Algebra para informtica (U.N.E.D.

Unidad Didctica I

ALGEBRA
Unidad Didctica I.
En ella se introduce el Espacio Vectorial, as como las tcnicas y herramientas bsicas que se van a utilizar en el resto del curso. Comienza con el estudio de los espacios vectoriales. Una de las misiones del informtico es procesar la informacin, y los datos son parte de la informacin. Es mucho mas fcil para su manejo, tener los datos organizados segn una estructura que tenga propiedades que permitan soluciones algortmicas. En lgebra se estudia la estructura matemtica.

Captulo 1. Espacios Vectoriales

Conocimientos previos: - Producto cartesiano: Dados dos conjuntos A y B, el conjunto de los pares ordenados de la forma (x, y) con x elemento de A e y elemento de B forman un tercer conjunto designado AxB, que es su producto cartesiano. - Correspondencia: - Aplicacin: Dados dos conjuntos A y B, una aplicacin f de A en B es una terna formada por f: (C, A, B), donde C es un subcojunto del producto cartesiano AxB tal que para cada a de A existe un nico b de B tal que (a, b) es elemento de C. - Imagen: Para a elemento de A, es el elemento b de B que le corresponde por la aplicacin. - Aplicacin inyectiva: la aplicacin donde los elementos del conjunto imagen poseen a lo sumo una antiimagen. - Aplicacin sobreyectiva: La aplicacin, donde cada elemento del conjunto imagen, posee por lo menos una antiimagen. - Aplicacin biyectiva: Aplicacin inyectiva, que es a la vez sobreyectiva. - Grupo: Conjunto G con una operacin * definida en l que verifica: 1. La operacin es asociativa: (a*b)*c=a*(b*c) para a, b, c elementos de G. 2. Existe un elemento neutro e en G, para cualquier a de G se verifica a*e=e*a=a. 3. Cada elemento a de G posee simtrico, existe b tal que a*b=b*a=e. Si la operacin definida es adems conmutativa (para a y b elementos del grupo cualquiera se verifica que a*b=b*a) se trata de un grupo abeliano. - Subgrupo: Un conjunto H de un grupo G es un subgrupo de G si la operacin con la que G tiene estructura de grupo (producto o suma) de dos elementos de H est en H y adems es un grupo con la mismo operacin que G. - Anillo: En un conjunto A con dos operaciones en l definidas, suma(+) y producto (.) que verifica: 1. Es un grupo abeliano respecto a la suma. 2. El producto posee propiedad asociativa Si la operacin producto es conmutativa, se trata de un anillo conmutativo. Si existe un elemento neutro para el producto llamado elemento unidad del anillo, se trata de un anillo unitario.

Pgina: 1 de 32

Algebra para informtica (U.N.E.D.) -

Unidad Didctica I

Cuerpo: Un anillo K, con las operaciones suma y producto, se dice que es un cuerpo si: 1. Es anillo conmutativo. 2. Es unitario y su unidad es distinta del elemento neutro para la suma (cero). 3. Todos los elementos distintos del cero poseen inverso respecto del producto.

Estructura del espacio vectorial sobre R. Vector: Recordar: Un vector v es un segmento orientado. Cada vector se simboliza por las coordenadas cartesianas de su extremo (v1,v2), - con origen de coordenadas (0, 0) vector libre en caso de que nos den un vector indicando las coordenadas de su origen y de su extremo, lo reduciremos a su vector libre correspondiente, restando las coordenadas del extremo menos las del origen. Direccin de un vector es la recta sobre la que se apoya el vector, cada direccin tiene dos sentidos (indicado por la punta de la flecha de cada vector). Modulo de un vector es la longitud de la flecha que lo representa. |v|=(v1)2+(v2)2+ ... +(vn)2 (El mdulo de un vector siempre es positivo) Vectores opuestos, son dos vectores con la misma direccin pero diferente sentido. u , v , Vectores unitarios, son aquellos cuyo mdulo es 1. [(0,1), (0,0,1),...] Elemento de un espacio vectorial. Dados 2 puntos p y q en el plano, se llama vector con origen p y extremo q al segmento orientado que une p y q (pq ). Dos vectores son iguales si tienen la misma direccin, sentido y longitud, el conjunto de vectores iguales (equipolentes) forman una clase. Se puede escoger un representante que denominaremos v. Operaciones con vectores: Suma: u + v=(u1, u2)+(v1, v2)=(u1+v1, u2+v2). Producto de un vector y un escalar: u.k=(u1, u2).k=(u1k, u2k). Espacio vectorial: (Los elementos de E se llaman vectores y los de K escalares) Dados un conjunto E, se dice que tiene estructura de espacio vectorial sobre el cuerpo K, (E, +, .) si 1. E es un grupo abeliano respecto a la suma. 2. a, b K y u, v E, KxEE y se verifican las propiedades: a) asociativa de escalares: a.(b.u)=(a.b).u b) elemento neutro de escalares: 1.u=u. c) Distributiva respecto a la suma de vectores a.(u+v)=a.u+a.v d) Distributiva respecto a la suma de escalares (a+b).u=a.u+b.u Si K (cuerpo de escalares) es R, C, Q, el espacio vectorial E se dice, Real, Complejo o Racional, respectivamente. Son espacios vectoriales de inters: - Todo cuerpo K es espacio vectorial sobre s mismo. - El conjunto C (nmeros complejos) es espacio vectorial sobre R. - El conjunto Producto Cartesiano E1 xE2 de espacios vectoriales sobre K es espacio vectorial sobre el mismo K, para las operaciones: Pgina: 2 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

(u1, u2) + (v1, v2) = (u1+v1, u2+v2) (u1, u2) = (u1, u2) R2, R3, ... , Rn, son espacios vectoriales sobre R, con esas operaciones. El conjunto Pn[x] de los polinomios en una variable de grado menor o igual a n y coeficiente en K es espacio vectorial sobre K, con las operaciones de suma de polinomios y de producto por un K.

Subespacio vectorial. Sistemas de Generadores. Subespacio vectorial: Sea E un k-espacio vectorial. Toda parte S no vaca de E que sea un k-espacio vectorial para las misma leyes que E, se llama subespacio vectorial de E. La condicin necesaria y suficiente para que un subconjunto S de E sea subespacio vectorial suyo es que se verifique: - u, v S; u+v S. - K, u S; u S. Ejemplo.- Comprobacin de un subespacio vectorial: Sea S={(x, 2x, z)} (x, 2x, z)+(x', 2x', z')=[x+x', 2(x+x'), z+z'] S k(x, 2x, z)=(kx, 2kx, kz) S. Sistema de vectores: Se llama sistema, o familia de vectores de E cualquier subconjunto finito de E. F={u1, u2, u3, ..., un} ui E. Combinacin lineal de vectores: Toda expresin del tipo 1u1+ ... + nun con i K, se llama combinacin lineal de vectores de la familia F={u1, ..., un}. Toda combinacin lineal de vectores de E es un vector de E. u=1u1+ ... +nun; u es combinacin lineal de u1, ..., un. Subespacio vectorial generado por un sistema F: Dado un sistema F de vectores de E, el conjunto de todos los vectores combinacin lineal de vectores de F es un subespacio vectorial, L(F). F={u1, ..., un}; L(F)={1u1+ ...+ nun; i K}. Un sistema de vectores es libre, o linealmente independiente, si para que la combinacin lineal de ellos sea el vector nulo, i=0. 1u1+ ...+ nun=0 1=2= ... =n=0. Un sistema no libre se llama ligado, o linealmente dependiente. En todo sistema ligado existe al menos un vector que puede ponerse como combinacin lineal de los restantes. F={u1, ..., un} ligado ui F tal que ui=u1+ ...+ i-1ui-1+ i+1ui+1+ ...+ nun. Determinacin Si un sistema dado F = {u1, , un } de vectores es linealmente dependiente, el vector cero debe poderse expresar como combinacin lineal de ellos, por tanto: c1u1 + c2u2 + + cnun = 0 Esto nos lleva a un sistema homogneo de ecuaciones. Los vectores sern linealmente dependientes si y slo si el sistema tiene soluciones no triviales. El sistema se escribe empleando una matriz aumentada y luego se reduce por filas. Si el resultado es del tipo:

Pgina: 3 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

1 0 0 0 0 1 0 0 0 0 1 0 el sistema no tiene soluciones distintas de la trivial (c1 = 0; c2 = 0; ... cn = 0) y en consecuencia los vectores dados son linealmente independientes. Si por el contrario el resultado es del tipo: 1 a b 0 0 1 c 0 0 0 0 0 el sistema tiene un nmero infinito de soluciones y al menos un vector es combinacin lineal de los dems. Sistemas de generadores: Dado un subespacio vectorial S, se dice que el sistema F de vectores genera, o es sistema de generadores de S, si L(F)=S. Sistemas equivalentes: Dos sistemas F1, F2 son equivalentes si generan el mismo espacio vectorial. L(F1)=L(F2). Si aun sistema F se le aade un vector combinacin lineal de los de F, si se obtiene un sistema equivalente. Si F es ligado, el sistema resultante de eliminar en F el vector combinacin lineal de los restantes, es equivalente a F. Interpretacin geomtrica de la dependencia lineal en R3 Supngase que u , v y w son tres vectores linealmente dependientes en R3. Entonces existen constantes c1, c2 y c3, no todas cero, tales que c1u + c2 v + c3w = 0 Supngase que c3 0 (se obtiene un resultado similar si c1 0 si c2 0). Entonces ambos lados de la ecuacin se pueden dividir por c3 y acondicionar los trminos a fin de obtener c c w = 1 u 2 v = Au + Bv c3 c3 donde A = c1 /c3 y B = c2 /c3. A continuacin se demuestra que u , v y w son coplanares. Se calcula

w (u v ) = ( Au + Bv ) (u v ) = A[u (u v )] + B[v (u v )]= A 0 + B 0 = 0

ya que tanto u como v son ortogonales (vase pag. 9, capitulo 2) a u v . Sea n = u v . Entonces u y v se encuentran en un plano que consiste en todos los vectores que pasan por el origen y que son ortogonales a n . Pero w est en el mismo plano, porque w n = w (u x v) = 0. Esto muestra que u , v y w son coplanares. Se llega as a la conclusin siguiente: Tres vectores en R3 son linealmente dependientes si y slo si son coplanares. Base de un espacio vectorial finito. Coordenadas. Teorema de la base. Base de un espacio vectorial: Se llama base de un espacio vectorial a todo sistema libre, de generadores. En todo espacio vectorial existe al menos una base. (Teorema de la base).

Pgina: 4 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

En un espacio vectorial todas las bases tienen el mismo nmero de vectores. Sea E es un espacio vectorial, B={e1+ ...+ en} una base de E y u E. Los escalares 1, ..., n tales que u=1e1+ ...+ nen, se llaman coordenadas de u en B, siendo estas nicas en esa base. Llamamos base cannica al conjunto de vectores que van teniendo 1 en un elemento y los dems cero, de forma alternativa, sern bases cannicas: (0, 1), (1, 0) (0, 0, 1), (0, 1, 0), (1, 0, 0) ... Dimensin de un espacio vectorial: Se llama dimensin de un espacio vectorial, en nmero de vectores de una cualquiera de sus bases. Si E es un espacio vectorial de dimensin n: - Todo sistema de generadores de E con n vectores, es una base de E. - Todo sistema libre de E tiene un nmero de vectores n. - Todo sistema de E con ms de n vectores, es ligado. Suma y suma directa de subespacios Suma de espacios vectoriales: Si S1, S2 son subespacios vectoriales de E(K), el conjunto suma S1+S2={x=u+v; u S1 , v S2 } Verifica: - S1+S2 es subespacio vectorial de E. - Si F1, F2 Son sistemas de E tales que S1=L(F1), S2=L(F2), S1+S2=L(F1F2) - Si S1+S2=S, entonces x S, u S1, v S2 / x=u+v. Es decir, todo vector de S puede descomponerse como suma de uno S1 y otro S2. Interseccin de subespacios vectoriales: Si S1, S2 son subespacios vectoriales de E, el conjunto S1S2 es tambin subespacios vectorial de E. Relacin entre dimensiones de los subespacios suma e interseccin: Se verifica: dim(S1+S2) + dim(S1S2)= dim S1 + dim S2. Suma directa. Espacios suplementarios: La suma S1+S2 de subespacios vectoriales de E, es directa si su interseccin es nula. Se denota S1 S2. As si S= S1+S2, siendo S1S2={}, se dice que S es suma directa de S1 y de S2. Los subespacios S1 y S2 se llaman suplementarios de S. En el caso particular de ser E=S1S2, los espacios S1 y S2 se llaman suplementarios. Si S1 y S2 son suplementarios, todo vector de E puede descomponerse, de manera nica, como suma de un vector de S1 y otro de S2: E=S1S2 x E, u1 S1 (u1 nico), u2 S2 (u2 nico), tal que x=u1+u2. Rango de un sistema de vectores: Se llama rango de un sistema F de vectores la dimensin del subespacio S generado por F. rg(F). El rango de un sistema de vectores es el mayor nmero de vectores independientes contenidos en l.

Pgina: 5 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Teorema de la base incompleta: Si E es un espacio vectorial de dimensin n y F={u1, ..., ur} (r<n) un sistema libre de E, existen n-r vectores en E que aadidos a F, es subespacio suplementario del L(F).

Pgina: 6 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Capitulo 2. Aplicaciones Lineales y Matrices

Conocimientos previos: - Grupo abeliano: (Vase captulo 1) - Correspondencia: " " - Aplicacin: " " Matriz sobre el Cuerpo R Definicin: Se llama Matriz a una forma rectangular compuesta de filas (m) y columnas (n), donde cada elemento lleva asociado un doble ndice, el primero (i=1, 2, ..., m) para indicar la fila y el segundo (j=1, 2, ..., n) para indicar la columna. El orden de la matriz (m x n) expresa las filas y columnas que componen la matriz. Se designa como Amxn o como un conjunto de sus elementos (aij). Si I={1, 2, ..., m} y J={1, 2, ..., n}, una Matriz de m filas y n columnas y coeficientes reales se representa como M(mxn; R). a11 a12 ... a1n a 21 a 22 ... a 2n A = (aij ) = a m1 a m 2 ... amn Tipos de Matrices: - Si mn la matriz A se dice Rectangular. a a a a a a - Si m=n la matriz se dice Cuadrada de tamao, u orden n. a a a a a a a a a - La matriz A de orden (1, n) se dice Matriz fila. (a a a ) - La matriz A de orden (m, 1) se dice Matriz columna. a a a - Si A es una matriz de orden (m, n) la matriz -A, de orden (m, n) cuyos elementos son los opuestos de los de A, se llama "Opuesta de A". Si A=(aij); -A=(bij) tal que bij= -aij a a a a a a a a a

Pgina: 7 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Si A es de orden (m, n) se llama matriz transpuesta de A y se designa At a la matriz de orden (n, m) tal que: Si A=(aij) es At=(bij) tal que bij=aji es la matriz que resulta de A al cambiar filas por columnas. a 11 a 21 a 31 1 2 1 3 a 12 a 22 a 32 3 4 traspuesta 2 4 a 13 a 23 a 33 Matriz nula de orden (m, n) se designa 0 y es tal que 0=(aij); aij=0 ij 0 0 0 0 0 0 0 0 0 Matriz diagonal es la que tiene los elementos aij=0 y es cuadrada; se designa D. D=(aij); D diagonal aij=0 ij Solo tiene elementos distintos de 0 las aii (se llama diagonal de la matriz). a 0 0 0 b 0 0 0 c Matriz escalar es la matriz diagonal con todos los elementos de la diagonal iguales. k 0 0 0 k 0 0 0 k Matriz unidad de orden n es la matriz escalar con elementos 1 en la diagonal. 1 0 0 0 1 0 0 0 1 Matriz simtrica es la matriz cuadrada que coincide con su transpuesta. Tiene iguales los elementos simtricos respecto a la diagonal A simtrica aij=aji A=At x a b a y c b c z Matriz antisimtrica o hemisimtrica es la matriz cuadrada que coincide con la opuesta de su transpuesta. Tiene ceros los elementos de la diagonal y los elementos situados encima son opuestos a sus simtricos respecto a la diagonal. A antisimtrica aii=0 y aij= -aji si ij A= -At a b 1 2 0 0 5 a 0 c Ejemplo 1 0 b c 0 2 5 0 Matriz triangular superior, matriz cuadrada en la que los coeficientes por debajo de la diagonal principal tienen valor 0. amn=0 para m>n. Pgina: 8 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

a a a 0 a a 0 0 a Matriz triangular inferior, matriz cuadrada en la que los coeficientes por encima de la diagonal principal tienen el valor 0. amn=0 para m<n. a 0 0 a a 0 a a a Matrices ortogonales, se dice que una matriz real A es ortogonal, si AA = A A = I. Se observa que una matriz ortogonal A es necesariamente cuadrada e invertible, con -1 T inversa A = A . Consideremos una matriz 3 3 arbitraria:
T T

Si A es ortogonal, entonces:

Matrices normales, una matriz es normal si conmuta con su traspuesta, esto es, si T T AA = A A. Obviamente, si A es simtrica, antisimtrica u ortogonal, es necesariamente normal. Ejemplo:

Puesto que AA = A A, la matriz es normal. Operaciones con matrices Suma de matrices: La suma de dos matrices es otra matriz que resulta de sumar los elementos que corresponden a la misma fila y a la misma columna. Ambas matrices deben ser del mismo orden A=(aij), B=(bij) Mm, n ; A+B=C=(cij) Mm, n tal que cij=aij+bij Ejemplo: 2 1 0 1 0 3 3 1 3 3 2 1 + 0 2 4 = 3 4 5 5 2 3 2 1 1 7 3 4

Pgina: 9 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

El grupo abeliano (Mm, n , +): El par (Mm, n , +) donde Mm, n es el conjunto de matrices de orden (m, n) y + es la operacin suma de matrices, es grupo abeliano, donde: - La matriz nula de orden (m, n) es el elemento neutro. - La matriz opuesta de A, es el elemento opuesto de la matriz A. Producto de un elemento de K por una matriz: El producto de una matriz por un escalar es otra matriz que resulta de multiplicar el escalar por cada uno de los elementos de la matriz. Dados A=(aij) Mm, n y K A=(aij) 2 0 8 0 4 1 3 = 4 12 Ejercicio: Determnense dos matrices, X e Y, cuadradas y de orden 2, que verifiquen el sistema lineal: 1 2 2 1 2 X 5Y = 0 1 , X + 3Y = 3 0 Solucin: x12 x y11 y12 Siendo X = 11 e Y = y , resulta: x21 x 22 21 y 22 2 x11 5 y11 = 1 2 x 5 y = 2 12 12 2 x 21 5 y 21 = 0 2 x 22 5 y 22 = 1 x11 + 3 y11 = 2 x12 + 3 y12 = 1 x 21 + 3 y 21 = 3 x 22 + 3 y 22 = 0 resolviendo este sistema tenemos: 2 0 0 0 5 0 0 0 1 1 0 0 0 0 2 0 0 0 5 0 0 2 0 1 0 0 0 0 2 0 0 0 5 0 0 0 0 1 0 0 0 0 2 0 0 0 5 1 0 0 0 1 1 0 0 0 3 0 0 0 2 0 0 0 0 0 1 0 0 0 3 0 0 1 0 0 0 0 0 0 1 0 0 0 3 0 3 0 0 0 0 0 0 0 1 0 0 0 3 0 0 0 0 0 13 1 5 X = Y = 15 3 6 13 1 15 3 5 0 6 1

0 0 0 0 1 0 0 0 0 1

0 0 0 0 0 1 0 0

0 0 0 0 0 0 1 0

0 0 0 0 0 0 0 1

El espacio vectorial Mm, n (K): El producto de un elemento de K por una matriz es una operacin externa f: K x Mm, n Mm, n Pgina: 10 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

que verifica las propiedades de una ley externa de los espacios vectoriales. Mm, n (K) es un espacio vectorial con las operaciones suma de matrices y producto de un elemento de K por una matriz. El conjunto de las matrices que van teniendo 1 en un elemento y los dems cero de forma alternativa en todos los aij , es una base del espacio vectorial, llamada base natural o cannica. 1 0 ... 0 0 1 ... 0 0 0 ... 0 B = , , 0 0 ... 0 0 0 ... 0 0 0 ... 1 La dimensin de Mm, n (K) es m .n. El conjunto Mn de matrices cuadradas de orden n es un K espacio vectorial de dimensin n2. Producto de matrices: Dadas dos matrices sobre el mismo cuerpo K: A=(aij) Mm,n , B=(bij) Mn,p La primera con el mismo nmero de columnas que filas la segunda, se define matriz producto de A y B (A x B) a la matriz C=(cij) Mm,p (de orden m, p) tal que: cij=ai1b1j+ai2b2j+ ...+ainbnj para todo i=1, ..., m; j=1, ..., p. Ejemplos: 2 3 2 2 3 1 A = 1 0 3 , B = 4 2 1 4 5 2 5 2 4 (2 2) + (3 4) + ( 2 5) ( 2 3) + ( 3 2) + ( 2 2) ( 2 1) + (3 1) + ( 2 4) A B = ( 1 2) + ( 0 4) + ( 3 5) ( 1 3) + (0 2) + ( 3 2) ( 1 1) + ( 0 1) + ( 3 4 ) ( 4 2) + (5 4) + ( 2 5) ( 4 3) + (5 2) + ( 2 2) ( 4 1) + (5 1) + ( 2 4) 2 16 7 A B = 13 3 11 22 18 9

El producto de matrices no cumple la propiedad conmutativa, de las dos ltimas, no se puede hacer la multiplicacin de la segunda por la primera (el nmero de columnas de la primera deber ser igual al numero de filas de la segunda). Propiedades del producto de matrices: - asociativa: (A.B).C=A.(B.C) - elemento neutro: es la matriz identidad de orden n. Anxp.In=Anxp - no conmutativa: A.B suele ser distinto de B.A, para poder multiplicar A.B y B.A las matrices deben ser: - Cuadradas, o bien - el nmero de filas y columnas debe ser inverso. Trasposicin de matrices: La traspuesta de la matriz A Mmxn es la matriz At Mnxm , que se obtiene cambiando filas por columnas. Pgina: 11 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

1 4 1 2 3 t A= 4 5 6 A = 2 5 3 6 Propiedades: - (A+B)t=At+Bt - (.A)t=.At - (A.B)t=Bt.At - Si A es una matriz simtrica, entonces A=At. El anillo de las matrices cuadradas de orden n: El producto de matrices es una operacin interna slo en el conjunto Mn de matrices cuadradas de orden n. La estructura algebraica (Mn ,+, .) donde + es la suma de matrices y . el producto es un "Anillo unitario"; donde el elemento unidad es la matriz unidad del mismo orden, In. Matrices inversibles o regulares: Una matriz cuadrada de tamao n sobre un cuerpo K se llama regular o inversible si en el anillo (Mn ,+, .) tiene elemento inverso. Es decir: A=(aij) Mn A regular A-1 Mn tal que A . A-1=A-1 . A= In Esta matriz A-1 se llama Matriz inversa de A. El conjunto de las matrices regulares de orden n, MRn tiene con la suma y producto estructura de cuerpo. (MRn , +, .) Ejemplo:

calculamos A.B:

luego B.A:

Puesto que AB = BA = I, A y B son invertibles, siendo cada una la inversa de la otra. Cambio de base en un espacio vectorial: Sea E un K-espacio vectorial de dimensin n y sean B1={e1, e2, ..., en} ; B2={v1, v2, ..., vn} , bases de E, donde los vectores de B2 en B1 son: v1=a11e1+a12e2+ ...+a1nen v2=a21e1+a22e2+ ...+a2nen : vn=an1e1+an2e2+ ...+annen Sea un vector u E que en cada base tiene de coordenadas: u=(x1 , x2 , ..., xn) en la base B1 u=(y1 , y2 , ..., yn) en la base B2 La relacin entre ambos sistemas de coordenadas es:

Pgina: 12 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

x 1 a 11 ... a n1 y1 = x a n 1n ... a nn y n Esta expresin se llama ecuacin matricial del cambio de base. De forma simplificada: UB1= matriz columna que expresa las coordenadas de u en B1. UB2= matriz columna que expresa las coordenadas de u en B2. MB2 , B1= matriz cuyas columnas son las coordenadas de los vectores de B2 en B1 (matriz de paso). UB1=MB2, B1.UB2 Ser: Dado que la matriz MB2, B1 es regular, tiene inversa y se verifica:

MB2, B1-1= MB1, B2

y de esto la otra expresin del cambio de base:

UB2= MB2, B1-1.UB1

Ejemplo: 1 0 Sean u1 = y u2 = . Entonces B1 = {u1 , u2} es la base cannica en R2. Sean 0 1 1 1 v1 = y v2 = . Como v1 y v2 son linealmente independientes B2 = {v1, v2} es 3 2 x una segunda base de R2. Sea x = 1 un vector en R2. Esto significa que x2 1 x 0 x = 1 = x1 + x2 = x1u1 + x2u2 0 x2 1 Es decir, x est escrito en trminos de la base B1. Con objeto de recalcar este hecho, se escribe x1 ( x ) B1 = x2 Como B2 es otra base de R2, existen escalares c1 y c2 tales que x = c1v1 + c2 v2 Una vez que se ha determinado estos escalares, se escribe c1 ( x ) B2 = c2 a fin de identificar que ahora x est expresado en trminos de los vectores de B2. Para hallar los nmeros c1 y c2, los vectores de la base original ( u1 y u2 ) se escriben en trminos de los vectores de la nueva base ( v1 y v2 ). Es fcil verificar que 1 2 1 3 1 2 3 u1 = = = v1 v2 3 5 2 5 5 0 5 0 1 1 1 1 1 1 u2 = = + = v1 + v2 5 1 5 3 5 2 5 Es decir,

Pgina: 13 de 32

Algebra para informtica (U.N.E.D.) 2 1 5 (u1 ) B2 = 3 y (u2 ) B2 = 5 1 5 5 Entonces

Unidad Didctica I

3 1 2 1 x = x1u1 + x2 u2 = x1 v1 v2 + x2 v1 + v2 = 5 5 5 5 1 1 2 3 x1 + x2 v1 + x1 + x2 v2 5 5 5 5 y 2 1 x1 + x2 5 5 3 1 c2 = x1 + x2 5 5 c1 = o bien 1 2 2 c1 5 x1 + 5 x 2 5 ( x ) B2 = = 3 = c2 x + 1 x 3 5 1 5 2 5 3 Por ejemplo, si ( x ) B1 = , entonces 4 2 ( x ) B2 = 5 3 5 Comprobacin: 2 13 0 2 13 2 1 13 1 5 + 5 3 1 v1 v2 = = = 4 = 30 4 1 = 3u1 4u2 5 5 5 3 5 2 6 26 5 5 2 1 La matriz A = 53 5 recibe el nombre de matriz de transicin de B1 a B2, y se ha 1 5 5 mostrado que ( x ) B = A ( x ) B1 .
2

1 5 x1 1 x2 5

1 2 3 5 5 = 1 4 13 5 5

Procedimiento para hallar la matriz de transicin de la base cannica a la base B2 = {v1, v2 , , vn } 2. Calcular C . Esta es la matriz de transicin requerida.
1

1. Escribir la matriz C cuyas columnas son v1, v2 ,

, vn

Pgina: 14 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Rango de una matriz: Dada una matriz A=(aij) con aij K, se llama: Rango de las filas de la matriz el rango de los vectores filas de la matriz, o el mayor nmero de vectores fila que son linealmente independientes. Rango de las columnas de la matriz el rango de los vectores columnas, o el mayor nmero de vectores columna que son linealmente independientes. Para cualquier matriz, el rango de sus filas es igual al rango de sus columnas y se llama rango de la matriz. Proposicin Una matriz cuadrada de orden n es regular si, y solo si, su rango es n. Operaciones elementales en una matriz: Las operaciones en un sistema de vectores {u1, u2. ...,un} a) Permuta entre s dos vectores cualesquiera. b) Sustituir uno de ellos por el mismo ms una combinacin lineal de los restantes uiui+ u1+ ...+ un (j= escalares) c) Multiplicar uno de ellos por un escalar. Se llaman operaciones elementales, y el sistema obtenido al realizarlas es equivalente al primero. Si se efectan estas operaciones en las filas (o columnas) de una matriz se obtendr otra con el mismo rango. Calculo del rango de una matriz: Existen distintos procedimientos, entre ellos: 1) Calculndose el mximo nmero de filas (o columnas) independientes mediante la propia definicin de sistema libre o ligado de vectores. 2) Mediante transformaciones elementales en las filas (o columnas) de la matriz eligiendo un 1 en la matriz y haciendo cero los elementos de su misma fila o columna. Ejemplo: Calcular el rango de las matrices: 1 5 1 3 2 1 3 2 1 2 3 1 5 a) A = 2 4 0 ; b) B= 2 2 3 4 6 3 5 2 4 6 2 3 2 mediante operaciones elementales: 1 3 2 a) Matriz A = 2 4 0 3 5 2 Se proceder utilizando los vectores fila de la matriz. Se elige el elemento a11=1, y se intentan hacer 0 los elementos de la misma columna que son a21=2 y el a31=3. Para hacer 0 el a21 se sustituye la 2 fila por ella misma menos 2 veces la primera. Para hacer 0 el a31 se sustituye la 3 fila por ella misma menos 3 veces la primera. 1 3 2 Quedar: 0 2 4 0 4 8 En la segunda fila se elige el elemento a22=-2 y se hace 1 dividiendo por 2 la segunda fila. Quedar:

Pgina: 15 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

1 3 2 0 1 2 0 4 8 El elemento a32=-4 se hace 0 sustituyendo la 3 fila por ella misma mas 4 veces la segunda. Se obtiene 1 3 2 0 1 2 0 0 0 y se ve claramente que el r(A)=2 (por hacerse 0 la tercera fila completa). b) Eligiendo el elemento a11=1 y haciendo ceros los elementos de la columna primera. Se sustituye: 2 fila por 2 fila + 1 fila 3 fila por 3 fila 2.(1 fila) 4 fila por 4 fila + 4.(1 fila) Queda: 5 1 3 2 1 3 3 2 0 2 0 8 7 2 16 0 6 10 1 18 Se elige ahora el elemento a22=2 y se hacen cero los elementos de la 2 columna situados debajo. Se sustituye: 3 fila por 3 fila 4.(2 fila) 4 fila por 4 fila + 3.(2 fila) Queda: 1 5 1 3 2 3 3 2 0 2 0 0 19 10 24 0 0 19 10 24 Las dos ltimas filas son iguales y al eliminarle la ltima, el rango de la que se obtiene es 3. Luego r(B)=3. 3) Mediante determinantes. El clculo de determinantes ofrece una tcnica muy operativa para hallar el rango de una matriz. (vase Pgina 27, Captulo 3) Clculo de la matriz inversa mediante transformaciones elementales: Puede calcularse la matriz inversa de una matriz dada A: Se escribe la matriz A y a su derecha la matriz unidad I, con lo que se obtiene la matriz [A|I] de doble nmero de columnas y en ella se realizan sucesivas operaciones elementales sobre sus filas hasta conseguir la matriz [I, B] (transforman A en la unidad I). La matriz B ser la inversa de A. Mtodo de Gauss Sea A = (aij ) una matriz cuadrada de orden n. Para calcular la matriz inversa de A, que denotaremos como A-1, seguiremos los siguientes pasos:

Pgina: 16 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Paso 1. Construir la matriz n 2n M = (A I ) esto es, A est en la mitad izquierda de M y la matriz identidad I en la derecha. Paso 2. Se deja tal y como est la primera fila de M, y debajo del primer trmino de la diagonal principal, a11, que llamaremos pivote, ponemos ceros. Luego se opera como se indica en el siguiente ejemplo. Ejemplo: Consideremos una matriz 3 3 arbitraria

Paso 1.

Paso 2.

El siguiente paso es igual que el anterior, pero esta vez se coge como pivote el segundo trmino de la diagonal principal. Al llegar al ltimo trmino de la diagonal, se procede igual que antes, pero poniendo los ceros encima del nuevo pivote. Se observa que al coger como pivote el ltimo trmino de la diagonal, la matriz A se transforma en una matriz triangular. Una vez realizados todos los pasos, la mitad izquierda de la matriz M se convierte en una matriz diagonal. En este momento hay que proceder a transformar, si es que no lo est, la mitad izquierda en la matriz identidad, dividiendo si fuera necesario las filas de M por un escalar. Ejemplo: Supongamos que queremos encontrar la inversa de

Primero construimos la matriz M = (A I),

Pgina: 17 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

La mitad izquierda de M est en forma triangular, por consiguiente, A es invertible. Si hubiera quedado toda una fila con ceros en la mitad A de M, la operacin habra terminado (A no es invertible). A continuacin, cogemos como pivote a33, ponemos ceros encima de ste y seguimos operando hasta que nos quede una matriz diagonal.

Ya que la matriz colocada en la mitad izquierda es diagonal, no hay que operar ms. Transformamos la matriz diagonal en una matriz identidad; para ello hay que dividir la segunda fila entre -1:

La matriz que ha quedado en la mitad derecha de M es precisamente la matriz inversa de A:

Para comprobar si el resultado es correcto, se procede a multiplicar AA , teniendo que dar como resultado la matriz identidad I. Comprobacin: AA = I
-1

-1

Utilizacin del Mtodo de Gauss para resolver sistemas de ecuaciones lineales Este proceso se ilustra en el siguiente ejemplo. Ejemplo: Sea el sistema,

su matriz ampliada asociada es

Pgina: 18 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Ahora resolvemos por el mtodo de Gauss sabiendo que la primera columna corresponde a los coeficientes de la x, la segunda a los de la y, la tercera a los de la z y la cuarta a los trminos independientes:

De este modo, el sistema tiene la solucin nica x = 2, y = -1, z = 3. La resolucin de sistemas de ecuaciones lineales por matrices, aplicando el mtodo de Gauss u otros, es una de las mltiples aplicaciones que tienen stas. Ejercicio: resolucin de sistemas de ecuaciones lineales por matrices Hallar el valor de x, y, z, t en los siguientes sistemas de ecuaciones lineales aplicando matrices:

a) La matriz M asociada al sistema de ecuaciones es:

La tercera fila se suprime, puesto que es mltiplo de la segunda y resultara una fila nula. As, el sistema queda formado por dos ecuaciones con cuatro incgnitas:

La solucin del sistema es compatible e indeterminado, esto es, tiene infinitas soluciones. x = -9 - y + 10t z = 7t - 7 (- 9 - y + 10t, y, 7t - 7, t). Dependiendo de qu valores se escojan para y y t, salen distintos resultados. As, para y = t = 0 tendremos la solucin del sistema

Pgina: 19 de 32

Algebra para informtica (U.N.E.D.) x = -9, y = 0, z = -7, t = 0. b) La matriz M asociada al sistema de ecuaciones es:

Unidad Didctica I

No hay necesidad de continuar calculando nada ms, puesto que la matriz escalonada ya nos indica que el sistema es incompatible (SI), es decir, que no tiene solucin. Especficamente, la tercera fila de la matriz escalonada corresponde a la ecuacin 0x + 0y + 0z + 0t = -5 obteniendo como resultado 0 = -5, que es absurdo. Por lo tanto, decimos que no tiene solucin.

Pgina: 20 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Capitulo 3. Determinante de una matriz cuadrada

Conceptos previos - Concepto de Matriz. - Tipos y propiedades. Estos conceptos se han estudiado en el captulo 2. Concepto y propiedades Definicin: Sea (aij) = A, una matriz cuadrada de orden n sobre un cuerpo K. Se llama determinante de A el escalar que resulta de sumar algebraicamente n! sumandos, de tal forma que cada sumando es el producto de n factores siendo cada factor un elemento de la matriz perteneciente a fila y columna distinta de los restantes. Cada sumando estar afectado del signo + o , segn que la permutacin que indica las filas y la que indica las columnas sean del mismo o distinto orden respectivamente. Se designa |A| . As, si n = 2 a a12 |A| = 11 = a11a22 a12a21 a 21 a 22 El sumando a11a22 est precedido del signo + , porque las permutaciones que indican filas y columnas: 1,1 y 2,2 son del mismo orden. El sumando a12a21 est precedido del signo , porque las permutaciones ahora: 1,2 y 2,1 son de distinto orden. Si n = 3 a11 a12 |A| = a 21 a 22 a 31 a 32 a13 a23 = a33

a11a22a33 + a12a23a31 + a13a21a32 a13a22a31 a12a21a33 a11a23a32 Para evitar memorizar la frmula usaremos una regla mnemotcnica. Vamos a calcular el determinante de la matriz A, 3 0 0 4 1 0 1 9 0 se escribirn las tres primeras filas igual que estn, y debajo se repetirn la primera y la segunda, de la siguiente manera: 0 1 0 9 0 0 0 1 0 Luego se multiplican entre s los nmeros de la diagonal del 3 (3.-1.0 mas grandes), los de la diagonal paralela inferior (4.9.0), y los de la inferior a esta (1.0.0), sumndose los tres productos obtenidos. Se hace lo mismo con las tres diagonales secundarias (la que 0 3 4 1 3 4

Pgina: 21 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

empieza en el 0 del vrtice superior derecho y las dos paralelas por debajo), y el resultado se resta del obtenido anteriormente. Es decir: [3.(-1).0+4.9.0+1.0.0]-[0.(-1).1+0.9.3+0.0.4]=0 El resultado de este determinante es: 0. Consecuencias: El determinante de una matriz unidad es siempre el elemento unidad del cuerpo al que pertenecen los elementos de la matriz. |I| = 1 El determinante de una matriz diagonal es el producto de los elementos de la diagonal. El determinante de una matriz triangular es el producto de los elementos de la diagonal. Propiedades: a) El determinante de una matriz cuadrada A es igual al determinante de su traspuesta. b) Si se permutan entre si dos lneas (filas o columnas) paralelas, el determinante cambia de signo. c) Si en una lnea, se multiplican todos los elementos por un mismo escalar , el determinante queda multiplicado por . d) Si en una matriz se expresa una de sus lneas como suma de dos nuevas, el determinante es igual a la suma de los dos determinantes que se obtienen de sustituir la lnea por cada una de las lneas sumandos. a11 a 21 ... a n1 ... a1 +b1 ... a 2 +b2 ... ... ... a n +bn a1n a11 a 2n a = 21 ... ... a nn a n1 ... ... ... ... a1 a2 ... an a1n a11 a 2n a + 21 ... ... a nn a n1 ... ... ... ... b1 a1n b2 a 2 n ... ... bn a nn

e) El determinante de una matriz cuadrada es nulo si, y solo si, los vectores que indican las filas (o las columnas) son linealmente dependientes. En particular: Si existe una lnea con todos ceros, el determinante es cero. Si existe una lnea combinacin lineal de otras paralelas, el determinante es cero. Si dos filas o columnas son iguales, el determinante es cero. f) Si en una matriz se sustituye una lnea por ella misma ms una combinacin lineal de otras paralelas, el determinante de la matriz obtenida coincide con el de la primera matriz. g) El determinante de una matriz triangular (superior o inferior) es igual al producto de los elementos situados en su diagonal. Menor complementario y adjunto Menor complementario y adjunto de un elemento: Se llama menor complementario del elemento aij de la matriz A = (aij), de orden n, el determinante de orden n 1 que resulta de eliminar en A la fila i y la columna j, sin alterar las dems. Se denomina ij y como se deduce de la definicin no depende del valor del elemento sino de su posicin en la matriz. Pgina: 22 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Se llama adjunto del elemento aij al menor complementario si i + j = par, y al menor complementario cambiado de signo si i + j = impar. Se designa por Aij y ser: Aij = (1)i + j ij Propiedad: La suma de los productos de los elementos de una lnea de un determinante por los adjuntos de una paralela, es cero. ar1Ak1 + ar2Ak2 + ... + arnAkn = 0 Ejemplo: Calculo del adjunto de A.

Los cofactores de los nueve elementos de A son:

el adjunto de A, ser: 6 17 4 Adj A= 11 7 3 1 2 3 Por otro lado, dada una matriz de orden n su determinante es la suma de los productos de todas las permutaciones de los coeficientes. Dado un conjunto N={1, 2, ..., n}, una permutacin de N es una reordenacin de sus elementos sin repetirlos ni eliminarlos. Dada una permutacin de N, ={1, 2, ..., n} una inversin es cualquier pareja con i<j tal que i >j. El signo () de la permutacin es: ()= 1 si tiene un nmero par de inversiones. ()= -1 si tiene un nmero impar de inversiones. Ejemplo: Mirar las inversiones de la permutacin ={4,2,1,5,3}. Hay que mirar cuntos nmeros mayores tiene cada uno delante: 12 (el 2 y el 4) 21 (el 4) 32 (el 5 y el 4) 40 50 2+1+2+0+0=5 Total 5 inversiones, por tanto () es negativo. Ejercicio: Hallar el signo del termino a12 a21 a34 a43 a55 que aparece en el desarrollo de un determinante de orden cinco: Solucin: Consideramos la permutacin 1, 2, 3, 4, 5; que indica las filas a las que pertenece los elementos del producto; esta permutacin no tiene inversiones respecto a la principal, que es ella misma, luego la permutacin es par.

Pgina: 23 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Consideramos ahora la permutacin 2, 1, 4, 3, 5; que respecto de la principal tiene dos inversiones: 11 (el 2) 20 31 (el 4) 40 50 la permutacin es par. Como ambas son de la misma paridad; el signo es ms. Menor complementario y adjunto de un menor de una matriz Es una generalizacin de los conceptos anteriores. Se llama menor complementario de un menor de orden p, de una matriz cuadrada de orden n, al determinante de orden n p que resulta de eliminar en A las filas y columnas a las que pertenece el menor. El adjunto del menor ser el menor complementario con el mismo o distinto signo segn que la suma de los nmeros que indican las filas y columnas que ocupa el menor sea par o impar respectivamente. Clculo prctico de determinantes Existen varios mtodos de clculo, aparte de la definicin. 1. Mediante aplicacin de las propiedades. Consiste en aplicar reiteradamente y de forma acertada las distintas propiedades para obtener determinantes ms sencillos de calcular de algunas matrices especficas (triangular, diagonal, etc.). Para ello se elige en una fila o columna un elemento pivote y se hacen ceros los elementos de su misma columna, hasta conseguir, procediendo repetidas veces, un determinante conocido. 2. Desarrollar por los elementos de una lnea. El determinante de una matriz A es igual a los elementos de una lnea, por sus adjuntos correspondientes. |A| = a1jA1j + a2jA2j + ... + anjAnj De esta forma, se reduce a calcular determinantes de un orden menos. Determinante de orden arbitrario Sea A = (ann) una matriz de orden arbitrario n n (siendo n un nmero par). Para calcular el det (A) se procede de la siguiente manera:

Los signos se van alternando segn la posicin que ocupen las entradas del determinante. Es decir:

Pgina: 24 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Ejemplo:

Si observamos la matriz, podemos ver que en la tercera columna hay dos ceros. As pues, si cogemos las entradas de la tercera columna para calcular el determinante, nos ahorraremos calcular dos determinantes, ya que el producto de un determinante por cero es cero.

= -1(-35) + 3(35) = 35 + 105 = 140

3. Desarrollar por los menores de un conjunto de lneas paralelas (Regla de Laplace). El determinante de una matriz cuadrada A de orden n, es igual a la suma de todos los productos posibles de los menores de orden p (p < n) que se pueden formar con p filas (o columnas) prefijadas, por sus correspondientes adjuntos. Determinante de Vandermonde Se denomina as al siguiente determinante: 1 1 a1 a2 2 2 Dn = a1 a2 ... ... n a1n1 a2 1 y su valor es: Dn = (a j ai ) , (donde
i =1 j >i n

... 1 ... a n 2 ... an ... ... n ... a n 1

significa producto).

Ejemplo: Resolver el determinante 4 y generalizar la expresin para n: 1 1 1 1 1 1 1 1 a1 a 2 a 3 an a b c d 2 2 2 2 ; n= a1 a 2 a3 an 4= 2 2 2 2 a b c d a 3 b3 c 3 d 3 n n n a1n a2 a 3 an SOLUCIN Clculo de 4: Tomamos a11=1 como pivote y hacemos ceros los restantes elementos de la primera columna. Para ello se sustituye: Pgina: 25 de 32


Algebra para informtica (U.N.E.D.)

Unidad Didctica I

2 fila por 2 fila a.(1 fila) 2 fila por 3 fila a.(2 fila) 2 fila por 4 fila a.(3 fila) 1 1 1 1 ba ca d a 0 ba ca d a 4 = = b(b a ) c(c a ) d (d a ) 0 b 2 ba c 2 ca d 2 da b 2 (b a ) c 2 (c a ) d 2 ( d a ) 0 b3 b2 a c 3 c 2a d 3 d 2a Sacando (b - a) de la 1 columna, (c a) de la 2 y (d a) de la 3: 1 1 1 4=(b a)(c a)(d a) b c d b2 c2 d 2 Procediendo igual en el determinante (que es 3), es decir, tomando el a11=1 como pivote y haciendo ceros los elementos restantes de la 1 columna 1 1 1 4=(b a)(c a)(d a) 0 c b d b = 2 0 c cb d 2 db cb d b = c( c b) d ( d b) 1 1 =(b a)(c a)(d a)(c d)(d b) = c d =(b a)(c a)(d a)(c d)(d b)(d c) En el caso de n ser: n=(a2 a1)(a3 a1) ... (an a1)(a3 a2) ... (an a2) ... (an an-1). Caracterizacin de las matrices regulares Una matriz cuadrada es regular si, y solo si, su determinante es distinto de cero. Es decir, dada una matriz cuadrada de orden n: A Mn ; A regular |A| 0 En caso contrario se dice singular. =(b a)(c a)(d a) Matriz Inversa Clculo de la matriz inversa mediante determinantes Sea A una matriz regular (|A| 0). Llamando: A = Matriz adjunta de A (matriz que resulta de sustituir en A cada elemento por su adjunto). Se verifica 1 A 1 = ( A)t A Esta frmula ofrece los pasos a seguir para calcular la matriz inversa de una matriz cuadrada regular A: Se calcula la matriz adjunta de A. Se halla la traspuesta de la matriz adjunta. Se calcula el determinante de A. Se divide cada elemento de la matriz A t por el valor |A|. Pgina: 26 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

ADVERTENCIA Algunos autores denominan matriz adjunta a la traspuesta de la matriz que resulta de sustituir cada elemento de la matriz por su adjunto, con lo cual en esta formula, resultara la matriz inversa igual al cociente de la matriz adjunta por el determinante de la matriz. Ejemplos: Clculo de la matriz inversa Calcular, por la propiedad anterior, la inversa de las siguientes matrices: a)

b)

a) Primero hallaremos el determinante de la matriz A:

El siguiente paso es hallar el adjunto de la matriz B y su traspuesta, as pues, los cofactores de los cuatro elementos de B son: B11 = 5 B12 = -2 B21 = 1 B22 = 3 y el adjunto de B, y su traspuesto sern: 5 2 5 1 T = B= 1 3 , ( B) = 2 3 Aplicando la propiedad: B 1 = 1 ( B )t B

b) Empezaremos por hallar el det A,

Los cofactores de los nueve elementos de A son:

Pgina: 27 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

La traspuesta de la matriz de los cofactores anteriores proporciona el adjunto traspuesto de A:

Aplicando la propiedad de la matriz inversa obtenemos A-1:

Rango de una Matriz Definicin: El rango de una matriz es el mayor de los rdenes de sus menores no nulos. Rango de una matriz mediante determinantes Esta definicin permite calcular el rango de una matriz hallando todos sus menores y observando cual o cuales son los de mayor orden, no nulos. Para ello es conveniente seguir el siguiente camino que simplificar el proceso. Primero es aconsejable observar si hay lneas iguales a otras, o combinacin lineal de varias paralelas. En este caso se eliminan, obteniendo matrices ms simples. Despus se toma un menor de orden 2 no nulo (si es que el rango es al menos 2) y se le amplia con una fila fija y se forman los determinantes de tercer orden resultantes de ampliar las columnas una a una. Si todos son cero el rango de la matriz es 2. Si alguno de tercer orden es distinto de cero, se amplia ste de la misma forma y as sucesivamente. Ejemplos: a) Sea la matriz A una matriz de orden tres. Hallar el rango (A).

