →
−
γn1 · · · γnn yn (t)
tendremos que:
254 Álgebra
γ11 · · · γ1n y10 (t)
−
→ .. .. =
P−1 · y 0 (t) = ... . .
γn1 · · · γnn yn0 (t)
0
z1 (t)
z }| {
X n
γ1i yi (t)
Pn
i=1
γ y 0 (t)
i=1 1i i z10 (t)
.. .. .
=
.
=
. = .. .
0
Pn zn0 (t)
γni yi0 (t)
n
i=1 X
γni yi (t)
i=1
| {z }
zn (t)
→
−0
z (t) = P−1 ·A−
→
y (t) = P−1 ·A · (P · P−1 )−
→
y (t) =
= (P ·A · P)(P · y (t)) = (P ·A · P)−
−1 −1 −
→ −1 →
z (t).
Resumiendo, hemos obtenido que si P es una matriz de orden n invertible
las siguientes condiciones I e II son equivalentes:
I II
(
−
→0 −
→
y (t) = P·−
→
z (t)
∀t ∈ R , y (t) = A→
−
y (t) ⇐⇒ ∀t ∈ R , −
→0
z (t) = (P ·A · P)−
−1 →
z (t).
Álgebra 255
P−1 ·A · P = B.
y10 (t) λ1 0 · · · 0 y1 (t)
y20 (t) 0 λ2 · · · 0 y2 (t)
∀t ∈ R , .. = .. .. . . . .. .
. . . . .. .
yn0 (t) 0 0 · · · λn yn (t)
0 0 0
Ejemplo 6.5.1 Si A = 0 2 0 , entonces λ1 = 0, λ2 = 2 y λ3 = 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 .
y obtenemos que
y1 (t) = α1 eλ1 ·t .
2. A continuación, como ya conocemos y1 , resolvemos la segunda ecuación
y obtenemos que
Z t
λ2 ·t λ2 ·t
y2 (t) = α2 e + α1 e · a21 e(λ1 −λ2 )·x dx.
0
det(T) = |T| = λ1 λ2 · · · λn .
|T − xIn | = 2 − 3x + x2 = (2 − x) (1 − x)
y en la diagonal principal de T necesariamente aparecen los valores 2 y 1.
1. X 6= 0.
P
m P
m
Pero, por una parte, A · ( αi Xi ) = A · 0 = 0 y, por otra, A · ( αi Xi ) =
i=1 i=1
P
m
(λi αi )Xi , puesto que si A · X = λX, entonces A · (αX) = α(A · X) =
i=1
α(λX) = (λα)X. En consecuencia:
P
m
(λi αi )Xi = 0 (3)
i=1
P
m
Restando (2) a (3) obtenemos que αi (λi −λ1 )Xi = 0, con lo que, por hipó-
i=2
tesis de inducción, ∀i ∈ {2, ..., m}, αi (λi − λ1 ) = 0, de donde ∀i ∈ {2, ..., m},
αi = 0, con lo que la igualdad (1) queda α1 X1 = 0 y en consecuencia α1 = 0.
2
AP = PD.
es una base del espacio de matrices columnas de n las formada por vecto-
res propios de A. Entonces tendremos que por un lado, al constituir estas
matrices columna una base, la matriz
p11 · · · p1n
..
P = ... .
pn1 pnn
de donde
½
2 1
x − 2x + 1 = 0 ⇒ x = , por lo que, si A fuese diagonalizable
1 µ ¶
1 0
−1 −1
y P AP fuese una matriz diagonal, necesariamente P AP = ,
0 1
siendo los dos vectores columna de P vectores propios asociados al valor
propio 1 y linealmente independientes. Sin embargo
µ ¶
2 4
dim(Ker(A − 1I2 ) = 2 − rg(A − 1I2 ) = 2 − rg( )=1
−1 −2
A = T0 → T1 → · · · → Tn = T,
Si denimos
0
0
.. ,
P = Pn−1 .
0
0 0 ··· 0 1
se verica que
0
0
..
P −1 = −1
Pn−1 . y que T = P−1 A0 P.
0
0 0 ··· 0 1
−2 0 3
A = 3 −2 −9
−1 2 6
En primer lugar determinamos las raíces del polinomio característico de
la matriz:
¯ ¯
¯ −2 − X 0 3 ¯¯
¯
¯ 3 −2 − X −9 ¯¯ = −X + 2X 2 − X 3 = (1 − X)2 (0 − X).
¯
¯ −1 2 6−X ¯
es tal que
1 0 −1 −2 0 3 1 0 1
A0 = P1−1 AP1 = 0 1 2 3 −2 −9 0 1 −2 =
0 0 1 −1 2 6 0 0 1
−1 −2 0
= 1 2 0 .
−1 2 1
Ahora tenemos que triangular la submatriz
µ ¶
00 −1 −2
A =
1 2
1 −1 0
P2 = 0 1 0
0 0 1
es tal que
1 1 0 −1 −2 0 1 −1 0
−1 0
P2 A P2 = 0 1 0 1 2 0 0 1 0 =
0 0 1 −1 2 1 0 0 1
0 0 0
= 1 1 0 ,
−1 3 1
que es triangular inferiormente y tiene los autovalores de A en la diagonal.
Entonces
0 0 0
P2−1 A0 P2 = P2−1 P1−1 AP1 P2 = 1 1 0 .
