Documentos de Académico
Documentos de Profesional
Documentos de Cultura
R.criado y A.gallinari
R.criado y A.gallinari
R.Criado y A.Gallinari
2003
lgebra
Introduccin
En sus orgenes, el lgebra clsica era el arte de resolver ecuaciones (la
palabra lgebra proviene de un vocablo rabe que signica reduccin). El
lgebra moderna est caracterizada por el estudio de ciertas estructuras abstractas que tienen en comn una gran variedad de objetos matemticos. El
calicativo abstracto se reere al resultado de realizar el proceso de abstraccin sobre las propiedades observables de ciertos objetos matemticos, es
decir, el proceso consistente en separar la forma del contenido.
La estructura principal objeto de estudio en esta publicacin es la de
espacio vectorial. Las aplicaciones de esta estructura incluyen virtualmente todas las reas de la ciencia. Se incluye una aplicacin de los espacios
vectoriales relacionada estrechamente con el mundo de la informtica y las
telecomunicaciones, en concreto a la teora de cdigos y se estudian varias
tcnicas y herramientas de inters para otras aplicaciones.
Este volumen viene acompaado por un libro de Prcticas y Problemas
con el sistema Maple V, disponible en versin digital, que contiene una ampliacin y completa la descripcin de los conceptos tericos. Las prcticas
permiten el desarrollo y la experimentacin con los aspectos ms numricos y estn diseada para potenciar el empleo de la notable capacidad de
visualizacin grca que ofrece el programa Maple V.
A cada tema terico y prctico hemos aadido ejercicios resueltos y ejercicios propuestos.
Los principales objetivos didcticos que intentamos conseguir son que el
lector:
lgebra
Agradecimientos
Queremos agradecer al profesor Luis E. Sol Conde por su participacin
en la correccin de estas notas y la elaboracin de los enunciados de varios
ejercicios propuestos en este libro.
Gracias tambin a los profesores Alejandro J. Garca del Amo Jimnez
y Begoa Jimnez Martn por la elaboracin de los enunciados de varios
ejercicios propuestos y a los alumnos que han sealado erratas y errores en
versiones previas de esta publicacin.
lgebra
ndice General
1 Sistemas de ecuaciones lineales, matrices y estructuras algebraicas
9
1.1
1.2
1.3
1.4
10
10
13
14
18
22
24
26
29
31
33
37
39
40
43
47
47
50
52
57
60
60
64
lgebra
2 Espacios vectoriales
2.1
3 Funciones lineales
3.1
3.2
3.3
3.4
3.5
Funciones lineales . . . . . . . . . . . . . . . . . . . . . . . .
Propiedades de funciones lineales . . . . . . . . . . . . . . .
Ncleo e imagen . . . . . . . . . . . . . . . . . . . . . . . . .
Espacios vectoriales isomorfos . . . . . . . . . . . . . . . . .
Funciones lineales en espacios vectoriales de dimensin nita
3.5.1 Determinacin de funciones lineales en espacios vectoriales de dimensin nita . . . . . . . . . . . . . . . .
3.5.2 Dimensiones del ncleo y de la imagen . . . . . . . .
3.5.3 Matriz asociada a una funcin lineal . . . . . . . . .
.
.
.
.
.
71
73
81
83
85
87
89
92
93
96
100
104
112
112
116
120
122
123
130
130
132
138
139
141
141
146
153
154
158
161
165
167
. 167
. 172
. 174
lgebra
7
3.5.4
3.5.5
3.5.6
3.5.7
3.6
Producto escalar . . . . . . . . . . . . . . . . . . .
Longitud o norma eucldea de un vector . . . . . .
4.2.1 Propiedades de la norma eucldea . . . . . .
Mtodo de ortogonalizacin de Gram-Schmidt . . .
4.3.1 Descomposicin QR de una matriz . . . . .
Proyecciones ortogonales . . . . . . . . . . . . . . .
4.4.1 Mtodo para hallar una proyeccin ortogonal
4.4.2 Aproximacin ptima de un vector. . . . . .
Ejercicios . . . . . . . . . . . . . . . . . . . . . . .
4.5.1 Ejercicios resueltos . . . . . . . . . . . . . .
4.5.2 Ejercicios propuestos . . . . . . . . . . . . .
5 Cdigos lineales
5.1
5.2
5.3
5.4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Distancia de Hamming, deteccin y correccin de errores . . .
5.2.1 Cdigo de paridad: deteccin de errores simples . . . .
5.2.2 Cdigo de repeticin: correccin de errores simples . .
Cdigos lineales . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3.1 Paso de una matriz de control a una matriz generadora
5.3.2 Paso de una matriz generadora a una matriz de control
5.3.3 Deteccin y correccin de errores . . . . . . . . . . . .
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4.1 Ejercicios resueltos . . . . . . . . . . . . . . . . . . . .
5.4.2 Ejercicios propuestos . . . . . . . . . . . . . . . . . . .
6 Autovalores y autovectores
6.1
6.2
.
.
.