Como A es una matriz cuadrada de orden tres, como mximo el rango (A) puede valer tres. Calcularemos primero el determinante o determinantes de las submatrices de orden dos de A. As pues

Pgina: 28 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Ya que el resultado es cero, probaremos con todas las submatrices de A hasta encontrar una cuyo determinante no sea cero. Si no encontramos ninguna, el rango (A) = 1.

Puesto que el resultado de calcular el determinante de esta submatriz de A no es nulo, podemos afirmar de momento que el rango (A) = 2. Aadimos ahora una columna y una fila ms para ver si el rango puede ser tres:

Dado que el determinante de A no es nulo y a su vez es de orden tres, el rango (A) = 3. No necesariamente para poder calcular el rango de una matriz, sta tiene que ser cuadrada. As, en el siguiente ejemplo: b) Calcular el rango de la matriz B de orden 3 4.

Como hay una determinante de orden dos no nulo, el rango de la matriz B es mayor o igual que 2. Calculamos a continuacin los determinantes de orden superior:

Probamos con un segundo determinante de orden tres:

As pues, como hay un determinante de orden tres que no es nulo, el rango (B) = 3. Un rango mayor que 3 no se puede hallar, ya que no se puede formar un determinante de orden 4. Recurdese que para poder calcular el determinante de una matriz o de una submatriz, stas tienen que ser cuadradas. Aplicaciones de los determinantes En el tema de matrices y su aplicacin a los sistemas de ecuaciones lineales, se vio cmo resolverlas mediante el teorema de Gauss (pgina 18, captulo 2). Con los determinantes, y aplicando la regla de Cramer, veremos otra manera de calcular los sistemas de ecuaciones lineales

Pgina: 29 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica I

Determinante de la matriz producto de otras dos El determinante de la matriz producto de dos matrices cuadradas es igual al producto de los determinantes de las matrices factores. |A B| = |A| |B| Consecuencia: Recordando que |A| = |At| se verifica: |A B| = |A| |B| = |At| |Bt| = |At Bt| Es decir, el determinante del producto de dos matrices es igual al del producto de sus traspuestas. Regla de Cramer Los pasos a seguir para calcular los sistemas de ecuaciones segn la regla de Cramer son los siguientes: 1. Hallar la matriz ampliada (A b) asociada al sistema de ecuaciones, esto es: que la primera columna est formada por las entradas de los coeficientes de la primera incgnita de las ecuaciones; que la segunda columna la formen las de la segunda incgnita, y as hasta llegar a la ltima columna, que estar constituida por las entradas de los trminos independientes de las ecuaciones. 2. Calcular el determinante de A. 3. Aplicar la regla de Cramer, que consiste en: a) ir sustituyendo la primera columna del det (A) por los trminos independientes; b) dividir el resultado de este determinante entre el det (A) para hallar el valor de la primera incgnita; c) continuar sustituyendo los trminos independientes en las distintas columnas para hallar el resto de las incgnitas. Ejemplo: Sea el sistema de ecuaciones lineales formado por dos ecuaciones con dos incgnitas:

Encontrar el valor de x e y mediante la regla de Cramer. Empezaremos con el primer paso, que consiste en hallar la matriz ampliada (A b) asociada al sistema de ecuaciones lineales:

El segundo paso es calcular el determinante de A. As pues:

Y el tercero y ltimo paso consiste en calcular las incgnitas:

[Error en x, valor de x= (-5+6)/17=1/17].

Pgina: 30 de 32

Algebra para informtica (U.N.E.D.) Polinomio caracterstico Consideremos una matriz n-cuadrada arbitraria:

Unidad Didctica I

La matriz (A - In), donde In es la matriz identidad n-cuadrada y un escalar indeterminado, se denomina matriz caracterstica de A:

Su determinante, det (A - In) , que es un polinomio en , recibe el nombre de polinomio caracterstico de A. Asimismo, llamamos a det (A - In) = 0 ecuacin caracterstica de A. Ejemplo: Hallar la matriz caracterstica y el polinomio caracterstico de la matriz A:

La matriz caracterstica ser (A - In). Luego:

y el polinomio caracterstico,

As pues, el polinomio caracterstico es 2 - + 4. Valores propios y vectores propios Sea A una matriz n-cuadrada sobre un cuerpo K. Un escalar Kn se denomina un valor propio de A si existe un vector (columna) no nulo v Kn para el que Av = v Todo vector que satisfaga esta relacin se llama vector propio de A perteneciente al valor propio . Los trminos valor caracterstico y vector caracterstico (o autovalor y autovector) se utilizan con frecuencia en lugar de valor propio y vector propio. Ejemplo: Sea

Pgina: 31 de 32

Algebra para informtica (U.N.E.D.) y

Unidad Didctica I

As pues, v1 y v2 son vectores propios de A pertenecientes, respectivamente, a los valores propios 1 = 4 y 2 = -1 de A.

Pgina: 32 de 32

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Unidad Didctica II.

Continuacin de la anterior, dedicada al estudio de los sistemas lineales, donde se estudian los sistemas de ecuaciones lineales, las variedades lineales vectoriales y la diagonalizacin de matrices y formas cuadrticas.

Captulo 4. Sistemas de Ecuaciones Lineales

Conocimientos previos: Sistemas de ecuaciones lineales: Es un conjunto de m ecuaciones lineales con n incgnitas de la forma a11.x1+a12.x2+ ... +a1nxn=b1 a21.x1+a22.x2+ ... +a2n.xn=b2 ...... am1.x1+am2.x2+ ... +amn.xn=bm Los nmeros aij, para i de 1 a m y j de 1 a n, se llaman coeficientes de las incgnitas. Mtodo de Gauss: Unidad didctica I, pagina 16. Regla de Cramer: Unidad didctica I, pgina 27. Ecuaciones de cambio de base: Unidad didctica I, pgina 12.

Clasificacin de Sistemas. Definicin: Dados dos espacios vectoriales E y F sobre el mismo cuerpo de definicin K, una aplicacin f : E F se llama aplicacin lineal u homomorfismo entre E y F si para cualquier par de vectores u , v E y todo escalar K se verifica: f ( u + v ) = f (u ) + f ( v ) f (u ) = f ( u ) Caracterizacin: Estas dos propiedades son equivalentes a: f : E F ; f lineal , K, u , v E es f (u + v ) = f ( u ) + f ( v )

Pgina: 1 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Tipos: Si f biyectiva, la aplicacin lineal es isomorfismo. Si f : E E la aplicacin se dice endomorfismo. Si f no es inyectiva ni sobreyectiva, se dice aplicacin en. El endomorfismo biyectivo se dice automorfismo. La aplicacin lineal de un espacio sobre su cuerpo de escalares; f : E(K) K se dice forma lineal. Principales propiedades: Si f : E F es aplicacin lineal, se verifica: a) f( 0 ) = 0 b) u E; f ( u ) = f ( u ) c) S E, S subespacio vectorial de E f(S) subespacio vectorial de F. f ( L ) = { f (u1 ),

d) Si L = {u1, e) Si L = {u1,

, un } sistema de generadores de E, entonces: , f ( un )} es sistema de generadores de f(E). , un } es un sistema ligado de E, entonces: , f ( un )} es sistema ligado de f(E).

f ( L ) = { f (u1 ),

Imagen de una aplicacin lineal: Dada una aplicacin lineal f : E F, el conjunto f(E) F que es tambin espacio vectorial, se llama imagen de f. Se denomina Im(f) = f(E). La aplicacin lineal f : E F ser sobreyectiva si f(E) = F. Los vectores v1 , v2 , ..., v n generan a E, los vectores f( v1 ), f( v2 ), ..., f( v n ) F generan Im(f). Supongamos que u Im(f); entonces f( v ) = u para algn vector v E. Como los vi generan a E y v E, existen escalares a1, a2, ..., an tales que v = a1 v1 + a2 v2 + ... + an v n . En consecuencia,

u = f ( v ) = f ( a1v1 + a2 v2 +

+ an vn ) = a1 f ( v1 ) + a2 f ( v2 ) +

+ an f ( vn )

y por tanto los vectores f( v1 ), f( v2 ), ..., f( v n ) generan a Im(f). Para la aplicacin lineal definida: F(x, y) = (2x y, -8x + 4y) Para que el vector (1, -4) pertenezca a Im(f), ha de ser f(x, y) = (1, -4), es decir: 2x y = 1 y = 2x - 1 -8x + 4y = -4 Los vectores (x, 2x-1) se aplican en (1, -4). El vector dado pertenece a Im(f).

Pgina: 2 de 35

Algebra para informtica (U.N.E.D.) Ncleo de una aplicacin lineal:

Unidad Didctica II

Dada una aplicacin lineal f : E F, se llama Ncleo de f , y se denota Ker(f) o bien N(f), el conjunto de vectores de E que se aplican en el vector nulo de F. Es decir, es la imagen inversa del vector nulo de F. N(f) = { x E, tal que f( x ) = 0 } = f -1( 0 ) N(f) es subespacio vectorial de E, y se verifica: dim(N(f)) + dim(Im(f)) = dim E Tienen que existir (x, y) tales que f(x, y) = (0,0) Para la aplicacin lineal definida: f(x, y) = (2x y, -8x + 4y) El vector (5, 10) pertenece al ncleo, pues F(5, 10) = (2*5 10, -8*5 + 4*10) = (0,0) Ejemplo: Dada la aplicacin lineal f : R4 R3 definida por: f(x, y, s, t) = (x y + s + t, x + 2s t, x + y + 3s 3t) Se trata de hallar una base y la dimensin de: 1) la imagen U de f y 2) el ncleo W de f. Solucin: 1) Las imgenes de los siguientes generadores de R4 generan la imagen U de f: f(1, 0, 0, 0) = (1, 1, 1) f(0, 1, 0, 0) = (-1, 0, 1) f(0, 0, 1, 0) = (1, 2, 3) f(0, 0, 0, 1) = (1, -1, -3) Formamos la matriz cuyas filas son los generadores de U y la reducimos por filas a la forma escalonada 1 1 1 1 1 1 1 1 1 1 0 1 2 a 0 1 a 0 1 2 1 0 1 0 0 0 2 3 2 1 1 3 0 2 4 0 0 0 Luego {(1, 1, 1), (0, 1, 2)} es una base de U; por tanto dimU = 2. 2) Buscamos el conjunto de los (x, y, s, t) tales que f(x, y, s, t) = (0, 0, 0, 0), esto es f(x, y, s, t) = (x y + s + t, x + 2s t, x + y + 3s 3t) = (0, 0, 0) Igualando las componentes correspondientes, forman el siguiente sistema homogneo cuyo espacio solucin es el ncleo W de f. x y + s +t +2 s t x x + y +3s 3t =0 =0 =0 x y + s +t y + s 2t 2 y +2 s 4t =0 =0 =0

Pgina: 3 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

x y + s +t = 0 y + s 2t = 0 Las variables libres son s y t; luego dimW = 2. Hacemos a) s = -1, t = 0 para obtener la solucin (2, 1, -1, 0), b) s = 0, t = 1 para obtener la solucin (1, 2, 0, 1). Luego {(2, 1, -1, 0), (1, 2, 0, 1)} es una base de W. (Obsrvese que dimU + dimW = 2 + 2 = 4, que es la dimensin del dominio R4 de f.)

Ejemplo: Dada la aplicacin lineal f : R3 R3 definida por: f(x, y, z) = (x + 2y - z, y + z, x + y -2z) Se trata de hallar una base y la dimensin de: 1) la imagen U de f y 2) el ncleo W de f. 1) Las imgenes de los generadores de R3 generan la imagen U de f: f(1, 0, 0) = (1, 0, 1) f(0, 1, 0) = (2, 1, 1) f(0, 0, 1) = (-1, 1, -2) Formamos la matriz cuyas filas son los generadores de U y la reducimos por filas a la forma escalonada 1 0 1 1 0 1 1 0 1 2 1 1 a 0 1 1 a 0 1 1 1 1 2 0 1 1 0 0 0 Luego {(1, 0, 1), (0, 1, -1)} es una base de U, y, por tanto dimU = 2. 2) Buscamos el conjunto de los (x, y, z) tales que f(x, y, z) = (0, 0, 0), esto es, f(x, y, z) = (x + 2y - z, y + z, x + y -2z) = (0, 0, 0) Igualando las componentes correspondientes formamos el sistema homogneo cuyo espacio solucin es el ncleo W de f. x +2 y z = 0 y +z = 0 x + y 2 z = 0 x +2 y z = 0 y +z = 0 y z = 0

x +2 y z = 0 y +z = 0 La nica variable libre es z; luego dimW = 1. Sea z = 1; entonces y = 1 y x = 3. Luego {(3, -1, 1)} es una base de W. (Obsrvese que dimU + dimW = 2 + 1 = 3, que es la dimensin del dominio R3 de f.)

Pgina: 4 de 35

Algebra para informtica (U.N.E.D.) Determinacin de una aplicacin lineal. Matriz:

Unidad Didctica II

Una aplicacin lineal f : E F queda determinada conociendo las imgenes de los elementos de una base de E. Sea n la dimensin del espacio vectorial E, y sea B = {e1, e2 , , en } una base de E. Una aplicacin lineal queda determinada conociendo f ( e1 ) , ..., f ( en ) , es decir, las imgenes por f de los vectores de la base de E. Si u E tiene de coordenadas (x1, x2, ..., xn) en la base B y su imagen f ( u ) tiene de coordenadas (y1, y2, ..., ym) en la base B'. Se verifica la siguiente ecuacin matricial: ... a n1 x1 ... a n 2 x 2 ; Y = AX ... ... ... ... a nm x n donde las columnas de la matriz A son las coordenadas de los vectores f ( e1 ) , ..., f ( en ) en la base B' de F. As: f ( e1 ) = (a11, a12, ..., a1m) en la base B' a 21 a 22 ... a2m ... f ( en ) = (an1, an2, ..., anm) en la base B' La expresin matricial puede resumirse: YB' = M(f,B,B')XB y se llama expresin matricial de f en las bases B y B'. Conocida M(f,B,B') queda determinada la aplicacin, y elegidas previamente las bases, cada matriz determina una aplicacin lineal, esa matriz se llama matriz de f en las bases B y B'. Las ecuaciones deducidas al resolver la expresin matricial de f, se llaman ecuaciones de f. Ejemplo 1: Hallar una aplicacin lineal f : R3 R4, cuya imagen es generada por (1, 2, 0, 4) y (2, 0, 1, 3). Mtodo 1. Consideremos la base usual de R3: e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1). Hacemos f(e1) = (1, 2, 0, 4), f(e2) = (2, 0, 1, 3) y f(e3) = (0, 0, 0, 0). La aplicacin lineal f existe y es nica, adems la imagen de f es generada por los f(ei). Hallamos un formula general para f(x, y, z): f(x, y, z) = f(xe1 + ye2 + ze3) = xf(e1) + yf(e2) + zf(e3) = x(1, 2, 0, 4) + y(2, 0, 1, -3) + z(0, 0, 0, 0) = (x + 2y, 2x, y, 4x3y) Pgina: 5 de 35 y1 a11 y a 2 = 12 ... ... y m a1m

Sea m la dimensin del espacio vectorial F, y sea B' = {v1, v2 ,

, vm} una base de F.

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Mtodo 2. Formamos una matriz A43, cuyas columnas son los vectores dados, por ejemplo: 2 1 2 0 A= 0 1 4 3 0 0 0 0

Recordamos que A determina una aplicacin lineal A : R3 R4 cuya imagen es generada por las columnas de A. Luego A satisface las condiciones requeridas. Ejemplo 2: Hallar el ncleo y la imagen de la aplicacin lineal f:R4 R3 tal que: f(1, 0, 0, 0) = (1, 1, 2) f(0, 1, 0, 0) = (2, 1, 1) f(0, 0, 1, 0) = (4, 1, 5) f(0, 0, 0, 1) = (-1, 5, 4) En concreto, se piden sendas bases del ncleo y la imagen. Resolucin: Respecto de las bases cannicas de R4 y R3, la ecuacin matricial, Y = AX, de la aplicacin lineal es: y1 y = 2 y3 x1 1 2 4 1 1 1 1 5 x 2 x 2 1 5 4 3 x 4

El ncleo lo forman las soluciones de f( x ) = 0 , que si se usan coordenadas se pone en la forma AX = 0. Para resolver este sistema lineal homogneo, realizando operaciones elementales en las filas de su matriz A, se obtienen sucesivamente las matrices: 1 2 4 1 0 3 3 6 0 3 3 6 1 2 4 1 0 1 1 2 0 0 0 0 = 2 3 = + 2 luego = = 3 1 0 2 0 1 1 2 0 0 0 0

Por tanto, los vectores del ncleo son los que cumplen (para , R): x1 x2 x3 x4

(-2, -1, 1, 0) y (-3, 2, 0, 1) forman una base de N(f). La imagen es el espacio de R3 que engendran las cuatro columnas de A. Realizando operaciones elementales en las columnas de A se obtienen sistemas de columnas equivalentes al dado; al proceder de este modo, se obtiene sucesivamente: Pgina: 6 de 35

Algebra para informtica (U.N.E.D.) 1 0 0 0 1 3 3 6 2 3 3 6 1 0 0 0 1 1 0 0 2 1 0 0

Unidad Didctica II 1 0 0 0 1 1 0 0 0 1 0 0

Por tanto, los dos vectores columna no nulos de la ltima matriz, generan la imagen y, como son independientes, son base de ella; esto es: (1, 1, 0) y (0, 1, -1) forman una base de Im(f). Ej.- Obtener una base del espacio vectorial solucin del sistema:
1 1 3 b 0 0 0 x 0 0 1 a y 0 . = 0 1 a z 0 0 0 1 t 0

x + 0y + 0z + 0t = 0 x + 0y - 1z + at = 0 x = 0 ( x, y, z, t ) = ( 0, y, 0, 0) 3x + 0y - 1z + at = 0 t=0 bx + 0y + 0z + 1t = 0 z=0 La solucin es < ( 0, 1, 0, 0 ) > que es base del espacio vectorial formado por las soluciones. Rango de una aplicacin lineal Se llama rango de una aplicacin lineal f : E F la dimensin del espacio vectorial imagen. Se denota rg(f). rg(f) = dim(Im(f)) = dim(f(E)) Propiedad: El rg(f) coincide con el rango de la matriz asociada a f en cualquier base: rg(f) = rg(Mf) Aplicaciones lineales inyectivas Las aplicaciones lineales inyectivas son de especial inters. 1. Una aplicacin lineal f : E F es inyectiva si, y solo si, su ncleo contiene slo el vector nulo. Es decir: f : E F , f inyectiva N(f) = { 0 } 2. Una aplicacin lineal f : E F es inyectiva si, y solo si, un sistema libre de E se aplica en un sistema libre de F. Es decir, si la imagen de una base de E es una base de f(E). f inyectiva [B base de E f(B) base de f(E)] 3. Si E tiene dimensin finita, entonces f es inyectiva si y solo si dim E = dim f(E) o tambin rg(Mf) = dim E. Ejemplo: La aplicacin lineal f:R3 R4 definida mediante

Pgina: 7 de 35

Algebra para informtica (U.N.E.D.) f(x, y, z) = (x, x + y, y + z, x + y + z)

Unidad Didctica II

es inyectiva ya que las imgenes de los vectores de la base cannica de R3 son los vectores: f(1, 0, 0) = (1, 1, 0, 1) f(0, 1, 0) = (0, 1, 1, 1) f(0, 0, 1) = (0, 0, 1, 1) que forman una base de la imagen, ya que son linealmente independientes. La inyectividad de f tambin se poda haber comprobado viendo que N(f) = 0; as es, ya que: x x + y N ( f ): y + z x + y + z Isomorfismos Cuando se dispone de una aplicacin lineal, entre dos espacios vectoriales E y F, que adems es biyectiva, puede considerarse que E y F son iguales, se pueden identificar. Desde el punto de vista de los espacios vectoriales, no hay nada que permita diferenciar a E de F. Estas aplicaciones lineales y biyectivas se llaman isomorfismos. Un isomorfismo f:E E, de un espacio en s mismo, recibe el nombre de automorfismo. 1. La composicin de dos isomorfismos es, tambin, un isomorfismo. 2. Una aplicacin lineal f:E F es isomorfismo si y slo si: Im(f) = F y N(f) = 0 3. Si E tiene dimensin finita, una aplicacin lineal f:E F es un isomorfismo si y slo si: dim E = dim f(E) = dim F 4. Si E tiene dimensin finita, una aplicacin lineal f:E E es un automorfismo si y slo si es inyectiva o sobreyectiva. 5. Si f:E F es un isomorfismo, entonces f 1:F E tambin es un isomorfismo. 6. Dos espacios vectoriales de dimensin finita (sobre el mismo cuerpo K) son isomorfos si y slo si tienen la misma dimensin. Ejemplo 1: El espacio vectorial Rn es isomorfo al espacio vectorial V de los polinomios de grado menor que n. Un isomorfismo entre ellos lo es la aplicacin f:V Rn dada por f(a0 + a1x + a2x2 + ... + an-1xn-1) = (a0 + a1 + a2 + ... + an-1). =0 =0 =0 =0 x = 0 N ( f ): y = 0 N ( f ) = 0 z = 0

Ejemplo 2:

Pgina: 8 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Sea V el espacio vectorial de los polinomios reales de grado menor o igual que 2 y considrese la aplicacin lineal f:V R3 definida por f(a + bx +cx2) = (a + b 2c, 2a + b + c, 2a + 3b + hc) Hallar h R para que f no sea un isomorfismo. Para dicho valor de h, hallar una base de la imagen Im(f). Solucin: El valor buscado de h es aquel que hace singular a la matriz A de f (en la base usual de V y en la cannica de R3); realizando, pues, operaciones elementales en las columnas de A, se tiene sucesivamente: 1 1 2 1 0 1 0 0 0 A = 2 1 1 2 1 5 2 1 0 2 3 h 2 1 h + 4 2 1 h + 9 La matriz A es singular para h = 9. Para este valor, el rango de A vale 2, la dimensin de Im(f) es 2 y una base de este espacio la forman las dos columnas no nulas de la ltima matriz, es decir, los vectores (1, 2, 2) y (0, 1, -1) de R3. Caracterizacin de endomorfismos biyectivos: Las aplicaciones lineales f : E E son endomorfismos. La matriz de f en una base ser cuadrada. Si el endomorfismo es biyectivo el rango de la matriz ser la dimensin de E, es decir, su determinante ser distinto de cero f : E E biyectivo |Mf| 0

Conjunto de las aplicaciones lineales entre dos espacios E y F El conjunto de todas las aplicaciones lineales entre E y F, espacios vectoriales sobre el mismo cuerpo K, se denota (E,F). Si f, g son dos aplicaciones lineales entre E y F; f, g (E,F), se define: Aplicacin suma de f y g, a la aplicacin f + g : E F tal que: u E; ( f + g )( u ) = f ( u ) + g( u ) La suma as definida es interna: (f + g) (E,F) Si B y B' son dos bases de E y F respectivamente, y M(f, B, B') y M(g, B, B') son las matrices de f y g en esas bases, se verifica: M(f + g, B, B') = M(f, B, B') + M(g, B, B') Aplicacin producto por un escalar. Si K y f (E,F), se define aplicacin f : E F la aplicacin tal que, u E , (f )u = f ( u ) . La aplicacin f es aplicacin lineal, y se verifica: Pgina: 9 de 35

Algebra para informtica (U.N.E.D.) M(f, B, B') = M(f, B, B')

Unidad Didctica II

El conjunto (E,F) con las operaciones suma y producto por un escalar es un K-espacio vectorial. El anillo

(E) de los endomorfismos de E:

En el conjunto (E) de las aplicaciones lineales sobre E, adems de las operaciones suma y producto por un escalar, es posible definir otra operacin interna, el producto, que ser la propia composicin de aplicaciones. Dados f : E E y g : E F endomorfismos en E, se llama producto de f y g la aplicacin g f : E E La aplicacin as definida es aplicacin lineal; g f (E). Si B es una base de E, se verifica la relacin entre matrices: M(g f, B) = M(g, B) M(f,B) El conjunto ( (E), + , ) es anillo unitario. Si f (E) tiene aplicacin inversa f-1, tambin f-1 (E) y su matriz
M ( f 1 , B ) = M (f1, B )

Matrices asociadas a un endomorfismo en dos bases distintas Sea E un K-espacio vectorial de dimensin n y sean: B1 = {e1, e2 , , en } ; B2 = {v1 , v2 , bases de E, donde los vectores de B2 en B1 son: v1 = a11e1 + a12e2 +

Sea una aplicacin lineal f : E E de matrices M ( f , B1 ) y M ( f , B2 ) en las bases B1 y B2 respectivamente. La relacin existente entre ambas matrices es: M ( f , B2 ) = C 1 M ( f , B1 ) C donde C = Matriz de cambio de base ... a1n ... a 2n = M ( B2 , B1 ) ... ... ... a nn la matriz que tiene por columnas las coordenadas de los vectores de la base B2 expresados en B1. a12 a 22 ... a n2 Pgina: 10 de 35 a11 a 21 C = ... a n1

u E; ( g f )( u ) = g( f ( u ))

, v m}

+ a1n en

............................................ v n = an1e1 + an 2e2 + + annen

Algebra para informtica (U.N.E.D.) Recordando que

1 M ( B2 , B1 ) = M (B1 , B2 )

Unidad Didctica II

la expresin M ( f , B2 ) = C 1 M ( f , B1 ) C quedar
1 M ( f , B2 ) = M ( B1 , B2 ) M ( f , B1 ) M (B1 , B2 )

Pgina: 11 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Captulo 5. Sistemas de ecuaciones lineales

Conocimientos Previos: Vectores linealmente independientes: Un conjunto de vectores es linealmente independiente cuando ninguno de ellos es combinacin lineal de los dems. Sistemas generadores de vectores: Dado un conjunto de vectores de un espacio vectorial V, se llama subespacio engendrado por dicho sistema y se representa por C(S), al conjunto formado por todas las combinaciones lineales de los vectores de S. El conjunto S es el generador del subespacio C(S). Vectores base: Vectores que forman parte de la base. Dimensin de un espacio vectorial: el nmero de vectores de cualquiera de sus bases. Base de un espacio vectorial: Se dice que un sistema de vectores B es una base de V si es un sistema linealmente independiente de generadores de V. Teorema de la Base: (Vase pgina 6 Unidad Didctica I) Coordenadas de un vector respecto a la base: Dado un vector como combinacin lineal de los que forman la base, sus coordenadas sern los escalares que forman parte de la combinacin lineal. Siendo la base u1, u2, , sern las coordenadas del vector u, siendo v= u1+ u2.

Clasificacin de Sistemas: Definiciones Se llama sistema de m ecuaciones lineales con n incgnitas a un conjunto de ecuaciones de la forma: a11x1 + a12x2 + ... + a1nxn = b1 a21x1 + a22x2 + ... + a2nxn = b2 ............................................... am1x1 + am2x2 + ... + amnxn = bm en las que aij y bi son escalares de un cuerpo Ki y x1, x2, ..., xn son las incgnitas. Se llama solucin del sistema la n-upla (1, 2, ..., n) de elementos de K, tales que sustituidos en (x1, x2, ..., xn) verifican todas las ecuaciones. Un sistema de ecuaciones lineales en el que bi = 0 se llama homogneo. Enfoque vectorial Un sistema de ecuaciones tal como el del apartado 1, puede expresarse en forma matricial: AX = B

Pgina: 12 de 35

Algebra para informtica (U.N.E.D.) donde:

Unidad Didctica II

a11 a12 ... a1n b1 x1 a b x a 22 ... a 2 n 2 2 ; A = 21 X= ; B= ... ... ... ... ... ... a m1 a m2 ... a mn bn xn Por tanto, un sistema de m ecuaciones con n incgnitas puede interpretarse como la expresin de una aplicacin lineal: f : E F, de matriz asociada A donde E es un K-espacio vectorial de dimensin n y F un K-espacio vectorial de dimensin m y tal que la bsqueda de soluciones equivale a hallar vectores u = (x1, x2, ..., xn) E que se aplican en el vector b = (b1, b2, ..., bm) F. La discusin del sistema puede realizarse segn que b pertenezca o no al conjunto Im(f), de la siguiente forma: a) b Im(f). En este caso no existe u = (x1, x2, ..., xn) tal que f( u ) = b . El sistema no tiene solucin (sistema incompatible). b) b Im(f). Existen vectores u tales que f( u ) = b . El sistema tiene solucin (sistema compatible). Cabe ahora investigar si la solucin es o no nica (sistema determinado o indeterminado, respectivamente). En el caso particular de un sistema homogneo (AX = 0), la bsqueda de soluciones equivale al clculo del N(f), es decir, el ncleo de la aplicacin lineal de matriz A. En este caso, al ser N(f) 0, un sistema homogneo tiene al menos la solucin u = (0, 0, ..., 0). El problema de inters ahora es buscar si existen o no ms soluciones, lo que equivale a analizar si la aplicacin es o no inyectiva. Equivalencia de sistemas Dos sistemas de ecuaciones son equivalentes si tienen los mismos sistemas de soluciones. Proposicin: Sea un sistema de ecuaciones lineales de matriz A. Si en A se efectan operaciones elementales con las filas, la matriz obtenida corresponde a un sistema de ecuaciones equivalente al primero. Teorema de Rouch-Frobenius. Anlisis de las soluciones Teorema de Rouch-Frobenius Empleando notacin matricial AX = B para un sistema de ecuaciones lineales, se verifica: La condicin necesaria y suficiente para que el sistema AX = B sea compatible es que coincidan los rangos de la matriz A y de la matriz A|B que resulta de ampliar A con la columna matriz de los trminos independientes B. Es decir, Sistema AX = B compatible r(A) = r(A|B)

Pgina: 13 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Consecuencias: Si n = nmero de incgnitas del sistema, y el sistema es compatible: I) Si r(A) = r(A|B) = n el sistema es determinado. II) Si r(A) = r(A|B) < n el sistema es indeterminado. En el caso de sistema homogneo (AX = 0), al ser r(A) = r(A|0) es sistema es compatible. Ser: I) = n determinado (solucin nica u = (0, 0, ..., 0)). II) < n indeterminado.
Dado Ax = b un sistema de m ecuaciones con n incognitas, tiene solucin si: rango A = rango A* = n de incognitas (n) rango A = rango A* < n de incognitas (n) rango A < rango A* S. C. DETERMINADO S. C. INDETERMINADO S. INCOMPATIBLE

Ejemplos: Discutir, sin resolver, los siguientes sistemas de ecuaciones:

Puesto que rango (A) = 1 rango (A b) = 2, el sistema es incompatible; no existe ninguna solucin.

Ya que rango (A) = rango (A b) = 2 = nmero de incgnitas, el sistema es compatible y determinado; es decir, existe una nica solucin.

Pgina: 14 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Puesto que rango (A) = rango (A b) = 1 < nmero de incgnitas, el sistema es compatible e indeterminado; existen infinitas soluciones.

Mtodos de resolucin. Mtodo de Gauss Resolucin de ecuaciones lineales Se presentan algunos mtodos de inters: a) Mtodo general Sea el sistema AX = B de m ecuaciones con n incgnitas, compatible. Si r = r(A), existe una submatriz cuadrada de orden r obtenida de A, cuyo determinante es distinto de cero. Suponiendo que sea la matriz correspondiente a las r primeras filas y r primeras columnas (si no fuese as, se intercambiaran ecuaciones para ponerlas de esta forma). En ese supuesto, el sistema dado es equivalente al siguiente: a11x1 + ... + a1rxr = b1 (a1r+1xr+1 + ... + a1nxn) a21x1 + ... + a2rxr = b2 (a2r+1xr+1 + ... + a2nxn) .......................................................................... ar1x1 + ... + arrxr = br (ar r+1xr+1 + ... + ar nxn) donde se han pasado al segundo miembro las incgnitas que no intervienen en la matriz regular de orden r, y se han eliminado las ecuaciones que tampoco intervienen en la misma matriz. Este nuevo sistema, llamando parmetros a las incgnitas xr+1, ..., xn, es determinado. Se resolvera por cualquiera de los mtodos clsicos de reduccin o eliminacin. b) Sistema de Cramer Un sistema de ecuaciones se dice de Cramer si tiene igual nmero de ecuaciones que de incgnitas y la matriz del sistema es regular. Un sistema determinado puede reducirse a uno de Cramer siguiendo el procedimiento general indicado en el apartado anterior. Dado un sistema de Cramer AX = B, con A regular, su solucin es nica: xi = Ai A i = 1, 2, ..., n

Pgina: 15 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

donde Ai es la matriz que resulta de sustituir en A la columna i por el vector columna B de los trminos independientes. Dado un sistema COMPATIBLE DETERMINADO, tenemos que: Su expresion matricial es A X = B y al ser rg A = n |A| 0 y adems A tiene inversa A -1. As pues:
A-1 A X = A-1 B I X = A-1 B X = A-1 B X = ( 1/|A| At ) B xi = 1/|A| ( A1i b1 + A2i b2 +....+ An i bn )

De donde obtenemos la Regla de Cramer:

det(B, C2, C3,..., Cn) x1 = det |A| , x2 = det |A| det(C1, B, C3,..., Cn) , ....... xn = det |A| det(C1, C2, C3,..., B)

Ej.- Resolver el sistema x + y + z = 1 x - y + 3z = 3

x + y = 1 x y = 3 3. 1 1 A= 1 1 (1 ) 1 1 A* = 1 1 (3 3. )

por Cramer

Cambiamos z por y pasamos a la derecha

Resolvemos el sistema por Cramer y obtenemos: x = -2 +2 de modo que la solucin es {(-2 + 2, -1 + , ) ; R} {(2, -1, 0) + (-2, , ) ; R} y = -1 + y por ultimo extrayendo tenemos que las infinitas soluciones del sistema son: { ( 2, -1, 0 ) + < ( -2, 1, 1 ) > } Ejercicio: clculo de las incgnitas en un sistema de ecuaciones lineales Discutir y calcular el valor de las incgnitas de los siguientes sistemas de ecuaciones lineales:

a)

Calculamos a continuacin el rango de A y el rango de la matriz ampliada (A b): El rango de la matriz A ser:

Pgina: 16 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

El rango de la matriz ampliada (A b):

Dado que rango (A) = rango (A b) = 3 = nmero de incgnitas, el sistema es compatible y determinado; tiene, pues, una nica solucin. Resolvamos el sistema mediante la regla de Cramer: Calculamos el det (A):

Aplicando la regla de Cramer:

x = 68/23; y = -53/23; z = -42/23. c) Mtodo de Gauss Es un mtodo de fcil programacin y por tanto de sencilla resolucin con ayuda informtica. La idea del mtodo es aplicar a la matriz ampliada A|B del sistema, transformaciones elementales de las filas hasta conseguir una matriz A triangular, cuyo sistema asociado es fcilmente resoluble. Ej.- Resolvemos el sistema anterior por Gauss x + y +z = 0 x+y-z =0 3x + 3y + z = 0

Pgina: 17 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 e1 e2 = 0 0 2 3.e1 e3 = 0 0 2 e3 e2 = 0 0 2 = 3 3 1 3 3 1 0 0 2 0 0 0

x + y+ z = 0 z = 0 x = -y Solucin: < ( x, -x, 0 ) > ; x R

d) Mtodo de la matriz inversa Expresado el sistema en su forma matricial AX = B, podemos multiplicar ambos trminos de la igualdad por A1, resultando A1AX = A1B, o lo que es lo mismo, IX = A1B, luego X = A1B, que nos da la solucin del sistema, calculando la inversa de la matriz de los coeficientes y multiplicndola por la matriz de los trminos independientes. Sistemas homogneos Sistema homogneo asociado Dado un sistema lineal de ecuaciones AX = B, se denomina sistema homogneo asociado al resultante de hacer cero la matriz de trminos independientes AX = 0. Supngase que x1 y x2 son soluciones del sistema no homogneo. Entonces su diferencia, x1 x2, es una solucin del sistema homogneo asociado. A(x1 x2) = Ax1 Ax2 = B B = 0 Sean x e y dos soluciones particulares del sistema no homogneo, entonces existe una solucin h del sistema homogneo asociado tal que y = x + h. (Siendo x e y soluciones del sistema no homogneo, entonces h = y x es solucin del sistema homogneo asociado y por tanto y = x + h) Para hallar todas las soluciones de un sistema no homogneo, basta con hallar una solucin y todas las soluciones del sistema homogneo asociado. Ej.- Resolver el siguiente sistema homogeneo: x+y+z =0 2x + 2y +2z = 0 x+y-z =0 3x + 3y + z = 0 Primero eliminamos la segunda ecuacion porque es proporcional a la primera. Hallamos el determinante de A para saber el rango
1 1 1 1 1 1 = 0 3 3 1 rg ( A) < 3

Como C1 = C2 el rango es dos. Y al ser homogeneo Rg A = Rg A* = 2 < n.incognitas S.C.I

Pgina: 18 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Si resolvemos el sistema por igualacion tenemos x = - y por lo que la solucin es { ( x, -x, 0) : R} O lo que es lo mismo { < (1, -1, 0) > } = Ker ( f ) si tomamos el sistema como la ap. lineal f. Ecuaciones paramtricas e implcitas de un subespacio vectorial El conjunto de soluciones de un sistema homogneo es un subespacio vectorial (es el ncleo de una aplicacin). Las ecuaciones de dicho sistema se llaman ecuaciones implcitas o no paramtricas del subespacio vectorial solucin. En el caso de que el sistema tenga infinitas soluciones, dichas soluciones, en funcin de los parmetros correspondientes, se llaman ecuaciones paramtricas del subespacio vectorial. Al ser el nmero de parmetros a utilizar en la resolucin del sistema AX = 0, igual al nmero de incgnitas menos el rango de la matriz A, se verifica la siguiente relacin: Dimensin del subespacio = Nmero de incgnitas Nmero de ecuaciones independientes. Clculo de las ecuaciones de un subespacio vectorial Las ecuaciones paramtricas e implcitas de un subespacio vectorial, y el paso de un tipo a otro de ecuaciones se efecta de la siguiente manera: a) Conocida las ecuaciones implcitas; AX = 0 Se halla el rango de la matriz A, que sera el nmero de ecuaciones independientes. Se resuelve el sistema. Esa solucin en funcin de parmetros sern las ecuaciones paramtricas. b) Conocidas las ecuaciones paramtricas del subespacio Se eliminan los parmetros hasta obtener un nmero de ecuaciones independientes igual al nmero de incgnitas menos el nmero de parmetros.

Variedades lineales vectoriales

Introduccin Al trabajar con subespacios vectoriales se suelen encontrar expresiones del tipo: L = {(x1, x2, x3) R3 / x1 x2 + x3 = 0} Esta expresin significa que L es el subconjunto de los vectores de R3 cuyas coordenadas verifican la relacin x1 x2 + x3 = 0; a esta frmula la llamamos ecuaciones implcitas del subespacio vectorial. Resulta menos frecuente pero es as mismo muy interesante ver expresiones de un subespacio vectorial escrito de la siguiente forma: L = {(x1, x2, x3) R3 / (x1, x2, x3) = (1, 1, 0) + (0, 1, 1)} o lo que es lo mismo: L = {(x1, x2, x3) R3 / x1 = , x2 = + , x3 = } esta ltima expresin constituye las ecuaciones paramtricas del subespacio vectorial L. Es interesante observar que la ltima de las tres expresiones se dedujo de la segunda, desarrollando la igualdad vectorial y que dicha expresin quiere decir que cualquier

Pgina: 19 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

vector de L se puede escribir como combinacin lineal de dos vectores de R3 notables, (1, 1, 0) y (0, 1, 1) que pertenecen a L y tienen la propiedad de que a la vez de ser generadores de L, son linealmente independientes por lo que constituyen una base de L. Por tanto, B = {(1, 1, 0), (0, 1, 1)} son una base de L y la expresin (x1, x2, x3) = (1, 1, 0) + (0, 1, 1) es la ecuacin que expresa el conjunto de todos los vectores de L para los diferentes valores de los parmetros y . Es obvio pues que la dimensin de ese espacio es de dos y que el nmero de parmetros utilizados en la expresin es dos y que a su vez, considerada la ecuacin implcita del subespacio como un sistema de ecuaciones lineales homogneo de una ecuacin con tres incgnitas, su rango ser uno y, por tanto, el nmero de incgnitas a determinar sern dos, que es la diferencia entre el nmero de incgnitas, tres en este caso, y el rango de la matriz, uno en esta ocasin. Variedades lineales Hemos considerado hasta ahora el espacio vectorial Rn como el conjunto de las nuplas con nmeros reales de la forma (x1, x2, ..., xn) con xi R para i = 1, 2, ..., n. A este espacio tan notable como til le llamaremos Vn y escribiremos Vn = Rn, n 2. A los subespacios vectoriales de Vn les llamaremos variedades lineales. Cuando n = 2 nos queremos referir al plano vectorial V2, cuando n = 3, llamaremos a V3 el espacio vectorial o espacio, para no interferir con el concepto genrico. Es evidente que V2 y V3 tienen dimensiones 2 y 3 respectivamente por lo que pueden darse las siguientes situaciones: En el plano V2, consideremos L V2 una variedad lineal propia (es decir, L V2), entonces: Si dim L = 0, L = { 0 }. Si dim L = 1, L es una recta vectorial del plano V2. En el plano V3, consideremos L V3 una variedad lineal propia, entonces: Si dim L = 0, L = { 0 }. Si dim L = 1, L es una recta vectorial del espacio V3. Si dim L = 1, L es un plano vectorial del espacio V3. Dada una base {e1, e2 } de V2. Si L es una recta vectorial del plano V2 y v L con v 0 , entonces cualquier vector de L es de la forma v para todo que pertenece a R. Sea B = {e1, e2 , e3} una base de V3 a) Si L es una recta vectorial del espacio V3 y v L con v 0 , se tiene que u = v para cualquier que pertenece a R. b) Si L es un plano vectorial y v1, v2 L son linealmente independientes, se tiene que u = v1 + v2 para cualquier pareja (, ) R2.

Pgina: 20 de 35

Algebra para informtica (U.N.E.D.) Teorema

Unidad Didctica II

El conjunto de soluciones de un sistema homogneo de ecuaciones lineales con n incgnitas es un subespacio vectorial de Rn, de dimensin igual a n menos el rango de la matriz de los coeficientes del sistema. En efecto, consideremos el sistema de la forma vectorial Ax = 0 . Ser A una matriz m n donde m es el nmero de ecuaciones y n el de incgnitas y x es un vector n 1, es decir de n filas y una columna. Consideremos x1 y x2 dos soluciones del sistema. Evidentemente cualquiera que sea , R se verifica que: A(x1 + x2 ) = Ax1 + Ax2 = 0 pues Ax1 = 0 y Ax2 = 0 luego si x1 y x2 son soluciones, x1 + x2 es solucin, luego el conjunto de soluciones del sistema es una variedad lineal de Rn. Veamos si la dimensin de la variedad lineal de la soluciones es n r, siendo n el nmero de incgnitas y r el rango de la matriz A de los coeficientes del sistema. En efecto, si el rango de la matriz A de los coeficientes del sistema es r, eso significa que existen r ecuaciones del sistema (eventualmente puede coincidir con m) que son linealmente independientes y que podemos escribir: a11x1 + a12x2 + ... + a1rxr = a1r+1xr+1 ... a1nxn ............................................................................... ar1x1 + ar2x2 + ... + arrxr = arr+1xr+1 ... arnxn Si consideramos los valores: xr+1 = 1, xr+2 = 0, ..., xn = 0 xr+1 = 0, xr+2 = 1, ..., xn = 0 ............................................ xr+1 = 0, xr+2 = 0, ..., xn = 1 Obtenemos las soluciones x1, x2 , , xr correspondientes, que son linealmente independientes y evidentemente, cualquier otra solucin ser combinacin lineal de ellas, pues la solucin asociada a los valores: xr+1 = 1, xr+2 = 2, ..., xn = nr ser 1x1 + 2 x2 + + n r xr por lo que la dimensin de la variedad lineal de las soluciones del sistema es n r como queramos demostrar. Se puede demostrar que recprocamente, dada una variedad lineal de dimensin r, si x1, x2 , , xr es una base de la variedad lineal y x es un vector de dicha variedad, se verificar: rango L( x1, x2 , , xr , x ) = r ya que x necesariamente tendr que ser una combinacin lineal de los vectores de la base. Tambin podemos escribir:

Pgina: 21 de 35

Algebra para informtica (U.N.E.D.) x11 x 21 rango ... x n1 x12 x 22 ... x n2 ... x1r ... x 2 r ... ... ... x nr

Unidad Didctica II

x1 x2 =r ... xn Donde evidentemente el determinante de las r primeras filas y columnas es no nulo, pues los vectores x1, x2 , , xr son linealmente independientes. La condicin para que la matriz anterior tenga rango r es que con cada una de las n r filas restantes obtenemos al primer determinante aludido aadiendo as mismo la ltima columna y todos los determinantes as obtenidos iguales a uno, llegaremos as a n r ecuaciones homogneas que se denominan ecuaciones cartesianas del subespacio. Ejemplo: Consideremos una variedad lineal L de R4 que tiene por base los vectores (1, 2, 0, 3) y (1, 3, 1, 0), si (x1, x2, x3, x4) es otro vector de la variedad lineal, ser combinacin lineal de los vectores de la base, y se verificar: 1 2 rango 0 3 y adems 1 1 0 2 3 Por lo tanto, la condicin para que el rango de la matriz considerada sea 2, es que los dos menores que resultan de orlar el anterior determinante con las filas tercera y cuarta sean iguales a cero, es decir: 1 1 x1 1 1 x1 2 3 x2 = 0 ; 2 3 x2 = 0 0 1 x3 3 0 x4 y desarrollando ambos determinantes obtenemos: 2 x1 + x2 5 x3 = 0 9 x1 3x2 + 5x4 = 0 que son las ecuaciones cartesianas de la variedad lineal y quieren decir que si (x1, x2, x3, x4) L tendrn que verificar dichas ecuaciones. Caracterizacin de Variedades Lineales mediante ecuaciones paramtricas Sea un espacio vectorial V de dimensin n y un subespacio L de dimensin r que tiene como base los vectores B = {e1, e2 , , er } cuyas coordenadas sern: los vectores de la variedad lineal L se caracterizan por que si x L existirn r escalares 1, 2, ..., r tales que x = 1e1 + 2e2 + + r er bien su expresin desarrollada: Pgina: 22 de 35

1 x1 3 x2 = 2 1 x3 0 x4

ei = ( ei1, ei 2 ,

, ein ) i = 1, 2, ..., r

Algebra para informtica (U.N.E.D.) x1 = 1e11 + 2e21 + ... + rer1 x2 = 1e12 + 2e22 + ... + rer2 ...............................................