−1 3 1
Se sigue que la matriz de paso es
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
Sistemas homogéneos
Vamos a ilustrar por medio de un ejemplo el método de resolución de sistemas
homogéneos. Sea el siguiente sistema homogéneo de ecuaciones:
0
y1 (t) −2 0 3 y1 (t)
y20 (t) = 3 −2 −9 y2 (t) .
y30 (t) −1 2 6 y3 (t)
Como este sistema ha sido resuelto en el ejemplo 6.5.2, nos traemos la solu-
ción:
z1 (t) 1 0 0
z2 (t) = α1 −1 + α2 et + α3 0 .
z3 (t) 4 3tet et
y1 (t) 1 −1 1 1 0 0
y2 (t) = 0 1 −2 α1 −1 + α2 et + α3 0 =
y3 (t) 0 0 1 4 3tet et
6 −et + 3tet et
= α1 −9 + α2 e − 6te + α3 −2et .
t t
4 3tet et
Álgebra 273
donde ½
y1 (t) = f (t)
.
y2 (t) = f 0 (t) = y10 (t)
Ahora hacemos triangular la matriz
µ ¶
0 1
A= ,
−9 6
es decir,
z2 (t) = α1 te3t + α2 e3t .
Expresando las soluciones vectorialmente tenemos que
µ ¶ µ 3t ¶ µ ¶
z1 (t) e 0
= α1 + α2 .
z2 (t) te3t e3t
Sistemas no homogéneos
Si la ecuación diferencial de orden n considerada no fuese homogénea, es
decir, fuese de la forma
es la solución buscada.
que coincide con la del ejemplo anterior y, según vimos, se verica que
µ ¶ µ ¶−1 µ ¶µ ¶
3 0 0 1 0 1 0 1
= .
1 3 1 3 −9 6 1 3
Ahora, siendo
−
→
z (t) = P−1 ·−
→
y (t),
es decir, µ ¶ µ ¶−1 µ ¶
z1 (t) 0 1 y1 (t)
= ,
z2 (t) 1 3 y2 (t)
Álgebra 277
µ ¶ µ ¶µ ¶ µ ¶−1 µ ¶
z10 (t) 3 0 z1 (t) 0 1 0
= +
z20 (t) 1 3 z2 (t) 1 3 32te−t
y, puesto que
µ ¶−1 µ ¶
0 1 −3 1
= ,
1 3 1 0
µ ¶ µ ¶µ ¶ µ ¶µ ¶
z10 (t) 3 0 z1 (t) −3 1 0
= + ,
z20 (t) 1 3 z2 (t) 1 0 32te−t
es decir:
½
z10 (t) = 3z1 (t) + 32te−t
z20 (t) = z1 (t) + 3z2 (t)
Z t
3t 3t
z1 (t) = α1 e + e 32xe−x e−3x dx =
Z0 t
= α1 e3t + e3t 32xe−4x dx =
0
à ¸t Z t !
−x 1
(por partes) = α1 e3t + 32e3t e−4x + e−4x dx =
4 0 4 0
µ ¶
3t 3t −4t 1 −4t
= α1 e + 8e −te − (e − 1) =
4
= α1 e − 8te − 2e + 2e3t =
3t −t −t
Denición 6.7.1 Diremos que la sucesión {an }n∈N∪{0} está denida recur-
sivamente o por recurrencia si
½
1. ∃k ∈ N tal que a1 , ..., ak son conocidos y
2. ∀n ∈ N ∪ {0}, an+k está denido en función de an+k−1 , ..., an .
tiene dimensión 2.
tampoco es lineal.
son las sucesiones {an }n∈N que son autovectores de la función lineal S asocia-
dos al autovalor λ, junto con la sucesión nula 0 = {0, 0, 0, ....}. Esto es, el con-
junto Ker(S −λId). Por otra parte, si demostramos que dim(Ker(S −λId)) =
1, localizando una solución no nula, es decir, un elemento no nulo de dicho
subespacio, el resto de soluciones se obtendrá fácilmente. Veamos que, efec-
tivamente,
dim(Ker(S − λId)) = 1.
Evidentemente, la sucesión
{bn } = K · {λn } = {K · λn },
con lo que {λn } será una base de Ker(S − λId) y dim(Ker(S − λId)) = 1.
Puesto que {bn } ∈ Ker(S − λId), es decir, S({bn }) = λ · {bn }, tendremos,
por una parte, que
de donde
{λb0 , λb1 , ...} = {b1 , b2 , ...},
282 Álgebra
es decir,
b1 = λb0
b2 = λb1 = λ2 b0
b3 = λb2 = λ3 b0
..
.
bn = λbn−1 = λn b0
..
.
Ejemplo 6.7.5 Las sucesiones {an }n∈N que satisfacen la relación de re-
currencia
an+1 = 5an
son de la forma
Ejemplo 6.7.6 Existe una única sucesión {an }n∈N que satisface las condi-
ciones ½
a0 = 3
an+1 = 5an .
Dicha sucesión es
es sobreyectiva.
Demostración Dada {an } ∈ F (N, C), hay que probar que ∃{bn } ∈ F (N, C)
tal que
(S − λId)({bn }) = {an }.
Ahora bien, dicha igualdad es equivalente a que S({bn }) − λ({bn }) = {an },
es decir, {bn+1 } − λ({bn }) = {an }. Por consiguiente:
b1 = a0 ,
b2 = a1 + λa0 ,
b3 = a2 + λa1 + λ2 a0 ,
..
.
bn = an−1 + λan−2 + ... + λn−1 a0 ,
..
.
es decir,
{bn } = {0, a0 , a1 + λa0 , a2 + λa1 + λ2 a0 , ..., an−1 + λan−2 + ... + λn−1 a0 , ...},
S(b0 ) − λb0 = a0 − λ0 = a0
S(b1 ) − λb1 = b2 − λb1 = (a1 + λa0 ) − λa10 = a1
¡ ¢
S(b2 ) − λb2 = b3 − λb2 = a2 + λa1 + λ2 a0 − λ (a1 + λa0 ) = a2
..
.