.
.
.
.
.
.
.
.
197
197
200
200
204
209
211
214
215
217
217
217
219
219
222
223
224
225
228
229
232
235
235
236
239
Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
Autovalores y autovectores . . . . . . . . . . . . . . . . . . . . 241
lgebra
6.3
6.4
6.5
6.6
6.7
6.8
.
.
.
.
.
.
.
.
.
.
.
.
.
243
244
246
246
249
251
253
255
256
259
259
263
268
.
.
.
.
.
.
.
271
279
281
286
290
290
291
293
. . . . . . . . . . . . . . . . . . . . 293
. . . . . . . . . . . . . . . . . . . . 307
. . . . . . . . . . . . . . . . . . . . 321
. . . . . . . . . . . . . . . . . . . . 331
. . . . . . . . . . . . . . . . . . . . 332
. . . . . . . . . . . . . . . . . . . . 335
343
Captulo 1
Sistemas de ecuaciones lineales,
matrices y estructuras algebraicas
Este primer captulo comienza con el estudio de los sistemas de ecuaciones
lineales, de las matrices y de las operaciones con matrices.
Estos conceptos estn en la base del lgebra lineal, y se asume que ya se
ha tenido un contacto previo con ellos en cursos anteriores.
Es conveniente sealar que en este nivel no slo es importante entender
los mtodos de clculo de las soluciones de los problemas que se estudiarn,
sino tambin el porqu dichos mtodos funcionan.
Hablaremos de sistemas de n ecuaciones con m variables, donde n y m
en general no son iguales, y de un algoritmo de clculo, el mtodo de eliminacin gaussiana, que nos permitir resolver sistemas de ecuaciones lineales
generales.
En la segunda parte del captulo, una vez establecidas las propiedades
que satisfacen las matrices respecto de la suma y producto, se introducen
las estructuras algebraicas de grupo, anillo y cuerpo con el objeto de reunir, bajo una estructura algebraica abstracta, las propiedades que tienen en
comn, por ejemplo, los nmeros enteros, reales y complejos, las matrices y
los polinomios, y destacar aquellas propiedades que no comparten. En ese
sentido, la denicin de una estructura algebraica (por ejemplo, la denicin
de grupo) responder a la abstraccin de ciertas propiedades comunes a los
objetos anteriores, entendiendo por abstraccin el proceso de separar la forma del contenido. Como colofn del captulo y aplicacin de los conceptos
previamente introducidos veremos una introduccin a los tipos abstractos de
datos.
9
10
lgebra
xi K}
a1 x1 + ... + an xn = b
A a1 , ..., an K se les denomina coecientes de la ecuacin, y a b K
trmino independiente.
lgebra
11
(I)
-1 0
3x + 4y = 24
x1 x2 + 5x3 ( 2)x4 = 1
(e2 )x1 3x2 + x3 x4 = 0
son ecuaciones lineales. Sin embargo NO son ecuaciones lineales
3x2 + 4y = 24
x1 x2 + 5x3 2 x4 = 1
e2x1 3x2 + x3 x4 = 0
12
lgebra
a1 1 + ... + an n = b.
a x + ... + a x = b
m1 1
mn n
m
x2 + x3 = 1
2x1 x3 = 2
x2 + x3 = 4
a x + ... + a x = b
m1 1
mn n
m
si
i {1, ..., m}
o, lo que es lo mismo,
a + ... + a = b
m1 1
mn n
m
lgebra
13
Es importante tener presente que los sistemas de ecuaciones lineales pueden no tener soluciones, o tener ms de una. Por ejemplo, el sistema de
ecuaciones lineales con coecientes en R
x1 x2 = 1
x1 x2 = 4
no tiene solucin, ya que contiene las ecuaciones de dos rectas distintas y
paralelas.
Los sistemas de ecuaciones lineales que no tienen solucin, como el del
ejemplo anterior, se denominan sistemas incompatibles.
Los que tienen al menos una solucin, esto es, los sistemas compatibles, pueden tener una nica solucin, en cuyo caso se denominan compatibles determinados, o ms de una solucin, en cuyo caso, si los coecientes
del sistema son nmeros reales o complejos, el sistema tiene innitas soluciones (como se ver por el teorema 1.2.14), y los sistemas correspondientes se
denominan compatibles indeterminados.
Ejercicio 1.1.1 Encontrar tres sistemas de dos ecuaciones lineales con coe-
Ejemplo 1.1.8
x1 + x3 = 0
2x1 x2 + x3 = 0
a x + ... + a x = 0
m1 1
mn n
14
lgebra
lgebra
15
x1 x2 + x3 = 1
2x1 + x2 x3 = 2
x1 + 2x2 + x3 = 4
podemos resolverlo eliminando sucesvamente una de las incgnitas de dos
de las ecuaciones, despus otra de las restantes y as sucesivamente hasta
conocer el valor de una incgnita, y a partir de ella el de las dems. En este
caso, multiplicando la primera ecuacin por 2 y restndosela a la segunda, y
restando la primera ecuacin a la tercera, obtenemos:
x1 x2 + x3 = 1
3x2 3x3 = 0
3x2 = 3.