Unidad Didctica II

xn = 1e1n + 2e2n + ... + rern ecuaciones que caracterizan al subespacio L y se denominan ecuaciones paramtricas de la variedad lineal L. Resulta evidente que el nmero de parmetros de las ecuaciones paramtricas coincide con la dimensin del subespacio vectorial de procedencia. Como resumen podemos establecer que, dado un subespacio vectorial o variedad lineal L de dimensin r contenido en un espacio vectorial V de dimensin n, el subespacio vectorial est caracterizado por sus ecuaciones cartesianas, que sern n r ecuaciones homogneas linealmente independientes. Resolveremos el sistema, y la solucin consistir en expresar n r variables como combinacin de las restantes r variables. Si igualamos estas a r parmetros, obtenemos n variables como combinacin lineal de r parmetros que son las ecuaciones paramtricas. Recprocamente, para calcular las ecuaciones cartesianas o implcitas de la variedad lineal, a partir de las paramtricas, hay que llevar a cabo un proceso que se llama de eliminacin de parmetros. Eliminar los parmetros 1, 2, ..., r de un sistema de ecuaciones lineales, es hallar las relaciones que deben cumplir los coeficientes para que el sistema tenga solucin. O expresado de otra forma, considerando la expresin paramtrica como solucin de un sistema de ecuaciones lineales homogneas, buscar este sistema.

Ejemplo: Sea el subespacio L de R3 cuya ecuacin matricial es: x 1 2 0 1 0 Ax = x2 = = 0 1 3 2 0 x3 Como el rango de la matriz A es dos, y el nmero de incgnitas es tres, resulta: x1 + 2 x2 = 0 x1 + 3x2 + x3 = 0 que son las ecuaciones implcitas de la variedad lineal. Haciendo x2 = , es decir, parametrizando la coordenada x2 (como cualquier otra, pero solo una, pues n r es igual a uno en este caso), ser:

Pgina: 23 de 35

Algebra para informtica (U.N.E.D.) x1 = 2 x2 = R x3 = que son las ecuaciones paramtricas de la variedad lineal. Mtodos de eliminacin Mtodo matricial

Unidad Didctica II

Las ecuaciones paramtricas de una variedad lineal son un conjunto de ecuaciones lineales de la forma: x1 = x1(1, 2, ..., r) x2 = x2(1, 2, ..., r) ................................ xn = xn(1, 2, ..., r) cuya expresin matricial es A = x , donde y A es una matriz n r. Considerando el sistema de ecuaciones lineales en las incgnitas 1, 2, ..., r con los trminos independientes x1, x2, ..., xn, aplicando el teorema de Rouch-Frbenius, la condicin de compatibilidad resulta ser: rg[ A] = rg[ A x ] siendo [A| x ] la matriz ampliada de A con los trminos independientes x . Si rg[A] = r, existir una submatriz Ar r tal que |Ar r| 0, entonces la condicin analtica de la expresin rg[A| x ] = r la obtendremos obligando a que todos los menores obtenidos orlando a Ar r con una fila y una columna sean iguales a cero, como podemos adjuntar n r filas distintas, podemos enunciar: Si n ecuaciones paramtricas contienen r parmetros, la eliminacin de stos produce n r ecuaciones cartesianas. Veamos un ejemplo de este mtodo que es el ms seguro. El resto de los procedimientos constituyen artificios de clculo interesantes y podrn ser usados, cuidando de interpretar correctamente los resultados. Ejemplo: Sean las ecuaciones paramtricas: x1 = 1 + 2 x2 = 1 2 x3 = 21 2 x4 = 1 + 22 Escribindolas en forma matricial sern:

t = ( 1, 2 ,

, r ) y x t = ( x1 , x2 ,

, xn )

Pgina: 24 de 35

Algebra para informtica (U.N.E.D.) 1 1 x1 1 1 1 = x2 = x A = 2 1 2 x 3 1 2 x4

Unidad Didctica II

es evidente que A es de rango 2 y que una submatriz de 2 2 tiene por determinante A2 2 = luego la condicin de compatibilidad ser: 1 1 x1 1 1 x 2 rg[A] = 2 = rg[A| x ] = rg 2 1 x 3 1 2 x 4 y eso implica: 1 1 x1 1 1 x1 1 1 x2 = 0 y 1 1 x 2 = 0 2 1 x 3 1 2 x4 que desarrolladas sern: x1 + 3x2 2 x3 = 0 3x1 x2 2 x4 = 0 ecuaciones cartesianas implcitas de la variedad. Mtodo de igualacin Ejemplo: Sean las ecuaciones paramtricas x1 = 1 2 x2 = 1 + 2 x3 = 21 + 2 Despejamos uno de los parmetros, por ejemplo 1, ser: 1 1 = x1 + 2 = x2 2 = (x3 2) 2 que podemos escribir: x1 + 2 = x2 2 1 o tambin x 2 2 = ( x 3 2 ) 2 1 2 = ( x2 x1 ) 2 2 = 2 x2 x3 1 1 = 2 0 1 1

que no contiene 1. Por tanto, igualando ambas expresiones tenemos: 1 (x2 x1) = 2x2 x3 2 Pgina: 25 de 35

Algebra para informtica (U.N.E.D.) y operando, resulta: x1 3x2 2x3 = 0 que es la ecuacin cartesiana implcita de la variedad lineal. Mtodo de sustitucin

Unidad Didctica II

Consiste en despejar un parmetro de la primera ecuacin e introducirlo en las restantes. Si eran n ecuaciones y r parmetros, tendremos ahora n 1 ecuaciones con r 1 parmetros. Continuando el proceso llegamos a tener n r ecuaciones sin parmetros. Estas ltimas serian las ecuaciones implcitas cartesianas de la variedad. Mtodo de reduccin Consiste en aplicar el mtodo de Gauss al sistema de ecuaciones en los parmetros, hasta conseguir un nuevo sistema de ecuaciones sin parmetros.

Pgina: 26 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Capitulo 6. Diagonalizacin de matrices. Formas cuadrticas.

Conocimientos previos: Aplicacin lineal: Dados dos espacios vectoriales E y F sobre el cuerpo K, se llama aplicacin lineal u homomorfismo entre E y F, cuando para cualquier par de vectores u, v y todo escalar se cumple: F(u+v) = f(u) + f(v) F(u) = f(u) Endomorfismo: Aplicacin de tipo f: EE Matriz regular: Se llaman matrices singulares a aquellas cuyo determinante es cero, y regulares si es distinto de cero. Relacin de Equivalencia. Clases de Equivalencias:

Matriz simtrica y antisimtrica: Matriz simtrica es una matriz cuadrada en la que los elementos situados simtricamente respecto de la diagonal principal son iguales. Matriz antisimtrica es una matriz cuadrada que tenga los elementos situados simtricamente respecto de la diagonal principal iguales y con signo contrario, siendo los elementos de sta nulos.

Diagonalizacin de Matrices
Introduccin En este captulo se analizan las expresiones analticas de un mismo endomorfismo respecto de diferentes bases, en este caso las matrices correspondientes son semejantes entre si, y todas ellas pertenecen a una clase de equivalencia. Se busca que en esta clase exista una matriz diagonal y en su caso la matriz asociada al cambio de base, respecto a la cual la expresin analtica del endomorfismo es diagonal. Como se ver, no siempre todas las matrices de una clase son semejantes a una matriz diagonal. En este captulo se estudian las condiciones necesarias y suficientes para que una matriz sea diagonalizable. Valores y vectores propios de una aplicacin lineal Sea f : V V una aplicacin lineal sobre el espacio vectorial V. Se define: Autovalor o valor propio de f es todo escalar tal que existe un vector u V no nulo para el que f( u ) = u . Autovector o vector propio de f, correspondiente al autovalor es todo vector u no nulo de V tal que f( u ) = u . Valores y vectores propios de una matriz cuadrada Al ser toda matriz cuadrada A representante de una aplicacin lineal f : V V, se define valor y vector propio de A el valor y vector propio de la aplicacin asociada. En forma matricial: autovalor de A X 0 tal que AX = X X 0, X autovector de A R tal que AX = X Pgina: 27 de 35

Algebra para informtica (U.N.E.D.) Ecuacin caracterstica

Unidad Didctica II

Para una matriz cuadrada A, los vectores propios asociados al valor , son las soluciones de la ecuacin matricial: (A I)X = 0 La ecuacin: | A I | = 0 se llama ecuacin caracterstica de A, sus soluciones son los autovalores de A. El polinomio en : | A I | se llama polinomio caracterstico de A. Subespacios propios Para cada autovalor de de A, el conjunto X de autovectores asociado se obtiene resolviendo el sistema resultante de la ecuacin: (A I)X = 0. Para cada ese conjunto es un subespacio vectorial que se llama subespacio propio asociado a . Se denota L, y su dimensin es: dm L = n rg(A I) donde n = orden de A. Proposicin: Si 1, 2, ..., p son autovalores de una matriz de orden n, distintos dos a dos, el sistema {X1, X2, ..., Xn}, donde Xi es vector propio asociado a i, es un sistema libre. Si adems p = n, el sistema es una base del espacio vectorial V de definicin de la aplicacin asociada a A. Semejanza de matrices Dos matrices A y B son semejantes si existe una matriz P regular, tal que: B = P-1AP (P = matriz de paso) Algunas propiedades de inters: Si A y B son semejantes |A| = |B|. Si A y B son semejantes, tambin lo son An y Bn. Las matrices asociadas a un endomorfismo en diferentes bases, son semejantes. Si A y B son semejantes, tienen la misma ecuacin caracterstica y, con ello, los mismos autovalores con el mismo orden de multiplicidad en ella. Diagonalizacin de matrices Una matriz cuadrada A de orden n se dice diagonalizable si, y solo si, es semejante a una matriz D diagonal. Es decir, si existe una matriz P, regular, tal que D = P-1AP. Diagonalizar una matriz es el proceso de encontrar la matriz D diagonal semejante y la matriz P de paso. Teorema de caracterizacin de matrices diagonalizables: Una matriz A de orden n, con nmeros reales, es diagonalizable si, y solo si, admite n vectores propios linealmente independientes. Esto sucede cuando: 1. La ecuacin caracterstica tiene n races reales (iguales o no). 2. El orden de multiplicidad de cada autovalor en la ecuacin caracterstica coincide con la dimensin del subespacio propio asociado.

Pgina: 28 de 35

Algebra para informtica (U.N.E.D.) Proceso de diagonalizacin. Su clculo

Unidad Didctica II

Sea A matriz de orden n diagonalizable. Si 1, 2, ..., r, son los autovalores con ordenes de multiplicidad 1, 2, ..., r, respectivamente (1 + 2 + ... + r = n), entonces la aplicacin lineal f, de matriz asociada A, tiene tambin asociada en una cierta base la matriz diagonal D cuya diagonal principal es
1
 

2
 

( 1 ,

, 1 , 2 ,

, 2 ,

, r ,

, r )

La matriz de paso P es la que tiene por columnas: Las 1 primeras, los vectores de una base del subespacio asociado a 1. Las 2 siguientes, los vectores de una base del subespacio propio asociado a 2, y as sucesivamente. Ese conjunto de vectores propios que forman las columnas de P son la base donde f tiene asociada la matriz D. Este proceso de diagonalizacin se llama por semejanza. Ejemplo: Dada la matriz 3 1 0 A = 1 2 1 0 1 3 calcularemos los valores propios, los vectores propios correspondientes, la matriz diagonal y la matriz de paso. La ecuacin caracterstica ser: 3 |A I| = 1 0 1 0 2 1 = (3 )[2 5 + 4] 1 3

cuyos autovalores son 1 = 1, 2 = 3, 3 = 4. Para calcular los vectores propios correspondientes a cada un de ellos, tenemos la ecuacin matricial (A I) = 0 , y siendo u1 u = u2 u3 resultar, para 1 = 1: 2 1 0 u1 1 1 1 u2 = 0 1 2 u3 0 2u1 u2 = 0 2u1 u2 = 0 0 u1 + u2 u3 = 0 u2 + 2u3 = 0 0 u2 + 2u3 = 0

u1 = , u2 = 2, u3 = ; R o bien escribiendo L1 = {(, 2, ), R}. La base de L1 ser (1,2,1). Para 2 = 3:

Pgina: 29 de 35

Algebra para informtica (U.N.E.D.) 0 1 0 u1 1 1 1 u2 = 0 1 0 u3

Unidad Didctica II 0 u2 = 0 0 u + u + u = 0 1 2 3 0

u1 = , u2 = 0, u3 = ; R o bien escribiendo L2 = {(, 0, ), R}. La base de L2 ser (1,0,1). Para 3 = 4: 1 1 0 u1 0 u1 + u2 = 0 u1 + u2 = 0 1 2 1 u2 = 0 u1 + 2u2 + u3 = 0 u2 + u3 = 0 0 1 1 u3 0 u2 + u3 = 0 u1 = , u2 = , u3 = ; R o bien escribiendo L3 = {(, , ), R}. La base de L3 ser (1,1,1). La matriz diagonal se compone colocando los autovalores en la diagonal de una matriz, con el resto de los trminos igual a 0, y la matriz de paso formando una matriz cuyas columnas son los las bases de cada uno de los vectores propios: 1 0 0 D = 0 3 0 0 0 4 1 1 1 P = 2 0 1 1 1 1

Para comprobar la correccin de la solucin debera verificarse que D = P-1AP. Matrices simtricas Si la matriz A es simtrica, en la diagonalizacin existen ciertas caractersticas: a) Los autovalores son todos reales. b) Verifican el teorema de caracterizacin de matrices diagonalizables. c) La base de vectores propios es ortogonal. Matriz ortogonal Dividiendo cada vector de la base ortogonal por su mdulo se obtiene una base ortonormal (ortonormalizacin). La matriz cuadrada que tiene por columnas (o filas) un sistema ortogonal se llama Matriz ortogonal y verifica: A ortogonal A' = A-1 Diagonalizacin ortogonal Toda matriz real y simtrica es ortogonalmente diagonalizable, es decir: A simtrica P ortogonal tal que D = P-1AP es diagonal Formas bilineales sobre un espacio vectorial Sea V un espacio vectorial sobre un cuerpo K. Una forma bilineal sobre V es una aplicacin f : V V K, tal que: Pgina: 30 de 35

Algebra para informtica (U.N.E.D.) 1. f (u1 + u2 , v ) = f ( u1, v ) + f ( u2 , v ) 2. f ( u ,v1 + v2 ) = f ( u , v1 ) + f ( u , v2 )

Unidad Didctica II

Si el cuerpo K = R (reales), la forma bilineal se dice real. Una forma bilineal se dice simtrica si f ( u , v ) = f ( v , u ) , u , v V . Una forma bilineal se dice alternada si f ( u , u ) = 0 , u V . (Esta definicin es equivalente a: f ( u , v ) = f ( v , u ) , u , v V ). Ejemplo: La aplicacin f:R2R2 R, que a cada par de vectores x = ( x1, x2 ) , y = ( y1, y2 ) le asigna el valor f ( x , y ) = f [ ( x1 , x2 ),( y1 , y2 )] = 3x1 y1 6 x1 y2 + 5x2 y1 + 4 x2 y2 es una forma bilineal sobre R2. Ntese que esta forma bilineal se puede expresar matricialmente poniendo: 3 6 y1 f ( x , y ) = [ x1 x2 ] 5 4 y2

Expresin matricial de una forma bilineal Sea f:VVR una forma bilineal sobre V de dimensin n, y sea B = {e1, e2 , , en } una base de V. Si u = ( x1, x2 , , x n ) , v = ( y1, y2 , , yn ) son las coordenadas de ambos vectores en la base B, la imagen f ( u , v ) puede expresarse: f ( u , v ) = [ x1 x 2
    

donde: Xt = matriz fila de las coordenadas de X en B. Y = matriz columna de las coordenadas de Y en B. A = matriz asociada a f en la base B. Cada aij de A en la base B verifica aij = f ( ei , e j ) ; i, j = 1, 2, ..., n Por tanto, una forma bilineal f en una base B queda determinada conociendo la imagen por f de cada par de vectores de B. Se dice que A es la matriz (de Gram) de la forma bilineal f en la base B. La correspondencia f A es un isomorfismo del espacio vectorial (V), de las formas bilineales sobre el espacio V de dimensin n, en el espacio vectorial Mn, de las matrices cuadradas n x n. Consecuencia: Una forma bilineal f de matriz asociada A es: Pgina: 31 de 35


an2

 

a11 a 21 xn ] a n1


a12 a 22

a1n y1 a2 n y2 = XtAY a nn y n

Algebra para informtica (U.N.E.D.) Simtrica si A simtrica Alternada si A es antisimtrica.

Unidad Didctica II

Ejemplo: Sea f:R3 R3 R la forma bilineal definida por f((x1,x2,x3),(y1,y2,y3)) = 2x1y1 3x1y2 + x2y1 + 6x1y3 + 4x3y2 x3y3 La expresin matricial de f en la base cannica de R3 es: 2 3 6 y1 x 3 1 0 0 y 2 = XtAY 0 4 1 y 3

f((x1,x2,x3),(y1,y2,y3)) = x1

x2

La matriz A' de f en la nueva base ( u1, u2 , u3 ) , donde u1 = (2,0,0), u2 = (1,2,0) y u3 = (-3,1,1), ser: f (u1 , u1 ) A' = f (u2 , u1 ) f (u3 , u1 ) f (u1 , u2 ) f (u2 , u2 ) f (u3 , u2 ) f (u1 , u3 ) f ( u2 , u3 ) = f ( u3 , u3 ) 8 8 6 2 9 8 10 21 9

Cambio de base en una forma bilineal



Sea f : V V R una forma bilineal y B = {e1, e2 , , en } ; B' = {e '1 , e '2 , bases de V, tales que: e '1 = a11e1 + a12e2 + + a1n en = (a11, a12, ..., a1n) en B ................................................................................ e ' n = an1e1 + an2e2 +


, e 'n } dos

+ annen = (an1, an2, ..., ann) en B

Si A y A' son las matrices de f en las bases B y B', respectivamente, se verifica: A' = P tAP donde P es la matriz que tiene por columnas las coordenadas de los vectores de B' expresadas en B. Es decir, a11 a 12 P= ... a1n Matrices congruentes Dos matrices A y B cuadradas del mismo orden se dicen congruentes si existe una matriz regular P tal que: A = PtBP Las matrices A y A' de una forma bilineal sobre dos bases diferentes, son congruentes. Pgina: 32 de 35 a 21 a 22 ... a2n ... a n1 ... a n 2 ... ... ... a nn

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Vectores conjugados respecto a una forma bilineal simtrica. Ncleo Dos vectores u , v son conjugados respecto una forma bilineal simtrica f, si: f (u , v ) = 0 Un vector u es conjugado con un subespacio S respecto de f si lo es con todos los vectores de S. u conjugado con S u conjugado con S f ( u , v ) = 0; v S

Si B es base de S, la anterior definicin es equivalente a: f ( u , v ) = 0; v B siendo B = base de S

Se llama ncleo de una forma bilineal simtrica f : V V R, el conjunto de vectores de V conjugados con todos los de V. N(f) = { u V tal que f ( u , v ) = 0; v V } Al ser f ( u , v ) = X t AY = 0 N(f) = {Y tal que AY = 0} Una forma bilineal simtrica se dice degenerada si N(f) = 0, es decir, cuando: rg(A) < n (n = dm V)

Formas cuadrticas
Definicin Sea V un espacio vectorial real y f : V V R una forma bilineal sobre V. Se llama forma cuadrtica asociada a f, la aplicacin q : V R definida por q( u ) = f ( u , u ) para todo u V Forma polar asociada a una forma cuadrtica De la definicin de forma cuadrtica se deduce que existe una sola forma cuadrtica asociada a una forma bilineal dada. El recproco no es cierto, existen diferentes formas bilineales asociadas a una forma cuadrtica. De todas ellas una sola es simtrica y se llama Forma polar de la forma cuadrtica. As, si q : V R es una forma cuadrtica, su forma polar est definida: 1 f : V V R tal que f ( u , v ) = [ q( u + v ) q( u ) q( v )] 2 Propiedades de las formas cuadrticas Si q : V R es la forma cuadrtica asociada a f : V V R; a) q( u ) = f ( u , u ) = 2 f ( u , u ) = 2 q( u ) b) q( q( 0 ) = 0 ) = 0 c) q( u + v ) = f ( u + v , u + v ) = q(u ) + q( v ) + f ( u , v ) + f ( v , u )

Pgina: 33 de 35

Algebra para informtica (U.N.E.D.) Formas cuadrticas definidas

Unidad Didctica II

En toda forma cuadrtica es q( 0 ) = 0 . Ahora bien, podra haber otros vectores u V tales que q( u ) = 0 . Una forma cuadrtica, q : V R se dice definida si q definida

[ q( u ) = 0 u = 0]

Expresin matricial de una forma cuadrtica Si f : V V R es una forma bilineal de matriz A en una base B, ser: f ( u , v ) = X t AY La forma cuadrtica asociada a f, en la misma base de V ser: q( u ) = f (u , u ) = X t AX Ahora bien, al existir diferentes formas bilineales asociadas a q, se define: Matriz de una forma cuadrtica la matriz de su forma polar asociada. Esta matriz ser, por lo tanto, simtrica. Cambio de base en una forma cuadrtica Si q( u ) = X t AX es la expresin de una forma cuadrtica en la base B, y es P la matriz que expresa en columnas las coordenadas de los vectores de una nueva base B' en B, la expresin de q en B' ser: q( u ) = X t AX siendo A' = P tAP Las dos matrices A y A' son, por tanto, congruentes. Por tanto, dos matrices cuadradas del mismo orden con congruentes si lo son de una misma forma cuadrtica en dos bases distintas. Diagonalizacin de una forma cuadrtica Diagonalizar una forma cuadrtica consiste en encontrar una base respecto de la cual la matriz sea diagonal. Su expresin, en esa nueva base, quedar reducida a una suma de cuadrados Proposicin: En toda forma cuadrtica q : V R existe alguna base de V donde la matriz asociada a q es diagonal. Rango y signatura de una forma cuadrtica El rango de una forma cuadrtica es el rango de su matriz rg(q) = rg(A) Signatura de una forma cuadrtica q : V R se llama al par (p, m) donde p es el nmero de elementos positivos que posee la diagonal de la matriz diagonal asociada a q, y m los negativos. Se designa sg(q) y se verifica: p + m = rg(q)


2 q( u ) = a11x12 + a22 x2 +

2 + ann xn

Pgina: 34 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica II

Teorema de Silvester: El nmero de elementos positivos que hay en la matriz diagonal de cualquiera de las matrices diagonales asociadas a una forma cuadrtica dada, es el mismo. Tanto el rango como la signatura de una forma cuadrtica son invariantes expresada la forma en cualquier base. Proceso de diagonalizacin Hay diversas formas de diagonalizar una forma cuadrtica e incluso la misma matriz asociada diagonal no es nica. Las formas distintas son las mismas de la diagonalizacin de matrices simtricas. Clasificacin de las formas cuadrticas Sea q : V R forma cuadrtica, donde dmV = n. La forma cuadrtica puede ser: 1. Definida positiva. Si q( u ) > 0; u V , u 0. 2. Definida negativa. Si q( u ) < 0; u V , u 0. 3. Semidefinida positiva. Si q( u ) 0; u V , u = 0 tal que q(u ) = 0 . 4. Semidefinida negativa. Si q( u ) 0; u V , u 0 tal que q(u ) = 0 . 5. Indefinida. Si u1, u2 V tal que q( u1 ) > 0; q( u2 ) < 0 . Una forma cuadrtica puede clasificarse haciendo uso de su diagonalizacin y recordando que tanto el rango como la signatura son invariantes. As: 1. Definida positiva: sg(q) = (n, 0); rg(q) = n o bien, cuando todos los autovalores son positivos. 2. Definida negativa: sg(q) = (0, n); rg(q) = n o bien, cuando todos los autovalores son negativos. 3. Semidefinida positiva: sg(q) = (r, 0); rg(q) = r < n los autovalores son mayores que cero, con alguno de ellos cero. 4. Semidefinida negativa: sg(q) = (0, r); rg(q) = r < n los autovalores son negativos, con alguno de ellos cero. 5. Indefinida: Restantes casos. Los autovalores son positivos y negativos.

Pgina: 35 de 35

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

Unidad Didctica III.

Podemos distinguir dos partes, una donde se estudia el espacio Afn y el espacio Eucldeo, y una segunda parte entorno a la programacin Lineal. En la primera parte, adems de los vectores del espacio vectorial se estudian otras nociones como distancias, puntos, ngulos..., y esto nos permite llegar al espacio Afn y el espacio Eucldeo. La programacin Lineal y el Mtodo Simplex son un buen mtodo para aplicar los conocimientos adquiridos.

Captulo 7. El Espacio Afn

Conocimientos previos: Espacio vectorial: Ver tema 1. Base de un espacio vectorial. Base ortonormada. Funcin inyectiva y biyectiva: Isomorfismo Producto cartesiano Relacin de Equivalencia, Clase de Equivalencia Propiedad transitiva, reflexiva y simtrica.

Espacio afn Sea E un conjunto E = {P, Q, R, ...} cuyos elementos se llamarn puntos y sea V un K-espacio vectorial. Se dice que E es un espacio afn asociado a V, si se define una aplicacin: f:EEV tal que a cada par de puntos (P, Q) le haga corresponder un vector v V que se le denominar v = PQ (es decir: f(P,Q) = v = PQ ) y que verifique: 1 P E, v V ; Q E tal que f(P,Q) = v = PQ ) 2 f(P,Q) = 0 P = Q 3 P, Q, R E, tales que PR = PQ + QR f(P, R) = f(P, Q) + f(Q, R) La dimensin del espacio afn es la dimensin del espacio vectorial asociado. Se denota E2 el espacio de puntos en el plano asociado al espacio vectorial R2 sobre R. De igual forma, E3 es el espacio de puntos asociado al espacio vectorial R3 sobre el cuerpo R.

Pgina: 1 de 22

Algebra para informtica (U.N.E.D.) Referencia afn

Unidad Didctica III

Sea E un espacio afn asociado al espacio vectorial V, de dimensin n. El conjunto R = {O, u1, u2 , , un } , donde O E y B = {u1, u2 , , un } es una base de V, se llama referencia afn de E. Un punto P E tiene de coordenadas en R las que el vector OP tiene en la base vectorial B. Es decir: P(p1, p2, ..., p3) en R OP = (p1, p2, ..., p3) en B En E2 la referencia usual es: R = {O, u1 , u2} ; donde O = (0,0); u1 = (1,0); u2 = (0,1) En E3 ser: R = {O, u1, u2 , u3} ; donde O = (0,0,0); u1 = (1,0,0); u2 = (0,1,0); u3 = (0,0,1); Ecuaciones de una recta Una recta es un subespacio de dimensin 1 en un espacio afn. Se determina por: a) Un punto y una direccin (vector de direccin de la recta). b) Dos puntos no coincidentes. Cada caso se hallara de la siguiente manera. Supongamos E2. a) Si el punto es P = (a, b) y la direccin d = (d1, d2), la recta r puede expresarse de las siguientes formas: Ecuacin vectorial: OX = OP + d ; donde x = (x, y) r. Ecuaciones paramtricas: x = a + d1 y = b + d2 Ecuacin continua: xa yb = d1 d2 Ecuacin cartesiana: Ax + By + C = 0; donde A = d2; B = d1; C = d2a d1b b) La recta que contiene los puntos P = (a, b) y Q = (c, d) es la recta que tiene como direccin d = PQ = (c a, d b). Se reduce al caso anterior. Si el espacio afn es E3 las ecuaciones sern similares con tres coordenadas. No tendra una expresin la ecuacin cartesiana, su correspondiente es la expresin de una recta como interseccin de dos planos. Posiciones relativas de dos rectas en E2 Sean las rectas r y s de direcciones respectivas d r = (u1, u2) y d s = (v1, v2): 1. Si d r = k d s u1 v1 = r y s paralelas. u2 v2

2. Si d r = k d s y adems P r es P s r y s coincidentes. Pgina: 2 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

3. Si d r k d s r y s se cortan en un punto solucin del sistema de ecuaciones cartesianas de ambas. Si las rectas vienen expresadas por su ecuacin cartesiana, se verifica: Interseccin de dos rectas: Dadas dos rectas r y s cuyas ecuaciones generales son r : a1x + a2y + a0 = 0 y s : b1x + b2y + b0 = 0, y llamando M y M' a las matrices: a1 M= b1 a2 a1 y M ' = b b2 1 a2 b2 a0 b0

rg[M] = 2 r s consta de un solo punto (r y s son secantes). rg[M] = 1 y rg[M'] = 2 r s = y las rectas son paralelas. rg[M] = rg[M'] = 1 las rectas coinciden (son la misma). Interseccin de tres rectas: Dadas las siguientes rectas r, s y t, y llamando M y M' a las matrices que abajo se sealan r : a1x + a2y + a0 = 0 s : b1x + b2y + b0 = 0 t : c1x + c2y + c0 = 0 a1 M = b1 c1 a1 a2 b2 y M ' = b1 c1 c2 a2 b2 c2 a0 b0 c0

rg[M'] = 3 r s t = y forman tringulo o dos son paralelas. rg[M] = rg[M'] = 2 r s t consta de un solo punto. rg[M] = 1 y rg[M'] = 2 r s t = (son paralelas y no coinciden las tres) rg[M] = rg[M'] = 1 las tres rectas coinciden (son la misma). Haz de rectas de vrtice P Si las rectas r y s se cortan en un punto P = (a, b), la ecuacin r + s = 0 ; , R donde r y s representan las ecuaciones cartesianas respectivas, es la del conjunto de rectas de E2 que pasan por P (haz de rectas de vrtice P). Para cada valor de y real se obtiene una recta del haz. r P s

Pgina: 3 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

Ejercicio: Hallar la recta t que es paralela a r y pasa por la interseccin de s1 y s2, siendo r, s1 y s2 las rectas de ecuaciones generales r : 3x + 2y + 5 = 0; s1 : x + 2y +1 = 0; s2 : 2x + y = 7 Solucin: La recta t, como pasa por la interseccin de s1 y s2, pertenece al haz que estas definen, luego: t : (x + 2y +1) + (2x + y 7) = 0 para un cierto R Dado que t y r son paralelas, tendrn proporcionales los coeficientes de x e y: 1 + 2 2 + = , luego = 4 y t : 3x + 2y = 9. 3 2 Ecuaciones de un plano Un plano es un subespacio de dimensin 2 en un espacio afn. Puede determinarse por: a) Un punto y dos vectores contenidos. b) Tres puntos no alineados. c) Un punto y un vector perpendicular (vector director o direccin del plano). Se hallara de la siguiente manera: a) Si el punto es P = (a, b, c), y los vectores contenidos: u = (u1, u2, u3) y v = (v1, v2, v3); el plano puede expresarse por las siguientes ecuaciones: Ecuacin vectorial: OX = OP + u + v ; donde X R. Ecuaciones paramtricas: Si X = (x, y, z) x = a + u1 + v1 y = b + u2 + v2 z = c + u3 + v3 Ecuacin cartesiana: x a u1 y b u2 z c u3 v1 v2 = 0; A(x a) + B(y b) + C(z c) = 0 v3 u2 u3 v2 u ; B= 1 v3 u3 v1 u ;C= 1 v3 u2 v1 v2

donde A, B, C sern los menores: A=

b) El plano que contiene los tres puntos: P1 = (a1, b1, c1); P2 = (a2, b2, c2); y P3 = (a3, b3, c3) ser el plano que contiene como vectores, por ejemplo, PP2 y 1 PP , y contiene a un punto cualquiera de los tres dados. 1 3

Pgina: 4 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

c) El plano que contiene al punto P = (a, b, c) y tiene como vector de direccin d = (A, B, C) tiene la ecuacin cartesiana A(x a) + B(y b) + C(z c) = 0 Las restantes ecuaciones pueden hallarse eligiendo tres puntos cualesquiera y procediendo como en el caso b) anterior.

Posiciones relativas de dos planos en E3 Sean los planos 1 y 2 de ecuaciones: 1 = A1x + B1y + C1z + D1 = 0; 2 = A2x + B2y + C2z + D2 = 0 Analizando las soluciones del sistema formado por ambas, utilizando el teorema de Rouch se obtiene: A1 B1 [M | N] = A2 B2 C1 | D1 C2 | D2

1. Si r[M] = r [M | N] = 1 Planos coincidentes Esto sucede cuando: A1 B1 C1 D1 = = = A2 B2 C2 D2 2. Si r[M] = 1; r[M | N] = 2 Planos paralelos Esto sucede cuando: A1 B1 C1 = = A2 B2 C2 Es decir, cuando el vector de direccin coincide en ambos planos. 3. Si r[M] = r[M | N] = 2 Los planos se cortan segn una recta.

Ecuacin de una recta como interseccin de planos Toda recta en E3 puede expresarse como interseccin de dos planos. La recta: r x a y b z c = = d1 d2 d3

resolviendo dos de las tres igualdades, resulta: d2 ( x a ) d1 ( y b) = 0 r d3 ( x a ) d1 ( z c ) = 0 que es la ecuacin de dos planos cuya interseccin es la recta r. Haz propio de planos de eje la recta r Dados los planos: A1x + B1y + C1z + D1 = 0 A2x + B2y + C2z + D2 = 0 Pgina: 5 de 22

Algebra para informtica (U.N.E.D.) que se cortan segn la recta r, la ecuacin:

Unidad Didctica III

(A1x + B1y + C1z + D1) + (A2x + B2y + C2z + D2) = 0; , R

representa el conjunto de planos que contienen a r. Para cada par de valores , se obtiene uno de ellos. Ese conjunto se llama haz propio de planos de eje r.

Haz de planos paralelos a uno dado Dado un plano de ecuacin: Ax + By + Cz + D = 0 La ecuacin Ax + By + Cz + = 0, representa para cada R, un plano paralelo a . El conjunto de todos ellos se llama haz impropio de planos paralelo a .

Posicin relativa de tres planos en E3 Dados tres planos 1, 2, 3 de ecuaciones: 1 A1x + B1y + C1z + D1 = 0 2 A2x + B2y + C2z + D2 = 0 3 A3x + B3y + C3z + D3 = 0 Sus posiciones relativas se obtendrn del anlisis del sistema de matrices: A1 B1 C1 | D1 [M | N] = A2 B2 C2 | D2 A B C | D 3 3 3 3 a) Si r[M] = r[M | N] = 1 Los tres planos son coincidentes. b) Si r[M] = 1; r[M | N] = 2 Tres planos paralelos o dos planos coincidentes y el otro, paralelo. c) Si r[M] = r[M | N] = 2 Se cortan segn una recta r (forman haz propio).

Pgina: 6 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

d) Si r[M] = 2; r[M | N] = 3 Se cortan dos a dos (forman prisma) o dos paralelos cortados por el otro. e) Si r[M] = r[M | N] = 3 Se cortan en un solo punto (forman triedro).

Pgina: 7 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

Captulo 8. El problema de la Programacin Lineal

Conocimientos previos: Ecuacin de una recta Representacin en sistemas de coordenadas cartesianas Resolucin de sistemas de ecuaciones lineales

Conjuntos convexos: Definiciones Sea E un espacio afn real de n-dimensiones, asociado a un espacio vectorial V. a) Combinacin convexa Se dice que un punto P de E es combinacin convexa de los puntos A1, A2, ..., Am de E si existen nmeros reales positivos 1, 2, ..., m tales que para un punto O de E: OP = 1 OA1 + 2 OA2 + ... + m OAm ; 1 + 2 + ... + m = 1 Esta definicin es independiente del punto O elegido. Puede abreviarse P = 1A1+ 2A2+ ... + mAm; 1 + 2 + ... + m = 1 b) Conjunto convexo Un conjunto F de E se dice convexo si para todo par de puntos A, B, de F, toda combinacin convexa de A y B pertenece a F. F convexo A, B F ; P = 1A + 2B F con 1 + 2 = 1 De una manera sencilla: Un conjunto es convexo cuando para todo par de puntos, el segmento que los une est incluido en dicho conjunto. Segmento de extremos A y B

c)

Dados dos puntos A y B de E, se llama segmento de extremos A, B al conjunto: [A, B] = {P E tales que P = A + (1)B, R, 0 1} De esta definicin se deduce que: Proposicin 1: Un punto P E es combinacin convexa de A y B si P pertenece al segmento de extremos A y B. Proposicin 2: Un subconjunto F E es convexo si para todo par A, B de puntos de F, el segmento [A, B] tambin pertenece a F. d) Extremo Un punto P de un conjunto convexo F de E recibe el nombre de extremo, si P no puede ser expresado como combinacin convexa de otros dos puntos de F distintos de P. Es decir, si P no pertenece a ningn segmento que tenga por extremos dos puntos distintos de P. e) Variedad convexa Dado un conjunto S de puntos de E, el conjunto de todas las combinaciones convexas de puntos de S se llama variedad convexa de S. Es el conjunto convexo ms pequeo que contiene a S. Se representa por V(S).

Pgina: 8 de 22

Algebra para informtica (U.N.E.D.) f) Convexo de soluciones

Unidad Didctica III

Es el recinto del plano que satisface simultneamente cada una de las desigualdades lineales del sistema.. Un convexo de soluciones es de rea finita cuando la poligonal que lo delimita es cerrada y es de rea infinita cuando dicha poligonal es abierta. Desigualdades lineales En general, los puntos que satisfacen una desigualdad lineal a11x1 + a12x2 + ... + a1nxn b1 definen un semiespacio en el espacio n-dimensional. As, la desigualdad a11x1 + a12x2 b define un semiplano en el espacio afn E2. El conjunto de puntos solucin del sistema de desigualdades: a11x1 + a12x2 + ... + a1nxn b1 ................................................ am1x1 + am2x2 + ... + amnxn bm es un conjunto convexo. Ejemplo: Graficar el conjunto de puntos que satisfacen la desigualdad x + y 3. Comenzamos por graficar x + y = 3. Los puntos del plano que la satisfacen son los que se hallan sobre la recta correspondiente, pero tambin estamos buscando los puntos que cumplen la desigualdad x + y > 3, o lo que es lo mismo, y > x + 3, por lo que el conjunto solucin de la desigualdad dada es el semiplano que est por encima de la recta incluyndola. y
3

Ejemplo: Graficar el conjunto de puntos que satisfacen la desigualdad 2x - 3y > 6. 2 x 2 . Luego el conjunto de 3 puntos que satisfacen la desigualdad debe estar por debajo de la recta. La desigualdad dada es equivalente a y <

Pgina: 9 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

y
3 2

Para trazar una desigualdad de las mencionadas, es conveniente tener en cuenta las siguientes reglas: 1. Dibujar la recta ax + by = c, empleando lnea continua si se incluye la igualdad y discontinua si no se la incluye. 2. Elegir un punto del plano, que no pertenezca a la recta. Si dicho punto satisface la desigualdad, entonces el conjunto buscado es el semiplano que lo contiene. Si no la satisface, la solucin corresponde al otro semiplano. Sistemas de desigualdades lineales Mediante un ejemplo analizaremos el procedimiento a seguir para hallar el conjunto solucin de un sistema de desigualdades lineales. Ejemplo: Consideremos el sistema xy 3x + y 6 y 5 x7 Para mostrar su conjunto solucin, graficaremos en un sistema de coordenadas cartesianas ortogonales el semiplano solucin de cada desigualdad. La interseccin de estos semiplanos nos dar una regin del plano que ser el conjunto del sistema de desigualdades lineales. Puntualicemos los pasos a seguir para llegar al conjunto de desigualdades dado. 1. Numeraremos cada una de las desigualdades del sistema dado. 2. Transformaremos cada desigualdad del sistema en ecuacin, a efectos de poder graficar la frontera del semiplano solucin de cada desigualdad. 3. Para cada inecuacin buscaremos un semiplano solucin, sealndolo mediante una flecha apoyada en la frontera con sentido orientado hacia el conjunto solucin, para simplificar el grfico. 4. Sealaremos mediante un sombreado, el subconjunto del plano que es solucin del sistema.

Pgina: 10 de 22

Algebra para informtica (U.N.E.D.) x y 1) 2) 3x + y 6 y 5 3) 4) x7 y

3 6 5

Unidad Didctica III x=y 1) 2) 3x + y = 6 y=5 3) 4) x=7

x
1 2 4

El problema de la programacin lineal El problema de la programacin lineal consiste en encontrar los valores de ciertas variables x1 , x 2 , , x n que optimicen una funcin lineal de ellas dada: c1x1 + c2x2 + ... + cnxn, de forma que todas ellas sean positivas y que verifiquen a su vez un sistema de desigualdades lineales. La funcin lineal a optimizar se llama funcin objetivo (o econmica) y las ecuaciones se llaman restricciones o ligaduras del problema. Se puede escribir: Optimizar: z = c1x1 + c2x2 + ... + cnxn (funcin objetivo) sujeta a a11x1 + a12x2 + ... + a1nxn = b1 ................................................ (restricciones o ligaduras) am1x1 + am2x2 + ... + amnxn = bm Se supone que las ecuaciones ligaduras son independientes, ya que en caso contrario se sustituirn por otro sistema equivalente que lo fuese. Si las restricciones se dan en forma de desigualdades a11x1 + a12x2 + ... + a1nxn b1 ................................................ am1x1 + am2x2 + ... + amnxn bm puede ser transformado en igualdades sumando a cada desigualdad un nmero positivo desconocido. Estos nmeros se llaman variables de holgura. El sistema anterior quedara:

Pgina: 11 de 22

Algebra para informtica (U.N.E.D.) a11x1 + a12x2 + ... + a1nxn + xn + 1 = b1 ......................................................... am1x1 + am2x2 + ... + amnxn + xn + m = bm

Unidad Didctica III

Como problema matemtico, el problema de programacin lineal puede ser descrito as: Sea un conjunto convexo definido por un sistema lineal de desigualdades (ligaduras). De todos los puntos del convexo, determinar aquel o aquellos para los cuales se optimice una cierta funcin lineal (funcin objetivo).

Soluciones del problema Sea el problema de programacin lineal con n variables y m restricciones independientes. Se llama: Solucin posible: Todo punto x = (x1, x2, ..., xn) cuyas coordenadas son todas positivas y verifica las restricciones. Se llama tambin solucin factible. Solucin posible bsica: Es la solucin posible que no posee ms de m coordenadas positivas. Solucin posible ptima: Es la solucin posible que optimiza la funcin econmica. Proposicin 3: El conjunto de todas las soluciones posibles al problema de programacin lineal es un conjunto convexo. Proposicin 4: Toda solucin posible ptima se alcanza en un punto extremo del conjunto convexo de las soluciones posibles. Proposicin 5: Cuando existan dos o ms soluciones optimas, cualquier combinacin convexa de ellas es tambin solucin ptima. Mtodo de resolucin a) Mtodo grfico El problema de programacin lineal consiste en encontrar el punto del conjunto convexo determinado por las ecuaciones restriccin que optimice la funcin objetivo. Para ilustrar este mtodo, consideraremos el espacio bidimensional. La funcin objetivo z = c1x1 + c2x2 representa un conjunto de rectas al variar z, todas ellas paralelas y cuya interseccin con el conjunto convexo de soluciones representan puntos que corresponden cada uno de ellos a un determinado valor de z. En la figura, la zona sombreada representa el convexo de soluciones y las rectas z las correspondientes a la funcin objetivo. Al encontrarse el ptimo en uno de los extremos O, A, B, C, D del poliedro convexo de las restricciones basta con hallar los valores de z en cada punto y el ptimo (mximo o mnimo) ser el buscado.

Pgina: 12 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

x2

z B

C A

x1

Ejemplo: Maximizar la funcin z = 2x + y sujeta a las condiciones: 1) 2) 3) 4) 5) x0 y0 x + y 200 x 150 y 100

1. Buscamos el convexo de soluciones del sistema de desigualdades dado: y

200 4

100 1

C D
150 200

E
3

2. A continuacin buscaremos los cinco vrtices de la poligonal que delimita nuestro recinto; cada uno de ellos resulta de las intersecciones de un par de lados de la poligonal; as A se obtiene de la interseccin de y ; B se obtiene de y ; C resulta de y ; D resulta de intersecar y y finalmente E se obtiene de intersecar y , con lo que se obtiene: A(0, 0); B(0, 100); C(100, 100); D(150, 50); E(150, 0) Nuestro problema concreto ahora es determinar para que punto del interior, o de la frontera, del convexo de soluciones se alcanza el ptimo y cunto vale ste. Para resolver esta situacin: Pgina: 13 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

3. Construimos una tabla de valores en la que calculamos para las coordenadas de los vrtices pertenecientes al convexo de soluciones, los valores de la funcin objetivo; procuraremos con esto desarrollar un criterio de clculo que nos permita elegir el punto para el cual la funcin objetivo alcanza su valor mximo.

Vrtice A(0, 0) B(0, 100) C(100, 100) D(150, 150) E(150, 0)

z = 2x + y 0 100 300 350 300

4 Observamos que el mximo valor alcanzado para z es z = 350 y las coordenadas para las cuales se alcanza dicho valor mximo corresponden al vrtice D(150, 50). Si una funcin objetivo alcanza un mximo (o un mnimo), lo hace en alguno de los vrtices del convexo solucin. Esto nos indica que no hace falta que especifiquemos en la funcin objetivo las coordenadas de puntos que no son vrtices del convexo, pues tales puntos nunca podrn optimizar dicha funcin. Buscamos ahora un mtodo para determinar el vrtice en el que se alcanza el mximo, sin recurrir al reconocimiento analtico precedente. La teora de la convexidad nos proporciona el criterio grfico para lograr tal reconocimiento. Debemos graficar la recta que resulta de hacer, en la funcin objetivo, la sustitucin de z por un valor numrico arbitrario. As pues si hacemos z = 0, obtendremos la recta 2x + y = 0 cuya representacin grfica agregamos a la de la solucin del sistema de inecuaciones. y

2x + y = 0

C D

Pgina: 14 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

La recta 2x + y = 0, que contiene el vrtice A del convexo de soluciones, deja a ste en un mismo semiplano respecto a dicha recta tomada como frontera. Desde su posicin inicial desplazaremos la recta paralelamente a si misma en el sentido indicado por la flecha que es el de barrido del convexo de soluciones; en su traslacin, la recta alcanza los distintos vrtices B, C, E y finalmente D. Pero B, C y E no pueden corresponder a la posicin en que la funcin alcanza el mximo, pues el convexo no queda incluido en su totalidad en un mismo semiplano respecto de la recta 2x + y = 0 tomada como frontera. D es el vrtice para el que se cumple la inclusin del convexo en el semiplano inferior respecto a dicha recta. Por tanto, en D se alcanza el mximo de la funcin objetivo. La condicin necesaria para que una funcin objetivo pueda optimizarse en un cierto vrtice V, es que todo el convexo de soluciones quede incluido en el mismo semiplano respecto de la recta representativa de dicha funcin que pasa por dicho vrtice. Si grficamente vemos que existen dos vrtices, A y D que cumplen que la recta 2x + y = c que pasa por ellos, deja al convexo en el mismo semiplano, sin embargo, de los dos, solo uno cumple con la condicin de maximizar la funcin, ocurriendo pues que hay vrtices para los que se cumple la condicin de inclusin, pero que no optimizan la funcin. El sentido correcto de desplazamiento de la recta representativa de la funcin objetivo es el que corresponde al aumento de su valor, cuando dicha funcin debe ser maximizada, o aquel en que disminuye, cuando debe ser minimizada.