S(bn ) − λbn = an
..
.
an = bn + K3n ,
a1 = K
n−1
X
an = K3n−1 + 3i−1 (−1)n−i .
i=1
dicha sucesión es
a0 = 0
P
n
,
n ≥ 1 ⇒ an = 3i−1 (−1)n−i
i=1
286 Álgebra
es decir,
b0 = 0
b1 = −1,
b2 = 1 + 3 · (−1),
b3 = −1 + 3 + 32 (−1), (6.8)
..
.
bn = (−1)n−1 + 3(−1)n−2 + ... + 3n−1 (−1),
...
Observación 66 Para nalizar este apartado, vamos a hacer una breve re-
exión sobre la forma que tiene la solución particular que encontramos utili-
zando el método expuesto. Según hemos visto, la sucesión {bn } determinada
por b1 = 0 y, para n ≥ 1,
n−1
X
bn = λi−1 an−i
i=1
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
Álgebra 287
donde las sucesiones incógnita son {x1 (n)}, ..., {xm (n)}.
Como en el caso de las ecuaciones diferenciales, podemos emplear la no-
tación matricial
x1 (n + 1) a11 a12 · · · a1m x1 (n)
x2 (n + 1) a21 a22 · · · a2m x2 (n)
.. = .. .. .. .. ,
. . . . .
xm (n + 1) am1 am2 · · · amm xm (n)
A los sistemas del tipo anterior se les conoce como sistemas homo-
géneos de m ecuaciones de recurrencia de primer orden con co-
ecientes constantes. La técnica para resolver este tipo de sistemas es
exactamente la misma que la vista para los sistemas de ecuaciones diferen-
ciales.
Así, 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 P−1 , tendremos que
P−1 ·→
−
x (n) = P−1 · A−
→
x (n)
y, siendo
−
→
z (n) = P−1 ·→
−
x (n),
podemos hacer las siguientes transformaciones:
−
→
z (n + 1) = P−1 ·A−→
x (n) = P−1 ·A · (P · P−1 )→
−
x (n) =
−1 −1 −
→
= (P ·A · P)(P · x (n))
= (P−1 ·A · P)−
→z (n).
Ejemplo 6.7.10 Supongamos que queremos encontrar las sucesiones que sa-
tisfacen el sistema de relaciones de recurrencia lineales y homogéneas de pri-
mer orden con coecientes constantes:
½
x(n + 1) = x(n) + y(n)
y(n + 1) = 4x(n) − 2y(n),
Razonando del mismo modo que con los sistemas de ecuaciones diferenciales,
procedemos a resolver el sistema
µ ¶ µ ¶ µ ¶
z(n + 1) 2 0 z(n)
(II) = ·
u(n + 1) 0 −3 u(n)
con µ ¶ µ ¶ µ ¶
x(n) 1 1 z (n)
= · .
y(n) 1 −4 u(n)
El sistema (II) es, obviamente, el sistema
½
z(n + 1) = 2z(n)
,
u(n + 1) = −3u(n)
Luego
µ ¶ µ ¶ µ ¶ µ ¶
x(n) 1 1 α2n α2n + β(−3)n
= · = (α, β ∈ C).
y(n) 1 −4 β(−3)n α2n − 4β(−3)n
Álgebra 289
es decir, que
½
α+β =1
α − 4β = 6,
con lo que, resolviendo el sistema
½
−5β = 5 ⇒ β = −1
,
α=2
de donde las sucesiones que satisfacen el sistema planteado con las condicio-
nes iniciales dadas son:
µ ¶ µ ¶ µ n+1 ¶
x(n) 2 · 2n − (−3)n 2 − (−3)n
= = ,
y(n) 2 · 2n + 4(−3)n 2n+1 + 4(−3)n
es decir,
© ª
{x(n)} = 2n+1 − (−3)n
y
© ª
{y(n)} = 2n+1 + 4(−3)n .
6.8 Ejercicios
6.8.1 Ejercicios resueltos
1. Determinar la sucesión denida recursivamente por las condiciones
an+2 = 7an+1 − 12an
a1 = 1
a2 = 3.
6. Supuesto
que t ∈ R, determinar todas las soluciones del siguiente
y10 (t) = 3y1 (t) + y2 (t)
sistema: y20 (t) = 2y2 (t) + y3 (t)
0
y3 (t) = −y1 (t) − y2 (t) + y3 (t).
an+1 = 2an + 5n
S
para todo n ∈ N {0}.
292 Álgebra
13. Dada una matriz A ∈ Mn (K) idempotente (es decir, tal que A2 = A),
estudiar como son los autovalores de A.
Capítulo 7
Soluciones de los ejercicios
{x3 = 3, x2 = 4, x1 = −2}
2 1 3 x1 9
5 4 6 · x2 = 24
1 3 −2 x3 4
La solución
del sistema
por el método
de Gauss-Jordan
sería la siguiente:
2 1 3 9 1 3 −2 4 F2 = F2 − 5F1
5 4 6 F ↔ F3
24 1 5 4 6 24 F3 = F3 − 2F1 →
−→
1 3 −2 4 2 1 3 9 −→
1 3 −2 4
0 −11 16 4 , ... prosiguiendo con las transformaciones elemen-
0 −5 7 1
293
294 Álgebra
1 0 0 −2
tales adecuadas hasta obtener la matriz 0 1 0 4 , es decir,
0 0 1 3
{x1 = −2, x2 = 4, x3 = 3} .
Del mismo modo el sistema
½
3x1 + x2 + x3 − 5x4 = 4
5x1 + 2x2 + 4x3 − 2x4 = 6
se expresaría
µ ¶ x1 µ ¶
3 1 1 −5 x2 4
·
x3 = 6 .