A partir de aqu, de la tercera ecuacin se obtiene x2 = 1. Sustituyendo hacia
atrs vamos obteniendo sucesvamente el valor del resto de las incgnitas.
En este caso, de la segunda ecuacin obtenemos que x3 = 1, y, conocidos los
valores de x2 y x3 , de la primera ecuacin obtenemos que x1 = 1.
El mtodo descrito, consistente en ir eliminando las incgnitas de las
ecuaciones una a una mediante el proceso de sumar a una ecuacin otra
multiplicada por un nmero, para, una vez obtenido el valor de una de las
variables, ir sustituyendo hacia atrs, se conoce como eliminacin gaussia-
na.
16
lgebra
x1 x2 + x3 = 1
2x1 + x2 x3 = 2
x1 + 2x2 + x3 = 4
es por denicin la matriz
1 1 1
2 1 1
1 2
1
1 1 1
2 1 1
1 2
1
sistema es
1
2
4
La aplicacin del mtodo de Gauss-Jordan sobre dicha matriz para obtener la solucin del sistema de ecuaciones que representa nos dara sucesvamente:
1 1 1 1
1 1 1 1
2 1 1 2 F2 = F2 2F1 0 3 3 0 F2 F3
F3 = F3 F1
0 3
0 3
1 2
1 4
1 1 1 1
1 1 1 1
0 3
0 3 F2 = 13 F2 0 1
0 1 F3 = F3 3F2
0 3 3 0
0 3 3 0
1 1 1 1
1 1 1
1
0 1
0
1 F3 = 13 F3 0 1 0 1 F1 = F1 F3
0 0 1 1
0 0 3 3
1 1 0 0
1 0 0 1
0 1 0 1 F1 = F1 + F2 0 1 0 1
0 0 1 1
0 0 1 1
lgebra
17
x1 x2 = 1
2x1 2x2 = 4
la aplicacin de las transformaciones elementales correspondientes sobre la
matriz ampliada asociada al sistema nos lleva a
1 1 1
2 2 4
F2 = F2 2F1
1 1 1
0 0
2
x1 x2 + x3 = 1
2x1 + x2 x3 = 2
1 1 1 1
2 1 1 2 F2 = F2 2F1
F3 = F3 2F1
2 2 2 2
1 1 1 1
0 1 1 0 F1 = F1 + F2
0 0
0 0
1 1 1 1
0 3 3 0 F2 = 13 F2
0 0
0 0
1 0 0 1
0 1 1 0
0 0 0 0
18
lgebra
Fi = Fi ( = 0)
Fi Fj
TRANSFORMACIN INVERSA
Fi = Fi Fj
1
Fi = Fi
Fi Fj
x1 x2 + x3 = 1
2x1 + 2x2 2x3 = 2
x1 + 2x2 + x3 = 4
11 x1 + ... + 1n xn = 1
..
.
x + ... + x =
m1 1
mn n
m
lgebra
19
11 ... 1n 1
..
.. M
Am = ...
m(n+1) (K),
.
.
m1 ... mn m
con lo que las transformaciones elementales se realizan sobre las las de esta
matriz.
A la vista de la observacin anterior tiene sentido establecer la siguiente
denicin:
Mmn (K) es una relacin binaria reexiva, simtrica y transitiva (es decir,
es una relacin de equivalencia en el sentido general).
(1 , ..., n ) es soluci
on de S (1 , ..., n ) es soluci
on de S .
11 x1 + ... + 1n xn = 1
21 x1 + ... + 2n xn = 2
S
..
x + ... + x =
m1 1
mn n
m
20
lgebra
11 x1 + ... + 1n xn = 1
21 x1 + ... + 2n xn = 2
S
..
x + ... + x =
m1 1
mn n
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
m1 1
mn n
m
con lo que, multiplicando ambos miembros de la primera igualdad por ,
obtenemos que
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
m1 1
mn n
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
m1 1
mn n
lgebra
21
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
1
,
m1 1
mn n
11 x1 + ... + 1n xn = 1
x + ... + x =
m1 1
mn n
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
m1 1
mn n
11 s1 + ... + 1n sn = 1
s + ... + s =
m1 1
mn n
11 s1 + ... + 1n sn = 1
s + ... + s =
m1 1
mn n
22
lgebra
11 s1 + ... + 1n sn = 1
21 s1 + ... + 2n sn = 2
..
s + ... + s =
m1 1
mn n
lgebra
(E.1)
(E.2)
23
x1 + x2 + 3x3 = 9
x2 + 6x3 = 24
x3 = 4
x1 + x2 + x3 5x4 = 4
x3 2x4 = 6.
Las matrices ampliadas asociadas a estos
1 1 3
0 1 6
0 0 1
y
1 1 1
0 0 1
sistemas son
9
24
4
5 4
2 6
con
k = 0.