Si una funcin objetivo alcanza su ptimo valor en dos vrtices del convexo, tambin los alcanzar en los infinitos puntos que son combinacin convexa de los anteriores. b) Mtodo del Smplex El mtodo del Smplex es un procedimiento que selecciona de manera ordenada, de entre las soluciones posibles un conjunto que converge en la solucin ptima. Mediante este procedimiento, partiendo de una solucin posible bsica y en un nmero finito de iteraciones, se alcanza la solucin ptima. (ver ejemplo)

Pgina: 15 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

Captulo 9. El Espacio Eucldeo

Conocimientos previos: Concepto de espacio vectorial Coordenadas de un vector respecto a una base Concepto de Espacio Afn Rectas y planos Interseccin de planos Clculo de determinantes

Producto escalar Sea V un espacio vectorial sobre R. Una aplicacin f : V V R definida f(u,v) = u v, se llama producto escalar si verifica: 1. u u 0 , u V y u u = 0 u = 0 2. u v = v u , u , v V 3. ( u ) v = ( u v ) , R , u , v V 4. u ( v + w ) = u v + u w Sea u = ( u1, u2 , , un ) y v = ( v1, v2 , , v n ) dos vectores que necesariamente deben tener el mismo nmero de componentes, el producto escalar de u y v es un escalar y su valor viene dado por: u v = u1v1 + u2 v2 + + un vn Ntese que no existe una ley asociativa del producto escalar. La expresin ( u v ) w = u ( v w ) no tiene sentido porque ninguno de los dos lados de la ecuacin estn definidos, ya que ( u v ) y ( v w ) son escalares. Espacio eucldeo Un espacio eucldeo es un espacio vectorial provisto de un producto escalar (se llama tambin Espacio vectorial eucldeo). Un espacio afn provisto de un producto escalar se llama Espacio afn eucldeo. Generalizando le llamaremos espacio eucldeo a este ltimo. En un espacio eucldeo E se define: Norma de un vector como la raz cuadrada del producto escalar del vector por si mismo u E ; u = u u Se denota E2 el espacio eucldeo de los vectores libres del plano con producto escalar definido de la siguiente forma: u v = u v cos( u , v ) Anlogamente, E3 es el espacio eucldeo de los vectores libres del espacio de tres dimensiones con el mismo producto escalar. Pgina: 16 de 22

Algebra para informtica (U.N.E.D.) En E2 y E3, la norma de un vector coincide con su mdulo u = u u = Se verifica: u u cos 0 = u

Unidad Didctica III

u + v u + v (desigualdad triangular) u v u v (desigualdad de Schwartz) Ortogonalidad En un espacio eucldeo, dos vectores u , v se dicen ortogonales ( u v ) cuando su producto escalar es cero. u v u v = 0 En E2 y E3, dos vectores no nulos son ortogonales si son perpendiculares u v u v = 0 u v cos( u , v ) = 0 cos( u , v ) = 0 u perpendicular a v Una base vectorial {u1, u2, ..., un} se dice: Ortogonal ui uj, i j Ortonormal Ortogonal y ui = 1, i Una referencia afn R = {0, u1, u2 , u3} en E3 en que la base vectorial {u1 , u2 , u3} es ortogonal, se dice referencia ortonormal. En E3 la base ortonormal se denota {i , j , k } . En ella, el producto escalar de dos vectores que tienen de coordenadas u = (x1, x2, x3); v = (y1, y2, y3) es u v = x1y1 + x2y2 + x3y3 y el mdulo de un vector u = (x1, x2, x3)
2 2 u = x12 + x2 + x3

El vector unitario (de mdulo unidad), de la misma direccin que el u , se obtiene dividiendo cada coordenada por el mdulo de u . As, si u = (x1, x2, x3); el unitario de la misma direccin es: x1 x 2 x 3 |u | , |u | , |u| Anlogamente sera en E2.

Orientacin de una referencia en E3 En E3 una referencia R = {0, u1, u2 , u3} ortonormal es de direccin positiva si u11 u 21 u 31 u12 u 22 u 32 u13 u 23 > 0 u 33

donde (ui1, ui2, ui3) son las coordenadas del vector ui en la base ortonormal usual {i , j , k } .

Pgina: 17 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

De otra forma {u1 , u2 , u3} es de orientacin positiva si la direccin de u3 es la de avance de un sacacorchos que se mueve de u1 a u2 . Producto vectorial En el espacio eucldeo E3 se llama producto vectorial de dos vectores u , v la aplicacin: f : R3 R3 R3 definida f( u , v ) = u v tal que: 1 u v = u v sen( u , v ) . 2 u v perpendicular a ambos. Y por tanto, perpendicular al plano determinado por ambos vectores. 3 Si {u , v , u v } es libre, es de orientacin positiva. Adems verifica: 1. u u = 0(u ) v 2. (u ) v = ( u v ) = u (v ) 3. Si v = u u v = 0 4. u ( v + w ) = ( u v ) + ( u v ) Geomtricamente, el mdulo del producto vectorial de dos vectores, es el rea del paralelogramo construido sobre ellos A h 0 ya que: u v = u v sen = u h = rea del paralelogramo 0ACB Si u = (x1, x2, x3); v = (y1, y2, y3) en la base {i , j, k } es: i u v = x1 y1 j x2 y2 k x3 y3 C

Vector direccin de una recta expresada como interseccin de planos Si la recta r viene expresada como interseccin de los planos 1 y 2; la direccin de r es el producto vectorial de la direccin de ambos planos. d r = d1 d 2

Pgina: 18 de 22

Algebra para informtica (U.N.E.D.) Producto mixto de tres vectores

Unidad Didctica III

En E3, se define producto mixto de tres vectores u , v , w como el producto escalar de u por el vectorial de v y w . Se denota [ u , v , w ] .

[ u, v, w ]

= u (v w ) u3 v3 w3

Si en (i , j , k ) son u = (u1, u2, u3), v = (v1, v2, v3), w = (w1, w2, w3)

u1 u2 u , v , w ] = v1 v2 w1 w2

2. [ u , v , w ] = 0 si u = 0 , v = 0 , w = 0 3. [ u , v , w1 + w2 ] = [ u , v , w1 ] + [ u , v , w2 ] 4. [ u , v , w ] = [ u , v , w ] 5. Tres vectores son coplanarios si, y solo si, su producto mixto es cero. Condicin para que dos rectas se corten en E3 La condicin necesaria y suficiente para que dos rectas en E3 se corten es que el producto mixto de los vectores de direccin de ambas y un vector que una dos puntos cualesquiera de ellas, sea cero r corta a s dr , d s , AB , donde A r, B s r

Aplicaciones geomtricas 1. Distancias a) Entre dos puntos: P = (x1, x2, x3); Q = (y1, y2, y3), la distancia es el mdulo del vector que determinan; por lo tanto, resulta d(P,Q) = | PQ | = ( y 1 x1 ) 2 + ( y 2 x 2 ) 2 + ( y 3 x 3 ) 2 | AP d r | donde A r |dr |

b) Entre un punto y una recta: P = (x1, x2, x3); y recta de direccin d r d(P, r) =

c) Entre un punto y un plano: P = (x1, x2, x3); Ax + By + Cz + D

Pgina: 19 de 22

Sus propiedades fundamentales: 1. [ u , v , w ] = [ u , w , v ] = [ v , w , u ] =

dr

ds

Algebra para informtica (U.N.E.D.) d(P, ) = d) Entre dos rectas que se cruzan: d(r, s) = 2. ngulo de dos vectores u v u v Ax 1 + Bx 2 + Cx 3 + D |dn |

Unidad Didctica III

[d r , ds , AB] ; donde A r, B s |dr d s |

Sean u y v dos vectores diferentes de cero. Si es el ngulo entre ellos, entonces cos = Demostracin: Segn la ley de los cosenos, en el tringulo de la figura B c A a C b

c2 = a2 + b2 2ab cosC Ahora se colocan las representaciones de y con sus puntos iniciales en el origen de modo que u = (a1, b1) y v = (a2, b2). y (a1, b1)

(a2, b2)

0 x

Entonces, por la ley de los cosenos, v u = v + u 2 v u cos . Pero, por otra parte
2 2 2

v u = ( v u ) ( v u ) = v v 2 v u + u u = v 2v u + u

As, despus de simplificar, se obtiene 2 v u = 2 v u cos , de donde sigue la obtencin de la formula del ngulo formado por los dos vectores. Pgina: 20 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

a) ngulo de dos rectas r y s, con vectores directores (u1, v1, w1) y (u2, v2, w2) respectivamente, es el mismo que determinan sus vectores directores, luego resulta: cos = dr ds = |d r | | d s | u1 u2 + v1v 2 + w1 w2
2 2 2 u12 + v12 + w12 u2 + v 2 + w2

r dr ds s

b) ngulo de recta r y plano . cos( d d ) = r 2 |d r || d |

c) ngulo de dos planos: El de sus vectores de direccin. d) Vectores paralelos en R2: Dos vectores u y v diferentes de cero, son paralelos si el ngulo entre ellos es cero . Advirtase que los vectores paralelos pueden tener direcciones iguales u opuestas. e) Vectores ortogonales en R2: A los vectores u y v diferentes de cero, se les llama ortogonales (o perpendiculares) si el ngulo entre ellos es /2. Los vectores u y v diferentes de cero, son ortogonales si y solo si u v = 0. Sea v un vector diferente de cero. Entonces, si u es un vector cualquiera, el vector uv w=u 2 v v es ortogonal a v , como se demuestra en el siguiente desarrollo: (u v ) v = w v = u v = 2 v 2 (u v ) v ( u v )( v v ) u v = u v = u v u v = 0 2 2 v v f) Proyeccin en R2: Sea u y v vectores diferentes de cero. Entonces la proyeccin de u sobre v es un vector, denotado por proy v u , que se define por proy v u = uv v
2

v u v v

La componente de u en la direccin de v es

Pgina: 21 de 22

Algebra para informtica (U.N.E.D.)

Unidad Didctica III

g) Direccin de un vector v = (x, y, z) diferente de cero en R3 se define como un v vector unitario u = . |v | De cualquier manera, resulta conveniente definir la direccin de un vector en trminos de ciertos ngulos. Se definen como el ngulo entre v y la parte positiva del eje x, como el ngulo entre v y la parte positiva del eje y y como el ngulo entre v y la parte positiva del eje z. Los ngulos , y reciben el nombre de ngulos de direccin o ngulos directores del vector. Y su valor se puede calcular mediante las siguientes frmulas: x y z cos = cos = cos = v v v Los cosenos de estos ngulos reciben el nombre genrico de cosenos directores del vector v y satisfacen la igualdad:
2 2 2 cos2 + cos2 + cos2 = x + y 2 + z = 1

3.

reas y volmenes a) rea del tringulo de vrtices A, B, C. 1 rea = | AB AC | 2 b) Volumen de un paraleleppedo de lados concurrentes AB, AC y AD. Volumen = [ AB, AC , AD ] c) Volumen de un tetraedro de vrtices A, B, C, D. Volumen =
1 [ AB, AC , AD ] 6

Pgina: 22 de 22

lgebra

lgebra
Programa
- Espacios vectoriales - Matrices y Determinantes - Sistemas de ecuaciones lineales - Variedades lineales - Diagonalizacin y formas cuadrticas - Espacio afn - Programacin lineal - Espacio euclidiano - Dudas, preguntas y exmenes anteriores 2h 1h 1h 1h 2h 1h 2h 1h 1h

16-10-96 profesor: Rafael Amer

Espacios vectoriales
Espacio bidimensional Dados 2 puntos p y q en el plano, se llama vector pq q con origen p y extremo q al segmento orientado p que une p y q. Se representa como pq Dos vectores son iguales si tienen la misma direccin, sentido y longitud. Estos vectores se pueden superponer mediante una traslacin.
pq p q rs s

pq = rs

El conjunto de vectores iguales (equipolentes) forman una clase. De esta clase se puede escoger un representante con origen de coordenadas v en (0,0). Cuando un vector no tiene origen, se escoge un representantecualquiera de su clase y se denomina como v
Operaciones con vectores

- Suma: mediante la regla del paralelogramo

v uv u

- Producto de un vector por un

escalar (n real)
u
-u

3u 2u

-2u

lgebra

Fijados unos ejes de coordenadas, todo vector se puede representar por un par de nmeros (coordenadas) u = (u1, u2)
y

- Suma de 2 vectores u + v = (u1,u2) + (v1,v2) = (u1+v1, u2+v2) - Producto de un vector por un escalar
u k = (u , u ) k = (u k ,u k )

b u

(a,b)

Definicin de espacio vectorial Un conjunto V es un espacio vectorial sobre R si respecto a la suma y el producto por escalares cumple: Con la suma de vectores - Asociativa: u+ - Conmutativa: u+ - Elemento Neutro: u + - Opuesto: u+
(v + w )= (u + v)+ w v =v + u 0 =u ( u)= 0

Con el producto con escalares - Elemento Neutro: 1 u = u k (u + v ) = k u + k v - Distributiva: - Distributiva: (h + k )u = h u + k u Combinaciones lineales .,u Dados los vectores u 1 , u 2 ,.. n se llama combinacin lineal de estos vectores a cualquier vector de la forma: u = t u 1 + t u 2 + . t u n , . . + es decir, el vector u se obtiene mediante multiplicaciones y sumas de otros vectores.
.,u Los vectores u 1 , u 2 ,.. n son linealmente independientes si la igualdad: t u
1

+ t u

+ . t u . . +

=0

implica necesariamente que:

t1, t2,..., tn = 0 2

lgebra

Dados varios vectores, para averiguar si son linealmente independientes, hay que resolver el sistema de ecuaciones que se genera.
Ejemplo: Sean

los vectores u = (u1, u2) y v = (v1, v2), para que sean linealmente independientes debe cumplirse que si k u + k v = 0 entonces k1, k2 = 0. k1(u1, u2) + k2(v1, v2) = (0,0) esto significa que k1u1 + k2v1 = 0 k1u2 + k2v2 = 0 que es el sistema de ecuaciones que debemos resolver para averiguar los valores de k1 y k2. Si k1 y k2 son iguales a 0 se demuestra que los vectores u y v son linealmente independientes.

Subespacio vectorial
Un subespacio vectorial es un subconjunto de un espacio vectorial que tambin tiene estructura de espacio vectorial. Dado el espacio vectorial Rn diremos que el subconjunto F R es un subespacio vectorial si cumple: 0F Si u , v F u + v F u, v F y t R ; t(u + v) F R t F v Si v F , Sistema de vectores Un sistema de vectores del espacio vectorial E es cualquier subconjunto finito de E:
F = u 1 , u2 , ..., un ui E

Dado un sistema F de vectores de E, el conjunto de todos los vectores que son combinacin lineal de los vectores de F es un subespacio vectorial L(F)= {k u 1 , k u 2 ,.. k u ki K .,

Subespacios vectoriales de R2
F = {0} El conjunto vaco es subespacio vectorial de R2 F = R2 Todo R2 es subespacio vectorial de R2
3

lgebra

F=< u > El conjunto de vectores contenidos en una recta, es decir, el conjunto de los vectores mltiplos de u .
demostracin

a) El vector 0 pertenece a la recta F F b) La suma de 2 vectores de la recta F es un vector que pertenece a F c) Al multiplicar un vector de F por un escalar de R se genera un vector que pertenece a F El conjunto de vectores contenidos en una recta tambin se puede expresar por la ecuacin de la recta:
ax + by = 0

ejemplo:

El subespacio de R2 definido por:

3x+y=0
(-1,3)

se define por el conjunto de vectores indicado por:

F = <(-1, 3)> El vector (-1,3) es un representante de la clase de vectores de la recta F, es decir, el resto de vectores de la recta F se puede obtener mediante combinacin lineal

de ste. Slo existen estos 3 subespacios vectoriales de R2.

Subespacios vectoriales de R3

F = {0} F = R3 F=<u > P = < u ,v >

El conjunto vaco es subespacio vectorial de R3 Todo R3 es subespacio vectorial de R3 El conjunto de vectores contenidos en una recta. El conjunto de vectores contenidos en un plano.

Dados los vectores v 1 , v 2 ,.. n representamos por F =< v1 , v 2 , ..., vn > .,v el subespacio formado por todas las combinaciones lineales de estos vectores.

lgebra

Diremos que el conjunto v 1 , v 2 ,.. n es un sistema de generadores del .,v subespacio F. Es decir, con ellos se pueden generar el resto de vectores del subespacio F. P u Dos vectores independientes con ecuacin de la forma ax+by+cz=0 generan un plano.
v

De manera similar, dado un sistema de ecuaciones homogneo con n incgnitas, sus soluciones forman un subespacio de Rn.
Ejercicio

Dados 2 vectores F = <(1, 2, -1), (2, 1, 0)> hallar la ecuacin que genera el subespacio.
(x, y, z) = a(1, 2, -1) + b(2, 1, 0) a + 2b = x 2a + b = y -a = z x - 2y - 3z = 0
Ejercicio

b = y - 2a a = -z

b = y + 2z

-z + 2(y + 2z) = x -z + 2y + 4y = x 2y + 3z = x

Dada la ecuacin 2x-y+4z=0 hallar los generadores del subespacio definido 1 despejamos una de las incgnitas
y = 2x + 4z

2 sustituir la incgnita por el valor obtenido, sacar factor comn

(x, y, z) = (x, 2x+4z, z) = x(1, 2, 0) + z(0, 4, 1) F = <(1, 2, 0), (0, 4, 1)>
Ejercicio 1.17

Dado el conjunto S = (x y , R : x 3y + z = 0 , z)
a)

Demostrar que S es subespacio vectorial de R3 Hay que demostrar que dados dos vectores u, v pertenecientes a S se cumple que: u + v S. u = (x , y , z ha de cumplir que x 3y + z = v = (x , y , z ha de cumplir que x 3y + z =
5

lgebra

u + v = (x + x , y + y , z

el nuevo vector u + vtiene como coordenadas:

x = x + x y = y + y z = z + z

y ha de cumplir la ecuacin x 3y + z = 0

(x + x ) 3(y + y ) + (z + (x 3y + z ) + (x 3y +

x 3y + z = 0 como 0 se cumple que + 0 = 0 por tanto u + v S

b)

Hallar los vectores generadores del subespacio S En primer lugar despejamos de la ecuacin una de las incgnitas,
x = 3y - z

a continuacin construimos un vector en el que una de las coordenadas est expresada en funcin de las otras,
(x, y, z) = (3y-z, y, z) =

sacamos factor comn de las coordenadas

= y(3, 1, 0) + z(-1, 0, 1)

con lo que obtenemos 2 vectores de S independientes: S = <(3, 1, 0), (-1, 0, 1)>

Ejercicio 1.8 a) Determnese a

y b para que el vector u = (1,0,a , pertenezca al subespacio vectorial generado por: F = {(1,4,-5,2), (1,2,3,-1)}
(1,0,a,b) = m(1,4,-5,2) + n(1,2,3,-1)
m + n = 1 2 (m + n = 1) 4m + 2n = 0 4m + 2n = 0 2m =2 5m + 3n = a 5+ 6 =a 2m n = b 2 2 =b n=1 m n=2 m=1 a=11 b=-4

lgebra

b)

El vector (2,4,6,-2) es combinacin lineal del vector u obtenido? Para ser combinacin lineal, basta con multiplicarlo por un escalar
(2,4,6,-2) = m(1,0,11,-4) se ve que no es combinacin lineal, ya que no puede cumplir todas las condiciones a la vez 1m = 2 0m = 4 11m = 6 -4m = -2

Base de un espacio vectorial

Un sistema de generadores E de un espacio o subespacio vectorial F es un conjunto de vectores e1 , e2 , ..., en tal que todos los vectores de F son combinacin lineal de stos. Es decir, F es el espacio vectorial generado por dichos vectores:
E = {e1 ,e 2 , ..., e } n L (E) = F F =< e1 , e 2 , ..., e

Dos sistemas de generadores E1, E2 son equivalentes si generan el mismo espacio vectorial.
L(E1) = L(E2)

Una base de un espacio vectorial F es un sistema de generadores linealmente independientes. La dimensin de un espacio vectorial F es el nmero de vectores que contiene una base cualquiera de F. Suma e interseccin de espacios vectoriales Si S1, S2 son subespacios vectoriales de E(K), el conjunto suma es:

S 1 + S 2 = {x = u + v; u S 1 , u S 2 } S1+ S2 es subespacio vectorial de E Si F1, F2 son sistemas de generadores de E tales que S1 =L(F1) y S2 =L(F2) S1 + S2 = L(F1 F2) S1 S2 es subespacio vectorial de E

dim(S1+ S2) + dim(S1 S2) = dim S1 + dim S2 La suma S1 + S2 de subespacios vectoriales es directa si S1 S2 = Si E = S1 S2 (suma directa), S1 y S2 son suplementarios.
7

lgebra

Propiedades de las bases a) Dado un sistema de generadores de F, podemos obtener una base de F eliminando los vectores que son combinacin lineal del resto.
Ejemplo:

F =< u1, u2 , u3 > = < (1,2, 1), (2,1,1), (1, 1,2)> Vemos que u1 no es combinacin lineal de u 2 , es decir, no podemos obtener u 2 multiplicando u 1 por un escalar: u 2 = u1 (2,1,1)= (1,2, 1) A continuacin miraremos si u3 es combinacin lineal de u 1 y u 2 : (1,-1,2) = t1(1,2,-1) + t2(2,1,1) t 1 + 2t 2 = 1 2t 1 4t 2 = 2 2t 1 + t 2 = 1 2t 1 + t 2 = 1 3t 2 = 3 t1 + t2 = 2 2 =1 t t 1 + 2 1 = 1 t 1= 1

Clculo de una base de un subespacio F de R3

b) Todas las bases de un espacio vectorial tienen el mismo n de vectores. c) Teorema de la base incompleta. .,v Si F es un subespacio vectorial de dimensin n y v 1 , v 2 ,.. m con m<n es un conjunto de vectores de F linealmente independientes, se pueden hallar n-m vectores de F, v m+ 1, v m+ 2, ..., vn , tales que sumados al conjunto anterior formen una base de F.
Ejemplo:

F =< u1 , u2 >

= < (1, 1,1), ( 1,0,1) Probamos con (1,0,0) t1(1,-1,1) + t2(-1,0,1) + t3(1,0,0) = (0,0,0) t1 - t2 + t3 = 0 - t1 = 0 t1 + t2 = 0 t1 = 0 t2 = 0 t3 = 0

Clculo de una base de F en R3 que contenga los vectores:

Como t1, t2, t3 son 0, los vectores (1,-1,1), (-1,0,1), (1,0,0) son independientes.

lgebra
Ejercicio:

Clculo de una base del subespacio vectorial F de R4 generado por las ecuaciones: 2x + y = 0, y + z = 0 2x + y = 0 y = -2x La incgnita que queremos aislar [x] ha de estar, en las 2 ecuay + z = 0 -2x + z = 0 ciones, en el mismo lado. z = 2x
(x, y, z, t) = (x, -2x, 2z, t) = -sacar factor comn= x(1, -2, 2, 0) + t(0, 0, 0, 1) F = {(1, -2, 2, 0), (0, 0, 0, 1)}

Ejercicio:

Sea el conjunto A={-x, x2-2x, 3x+5x2} del conjunto P2(x) de polinomios de grado <= 2 con coeficientes reales. Ver si A es un sistema de generadores de P2(x). a(-x) + b(x2-2x) + c(5x2+3x) = 0
b + 5c = 0 b = 5c a 2b + 3c = 0 a = 13c
Como a,b,c no han de ser 0 para resolver las ecuaciones el sistema es ligado.

Ejercicio: Sean S1={(x,y,z) : x+y+z=0} y S2={(x,y,z) : 2x-y+z=0}. a) Demustrese con un ejemplo numrico que S1 S2 no es subespacio

de R3.

Si, Su = S1 S2 es subespacio de R3 entonces se cumplir que: para todo u, v de Su : u + v ha de pertenecer a Su. Tomamos el vector u = (0, 1, 1) de S1 y el vector v = (1, 1, 1) de S2:
u + v = (0, 1, 1)+ (1, 1, 1)= (1, 0, 0)= m m pertenece a Su por tanto ha de cumplir x+y+z=0: m = (x, y, z) 1 + 0 + 0 0 por tanto m no pertenece a S1 m pertenece a Su por tanto ha de cumplir 2x-y+z=0: m = (x, y, z) 2 0 + 0 0 por tanto m no pertenece a S2

Por tanto Su = S1 S2 no es un subespacio de R3

9

lgebra

b)

Escrbase una base de S1 S2 , una base de S1 + S2 y dgase la dimensin de cada uno de estos subespacios. * S1 S2 son los vectores que cumplen: x+y+z=0 i 2x-y+z=0
x+ y+ z=0 2x y + z = 0 3x + 2z = 0 y = x z = 3 z 2 x = 3 z = 2 x y = 1z = 1 3 y

esto es: S1 S2 = <(2,1,-3)> ; dim(S1 S2) = 1

* S1 + S2 = L(F1 U F2)

En primer lugar veremos quien son F1 y F2 (sistemas de generadores de S1 y S2 respectivamente). S1 son los vectores (x,y,z) que cumplen: x+y+z = 0
x = -y-z (x,y,z) = (-y-z, y, z) = y(-1,1,0), z(-1,0,1) S1 = <(-1,1,0),(-1,0,1)>, dim(S1)=2 S2 son los vectores (x,y,z) que cumplen: 2x-y+z = 0 y = 2x+z (x,y,z) = (x, 2x+z, z) = x(1,2,0), z(0,1,1) S2 = <(1,2,0),(0,1,1)>, dim(S2)=2

As pues: S1 + S2 = L( {(-1,1,0),(-1,0,1),(1,2,0),(0,1,1)} ). Veamos si son independientes:

a(-1,1,0) + b(-1,0,1) + c(1,2,0) + d(0,1,1) = 0 a b+ c=0 a + 2c + d = 0 b+ d=0 como hay 4 ecuaciones y 3 incognitas, el sistema es ligado

Eliminamos el vector (0,1,1)

a(-1,1,0) + b(-1,0,1) + c(1,2,0) = 0

10

lgebra a b+ c=0 a + 2c = 0 b=0 a=c c + 2c = 0 a=0 b=0 c=0

S1 + S2 = <(-1,1,0),(-1,0,1),(1,2,0)>, dim(S1 + S2) = 3

dim S1 + dim S2 = dim(S1 S2) + dim(S1 + S2)

11

lgebra

Matrices
Definicin: una matriz de m filas y n columnas y coeficientes reales es cualquier ordenacin rectangular de mn coeficientes agrupados en m filas y n columnas: a a ... a n
a a A= . . .. .. a 1 a ... a n .. .. . . a 2

Si I = {1,2,...,m} y J = {1,2,...,n}, una matriz de m filas y n columnas y coeficientes reales es una aplicacin A : I J R . El conjunto de todas las matrices de m filas y n columnas y coeficientes reales se representa como: M(m n ; R ) .

Tipos de matrices
a) Matriz cuadrada: si tiene el mismo nmero de filas y columnas. Se dice que tiene orden n (orden nxn). b) Matriz identidad: es una matriz cuadrada cuyos coeficientes de la diagonal principal tienen valor 1 y el resto tienen el valor 0. AnIn = InAn = An c) Matriz escalar: es una matriz cuadrada cuyos coeficientes de la diagonal principal tienen valor k y el resto tienen el valor 0.
1 0 I = .. 0 0 1 .. 0 .. .. .. .. 0 0 .. 1 . . . . .

k 0 A = . . 0

0 k . . 0

d) Matriz diagonal: es una matriz cuadrada cuyos coeficientes de la diagonal principal tienen valor knn <> 0 y el resto tienen el valor 0. e) Matriz triangular superior: es una matriz cuadrada en la que los coeficientes por debajo de la diagonal principal tienen valor 0. Es decir, kmn = 0 cuando m > n.
k 0 A = 0 0 k k 0 0 ... k ... k ... . 0 k 12

lgebra

f) Matriz triangular inferior: es una matriz cuadrada en la que los coeficientes por encima de la diagonal principal tienen valor 0. Es decir, kmn = 0 cuando m < n.
a g) Matriz simtrica: es una matriz k ... a n A = cuadrada en la que kmn = knm. ... ... ... ... . Tambin se cumple que: a n a n .. k fila m = columna m. k a ... a
n

2 3 5 8

3 0 7 0

5 7 1 9

8 0 9 4

h) Matriz hemisimtrica o hermtica: es una matriz cuadrada en la que kmn=-knm y los coeficientes de la diagonal principal tienen valor 0.

Operaciones con matrices Suma: Las matrices deben tener la misma dimensin. Dadas 2 matrices A,B M (m n ; R , su suma se obtiene sumando los coeficientes que ocupan la misma posicin.
4 2 1 4 2 4 0 0 3 1 03 + 3 6 9 = 4 6 12 Tiene las mis

mas propiedades que la suma de vectores. Producto por un escalar: Dada la matriz A M (m n ; R )y k R , el producto kA = Ak es la matriz que se obtiene multiplicando todos los coeficientes por k.
2 1 4 6 3 1 2 3 = 3 0 9 Tiene las mismas propie 1 03

dades que el producto de un vector por un escalar. Con estas 2 operaciones M(mxn, R,+,) es un espacio vectorial de dimensin mxn.
c; R ) Producto de matrices: Dadas 2 matrices A M (f B M (c p; R ) su producto AB es la matriz C, donde cada coeficiente cfp se C M (fp ; R

13

lgebra

obtiene como suma de los productos de cada afc por cada bcp:
cfp = af1b1f + af2b2f + ... + afcbcf 1 4 1 0 0 27 7 1 4 2 1 4 2 1 1 2 = 0 3 4 05 1 3 6 23 1 6 04 + 31 + 45 = 23

Al multiplicar una matriz Amxn por Bnxp se obtiene una matriz Cmxp. Propiedades del producto de matrices asociativa: (AB)C = A(BC) elemento neutro: es la matriz identidad de orden n. Anxp In = Anxp no conmutativa: AB suele ser distinto de BA. para poder multiplicar AB y adems BA las matrices deben ser: A M (f c; ) - cuadradas, o bien B M (c f; R ) - el n de filas y columnas debe ser inverso: Trasposicin de matrices La traspuesta de la matriz A M (fc ; R )es la matriz A M (cf ; R ) que se obtiene cambiando filas por columnas.
ejemplo:

2 1 4 A= 1 03

A = 1 0 4 3

Propiedades (A + B)t = At + Bt ( A)t = At (A B)t = Bt At Si A es una matriz simtrica entonces A = At.

14

lgebra

Determinantes
Definicin: Dada una matriz de orden n su determinante es la suma de los productos de todas las permutaciones de los coeficientes. det (A)= ()a . donde Sn es el conjunto de todas las a . . a
S

permutaciones de los n elementos. Dado el conjunto N={1,2,...,n}, una permutacin de N es una reordenacin de sus elementos sin repetirlos ni eliminarlos. Dada una permutacin de N, = {1, 2, ..., n} una inversin es cualquier pareja i < j tal que i > j. El signo () de la permutacin es: () =
1 si tiene un nmero par de inversiones -1 si tiene un nmero impar de inversiones

Ejemplo: Mirar las inversiones de la permutacin = {4,2,1,5,3}. Hay que mirar cuntos nmeros mayores tiene cada uno deleante:
1 2 3 4 5 2 (el 2 y el 4) 1 (el 4) 2 (el 5 y el 4) 0 2+1+2+0+0 = 5 0 total 5 inversiones, por tanto () es negativo

Propiedades: Dada la matriz A, A = A Si una matriz tiene una lnea (fila o columna), constituida slo por ceros, el determinante de la matriz es cero. Si en una matriz se multiplican o dividen por k todos los elementos de una lnea, su determinante queda multiplicado o dividido por k. Si en una matriz cuadrada A se intercambian 2 lneas paralelas se obtiene la matriz A* que cumple A = A Si en una matriz tiene 2 lneas paralelas iguales o proporcionales, su determinante es cero. Si en una matriz una de sus lneas es combinacin lineal de otras, su determinante es cero. Si en una matriz cada elemento de una lnea determinada se expresa como suma de h elementos, el determinante de esta matriz es igual a la
15

lgebra

suma de determinantes de las h matrices en las que la lnea en cuestin slo contiene uno de los h sumandos. Si a una lnea de una matriz se le suma una combinacin lineal de otras lneas paralelas, el determinante de esta nueva matriz es igual al de la primera. Clculo de determinantes de orden 2: det (A)= a
a a a = a a a a

de orden 3: regla de Sarrus

a a a a a a a a a a a a a a a a a a = a a a + a a a + a a a a a a a a a + a a a

Regla del pivote: se hacen transformaciones elementales por filas, utilizando las propiedades de los determinantes, hasta obtener una matriz triangular el determinante de la cual es igual al producto de los coeficientes de la diagonal principal.
Ejemplo
= f 2 f 2 2f 1 f3 f3 + f1

1 2 31 01 4 1

1 3 1 0 4 2 05 4 01 4

2 3 = 1 f 3 4f 3 + 5f 2 1
f 4 4f 4 + f 2

1 3 1 2 0 4 2 3 1 4 0 0 6 1 1 4 0 01 4 1

= f 4 6f 4 + 14f 3

1 3 1 2 ( 6 1 0 4 2 3 1 4) 6 1 0 0 6 1 1 = 4 46 =-40 4 6 4 0 0 01 6 0

Desarrollo por coeficientes: dada una matriz cuadrada A, se llama menor complementario del elemento aij al determinante ij de la matriz de orden n-1 que resulta de eliminar la fila i y la columna j. El adjunto Aij de este elemento es (-1)i+j ij.
16

lgebra
2 1 4 Ejemplo A = 3 2 0 4 62 2 4 3 0

adjunto A = ( 1)3+ 2

= 1 (0 12)= 12

A32 es uno de los 9 adjuntos de esta matriz.

Proposicin a) El valor de un determinante de una matriz cuadrada es igual a la suma de los productos de los coeficientes de una lnea (fila o columna) por sus adjuntos correspondientes. - fijada la fila i, det(A)=ai1Ai1 + ai2Ai2 + ... + ainAin - fijada la columna j, det(A)=a1jA1j + a2jA2j + ... + anjAnj
b) La suma de los productos de los elementos de una lnea por los adjun-

tos de los elementos de una paralela es igual a cero. * a12A11 + a22A21 + a32A31 = 0 Para resolver el determinante de la matriz anterior escojemos la fila 3:
A = ( 1)3+ 1 4 1 4 2 4 + ( 1)3+ 2 6 2 0 3 0 + ( 1)3+ 3 2 2 1 3 2 = - 6(-12) +2(-1) 48 = 102

Ejercicio: 5a 5a 5a

La matriz A3 tiene un det(A) = -4. Cunto vale el determinante de la matriz 5A?

5a 5a 5a 5a 5a 5a = 5a 5a 5a + 5a 5a 5a 5a 5a 5a + 5a 5a 5a + 5a 5a 5a

5a 5a 5a

det(5A) = 53det(A) = 53(-4) = -500

El determinante de la matriz producto de dos matrices cuadradas A B es igual al producto de sus determinantes y tambin al de sus tranpuestas:
A B = A B = A t B t = A t B t

Clculo del inverso de una matriz Sea A una matriz cuadrada regular (det(A) 0). La matriz A tiene inversa si existe una matriz A-1 tal que: AA-1 = A-1A = I
17

lgebra

La matriz inversa de A es A 1 = A donde Aad es la matriz adjunta de A que se obtiene sustituyendo cada coeficiente de A por su adjunto y A es el determinante de A.
Ejemplo:

(A )t

Calcular la inversa de la matriz

1 1 1 A= 0 1 1 1 01

1.- hallar la matriz adjunta; para ello calculamos los adjuntos de cada coeficiente.
+a 1 1 0 1 =1 a 0 1 1 1 =1 + a 0 1 1 0 1 1 1 0 1 1 0 1 =

1 1 =1 01 1 1 =2 1 1

+ a

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

+a

+ a

La matriz adjunta de A es:

A 1 1 1 = 1 2 1 2 1 1

y la traspuesta es:
1 1 2 (A )t = 1 2 1 1 1 1

2.- calcular el determinante

(A)= A = 1 1 1 0 1 = 1 + 1 + 0 ( 1) 0 0 = 3 1 1 01

y por tanto, la matriz inversa ser:

A 1 =
(A )t A

1 3

1 2 1 2 1 1 1 1

18

lgebra

Propiedades (AB)-1 = B-1A-1 (A-1)t = (At)-1

Rango de una matriz

El rango de una matriz es el mximo nmero de columnas linealmente independientes que tiene. Propiedades
rang(A) = rang(At), es decir, mximo n de columnas linealmente

independientes es igual al mximo n de filas linealmente independientes. El rango de un conjunto de vectores es la dimensin del subespacio que generan y coincide con el rango de la matriz formada por esos vectores. hallar el rango de la matriz A= 1 2 1
2 1 3 4 5 1 que sea cuadrada
no es necesario

Ejemplo 1:

Segn la regla del pivote:

2 1 3 1 2 1 4 5 1 2 1 3 0 3 5 0 5 3 2 1 3 rang(A) = 2, que es el n de pivotes 0 3 5 distintos de cero que quedan en la 0 0 matriz triangulada. 0

Podemos intercambiar filas con filas y columnas con columnas para facilitar la triangulacin. Sea F el subespacio generado por los vectores <(2,1,4),(1,2,5),(3,-1,1)>, hallar una base de F. Si disponemos estos vectores dispuestos en forma de matriz (en columnas) obtenemos la matriz del ejemplo anterior. Por tanto, una base de F ser: {(2,1,4),(1,2,5)} ya que los pivotes distintos de cero han correspondido a las columnas 1 y 2.
2 3 3 1 1 1 Ejemplo 2: hallar el rango de la matriz A= 2 1 1 1 0 19

lgebra

Hallar un subdeterminante distinto de cero. El tamao de ese determinante ser el rango de la matriz.
2 2 3 3 1 1 1 2 1 1 1 0 2 3 1 1 1 =0 1 1 1 . . . 2 2 . =0 . . 1 1 2 3 1 1 =1

=0 1 1 0

como ya no se pueden aadir diferentes filas ni columnas nuevas, se deduce que es rango es 2.

Sistemas de ecuaciones lineales

Ejemplo:

. x + y+ 3z = 5 1 1 3 . 5 . . y+ z = 3 0 1 1 . 3 . . 2x y+ 4 z = 1 1 2 1 4 . 11 .

f f 2f

1 1 3 0 1 1 0 3 2

. . 5 . . . 3 . . . 1 .

Diagonalizacin de matrices
Ejemplo:

Diagonalizar la matriz

A=

hallar la matriz diagonal D y la matriz de paso P tales que cumplan: -1 D = P AP

En primer lugar hay que hallar la matriz de paso P de vectores propios, para ello hay que hallar los valores propios de la matriz A resolviendo las raices de su polinomio caracterstico. = )(2- )(3- - (3- ) )-(3- = ) 3 1 0 (3- 1 2 1 A = I = (3- ((3- ) )(2- - 2) = ) 0 1 3 2 = (3- ( - 5 + 4) )
2 La primera raiz, evidente, es =3 (ya que (3-3) ( - 5 + 4) = 0) 2 Para el resto de raices del polinomio hacemos ( - 5 + 4) = 0

20

lgebra

5 25 16 2

= => =

5+ 3 2 5 3 2

=4 =1

=1, =3, =4 1 2 3

Para cada valor propio (las raices del polinomio caracterstico) buscamos sus vectores propios asociados.
=1 1
1 0 x (A I ) 1 1 1 y = 0 1 2 z 0 0 0 0 0 0

=3 1

2 1 0 x (A 3I ) 1 1 1 y = 0 1 2 z

=4 1

1 0 x 0 (A 4I ) 1 1 1 y = 0 0 1 2 z 0

La matriz de paso P est formada por los vectores propios (en columna) de la matriz A: La matriz diagonal D est formada por los valores propios de A:

1 1 1 P = 2 0 1 1 1 1 1 D = 0 0 0 3 0
(P )t

0 0 4

Para comprobar calculamos la inversa de P: P 1 = P En primer lugar calculamos los adjuntos de los coeficientes:
P 11 = P 21 = P 31 = 0 1 = 1 P 12 = 1 1 1 1 =2 P 22 = 1 1 1 1 = 1 P 32 = 0 1 2 1 = 3 P 13 = 1 1 1 1 =0 P 23 = 1 1 1 1 = 3 P 33 = 2 1 2 1 1 1 1 2 0 =2 1 1 =2 1 1 =2 0

21

lgebra

La matiz adjunta de Pad ser:

1 3 2 = 2 0 2 1 3 2 1

La traspuesta (Pad)t ser:

1 2 1 (P )t = 3 0 3 2 2 2 1 1

El determinante de P es: P = 2 0 1 = 6
1 1 1

Por tanto, la matriz inversa de P ser:

P
1

(P P

)t

1 2 1 1 = 6 3 0 3 = 2 2 2

1 2 6 6 3 0 6 2 2 6 6

1 6 3 6 2 6

22

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD GH ,QIRUPiWLFD 81(' *UXSR  (VSDFLRV YHFWRULDOHV VXEHVSDFLRV GHSHQGHQFLD H LQGHSHQGHQFLD GLPHQVLyQ EDVHV PDWULFHV
$QWRQLR /XLV 0DUWtQH] 5LFR (,&4 6219176). Para cualquier consulta o sugerencia dirigirse a una de las direcciones de correo electrnico siguientes: antoniolu@100mbps.es, antonioluis@usa.net, antoniolu@lettera.skios.es.

Ejercicio 1 del Examen de septiembre del 97, modelo b: Aunque U 2 ,+ es un grupo abeliano y hemos definido la siguiente ley de composicin externa de U U 2 U 2 :

D([, \ ) = (D[, \ ) no tenemos un espacio vectorial. Escrbase algunos de los axiomas que
no se verifican. 5HVSXHVWD UD]RQDGD Como no es un espacio vectorial sobre el cuerpo de los reales no ha de verificarse alguno de los cuatro axiomas que se le imponen a la ley de composicin externa. El primero de ellos se cumple ya que:

D(([, \ )+ (] , W )) = D([ + ], \ + W ) = (D([ + ] ), \ + W ) = (D[ + D], \ + W ) = (D[, \ )+ (D] , W ) = = D([, \ )+ D(] , W ).

El segundo no se cumple pues:

(D + E )([, \ ) = ((D + E )[, \ ) = (D[ + E[, \ )

mientras que

D([, \ )+ E([, \ ) = (D[, \ )+ (E[, \ ) = (D[ + E[,2 \ ) .

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

Ejercicio 1 del Examen de febrero del 97, 1 semana, modelo D. En el conjunto de pares ( = (D, E ) U 2 / D > 0 se define la ley de composicin interna:

(D, E )+ (F, G ) = (DF, E + G ). Hllese el elemento neutro de

existe. 5HVSXHVWD UD]RQDGD

( con la operacin dada, si

El elemento neutro H = ([, \ ) es un elemento de ( que verifica la propiedad:

([, \ )+ (D, E ) = (D, E )+ ([, \ ) = (D, E )

para todo (D, E ) perteneciente a ( . En primer lugar, planteamos la ecuacin

([, \ )+ (D, E) = (D, E ),

que resulta

([D, \ + E ) = (D, E ).
Para que dos pares ordenados como los anteriores sean iguales, deben ser iguales componente a componente. Por ello, tenemos el sistema: [D = D . \ + E = E Como estas igualdades han de darse para todo D > 0 y para todo E , concluimos que
[ = 1 e \ = 0 . Veamos ahora la siguiente ecuacin:

(D, E)+ ([, \ ) = (D, E) (D[, E + \ ) = (D, E ) .

Como antes, resulta un sistema D[ = D , E + \ = E cuya solucin tambin es [ = 1 , \ = 0 . En definitiva, HO HOHPHQWR QHXWUR HV (1,0 ).

Ejercicio 2 del Examen de febrero del 97, 1 semana, modelo D. Sabiendo que $ es una matriz regular que satisface $2 3 $ + , = 0 . Calclese $1 en funcin de $ e , . 5HVSXHVWD UD]RQDGD El conjunto de las matrices cuadradas de orden Q con entradas reales es un espacio vectorial real para la suma y el producto por escalares usuales y tambin un anillo unitario no conmutativo para la suma y el producto de matrices usuales. Esto permite definir los SROLQRPLRV GH PDWULFHV Qu es un polinomio de matrices? Pues no es ms que una expresin del tipo
S ([ ) = DQ [ Q + DQ 1 [ Q 1 + ... + D1 [ + D0 [ 0 ,

donde los D , L = 0,1,..., Q son nmeros reales y en lugar de [ ponemos una matriz dada
L

$ . As, en el caso que nos ocupa, tenemos una matriz regular (es decir, invertible) $

que se sustituye en el polinomio S([ ) = [ 2 3 [ + 1 y da la matriz cero. Esto es, se trata de un cero o raz matricial de este polinomio. Sea la expresin
$2 3 $ + , = 0 .

Para hallar la matriz inversa $1 slo tenemos que premultiplicar (multiplicar por la izquierda) ambos miembros de la expresin por tal matriz: $1 $2 3 $ + , = $1 0 . Distribuyendo y sin cambiar el orden del producto (no olvidemos que dicho producto no es conmutativo), obtenemos
$1 $2 3 $1 $ + $1, = 0 .

Simplificando los exponentes (siguen las reglas usuales) y aplicando que $1 $ = , y $1 , = $1 , resulta
$ 3, + $ 1 = 0 .

De esta ltima igualdad podemos despejar el valor de $1 . En efecto, es

$ 1 = 3 , $ .

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

Ejercicio 1 del Examen de septiembre del 96, modelo D. De entre los siguientes subconjuntos de U 2 , eljanse los que son subespacios vectoriales: a) b) c)

{([, \ )/ [ < \} {([, \ )/ [ + \ = 0}, {([, \ )/ \ 0}.

5HVSXHVWD UD]RQDGD Hay una sencilla regla que puede aplicarse en muchas ocasiones para determinar si un subconjunto de alguno de los espacios U Q es un subespacio vectorial. Esta regla es la siguiente: FXDQGR XQ VXEFRQMXQWR GH U Q VH GHILQH PHGLDQWH XQD FRPELQDFLyQ OLQHDO LJXDODGD D FHUR GH ODV FRPSRQHQWHV GH ORV YHFWRUHV TXH OR IRUPDQ HV XQ VXEHVSDFLR YHFWRULDO Por ejemplo, el conjunto

{([1 , [2 , [3 )/ 2 [1 + [2 [3 = 0}
es un subespacio vectorial de U 3 ya que se define utilizando la combinacin lineal de las componentes de los vectores que lo forman igualada a cero: 2 [1 + [2 [3 = 0 . Sin embargo, el conjunto

{([1 , [2 , [3 )/ 2 [1 + [2 [3 = 3}
no es un subespacio vectorial. En efecto, aunque se define utilizando una combinacin lineal, sta no est igualada a cero sino a tres. Tampoco el conjunto

{([ , [ , [ )/ 2 [
1 2 3

2 1

+ [2 [3 = 0

es un subespacio vectorial porque sus componentes no estn dados por medio de una combinacin lineal. Es muy importante sealar que este mtodo no es ms que una regla prctica y que no es en absoluto la nica manera de determinar un subespacio. Aplicando la regla prctica enunciada en los prrafos iniciales podemos ver que el conjunto del apartado b:

{([, \ )/ [ + \ = 0}
es un subespacio vectorial de U 2 . En efecto, se expresa mediante una combinacin lineal de las componentes de los vectores que lo forman igualada a cero. Para los conjuntos del resto de apartados no es aplicable la regla anterior y debemos utilizar la definicin de subespacio para comprobar si lo son o no. As, el conjunto del apartado a:

{([, \ )/ [ < \}
no es un subespacio vectorial ya que dado el vector (0,1), que pertenece a este conjunto por tener la segunda componente mayor que la primera, el producto de este vector por el escalar ( 1) es ( 1)(0,1) = (0,1) y el resultado de este producto no pertenece al mismo conjunto. Si fuera un subespacio vectorial, el producto de cualquiera de sus vectores por cualquier escalar sera siempre un vector del mismo conjunto. Tampoco el conjunto del apartado c:

{([, \ )/ \ 0}
es un subespacio vectorial. Tomando los vectores (1,1), (2,1), ambos pertenecientes a este conjunto, y efectuando su suma, resulta (1,1)+ (2,1) = (3,0 ) . El vector suma no pertenece al conjunto puesto que su segunda componente es cero. Si tal conjunto fuera un subespacio vectorial, la suma de dos cualesquiera de sus vectores sera tambin un vector del mismo conjunto.