5 2 4 −2
x4
Resolviéndolo por el método de Gauss-Jordan obtendremos:
µ ¶ F1 = 13 F1 µ ¶ F1 = 13 F1
3 1 1 −5 4 1 13 13 −5 4
F2 = F2 − 5F1 3 3 F2 = F2 − 5F1
5 2 4 −2 6 0 13 73 19 −2
−→ 3 3 −→
F2 = 3F2 µ ¶
1 1 0 −2 −8 2
F1 = F1 − 3 F2 , es decir, el sistema es compa-
0 1 7 19 −2
−→
tible indeterminado, y las soluciones son
{x1 = 2 + 2x3 + 8x4 , x2 = −2 − 7x3 − 19x4 , x3 , x4 } .
Razonando análogamente con el sistema
x1 − x2 + x3 − x4 = 0
2x1 + 3x2 + 4x3 + 5x4 = 0
x1 − x2 + 2x3 − 2x4 = 0
5x1 + 5x2 + 9x3 + 9x4 = 0
obtenemos que es compatible indeterminado, siendo su solución
½ ¾
9 9
x1 = − x4 , x 2 = − x4 , x 3 = x4 , x 4 = x4 ,
5 5
o , si se preere,
½ ¾
9 9
x1 = − λ, x2 = − λ, x3 = λ, x4 = λ .
5 5 λ∈ R
Álgebra 295
1 1 2 a 1 0 1 b F2 = F2 − F1
F < − > F2
A= 1 0 1 b 1 1 1 2 a F3 = F3 − 2F1
→
2 1 3 c 2 1 3 c →
1 0 1 b 1 0 1 b
0 1 1 a − b F3 = F3 − F2 0 1 1 a−b
→
0 1 1 c − 2b 0 0 0 c−a−b
½
x = −z + b
y = −z + a − b
{(−z + b, −z + a − b, z) : z ∈ R}
.
296 Álgebra
a)
2x1 − 3x2 = −2
2x1 + x2 = 1
3x1 + 2x2 = 1
2 −3 −2
La matriz ampliada de este sistema es A = 2 1 1 .
3 2 1
2 −3 −2 2 −3 −2 F1 = 21 F1
F = F − F
A= 2 1 1 2 2 1
0 4 3 F2 = 14 F2
→
3 2 1 3 2 1 →
1 −3 −1 F3 = F3 − 3F1 1 0 18 5 1 0 1
3 F3 = F3 + 2 F2
2 8
0 1 3 3
F1 = F1 + 2 F2 0 1 4 0 1 3 .
4
13 → 4
−7
3 2 1 → 0 2 4 0 0 8
El sistema es incompatible.
b)
3x1 + 2x2 − x3 = −15
5x1 + 3x2 + 2x3 = 0
3x1 + x2 + 3x3 = 11
11x1 + 7x2 = −30
3 2 −1 −15
5 3 2 0
La matriz ampliada de este sistema es A =
3
. La
1 3 11
11 7 0 −30
sucesión de transformaciones elementales
1
F3 = F3 − F1 , F1 = F1 , F2 = F2 − 5F1 , F4 = F4 − 11F1 , F4 = F4 − F2 ,
3
2 1 7
F1 = F1 + F3 , F2 = −3F2 , F3 = F3 +F2 , F3 = − F3 , F1 = F1 − F3 , F2 = F2 +11F3
3 7 3
transforma A en su forma escalonada reducida
Álgebra 297
1 0 0 −4
0 1 0 2
. La única solución del sistema es (−4, 2, 7).
0 0 1 7
0 0 0 0
c)
4x1 − 8x2 = 12
3x1 − 6x2 = 9
−2x1 + 4x2 = −6
4 −8 12
La matriz ampliada de este sistema es A = 3 −6 9 . La suce-
−2 4 −6
sión 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 solución
0 0 0
del sistema es {(2t + 3, t) : t ∈ R}.
−1
F2 = F2 − 3F1 , F3 = F3 − 4F1 , F3 = F3 − F2 , F2 = F2 , F1 = F1 − 2F2 ,
7
se obtiene la matriz
298 Álgebra
8
1 0 1 7
0 1 −2 10 .
7
2
0 0 a − 16 a − 4
µ ¶µ ¶ µ ¶
3 1 2 −3 10 −5
AB = = .
5 2 4 4 18 −7
µ ¶ 1
µ ¶
10 −5 1 0 F1 = 10 F1 1 −12
1
10
0 F2 = F2 − 18F1
18 −7 0 1 → 18 −7 0 1 →
µ ¶ µ ¶
1 −1
2
1
10
0 F2 = 21 F2 1 −1
2
1
10
0 F1 = F1 + 12 F2
−9 −9 1
0 2 1 → 0 1 10 2 →
µ −7
5
1
¶
1 0 20
−9
4
1 . Entonces (AB)−1 = B −1 A−1 .
0 1 10 2
1 1 0 0 0 1
1 −1 1
1 0 0 2 2 2
se obtiene la matriz 0 1 0 −1 2
1
2
1
2
.
1 1 −1
0 0 1
1 −1 1 2 2 2
2 2 2
Entonces C −1 = −1
2
1
2
1
2
.
1 1 −1
2 2 2
10. Efectúe las operaciones sobre las las que siguen sobre
3 1 0
A = −2 1 4
3 5 5
302 Álgebra
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.
¾ Cuántas 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,
sistema que tiene una innidad de soluciones de la forma ( −18+5z
4
, 70−9z
4
, z).
En el problema dado 0 ≤ z ≤ 13 y, para que x e y no sean negativos,
4 ≤ z ≤ 7. El único valor de z en este intervalo tal que x e y sean números
naturales es 6. Entonces hay 3 monedas de 1 centavo, 4 de cinco centavos y
6 de diez centavos.