24
lgebra
2x1 + x2 + 3x3 = 9
5x1 + 4x2 + 6x3 = 24
x1 + 3x2 2x3 = 4
3x1 + x2 + x3 5x4 = 4
5x1 + 2x2 + 4x3 2x4 = 6
lgebra
25
la misma, sino en todas las ecuaciones del sistema. Por ello, la estrategia es
la misma que la del mtodo de eliminacin de Gauss, con la adicin de las
siguientes instrucciones en el lugar correspondiente:
4. Sustraer adems la segunda ecuacin multiplicada por un escalar adecuado de la primera ecuacin, con el objeto de eliminar la segunda variable
de la primera ecuacin.
5. En cada paso sustraer la ecuacin correspondiente multiplicada por
un escalar adecuado tanto de las ecuaciones situadas por debajo de la misma
como de las situadas por encima, con el objeto de que la variable principal
de cada ecuacin aparezca nicamente en la ecuacin de la que es variable
principal.
Los sistemas de ecuaciones que resultan de la aplicacin del mtodo de
Gauss-Jordan se dice que tienen forma escalonada reducida, es decir:
Denicin 1.1.14 Se dice que un sistema de ecuaciones est en forma escalonada reducida si
La primera variable de cada ecuacin tiene 1 como
coeciente (a esta variable la denominaremos variable
(E.R.1)
principal de dicha ecuacin).
La variable principal de cualquier ecuacin siempre
aparece situada a la derecha de las variables
(E.R.2)
principales de las ecuaciones previas, y todas las ecuaciones
sin variable principal aparecen colocadas al nal.
La variable principal de cada ecuacin aparece solamente
(E.R.3)
en la ecuacin de la que es variable principal.
x1 4x2 + x3 = 2
x1 + 3x2 x3 = 1
x1 + 2x3 = 3
Para ello, trabajamos directamente sobre la matriz ampliada asociada al
sistema, teniendo presente en todo momento qu es lo que representan los
coecientes de dicha matriz:
1 4 1 2
1 3 1 1 F2 = F2 + F1
F3 = F3 F1
1
0
2 3
26
lgebra
1 4 1 2
F2 = (1)F2
0 1 0 3 F1 = F1 + 4F2
0 4 1 1
F3 = F3 4F2
1 0 1 10
1 0 0 23
0 1 0 3 F1 = F1 F3 0 1 0 3 .
0 0 1 13
0 0 1 13
La ltima matriz ampliada representa el sistema en forma escalonada
reducida. El sistema es, por tanto, compatible determinado y su solucin es
(23, 3, 13).
x1 x2 x3 + x4 = 5
x2 x3 + 2x4 = 8
x1 + 5x2 2x3 = 0
x1 3x2 + x3 = 0
x1 + 5x2 x3 = 0
lgebra
27
minscula con dos subndices, en este caso aij , y a la matriz completa A por
una tabla en la que en la la `i y en la columna j aparece el elemento
aij :
a11
a1n
.. .
A = ...
aij
.
am1
anm
As por ejemplo, la matriz A de dos las y dos columnas determinada por
se representar por
iguales si son iguales como funciones, es decir, si son del mismo orden (i.e.,
funcional:
1 0 0
0 1 0
0 0 1
2. Podemos utilizar tambin congruencias mdulo un nmero entero sobre i y j para denir la matriz; por ejemplo B M33 (R) dada por
(A(i, j) = 1 i + j 1 mod 2) (A(i, j) = 0 i + j 0 mod 2)
se representa por
0 1 0
1 0 1
0 1 0
28
lgebra
3. Otro ejemplo es la matriz C M33 (R) dada por (A(i, j) = 2i1 3j1 ),
que es
1 3 9
2 6 18
4 12 36
Recordemos ahora algunas deniciones y veamos otras nuevas:
a1j
Aj = ... .
amj
1 0 0 0
1 0 0
0 1 0 0
1 0
0 1 0 e I4 =
I2 =
, I3 =
0 0 1 0 .
0 1
0 0 1
0 0 0 1
lgebra
29
A(i, j) = A(j, i)
bij = aji ).
As por ejemplo, si
1 2
A = 2 0 M32 (R),
3 1
su traspuesta es
t
A=
1 2 3
2 0 1
M23 (R).
1 1
1 3
2 2
Ejemplo 1.2.4 3 0 + 2 0 = 5 0
1 2
0 2
1 0
30
lgebra
(0)(i, j) = 0
As por ejemplo,
0 0 0
0 0 0
(A)(i, j) = A(i, j) K
As por ejemplo,
1 1
1 1
3 0 = 3 0
1 2
1 2
2 1 0
1 1 3
2 1
0
1 1 3
lgebra
31
Demostracin Se trata de comprobar, en cada caso, que las matrices situadas a ambos lados de la igualdad son efectivamente iguales. Demostraremos la primera propiedad y el resto se propone como ejercicio.