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

Ejercicio 2 del Examen de septiembre del 96, modelo D. Sean $ y % dos matrices cuadradas cuyos determinantes tienen el mismo valor. De entre las siguientes opciones, eljanse las que son correctas: a) 4( $ + % ) = 2 $ , b) 2 $ = 2 $ , c) $1 = % 1 . 5HVSXHVWD UD]RQDGD Supongamos que $ = % = [ . Sabemos que si $ es de orden 3 y es un escalar , es

$ = 3 $
Esta propiedad nos permite asegurar que la opcin a es correcta. En efecto,

4( $ + % ) = 2 $ 4([ + [ ) = 23 [ 4 2 [ = 8 [ 8 [ = 8 [ .
De acuerdo con la propiedad que hemos explicado antes la opcin b es falsa y tambin lo es la opcin c ya que dos matrices pueden tener el mismo determinante pero no por esto tendrn la misma inversa. Por ejemplo, las matrices

1 0 0 1 0 0 $ = 0 1 0 , % = 0 1 0 0 0 1 0 0 1
tienen el mismo determinante1:

1 0 0 $ = 0 1 0 = 1, 0 0 1
Pero sus inversas son distintas

1 %= 0 0

1 0 = 1. 0 1

1 0 0 1 0 0 1 $ = 0 1 0 , % = 0 1 0 . 0 0 1 0 0 1
1

El determinante de una matriz diagonal es el producto de los elementos de la diagonal.

Ejercicio 1 del Examen de septiembre del 95, modelo D. De entre las siguientes afirmaciones eljanse las que son correctas: a) Los elementos de una matriz pertenecen a un cuerpo. b) El producto de dos matrices cuadradas es siempre posible. c) Si se multiplican todos los elementos de una matriz por una constante, el determinante de la matriz queda multiplicado por dicha constante. d) Si $ es una matriz de orden 3 4 , entonces el rango de $ es 3 o 4. e) Si $ y % son matrices regulares de orden 2, entonces $ + % es regular. 5HVSXHVWD UD]RQDGD La afirmacin a es correcta2 ya que las matrices se conciben como familias de elementos tomados de un cuerpo conmutativo. La afirmacin b no es correcta ya que para multiplicar dos matrices $ y % en el orden
$ % , el primer factor $ debe tener tantas columnas como filas tiene el segundo factor % . Esto significa que las matrices cuadradas han de ser del mismo orden. Por ejemplo,

las matrices
1 1 2 1 0 C = , D = 3 4 3 2 1 1 0 2

no pueden multiplicarse a pesar de ser ambas cuadradas, ya que una es de orden dos y la otra es de orden tres. La afirmacin c es falsa ya que al multiplicar los elementos de una matriz cuadrada por un nmero, todas sus entradas quedan multiplicadas por ese nmero y el determinante correspondiente queda multiplicado por Q veces dicho nmero. Por ejemplo, la matriz 2 1 $= 1 1 tiene por determinante det ($) = 2 1 = 2 1 1 1 = 1 . 1 1

Si multiplicamos la matriz $ por 4, queda

En el texto del curso se definen las matrices con entradas en un cuerpo pero es posible encontrar matrices con entradas de un anillo unitario y conmutativo.

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

2 1 8 4 4$ = 4 1 1 = 4 4 y el determinante de 4 $ es 8 4 det (4 $) = 4 4 = 8 4 4 4 = 32 16 = 16 , que no es igual a 4 veces el determinante de $ sino a 16 veces dicho determinante. El apartado d es tambin falso ya que el rango que puede poseer una matriz de orden
3 4 es 0,1,2 y como mximo 3.

Finalmente, el apartado e es falso. En efecto, la suma no conserva la regularidad de las matrices cuadradas. As, por ejemplo, las matrices cuadradas de orden 2: 1 0 1 0 $= 0 1 , % = 0 1 son regulares (es decir, tienen inversa3), mientras que su suma es 1 0 1 0 0 0 $+ % = 0 1 + 0 1 = 0 0 y, evidentemente, no es invertible (regular).

Recordemos que una matriz cuadrada tiene inversa si y slo si su determinante es distinto de cero.

Ejercicio 4 del Examen de septiembre del 95, modelo D. Determnense los vectores de una base % de U 2 sabiendo que los vectores (1,1), ( 1,1) referidos a la base cannica, tendran por coordenadas (2,3) y (3,5), respectivamente, si estuvieran referidos a la base % . 5HVSXHVWD UD]RQDGD Sea %= (H1 , H2 ) la base cannica y sea % = (Y1 , Y2 ) la base buscada. Entonces resulta que X = ( ,1) = 1 H1 + 1 H2 = 2 Y1 + 3 Y2 1 Y = ( 1,1) = ( 1) H1 + 1 H2 = 3 Y1 + 5 Y2 .

Estas igualdades nos permiten despejar los vectores Y1 y Y2 (es decir, los de la base % ) en funcin de los vectores H1 y H2 de la base cannica. En efecto, multiplicamos la primera ecuacin del sistema

1 H1 + 1 H2 = 2 Y1 + 3 Y2

( 1) H1 + 1 H2 = 3 Y1 + 5 Y2

por ( 3) y la segunda por 2 y sumamos las ecuaciones obtenidas (estamos utilizando el mtodo de reduccin):
1 H1 + 1 H2 = 2 Y1 + 3 Y2 ( 3) H1 + ( 3) H2 = 6 Y1 9 Y2 ( 1) H1 + 1 H2 = 3 Y1 + 5 Y2 ( 2) H1 + 2 H2 = 6 Y1 + 10 Y2 5H1 H2 = Y2

Ahora sustituimos el valor de Y2 en la primera ecuacin y despejamos Y1

1 H1 + 1 H2 = 2 Y1 + 3 ( 5H1 H2 ) H1 + H2 = 2Y1 15H1 3H2 16H1 + 4H2 = Y1 8H1 + 2H2 = Y1 2

En definitiva, tenemos

B = (v1 , v2 ) = ((8,2), ( 5,1)).

10

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

Ejercicio 1 del Examen de febrero del 95, 2 semana. Eljanse de entre los siguientes subconjuntos de matrices cuadradas de orden 2 los que sean subespacios vectoriales de

0 22 .
a) Las matrices simtricas. b) Las matrices antisimtricas. c) Las matrices cuyas filas son (D, E ) y (0, G ), siendo E distinto de cero. d) Las matrices escalares. 5HVSXHVWD UD]RQDGD a) Una matriz cuadrada de orden Q es simtrica si es igual a su transpuesta4. Esto es, $ = $ . La transposicin es un proceso que conserva las sumas y los productos por
W

escalares. Es decir,

($ + % )

= $ +% ,
W W

($)

= $ .
W

Estas propiedades nos permiten afirmar que el conjunto de las matrices simtricas es un subespacio vectorial. En efecto, si $ y % son dos matrices simtricas ( $ = $, % = % ),
W W

su combinacin lineal es una matriz simtrica:

($ + % ) = ($) + (% )
W W

= $ + % = $ + % .
W W

b) Una matriz cuadrada de orden Q es antisimtrica si su transpuesta es igual a su opuesta. En smbolos, $ = $ . Como la transposicin es un proceso que conserva la
W

suma y el producto por escalares, podemos afirmar que el conjunto de las matrices antisimtricas es un subespacio vectorial. En efecto, sean $ y % dos matrices antisimtricas ( $ = $, % = % ), entonces su combinacin lineal es una matriz
W W

antisimtrica:

($ + % ) = ($) + (% )
W W

= $ + % = ( $)+ ( % ) = ($ + % ) .
W W

D E d) El conjunto de las matrices de la forma 0 G con E 0 no forman un subespacio 1 1 1 1 vectorial. Para comprobar esta afirmacin basta tomar las matrices 0 1, 0 1 , ambas pertenecientes a este conjunto y efectuar su suma

La transpuesta de una matriz cuadrada es la matriz resultante de cambiar filas por columnas.

11

 1 1 1 1 2 0 0 1 + 0 1 = 0 2 . El resultado no pertenece al mismo conjunto puesto que el elemento E (primera fila, segunda columna) es igual a cero. Las matrices escalares son aquellas de la forma N, , donde N es un escalar e , la 2 0 identidad. Por ejemplo, la matriz 0 2 es una matriz escalar pues resulta igual a 2 , . El conjunto de estas matrices es un subespacio. Sean , , , dos matrices escalares, su combinacin lineal es

(, )+ (, ) = ( ), + (), = ( + ), ,
que resulta otra matriz escalar.

12

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

Ejercicio 2 del Examen de febrero del 95, 2 semana. %1 = { 2,0,0), (0,2,0), (0,0,2 ) y ( }

%2 = {1,1,0 ), (0,1,1), (D, E, F )} son dos bases de U 3 . Determnense las coordenadas del (
vector (D, E, F ) sabiendo que (2,2,2) tienen las mismas coordenadas respecto a ambas bases. 5HVSXHVWD UD]RQDGD Las coordenadas del vector (2,2,2) respecto a la base %1 son los escalares por los que hay que multiplicar una combinacin lineal de los vectores de dicha base para obtener este vector. En concreto,

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

Esto significa que las coordenadas de (2,2,2) en la base %1 son (1,1,1). Respecto a la base %2 estas coordenadas deben ser las mismas, luego

(2,2,2) = 1 (1,1,0)+ 1 (0,1,1)+ 1 (D, E, F ).

De la anterior igualdad, obtenemos las ecuaciones

2 = 1+ D 2 = 2 + E 2 = 1+ F
cuya resolucin es sencilla, obteniendo:
D = 1, E = 0, F = 1 .

El vector buscado es (1,0,1).

13

Ejercicio 1 del Examen de febrero del 95, 1 semana. Se considera el conjunto 32 ([ ) de los polinomios de grado 2 con coeficientes reales y el conjunto $ = [, [ 2 2 [,3[ + 5 [ 2 . Eljanse de entre las siguientes respuestas las que sean ciertas: a) $ es sistema de generadores de 32 ([ ) porque sus vectores son linealmente independientes. b) $ no es sistema de generadores de 32 ([ ) porque sus vectores no generan 32 ([ ). c) $ es base porque tiene tres vectores linealmente independientes en un espacio vectorial de dimensin tres. d) $ no es base porque no es sistema generador. 5HVSXHVWD UD]RQDGD Veamos si los vectores de $ son linealmente independientes. Para ello, planteamos la combinacin ( [ )+ [ 2 2 [ + 3 [ + 5 [ 2 = 0 . Operamos esta expresin [ + [ 2 2 [ + 3[ + 5[ 2 = 0 , que expresada correctamente en orden de potencias crecientes de [ , resulta

) (

( + 5 )[ 2 + ( 2 + 3 )[ = 0 .
Esto implica que + 5 = 0 . 2 + 3 = 0 Este sistema homogneo tiene soluciones distintas a la trivial por lo que los vectores de
$ no forman un sistema linealmente independiente. Esto implica que no pueden ser un

sistema generador de 32 ([ ) porque al ser tres la dimensin de este espacio, necesita para un sistema generador, de al menos tres vectores linealmente independientes. Tampoco puede ser base de 32 ([ ) porque no es sistema generador. En definitiva, llegamos a la conclusin de que los apartados b y d son ciertos y el resto de apartados falsos.

14

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

Ejercicio 1 del Examen 4. Determnese cules de los siguientes subconjuntos de 5 2 son base de U 2 : a) $ = {1,2), ( ,0)}, ( 1 b) % = {1,2), (0,0)}, ( c) & = {1,2), (2,4)}, (

( 1 d) ' = {1,2), (3,4), ( ,0)},

e) ( = {1,2), ( ,0), (0,1)}. ( 1 5HVSXHVWD UD]RQDGD El subconjunto $ es una base ya que est formado por dos vectores linealmente independientes y sabemos que todo sistema de dos vectores linealmente independientes en U 2 es una base. El subconjunto % no es una base porque contiene al vector cero y ninguna base ha de contener a tal vector. El subconjunto & no es una base porque sus vectores son linealmente dependientes. Los subconjuntos ' y ( no son bases porque estn formados por tres vectores y en U 2 el nmero de vectores de una base es siempre dos (eso es justamente la dimensin de U 2 ).

15

Ejercicio 2 del Examen 4. Constryase una base del subespacio de U 4 de ecuacin implcita [ + 2 \ + 3] + X = 0 . 5HVSXHVWD UD]RQDGD La ecuacin implcita nos da una relacin entre las componentes ([, \ , ], X ) de un vector del subespacio. Para hallar una base debemos resolver la ecuacin
[ + 2 \ + 3] + X = 0 .

Slo tenemos una ecuacin para hallar cuatro incgnitas. Esto significa que debemos tomar tres parmetros (n incgnitasn ecuaciones independientes = n parmetros). Tomaremos, por comodidad, a \, ] y X como parmetros, quedando:
[ = 2 \ + 3] + X \=\ ]=] X =X

Esto significa que un vector de dicho subespacio tiene la forma

(2 \ + 3] + X, \, ], X ) .
Esta expresin puede obtenerse como

(2 \ + 3] + X, \, ], X ) = \(2,1,0,0)+ ] (3,0,1,0)+ X(1,0,0,1) .

Luego una base del subespacio es la formada por los vectores (2,1,0,0), (3,0,1,0), ( ,0,0,1) . 1

16

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

Ejercicio 4 del Examen 4. Calclese el valor de D para que sea cierta la expresin
$2 + $% + 2 % = D, , siendo

1 0 1 0 , % = $= 2 1 2 1 . 5HVSXHVWD UD]RQDGD Operamos con las matrices dadas 1 0 1 0 1 0 1 0 1 0 $ + $% + 2 % = D, = 2 1 + 2 1 2 1 + 2 2 1 = D 0 1 =

2 2

1 0 1 0 2 0 D 0 4 0 D 0 + + = = . 4 1 0 1 4 2 0 D 0 4 0 D De la ltima igualdad se sigue que D = 4 .

17

Ejercicio 1 del Examen 3. Determnese cules de los siguientes subconjuntos de U 2 son subespacios vectoriales:

( a) $ = { [, \ )/ \ = 0},
b) % = { [, \ )/ \ 0}, ( c) & = { [, \ )/ [ = \}, (

( d) ' = { [, \ )/ [ = 1},
e) $ & , f)
$ ' ,

g) $ & . 5HVSXHVWD UD]RQDGD El conjunto $ es un subespacio vectorial ya que, aplicando la regla que vimos en el Ejercicio 1 del Examen de septiembre del 96 (pgina 5) se expresa mediante una combinacin lineal igualada a cero de las componentes [ e \ de los vectores ([, \ ) que lo forman. Concretamente, tal combinacin es 0 [ + 1 \ = 0 . El conjunto % no es un subespacio vectorial (ver el apartado c del Ejercicio 1 del Examen de septiembre del 96 en la pgina 5). El conjunto & es un subespacio vectorial ya que se define mediante la igualdad [ = \ , que puede ponerse como una combinacin lineal igualada a cero. En efecto, es equivalente a [ \ = 0 . El conjunto ' no es un subespacio vectorial, ya que tomando los vectores (1,0 ), (1,2) , pertenecientes ambos a ' , su suma es (1,0)+ (1,2) = (2,2 ) , que no pertenece a ' al tener la primera componente distinta de uno. Sabemos que los conjuntos $ y & son subespacios. Esto no garantiza que su unin
$ & sea tambin un subespacio. En este caso es

( $ & = { [, \ )/ \ = 0 [ = \}.
Sean los vectores (1,0), (2,2 ) , ambos pertenecientes a $ & (ya que el primero pertenece a A y el segundo a B). Su suma es (1,0) + (2,2) = (3,2 ), que no pertenece a la unin de $ y & puesto que ni su segunda componente es cero y tiene las dos componentes iguales. En resumen, $ & no es un subespacio vectorial.

18

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

El conjunto $ ' est formado por los ([, \ ) que cumplen a un tiempo las condiciones que definen a $ y las condiciones que definen a ' . Por tanto, est formado por un nico vector el (1,0 ) y no puede ser un subespacio pues todo subespacio de 5 2 contiene como mnimo al vector (0,0). Finalmente, el conjunto $ & es un subespacio pues siempre es subespacio la interseccin de dos subespacios y tanto $ como & lo son.

19

Ejercicio 2 del Examen 3. Constryase una base de U 4 que incluya al mayor nmero de vectores linealmente independientes de entre los siguientes:

(2,1,0,0), (4,4,1,2), (2,1,1,1), (4,2,1,1)

5HVSXHVWD UD]RQDGD Lo primero que vamos a hacer es ver cuntos vectores linealmente independientes hay en el conjunto de vectores (es decir, vamos a hallar el rango del conjunto de vectores). Para ello resolvemos el sistema homogneo dado por la igualdad: 1 (2,1,0,0)+ 2 (4,4,1,2 )+ 3 (2,1,1,1)+ 4 (4,2,1,1) = (0,0,0,0). Es decir, el sistema

21 + 4 2 + 2 3 + 4 4 = 0 1 + 4 2 + 3 + 2 4 = 0 . 2 + 3 + 4 = 0 2 2 + 3 + 4 = 0
Multiplicamos la segunda ecuacin por 2 y le sumamos la primera: 21 + 4 2 + 2 3 + 4 4 = 0 21 8 2 2 3 4 4 = 0 4 2 =0 .

La ecuacin obtenida nos dice que 2 = 0 . Sustituimos este valor en el resto de ecuaciones y el sistema queda:

21 + 2 3 + 4 4 = 0 1 + 3 + 2 4 = 0 . 3 + 4 = 0 3 + 4 = 0
Las dos ltimas ecuaciones son la misma por lo que podemos eliminar una de ellas:

21 + 2 3 + 4 4 = 0 1 + 3 + 2 4 = 0 . 3 + 4 = 0
Dividimos por 2 ambos miembros de la primera ecuacin:

20

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

1 + 3 + 2 4 = 0 1 + 3 + 2 4 = 0 . 3 + 4 = 0
Las dos primeras ecuaciones son ahora iguales por lo que podemos eliminar una de ellas:

1 + 3 + 2 4 = 0 . 3 + 4 = 0
El sistema resultante tiene dos ecuaciones para tres incgnitas. Esto significa que ser compatible indeterminado (infinitas soluciones) y tiene un grado de libertad (grados de libertad=nmero de incgnitasnmero de ecuaciones). Tomando 3 = (es decir, como un parmetro) quedar en la forma:

1 + + 2 4 = 0 . + 4 = 0
De aqu despejamos 1 y 4 : 4 = Las soluciones son 1 = 2 = 0 3 = 4 = Como no todas son cero, los vectores (2,1,0,0), (4,4,1,2), (2,1,1,1), (4,2,1,1) son linealmente dependientes y su relacin de dependencia es . 1 = 2 4 = 2( ) = + 2 = .

(2,1,0,0)+ 0 (4,4,1,2)+ (2,1,1,1) (4,2,1,1) = (0,0,0,0).

Si hacemos = 1 y operamos queda:

1 (2,1,0,0 )+ (2,1,1,1) (4,2,1,1) = (0,0,0,0).

Esto nos indica que el vector (4,2,1,1) es combinacin lineal de los otros dos:

1 (2,1,0,0)+ (2,1,1,1) = (4,2,1,1).

Podemos tomar los vectores (2,1,0,0), (2,1,1,1), (4,4,1,2 ) como linealmente independientes. Slo habr que aadir un vector que no dependa de stos para conseguir una base de U 4 . Por ejemplo, aadiendo el vector (0,0,0,1) se consigue la base:

(2,1,0,0), (2,1,1,1), (4,4,1,2), (0,0,0,1).

21

Ejercicio 4 del Examen 3. Si X , Y y Z son vectores linealmente independientes de un espacio vectorial 9 , dgase cul o cuales de los siguientes conjuntos son linealmente independientes: a) $ = { + Y, Y + Z, X + Z}, X b) % = { Y, Y + Z, X + Z}, X c) & = { , Y, X + Z, X + Y}, X

X d) ' = { + Y, X + Z}.
5HVSXHVWD UD]RQDGD Planteamos la siguiente combinacin lineal entre los vectores del conjunto $ :

(X + Y )+ (Y + Z)+ (X + Z) = 0 .
Simplificando queda en la forma:

( + )X + ( + )Y + ( + )Z = 0 .
Como hemos supuesto que los vectores X, Y y Z son linealmente independientes, entonces
+ =0 + = 0. + = 0

Reducimos este sistema homogneo sin ms que multiplicar por 1 la primera ecuacin y aadirla a la segunda:
=0 + = 0 = 0

La ecuacin obtenida sustituye a la primera (tambin podra sustituir a la segunda):

+ =0 = 0 . + = 0

Sumando la segunda y la tercera:

22

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

= 0 + = 0 2 = 0

De aqu obtenemos que = 0 y sustituyendo en cualquiera de las dos ecuaciones inmediatamente anteriores resulta = 0 . Finalmente, tambin es = 0 . Esto prueba que $ es un conjunto de vectores linealmente independientes. El conjunto % = { Y, Y + Z, X + Z} no es linealmente independiente ya que podemos X obtener el vector X + Z , sumando los vectores X Y y Y + Z . El conjunto & = { , Y, X + Z, X + Y} tampoco es linealmente independiente pues X trivialmente el vector X + Y se obtiene como suma de los vectores X y Y . Finalmente, el conjunto ' = { + Y, X + Z} es linealmente independiente ya que X ninguno de sus dos vectores puede obtenerse mediante combinacin lineal del vector restante (el lector puede ensayar el mismo mtodo que el empleado para ver que el conjunto $ es linealmente independiente).

23

 0 L Ejercicio 3 del Examen 2: Dada la matriz $ = L 0 , siendo L la unidad imaginaria, calcular

$
N =1

2N

5HVSXHVWD UD]RQDGD
6 6

Como

$
N =1

2N

= $2
N =1

( )

= $2 + $2 + $2 + $2 + $2 + $2

( ) ( ) ( ) ( ) ( )
2 3 4 5

, es interesante

hallar primero el valor de $2 :

0 L 0 L L 2 $2 = L 0 L 0 = 0
Como L 2 = 1 , resulta

0 . L2

L2 $2 = 0

0 1 0 0 ( 1) = = . 0 2 ( 1) 0 1 L

En definitiva, la matriz $2 es igual a la identidad y cualquier potencia de la identidad es ella misma, luego
6 6

$
N =1

2N

= $2
N =1

( )

= $2 + $2 + $2 + $2 + $ 2 + $ 2

( ) ( ) ( ) ( ) ( ) = , + , + , + , + , + , = 6,
2 3 4 5 6

6 0 . = 0 6

24

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD

*UXSR 

Ejercicio 2 del Examen de febrero del 94. Determinar D para que los vectores

(D,1,0), (0, D,4), (1,1,1) sean linealmente independientes.

5HVSXHVWD UD]RQDGD Planteamos la combinacin lineal

(D,1,0)+ (0, D,4)+ (1,1,1) = (0,0,0)

y de aqu obtenemos el sistema homogneo:
D + = 0 + D + = 0 . 4 + = 0

Si queremos que los vectores sean linealmente independientes, el sistema slo debe tener la solucin trivial. Multiplicamos por D la primera ecuacin y la sumamos a la segunda:

D + = 0 D D 2 D = 0 D 2 + ( D ) = 0 1
Ahora con la ecuacin obtenida y la tercera ecuacin del sistema original, eliminamos
. Para ello multiplicamos la tercera ecuacin del sistema original por (D 1) y le

sumamos la ecuacin obtenida anteriormente:

( D

D 2 + (1 D ) = 0 .
2

4(D 1) + (D 1) = 0

+ 4(D 1) = 0

Si queremos que = 0 , entonces su coeficiente ha de ser diferente de cero: D 2 + 4(D 1) 0 . Si resolvemos la ecuacin D 2 + 4(D 1) = 0 , sabremos qu nmeros son los que hacen cero y los vlidos sern los dems. En efecto,
D 2 + 4(D 1) = 0 D 2 + 4D 4 = 0 D 2 4D + 4 = 0 D = 4 16 16 =2. 2

Continuar sustituyendo en el sistema original y ver los valores de los dems parmetros. El sistema es linealmente independiente siempre que D 2 .

25

3UREOHPDV VHOHFFLRQDGRV GH ([iPHQHV GH OJHEUD GH ,QIRUPiWLFD 81(' *UXSR  0DWULFHV GHWHUPLQDQWHV DSOLFDFLRQHV OLQHDOHV VLVWHPDV GH HFXDFLRQHV YDULHGDGHV OLQHDOHV
$QWRQLR /XLV 0DUWtQH] 5LFR (,&4 6219176). Para cualquier consulta o sugerencia dirigirse a una de las direcciones de correo electrnico siguientes: antoniolu@100mbps.es, antonioluis@usa.net, antoniolu@lettera.skios.es.

Ejercicio 2 del Examen de septiembre del 97, modelo b: Sea $ la matriz cuyas filas son

( 2,4,2,1), (4,2,1,2), (2,1,2,4) y (1,2,4,2). Eljanse las que son correctas de entre las
siguientes afirmaciones: a) $2 / 25 = , . b) $ = 25 $1 . c) $ $1 = $2 . 5HVSXHVWD UD]RQDGD Tenemos que 2 1 2 4 2 1 2 4 $= . 2 1 2 4 1 2 4 2 Las opciones b y c manejan la inversa de $ . Esto slo es posible si tal inversa existe y tal inversa existe si y slo si el determinante de $ es distinto de cero. Vamos a calcular el determinante de $ . En primer lugar, intercambiamos la primera y la cuarta filas. Esto hace que el valor del determinante cambie de signo por lo que debemos poner un signo menos delante de este nuevo determinante para asegurar que es igual al primitivo: 2 4 2 1 1 2 4 2 4 2 1 2 4 2 1 2 det ($) = = . 2 1 2 4 2 1 2 4 1 2 4 2 2 4 2 1

A continuacin, sustituimos la segunda fila por el resultado de sumar a la segunda fila la primera multiplicada por ( 4). Tambin sustituimos la tercera fila por el resultado de sumar a la tercera fila la primera multiplicada por 2 y finalmente, la cuarta fila se sustituye por la suma de la primera multiplicada por 2 con la cuarta. Estas transformaciones elementales no alteran el valor del determinante:

Problemas seleccionados de los exmenes de lgebra

Grupo 2

1 2 4 2 1 2 4 2 4 2 1 2 0 10 15 10 = . 2 1 2 4 0 5 10 0 2 4 2 1 0 0 10 5

Como las entradas de la segunda, tercera y cuarta filas son mltiplos de 5 , escribimos: 1 2 4 2 1 2 0 10 15 10 05 25 = 0 5 10 0 0 5 5 1 0 0 10 5 05 05

4 ( 3) 5 ( 2) 5 25

2 ( 2) 5 . 05 5 1

Sacamos 5 factor comn de las tres ltimas filas: 1 2 05 25 0 5 5 1 05 05 2 1 2 ( 2) 5 0 2 = 53 05 0 1 5 1 0 0

4 ( 3) 5 ( 2) 5 25

4 ( 3) ( 2) 2

2 ( 2) . 0 1

Desarrollamos por los adjuntos de los elementos de la primera columna: 1 2 0 2 53 0 1 0 0

4 ( 3) ( 2 ) 2

2 2 3 2 ( 2) 1+1 = 53 1 ( 1) 1 2 0 . 0 0 2 1 1

En el determinante obtenido sumamos a la primera fila la segunda fila multiplicada por

( 2):
5 1 ( 1) 1 2 0 2
3 1+1

2 3 2

2 0 . 1

0 = 125 1 2 1 0 2

Para acabar desarrollamos el determinante por los adjuntos de la primera columna:

125 1 2 0 2

2 2 +1 1 0 = 125 1 ( 1) = 125 ( 1) (1 + 4 ) = 125 5 = 625 . 2 1 1

Como el determinante no es cero, la matriz $ es invertible y no podemos descartar las opciones b y c. Calculamos el valor de $2 para investigar la opcin a: 2 1 2 4 2 1 25 0 0 0 2 4 2 1 2 4 2 1 2 0 25 0 0 4 $2 = = . 2 1 2 4 2 1 2 4 0 0 25 0 1 2 4 2 1 2 4 2 0 0 0 25 Observamos que $2 = 25 , . Es decir, el cuadrado de $ es el resultado de multiplicar
25 por la identidad y se trata de una matriz escalar. Por ello:

$2 = 25 ,

$2 =,. 25
$ $= , . 25

Esto significa que la opcin a es cierta. Por otro lado,

$2 = 25 , $ $ = 25 ,

Como la inversa $1 es la nica matriz solucin de ;$ = , , se tiene que

$1 = $ 25

y la opcin b es tambin cierta. Para acabar, si fuera $ $1 = $2 , tendramos

$ $ 1 = $ 2 , = $ 2

y el cuadrado de la matriz $ sera igual a la identidad. Esto no es as ya que $2 = 25 , y la opcin c es falsa.

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 3 del Examen de septiembre del 97, modelo b: Sean 32 ([ ) el espacio vectorial de los polinomios de grado mximo 2, % = 1, [, [ 2 una base ordenada para 32 ([ ) y

I : 32 ([ ) 32 ([ ) una aplicacin lineal tal que: I (1) = [ 2 , I ([ ) = 2 [ + 5 y

I [ 2 = 2 [ 2 [ . Escrbase la matriz de la aplicacin lineal. 5HVSXHVWD UD]RQDGD Supongamos que I : ( ) es una aplicacin lineal entre dos espacios vectoriales sobre el mismo cuerpo, tales que dim(( ) = P y dim() ) = Q . Si % = (X1 , X 2 , K, X P ) es una base de ( y % = (Y1 , Y 2 , K , Y Q ) es una base de ) , entonces la matriz de I respecto a estas bases es de tipo Q P y sus P columnas estn formadas por las coordenadas en la base % de los P vectores I (X1 ), I (X 2 ), K, I (X P ). Cuando ( = ) se dice que la aplicacin lineal es un endomorfismo y generalmente se toma la misma base % = % . La aplicacin lineal I : 32 ([ ) 32 ([ ) es un endomorfismo ya que los espacios vectoriales inicial y final coinciden. Su matriz respecto a la base % = 1, [, [ 2 es cuadrada de orden 3 y sus columnas son las coordenadas en dicha base de I (1), I ([ ) y I [ 2 . Es decir, I ( ) = [ 2 = 0 1 + 0 [ + 1 [ 2 , 1 I ([ ) = [ 2 = 5 1 + 2 [ + 0 [ 2 , I [ 2 = 0 1 + ( 1) [ + 2 [ 2

( )

( )

( )

y la matriz pedida es:

0 5 0 $ = 0 2 1 . 1 0 2

Ejercicio 4 del Examen de septiembre del 97, modelo b: En un determinante de orden

> 3 , donde el trmino general es D = L M , se puede afirmar que cada fila es
LM

combinacin lineal de otras. Escrbase dicha combinacin lineal para la fila 5. 5HVSXHVWD UD]RQDGD Supongamos que el determinante es de orden Q y su trmino general es de la forma
D = L M . Resultar:
LM

1 1 2 1 3 1 4 1 5 1 6 1 . Q 1

1 2 22 3 2 42 52 62 . Q2

1 3 23 33 43 53 63 . Q3

. . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

1 (Q 1) 2 (Q 1) 3 (Q 1) 4 (Q 1) 5 (Q 1) 6 (Q 1) . Q (Q 1) . . . . . . . . 2Q 3 Q 4Q 5Q 6Q 7Q . 1

1 Q 2Q 3 Q 4Q = 5Q 6Q . QQ 1 Q 2Q 3 Q 4Q . 5Q 6Q . 0

0 1 2 1 0 1 2 1 0 3 2 1 = 4 3 2 5 4 3 . . . Q 1 Q 2 Q 3

Esta forma de trabajar se hace imposible si el orden del determinante es muy grande. Conviene pues tener una notacin para los elementos de las distintas filas y columnas. Como D = L M , se tiene que:
LM

D5 , = 5 M .
M

En particular, si hacemos que M vare desde 1 hasta Q obtenemos las entradas de la fila 5:
4 3 2 1 0 1 . . . 7 Q 6 Q 5 Q .

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Tambin observamos que las entradas de las filas anterior y siguiente (fila cuatro y fila seis) son, respectivamente, de las formas D4, = 4 M y D6, = 6 M . Es decir, variando
M M

M entre 1 y Q obtenemos:

3 2 1 0

1 2 . . . 4 (Q 1) 4 (Q 1) 4 Q ,

5 4 3 2 1 0 . . . 6 (Q 2) 6 (Q 1) 6 Q .
La suma de las filas anterior y siguiente es:
D4, + D6, = 4 M + 6 M = 10 2 M = 2 (5 M ) .
M M

Observamos que esta suma tiene en cada entrada valor doble al de las correspondientes entradas de la fila D5, :
M

D4, + D6, = 4 M + 6 M = 10 2 M = 2 (5 M ) = 2D5, .

M M M

Podemos comprobar este extremo de manera directa:

3 2 1 0 5 4 3 2 8 6 4 2 1 2 . . . 6 Q 1 0 0 . . . 8Q 2 5Q 7Q 4Q 6Q

14 2Q 12 2Q 10 2Q

En resumen, resulta que

D5 , =
M

1 (D4, + D6, 2
M

y la quinta fila es semisuma de la cuarta y la sexta.

Ejercicio 5 del Examen de septiembre del 97, modelo b: Dado el sistema lineal homogneo: [1 + [2 + [3 = 0, [1 [2 + [3 = 0, 2 [1 + D[3 = 0 . De entre las siguientes afirmaciones, eljanse las que son correctas: a) Para todo D U el sistema es compatible determinado por ser homogneo. b) Para un valor de D es compatible determinado. c) Cuando D = 2 el vector ( 1,0,1) es generador del espacio de soluciones del sistema. 5HVSXHVWD UD]RQDGD: Para estudiar el sistema homogneo

[1 + [2 + [3 = 0 [1 [2 + [3 = 0 2 [1 + D[3 = 0
investigamos el rango de la matriz del sistema. En este caso, como

1 1 1 = D + 2 + 2 D = 4 2D = 2(2 D ). 2 0 D
La matriz del sistema tiene rango tres para aquellos valores que no anulen el determinante. Concretamente, si D es distinto de dos. En tal caso, el rango de la matriz es tres, el de la matriz ampliada tres y el nmero de incgnitas tambin es tres, esto significa que el sistema homogneo slo tiene una solucin que, necesariamente, es la trivial: [1 = [2 = [3 = 0 . Por otro lado, si D es 2 , el rango de la matriz del sistema es dos ya que podemos encontrar un menor de orden dos no nulo: 1 1 = 1 1 = 2 0 . 1 1 Es evidente que el rango de la matriz ampliada es dos y el sistema homogneo resulta compatible indeterminado. Esto nos permite afirmar que la opcin b es cierta. Ahora sustituimos D = 2 y resolvemos:

[1 + [2 + [3 = 0 [1 [2 + [3 = 0 . 2 [1 + 2 [3 = 0

Problemas seleccionados de los exmenes de lgebra

Grupo 2

En lugar de la segunda ecuacin ponemos el resultado de la suma de esta con la primera multiplicada por ( 1) y en lugar de la tercera el resultado de sumar esta con la primera multiplicada por ( 2):

[1 + [2 + [3 = 0 [1 + [2 + [3 = 0 [1 [2 + [3 = 0 2 [2 = 0 . 2 [2 = 0 2 [1 + 2 [3 = 0
Como la segunda y la tercera ecuaciones son iguales, suprimimos una de ellas:

[1 + [2 + [3 = 0 [1 + [2 + [3 = 0 2 [2 = 0 . 2 [2 =0 2 [2 = 0
La ecuacin 2 [2 = 0 implica que [2 = 0 y , el sistema queda ahora como:

[1 + [2 + [3 = 0 [1 + [3 = 0 . [2 = 0 2 [2 =0
Tomando como parmetro [1 , resulta

[3 = [1 [1 + [3 = 0 [2 = 0 . [2 = 0 [1 = [1
Esto significa que un vector solucin del sistema homogneo tiene la forma:

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

Luego el vector (1,0,1) es generador del espacio de soluciones. En definitiva, esto implica que c es una opcin correcta.

Ejercicio 3 del Examen de febrero del 97, 1 semana, modelo D: Sea 0 22 el espacio vectorial de matrices reales cuadradas de orden dos y I : 0 22 0 22 la aplicacin 1 2 lineal definida por I ($) = $0 0$ , siendo 0 = 0 3 . Calclese una base del ncleo de la aplicacin dada. 5HVSXHVWD UD]RQDGD La aplicacin lineal I trabaja de la siguiente forma: a cada matriz cuadrada $ de orden 2 le asigna otra matriz I ($), tambin cuadrada de orden 2, obtenida mediante la 1 2 1 2 $ . El ncleo de esta aplicacin lineal es el subespacio operacin $ 0 3 0 3 vectorial formado por aquellas matrices $ que en la operacin anterior den como 0 0 resultado la matriz nula: 0 0 . Esto pasar con aquellas matrices $ que conmuten 1 2 con la matriz 0 = 0 3 . Es decir, con aquellas matrices que den lo mismo al premultiplicar (multiplicar delante) o postmultiplicar (multiplicar detrs) por 0 . En smbolos: [ ] \ 1 2 1 2 [ W 0 3 0 3 ] \ 0 0 = . W 0 0

Nos toca, pues, resolver una ecuacin matricial. En primer lugar, simplificamos: [ 2[ + 3 \ [ + 2] ] 2 ] + 3W 3 ] \ + 2W 0 0 = ; 3W 0 0

2 ] 2 [ + 2 \ 2W 0 0 = 2] 0 0 . 2] Igualando las dos ltimas matrices, obtenemos un sistema homogneo: 2] = 0 2[ + 2 \ 2W = 0 . 2] = 0 2 ] = 0 Eliminando las ecuaciones redundantes y dividiendo por 2 ambos miembros de todas las ecuaciones, el sistema queda en la forma:

10

Problemas seleccionados de los exmenes de lgebra

Grupo 2

[+ \

W = 0 . ] = 0

Como slo tenemos dos ecuaciones independientes para hallar un total de cuatro incgnitas, el sistema es compatible e indeterminado y hemos de tomar dos parmetros, por ejemplo \ y W : [+ \ W = 0 ] = 0 W \ 0 W \ 0 \ = W [=W \ . ] =0 \ W

En resumen, la matriz solucin es:

que puede obtenerse como combinacin lineal de dos matrices: 1 1 1 0 \ 0 0 + W 0 1 .

1 1 Esto significa que una base del ncleo de I es la formada por las matrices 0 0 y 1 0 0 1 .

11

Ejercicio 4 del Examen de febrero del 97, 1 semana, modelo D: Escrbase el valor del determinante de orden Q cuyas filas son

(0,1,1,K,1), (1,0,1,K,1), (1,1,0,K,1),K, (1,1,1,K,0) .

5HVSXHVWD UD]RQDGD: El determinante cuyo valor se nos pide hallar es el determinante de la siguiente matriz cuadrada de orden Q 0 1 1 . . . 1 1 1 0 1 . . . 1 1 1 1 0 . . . 1 1 1 1 1 . . . 1 1 . . . . . . . . . . . . . . . . 1 1 1 . . . 0 1 1 1 1 . . . . 1 0

Vemos que dicha matriz se caracteriza por tener ceros en la diagonal principal y unos en el resto de entradas. Utilizaremos ciertas propiedades de los determinantes para poder hacer este clculo. En primer lugar, a la ltima fila le aadimos las dems, quedando:

0 1 1 1 1 0 1 1 1 1 0 1 . . . . . . . . . . . . 1 1 1 1 Q 1 Q 1 Q 1 Q 1

. . . . . . . .

. 1 1 . 1 1 . 1 1 . . . , . . . . . . . 0 1 . Q 1 Q 1

puesto que hay justamente Q 1 unos en cada columna. A continuacin, observamos que la ltima fila obtenida tiene todas las entradas iguales. Es decir, podemos tomar estas entradas de la ltima fila todas iguales a (Q 1) 1 , por lo que todas ellas estn multiplicadas por el mismo factor (Q 1) y podemos escribir:

12

Problemas seleccionados de los exmenes de lgebra

Grupo 2

0 1 1 1 1 0 1 1 1 1 0 1 . . . . . . . . . . . . 1 1 1 1 Q 1 Q 1 Q 1 Q 1

. . . . . . . .

. 1 1 0 . 1 1 1 . 1 1 1 . . . . = (Q 1) . . . . . . . . . 0 1 1 . Q 1 Q 1 1

1 0 1 . . . 1 1

1 1 0 . . . 1 1

1 1 1 . . . 1 1

. . . . . . . .

. . . . . . . .

1 1 1 . . . 0 1

1 1 1 . . . . 1 1

Ahora a la ltima fila le sumamos la primera multiplicada por ( 1) . Esto no cambia el valor del determinante y nos proporciona muchas entradas iguales a cero:

0 1 1 . (Q 1) . . 1 1

1 0 1 . . . 1 1

1 1 0 . . . 1 1

1 1 1 . . . 1 1

. . . . . . . .

. . . . . . . .

1 1 1 . . . 0 1

1 0 1 1 1 1 . . = (Q 1) . . . . 1 1 1 1

1 0 1 . . . 1 0

1 1 0 . . . 1 0

1 1 1 . . . 1 0

. . . . . . . .

. . . . . . . .

1 1 1 . . . 0 0

1 1 1 . . . . 1 0

Desarrollamos por los adjuntos de la ltima fila

0 1 1 . (Q 1) . . 1 1

1 0 1 . . . 1 0

1 1 0 . . . 1 0

1 1 1 . . . 1 0

. . . . . . . .

. . . . . . . .

1 1 1 . . . 0 0

0 / 1 1 / 1 1 / 1 . . Q +1 = (Q 1) 1 ( 1) / . . / . . / / 1 1 / 1 0

1 1 1 . 0 1 1 . 1 0 1 . . . . . . . . . . . . . 1 1 1 . 0 0 0 / / / / .

. 1 1 . 1 1 . 1 1 . . . = . . . . . . . 0 1 . / / / 0 0

13

1 0 1 Q +1 = (Q 1) 1 ( 1) . . . 1

1 1 0 . . . 1

1 1 1 . . . 1

. . . . . . .

. . . . . . .

1 1 1 . . . 0

1 1 1 .. . . 1

El determinante obtenido es de orden (Q 1) y tiene una diagonal principal con entradas iguales todas a la unidad, mientras que la pseudodiagonal paralela por debajo est formada por ceros. Vamos a dejar el determinante en forma triangular superior (todas las entradas por debajo de la diagonal principal igulaes a cero). En primer lugar, tomando al elemento D11 = 1 como pivote, hacemos cero los restantes elementos de la primera columna. Para ello, a la tercera fila le sumamos la primera multiplicada por

( 1) , a la cuarta fila tambin la primera multiplicada por ( 1) y as sucesivamente

hasta llegar a la ltima fila. Estas operaciones no cambian el valor del determinante:

1 0 1 Q +1 (Q 1) 1 ( 1) 1 . . 1

1 1 0 1 . . 1

1 1 1 0 . . 1

1 1 1 1 . . 1

. . . . . . .

1 1 1 1 . . 0

1 1 1 1 1 0 1 1 1 0 1 0 Q +1 1 = (Q 1) 1 ( 1) 0 0 1 . . . . . . . . 1 0 0 0

1 1 0 0 . . 0

. 1 . 1 . 0 . 0 . . . . . 1

1 1 0 0. . . 0

Observemos que el determinante obtenido tiene en la tercera fila todas las entradas iguales a cero, salvo D 32 que es igual a 1 . Del mismo modo, la cuarta fila tendr todas las entradas iguales a cero, salvo D 43 que es igual a 1 , y as sucesivamente hasta la ltima fila que tiene todas las entradas iguales a cero, salvo D Q1,Q 2 que es igual tambin a 1 . A continuacin, utilizando D 2, 2 = 1 como pivote podemos llegar ya a una forma triangular superior. Para esto, sumamos la segunda fila a la tercera,

14

Problemas seleccionados de los exmenes de lgebra

Grupo 2

1 1 1 0 1 1 0 1 0 Q +1 (Q 1) 1 ( 1) 0 0 1 . . . . . . 0 0 0

1 1 0 0 . . 0

. 1 . 1 . 0 . 0 . . . . . 1

1 1 1 0 0 0 Q +1 0 = (Q 1) 1 ( 1) 0 . . . . 0 0

1 1 1 1 0 1 0 1 . . . . 0 0

1 1 1 0 . . 0

. 1 . 1 . 1 . 0 . . . . . 1

1 1 1 0 . . 0

Ahora, sumamos a la cuarta fila la tercera:

1 0 0 Q +1 (Q 1) 1 ( 1) 0 . . 0

1 1 1 1 0 1 0 1 . . . . 0 0

1 1 1 0 . . .

. 1 . 1 . 1 . 0 . . . . . 1

1 1 1 0 1 0 Q +1 0 = (Q 1) 1 ( 1) 0 . . . . 0 0

1 1 0 0 . . 0

1 1 1 0 . . 0

1 1 1 1 . . 0

. 1 . 1 . 1 . 1 . . . . . 1

1 1 1 1. . . 0

A la quinta fila la cuarta, y as sucesivamente, quedando:

1 0 0 Q +1 (Q 1) 1 ( 1) 0 . . 0

1 1 0 0 . . 0

1 1 1 0 . . 0

1 1 1 1 . . 0

. 1 . 1 . 1 . 1 . . . . . 1

1 1 1 0 1 0 Q +1 1 = (Q 1) 1 ( 1) 0 . . . . 0 0
Q +1

1 1 0 0 . . 0

1 1 1 0 . . 0

1 1 1 1 . . 0

. . . . . . .

1 1 1 1 . . 0

1 1 1 1= . . 1

= (Q 1) 1 ( 1)

1 = ( 1)

Q +1

(Q 1),

donde el ltimo determinante vale uno debido a que es triangular superior y su valor es el resultado de multiplicar los elementos de la diagonal, los cuales son todos uno.

15

Ejercicio 3 del Examen de septiembre del 96, modelo D: Para un valor determinado de
N el sistema N[ + \ + ] = 1, [ + N\ + ] = 1, [ + \ + N] = 1 es compatible indeterminado.

Escrbase dicho valor de N y un sistema de ecuaciones equivalente al dado que tenga el nmero mnimo posible de ecuaciones. 5HVSXHVWD UD]RQDGD Un sistema de ecuaciones es compatible e indeterminado cuando el rango de la matriz del sistema y el rango de la matriz ampliada son iguales y menores que el nmero de incgnitas. En el caso que nos ocupa, el rango de la matriz del sistema y el rango de la matriz ampliada deben ser iguales a dos como mximo, ya que tenemos tres incgnitas:
[, \ , ] . El sistema es

N[ + \ + ] = 1 [ + N\ + ] = 1 . [ + \ + N] = 1
La matriz del sistema es

N 1 1 $ = 1 N 1 1 1 N
y la matriz ampliada

N 1 1 1 ($ | % ) = 1 N 1 1 . 1 1 N 1
Para calcular el rango de la matriz del sistema utilizamos determinantes. De esta manera, es

det ($) = 1 N 1 = N 3 + 1 + 1 N N N = N 3 3N + 2 . 1 1 N
Si este determinante es distinto de cero, entonces el rango de la matriz $ es tres. Como no queremos que esto ocurra, exigimos que det ($) sea nulo. Es decir, buscamos valores de N que resuelvan la ecuacin:
N 3 3N + 2 = 0 .