12. ¾Para cuál valor, o cuáles valores, de a el sistema siguiente tiene cero,
una y una innidad de soluciones?
Álgebra 303
x1 + x2 + x3 = 4
x3 = 2
2
(a − 4)x3 = a − 2
La matriz
ampliada asociada
a este sistema es la matriz
1 1 1 4
A = 0 0 1 2 . Si a = −2, la última ecuación es del
2
0 0 a −4 a−2
tipo
0 = −4 yel sistema es incompatible. Si a = 2, la matriz A es igual a
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} .
1
Si a 6= ±2, podemos aplicar la transformación elemental F3 = F
a2 −4 3
a la
matriz A. El sistema es equivalente al sistema
x1 + x2 + x3 = 4
x3 = 2
1
x3 = a+2
que es compatible y tiene una innidad de soluciones {(2 − s, s, 2) : s ∈ R}
1
sólo si a+2 = 2, es decir, sólo si a = − 32 .
t
(A + B)(i, j) = (A + B)(j, i) = A(j, i) + B(j, i) =
= (t A)(i, j) + (t B)(i, j) = (t A +t B)(i, j).
c)∀A ∈ Mm×n (K), ∀B ∈ Mn×p (K) A · B ∈ Mm×p (K), con lo que t (A ·
B) ∈ Mp×m (K). Por otra parte t B ∈ Mp×n (K),t A ∈ Mn×m (K), . con lo que
304 Álgebra
(t B ·t A) ∈ Mp×m (K), es decir, son matrices del mismo orden. Dado ahora
(i, j) ∈ {1, ..., m} × {1, ..., n}, aplicando la denición
n
X
t
(A · B)(i, j) = (A · B)(j, i) = A(j, k) · B(k, i) =
k=1
n
X n
X
= (t A)(k, j) · (t B)(i, k) = (t B)(i, k) · (t A)(k, j) =
¡k=1 ¢ k=1
= t B ·t A (i, j).
BA = (I − A)A = A − A2 = A − A = (0).
CADEN A =
1. Tipos : CADEN
½ A, ALF ABET O
a1 , ..., an ∈ ALF ABET O,
2. Constantes :
vacía ∈ 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
dadd0 : CADEN A × ALF ABET O → CADEN A
∀c, c , c” ∈ CADEN A, ∀a ∈ ALF ABET O
concat(c, vacía) = c
concat(vacía, c) = c
4. Ecuaciones:
concat(concat(c, c0 ), c”) = concat(c, concat(c0 , c”))
iadd(a, c) = concat(construye(a), c)
dadd(c, a) = concat(c, construye(a))
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 ).
2
F3 = − 23 F3 , F3 = F3 − F2
a la matriz
3
−2 −3 1 0 1 0 1 4
9 2 7 5 , se obtiene la matriz 0 1 −1 − 21 .
3
6 1 5 4 0 0 0 46
El sistema es incompatible.
a
a) Demostrar que cos(α) = kvk
.
i·v a
cos(α) = kikkvk = kvk . (Ya que k i k= 1)
b) Encontrar cos(β) y cos(γ).
j·v b
cos(β) = kjkkvk = kvk . (Ya que k j k= 1)
k·v c
cos(γ) = kkkkvk
= kvk
. (Ya que k k k= 1)
v
c) Demostrar que kvk
= (cos(α), cos(β),cos(γ)).
v (a,b,c) a b c
kvk
= kvk
= ( kvk , kvk , kvk ) = (cos(α), cos(β),cos(γ)).
11. Encontrar las ecuaciones paramétricas de la recta que pasa por los
puntos dados.
15. Hallar la ecuación del plano π que contiene las rectas del ejercicio
15.
El plano π 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 dirección ortogonal al plano π, se obtiene que
π : 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 , respec-
tivamente.
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 6= 0,
serán ortogonales a las dos rectas dadas. Entonces, π : (x + 17) − 4(y + 1) +
4(z − 1) = x − 4y + 4z + 9 = 0.
v
16. Demostrar que si v es un vector diferente de cero en Rn , entonces kvk
tiene la norma euclídea 1.
v 1 kvk
k k=| | k v k= = 1.
kvk kvk kvk
(1, 1, 1), (1, 1, 0), (1, 0, 0) y (1, 2, 3), (2, 0, 1), (−1, 2, 2)
En ese caso
(α + β + γ, α + β, α) = (0, 0, 0),
de donde, resolviendo el sistema de ecuaciones, α = 0, β = 0, γ = 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 canónica de R3 ) y hallamos el rango de esa matriz. Si el
rango de la matríz coincide con el número 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
combinación
lineal
de los anteriores y el sistema es ligado. En nuestro caso:
1 1 1
1 1 0 es la matriz. Está 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:
Álgebra 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 2 3 1 −1
1 2 0
2 0 0
3 1 0
Está claro que el rango del sistema de vectores es 2, y que el corres-
pondiente a la última columna se expresa como combinación lineal de los
correspondientes a las dos primeras. Por consiguiente el sistema es ligado.
tendremos que
de donde α = β = 0.
El subespacio vectorial generado por estos vectores es
Demostrar que el sistema p(x), p0 (x), p00 (x), p000 (x) formado por el polinomio
p(x) y sus sucesivas derivadas (hasta la tercera) es un sistema libre.
Lo hacemos por el método de Gauss:
p0 (x) = 4x3 − 2x, p00 (x) = 12x2 − 2, p000 (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 número de vectores columna no nulos, es decir, 4. Por tanto
una base del subespacio H = L{p(x), p0 (x), p00 (x), p000 (x)} es
con lo que el sistema {p(x), p0 (x), p00 (x), p000 (x)} es libre.