Hay que comprobar que
(A + B)(i, j) = (B + A)(i, j)
Sea (i, j) {1, ..., m} {1, ..., n}. (A + B)(i, j)= (por denicin)=
=A(i, j) + B(i, j)=(puesto que la suma de nmeros reales o complejos y,
en general, de los elementos de un cuerpo, satisface la propiedad conmutativa) =B(i, j) + A(i, j)= (por denicin) =(B + A)(i, j).
2x1 + x2 + 6x3 = 3,
es posible considerar la parte izquierda de la igualdad como el producto de
la matriz de coecientes
(2 1 6)
por la matriz de incgnitas
y escribir
x1
x2
x3
x1
(2 1 6) x2 = (3)
x3
32
lgebra
2x1 + x2 + 6x3 = 3
5x1 + 4x2 + 6x3 = 24
x1 + 3x2 2x3 = 4
teniendo en cuenta que de la denicin de matriz se sigue que dos matrices
son iguales si tienen el mismo nmero de las y de columnas y los mismos
coecientes en cada la y columna, resulta que, utilizando la denicin de
producto de matrices anterior, podemos representar el sistema de ecuaciones
mediante un producto de matrices, esto es:
x1
3
2 1 6
5 4 6 x2 = 24 .
x3
4
1 3 2
En general, el sistema de ecuaciones
a x + ... + a x = b
m1 1
mn n
m
puede representarse mediante el producto denido por la expresin:
x1
b1
A ... = ... .
xn
bm
Claro est que podemos considerar sistemas de ecuaciones con la misma
matriz de coecientes y distinto trmino independiente. Por ejemplo:
2x1 + x2 + 6x3 = 3
2x1 + x2 + 6x3 = 1
5x1 + 4x2 + 6x3 = 24 y
5x1 + 4x2 + 6x3 = 1 .
x1 + 3x2 2x3 = 4
x1 + 3x2 2x3 = 1
En ese caso, teniendo en cuenta, por una parte, que las soluciones de uno
no tienen porqu coincidir con las del otro, por lo que denotamos por y1 , y2
e y3 a las incgnitas del segundo sistema, y por otra, cuando dos matrices son iguales, podemos representarlos matricialmente de forma simultnea,
mediante la expresin:
2 1 6
3 1
x1 y 1
5 4 6 x2 y2 = 24 1 .
x3 y 3
1 3 2
4 1
lgebra
33
Esto nos lleva a la denicin de producto de dos matrices. Como observacin previa a la denicin, ntese que en los ejemplos anteriores, para poder
multiplicar la matriz de coecientes por la de incgnitas, era preciso que
el nmero de las de la matriz de coecientes coincidiese con el nmero de
columnas de la matriz de incgnitas.
A(i, k) B(k, j)
k=1
1 2
1 2
Ejemplo 1.2.8 Dadas las matrices
1 1
0 4
M32 (R), su producto es la matriz
1 2 0
1 1
1 2 1
3 0 =
1 1 0
1 2
0 4 3
0
1 1
1
M43 (R) y 3 0
0
1 2
3
7 1
6 3
M42 (R)
4 1
15 6
1 1
1 1
y sin embargo
1 1
1 1
1 1
1 1
2 2
2 2
1 1
1 1
0 0
0 0
dades:
34
lgebra
(A B) C = A (B C)
(y por tanto podemos omitir los parntesis para denotar cualquiera de
estos productos y escribir A B C ).
A (B + C) = A B + A C
(B + C) A = B A + C A
3.
A Mmn (K),
A (0) = A y
(0) A = (0)
i=1
1. Sean A Mmn (K) ,B Mnp (K) y C Mpq (K). Las dos matrices
A(B C) y (AB)C tienen el mismo orden, ya que ambas pertenecen a
Mmq (K). Veamos que (i, j) {1, ..., m}{1, ..., q} (A(B C))(i, j) =
((A B) C)(i, j) :
lgebra
35
(A (B C))(i, j) =
A(i, k) (B C) (k, j) =
k=1
n
=
(prop. distributiva en K)
(prop. asociativa en K)
(prop. distributiva en K)
A(i, k)
B(k, s) C(s, j)
s=1
k=1
n
k=1
n
s=1
p
k=1
p
s=1
n
s=1
p
k=1
=
=
A(i, k) B(k, s)
C(s, j) =
(A B) (i, s) C(s, j) =
s=1
= ((A B) C)(i, j)
2. Se demuestra razonando de forma similar al apartado anterior.
3. Ejercicio.
k=1
s=1
s=1
k=1
A(i, k) B(k, s)
C(s, j)
36
lgebra
Si {ai }i{1,...,n} y {bj }j{1,...,p} son dos familias de nmeros reales o complejos, se verica que n N, p N,
p
i=1
ai bj
ai
j=1
i=1
bj
j=1
Es decir, que
n
(ai b1 + + ai bp ) =
i=1
= (a1 b1 + + a1 bp ) + + (an b1 + + an bp ) =
= a1 (b1 + + bp ) + + an (b1 + + bp ) .
Para demostrar la identidad anterior, razonamos por induccin sobre
n.