1 1

Utilizando la regla de Ruffini tenemos:

16

Problemas seleccionados de los exmenes de lgebra

Grupo 2

1 1 1

0 1 1

3 1 2

2 2 0

luego N = 1 es una raz y podemos escribir N 3 3N + 1 = (N 1) N 2 + N 2 . Aplicamos de nuevo la regla al polinomio N 2 + N 2 :

1 1 1 1 1 2 2 2 0

Es decir, de nuevo N = 1 es una raz y podemos escribir: N 2 + N 2 = (N 1)(N + 2 ). Juntando las descomposiciones factoriales, resulta
N 3 3N + 1 = (N 1) N 2 + N 2 = (N 1)(N 1)(N + 2 ) = (N 1) (N + 2 )
2

y las races son N = 1 (doble) y N = 2 (simple). Podemos asegurar que para estas races el determinante es cero y el rango es menor que 3. Investigaremos estos valores uno a uno. En primer lugar, para N = 1 queda el sistema:

[ + \ + ] = 1 [ + \ + ] = 1 [ + \ + ] = 1
que tiene como matriz del sistema

1 1 1 $ = 1 1 1 1 1 1
cuyo rango es uno. La matriz ampliada es

1 1 1 1 ($ | % ) = 1 1 1 1 1 1 1 1
que tambin tiene por rango uno. Es decir, el sistema es compatible e indeterminado y puede reducirse en la forma:

[ + \ + ] = 1 [ + \ + ] = 1 [ + \ + ] = 1 . [ + \ + ] = 1

17

Para N = 2 , tenemos el sistema

2 [ + \ + ] = 1 [ 2\ + ] = 1 , [ + \ 2] = 1
cuya matriz es

1 2 1 $= 1 2 1 1 1 2
que tiene por rango dos, ya que podemos encontrar un menor de orden dos no nulo, por ejemplo: 2 1 = 4 1 = 3 . 1 2 La matriz ampliada es

1 1 2 1 ($ | % ) = 1 2 1 1 1 1 2 1
y su rango es tres, puesto que tiene un menor de orden tres no nulo:

2 1 1 = 1+1+ 4 1+ 2 + 2 = 9 . 1 2 1
Esto significa que para N = 2 el sistema es incompatible puesto que no coinciden el rango de la matriz del sistema y el rango de la matriz ampliada. La nica posibilidad de tener sistema compatible e indeterminado es la estudiada para N = 1 .

18

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 4 del Examen de septiembre del 96, modelo D: La imagen de una aplicacin lineal I de U 2 en U 3 es el plano de ecuacin 2 [ \ + 3 ] = 0 , sabiendo que

I (1,0) = (1,2,0) y que I (0,1) = (0,3,1) , calclese la imagen de (5,7 ).

5HVSXHVWD UD]RQDGD Si en una aplicacin lineal I : ( ) , entre espacios vectoriales de dimensiones finitas, conocemos las imgenes de los vectores de una base del espacio ( , entonces podemos hallar las imgenes de cualquier otro vector de ( . En este caso, tenemos las imgenes de los vectores (1,0 ) y (0,1), los cuales forman una base de U 2 (base cannica). Como

(5,7 ) = 5(1,0) + 7(0,1)

resulta que
I (5,7) = I (5(1,0) + 7(0,1)) = 5 I (1,0) + 7 I (0,1) = 5(1,2,0) + 7(0,3,1) = (5,10,0) + (0,217) = (5,317) . , ,

El vector obtenido (5,31,7 ) ha de pertenecer a la imagen de I por lo que verifica la ecuacin 2 [ \ + 3] = 0 . En efecto,
2 5 31 + 3 7 = 0 .

19

Ejercicio 1 del Examen de febrero del 96, 2 semana, modelo D: Escrbase una base para el subespacio de U 4 cuyas ecuaciones paramtricas son: [1 = D + E + F, [2 = D E + 3F, [3 = D + 2E, [4 = 2D + 3E + F . 5HVSXHVWD UD]RQDGD Un vector ([1 , [2 , [3 , [4 ) del subespacio en cuestin, tendr la forma:

(D + E + F, D E + 3F, D + 2E,2D + 3E + F ),
donde hemos sustituido cada componente por su valor en funcin de los parmetros. El vector obtenido se puede poner como suma de otros vectores:

(D + E + F, D E + 3F, D + 2E,2D + 3E + F ) = (D, D, D,2D )+ (E,E,2E,3E )+ (F,3F,0, F )

y cada sumando es resultado de multiplicar un escalar por un vector:

(D, D, D,2D )+ (E,E,2E,3E )+ (F,3F,0, F ) = D(1,1,1,2)+ E(1,1,2,3)+ F(1,3,0,1).

Esto significa que los vectores (1,1,1,2), ( ,1,2,3) y (1,3,0,1) son un sistema generador 1 del subespacio. De dicho sistema generador podemos extraer una base tomando el mayor conjunto de vectores linealmente independientes. Una buena tcnica para conseguir esto es tomar los vectores como vectores fila de una matriz:

1 1 1 2 1 1 2 3 1 3 0 1
y reducir dicha matriz con operaciones elementales. En particular, a la segunda fila se le suma la primera multiplicada por ( 1) y a la tercera tambin la primera multiplicada por ( 1):

1 2 1 1 1 2 1 1 1 1 2 3 0 2 1 1 . 1 3 0 1 0 2 1 1
Ahora sumamos a la tercera fila la segunda:

1 2 1 1 1 2 1 1 0 2 1 1 0 2 1 1 . 0 2 1 1 0 0 0 0
Esto significa que el vector (1,3,0,1) es combinacin lineal de los vectores (1,1,1,2) y

(1,1,2,3). En definitiva, tales vectores son la base buscada.

20

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 1 del Examen de febrero del 96, 2 semana, modelo D Escrbase una base para el subespacio de U 4 cuyas ecuaciones paramtricas son: [1 = D + E + F, [2 = D E + 3F, [3 = D + 2E, [4 = 2D + 3E + F . 5HVSXHVWD UD]RQDGD: Observamos que hay tres parmetros: D, E y F . Esto significa que la base debe tener tres vectores. Un vector ([ , [2 , [3 , [4 ) perteneciente al subespacio, es de la forma:

(D + E + F, D E + 3F, D + 2E,2D + 3E + F ).
Por tanto, se obtiene como:

(D + E + F, D E + 3F, D + 2E,2D + 3E + F ) = D(1,1,1,2)+ E(1,1,2,3)+ F(1,3,0,1)

y una base es la formada por los vectores:

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

21

Ejercicio 2 del Examen de febrero del 96, 2 semana, modelo D: Dada la matriz real $ cuyas filas son: (1,2), (3, P ), se pide: calcular el valor de P para que existan matrices no nulas, tales que $ % = 0 . 5HVSXHVWD UD]RQDGD: [ Supongamos que % = ] \ es una de tales matrices no nulas. Entonces: W \ 0 0 = . W 0 0

1 2 [ $ % = 3 P ] Operando las matrices resulta:

\ + 2W 0 0 [ + 2] 3[ + P] 3 \ + PW = 0 0 . Si estas dos matrices son iguales, se deduce que son iguales sus entradas correspondientes. Esto nos lleva a un sistema homogneo: + 2] = 0 \ + 2W = 0 . 3[ + P] = 0 3 \ + PW = 0 [ Si este sistema tuviera slo la solucin trivial [ = \ = ] = W , entonces la matriz % sera nula. Esto significa que debemos buscar los valores del parmetro P que hacen compatible indeterminado este sistema homogneo. El determinante del sistema es: 1 0 3 0 0 2 0 1 0 2 . 0 P 0 3 0 P

A la tercera fila le sumamos la primera multiplicada por ( 3) . Esto no cambie el valor del determinante: 1 0 3 0 0 2 0 1 0 2 0 1 0 2 0 1 0 2 = . 0 P 0 0 0 6+P 0 3 0 P 0 3 0 P

Ahora desarrollamos por los adjuntos de la primera columna:

22

Problemas seleccionados de los exmenes de lgebra

Grupo 2

1 0 0 0

0 2 0 1 0 2 1 0 2 1+1 = 1 ( 1) 0 6 + P 0 . 0 6+P 0 3 0 P 3 0 P

Observamos que la segunda fila est formada por mltiplos de 6 + P :

1 ( 1) 0 6 + P 0 = 1 ( 1) 3 0 P
1+1

1+1

( 6 + P ) 0 ( 6 + P )1 ( 6 + P ) 0 ,
3 0 P

luego podemos sacar este factor fuera del determinante:

1 ( 1)

1+1

( 6 + P) 0 ( 6 + P)1 ( 6 + P ) 0 = 1 ( 1) ( 6 + P ) 0
1+1

1 0

1 0 . 3 0 P

Finalmente, calculamos el ltimo determinante mediante la regla de Sarrus:

1 ( 1) ( 6 + P ) 0 1 0 = 1 ( 1) ( 6 + P ) (P 6) = (P 6 ) . 3 0 P
1+1 1+1 2

1 0

Si hacemos P = 6 entonces el rango de la matriz del sistema es inferior a cuatro. Concretamente, es dos ya que entonces la matriz del sistema queda como 1 0 3 0 0 1 0 3 2 0 6 0 0 2 0 6

y aadiendo a la tercera fila la primera multiplicada por ( 3) y a la cuarta fila la segunda multiplicada por ( 3) , resulta: 1 0 0 0 conseguir matrices % no nulas. 0 1 0 0 2 0 0 0 0 2 . 0 0

Para P = 6 el sistema es compatible indeterminado. Este es el valor adecuado para

23

Ejercicio 3 del Examen de febrero del 96, 2 semana, modelo D: Dada la ecuacin

[D E F F

[D E E = 0. D [DF

Eljanse de entre las siguientes afirmaciones las que son correctas: a) Son soluciones [ = 1, [ = 0, [ = D + E + F . b) No tiene solucin en U . c) [ = D + E + F es solucin. 5HVSXHVWD UD]RQDGD Intentaremos transformar el determinante en otro ms sencillo de igual valor. Para ello, sumamos a la tercera fila la segunda multiplicada por ( 1):

[D E F F

[ D E F 0

[D E E = D [DF

[D E E = 0. [ + 2D + E [ D E F

A continuacin le sumamos a la segunda fila la primera multiplicada por ( 1):

[ D E F 0

[ D E

[ D E E = [ + D + E + F [ 2D E 0 =0. [ + 2D + E [ D E F 0 [ + 2D + E [ D E F

Ahora, sumamos la segunda y la tercera filas:

[ D E

[ D E

[ + D + E + F [ 2D E 0 = [ + D + E + F [ 2D E 0 = 0. 0 [ + 2D + E [ D E F [ + D + E + F 0 [ D E F
Observamos que la tercera fila est formada por mltiplos de [ D E F . En efecto:

[ D E

[ D E

[ + D +E+ F [ 2D E 0 = [ + D +E+ F [ 2D E 0 = 0. [ + D +E+ F 0 [ D E F ([ D E F)(1) ([ D E F)0 ([ D E F)1

Esto nos permite sacar este factor fuera del determinante:

[ + D +E+ F [ 2D E 0 = ([ D E F) [ + D +E +F [ 2D E 0 = 0. (1) ([ D EF)(1) ([ D EF)0 ([ D EF)1 0 1

Sumamos a la tercera columna la primera:

[ D E

[ D E

24

Problemas seleccionados de los exmenes de lgebra

Grupo 2

([ D EF) [ + D +E+F (1)

[DE

[ D E

[ 2D E 0 = ([ D E F) [ + D +E+ F [ 2D E [ + D +E + F = 0. (1) 0 1 0 0

[ D E

[ D

Desarrollamos por los adjuntos de la tercera fila:

([DEF) [+D+E+F (1)

([ DEF)(1)(1)3+1

D [D 3+1 [2DE [+D+E+F =([DEF)(1)(1) =0. [2DE [+D+E+F 0 0

[D

Finalmente, a la segunda columna le aadimos la primera: D [ D D [ 3+1 = ([ DEF)(1)(1) = 0. [ 2DE [ +D+E+F [ 2DE D+F

Slo nos resta calcular el determinante y el resto de operaciones:

([ D E F) (1) (1)3+1

D [ = ([ D E F) (1)(D( D + F) [([ 2D E)) = [ 2D E D + F

= ([ D E F) D 2 + DF [ 2 + 2D[ + E[ = ([ D E F) [ 2 + (2D + E)[ + DF D 2 = 0 .

Para que este producto sea nulo, ha de ser nulo alguno de sus factores. Para el primer factor tenemos:
[D EF = 0 [ = D +E+F .

Es decir, en este caso el determinante es nulo LQGHSHQGLHQWHPHQWH GHO YDORU GH ORV SDUiPHWURV D, E \ F  El segundo factor es una ecuacin de segundo grado: [ 2 + (2D + E )[ + DF D 2 = 0 [ 2 (2D + E )[ + D 2 DF = 0 , cuyo discriminante es:
= ( (2D + E )) 4 1 D 2 DF = ( 1) (2D + E ) 4 D 2 DF = (2D + E ) 4 D 2 DF =
2 2 2 2

= 4D 2 + 4DE + E 2 4D 2 + 4DF = 4DE + E 2 + 4DF .

Esto quiere decir que si este discriminante es mayor o igual que cero, las otras dos soluciones son:

[=

(2D + E )+

4DE + E 2 + 4DF , 2 4DE + E 2 + 4DF . 2

(2D + E ) [=

Observamos que si D = 0 y E = 0 , obtenemos [ = 0 como solucin doble en la ecuacin de segundo grado. Ahora bien, esta solucin se obtiene utilizando los parmetros y no

25

es independiente de ellos. Como consideramos que los parmetros D, E, F estn fijos, el apartado c es el nico correcto.

26

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 8 del Examen de febrero del 96, 2 semana, modelo D:

D E + F es un a) Demustrese, si es posible, que el conjunto 0 = E + F D

subespacio vectorial del conjunto de las matrices cuadradas reales de orden 2. b) Escrbase una base de este subespacio y amplese hasta obtener una base del espacio de matrices cuadradas reales de orden 2. c) Escrbase la matriz del endomorfismo de 0 que transforma la matriz E + F D en la matriz D E + F 5HVSXHVWD UD]RQDGD 2E + F 0 . 2E + F 0

D E + F es un subespacio ya que si tomamos dos a) El conjunto 0 = E + F D

matrices cualesquiera pertenecientes a 0 : E + F E+F D D , % = $= E + F E+ F D y dos escalares cualesquiera , , su D combinacin lineal es: E + F D E+ F D + $ + % = E + F E+ F D = D D + D (E + F )+ (E+ F ) = = ( E + F )+ ( E+ F ) D + D D + D (E + F )+ (E+ F ) = = E + F E+F D + D D + D E + F + E+F = = E + F E+F D + D D + D = (E + E)+ F + F pertenece a este conjunto. b) Una base de este subespacio se obtiene mediante: E + F D 1 0 0 1 0 1 = D E + F 0 1 + E 1 0 + F 1 0 , D

(E + E)+ F + F
D + D

La matriz combinacin lineal tiene la forma de las matrices de 0 y por tanto

27

por lo que las matrices: 1 0 0 1 0 1 , , 0 1 1 0 1 0 forman una base de 0 . Para ampliarla a una base del espacio de las matrices cuadradas reales de orden 2 necesitamos slo de una matriz ms que no dependa linealmente de las anteriores. En efecto, la dimensin del espacio de las matrices cuadradas reales de orden 2 es 4. Tomando, por ejemplo, la matriz 0 0 , 0 1 comprobamos que las matrices 1 0 0 1 0 1 0 0 0 1 , 1 0 , 1 0 , 0 1 forman una base. c) Se nos pide la matriz de la aplicacin lineal I : 0 0 tal que E + F 0 2E + F D = . Para obtenerla, hemos de ver cmo se I E + F 2E + F D 0 transforman los vectores de una base de 0 . Recordemos que

1 0 0 1 0 1 , , % = 0 1 1 0 1 0
es una base. Por tanto, slo resta ver cmo transforma I a cada una de estas 1 0 se obtiene haciendo D = 1 , E = 0 y F = 0 en la matrices. La matriz 0 1 E + F D . Por ello, su imagen ser la matriz expresin general E + F D que no aparece el parmetro D en la forma general de las imgenes 2E + F 0 . Del mismo modo, como la matriz 2E + F 0 0 1 1 0 se obtiene haciendo 0 0 0 0 ya

0 2 E = 1 , D = 0 y F = 0 en la expresin general, su imagen es la matriz 2 0 . Para 0 1 se obtiene haciendo F = 1 , D = E = 0 en la expresin acabar, la matriz 1 0 0 1 general y su imagen es 1 0 . Una vez tenemos las matrices imgenes:
28

Problemas seleccionados de los exmenes de lgebra

Grupo 2

0 0 0 2 0 1 0 0 , 2 0 , 1 0 , debemos expresarlas como combinacin lineal de los vectores de la base % : 0 0 1 0 0 1 0 1 0 0 = 0 0 1 + 0 1 0 + 0 1 0 , 0 2 1 0 0 1 0 1 = 0 + 2 + 0 , 2 0 0 1 1 0 1 0 0 1 1 0 0 1 0 1 . = 0 + 0 + 1 1 0 0 1 1 0 1 0 La matriz del endomorfismo I : 0 0 en la base % se obtiene colocando en sus columnas las coordenadas de las combinaciones lineales anteriores, es decir:

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

29

Ejercicio 2 del Examen de septiembre del 95, modelo D: Dadas las siguientes correspondencias de U Q en U P : A) I ([1 , [ 2 ) = (2 [1 ,1). B) I ([1 , [ 2 ) = [12 , [ 2 . C) I ([1 , [ 2 ) = (0,2 [1 + [ 2 , [1 [ 2 ). D) I ([1 , [ 2 ) = (0,0). E) I ([1 , [ 2 ) = ([1 , [ 2 , [3 ), siendo [3 cualquier nmero real. Eljanse las que sean aplicaciones lineales. 5HVSXHVWD UD]RQDGD En primer lugar, debemos decir que la correspondencia E no es una aplicacin ya que el mismo vector de U 2 tiene varias imgenes. Por ejemplo, para (1,1), tendremos
I (1,1) = (1,1,0 ), ( ,1,1), 1,1, 3 , K Evidentemente, si no es una aplicacin no puede ser una 1

aplicacin lineal. Por otro lado, una condicin necesaria y suficiente que puede usarse para determinar si una aplicacin de U Q en U Q es una aplicacin lineal es la siguiente: 6L HO YHFWRU LPDJHQ GH OD FRUUHVSRQGHQFLD WLHQH SRU FRPSRQHQWHV FRPELQDFLRQHV OLQHDOHV GH ODV FRPSRQHQWHV GH ORV YHFWRUHV RULJLQDOHV R ELHQ FRPSRQHQWHV QXODV HQWRQFHV OD FRUUHVSRQGHQFLD HV XQD DSOLFDFLyQ OLQHDO Esta condicin nos permite afirmar que C y D son aplicaciones lineales y que A y B no lo son.

30

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 4 del Examen de septiembre del 95, modelo D: Determnense los vectores de una base % de U 2 , sabiendo que los vectores (1,1) y ( 1,1), referidos a la base cannica, tendran por coordenadas (2,3) y (3,5), respectivamente, si estuvieran referidos a la base % . 5HVSXHVWD UD]RQDGD: El enunciado del problema nos indica que si % = ((D, E ), (F, G )) es la base buscada, entonces

2(D, E )+ 3(F, G ) = ( ,1), 1 3(D, E )+ 5(F, G ) = ( 1,1).

En efecto, las coordenadas de un vector Y en una base % son los escalares por los que hay que multiplicar a los respectivos vectores de % para obtener el vector Y . Desarrollando las operaciones indicadas, resultan dos sistemas lineales: 2D + 3F = 1 , 2E + 3G = 1 3D + 5F = 1 . 3E + 5G = 1

2(D, E )+ 3(F, G ) = ( ,1) 1

3(D, E )+ 5(F, G ) = ( 1,1)

Al juntar estos dos sistemas obtenemos un nico sistema lineal de cuatro ecuaciones con cuatro incgnitas: 2D + 2E + 3D + 3E + =1 3G = 1 . 5F = 1 5G = 1 3F

Para resolverlo podemos emplear la reduccin. As, a la primera ecuacin la multiplicamos por ( 3) y a la tercera por 2 y sumamos los resultados:
6D 9F = 3 6D + 10F = 2 F = 5

Del mismo modo a la segunda la multiplicamos por ( 3) y a la cuarta por 2 y sumamos los resultados:

31

 6E 9G = 3 6E + 10G = 2 G = 1

Hemos despejado F = 5 y G = 1 . Sustituimos estos resultados en la primera y la segunda ecuacin, respectivamente y queda:
2D + 3F = 1 2D + 3( 5) = 1 2D 15 = 1 D = 2E + 3G = 1 2E + 3( 1) = 1 2E 3 = 1 E = 1 + 15 16 = =8 , 2 2

1+ 3 4 = = 2. 2 2

En definitiva, los vectores de la base % son (D, E ) = (8,2 ) y (F.G ) = ( 5,1). Para comprobarlo, tenemos que:

2(D, E )+ 3(F, G ) = 2(8,2)+ 3( 5,1) = ( ,4 )+ ( 15,3) = (1,1), 16 3(D, E )+ 5(F, G ) = 3(8,2)+ 5( 5,1) = (24,6)+ ( 25,5) = ( 1,1).

32

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 6 del Examen de septiembre del 95, modelo D: Escrbanse los pares (solucin y multiplicidad de dicha solucin) de la ecuacin:

2[ + 1 2[ +1

2 [ + 1 3[ 1 4 [ = 0 . 3[ 1 4 [ 6[ 1
5HVSXHVWD UD]RQDGD No es conveniente operar por la regla de Sarrus ya que las operaciones involucradas pueden fcilmente confundirnos. La mejor estrategia es transformar este determinante en otro ms sencillo que tenga el mismo valor. Por ejemplo, en lugar de la tercera fila ponemos el resultado de sumar a la tercera las dos primeras:

2[ + 1 2[ + 1

2[ + 1 2[ + 1 4[ = 0 . 12 [

2 [ + 1 3[ 1 4 [ = 2 [ + 1 3[ 1 3[ 1 4 [ 6[ 1 6[ 9[

En este punto, hemos conseguido que la tercera fila tenga todas sus entradas multiplicadas por 3 [ (que era justamente lo que pretendamos) por ello escribimos:

2[ + 1 2[ + 1

2[ +1 2[ +1 4[ = 0 . 4

2 [ + 1 3[ 1 6[ 9[

4 [ = 3[ 2 [ + 1 3[ 1 12 [ 2 3

A continuacin, multiplicamos la segunda columna por ( 1) y se la aadimos a la tercera:

2[ +1 2[ +1

2[ +1

3[ 2 [ + 1 3[ 1 2 3

4 [ = 3 [ 2 [ + 1 3[ 1 [ + 1 = 0 . 4 2 3 1

Ahora multiplicamos la tercera columna por ( 3) y se la aadimos a la segunda:

2[ +1

2[ +1 4 0

0 [ +1 = 0 . 1

3[ 2 [ + 1 3[ 1 [ + 1 = 3[ 2 [ + 1 2 3 1 2

Finalmente, multiplicamos la tercera columna por ( 2) y se la aadimos a la primera:

[ 3[ 2 [ + 1 2

2[ +1 4 0

2[ +1 4 0

0 [ +1 = 0 . 1

[ + 1 = 3[ 1 1 0

33

Desarrollando por los adjuntos de la tercera fila, tenemos:

[ 3[ 1 0
Simplificando,

2[ +1 4 0

2[ +1 3+ 3 [ =0. [ + 1 = 3[1 ( 1) 1 4 1

[ 2[ +1 2[ + 1 3+ 3 [ = 3 [ 3[1 ( 1) 1 4 = 3[( 4 [ ( 1)(2 [ + 1)) = 0 . 1 4

Finalmente, obtenemos:

3[( 4 [ ( 1)(2 [ + 1)) = 3[( 4 [ + (2 [ + 1)) = 3[( 2 [ + 1) = 0 .

La solucin de esta ecuacin es fcil de obtener:

3[( 2 [ + 1) = 0 3[ = 0 2 [ + 1 = 0 ,
3[ = 0 [ = 0 ,

2 [ + 1 = 0 2 [ = 1 [ =

1 1 = . 2 2 1 , tambin con multiplicidad 2

Las soluciones son [1 = 0 con multiplicidad uno y [2 = uno.

34

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 4 del Examen de febrero del 95, 2 semana: Dado el sistema:

D + 2 ] = 2, 5 [ + 2 \ = 1, [ 2 \ + E] = 3 .

Se pide calcular los valores de D y E para que el sistema sea compatible e indeterminado (siendo D y E nmeros naturales). 5HVSXHVWD UD]RQDGD:
2D . Sustituyendo en la tercera ecuacin, queda: 2

Como D + 2 ] = 2 , tenemos que ] =

2D 2D [ 2 \ + E] = 3 [ 2 \ + E = 3 [ 2 \ = 3 E 2 2
[ 2\ = 3 E(2 D ) 6 E(2 D ) 6 2E + DE [ 2\ = [ 2\ = 2 2 2 2 [ 2\ = 3 E + DE . 2

En resumen, podemos escribir el sistema equivalente: 2D 2 5[ + 2 \ = 1 ]= . DE [ 2\ = 3 E + 2

Procedemos a resolver este sistema por reduccin. Bastar sumar la segunda y tercera ecuaciones:

5[ + 2 \ = 1 DE 2 . DE 6[ = 4 E + 2 [ 2\ = 3 E +
Podemos despejar [ en la ecuacin obtenida: [= 4E+ DE 2 [ = 4 E + DE [ = 2 E + DE . 6 6 6 12 3 6 12

Finalmente, sustituyendo el valor de [ en la segunda ecuacin del ltimo sistema:

10 5E 5DE 2 E DE + + 2\ = 1 5 [ + 2 \ = 1 5 + + 2 \ = 1 3 6 12 3 6 12

35

 10 5E 5DE + 1 1 10 5E 5DE 10 5E 5DE 6 12 3 \= + + + 2\ = 1 \ = 2 2 6 12 24 3 6 12

7 5E 5DE . \= + 6 12 24

Las soluciones, en funcin de los parmetros, son:

[= 2 E DE , + 3 6 12

7 5E 5DE , \= + 6 12 24 ]= 2D . 2

Observamos que al dar un valor de D y otro valor de E , las soluciones [, \, ] son nicas. Esto significa que el sistema siempre es compatible y determinado, independientemente de los valores de D y E y no es posible que este sistema sea compatible indeterminado.

36

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 8 del Examen de febrero del 95, 2 semana: a) Escrbase la matriz de la aplicacin lineal de U 3 en U 2 definida por I ([1 , [2 , [3 ) = ([1 + [2 , [1 [2 ), considerando en U 3 la base 8 = {1,1,1), (0,1,1), (0,0,1)} ( y en U 2 la base 9 = { 0,1), ( ,1)}. ( 1 b) Escrbanse las coordenadas respecto a la base 8 de un vector que respecto a la base cannica tiene por coordenadas (3,7,2). c) Utilcese la matriz obtenida para encontrar la imagen de dicho vector en U 2 . 5HVSXHVWD UD]RQDGD a) La matriz de una aplicacin lineal I : ( ) , entre dos espacios vectoriales ( y ) de dimensin finita, sobre el mismo cuerpo N y respecto a bases 8 de ( y 9 de
) , se obtiene mediante la disposicin en columnas GH ODV FRRUGHQDGDV HQ OD EDVH
9 GH ODV LPiJHQHV GH ORV YHFWRUHV GH OD EDVH 8 . En este caso, debemos hallar las

coordenadas en la base 8 de las imgenes de los vectores (1,1,1), (0,1,1) y (0,0,1). Es decir, las coordenadas de I ( ,1,1) = (2,0), I (0,1,1) = ( ,1) y I (0,0,1) = (0,0). 1 1 Evidentemente, se obtienen mediante

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

Resolviendo estas ecuaciones, obtenemos:
= 2, = 2, = 2, = 1, = 0, = 0 ,

por lo que la matriz pedida es 2 2 0 . $= 1 0 2 b) Las coordenadas respecto a la base 8 del vector (3,7,2) se obtienen de la igualdad:

(3,7,2) = D(1,1,1)+ E(0,1,1)+ F(0,0,1) ,

que en forma de sistema:
3=D 7 = D+E 2 = D+E+F

37

se resuelve con facilidad: D = 3, E = 4, F = 5 . Las coordenadas pedidas son

3 ; = 4 . 5
c) La imagen I (Y ) de un vector Y ( por una aplicacin lineal I : ( ) , es un vector de ) cuyas coordenadas < en la base 9 se pueden obtener fcilmente si conocemos las coordenadas ; de Y en la base 8 y la matriz $ de I respecto a dichas bases. En general, < = $; y en nuestro caso:

3 2 2 0 14 4 = . < = 2 1 0 10 5

38

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 2 del Examen de febrero del 95, 1 semana: Sea la aplicacin lineal I de U 3 en U 2 definida por I ([1 , [2 , [3 ) = ([1 + [2 , [1 [2 ). Se pide determinar una base del ncleo y la dimensin de la imagen. 5HVSXHVWD UD]RQDGD El ncleo de I es el subespacio de U 3 formado por todos los vectores ([1 , [2 , [3 ) cuya imagen por I sea el vector nulo (0,0) de U 2 . Es decir, se trata del subespacio solucin del sistema homogneo:

[1 + [2 = 0 . [1 [2 = 0
Si sumamos las dos ecuaciones obtenemos: [1 + [2 = 0 [1 [2 = 0 2 [1 =0 ,

luego es [1 = 0 . Sustituyendo este valor en el sistema original, resulta:

[2 = 0 [2 = 0
de donde [2 = 0 . Sin embargo, nos falta por saber un tercer valor [3 . Como no hay informacin de dicho valor hemos de concluir que es libre y los vectores del ncleo de
I son de la forma:

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

Esto implica que una base de ker I (ncleo de I ) es la formada por el vector (0,0,1). Para terminar, sabemos que en una aplicacin lineal I : ( ) , donde dim ( = Q y
dim ) = P , se cumple la igualdad:

dim ker I + dim Im I = Q ,

siendo Im I el subespacio imagen de I . En nuestro caso es dim ( = dim U 3 = 3 y

dim ker I = 1 , luego: 1 + dim Im I = 3

y de aqu dim Im I = 3 1 = 2 .

39

Ejercicio 3 del Examen de febrero del 95, 1 semana: Calclense los trminos de la tercera columna de la matriz % para que $ % sea una matriz escalar cuyo determinante es 2 2 , siendo $ la matriz de filas (1,0,2), (0,1,0), (1,0,4 ). 5HVSXHVWD UD]RQDGD Una matriz es escalar cuando es de la forma N, , donde N es un escalar e , es la identidad. Es decir, se trata de matrices cuadradas de orden Q que tienen todos sus elementos nulos salvo, quizs, los de la diagonal principal y stos son todos iguales a un determinado nmero N . Por ejemplo:

3 0 0 3, = 0 3 0 0 0 3
es una matriz escalar. Una matriz escalar tiene como determinante el producto de los elementos de la diagonal. Por tanto, det (N, ) = N Q . En nuestro ejemplo:

3 0 0 0 3 0 = 33 0 0 3
Como

1 0 2 $ = 0 1 0 , 1 0 4
supondremos que

D E % = G H J K
y el producto de estas dos matrices es:

F I L

1 0 2 D E 0 1 0 G H 1 0 4 J K

F D + 2 J E + 2K F + 2L I = G H I . L D + 4 J E + 4K F + 4L

Si queremos que tal producto sea una matriz escalar con determinante 2 2 , hemos de exigir que las entradas distintas a la diagonal sean nulas y las entradas de la diagonal principal iguales entre s e iguales a un escalar N , tal que N 3 = 2 2 . Es decir:
40

Problemas seleccionados de los exmenes de lgebra

Grupo 2

D + 2 J = H = F + 4L = N E + 2K = 0 F + 2L = 0 G =0 I =0 D + 4J = 0 E + 4K = 0
Como N 3 = 2 2 , se deduce que N = 2 . En efecto:
N3 =

( 2) =
3

23 = 2 2 2 = 2 2 2 = 2 2 .

Al sustituir el valor de N , el sistema queda:

D + 2J = 2 H= 2 F + 4L = 2 E + 2K = 0 F + 2L = 0 G =0 I =0 D + 4J = 0 E + 4K = 0

Slo nos interesan las entradas de la ltima columna de % , es decir, las incgnitas, F, I e L . Aplicamos reducciones al sistema anterior para conseguir hallarlas. Sabemos que
I = 0 por lo que slo nos resta hallar F e L . Utilizaremos la tercera y la quinta

ecuaciones:
F + 4L = 2 F + 2L = 0

A la segunda ecuacin le sumamos la primera multiplicada por ( 1):

F 4L = 2 F + 2L = 0 2L = 2

Es decir, L =

2 2 = . De nuevo, utilizando las dos ecuaciones en F e L , sumamos a 2 2

la primera la segunda multiplicada por ( 2):

41

F 4L = 2 2F 4L = 0 F = 2

luego es F = 2 . En definitiva, los elementos de la tercera columna de la matriz % son:

F = 2 , I = 0, L = 2 . 2

42

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 4 del Examen de febrero del 95, 1 semana: Dado el sistema:

(P

1 [ + (P + 1) \ = P + 1, (P + 1)[ + (P 1)\ = P + 1 .
2

Se pide calcular el valor de P y los valores de [ e \ correspondientes a dicho valor de

P para que la solucin no sea nica.

5HVSXHVWD UD]RQDGD Para que la solucin de este sistema de dos ecuaciones con dos incgnitas no sea nica hemos de exigir que el rango de la matriz del sistema y el rango de la matriz ampliada sean ambos iguales y menores que dos. La matriz del sistema es:
P2 1 $= P +1

(P + 1)2 .
P 1

Su determinante ha de ser no nulo para que el rango de $ sea menor que dos. Es decir:
P2 1 P +1
2

(P + 1)2
P 1

= 0.

Como P 2 1 = (P 1)(P + 1) y (P + 1) = (P + 1)(P + 1), tenemos:

P2 1 P +1

(P + 1)2
P 1

(P + 1)(P 1) (P + 1)(P + 1)
P +1 P 1

La primera fila est multiplicada tiene todas sus entradas multiplicadas por el factor

(P + 1), luego podemos escribir:

(P + 1)(P 1) (P + 1)(P + 1)
P +1 P 1 = (P + 1)

(P 1) (P + 1)
P +1 P 1

Ahora le sumamos a la segunda fila la primera multiplicada por ( 1):

(P + 1)

(P 1) (P + 1)
P +1 P 1

= (P + 1)

(P 1) (P + 1)
2 2

De nuevo podemos sacar un factor

(P + 1)

(P 1) (P + 1)
2 2

= 2(P + 1)

(P 1) (P + 1)
1 1

Operando el ltimo determinante, resulta: 2(P + 1)

(P 1) (P + 1)
1 1

= 2(P + 1)( (P 1) (P + 1)) =

43

= 2(P + 1)( P + 1 P 1) = 2(P + 1)( 2P ) = 4P(P + 1) .

Los valores que anulan este determinante son las soluciones de la ecuacin:

4P(P + 1) = 0 .
Es decir, P = 0, P = 1 . Para P = 0 , la matriz del sistema es 1 1 $= 1 1 que tiene por rango uno. Mientras que la matriz ampliada es: ($ | % ) = 1 1 1 1 1 1

que tiene por rango dos. Esto quiere decir que el sistema es incompatible para P = 0 . El lector puede comprobarlo directamente sobre el sistema resultante para P = 0 : [ + \ =1 . [ \ =1 Sumando las dos ecuaciones, obtenemos:
[ + \ =1 [ \ =1 0 =2

lo cual es absurdo. Veamos el caso P = 1 . La matriz del sistema queda: 0 0 $= 0 2 que tiene por rango uno. La matriz ampliada es: ($ | % ) = 0 0 0 0 2 0

que tambin tiene rango uno. El sistema es compatible y queda como:

2\ = 0,

luego \ = 0 , mientras que [ es libre. Esto es, el conjunto de soluciones tiene la forma

([,0), con

[ perteneciente al conjunto de los nmeros reales.

44

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 3 del Examen 4: Escrbase el determinante

1+ [2 1+ \ 1+ ]2
2

\] 1 ][ 1 [\ 1

como producto de cuatro factores lineales. 5HVSXHVWD UD]RQDGD Utilizaremos transformaciones elementales para simplificar el clculo del determinante. En primer lugar, a la segunda fila le sumamos la primera multiplicada por

( 1) y a la tercera tambin la primera multiplicada por ( 1):

1+ [2 1+ \ 1+ ]2
2

\] 1

1+ [2
2 2

\]

][ 1 = \ [ [\ 1 ] 2 [ 2

][ \] 0 . [\ \] 0

Descomponemos factorialmente aquellas entradas donde sea posible:

1+ [2 \ [ ]2 [2
2 2

][ \] 0 = (\ [ )(\ + [ ) ] ([ \ ) 0 . [\ \] 0 (] [ )(] + [ ) \ ([ ] ) 0

\]

1+ [2

\]

Observamos entonces que la segunda fila est formada por mltiplos de ([ \ ) y la tercera por mltiplos de ([ ] ):

(\ [ )(\ + [ ) ]([ \ ) (] [ )(] + [ ) \ ([ ] )

1+ [2 \]

1+ [2

\]

0 = ([ \ )(\ + [ ) ] ([ \ ) 0 ([ ] )(] + [ ) \ ([ ] )

1 + [2

\]

([ \ ) 0 . ([ ] ) 0
\] 1 ] \ 0. 0

Sacamos fuera del determinante estos factores:

([ \ )(\ + [ ) ] ([ \ ) ([ ] )(] + [ ) \ ([ ] )

([ \ ) 0 = ([ \ )([ ] ) (\ + [ ) (] + [ ) ([ ] ) 0

1+ [2

Desarrollamos por los adjuntos de la ltima columna:

([ \ )([ ] ) (\ + [ ) (] + [ )

1+ [2

\] 1 ] \

0 = ([ \ )([ ] )1 ( 1) 0

1+3

\[ ][

] \

45

En el ltimo determinante obtenido, sumamos a la segunda fila la primera multiplicada por ( 1):

([ \ )([ ] )1 ( 1)1+3

\[ ][

] 1+ 3 \ [ = ([ \ )([ ] )1 ( 1) \ \]

] . \]

Sacamos el factor comn de la segunda fila y operamos el determinante:

([ \ )([ ] )1 ( 1)1+3

\[ \]
1+3

\[ ] ] 1+ 3 = ([ \ )([ ] )1 ( 1) (\ ] ) = \] 1 1

= ([ \ )([ ] )1 ( 1) (\ ] )( \ [ ] ) = ([ \ )([ ] )(\ ] )( \ [ ] ) .

Hemos conseguido expresar el determinante como producto de cuatro factores lineales.

46

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 4 del Examen 4: Calclese el valor de para que sea cierta la expresin
$2 + $% + 2 % = , ,siendo:

1 0 1 0 , % = $= 2 1 2 1 . 5HVSXHVWD UD]RQDGD Sustituimos las matrices en la expresin $2 + $% + 2 % = , : 1 0 1 0 1 0 1 0 1 0 2 1 + 2 1 2 1 + 2 2 1 = 0 1 . Operamos: 1 0 1 0 2 0 1 0 4 0 1 0 4 0 0 4 1 + 0 1 + 4 2 = 0 1 0 4 = 0 1 0 4 = 0 . La ltima igualdad nos lleva a concluir que = 4 .
2

47

Ejercicio 5 del Examen 4: Escrbanse las ecuaciones paramtricas de la variedad lineal de U 3 cuyas ecuaciones explcitas son:
[ + \ ] = 0, 2 [ 2 \ + ] = 0 .

5HVSXHVWD UD]RQDGD: La variedad lineal estudiada no es ms que un subespacio vectorial de U 3 cuyos elementos ([, \, ] ) verifican simultneamente las dos ecuaciones anteriores: [+ \] =0 . 2[ 2 \ + ] = 0 Es decir, se trata del conjunto de las soluciones de un sistema homogneo de dos ecuaciones y tres incgnitas. Para conseguir las ecuaciones paramtricas del subespacio slo tenemos que resolver el sistema anterior. Como 1 1 1 1 1 1 0 = rg rg 2 2 1 2 2 1 0 = 2 , el sistema es compatible e indeterminado y tiene un grado de libertad (un parmetro), puesto que el nmero de grados de libertad (parmetros) es igual a la diferencia entre el nmero de incgnitas (3 en este caso) y el rango comn de la matriz del sistema y de la matriz ampliada (2 en este caso). Si a la primera ecuacin la multiplicamos por ( 2) y le sumamos el resultado a la segunda, obtenemos el sistema equivalente triangular: [+ \] =0 [+ \] =0 . 2[ 2 \ + ] = 0 4 \ + 3 ] = 0 Tomaremos como parmetro ] , (por simplicidad): 3 1 [= ] \ [= ] ] [= ] [+ \] =0 4 4 . 3 4 \ + 3 ] = 0 3 3 \= ] \= ] \ = ] 4 4 4 En definitiva, los vectores ([, \, ] ) pertenecientes a la variedad lineal estudiada tienen la forma:

([, \, ] ) = 1 ], 3 ] , ] .
4 4

Sustituyendo ] por (con el fin de utilizar una notacin estndar de parmetro), tenemos:

48

Problemas seleccionados de los exmenes de lgebra

Grupo 2

1 4 3 \ = . 4 ]= [= Estas son unas posibles ecuaciones paramtricas de la variedad lineal. Para terminar, es importante sealar que si multiplicamos todos los segundos miembros de las ecuaciones paramtricas por 4, obtenemos:
[= \ = 3 ] = 4

y estas expresiones son tambin unas ecuaciones paramtricas de la variedad lineal con la que trabajamos.

49

Ejercicio 3 del Examen 3: Escrbanse en radianes los valores de que son soluciones de la siguiente ecuacin:
1 + sen 2 sen sen 2
2

cos 2
2

4 sen 2

1 + cos 4 sen 2 = 0 . 2 cos 1 + 4 sen 2

5HVSXHVWD UD]RQDGD Es claro que debemos simplificar el determinante anterior. Adems en su simplificacin intervendrn identidades trigonomtricas y es conveniente recordar algunas de ellas. As, por ejemplo, es:
cos 2 + sen 2 = 1 (identidad pitagrica.), cos 2 = cos 2 sen 2 (coseno del ngulo doble),
sen 2 = 2 sen cos (seno del ngulo doble).

A la segunda fila del determinante le sumamos la primera multiplicada por ( 1) y a la tercera tambin le aadimos la primera multiplicada por ( 1)
1 + sen 2 sen 2 sen 2 cos 2 4 sen 2 1 + sen 2 cos 2 4 sen 2 1 1 1 0 0 1 = 0. 1 + cos 2 4 sen 2 = 2 cos 1 + 4 sen 2

A la primera columna le sumamos la segunda:

1 + sen 2 cos 2 4 sen 2 1 1 1 0 0 1 = 1 + sen 2 + cos 2 cos 2 4 sen 2 0 1 1 0 0 1 =0.

Como cos 2 + sen 2 = 1 , obtenemos:

1 + sen 2 + cos 2 cos 2 4 sen 2 0 1 1 0 0 1 2 = 0 1 cos 2 4 sen 2 1 0 0 1 =0.

Desarrollamos por los adjuntos de la segunda fila:

2 0 1 cos 2 4 sen 2 1 0 0 1 = 1 ( 1)
2+ 2

2 1

4 sen 2 1

= 0.

Operando, tenemos:

50

Problemas seleccionados de los exmenes de lgebra

Grupo 2

1 ( 1)

2+ 2

2 4 sen 2 2+ 2 = 1 ( 1) (2 + 4 sen 2) = (2 + 4 sen 2) = 0 . 1 1

2 + 4 sen 2 = 0 .

La ecuacin que queda es

Vamos a dejar la expresin del seno en uno slo miembro:

2 + 4 sen 2 = 0 1 + 2 sen 2 = 0 2 sen 2 = 1 sen 2 = 1 . 2

Debemos encontrar ahora un ngulo 2 , en radianes, tal que su seno sea Repasando las tablas de trigonometra vemos que sen

1 . 2

1 1 , = , luego es sen = 6 2 6 2

ya que el seno es una funcin impar. Una inspeccin de la circunferencia unidad nos proporciona otra solucin: =
7 , (ver figura siguiente). 6

Por otro lado, la periodicidad de la funcin seno nos indica que no slo este ngulo de
es solucin de la ecuacin sino tambin los ngulos de la forma = + 2N y 6 3 7 + 2N . 6

donde N es un entero cualquiera y los ngulos de la forma =

51

Ejercicio 5 del Examen 3: Escrbanse las ecuaciones implcitas de la siguiente variedad de U 3 :

[ + \ = U + V, [ ] = 2 U V , 2\ + ] = U .

5HVSXHVWD UD]RQDGD Las ecuaciones que se nos han dado son combinaciones lineales de las ecuaciones paramtricas de la variedad lineal. Observamos que existen dos parmetros: U y V . Para obtener la ecuacin implcita debemos eliminar estos parmetros. Partimos del sistema:

[+ \

=U+V [ ] = 2U V . 2\ + ] = U
Considerando que las incgnitas son [, \ y ] , su forma matricial es:

1 1 0 [ U + V 1 0 1 \ = 2U V , 0 2 1 ] U
o ms resumidamente:

1 1 0 U + V 1 0 1 2U V . 0 2 1 U
En esta ltima matriz vamos a eliminar los parmetros mediante transformaciones elementales. En primer lugar, eliminamos U de la segunda y primera filas si sumamos a la segunda fila la tercera multiplicada por ( 2) y a la primera fila la tercera multiplicada por ( 1):

1 1 0 U + V 1 1 1 V 1 0 1 2U V 1 4 3 V . 0 2 1 U 0 2 1 U
Ahora sumamos a la primera fila la segunda:

1 1 1 V 2 5 4 0 1 4 3 V 1 4 3 V . 0 2 1 U 0 2 1 U
La primera fila indica la relacin 2 [ 5 \ 4 ] = 0 y sta es la ecuacin implcita de la variedad estudiada.

52

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 4 del Examen 2: Calcular D para que el siguiente sistema tenga como solucin nicamente la trivial:

D[ + \ = 2(\ [ ), [ \ = 2 [ + \ .
5HVSXHVWD UD]RQDGD Debemos expresar el sistema en forma normal: D[ + \ = 2(\ [ ) D[ + \ = 2 \ 2 [ D[ + \ 2 \ + 2 [ = 0 (D + 2 )[ \ = 0 . [ \ = 2 [ + \ [ \ 2 [ \ = 0 [ \ 2 [ \ = 0 [ 2 \ = 0 Resulta un sistema homogneo y para que dicho sistema tenga solucin trivial es necesario y suficiente que el rango de la matriz del sistema sea el mximo. En este caso, ha de ser dos. Es decir, D + 2 1 rg 1 2 = 2 . El determinante de esta matriz es entonces no nulo: D + 2 1 5 = 2(D + 2 ) 1 = 2D 4 1 = 2D 5 0 2D + 5 0 D 1 2 2
5 y el valor de D puede ser cualquiera distinto de . 2

53

Ejercicio 6 del Examen 2: Dada la variedad lineal 9 de U 3 : 9 = { [, \, ] )/ [ = \}, ( determinar su dimensin. 5HVSXHVWD UD]RQDGD: La ecuacin [ = \ nos determina a los vectores que pertenecen a 9 . Es decir, si

([, \, ] ) es un vector de 9 , entonces tiene la forma ([, [, ] ) , donde

nmeros reales cualesquiera. Esto permite escribir:

[ y ] son dos

([, [, ] ) = [(1,1,0)+ ] (0,0,1),

lo que implica que los vectores (1,1,0) y (0,0,1) forman una base de 9 y esta variedad lineal tiene dimensin dos.