1 3 2 1 0 0
c2 = c2 − 3c1
A= 2 1 1 2 −5 −3 El rango de A es
c3 = c3 − 2c1
0 2 0 0 2 0
3.
1 3 0 2 1 4 2 3
−1 1 2 1 c2 = c2 + c1 −1 0 0 0
1
B= 2 2 3 0 c3 = c3 + 2c1 2 4 7 2 c3 = c3 − 32 c2
1 6 2 2 c4 = c4 + c1 1 7 4 3 c4 = c4 − 4 c2
5 1 1 0 5 6 11 5
1 4 0 0 1 4 0 0
−1 0 0 0 −1 0 0 0
2 4 5 −1 c4 = c4 + c3 2 4 5 0 El rango de B
1
5
1 7 1 −9 1 7 1 −43
2 4 2 20
5 6 8 12 5 6 8 21 10
es 4.
1 0 1 7 1 1 1 0 1 7 1 1
F = F2 − 2F1
C= 2 1 2 1 3 4 2 0 1 0 −13 1 2
F3 = F3 − F1
1 2 1 1 3 1 0 2 0 −6 2 0
320 Álgebra
1 0 1 7 1 1
F3 = F3 − 2F1 0 1 0 −13 1 2 El rango de C es 3.
0 0 0 20 0 −4
30. En el espacio vectorial Z52 , hallar una base del subespacio vectorial
¡ ¢ ¡ ¢
H = L({ 0 1 0 1 1 , 0 1 0 0 1 ,
¡ ¢ ¡ ¢
0 0 0 1 0 , 0 1 1 1 1 }).
0 0 0 0 0 0 0 0
1 1 0 1 1 0 0 0
c2 = c2 + c1
0 0 0 1 0 0 0 1 c3 = c3 + c2
c4 = c4 + c1
1 0 1 1 1 1 1 0
1 1 0 1 1 0 0 0
0 0 0 0
1 0 0 0
0 0 0 1
1 1 0 0
1 0 0 0
Álgebra 321
a) f : R3 → R b) f : R3 → R
(x, y, z) Ã x + 2y − 3z (x, y, z) Ã xyz
c) f : R2 → R
2
(x, y) Ã x + y
3. Determinar
µ ¶ si la función T : M2 (R) → R, donde
a b
a) T = 3a − 4b + c − d
c d
µ ¶
a b
b) T = a 2 + b2
c d
es una transformación lineal.
µ ¶ µ ¶
a1 b1 a 2 b2
a) Sean k, l ∈ R y A = ,B = ∈ M2 (R).
c1 d1 c d
µ µ ¶ µ ¶¶ µµ 2 2 ¶¶
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 )+(kcµ1 +lc2 )−(kd
¶ 1 +ld2µ) = k(3a1 −4b
¶ 1 +c1 −d1 )+
a1 b1 a 2 b2
+l(3a2 − 4b2 + c2 − d2 ) = kT + lT . Entonces T
c1 d1 c2 d2
es lineal. µ ¶ µ ¶
1 1 1 0
b) Sean k, l ∈ R y A = ,B = ∈ M2 (R). Entonces,
0 0 0 0
µµ ¶ µ ¶¶ µ ¶
1 1 1 0 2 1
T + =T =5 y
0 0 0 0 0 0
Álgebra 323
µ ¶ µ ¶
1 1 1 0
T = 2, T = 1. T no es lineal ya que T (A) + T (B) 6=
0 0 0 0
T (A + B).
4. Sea T : R2 → R2 el operador lineal denido por la expresión T (x, y) =
(2x − y, −8x + 4y). ¾Cuáles de los siguientes vectores están en R(T )?
a) (1,-4) b) (5,0) c) (-3,12)
a) T (x3 ) = x4 6= 0 → x3 ∈/ Ker(T )
b) 0 ∈ Ker(T ) ya que T es lineal.
c) T (1 + x) = x + x2 6= 0 → x3 ∈/ Ker(T ).
b) T : Rn → Rn ; rango(T) = n-1.
dim(Ker(T)) = n-(n-1) =1, entonces Ker(T)6={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.
= MBB31 (T2 ◦ T1 ).
B4 IdR4 B f B3
R4 −→ R4 −→ R3 ,
1 -1 0 0 1 -1 0 2
1 -1 0 0 1 -1 0 2
−1 0 0 2 −1 0 0 0
c4 = c4 =
0 0 0 0 0 2
1 c4 + 2c1 1 c4 − 2c2
0 1 0 0 0 1 0 0
0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1
328 Álgebra
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 canónicas 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 dimensión de Ker(f ) = 2 y la dimensión de Im(f ) = 2.
Entonces, respecto de las bases canónicas de R4 y R3 , las ecuaciones
paramétricas de Ker(f ) son:
u = (u1, u2, u3, u4 ) ∈ Ker(f ) ⇔ ∃ (a, b) ∈ R2 tal que
0 2 µ ¶ u1
0 −2 a u2
1 0 b = u3
0 1 u3
u1 = 2e1 + 3e2 + e3 ,
u2 = 3e1 + 4e2 + e3 ,
u3 = e1 + 2e2 + 2e3 .
Álgebra 329
B 0 IdE B f B IdE B 0
E −→ E −→ E −→ E
0 0
MBB0 (f ) = MBB0 (IdE ) · MBB (f ) · MBB (IdE ),
donde
2 3 1
MBB (IdE ) = 3 4 2 es la matriz de
0
las coordenadas de B 0 respecto
1 1 2
de B y
−6 5 −2
B B0 −1
MB 0 (IdE ) = (MB (IdE )) = 4 −3 1 . Entonces,
1 −1 1
−6 5 −2 15 −11 5 2 3 1
MBB0 (f ) = 4 −3 1 20 −15 8 3 4 2 =
0
1 −1 1 8 −7 6 1 1 2
1 0 0
= 0 2 0 .