Base de induccin: hay que probar que si n = 1,
p
p N
i=1
ai bj
j=1
ai
bj
i=1
j=1
p N
a 1 bj
= a1
j=1
bj
j=1
p = 1 es obvio que
entonces cierto que
a1 bj
bj
j=1
j=1
p
a1 bj
= a1
j=1
bj
j=1
p+1
. Suponiendo
, resulta que
a1 bj
j=1
= a1 b1 = a1
a 1 bj
+ a1 bp+1 =
j=1
= (por hip
otesis de inducci
on) =
p
= a1
bj
+ a1 bp+1 =
bj
j=1
p+1
= a1
j=1
lgebra
37
i=1
k=1
aik
k=1
i=1
aik
o, lo que es lo mismo,
Ejercicio 1.2.1 Demostrar que la trasposicin de matrices satisface las siguientes propiedades:
1. A Mmn (K)
t t
( A) = A
2. A, B Mmn (K)
(A + B) =t A +t B
(A B) =t B t A
(A)(i, j) = A(i, j)
1 2
3 6
Ejemplo 1.2.11 (3) 2 0 = 6 0
3 1
9 3
38
lgebra
(In ) =
0 0 0
0 0 0
0 0 0
.. .. .. . .
.
. ..
. . .
0 0 0
Mn (K)
Demostracin Ejercicio.
As1 = B = As2
lgebra
39
de la suma de matrices y satisfacer las propiedades de la proposicin anterior se dice que el conjunto de matrices cuadradas de orden n, Mn (K), tiene
estructura de anillo unitario respecto de la suma y producto de matrices habituales y elemento unidad la matriz In .
La operacin de producto en Mn (K) permite denir potencias enteras no
negativas de una matriz cuadrada:
Am = (Am1 ) A
donde, por convenio de notacin, se asume que A0 = In .
40
lgebra
1. Am+r = Am Ar
2. (Am )r = Amr
(A + B)2 = A2 + B 2 + A B + B A = A2 + B 2 + 2A B
Sin embargo, si A y B conmutan para el producto, es decir, si AB = BA,
entonces es obvio que (A + B)2 = A2 + B 2 + 2A B y, en general, asumiendo
por convenio de notacin que A0 = B 0 = In , se verica que m N
(A + B)m =
m
0
m
1
Am B 0 +
0
0
(In ) = 0 0
.. ..
. .
0 0
Am1 B + ... +
m
m
A0 B m .
siendo K
0 0
0 0
0
Mn (K)
.. . .
..
. .
.
0
(A + In )m =
m
0
Am +
m
1
m
m
(In )m
A B = In B A = In .
Obviamente, si B y B satisfacen las condiciones de la denicin anterior,
es decir, si
A B = In B A = In
lgebra
41
A B = In B A = In
resulta que
B = B In = B (A B ) = (B A) B = In B = B
por lo que dada A Mn (K) a lo sumo hay una matriz B que satisface las
condiciones de la denicin anterior.
producto de A por un cierta matriz B , por ambos lados, sea el elemento neutro. Hemos de hacerlo as porque el producto de matrices no es conmutativo.
Sin embargo, veremos en el teorema 1.2.22 que es suciente comprobarlo por
uno slo de los dos lados.
1 1/2
2
2
2 1/2
2 1
es la ma-
(A B)1 = B 1 A1 ,
2. si A1 , , Ap son invertibles, entonces el producto A1 A2 Ap es
invertible y (A1 A2 Ap )1 = Ap 1 A2 1 A1 1 ,
3. si A Mn (K) es invertible, entonces (A) Mn (K) es invertible y
(A)1 = (A1 ),
42
lgebra
es invertible y
(A) Mn (K)
1
(A1 ) = (t A)
1. A1 es invertible y (A1 ) = A
2. m N Am es invertible y (Am )1 = (A1 )m
3. K, = 0 se verica que A es invertible, y (A)1 = 1 A1
El siguiente teorema arma que si una matriz cuadrada tiene una matriz
inversa a la derecha o a la izquierda, entonces es invertible:
que A B = In .
Si B A = In , todo sistema que tenga como matriz asociada A tiene una
nica solucin: dado un sistema A X = C , donde C es una matriz columna,
multiplicando a ambos lados de la igualdad por B se obtiene:
B (A X) = B C
Por la asociatividad del producto de matrices
(B A) X = B C
Y usando nuestra hiptesis inicial
X = In X = B C
Es decir, que si X verica la ecuacin A X = C , necesariamente X = B C .
En concreto, denotando con Inj la columna j -sima de In , el sistema A
X = Inj tiene una nica solucin B Inj , que es la columna j -esima de B ,
que denotamos B j , para cada j {1, . . . , n}. Es decir, hemos obtenido que
AB j = Inj para cada j {1, . . . , n}. Entonces tambin AB = In y podemos
escribir B = A1 .