54

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 7 del Examen 2: Determinar P para que los vectores (3,5) y (7P,1) sean linealmente dependientes. 5HVSXHVWD UD]RQDGD Si los vectores (3,5) y (7P,1) son linealmente dependientes, entonces el rango de la matriz: 3 5 7P 1 es igual a uno, por lo que su determinante es cero: 3 5 3 3 = 3 35P = 0 35P = 3 P = = . 7P 1 35 35 As P =
3 implica la dependencia lineal entre los vectores dados. En efecto, para este 35

valor de P , tenemos los vectores:

(3,5),
y simplificando el segundo vector:

3 7 ,1 35 3 ,1 . 5

(3,5),

Es inmediato comprobar que estos dos vectores son linealmente independientes puesto que multiplicando el primero por
1 se obtiene el segundo. 5

55

Ejercicio 10 del Examen 2: Determinar el trmino D21 de la matriz inversa (si existe) de

1 0 1 $ = 1 3 0 . 0 1 1
5HVSXHVWD UD]RQDGD: La matriz cuadrada $ ser invertible (regular) si y slo si su determinante es distinto de cero. Como

1 0 1 1 3 0 = 3 + 0 +1 0 0 0 = 4 , 0 1 1
la matriz $ es invertible. Su inversa se calcula mediante: $1 =

1 (adj($)) , donde $
W

adj($) es la matriz formada por los adjuntos de cada uno de los elementos de $ . Es
decir,
3 ( 1)1+1 1 2 +1 0 adj($) = ( 1) 1 3+1 0 ( 1) 3 0 1 1 1 1 0 1 3 0 1 3 1 1 0 2+ 3 1 = 1 ( 1) 1 1 . 0 1 3 3 1 3+ 3 1 0 ( 1) 1 3

( 1)1+ 2 ( 1)

1 0

0 1 2+ 2 1 1

( 1)1+3

( 1)

0 1 3+ 2 1 1 1 0

La inversa es entonces: 3 3 1 1 3 1 3 4 1 1 1 = 1 1 1 = 1 1 1 = 4 4 4 3 3 1 1 1 3 1 4
W

$ 1 =

1 (adj($)) $

1 4 1 4 1 4 1 4 1 4 1 4

3 4 1 . 4 3 4 3 4 1 4 3 4

3 1 0 1 4 1 1 Para comprobar, basta realizar la operacin $ $ = 1 3 0 0 1 1 4 1 4

56

Problemas seleccionados de los exmenes de lgebra

Grupo 2

y tenemos que obtener la identidad de orden 3. El lector puede comprobar que as es. El
1 elemento D 21 de la matriz inversa es D 21 = . 4

57

Ejercicio 1 del Examen 1 (febrero 94): Calcular el valor del siguiente determinante:

1 1,27 (1,27 )2

1 2,27 (2,27 )2

1 4,27 . (4,27 )2

5HVSXHVWD UD]RQDGD Este determinante tiene la siguiente estructura:

1 D D2

1 E E2

1 F , F2

donde D, E y F son nmeros reales dados. Estos determinantes se denominan determinantes de Vandermonde de orden tres y su clculo es muy sencillo mediante la frmula:

1 D D2
En este caso:

1 E E2

F = (E D )(F D )(F E ). F2

1 1,27 (1,27 )2

1 2,27 (2,27 )2

4,27 = (2,27 1,27 ) (4,27 1,27 ) (4,27 2,27 ) = 1 3 2 = 6 . (4,27 )2

En general, si tenemos un determinante de la forma:

1 D1 D12 . Q 1 D1

1 D2 2 D2 . Q 1 D2

. 1 . DQ 1 2 . DQ 1 . . Q 1 . DQ 1

1 DQ 2 DQ , . Q 1 DQ

decimos que se trata de un determinante de Vandermonde de orden Q y su valor es:

1 D1 D12 . Q 1 D1

1 D2 2 D2 . Q 1 D2

. 1 . DQ 1 2 . DQ 1 . . Q 1 . DQ 1

1 DQ 2 DQ = . Q 1 DQ

= (D2 D1 )(D3 D1 )L(DQ D1 )(D3 D2 )(D4 D2 )L(DQ D2 )L(DQ1 DQ2 )(DQ DQ2 )(DQ DQ1 ).
58

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Es decir, el determinante de Vandermonde se calcula multiplicando todas las diferencias obtenidas al restar D a todos los que le siguen.
M

59

Ejercicio 3 del Examen 1 (febrero 94): Hallar el trmino D11 de la matriz inversa de 1 2 3 4 . 5HVSXHVWD UD]RQDGD Para hallar la inversa de la matriz dada hay que calcular su determinante: 1 2 = 4 6 = 2 . 3 4 La inversa se obtiene como: $1 = 1 (adj($)) , det ($)
W

donde adj($) es la matriz adjunta de $ . Es decir,

1 adj( ) adj( 2 ) ( 1)1+1 4 adj($) = 2 +1 adj( 3) adj(4 ) = ( 1) ( 2 )

( 1)1+ 2 ( 3) = 4 ( 1)2+ 2 1 2
1 1. 2

3 . 1

Sustituyendo este valor y el del determinante en la expresin de la inversa, obtenemos:

4 3 1 1 4 2 2 = = 3 (adj($)) = 1 $ = det ($) 2 3 1 2 2 1 2

W

El valor D11 de la inversa $ 1 es 2 . Comprobamos que se trata de la inversa buscada:

1 2 2 3 4 3 2

1 2 + 3 1 + 1 1 0 1 = = . 6 6 3 2 0 1 2

60

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 4 del Examen 1 (febrero 94): Calcular para que el siguiente sistema tenga solucin nica en U : [ \ = 0 . [ + \ = 0 5HVSXHVWD UD]RQDGD: Al tratarse de un sistema homogneo si exigimos que tenga solucin nica sta ha de ser necesariamente la trivial y el sistema ser compatible determinado. As pues, el rango de la matriz del sistema debe ser dos y el determinante del sistema ser no nulo: 1 1 2 rg 1 = 2 1 0 +1 0 . Como el determinante tiene por valor 2 + 1 y esta expresin no se anula nunca para real, concluimos que para cualquier valor de el sistema es compatible determinado y su nica solucin es la trivial

61

Ejercicio 5 del Examen 1 (febrero 94): En el espacio vectorial U 3 se considera la variedad lineal / engendrada por los vectores (3,0,2), (0,1,0) . Determinar la dimensin de dicha variedad lineal. 5HVSXHVWD UD]RQDGD Los vectores que se nos dan (3,0,2) y (0,1,0) son linealmente independientes puesto que el rango de la matriz 3 0 2 $= 0 1 0 es dos. Esto significa que la dimensin de la variedad lineal / generada por estos dos vectores ser tambin dos y se tratar de un plano vectorial.

62

Problemas seleccionados de los exmenes de lgebra

Grupo 2

Ejercicio 8 del Examen 1 (febrero 94): Calcular el rango de la siguiente matriz, con
D E y D, E U + :

D 2 E2 ln (DE ) 8 (D + E )2
5HVSXHVWD UD]RQDGD

D (D + E ) E(D + E ) ln D ln E . 2 2 D 2 + E2 2DE

Trataremos de simplificar la matriz mediante transformaciones elementales. Si a la segunda columna le sumamos la tercera, obtenemos:

D2 E2 ln (DE ) 8 (D + E )2

D (D + E ) E(D + E ) D 2 E 2 ln D ln E ln (DE ) 2 2 8 2 2 2 D +E 2DE (D + E )

D (D + E ) E(D + E ) E(D + E ) ln D + ln E ln E 2+ 2 2 D 2 + E 2 + 2DE 2DE D2 E2 ln (DE ) 8 (D + E )2 E(D + E ) ln E , 2 2DE

D2 E2 ln (DE ) 8 (D + E )2

(D E )(D + E ) ln (DE )
2 2 (D + E )2

E(D + E ) D 2 E 2 ln E ln (DE ) 2 8 (D + E )2 2DE

donde hemos empleado las igualdades:

(D E )(D + E ) = D 2 E 2 ,

(D + E ) = D
2

+ E 2 + 2DE, ln (DE ) = ln D + ln E, 8 = 2 3 = 2 2 .

Como la primera y la segunda columna de la ltima matriz coinciden podemos sumar a la segunda columna la primera multiplicada por ( 1) para obtener

D2 E2 ln (DE ) 8 (D + E )2

D 2 E2 ln (DE ) 8 (D + E )2

E(D + E ) D 2 E 2 ln E ln (DE ) 8 2 (D + E )2 2DE

0 E(D + E ) 0 ln E . 0 2 0 2DE

Las condiciones iniciales del problema nos exigen que D y E sean distintos y adems que ambos sean positivos. Por ello, la matriz

D 2 E2 ln (DE ) 8 (D + E )2

0 E(D + E ) 0 ln E 0 2 0 2DE

63

tiene rango dos, ya que podemos encontrar un menor de orden dos no nulo. Por ejemplo, ln (DE ) ln E . 8 2 Efectivamente, desarrollando el determinante y aplicando las propiedades de los logaritmos: ln (DE ) ln E 2 = 2 ln (DE ) 8 ln E = ln (DE ) ln E 8 2
8

(DE ) 2 = ln E 8

Para que el logaritmo neperiano resultante fuera nulo es necesario y suficiente que su argumento sea la unidad: (DE ) 2 ln E 8
2 2 2 (DE ) = 1 D E = 1 D 2 E E 8 E2 2 2

D =1 E

= 1.

D Si fuera E

= 1 , entonces

D = 1 y de aqu D = E . Como hemos supuesto que D y E E

son diferentes, llegamos a la conclusin esperada: existe un menor de orden dos no nulo.

64

Resumen de lgebra
Jose Luis Nogueira Alonso Facultad de informtica

lgebra

Prlogo
Este documento contiene un resumen del temario de esta asignatura, es muy importante que tengas en cuenta que todo su contenido lo he enfocado como complemento para el estudio de esta. Me he basado en los temarios originales de la asignatura, pero ten en cuenta que he omitido algunas partes del temario, por tanto te recomiendo que completes este texto apoyndote en algn libro para ampliar aquellas partes en las cuales no he entrado en profundidad. Tambin es importante que tengas en cuenta que es un resumen enfocado principalmente como complemento para el estudio de la asignatura, por ese motivo es posible que en algunos casos haya sido poco el a las deniciones originales de algunos puntos, y lo haya denido con un lenguaje poco tcnico, para de este modo hacer ms comprensibles algunos aspectos. Espero que te pueda ser de alguna utilidad este documento y en la medida de lo posible me comuniques cualquier posible fallo que pueda haber cometido en su confeccin, por otra parte si deseas ampliar o modicar alguna parte del mismo no tendr ningn problema en facilitarte los fuentes para su modicacin. Si as lo deseas puedes ponerte en contacto con migo en la direccin de correo scero@ono.com. Un saludo, Jose Luis Nogueira Alonso.

por: Jos Luis Nogueira Alonso

lgebra

NDICE

ndice
1. Preliminares 1.1. Estructura algebraica . . . . . 1.2. Grupo . . . . . . . . . . . . . 1.3. Grupo conmutativo o abeliano 1.4. Anillo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 4 4 4 4 5 5 5 5 6 6 6 6 6 7 7 7 7 7 8 8 8 9 9 9 9 9 10 10 10 11 11 11 11 12 12 12 13 13 13 14 14 14 14 14 15 15 15 15

2. Espacio vectorial 2.1. Conocimientos necesarios y ejercicios imprescindibles . . . . 2.2. Denicin de espacio vectorial . . . . . . . . . . . . . . . . . 2.2.1. Ejercicios tpicos . . . . . . . . . . . . . . . . . . . . 2.3. Subespacio vectorial . . . . . . . . . . . . . . . . . . . . . . 2.3.1. Teorema de caracterizacin de subespacios vectoriales 2.3.2. Ejercicios tpicos . . . . . . . . . . . . . . . . . . . . 2.4. Combinacin lineal de vectores . . . . . . . . . . . . . . . . . 2.5. Dependencia / Independencia lineal . . . . . . . . . . . . . . 2.5.1. Ejercicios tpicos . . . . . . . . . . . . . . . . . . . . 2.6. Base de un espacio vectorial . . . . . . . . . . . . . . . . . . 2.6.1. Ejercicios tpicos . . . . . . . . . . . . . . . . . . . . 2.7. Dimensin de un espacio vectorial . . . . . . . . . . . . . . . 2.8. Rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3. Matrices 3.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Tipos de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3. Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . . . 3.3.1. Suma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.2. Matriz por un escalar . . . . . . . . . . . . . . . . . . . . . 3.3.3. Producto de matrices . . . . . . . . . . . . . . . . . . . . . 3.3.4. Operaciones elementales . . . . . . . . . . . . . . . . . . . 3.4. Matrices y vectores . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5. Propiedades de la matrices cuadradas . . . . . . . . . . . . . . . . . 3.6. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . 3.6.1. Calculo de rango . . . . . . . . . . . . . . . . . . . . . . . 3.6.2. Propiedades del rango de una matriz . . . . . . . . . . . . . 3.7. Matriz de un sistema de vectores respecto a una base . . . . . . . . 3.7.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.8. Clculo de la matriz inversa mediante transformaciones elementales 3.9. Cambio de base en un espacio vectorial . . . . . . . . . . . . . . . 3.10. Obtencin de una matriz inversa . . . . . . . . . . . . . . . . . . . 3.10.1. Mtodo de transformaciones elementales . . . . . . . . . . 3.10.2. Mtodo de la frmula . . . . . . . . . . . . . . . . . . . . . 3.11. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Aplicaciones lineales 4.1. Concepto de aplicacin lineal . . . . . . . . . . . . . . 4.2. Clasicacin de aplicaciones lineales . . . . . . . . . . 4.3. Imagen de una aplicacin lineal . . . . . . . . . . . . 4.4. Matriz de una aplicacin lineal . . . . . . . . . . . . . 4.5. Operaciones con aplicaciones lineales . . . . . . . . . 4.5.1. Suma de aplicaciones lineales . . . . . . . . . 4.5.2. Producto de aplicaciones lineales por un escalar 4.5.3. Producto de aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Resumen de lgebra - 1

lgebra

NDICE

4.6. Ncleo de una aplicacin lineal . . . . . . . . . . . . . . . . . 4.7. Determinacin de una aplicacin lineal. Matriz . . . . . . . . 4.8. Rango de una aplicacin lineal . . . . . . . . . . . . . . . . . 4.9. Aplicaciones lineales inyectivas . . . . . . . . . . . . . . . . 4.10. Caracterizacin de endomorsmos biyectivos . . . . . . . . . 4.11. Conjunto de las aplicaciones lineales entre dos espacios E y F 4.11.1. Aplicacin suma . . . . . . . . . . . . . . . . . . . . 4.11.2. Aplicacin producto por un escalar . . . . . . . . . . 4.12. El anillo L(E) de los endomorsmos de E . . . . . . . . . . . 4.13. Matrices asociadas a un endomorsmo en dos bases distintas . 5. Determinantes 5.1. Denicin . . . . . . . . . . . . . . . . . . 5.2. Propiedades de los determinantes . . . . . . 5.3. Adjuntos. Desarrollo de un determinante . . 5.4. Menor complementario . . . . . . . . . . . 5.5. Adjuntos o cofactores . . . . . . . . . . . . 5.6. Regla de Laplace . . . . . . . . . . . . . . 5.7. Resolucin de sistemas con orden mayor a 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

15 15 15 16 16 16 16 16 16 17 18 18 18 18 18 18 18 19 20 20 20 21 21 21 21 22 22 22 22 22 23 23 23 23 24 24 24 24 24 25 25 25 25 26 26 26 26 26 27 27 27 27

6. Sistemas de ecuaciones lineales 6.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2. Tipos de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3. Relacin entre sistemas vectoriales y sistemas de ecuaciones lineales 6.4. Matriz importantes . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4.1. Matriz de coecientes . . . . . . . . . . . . . . . . . . . . 6.4.2. Matriz de coecientes y resultados . . . . . . . . . . . . . . 6.5. Teorema de Rouch-Frobenius . . . . . . . . . . . . . . . . . . . . 6.5.1. Problemas tpicos . . . . . . . . . . . . . . . . . . . . . . . 6.6. Resolucin de ecuaciones lineales . . . . . . . . . . . . . . . . . . 6.6.1. Mtodo general . . . . . . . . . . . . . . . . . . . . . . . . 6.6.2. Regla de Crammer . . . . . . . . . . . . . . . . . . . . . . 6.6.3. Mtodo Gauss . . . . . . . . . . . . . . . . . . . . . . . . 6.7. Equivalencia de sistema lineales . . . . . . . . . . . . . . . . . . . 6.8. Ecuaciones paramtricas e implcitas de un subespacio vectorial . . 6.9. Problema del cambio de base . . . . . . . . . . . . . . . . . . . . . 7. Variedades lineales vectoriales 8. Diagonalizacin de matrices. Formas cuadrticas 8.1. Valores y vectores propios de una aplicacin lineal . . . . . . . . . 8.2. Ecuacin caracterstica . . . . . . . . . . . . . . . . . . . . . . . . 8.3. Subespacio propio . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.4. Semejanza de matrices . . . . . . . . . . . . . . . . . . . . . . . . 8.5. Diagonalizacin de matrices . . . . . . . . . . . . . . . . . . . . . 8.5.1. Teorema de caracterizacin de matrices diagonalizables . . 8.5.2. Proceso de diagonalizacin . . . . . . . . . . . . . . . . . . 8.6. Matrices simtricas . . . . . . . . . . . . . . . . . . . . . . . . . . 8.7. Matriz ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.7.1. Diagonalizacin ortogonal . . . . . . . . . . . . . . . . . . 8.8. Formas bilineales sobre un espacio vectorial . . . . . . . . . . . . . 8.8.1. Expresin matricial de una forma bilineal . . . . . . . . . . 8.8.2. Cambio de base en una forma bilineal . . . . . . . . . . . . 8.9. Matrices congruentes . . . . . . . . . . . . . . . . . . . . . . . . . 8.10. Matriz nilpotente . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.11. Vectores conjugados respecto a una forma bilineal simtrica. Ncleo

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

Resumen de lgebra - 2

lgebra

NDICE

8.12. Formas cuadrticas . . . . . . . . . . . . . . . . . . 8.12.1. Denicin . . . . . . . . . . . . . . . . . . . 8.12.2. Propiedades de las formas cuadrticas . . . . 8.12.3. Forma cuadrtica denida . . . . . . . . . . 8.12.4. Expresin matricial de una forma cuadrtica . 8.12.5. Cambio de base de una forma cuadrada . . . 8.13. Diagonalizacin de una forma cuadrada . . . . . . . 8.14. Rango y signatura de una forma cuadrtica . . . . . . 8.15. Proceso de diagonalizacin de una forma cuadrtica . 8.16. Clasicacin de formas cuadrticas . . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27 27 27 28 28 28 28 28 28 28 30 30 30 30 30 30 31 31 31 31 31 32 32 32 32 33 34 34 34 34 34 34 34 34 35 35 35 35 35 35 38 38 38 38 38 38 39 39 39 39 39 39 39

9. El espacio afn 9.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2. Referencia afn . . . . . . . . . . . . . . . . . . . . . . . 9.3. Ecuaciones de una recta . . . . . . . . . . . . . . . . . . . 9.3.1. Denicin . . . . . . . . . . . . . . . . . . . . . . 9.3.2. Formas de expresar una recta . . . . . . . . . . . . 9.3.3. Posiciones relativas de dos rectas . . . . . . . . . 9.3.4. Haz de rectas de vrtice P . . . . . . . . . . . . . 9.4. Ecuaciones de un plano . . . . . . . . . . . . . . . . . . . 9.4.1. Denicin . . . . . . . . . . . . . . . . . . . . . . 9.4.2. Formas de expresar un plano . . . . . . . . . . . . 9.4.3. Posicin relativa de dos planos . . . . . . . . . . . 9.4.4. Ecuacin de una recta como interseccin de planos 9.4.5. Haz propio de planos del eje de la recta r . . . . . 9.4.6. Haz de planos paralelos a uno dado . . . . . . . . 9.4.7. Posicin relativa de tres planos . . . . . . . . . . . 10. Problema de la programacin lineal 10.1. Deniciones . . . . . . . . . . . . . . . . 10.1.1. Combinacin convexa . . . . . . 10.1.2. Conjunto convexo . . . . . . . . 10.1.3. Segmento de extremos A y B . . . 10.1.4. Extremo . . . . . . . . . . . . . . 10.1.5. Variedad convexa . . . . . . . . . 10.2. Desigualdades lineales . . . . . . . . . . 10.3. Problema de la programacin lineal . . . 10.3.1. Pasar desigualdades a igualdades . 10.3.2. Soluciones de un problema . . . . 10.4. Mtodos de resolucin . . . . . . . . . . 10.4.1. Mtodo grco . . . . . . . . . . 10.4.2. Mtodo simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11. El espacio eucldeo 11.1. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2. Espacio eucldeo . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.3. Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.4. Orientacin de una referencia en E3 . . . . . . . . . . . . . . . . . 11.5. Producto vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.6. Producto mixto de tres vectores . . . . . . . . . . . . . . . . . . . . 11.7. Vector direccin de una recta expresada como interseccin de planos 11.8. Condicin para que dos rectas se corten en E3 . . . . . . . . . . . . 11.9. Aplicaciones geomtricas . . . . . . . . . . . . . . . . . . . . . . . 11.9.1. Distancias . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.9.2. ngulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.9.3. reas y volmenes . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

Resumen de lgebra - 3

lgebra

Preliminares

1. Preliminares
Para poder tratar el tema de vectores debemos conocer algunos conceptos bsicos:

1.1. Estructura algebraica

Es aquella que tiene la forma (G; *) donde G es un conjunto no vaco y * es una operacin binaria interna sobre G (es decir indica una operacin sobre dos trminos del conjunto G).

1.2. Grupo
Es una estructura algebraica (G; *) que cumple las siguientes condiciones: 1. Asociativa. x*(y*z) = (x*y)*z 2. Elemento neutro. e G/e x = x e = x 3. Elemento simtrico. Todo valor x tiene su simtrico x / x*x = e

1.3. Grupo conmutativo o abeliano

Es aquel grupo en el cual se verica tambin la propiedad. 1. Conmutativa. x*y = y*x

1.4. Anillo
Es una estructura formada por un conjunto (A) y dos operaciones binaria internas (de dos elementos del conjunto), llamadas (*) y (.) . De manera que se deben cumplir la siguientes condiciones: 1. (A; +) debe ser un cuerpo conmutativo. 2. (x.y).z = x.(y.z) 3. La operacin (.) debe ser distributiva respecto a (+) x.(y+z) = x.y + x.z1 4. La operacin (.) es conmutativo. Anillo conmutativo 5. La operacin (.) tiene elemento neutro (diferente de 0). Anillo unitario 6. x = 0 ,y = 0 implica que x.y = 0. Anillo integro

7. Todo x A, x 0 tiene inverso (simtrico). Cuando el anillo verica 4, 5 y 6 se dice que es un domino de integridad. Cuando un anillo verica 5 y 7 decimos que es un cuerpo. Cuando verica 4, 5 y 6 se llama cuerpo conmutativo.

1 Adems

de esta propiedad los anillo pueden cumplir otras, con lo cual ya pueden ser tipos de anillo.

Resumen de lgebra - 4

lgebra

Espacio vectorial

2. Espacio vectorial
2.1. Conocimientos necesarios y ejercicios imprescindibles
1. Denicin de espacio vectorial (e.v) 2. Ejemplos de e.v. 3. Propiedades de e.v. 4. Subespacios vectoriales (s.e.v) 5. Subespacios vaco y U. Subespacio interseccin de dos s.e.v 6. Combinacin lineal de vectores. 7. Dependencia / Independencia lineal de vectores. 8. Sistema generador. 9. Base. 10. Dimensin de un subespacio. 11. Subespacios suplementarios. dim (U1) + dim(U2) = dim(U1 + U2) + dim (U1 U2) 12. Suma directa de dos subespacios vectoriales. Teorema de la base. Ejercicios: 1.6, 1.10, 1.17, 1.18, 1.25, 1.26, 1.27, 1.29, 1.30, 1.33

2.2. Denicin de espacio vectorial

Este es el nombre que se asigna a una terna con las siguiente componentes: ((E +), (K + .), *) Esta terna tiene los siguientes elementos propios de estudio: (E +) Es un grupo aditivo abeliano. Cuyos elementos se llaman vectores ( x y z ... ). Importarte recordar las 4 propiedades que debe cumplir un grupo abeliano (vistas anteriormente). (K + .) Es un cuerpo de escalares, se representan con las letras griegas. * Es una ley de composicin externa, nos indica como combinar los escalares (K) con los vectores (E). La ley de composicin externa utilizada en este caso debe siempre cumplir tres propiedades: 1. ( + ) = + x y x y 2.( + ) = + x x y 3.( ) = ( ) x x 2.2.1. Ejercicios tpicos Nos dan un grupo abeliano, deniendo su operacin (+) y debemos demostrar que efectivamente lo es. Nos dan un supuesto espacio vectorial, con una "extraa" ley de composicin externa y debemos vericar si es un espacio vectorial.

Resumen de lgebra - 5

lgebra

Espacio vectorial

2.3. Subespacio vectorial

Si tenemos un espacio vectorial v =>(v; +; *). Cualquier espacio vectorial u =>(u; +; *) contenido en v es un subespacio vectorial. Esto tambin se puede expresar diciendo que un subespacio vectorial de toda combinacin lineal que se pueda v realizar con este. La nueva combinacin generada se llama subespacio engendrado. El subespacio vectorial de se puede representar como L( ), o bien como < , , ..., >. v v v1 v2 vn De manera directa podemos siempre crear dos subespacios vectoriales de un espacio vectorial, estos sera 0 y (es v decir, todo y nada). Si tenemos dos subespacios vectoriales de , llamados y : v u1 u2 La interseccin de los dos subespacios siempre da un subespacio. La unin de los dos subespacios no necesariamente tiene porque dar un subespacio. Son llamados conjuntos equivalentes aquellos que forman el mismo subespacio vectorial. 2.3.1. Teorema de caracterizacin de subespacios vectoriales La condicin necesaria y suciente para que un subconjunto S de E sea subespacio vectorial suyo es que se verique: 1. , S ; + S u v u v 2. K ; S ; S u u 2.3.2. Ejercicios tpicos Nos dan un subespacio vectorial de R2 con siguiente forma: S ={x1 , x2 , x3 , ...,xn }; tenemos que vericar que efectivamente sea un subespacio vectorial. Para esto se cogen dos vectores de S , se multiplica por dos escalares y ; para nalmente suma los dos resultados. Si lo que obtenemos pertenece a S , podemos armar que es un subespacio vectorial de R2 .

2.4. Combinacin lineal de vectores

Se dice que un vector es combinacin lineal de vectores del sistema P, si existen p escalares n , tales que: x = 1 + 2 + 3 + ... + n x x1 x2 x3 xn En este caso el sistema P es un sistema generador. El ejemplo ms claro de esto son los vectores utilizados en fsica, los cuales se representan como V =a i +b j +c k siendo i , j y k , vectores unitarios del sistema R3 , los cuales se combinan linealmente con los valores a, b, c. Con esto se puede observar que una combinacin lineal de vectores (c.l.v) se obtiene multiplicando n escalares por los vectores base del sistema. De manera que puede haber innitas combinaciones lineales de vectores.

2.5. Dependencia / Independencia lineal

Linealmente dependiente, se llama as a un sistema de vectores cuando, se puede obtener del conjunto de vectores partiendo de los ya existentes. Como es evidente un vector linealmente independiente es el anlogo. Para comprobar que un vector sea linealmente independiente se debe cumplir la siguiente expresin: + + = 0 = = = 0 u v w Existe otra forma para saber si un vector es dependiente / independiente; este mtodo implica resolver un determinante como el que hay a continuacin; el vector ser linealmente independiente si el determinante es distinto de cero. u1 u2 u3 v1 v2 v3 w1 w2 w3

Resumen de lgebra - 6

lgebra

Espacio vectorial

2.5.1. Ejercicios tpicos Nos dan un sistema de varios vectores y debemos averiguar si es dependiente o independiente. Para esto se debe multiplicar cada uno por una constante y suma todos los resultados, los cuales deben ser iguales a cero en todos los casos. Normalmente sale un sistema de ecuaciones con varias incgnitas.

2.6. Base de un espacio vectorial

Es un sistema de vectores (linealmente independientes), tales que en un determinado espacio se pueden expresar todos los vectores como combinacin lineal de ellos. Los casos ms tpicos son en R2 { , } y en R3 { i , j , k }. x y Se llama base de un espacio vectorial que es libre y adems sistema generador2 . En todo espacio vectorial existe al menos una base (Teorema de la base). En un espacio vectorial todas las bases tienen el mismo nmero de vectores. Los escalares por los que se multiplica cada uno de los vectores que forman la base, se llaman coordenadas. Teniendo un vector con la forma = 1 + 2 + ... + n , los escalares n se llaman coordenadas, mientras v v1 v2 vn son el conjunto de vectores que forma la base. que vn El cambio de base consiste en teniendo un vector v expresarlo sobre otra base y que siga siendo el mismo. 2.6.1. Ejercicios tpicos Cambio de base.

2.7. Dimensin de un espacio vectorial

Se llama dimensin de un espacio vectorial, el nmero de vectores que forman su base. Si un espacio vectorial de dimensin n: Todo sistema de generadores de E con n vectores, es una base de E. Todo sistema libre de E tienen un nmero de vectores n. Todo sistema de E con ms de n vectores, es ligado. Si tenemos un espacio vectorial , talque dim = n; C dim dim . v v u v u v

2.8. Rango
El rango de un conjunto de vectores es el nmero mayor de vectores independientes del conjunto. v ran{(1, 0)(0, 1)(4, 3)} = 2/dim = 2 ran{(4, 3)} = 1/dim = 2

2 Es

aquel sistema de vectores, que puede representar cualquier otro vector de su espacio, como combinacin lineal de el mismo.

Resumen de lgebra - 7

lgebra

Matrices

3. Matrices
3.1. Denicin
Teniendo dos conjuntos de elementos nitos I = {1...m} y J = {1...n}; se llama matriz de m las por n columnas o matriz (m,n) a la imagen de una aplicacin del conjunto I J en el cuerpo K. A:I J K (i, j) aij a11 a21 A = (aij ) = ... am1 a12 a22 ... am2 ... a1n ... a2n ... ... ... amn

Tambin se puede expresar una matriz como el producto cartesiano de dos vectores.

3.2. Tipos de matrices

p=1 o (m,1) : matriz columna. n=1 o (1,n) : matriz la. Matriz nula o cero (0) : Aquella en la que todos sus elementos son cero. Matriz opuesta (-A) : Tiene el mismo orden que (A), pero sus elementos son opuestos a esta. Matriz transpuesta (A) o (A)t ->Es el resultado de la matriz (A) despus de cambiar sus las por columnas. Si (Aij ) tiene la transpuesta (Aji ) . det(A) = det(A ). Matriz rectangular. Es aquella matriz que tiene un nmero de las y columnas diferente. Matriz cuadrada. Es aquella en la cual el nmero de las es igual al de columnas. Simtrica. Es aquella matriz que coincide con su transpuesta. (A) = (At ); (A B)t = B t At Antisimtrica o hemisimtrica. Es aquella que coincide con la opuesta de su transpuesta. (A) = (A)t . En esta matriz su diagonal principal vale cero, los elementos que estn por encima de dicha diagonal son opuestos a los que hay por debajo. aij = aij o (A) = (A)t Matriz diagonal (D). Tiene como caracterstica, el echo de que nicamente son distintos de cero los elementos de la diagonal principal. Matriz escalar. Es una matriz diagonal, con todos los valores de la diagonal principal iguales entre ellos. Matriz unidad (I). Es una matriz escalar, que adems, tiene valores 1 en la diagonal principal y valores 0 en el resto. Triangular. Es aquella matriz en la cual, tiene ceros encima o debajo de la diagonal principal. La matriz unidad siempre es triangular. Matriz inversible o regular. Es el nombre que recibe toma matriz que tenga elemento inverso, de manera que se cumpla: A A1 = I

Resumen de lgebra - 8

lgebra

Matrices

3.3. Operaciones con matrices

3.3.1. Suma Para poder sumar dos matrices, estas deben tener iguales dimensiones. Para realizar la operacin de suma sumar los valores que ocupan la misma posicin. a11 a12 ... a1p b11 b12 ... b1p a11 + b11 a12 + b12 ... a1p + b1p a21 a2p b21 b2p a21 + b21 a2p + b2p + = ... ... ... ... ... ... an1 an2 ... anp bn1 bn2 ... bnp an1 + bn1 an2 + bn2 ... anp + bnp (M(n,p),+) es un grupo abeliano. Caractersticas que la hacen un grupo abeliano: Posee neutro, el cual es la matriz nula con su mismo orden. Posee elemento opuesto, el cual coincide con su matriz opuesta. 3.3.2. Matriz por un escalar En estos casos el escalar se multiplica por todas las posiciones de la matriz. a11 a12 ... a1p a11 a12 ... a1p a21 a2p a21 a2p = ... ... ... ... an1 an2 ... anp an1 an2 ... anp 3.3.3. Producto de matrices Esta operacin es un poco liosa hasta que se coge cierta prctica con ella. La operacin producto de A por B se realiza de la siguiente manera (B) (A). Es necesario que haya el mismo nmero de columnas de A que la de B. n n n a11 a12 ... a1p b11 b12 ... b1p ... i=1 bi1 a1i i=1 bi2 a1i i=1 bin a1i n n a21 a2p b21 b2p ... ... i=1 bi1 a2i i=1 bin a2i = ... ... ... ... ... ... ... ... n n an1 an2 ... anp bn1 bn2 ... bnp bin api bi1 api ... ... i=1 i=1 3.3.4. Operaciones elementales Se conocen con este nombre a las operaciones que una vez realizadas se obtiene un sistema equivalente al primero. En estas operaciones, tanto si se realizan sobre las como sobre columnas, el rango3 de la matriz no varia. Las operaciones elementales son las siguientes: Permutacin4 entre dos vectores cualquiera de la matriz. Substituir un vector de la matriz, por el mismo ms una combinacin lineal del resto de vectores. i = i + 1 + u u u1 ... + n un Multiplicar un vector de la matriz por un escalar.
3 El 4 Se

se deben

concepto de rango de una matriz se trata en el apartado 3.6 considera permutar dos elementos, a cambiar la posicin de uno por otro, y la de este por la del primero.

Resumen de lgebra - 9

lgebra

Matrices

3.4. Matrices y vectores

Se puede considerar que una matriz es una funcin de vectores. Con las caracterstica vistas hasta el momento se puede observar que la matrices se puede denir como una terna, con estructura de anillo5 , igual a la siguiente: (Mm,n , +, ) Mediante dicha terna, se puede observar que Mm,n es un espacio vectorial con sus correspondientes operaciones suma y producto por un escalar. Por esto se puede armar que una matriz cumple las mismas propiedades que un conjunto de vectores. Se considera base natural o base cannica, al conjunto de matrices, que tienen en todas sus posiciones cero, excepto en una posicin hay un uno; y dicha posicin va alternndose entre todas las de la matriz. 1 0 ... 0 0 1 ... 0 0 0 ... 0 0 0 ... 0 0 0 ... 0 0 0 ... 0 ... B= ... ... ... ... ... ... ... ... ... ... ... ... 0 0 ... 0 0 0 ... 0 0 0 ... 1 n .
2

Se puede considerar que el conjunto de Mn de matrices cuadradas de orden n es un k espacio vectorial de dimensin6

3.5. Propiedades de la matrices cuadradas

Si la matriz cuadrada tiene inverso es regular, en caso contrario es singular. (A) (A)1 = (I) El determinante del producto de dos matrices de orden n es el producto de los respectivos determinantes. (Teorema de Binet-Cauchy). Una matriz cuadrada es regular solo si su determinante es distinto de cero.

3.6. Rango de una matriz

Dada una matriz (A) podemos obtener una submatriz cuadrada (B), cogiendo un nmero m de las y columnas de la matriz (A). |B| = un menor de orden m7 de la matriz (A). Si la matriz (A) tiene un menor de orden i no nulo, entonces los i vectores columna que determinan al menor son linealmente independientes. As mismo tambin lo son los i vectores la que determinan el menor. Se llama rango de una matriz (A) a la dimensin del subespacio vectorial K n engendrado por los p vectores columna. rg(A) Al resultar un poco compleja la denicin sobre el rango de una matriz expuesta anteriormente, en este punto se van a realizar tres deniciones, para intentar aclarar este concepto. Es importante recordar la similitud entre matrices y vectores, de la cual se habla en el apartado 3.4. Rango la. Es el rango de los vectores la de la matriz, o dicho de otra manera el nmero de vectores la que son linealmente independientes. Rango columna. Es el rango de los vectores columna de la matriz, o dicho de otra manera el nmero de vectores columna que son linealmente independientes. Rango de una matriz. Es igual al rango la y al rango columna; los cuales siempre son iguales entre si.
preliminares. dimensin es el nmero de vectores que forman su base. 7 Llamamos menor de orden n de una matriz al determinante que resulta de eliminar ciertas las y columnas hasta quedar una matriz cuadrada de orden p. Es decir, al determinante de cualquier submatriz cuadrada de A (submatriz obtenida suprimiendo alguna la o columna de la matriz A).
6 La 5 Ver

Resumen de lgebra - 10

lgebra

Matrices

3.6.1. Calculo de rango Para calcular el rango de una matriz, se puede operar de tres formas distintas: Calcular el mximo nmero de las (o columnas) independientes mediante la propia denicin de sistema libre o ligado de vectores. Mediante transformaciones elementales en las las (o columnas) de la matriz eligiendo un 1 en la matriz y haciendo cero los elementos de su misma la o columna8 . Intercambiar dos lneas entre s. Suprimir una lnea que tenga todos sus elementos nulos. Suprimir una lnea que sea proporcional a otra. Suprimir una lnea que sea combinacin lineal de otra/s. Multiplicar o dividir una lnea por un nmero distinto de cero. Sustituir una lnea i de este modo : Li = a Li + b Lj Sustituir una lnea i de este modo : Li = Li + a Lj

Mediante determinantes: El clculo de determinantes ofrece una tcnica muy operativa para hallar el rango de una matriz. 3.6.2. Propiedades del rango de una matriz Supongamos la siguiente matriz: a11 a21 (A) = ... an1 a12 a22 ... an2 ... a1p ... a2p ... ... ... anp

En la matriz (A) dada, las i columnas (o i las) son linealmente independientes si y solo si contienen un menor de orden i no nulo. El rango de (A) coincide con el orden de un menor maximal9 no nulo de la matriz (A). El rango de una matriz no varia si a una columna (o la) se le suma una combinacin lineal de las otras.

3.7. Matriz de un sistema de vectores respecto a una base

3.7.1. Denicin Si tenemos un espacio vectorial (E), una base = {, , ..., }, y un sistema de vectores = { , , ..., }. v v1 v2 vn a a1 a2 an a11 a11 a21 a21 = a11 + a21 + ... + an1 = = ( , , ..., ) a1 v1 v2 v1 v2 vn vn ... ... an1 v an1 ... a1p a1p = a1p + a2p + ... + anp = a2p = (, , ..., ) a2p a1 v1 v2 vn v1 v2 vn ... ... anp v anp De esto se puede deducir, que el sistema de vectores respecto a la base se puede representar como: a v a11 ... a1p ... ... ... an1 ... anp v a la dimensin del subespacio vectorial de E generado por . Se llama rango del sistema de vectores a a
8 Cuando 9 El

se hace referencia a lneas, debe entenderse que se hace referencia a una la o una columna indistintamente un menor no nulo tal que cualquier otro menor que lo contenga debe ser estrictamente nulo.

Resumen de lgebra - 11

lgebra

Matrices

3.8. Clculo de la matriz inversa mediante transformaciones elementales

Para calcular la matriz inversa de una dada (A), se deben realizar los siguientes pasos en el orden indicado: 1. Se debe escribir la matriz A y a su derecha la matriz unidad I. De manera que se obtiene una nueva matriz [A|I], con el doble nmero de columnas. 2. Realizar sucesivas operaciones elementales sobre sus las, hasta conseguir una nueva matriz, que se pueda dividir en [I, B]. 3. De esta manera se ha conseguido transformar la matriz A en la unidad I. La matriz que ocupa el lugar de la derecha (B), es la matriz inversa de (A).

3.9. Cambio de base en un espacio vectorial

Para realizar dicho cambio, primero es necesario denir estos tres elementos sobre el sistema: UB1 es la matriz columna que expresa las coordenadas de U enB1 . UB2 es la matriz columna que expresa las coordenadas de U enB2 . MB2 B1 es la matriz cuyas columnas son las coordenadas de los vectores B2 enB1 ; tambin llamada matriz de paso. De manera que UB1 = MB2 B1 UB2 De esta operacin se debe deducir un sistema de ecuaciones, el cual al ser resuelto da los resultados. La parte ms complicada de este mtodo consiste en hallar la matriz de vectores B2 enB1 . Ejemplo. Obtener las ecuaciones de cambio de base de B2 aB1 , de los vectores: B1 = {(1, 0, 1), (0, 1, 1), (0, 0, 2)}; B2 = {(1, 1, 2), (1, 0, 1), (0, 1, 2)} Primero se debe hallar cada componente de la matriz, de los valores B2 enB1 , esto se hace as: (1, 1, 2) = x(1, 0, 1) + y(0, 1, 1) + z(0, 0, 2) (1, 1, 2)B1 = (1, 1, 0)B2 (1, 0, 1) = x(1, 0, 1) + y(0, 1, 1) + z(0, 0, 2) (1, 1, 2)B1 = (1, 0, 0)B2 1 (0, 1, 2) = x(1, 0, 1) + y(0, 1, 1) + z(0, 0, 2) (1, 1, 2)B1 = (0, 1, )B2 2 Teniendo estas expresiones se puede representar el cambio de base de forma matricial, de la siguiente manera: 1 1 0 x1 x2 y1 = 1 0 0 y2 z1 U z2 U 0 1 1 2
B1 B2

De esta representacin se puede deducir el siguiente sistema de ecuaciones: x1 = x2 + y2 y1 = x2 z1 = y2 + 1 z2 2

3.10. Obtencin de una matriz inversa

Para realizar esta operacin se pueden seguir dos mtodos, con la experiencia se podr saber cual es ms apropiado para cada caso.

Resumen de lgebra - 12

lgebra

Matrices

3.10.1. Mtodo de transformaciones elementales Consiste en partir del conjunto (A|I), y mediante transformaciones elementales transformarlo en el conjunto (I|B). De manera que la matriz B es la inversa de A. 3.10.2. Mtodo de la frmula Consiste en desarrollar los siguiente A1 = 1 (Adj A)t |A|

3.11. Ejercicios
Realizar clculos bsicos con matrices. Suma, multiplicacin, exponenciales, etc... Transposiciones y reglas que se derivan de ello. Dada una matriz determinar si es un subespacio vectorial de Rn . Adems averiguar la base. Cambio de base de una matriz. Obtener la matriz inversa de una dada.

Resumen de lgebra - 13

lgebra

Aplicaciones lineales

4. Aplicaciones lineales
4.1. Concepto de aplicacin lineal
Si tenemos dos espacios vectoriales: ((E +), (K + ), ) y ((F +), (K + ), ) (sobre el mismo cuerpo K). Siendo el signo (+) la ley de composicin interna (puede ser distinta entre los dos espacios); y () la ley de composicin externa (tambin puede ser distinta). La composicin de f de E en F es lineal si: f ( + ) = f ( ) + f ( ), (, ) E 2 , (, ) E 2 x y x y x y De esta norma general se pueden deducir las siguientes: f ( + ) = f () + f ( ) , la imagen de la suma es igual a la suma de imgenes. x y x y f () = f ( ), la imagen del producto de un escalar por un vector es el escalar por la imagen del vector. x x

4.2. Clasicacin de aplicaciones lineales

Las aplicaciones lineales tambin son llamadas morsmos u homorsmos. Teniendo dos espacios vectoriales tales que f : E F , se puede hacer la siguiente clasicacin: Isomormismo. La aplicacin lineal f es biyectiva. Endomorsmo. Cuando E=F (son los mismos espacios vectoriales). Aplicacin en. Si f no es inyectiva ni sobreyectiva. Automorsmo. Cuando es isomorsmo + endomorsmo. Forma lineal. Es la aplicacin lineal de un espacio sobre un cuerpo de escalares. Epimorsmo. La aplicacin lineal f es sobre. Monomorsmo. La aplicacin lineal f es inyectiva.

4.3. Imagen de una aplicacin lineal

Si tenemos una aplicacin lineal f de E en F. Se llama imagen de f al subconjunto de F formado por imgenes de los vectores de E. La imagen de f es la envoltura lineal de las imgenes de una base E. La imagen f es un subespacio vectorial de F cuya dimensin coincide con el sistema de vectores {f( ),f( ),...,f( )}. u1 u2 up Se conoce como aplicacin inyectiva a aquella aplicacin que toda imagen tiene nicamente una anti-imagen. Se conoce como aplicacin exhaustiva a aquella aplicacin cuyas imgenes tienen como mnimo una anti-imagen. Se conoce como aplicacin biyectiva a aquella aplicacin cuyas imgenes tienen siempre una nica anti-imagen.

4.4. Matriz de una aplicacin lineal

Si tenemos el sistema de vectores {f( ),f( ),...,f( )} respecto a la base . Esto es la matriz de la aplicacin lineal u1 u2 up v f respecto a la bases V , U . f11 f f (u1 ) = 2 ... fn1 v De lo que se deduce que: f11 ... f1p f11 f ( ) = ... ... ... = ... u fn1 ... fnp v fn1 ... f1p x1 f11 ... ... ... = f () ... y x ... fnp xp fn1 ... f1p x1 ... ... ... ... fnp xp U Resumen de lgebra - 14

lgebra

Aplicaciones lineales

4.5. Operaciones con aplicaciones lineales

4.5.1. Suma de aplicaciones lineales Dadas las aplicaciones lineales de E en F, f y g : (f + g)() = f ( ) + g( ); E x x x x 4.5.2. Producto de aplicaciones lineales por un escalar f ( ) = [f ( )] x x f11 = ... fn1 ... ... ... f1p ... fnp

( f )U,V

4.5.3. Producto de aplicaciones lineales h f ( ); E x x (h f )U,W = (h)V,W (f )U,V

4.6. Ncleo de una aplicacin lineal

Dada la aplicacin lineal f : E F . Se conoce como ncleo de la aplicacin lineal (f ), y se denota como N(f), al conjunto de vectores de E que se aplican en el vector nulo de F. Es decir, es la imagen inversa del vector nulo de F. N (f ) = f 1 (0) N (f ) es subespacio vectorial de E, y se verica: dim (N (f )) + dim (Im (f )) = dim E Para hallar un ncleo es necesarios calcular un valor que haga que la aplicacin sea igual al conjuto 0.