0 0 3
15. Hallar una base del núcleo y una base de la imagen de la siguiente
función lineal:
f : R4 → R3 determinada por las condiciones:
1 2 3 1 1 0 0 0
0 1 0 1 c2 = c2 − 2c1 0 1 0 0
c = c − 3c
1 −1 −1 1 3 3 1 1 −3 −4 0
1 c
4 = c 4 − c 1 → 1 −2 −3 − 45
1 c4 = c4 − c2 1 −1
3 3
1 c4 = c4 + 4 c3 1 4
1 1
de donde
{(1, 0, 1), (0, 1, −3), (0, 0, −4)}
es una base de Im(f ) y ½ ¾
−5 3
( , −1, , 1)
4 4
es una base de Ker(f ).
16. En R2 se considera la base B 0 = {u1 , u2 }, donde
u1 = 2e1 + 3e2 ,
u2 = 3e1 + 4e2 ,
y B2 = {e1 , e2 } = {(1, 0), (0, 1)}. Siendo la función lineal f : R2 → R2 tal
que su matriz asociada respecto de B 0 es
µ ¶
B0 3 15
MB 0 (f ) = ,
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 0 :
3 15 3 0
2 10 2 0
c2 = c2 − 5c1 → .
1 1 −5
1 1
µ ¶ µ ¶
−5 3
Luego, teniendo en cuenta que las coordenadas y están ex-
1 2
presadas respecto de la base B 0 = {u1 , u2 }, tendremos que el vector
w = −5u1 + u2 = −5(2e1 + 3e2 ) + 3e1 + 4e2 =
= −7e1 − 11e2
Álgebra 331
v1 v2 1 2 −1 −1 4 7
B = {w1 = , w2 = } = {( √ , √ , √ ), ( √ , √ , √ )}
kv1 k kv2 k 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 proyección ortogonal de u sobre H es:
2 10 2 14 59
p⊥ (u) = hu, w1 iw1+ hu, w2 iw2 = √ w1 + √ w2 = ( , , ).
6 66 11 11 11
332 Álgebra
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 = 0 con xi ∈ Z2
F2 = F2 + F1
1 1 1 1 0 0 0 F3 = F3 + F1 1 0 0 0 1 0 0
1 0 0 0 1 0 0 F4 = F4 + F1 0 1 0 1 0 1 0
→
1 0 1 0 0 1 0 F1 = F1 + F2 0 0 1 0 1 1 0
1 1 1 0 0 0 1 F2 = F2 + F3 0 0 0 1 0 0 1
F2 ↔ F3
1 0 1 0 1 0 0 0 1 0 0 0
1 1 1 1 1 1 0 1 1 1 0 0
1 0 0 0 1 0 1 0 1 0 1 0
c3 = c3 + c1 c4 = c4 + c2
0 1 0 0 0 1 0 0 0 1 0 1
0 0 1 0 0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1 0 0 0 1
luego la siguiente matriz es generadora del código
1 0
0 1
G = 1 0
,
0 1
ya que sus columnas forman una base del núcleo de la función lineal cuya
matriz asociada es H.
5. Determinar una matriz de control y una matriz que permita realizar
la decodicación del código generado por los vectores cuyas coordenadas
respecto de la base canónica de Z42 son las columnas de la matriz:
0 1 1
1 1 0
1 0 1
0 1 1
Obsérvese 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 código es la matriz formada por
las dos primeras columnas, esto es:
0 1
1 1
G=
1 0 .
0 1
Operando ahora con el algoritmo estudiado:
0 1 1 0 0 0 F2 = F2 + F1 1 0 1 1 0 0
1 1 0 1 0
0 F3 = F3 + F2 0 1 1 0 0 0
→
1 0 0 0 1 0 F4 = F4 + F1 0 0 1 1 1 0
0 1 0 0 0 1 F2 ↔ F1 0 0 1 0 0 1
Álgebra 335
0 1
1 1 1 0 0 0 F2 = F2 + F1 1 0 0 1 0 0
1 0 0 1 0 0 F3 = F3 + F1 0 1 1 1 0 0
1 1 0 0 1 0 F4 = F4 + F2 → 0 0 1 0 1 0
0 1 0 0 0 1 F1 = F1 + F2 0 0 1 1 0 1
x2 − 7x + 12 = 0
cuyas raíces son x = 3 y x = 4. Por consiguiente, las sucesiones que satisfacen
esa relación de recurrencia son de la forma:
α{3n } + β{4n }.
Imponiendo
½ que se satisfagan½las condiciones iniciales:
α3 + β4 = 1 3α + 4β = 1
de donde , de donde β = 0 y α = 13 ,
α32 + β42 = 3 9α + 16β = 3
con lo que la sucesión buscada es
1 n
{3 } = {3n−1 }.
3
x3 − 4x2 + 5x − 2 = 0
ecuación 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 mul-
tiplicidad 1. Por consiguiente, las sucesiones que satisfacen esa relación de
recurrencia son de la forma:
x2 − 7x + 12 = 0
ecuación que se puede expresar de la forma (x − 3) (x − 4) = 0. Por consi-
guiente, una base del espacio de soluciones
{e3t , e4t }.
(D + Id)(f ) = 0 ⇔ D(f ) + f = 0
de donde
(γe−t + 4γe−t + 3γe−t + 12γe−t ) = e−t
es decir,
(20γ e−t ) = e−t
de donde 20γ = 1, es decir,
1
γ= .