Para probar 1 suponemos que A B = In . Aplicamos 2 a la matriz B y
obtenemos que B A = In .
lgebra
43
Ejemplo 1.2.24
1 0
0 2
1 0
F2 = (2)F2
1 0
0 1
0 2
1 0 0 0
1 0 5
0 0 0 1
0 1 0 son matrices elementales, pues
Igualmente
0 0 1 0 y
0 0 1
0 1 0 0
1 0 0 0
1 0 0 0
0 1 0 0 F2 F4 0 0 0 1
0 0 1 0
0 0 1 0
0 0 0 1
0 1 0 0
1 0 0
1 0 5
0 1 0 F1 = F1 + 5F3 0 1 0 .
0 0 1
0 0 1
Es obvio que si A es una matriz elemental de orden n, la matriz In se puede
obtener realizando una nica transformacin elemental sobre la matriz A (la
transformacin elemental inversa).
El siguiente resultado quedar sucientemente vericado tras la realizacin
de la prctica 2 en el aula informtica:
1 4 6
0
2 1 .
0
0 1
44
lgebra
Teniendo ahora en cuenta que, segn hemos visto, cualquier transformacin elemental es reversible, y que la inversa de una transformacin elemental
es una transformacin elemental, segn el cuadro que ya establecimos en su
momento
TRANSFORMACIN
Fi = Fi + Fj
Fi = Fi ( = 0)
Fi Fj
TRANSFORMACIN INVERSA
Fi = Fi Fj
1
Fi = Fi
Fi Fj
resulta que, si denotamos por Pi () a la matriz elemental asociada a la transformacin Fi = Fi ( = 0), por Sij () a la matriz elemental asociada a la
transformacin Fi = Fi + Fj y por Eij a la matriz elemental asociada a la
transformacin Fi Fj , tenemos el siguiente corolario del teorema anterior:
1
(Eij )
= Eji
P2 (5) =
1 0
0 5
1 0 4
S13 (4) = 0 1 0
0 0 1
y
E24
1
0
=
0
0
0
0
0
1
0
0
1
0
0
1
0
0
lgebra
45
1. A es invertible
2. La ecuacin A X = (0) slo tiene la solucin trivial
3. A es equivalente por las a la matriz In , es decir,
su forma escalonada reducida es la matriz identidad In
4. El sistema A X = b es compatible determinado para toda matriz
columna b Mn1 (K) y su nica solucin es X = A1 B.
2x1 + x2 + 3x3 = b3
1 1 2 b1
F2 = F2 F1
1 1
2
b1
1 0 1 b2 F3 = F3 F1 0 1 1 b2 b1
2 1 3 b3
2 1
3 b3 2b1
F1 = F1 + F2
1 0 1
b2
F3 = F3 F2
0 1 1 b2 + b1 .
F2 = F2
0 0 0 b3 b2 b1
Si b3 b2 b1 = 0 el sistema no es compatible y si b3 b2 b1 = 0 el
x1 = x3 + b2
, que tiene innitas
sistema es equivalente al sistema
x2 = x3 b2 + b1
soluciones de la forma {(t + b2 , t b2 + b1 , t) : t R} .
Em Em1 ... E1 A = In .
Se sigue que, por el teorema 1.2.22,
46
lgebra
Em Em1 E1 = A1 .
es decir, recogiendo las dos igualdades anteriores,
In
1
= Em Em1 ... E1 A
= Em Em1 ... E1 In
En otras palabras, la sucesin de transformaciones elementales que transforma la matriz A en la matriz In , tambin transforma la matriz In en la matriz
A1 , con lo que, siendo t1 , ..., tm las transformaciones elementales por las
que permiten obtener In a partir de A, el esquema
A In t1 , ..., tm In
A1
1 1 0
Ejemplo 1.2.29 Para calcular la inversa de la matriz 2 1 0 pro2
1 1
cederamos del siguiente modo
1 1 0
2
1 0
2
1 1
1 0 0
0 1 0
0 0 1
1 1 0
0 1 0
0 1 1
1 0 0
2 1 0
2 0 1
F1
F
3
F1
F2
1 0 0
0 1 0
0 0 1
1 1
1
obteniendo, por tanto que 2
2
1
F2 = F2 + 2F1
F3 = F3 + 2F1
= F1 F2
= F3 F2
= (1)F1
= (1)F2
1
1 0
2 1 0
0 1 1
1
0
1
1 0
0 = 2 1 0 .
1
0 1 1
lgebra
47
Observacin 13 Ntese
que, teniendo
en cuenta el resultado obtenido en
1 1 0
1 0 invertible, el sistema homogneo
el teorema 1.2.27, al ser 2
2
1 1
x y = 0
2x + y = 0
slo tiene la solucin trivial.
2x + y + z = 0
1.3
Estructuras algebraicas
48
lgebra
: A A
A
.
(x, y)
(x, y)
La imagen (a, b) representa el resultado de operar a con b en ese orden.
Ntese, pues, que lo que es fundamental en la denicin anterior es que a cada
par de objetos de A se le asigna un u
nico elemento de A : dicho elemento es
el resultado que se obtiene al operar dichos objetos.
notacion infija
+(a, b)
(a, b)
(a, b)
a+b
ab
ab
As, en lugar de escribir, por ejemplo, +(a, +(a, b)) escribiremos a+(a+b).