4.7. Determinacin de una aplicacin lineal. Matriz

Una aplicacin lineal f : E F queda determinada conociendo las imgenes de los vectores de la base E. Toda aplicacin lineal se puede representar como una matriz, cuyas dimensiones son: La dimensin n corresponde al espacio vectorial E, y sea B = {e1 , e2 , ..., en } la base de E La dimensin n corresponde al espacio vectorial F, y sea B = {v1 , v2 , ..., vn } la base de F Si u E tiene de coordenadas (x1 , x2 , ..., xn ) en la base B y su imagen f (u) tiene de coordenadas (y1 , y2 , ..., yn ) en la base B. Se verica la siguiente ecuacin matricial, siendo Y = A X y1 f11 ... f1p x1 ... = ... ... ... ... ym fn1 ... fnm xn

4.8. Rango de una aplicacin lineal

Se llama rango de una aplicacin lineal la dimensin del espacio vectorial imagen, se denota por rg(f ) rg(f ) = dim(Im(f )) = dim(f (E)) El rg(f ) coincide con el rango de la matriz asociada a f en cualquier base. Resumen de lgebra - 15

lgebra

Aplicaciones lineales

4.9. Aplicaciones lineales inyectivas

Una aplicacin lineal f : E F es inyectiva si, y slo si, su ncleo contiene slo el vector nulo. Es decir: f : E F , f es inyectiva N (f ) = {0} Una aplicacin lineal f : E F es inyectiva si, un sistema libre de E se aplica en un sistema libre. Es decir, si la imagen de una base de E es una base de f (E). dim E = dim f (E) o rg(Mf ) = dim E

4.10. Caracterizacin de endomorsmos biyectivos

Las aplicaciones lineales f : E E son endomorsmos. La matriz de la f en una base ser cuadrada. En caso de que el endomorsmo sea biyectivo el rango de la matriz ser la dimensin de E, es decir, su determinante ser distinto de cero.

4.11. Conjunto de las aplicaciones lineales entre dos espacios E y F

El conjunto de todas las aplicaciones lineales entre E y F, espacios vectoriales sobre el mismo cuerpo K, se denota por L(E, F ). Si f, g son dos aplicaciones lineales entre E y F, se pueden denir los conceptos que aparecen a continuacin. 4.11.1. Aplicacin suma En caso de tener f + g : E F tal que: u E; (f + g)(u) = f (u) + f (u) El resultado de la suma sigue denido en L(E, F ). Si B y B son dos bases de E y F respectivamente, y M(f,B,B ) y M(g,B,B ) son las matrices, se verica: M(f +g,B,B ) = M(f,B,B ) + M(g,B,B 4.11.2. Aplicacin producto por un escalar Si se tiene un escalar y f L(E, F ), se puede denir una aplicacin f : E F la aplicacin tal que, u E, (f )u = f (u) La aplicacin f es aplicacin lineal, y se verica: M(f,B,B ) = M(f,B,B
) )

4.12. El anillo L(E) de los endomorsmos de E

El conjunto L(E) representa al aplicaciones lineales sobre E, en las cuales adems de la operacin suma y producto (antes comentadas), se puede denir otra operacin interna, el producto, que ser la propia composicin de aplicaciones. Dados f : E E, y g : E E endomorsmo de E, se llama producto de f y g la aplicacin f g : E E u E; (g f )(u) = g(f (u)) De manera que se verica: M(gf,B) = M(g,B) M(f,B) Si f L(E) tiene aplicacin inversa f 1 , tambin f 1 L(E).

Resumen de lgebra - 16

lgebra

Aplicaciones lineales

4.13. Matrices asociadas a un endomorsmo en dos bases distintas

Sea E un K-espacio vectorial de dimensin n y sean: B1 = {e1 , e2 , ..., en }; B2 = {v1 , v2 , ..., vn } bases de E donde los vectores de B2 en B1 son: v1 = a11 e1 + a12 e2 + ... + a1n en ........ vn = an1 e1 + an2 e2 + ... + ann en Sea una aplicacin lineal f : E E de matrices M(f,B1 ) y M(f,B2 ) en las bases B1 y B2 , respectivamente. La relacin entre ambas matrices es: M(f,B2 ) = C 1 M(f,B1 ) C Donde C es la matriz de cambio de base: ... an1 ... ... = M(B2 ,B1 ) ... ann

a11 C = ... a1n

a21 ... a2n

recordar que de modo que la expresin quedar como

1 M(B2 ,B1 ) = M(B1 ,B2 )

1 M(f,B2 ) = M(B1 ,B2 ) M(f,B1 ) M(B1 ,B2 )

Resumen de lgebra - 17

lgebra

Determinantes

5. Determinantes
5.1. Denicin
Visin 1. Un determinantes es una herramienta (funcin) de Rn a R. Esta funcin debe ser lineal en cada uno de sus argumentos. Visin 2. Una matriz puede verse como un conjunto de i vectores (la o columna) con j dimensiones cada vector. Ante esta denicin se puede considerar un determinante como la funcin de los vectores de la matriz.

5.2. Propiedades de los determinantes

Si se cambian las por columnas10 el valor del determinante no vara. Si se cambian entre si dos las, el valor absoluto del determinante no vara, pero si el signo del resultado. Un determinante con dos las (o columnas) iguales es nulo. Si se multiplican todos los elementos de una linea por un valor , el valor del determinante queda multiplicado por este valor . Si un determinante tienen los valores de una lnea11 mltiplos de los de otra lnea, su valor es nulo.

5.3. Adjuntos. Desarrollo de un determinante 5.4. Menor complementario

Si en una matriz cuadrada se suprime la la l y columna k se obtiene otra de orden n-1, cuyo determinante se llama menor complementario del elemento alk . Un posible ejemplo sera el siguiente, dada una matriz A se obtendr el menor complementario del 3 de la primera la: 1 0 3 3 4 3 4 2 5 1 5 1 0 El menor complementario tambin se puede expresar diciendo, que cuando en un determinante cuadrado de orden n, nicamente se cogen h las y h columnas, este es un menor de orden h. De manera que las las y columnas que no entran en el menor de orden h se llaman menor complementario y son de orden n-h.

5.5. Adjuntos o cofactores

El adjunto del elemento ai,j que pertenece al determinante Ai,j , se forma multiplicando (1)i+j 12 por su menor complementario (i,j ). La suma de los elementos de una la por los adjuntos de otra la paralela, siempre es igual a cero. En caso de que se desee obtener factor comn de un elemento ai,j , este deber ir multiplicado por un polinomio, el cual es su adjunto.

5.6. Regla de Laplace

Todo determinante es igual a la suma de sus menores posibles, formados con h lineas jas y multiplicados por sus adjuntos correspondientes. Un ejemplo de esta regla es el siguiente: 0 1 4 2 1 0 1 6 2 0 2 1 0 3 3 3 0 1 1 0 2 3 1 3 0 1 2 0 1 3 6 3 0 0 1 3 1 2 0 1

A=

operacin se denomina transponer el determinante, o realizar la transpuesta de un determinante. se habla de lnea se hace referencia tanto a las como a columnas. 12 Dicho de otra manera el primer elemento es negativo, y los siguientes van alternando el signo
11 Cuando

10 Esta

Resumen de lgebra - 18

lgebra

Determinantes

1 1

2 0

4 3 2 3

1 0 0 3

4 2

2 1

2 0

0 3

4 1 2 6

5.7. Resolucin de sistemas con orden mayor a 3

Para resolver este tipo de matriz se pueden seguir dos mtodos, el primero consisten en dejar todo ceros en una lnea, a excepcin de un trmino; el segundo consisten en obtener varios determinantes de menor orden. Para realizar este segundo mtodo, se elige una lnea del determinante, a ser posible la que tenga mas ceros. Seguidamente se multiplica cada valor de esta lnea (con signo negativo en impares y positivo en pares) por su menor. Ejemplo del primer mtodo: 1 3 5 11 7 4 1 1 3 16 3 11 2 3 1 2 17 14 1 18 6 10 1 5 6 13 3 17 0 0 1 0 17 14 18 6 10 5 6 13 17

= (1)

Ejemplo del segundo mtodo: (en este ejemplo se ha elegido la primera linea) 1 3 4 2 2 2 1 5 4 1 7 5 2 4 3 4 5 7 4 4 1 5 2 3 4 3 4 2 3 4 2 4 5 3 4 1 5 2 3 4 3 4 2 5 1 7 2 4 4

= (1)

+2

+2

+1

5 7 4

Resumen de lgebra - 19

lgebra

Sistemas de ecuaciones lineales

6. Sistemas de ecuaciones lineales

6.1. Denicin
Se considera un sistema de ecuaciones lineales, al conjunto con n igualdades y la forma: f11 x1 + f12 x2 + ... + f1p xp = b1 f21 x1 + f22 x2 + ... + f2p xp = b2 .... fn1 x1 + fn2 x2 + ... + fnp xp = bn Este sistema est formado por los siguientes elementos: Hay n ecuaciones y p incgnitas (x1 , x2 , ..., xp ). fij son coecientes. bi son trminos independientes que pertenecen al cuerpo K. Se llama solucin del sistema a toda p-tupla (1 , 2 , ..., n ), talque si se substituye xi por i , en todos los casos, las igualdades se cumplen.

6.2. Tipos de ecuaciones

En los sistemas de ecuaciones lineales se puede hacer una doble clasicacin, la cual sera la siguiente: Segn sus soluciones Incompatible. Son aquellos sistemas que no tienen soluciones. Compatibles. Son aquellos sistemas que si tienen soluciones. Determinados. Son sistemas con una nica solucin. Indeterminados. Son sistemas con ms de una solucin. Segn su composicin interna No homogneos. Son aquellos en los cuales sus soluciones son distintas de cero (b1 , b2 , ..., bn ) = (0, 0, ..., 0). Homogneos. Son aquellos en que todas sus soluciones son iguales a cero, y por tanto a ellas mismas (b1 , b2 , ..., bn ) = (0, 0, ..., 0); b1 = b2 = ... = bn = 0. Para averiguar si un sistema es indeterminado se debe analizar si el valor del determinante de su matriz de coecientes13 es igual a cero, en todos los casos. Si partimos de que A es la matriz de ecuaciones y A|M la matriz ampliada de las ecuaciones, se pueden realizar las siguientes armaciones: ran (A) = ran (A|M ) Compatible ran (A) = ran (A|M ) = no incognitas Compatible determinado ran (A) = ran (A|M ) < no incognitas Compatible indeterminado ran (A) = ran (A|M ) Incompatible
13 Ver

ms adelante

Resumen de lgebra - 20

lgebra

Sistemas de ecuaciones lineales

6.3. Relacin entre sistemas vectoriales y sistemas de ecuaciones lineales

Las incgnitas xi se pueden suponer como escalares del cuerpo K, con lo que siguiente manera: f1p f11 f12 f f f x1 21 + x1 22 + ... + x1 2p = ... ... ... fnp fn2 fn1 Esto tambin se puede representar como: f11 f12 ... f1p x1 b1 f21 f22 ... f2p x2 b2 = o tambin ( , , ..., ) f1 f2 fp ... ... ... ... ... ... fn1 fn2 ... fnp xp bn o visto de otro modo x1 f1 + x2 f2 + ... + xp fp = b se puede escribir el sistema de la b1 b2 ... bn x1 x2 = b ... xp

La representacin matricial de un sistema de ecuaciones lineales se puede representar como AX=B. Donde: x1 f11 f12 ... f1p b1 x f f22 ... f2p ; B = b2 X = 2 ; A = 21 ... ... ... ... ... ... xp fn1 fn2 ... fnp bn

6.4. Matriz importantes

Para operar con sistemas de ecuaciones lineales, muchas veces se hace referencia a dos matrices que se consideran de suma importancia, en este apartado se ver cuales son. 6.4.1. Matriz de coecientes Formada por los coecientes de cuerpo real K, los cuales multiplican a la matriz de incgnitas. f11 f12 ... f1p f21 f22 ... f2p ... ... ... ... fn1 fn2 ... fnp Esta matriz se suele designar como (A). 6.4.2. Matriz de coecientes y resultados Es una ampliacin de la matriz anterior, de manera que se izquierda de la ya existente. f11 f12 ... f21 f22 ... ... ... ... fn1 fn2 ... Esta matriz se suele designar como (A|B). aade la matriz columna de resultados del sistema, a la f1p f2p ... fnp b1 b2 ... bn

Resumen de lgebra - 21

lgebra

Sistemas de ecuaciones lineales

6.5. Teorema de Rouch-Frobenius

Cualquier sistema de ecuaciones puede ser expresado como x1 f1 + x2 f2 + ... + xp fp = b ; por tanto una condicin necesaria y suciente para que tenga solucin es que b sea una combinacin lineal de f1 + f2 + ... + fp . De esto se deducen las siguientes armaciones: El sistema de ecuaciones lineales es compatible si, y solo si, el rango de la matriz de los coecientes coincide con el rango de la matriz ampliada. ran(A) = ran(A|B) = n El sistema de ecuaciones es incompatible si, y solo si, el rango de la matriz de los coecientes es menor que el rango de la matriz ampliada. ran(A) En sistemas compatibles Si el rango de la matriz de coeciente coincide con el nmero de incgnitas, el sistema es determinado. ran(A) = ran(A|B) = n Si el rango de la matriz de coeciente es menor que el nmero de incgnitas, el sistema es indeterminado. ran(A) = ran(A|B) < n 6.5.1. Problemas tpicos Un problema tpico en el cual es necesario aplicar este teorema, consiste en mostrar un sistema de ecuaciones con algn coeciente desconocido, de manera que nuestra misin es estudiar este sistema. Para resolver este tipo de problemas primero se debe analizar en que casos es compatible el sistema. Para ello se debe mirar para que valores del coeciente desconocido ran(A) = ran(A|B), o dicho de otra manera para que valores el determinante de A es cero. Una vez echo esto se debe analizar para los casos en que el determinante sea compatible, cuando el sistema es determinado. Para esto se debe substituir en la matriz (A) y (A|B), el valor del coeciente desconocido por alguno de los obtenidos anteriormente, si ambas matrices tienen el mismo rango, el sistema es determinado.

6.6. Resolucin de ecuaciones lineales

6.6.1. Mtodo general Es necesario hallar una submatriz cuadrada de orden r obtenida de A, cuyo determinante sea distinto de cero. Suponiendo que esta matriz corresponda a las r primeras las y las r primeras columnas (si no es as, poner de esta forma). En este supuesto, el sistema es equivalente a este: a11 x1 + ... + a1r xr = b1 (a1(r+1) x1 + ... + a1n xn ) a21 x1 + ... + a2r xr = b2 (a2(r+1) x2 + ... + a2n xn ) ... ar1 x1 + ... + arr xr = br (ar(r+1) xr+1 + ... + arn xn ) En estas ecuaciones se han pasado al segundo miembro las matrices que no intervienen en la matriz regular de orden r, y se han eliminado la ecuaciones que tampoco intervienen. Este sistema es determinado, y se puede resolver con los mtodos clsicos (reduccin o eliminacin). 6.6.2. Regla de Crammer Esta regla aporta una herramienta para resolver sistemas lineales determinados (con una solucin). Se parte de la suposicin de que el rango de la matriz de coecientes es igual al rango de de matriz ampliada que a su vez es igual al nmero de incgnitas.

Resumen de lgebra - 22

lgebra

Sistemas de ecuaciones lineales

x1 =

b1 f12 b2 f22 ... ... bn fn2 f11 f12 f21 f22 ... ... fn1 fn2 f11 b1 f21 b2 ... ... fn1 bn f11 f12 f21 f22 ... ... fn1 fn2

... f1n ... f2n ... ... ... fnn ... f1n ... f2n ... ... ... fnn ... f1n ... f2n ... ... ... fnn ... f1n ... f2n ... ... ... fnn

x2 =

De este modo la regla se puede aplicar para todas la incgnitas del sistema. 6.6.3. Mtodo Gauss Este sistema se caracteriza por ser de fcil programacin y por tanto de sencilla resolucin con ayuda informtica. La idea del mtodo es aplicar a la matriz ampliada (A|B) del sistema, transformaciones elementales de las las hasta conseguir una matriz A triangular, cuyo sistema asociado es fcilmente resoluble.

6.7. Equivalencia de sistema lineales

Dos sistemas lineales son equivalentes si tienen las mismas soluciones. Se designa con el smbolo . Existen tres mtodos para encontrar sistemas equivalentes de un sistema dado. La supresin o adicin de ecuaciones que sean combinacin lineal de las dems, produce un sistema equivalente a uno dado. Si en alguna, o algunas ecuaciones del sistema se pasan una o varias incgnitas al segundo miembro se obtiene un sistema equivalente. Quedado esto del siguiente modo: f11 x1 + f12 x2 + ... + f1(p1) x(p1) = b1 f1p xp Mtodo de Gauss, llamado tambin reduccin o eliminacin.

6.8. Ecuaciones paramtricas e implcitas de un subespacio vectorial

Todo sistema homogneo, tiene ecuaciones implcitas o no paramtricas, con este nombre se designa al subespacio vectorial formado por las soluciones del sistema. Dimensin del subespacio = Nmero de incgnitas - Nmero de ecuaciones independientes Las ecuaciones paramtricas e implcitas de un subespacio vectorial, y el paso de un tipo a otro de ecuaciones se efecta de la siguiente forma: Conocidas las ecuaciones implcitas; AX=0. Se halla el rango de la matriz A, que sera el nmero de ecuaciones independientes. Ser resuelve el sistema y esa solucin en funcin de parmetros sern las ecuaciones paramtricas. Conocidas las ecuaciones paramtricas del subespacio. Se eliminan los parmetros hasta obtener un nmero de ecuaciones independientes igual al nmero de incgnitas menos el nmero de parmetros.

6.9. Problema del cambio de base

Basicamente es igual que el cambio de base para aplicaciones lineales, el cual ya se ha visto anteriormente Resumen de lgebra - 23

lgebra

Diagonalizacin de matrices. Formas cuadrticas

7. Variedades lineales vectoriales 8. Diagonalizacin de matrices. Formas cuadrticas

8.1. Valores y vectores propios de una aplicacin lineal
Teniendo la aplicacin lineal f : V V sobre el espacio vectorial V , se puede denir: Autovalor o valor propio de f es todo escalar tal que existe un vector V no nulo para el que f ( ) = u u u Autovector o vector propio de f, corresponde al autovalor es todo vector no nulo de V tal que f ( ) = u u u Esto tambin puede verse expresado de esta forma: autovalor de A X = 0 tal que AX = X X = 0, X autovector de A tal que AX = X

Ejercicios Los ejercicios ms tpicos son hallar los autovalores de una matriz y los autovectores. Para hallar los autovalores se debe hallar la ecuacin caracterstica, y resolver los posibles valores de , estos son los autovalores. Para hallar los autovectores se debe substituir en la ecuacin caracterstica por cada uno de sus posibles valores (autovalores), esto plantea un sistema de ecuaciones (cada sistema es un autovector), se escribe como Li = (x, y, z).

8.2. Ecuacin caracterstica

La ecuacin caracterstica de una matriz es |A I| = 0, las soluciones de esta ecuacin son los autovalores de A. El polinomio en que resulta de |A I| se llama polinomio caracterstico de A. Visto de una forma prctica, si se desea hallar la ecuacin caracterstica de una matriz cuadrada A, se debe hallar el determinante de esta funcin menos (constante) por la matriz identidad. Ejemplo: a b c A= d e f g h i |A I| = a b c d e f g h i

8.3. Subespacio propio

Para hallar los subespacios propios (L ) de una matriz, primero se deben hallar las races de en la ecuacin caracterstica, posteriormente para cada valor de se crea un sistema de ecuaciones lineales igualando a cero la matriz. Ejemplo: Si tenemos la siguiente matriz a b c A= d e f g h i y obtenemos las races de |A I|, siendo estas t1 y t2 se obtienen los siguientes subespacios propios: Para el subespacio t1 (a t1 )x + by + cz = 0 ax + (b t1 )y + cz = 0 ax + by + (c t1 )z = 0

Resumen de lgebra - 24

lgebra

Diagonalizacin de matrices. Formas cuadrticas

Para el subespacio t2

(a t2 )x + by + cz = 0 ax + (b t2 )y + cz = 0 ax + by + (c t2 )z = 0

Lgicamente se pueden resolver los valores de las variables x, y, z. La dim L = n rg(A I), donde n es el orden de la matriz A.

8.4. Semejanza de matrices

Se considera que dos matrices (A y B) son semejantes si existe una matriz P14 regular, tal que: B = P 1 AP Propiedades: Si A y B son semejantes |A| = |B| Si A y B son semejantes, tambin lo son An y B n Las matrices asociadas a un endorsmo en diferentes bases, son semejantes Si A y B son semejantes, tienen la misma ecuacin caracterstica y, con ello, los mismos valores con el mismo orden de multiplicidad en ella

8.5. Diagonalizacin de matrices

Diagonalizar una matriz, consisten en obtener una matriz diagonal semejante (D) y una matriz de paso (P), para que se cumpla D = P 1 AP . 8.5.1. Teorema de caracterizacin de matrices diagonalizables Una matriz A de orden n, con nmeros reales, es diagonalizable si, y slo si, admite n vectores propios linealmente independientes. Esto sucede cuando: La ecuacin caracterstica tiene n races reales (iguales o no) El orden de multiplicidad de cada autovalor en la ecuacin caracterstica coincide con la dimensin del subespacio propio asociado Dicho de otro modo, una matriz es diagonalizable, si la dimensin de los subespacios15 es igual a la multiplicidad16 de la matriz en todos los subespacios. Un ejemplo de estos conceptos seran: L1 =< (3, 2, 1) > se ha obtenido de 3, 2, , por tanto la dimensin de este subespacio es uno 2 ( + 1) implica la existencia de multiplicidad 2 y multiplicidad 1 8.5.2. Proceso de diagonalizacin 1. El primer paso consiste en hallar los autovalores de la matriz. Para eso se debe averiguar el valor (o valores) de en el determinante |A I| = 0. De esta operacin se obtendr un nmero n de resultados de . 2. Este paso se debe realizar para cada uno de los posibles valores de , y cosiste en substituir por su valor en el determinante |A I| = 0; de esta manera se obtiene un sistema de tres incgnitas que se debe resolver, sus resultados se debern expresar sobre la variable 17 . El resultado se debe expresar como Li = {x1 , y2 , z3 }.
14 Tambin 15 Nmero

llamada matriz de paso de variables (, , , ...) que forma el subespacio 16 Est marcado por el nmero al cual se encuentra elevado la variable resultante de obtener la ecuacin caracterstica 17 Ya que no se podr calcular un resultado numrico exacto

Resumen de lgebra - 25

lgebra

Diagonalizacin de matrices. Formas cuadrticas

3. La matriz de paso (P) ser la formada por los vectores obtenidos como resultado del paso anterior. Cada vector pasa a formar parte como una columna de la matriz P. 4. La matriz diagonal (D) ser la formada por los resultados obtenidos en el paso 1, siendo estos los valores que componen la diagonal principal, ya que en el resto de posiciones se colocar el valor cero.

8.6. Matrices simtricas

Si la matriz A es simtrica en la diagonalizacin se dan estas caractersticas: Los autovalores son todos reales Verican el teorema de caracterizacin de matrices diagonalizables La base de vectores propios es ortogonal

8.7. Matriz ortogonal

Dividiendo cada vector de la base ortogonal por su mdulo se obtiene una base ortonormal18 , lo cual da lugar a la matriz ortogonal, en la cual se verica que si A ortogonal At = A1 . Toda matriz real y simtrica es ortogonalmente diagonalizable, es decir, si A es simtrica P ortogonal tal que D = P 1 AP es diagonal. 8.7.1. Diagonalizacin ortogonal Toda matriz real y simtrica es ortogonalmente diagonalizable.

8.8. Formas bilineales sobre un espacio vectorial

Una forma bilineal sobre V es una aplicacin f : V V K, tal que: v v v f ( + , ) = f ( , ) + f ( , ) u1 u2 u1 u2 f ( , + ) = f ( , ) + f ( , ) u v1 v2 u v1 u v2 Casos particulares: Si K = , la forma bilineal se dice real.

Simtrica. f ( , ) = f (, ); , u v v u u v Alternada. f (, ) = 0; o f ( , ) = f (, ); , u u u u v v u u v 8.8.1. Expresin matricial de una forma bilineal Siendo f : V V R, de manera que la base de V es B = { , , ..., }. Las coordenadas de los vectores son e1 e2 en = (x1 , x2 , ..., xn ) y = (y1 , y2 , ..., yn ). La imagen f ( , ) puede expresarse como: u v u v y1 f (, ) f ( , ) ... f ( , en ) e1 e1 e1 e2 e1 en f ( , ) f ( , ) ... f ( , ) y2 e2 e1 e2 e2 e2 t f ( , ) = (x1 , x2 , ..., xn ) u v ... = X AY ... ... ... e1 e2 f ( , ) f ( , ) ... f ( , ) en en en en yn X t =matriz la de coordenada de en B u Y =matriz columna de coordenada de en B v A=matriz asociada a f en base B. Cada aij de A en la base B, verica aij = f ( , ); i, j = 1, 2, ..., n ei ej
18 Este

proceso se denomina ortonormalizacin

Resumen de lgebra - 26

lgebra

Diagonalizacin de matrices. Formas cuadrticas

8.8.2. Cambio de base en una forma bilineal Dadas las bases B = { , , ..., en }; B = { e1 , e2 , ..., en }. e1 e2 Si A es una matriz en base B y A en base B: A = P t AP Donde P es la matriz que tiene por columnas las coordenadas de los vectores B expresadas en B.

8.9. Matrices congruentes

Dos matrices A y B cuadradas y de mismo orden son congruentes, si existe una matriz regular P tal que A = P t BP . Las matrices A y A de una forma bilineal sobre dos bases diferentes, son congruentes.

8.10. Matriz nilpotente

Es aquella matriz en que se cumplen las siguientes caractersticas: Ap = 0 Ap1 = 0

8.11. Vectores conjugados respecto a una forma bilineal simtrica. Ncleo

Dos vectores ( y ) son conjugados respecto a f ( , ) = 0. Un vector es conjugado con un subespacio S u v u v u respecto a f si lo es con todos los vectores de S. conjugado de S f ( , ) = 0; S u u v v Se llama ncleo de la forma bilineal simtrica f : V V R, al conjunto de vectores de V conjugados con todas las de V. N (f ) = { V / f ( , ) = 0; V } u u v v al ser f ( , ) = X t AY = 0 N (f ) = {Y / AY = 0} u v Forma bilineal simtrica degenerada cuando N (f ) = 0, es decir, rg(A) < n (n = dim V )

8.12. Formas cuadrticas

8.12.1. Denicin Sea V un espacio vectorial real y f : V V una forma bilineal sobre V. Se llama forma cuadrtica asociada a f, a la aplicacin q : V denida por: q( ) = f ( , ); V u u u u De aqu se deduce: Una forma bilineal tiene una forma cuadrtica Una forma cuadrtica puede tener varias forma bilineales De todas las forma bilineales que puede tener una cuadrtica, solo una es simtrica, esta se llama forma polar de la forma cuadrtica. De manera que si q : V R es una forma cuadrtica, su polar se dene por f : V V R tal que f ( , ) = u v 1 + ) q( ) q( )] [q( u v u v 2 8.12.2. Propiedades de las formas cuadrticas Si q : V R es la forma cuadrada asociada a f : V V R q( ) = f ( , ) = 2 f ( , ) = 2 q( ) u u u u u u q(0) = 0 q( + ) = f ( + , + ) = q( ) + q( ) + f (, ) + f ( , ) u v u v u v u v u v v u Resumen de lgebra - 27

lgebra

Diagonalizacin de matrices. Formas cuadrticas

8.12.3. Forma cuadrtica denida Es aquella en que q( ) = 0 = 0 u u 8.12.4. Expresin matricial de una forma cuadrtica Si f : V V R es una forma bilineal de una matriz A en base B f ( , ) = X t AY u v

La forma cuadrada asociada en misma base q() = f ( , ) = X t AX u u u Se considera matriz de la forma cuadrada la matriz de la forma polar asociada (por tanto simtrica). 8.12.5. Cambio de base de una forma cuadrada ????

8.13. Diagonalizacin de una forma cuadrada

Consiste en encontrar una base respecto a a la cual la matriz sea diagonal. q( ) = a11 x2 + a22 x2 + ... + ann xn u 1 2 En toda forma cuadrtica existe alguna base donde la matriz es diagonal.

8.14. Rango y signatura de una forma cuadrtica

El rango de una forma cuadrtica es el rango de su matriz. Se conoce como signatura de q o sg(q) al par (p, m), donde p es el nmero de elementos positivos que posee la diagonal de la matriz diagonal asociada19 a q, y m los negativos. Siempre se cumple que p + m = rg(q) Tanto el rango como la signatura son invariables respecto a la base en que se exprese.

8.15. Proceso de diagonalizacin de una forma cuadrtica

Bsicamente se pueden usar las misma tcnicas que para las formas cuadrticas.

8.16. Clasicacin de formas cuadrticas

Teniendo q : V R forma cuadrtica, donde dim V = n. La forma cuadrtica puede ser: Denida positiva. Si q( ) > 0; V, = 0 u u u Denida negativa. Si q( ) < 0; V, = 0 u u u Semidenida positiva. Si q( ) 0; V y = 0 / q( ) = 0 u u u u Semidenida negativa. Si q() 0; V y = 0 / q( ) = 0 u u u u Indenida. Si , V tal que q( ) > 0; q( ) < 0 u1 u2 u1 u2 Una forma cuadrtica puede clasicarse haciendo uso de su diagonalizacin y recordando que tanto el rango como la signatura son invariantes, as:
19 Segn el teorema de Silvester el nmero de elementos positivos que hay en la diagonal de cualquiera de las matrices diagonales asociadas a una forma cuadrtica, siempre es el mismo

Resumen de lgebra - 28

lgebra

Diagonalizacin de matrices. Formas cuadrticas

Denida positiva sg(q) = (n, 0); rg(q) = n Denida negativa sg(q) = (0, n); rg(q) = n Senidenida positiva sg(q) = (r, 0); rg(q) = r < n Semidenida negativa sg(q) = (0, r); rg(q) = r < n Indenida. Restantes casos

Resumen de lgebra - 29

lgebra

El espacio afn

9. El espacio afn
9.1. Denicin
Teniendo un conjunto de puntos E=P,Q,R,... y un k-espacio vectorial V. Se considera que E es un espacio afn de V si f :EE V. De manera que a cada par de punto del conjunto E, le corresponde un vector de V. De la siguiente manera f (P, Q) = V = P Q, de manera que se deben vericar las siguientes normas: 1. P E, V ; Q E : f (P, Q) = = P Q v v 2. 3. f (P, Q) = 0 P = Q P, Q, R E, tales que P R = P Q + RQ f (P, R) = f (P, Q) + f (Q, R)

La dimensin de un espacio afn es la misma dimensin que la del espacio vectorial asociado

9.2. Referencia afn

Este es el nombre que recibe un conjunto formado por un punto del conjunto E y la base del espacio vectorial V. Siendo estos: R = {O, , , n } u1 u2 ..., u Cualquier punto P R tiene como coordenadas en el conjunto referencia afn R las mismas coordenadas que el vector OP tiene en la base V. P (p1 , p2 , ..., pn ) en R OP = (p1 , p2 , ..., pn ) en la base de V. Un caso muy tpico de referencia afn se da en E2 donde: R = {O, , }; donde O = (0, 0); = (1, 0); = (0, 1) u1 u2 u1 u2 Un caso muy tpico de referencia afn se da en E3 donde: R = {O, , , }; donde O = (0, 0, 0); = (1, 0, 0); = (0, 1, 0); = (0, 0, 1) u1 u2 u3 u1 u2 u3

9.3. Ecuaciones de una recta

9.3.1. Denicin Una recta es un subespacio de dimensin uno de un espacio afn. Las rectas se pueden determinar de dos maneras: Con un punto P=(a,b) y con una direccin d = (d1 , d2 ) Mediante dos puntos P=(a,b) y Q=(c,d), se puede deducir la direccin mediante d = P Q = (c a, d b) 9.3.2. Formas de expresar una recta Ecuacin vectorial Ecuacin paramtricas x = a + d1 y = b + d2 Ecuacin continua xa yb = d1 d2 Ax + By + C = 0 A = d2 ; B = d1 ; C = d2 a + d1 b Resumen de lgebra - 30 OX = OP + d

Ecuacin cartesiana

lgebra

El espacio afn

9.3.3. Posiciones relativas de dos rectas Teniendo dos rectas r y s con sus direcciones dr y ds , se puede estudiar sus posiciones relativas acorde con los siguientes criterios: Si dr = k ds
u1 u2

v1 v2

paralelas

Si dr = k ds y adems tiene un punto comn coincidentes Si dr = ds se cortan en un punto 9.3.4. Haz de rectas de vrtice P Teniendo dos rectas (r y s) que se cortan en un punto P se puede deducir la siguiente ecuacin: r + s = 0; , Para cada valor que se asigne a se obtiene una nueva recta que pasa por el punto P.

9.4. Ecuaciones de un plano

9.4.1. Denicin Un plano es un subespacio de dimensin 2 en un espacio afn. Puede determinarse por: Un punto P=(a,b,c) y dos vectores contenidos y Tres puntos no alineados Un punto y un vector perpendicular (vector director o direccin del plano) 9.4.2. Formas de expresar un plano Ecuacin vectorial OX = OP + + u v

Ecuaciones paramtricas. Siendo X=(x,y,z) x = a + u1 + v1 y = b + u2 + v2 z = c + u3 + v3 Ecuacin cartesiana x a u1 y b u2 z c u3 donde A, B, C sern los menores A= u2 u3 v2 v3 ; B= u1 u3 v1 v3 ; C= u1 u2 v1 v2 v1 v2 v3 = 0; A(x a) + B(y b) + C(z c) = 0

Resumen de lgebra - 31

lgebra

El espacio afn

9.4.3. Posicin relativa de dos planos Considerando dos planos 1 y 2 de ecuaciones: 1 = A1 x + B1 y + C1 z + D1 = 0 ; 2 = A2 x + B2 y + C2 z + D2 = 0 Por el teorema de Rouch se obtiene: (M |N ) = A1 A2 B1 B2 C1 C2 D1 D2

Si r(M ) = r(M |N ) = 1 planos coincidentes. Esto sucede cuando A1 B1 C1 D1 = = = A2 B2 C2 D2 Si r(M ) = 1; r(M |N ) = 2 planos paralelos. Esto sucede cuando A1 B1 C1 = = A2 B2 C2 Si r(M ) = r(M |N ) = 2 planos que se cotan segn una recta 9.4.4. Ecuacin de una recta como interseccin de planos Para hallar dicha recta, se debe considerar la ecuacin de los planos 1 = a1 x + b1 y + c1 z = d1 2 = a2 x + b2 y + c2 z = d2 En primer lugar se considera z = 0, de manera que se debe resolver un sistema de dos incgnitas simple, del cual resulta: x = x0 ; y = y0 Una vez hallados los valores x0 y y0 se halla z0 , substituyendo en la ecuacin del plano. Una vez realizadas estas operaciones se debe hallar el vector de la recta, el cual ser el resultado del siguiente determinante: i j k a1 b1 c1 = d1 i + d2 j + d3 k a2 b2 c2 Siendo la ecuacin de la recta la siguiente r= La cual tambin se puede expresar como r= d2 (x x0 ) d1 (y y0 ) = 0 d3 (y y0 ) d2 (z z0 ) = 0 y y0 z z0 x x0 = = d1 d2 d3

9.4.5. Haz propio de planos del eje de la recta r Dados dos planos que se cortan en r 1 = a1 x + b1 y + c1 z + d1 2 = a2 x + b2 y + c2 z + d2 Se considera que para cada par de valores , se obtiene un plano del haz (a1 x + b1 y + c1 z + d1 ) + (a2 x + b2 y + c2 z + d2 ) = 0 9.4.6. Haz de planos paralelos a uno dado Dado el plano = a1 x + b1 y + c1 z + d1 = 0, se puede obtener planos paralelos a este asignando diferente valores a d1 Resumen de lgebra - 32

lgebra

El espacio afn

9.4.7. Posicin relativa de tres planos Considerando dos planos 1 , 2 y 3 de ecuaciones: 1 = A1 x + B1 y + C1 z + D1 = 0 ; 2 = A2 x + B2 y + C2 z + D2 = 0; 3 = A3 x + B3 y + C3 z + D3 = 0 Por el teorema de Rouch se obtiene: A1 B1 C1 D1 (M |N ) = A2 B2 C2 D2 A3 B3 C3 D3 Si r(M ) = r(M |N ) = 1 planos coincidentes Si r(M ) = 1; r(M |N ) = 2 tres planos paralelos o dos coincidentes y uno paralelo Si r(M ) = 2; r(M |N ) = 3 se cortan dos a dos (forma prisma) o dos paralelos cortados por el otro Si r(M ) = r(M |N ) = 3 se cortan en un solo punto (forman triedro)

Resumen de lgebra - 33

lgebra

Problema de la programacin lineal

10. Problema de la programacin lineal

10.1. Deniciones
Para realizar las siguientes deniciones se tomar como norma la existencia de un espacio afn de n-dimensiones, llamado E; asociado a un espacio vectorial V. 10.1.1. Combinacin convexa Se dice que un punto P del espacio E es combinacin convexa de los puntos A1 , ..., Am de E si existen nmeros reales positivos 1 , ..., m tales que para un punto O de E: OP = 1 OA1 + 2 OA2 + ... + m OAm ; 1 + ... + m = 1 Esta denicin, es independiente del punto O elegido. Tambin puede abreviarse como: P = 1 A1 + ... + m Am ; 1 + ... + m = 1 10.1.2. Conjunto convexo Un conjunto F de E se dice convexo si para todo par de puntos A, B, de F, toda combinacin convexa de A y B pertenece a F. F convexo A, B F ; P = 1 A + 2 B F ; 1 + 2 = 1 10.1.3. Segmento de extremos A y B Dados dos puntos A y B de E, se llama segmento de extremos A y B al conjunto [A, B] = {P E / P = A + (1 )B, R, 0 1}. De esto se deduce que: Un punto P E es combinacin convexa de A y B si P pertenece al segmento de extremos A y B. Un subconjunto F E es convexo si para todo par A, B de puntos de F, el segmento [A, B] tambin pertenece a F. 10.1.4. Extremo Un punto P de un conjunto convexo F de E recibe el nombre de extremo, si P no puede ser expresado como combinacin convexa de otros dos puntos de F distintos de P. Es decir, si P no pertenece a ningn segmento que tenga por extremos dos puntos distintos de P. 10.1.5. Variedad convexa Dado un conjunto S de puntos de E, el conjunto de todas las combinaciones convexas de puntos de S se llama variedad convexa de S. Es el conjunto convexo ms pequeo que contiene a S. Se expresa como V(S).

10.2. Desigualdades lineales

Se denota por desigualdad una expresin con la siguiente forma: a11 x1 + a12 x2 + ... + a1n xn b1 Esta expresin dene un semiplano en un espacio afn. En caso de tener un conjunto de desigualdades, todas ellas forman un conjunto convexo.

Resumen de lgebra - 34

lgebra

Problema de la programacin lineal

10.3. Problema de la programacin lineal

Este tipo de problemas consisten en que partiendo de un sistema lineal de desigualdades, con variables (x1 , x2 , ...) se pretende encontrar los valores de estas que optimicen la funcin. La funcin lineal a optimiza se llama funcin objetivo (o econmica) y las ecuaciones se llaman restricciones o ligaduras del problema. Como terminologa general para este tipo de problemas se suele denotar la funcin objetivo como: z = c1 x1 +...+cn xn y las restricciones se representan como un sistema de ecuaciones con la forma a11 x1 + a12 x2 + ... + a1n xn = b1 ... 10.3.1. Pasar desigualdades a igualdades Un caso muy comn es que se presente las ligaduras como un conjunto de desigualdades, de modo que para solucionar el problema es necesario transformar estas en igualdades, esto se consigue sumando a cada una de las ecuaciones una variable desconocida, a la cual se llama holgura. a11 x1 + ... + a1n xn b1 a11 x1 + ... + a1n xn + xn+1 b1 ... ... = am1 x1 + ... + amn xm bm am1 x1 + ... + amn xm + xn+m bm 10.3.2. Soluciones de un problema Dado un problema con n variables y m restricciones independientes. Se llama: Soluciones posible. Es todo punto x = (x1 ...xn ) cuyas coordenadas son todas positivas y verica las restricciones. Tambin reciben el nombre de solucin factible. Solucin posible bsica. Es la solucin posible que no posee ms de m coordenadas positivas. Solucin posible ptima. Es la solucin posible que optimiza la funcin econmica.

10.4. Mtodos de resolucin

10.4.1. Mtodo grco Este mtodo se usa para casos muy sencillos, como funciones objetivo de dos dimensiones y con facil representacin de las restricciones. Para usar este mtodo es necesario seguir los siguientes pasos: Representar sobre el plano las restricciones (normalmente lineas rectas) Colorear el rea a estudiar, la cual es aquella que se encuentra acotada por las lineas restriccin Hallar las coordenadas de cada vrtice de la gura. En caso de ser un espacio de dos dimensiones, cada vrtice se determina por la pareja de restricciones que lo forman (an , bn ) Finalmente se debe substituir las coordenadas (x, y) de la funcin objetivo, por cada pareja de valores obtenida en el punto anterior (an , bn ), con esto se genera un valor numrico. Se comparan todos estos valores entre si, y se considera que el mximo es el ms grande de ellos, y como resultados x = an y y = bn 10.4.2. Mtodo simples Este procedimiento suele ser largo, pero mecnico. Se utiliza para resolver problemas con un grado de complejidad mayor que los indicados anteriormente. Para la correcta resolucin de los problemas, esto son los pasos a seguir: 1. Pasar las inecuaciones a ecuaciones, aadiendo para ello la variable de holgura 2. Replantear la funcin objetivo, multiplicando las variables de holgura por cero, con lo cual queda con el mismo valorz = ax1 + bx2 + ... + 0x0 + 0x0+1 + 0x0+2 + ... 3. Se crea una tabla para representar las ecuaciones

Resumen de lgebra - 35

lgebra

Problema de la programacin lineal

a Variables Basicas Xo Xo+1 Xo+2 ... Ck 0 0 0 Po R1 R2 R3 X1

b X2

c X3

...

Valor por el que se multiplica la variable en la ecuacion Z

V11 V21 V31 V12 V22 V32 V13 V23 V33

Valor por el que se multiplica cada variable del conjunto de ecuaciones

.... n Variable de olgura Valor por el que se multiplica la variable en la ecuacion Z Resultado de la ecuacion a que pertenece la variable de olgura n Cki*Poi i=1 Cki*V2i(b) i=1 n Cki*V1i(a) i=1

4. En el siguiente paso es necesario seleccionar el menor nmero de la la de resultados, marcada con crculos en el dibujo, el cual ser siempre negativo. De manera que entre -6, -2 y 1; el menor es -6. En el siguiente paso se trabajar sobre la columna a la que corresponde este valor. 5. En la columna elegida se deber realizar la siguiente serie de divisiones Vi1 , Vi2 , Vi3 , ... entre los R1 R2 R3 resultados de estas divisiones se substituya la la con menor valor. Dicha la se substituye la variable de holgura por la variable Xk , siendo esta una de las pertenecientes a la expresin inicial de Z (x1 , x2 , x3 , ...)

Resumen de lgebra - 36

lgebra

Problema de la programacin lineal

Valor obtenido en el paso anterior

Xo Xo+1 Xo+2 ... Xk ... Xo+i Xo+i+1

0 0 0 b 0 0 Vij Ri

0 0 0 1 0 0 .... n Cki*V2i(b) i=1 n Cki*V1i(a) i=1 n Cki*Poi i=1

Valor que multiplicaba a Xk en la ecuacion Z

6. Todos los valores que se encuentran sin rellenar se deben calcular realizando a los valores anteriores (del cuadro anterior), la misma operacin que se ha realizado para obtener los nuevos valores 7. Una vez esta totalmente completado el cuadro se debe observar la columna de resultados marcada con crculos; de manera que en caso de que exista algn nmero negativo se debe volver al paso 4 8. El resultado del problema se indica como xk = b; ... y la variable Z es igual a la suma indicada por el n sumatorio i=1 Cki Poi

Resumen de lgebra - 37

lgebra

El espacio eucldeo

11. El espacio eucldeo

11.1. Producto escalar
Como ya es sabido se llama producto escalar a una aplicacin f : V V R denida por f (u, v) = u v. | | | | cos u v

11.2. Espacio eucldeo

Con este nombre se conoce a un espacio vectorial provisto de un producto escalar, siendo este tambin llamado espacio vectorial eucldeo. Por generalizacin, cuando se hace referencia a un espacio eucldeo, ms concretamente se suele hacer referencia a un espacio afn eucldeo. Se hace referencia a los espacios eucldeos como E, en particular E2 se usa para los de dos dimensiones y E3 para los de tres dimensiones. Se conoce como norma de un vector como la raz cuadrada del producto escalar del vector por si mismo u E ; ||u|| = u u Tanto en los espacio E2 como en E3 la norma de un vector coincide con su mdulo.

11.3. Ortogonalidad
En un espacio eucldeo, dos vectores u, v se dicen ortogonales (uv) cuando su producto escalar es cero. Esto es debido a que uv = |u| |v| cos(u, v), donde cos(u, v) = 0, precisamente por ser ortogonales. Respecto a las bases vectoriales de los sistemas se pueden clasicar como: Ortogonal ui uj ; i = j Ortonormal ortogonal y |ui | = 1; i

11.4. Orientacin de una referencia en E3

Toda referencia ortonormal R = {0, u1 , u2 , u3 }, es positiva si: u11 u21 u31 u12 u22 u32 u13 u23 u33 >0

Esto tambin puede denirse, de forma ms informal, como que la orientacin del sistema con base u1 , u2 , u3 es positiva si la direccin del u3 , es la de avance de un sacacorchos que se mueve de u1 a u2 (tpico de fsica).

11.5. Producto vectorial

Con este nombre se conoce la aplicacin de dos vectores (u, v) talque: f : R3 R3 R3 El modulo de un producto vectorial cumple que |u v| = |u| |v| sin Grcamente se puede representar como:

Resumen de lgebra - 38

lgebra

El espacio eucldeo

Siendo el producto vectorial el rea del paralelogramo de la gura. Resolucin: u v = i x1 y1 j x2 y2 k x3 y3

11.6. Producto mixto de tres vectores

Este tipo de producto se representa como u (v w), de este se obtiene un valor escalar, que coincide con el valor del siguiente determinante: u (v w) = x1 y1 z1 x2 y2 z2 x3 y3 z3

11.7. Vector direccin de una recta expresada como interseccin de planos

Si la recta r viene expresada como la interseccin de dos planos 1 y 2 ; la direccin de r es el siguiente producto vectorial: dr = d1 d2

11.8. Condicin para que dos rectas se corten en E3

Para que dos rectas se corten se debe hacer el producto mixto de los vectores direccin de ambas y el vector que une dos puntos cualquiera de ellas, si este producto es igual a cero las rectas se cortan. [dr , ds , AB] , de manera que A es de la primera recta y B de la segunda.

11.9. Aplicaciones geomtricas

11.9.1. Distancias Entre dos puntos P y Q. Se haya obteniendo el mdulo del vector que los une |P Q| = (y1 x1 )2 + (y2 x2 )2 + (y3 x3 )2

Entre un punto P y una recta r (con vector direccin d y punto interno A): d(P, r) |AP d| |d| Entre un punto P y un plano = Ax + By + Cz + D: d(P, ) = Entre dos rectas que se cruzan d(r, s) = 11.9.2. ngulos Entre dos rectas r y s. cos =
dr ds |dr ds | dr d |dr d | [dr ,ds ,AB] |dr ds | Ax+By+Cz+D |d|

Entre la recta r y el plano . cos( ) = 2

De dos planos. Es el mismo que el de sus vectores direccin. 11.9.3. reas y volmenes rea del tringulo de vrtices A, B y C. A = 1 |AB AC| 2 Volumen de un paraleppedo de lados concurrentes AB, AC y AD. V = [AB, AC, AD] Volumen de un tetraedro de vrtices A, B,C, D. V = 1 [AB, AC, AD] 6

Resumen de lgebra - 39