20
En denitiva, la solución general de la ecuación dada, con α y β constantes
arbitrarias es
1
f (t) = e−t + αe3t + βe4t
20
338 Álgebra
(D − 2Id) (f ) = 0,
D(f ) − 2f = e2t
obtenemos
2αe2t + 2βte2t + βe2t − 2αe2t − 2βte2t = e2t ,
es decir,
βe2t = e2t ⇒ β = 1
½
f (t) = αe2t + te2t
de donde .
f (0) = α = 1
Por consiguiente la solución es
es decir, ½
z1 (t) = αet
z2 (t) = βe6t
siendo µ ¶ µ ¶µ ¶
x1 (t) 1 4 z1 (t)
= ,
x2 (t) −1 1 z2 (t)
es decir,
µ ¶ µ ¶µ ¶ µ ¶
x1 (t) 1 4 αet αet + 4βe6t
= = .
x2 (t) −1 1 βe6t −αet + βe6t
de donde ½ 1
30β = 5 ⇒ β = 6
α = −2
y, en denitiva, la solución es
µ ¶ µ ¶
an −2 + 4 · 6n−1
= .
bn 2 + 6n−1
Álgebra 341
con lo que
n 5 1
2 1 1 6 6
−1 1 0 0 1 −2 1
2 3 2 = −1 1
0 0 7n 0 1 1 1 ,
3 3
3 3 4 − 12 1
2
1 0 0 1 0 − 32 1
es decir,
n 5 1
2 1 1 6 6
−1 1 0 0 1 −2 1
2 3 2 = − 1 1 0 0 7n 0 1 1 1 =
3 3
3 3 4 − 21 12 1 0 0 1 0 − 32 1
5 1 n
6
+ 67 − 16 + 16 7n − 16 + 16 7n
= − 31 + 13 7n 23 + 13 7n − 13 + 13 7n .
− 21 + 12 7n − 12 + 12 7n 12 + 12 7n
342 Álgebra
Apéndice A
343
344 Álgebra
Transformación Ejemplo
µ ¶ µ ¶
Sumar a una columna 1 0 −−−−−−−−−→ 1 7
c2 = c2 + 7c1
un múltiplo de otra 0 1 0 1
µ ¶ µ ¶
Multiplicar una columna 1 7 −−−−−→ 5 7
c1 = 5c1
por un número no nulo 0 1 0 1
µ ¶ µ ¶
7 3 −
c1−↔
−−→
c2 3 7
Intercambiar dos columnas
0 1 1 0
µ ¶ µ ¶
Sumar a una la 1 0 −−−−−−−−−→ 1 0
f2 = f2 + 7f1
un múltiplo de otra 0 1 7 1
µ ¶ µ ¶
Multiplicar una la 1 0 −−−−−→ 7 0
f1 = 7f1
por un número no nulo 5 1 5 1
µ ¶ µ ¶
7 0 −−−−−→ 3 1
Intercambiar dos las f1 ↔ f2
3 1 7 0
In −tc → P,
donde tc denota una transformación elemental por columnas, se verica que
A0 = AP y que la matriz P ∈ Mn (K) es invertible. Análogamente, si
0
A − tf → A
In −tf → P,
donde tf denota una transformación elemental por las, se verica que A0 =
PA y que la matriz P ∈ Mn (K) es invertible.
Álgebra 345
In − t c → t f → In , (A.1)
0
0
ya que esto querría decir que In = P In P = P P. En la siguiente tabla asocia-
mos a cada transformación por columnas su correspondiente transformación
inversa por las:
Columnas: tc Filas: tf
ci = ci + λcj fj = fj − λfi
1
ci = λci fi = fi
λ
ci ↔ cj fi ↔ fj
Para cerciorarse de que esta tabla está bien construida basta comprobar
(A.1).
t t t−1 t−1
A −→ 1 r
· · · −→ 1
−→ r
· · · −→ A0
t1
In −→ P1
.. ⇒ A0 = (P1 · . . . · Pr )−1 A (P1 · . . . · Pr ) .
.
t
r
In −→ Pr
346 Álgebra
t−1 t−1 t t
1
A −→ r
· · · −→ 1
−→ r
· · · −→ A00
t1
In −→ P1
.. ⇒ A00 = (P1 · . . . · Pr )−1 A (P1 · . . . · Pr ) ,
.
r t
In −→ Pr
luego, en particular, A0 = A00 .
Ahora ya tenemos un mecanismo que nos permite construir matrices se-
mejantes, que consiste básicamente en compensar cada transformación ele-
mental por columnas con su correspondiente inversa por las o viceversa.
Pero además, a través del siguiente esquema podemos también obtener la
matriz de paso:
t t t−1 t−1
A −→1
· · · −→r
A·P 1
−→ r
· · · −→ P−1 ·A · P
t1 tr
In −→ · · · −→ P P.
A = T0 → T1 → · · · → Tn = T,
0 0
α11 +λ ··· α1n−i−1
.. ..
. . 0
P−1 · Ti · P = αn−i1
0
··· 0
αn−i,n−i−1 λ 0
0
ri,n−i λi
.. .. ..
R0i×n−i−1 . . .
0
rn,n−i · ··· λ1
−3 0 0 −3 0 0
3 −3 −6 3 −3 0
−1 2 4 −1 2 0
c = c − 2c
1 0 1 3 3 2 1 0 1
−−−−−−−−−−→
0 1 0 0 1 −2
0 0 1 0 0 1
−2 −2 0 −1 −2 0
1 1 0 1 2 0
−−−−−−−−−−−→
f1 = f1 − f3 −1 2 0 −−−→ −1 2 1
+I3
f2 = f2 + 2f3
1 0 1
1 0 1
0 1 −2 0 1 −2
0 0 1 0 0 1
[B] Bauldry, W.C. et al., Linear Algebra with Maple, John Wiley&
Sons, 1995.
353