Es importante insistir de nuevo en que para poder realizar el producto
de matrices A B, el nmero de columnas de A debe coincidir con el nmero
de las de B. Por consiguiente, para poder realizar los dos productos A B
y B A, donde A Mmn (K) y B Mqp (K), el nmero de columnas de
A debe coincidir con el de las de B y recprocamente, esto es, para poder
realizar el producto A B, n = q, y para poder realizar el producto B A,
p = m, es decir, A Mmn (K) y B Mnm (K). Si queremos adems que
el producto sea una operacin en el sentido de la denicin anterior, slo
tendr sentido hablar del producto de matrices como operacin cuando
consideramos matrices en Mnn (K).
lgebra
49
es conmutativa si x, y A
xy =yx
a a=e
y
: P (X) P (X)
(A, B)
P (X)
AB
P (X)
AB
50
lgebra
1.3.2 Grupos
Denicin 1.3.6 Sea G = y : G G G una operacin. Diremos
uno de estos conjuntos, los siguientes pares son grupos abelianos:(R, +), (R
{0}, ), (C, +), (C {0}, ), (R+ , ), (Z, +), (Q {0}, ) y (Q, +) donde R+ =
{x R |x > 0 }, Z es el conjunto de los nmeros enteros y Q es el conjunto
de los nmeros racionales.
0 1
0 1
1 0
lgebra
51
Ejemplo 1.3.10 Los conjuntos (R, ),(C, ),(Q, ), (Z {0}, ),(N, +), y
(Mn (K) {0}, ) no son grupos.
a, x, y G (x a = y a) x = y
a, x, y G (a x = a y) x = y
2. Las ecuaciones de la forma x a = b y a x = b tienen solucin nica.
Concretamente:
a, b G !x G..a x = b
a, b G !x G..x a = b
3. El nico elemento idempotente de (G, ) es el elemento neutro e :
a G(a a = a a = e)
4. a, b G a b = e b = a
5. a G a
=a
6. a, b G (a b) = b a
Demostracin
1. Siendo a, x, y G, si xa = ya, necesariamente (xa)a = (ya)a ,es
decir, x(aa ) = y(aa ) , o lo que es lo mismo, xe = ye, con lo que
concluimos que x = y. La otra propiedad se demuestra anlogamente.
2. Siendo a, b, x G, a x = b a (a x) = a b, es decir, (a a) x =
a b , y esto es equivalente a que e x = a b, o lo que es lo mismo,
a que x = a b.La otra propiedad se demuestra anlogamente.
52
lgebra
3. Esta equivalencia la probaremos demostrando que la dos implicaciones
son V, es decir, probando que para cualquier elemento a G,
= a.
6. Siendo a, b G, (a b) (b a ) = ((a b) b ) a = (a (b b )) a =
a a = e, por lo que, teniendo en cuenta la propiedad 4 que acabamos
de ver, b a = (a b) .
(x + x = x) x = 0
(x y = 1) y = x1
1
(x1 ) = x
1
(x y) = y 1 x1
es decir,
(( = +) e = 0 x = (x))
(( = ) e = 1 x = (x1 )).
lgebra
53
Ejemplo 1.3.14 Segn hemos visto, (Mn (K), +, ) es un anillo no conmutativo y con elemento unidad In , siendo + y la suma y producto de matrices
habituales.
54
lgebra
Ejemplo 1.3.16 Es fcil comprobar que (Mn (K), +, ) tiene divisores de cero. As por ejemplo
1 1
1 1
1
1
1 1
0 0
0 0
Demostracin
1. Demostramos la primera de las dos propiedades: dado a A, a 0 =
a (0 + 0) = a 0 + a 0, y puesto que al ser (A, +) un grupo, el nico
elemento idempotente es el 0, conclumos que a 0 = 0
2. Demostramos la primera de las dos propiedades: siendo a, b A,
0 = a 0 = a (b + (b)) = a b + a (b)
lgebra
3.
55
(a b) (b1 a1 ) = ((a b) b1 ) a1 =
= a (b b1 ) a1 = a a1 = 1 y
(b1 a1 ) (a b) = ((b1 a1 ) a) b =
= b1 (a1 a) b = b1 b = 1
4. Por la propiedad 2,
anillo Mn (K). As pues, todas las propiedades vistas para los elementos invertibles de un anillo genrico, son vlidas para el anillo considerado
(Mn (K), +, ). En particular, si A, B Mn (K) son invertibles, entonces AB
es invertible y (A B)1 = B 1 A1 , y si A Mn (K) es invertible, entonces
(A) Mn (K) es invertible y (A)1 = (A1 ).
a, b, c A ((a b = a c a = 0) (b = c))
y
a, b, c A ((b a = c a a = 0) (b = c))
56
lgebra
lgebra
57
58
lgebra
lgebra
59
modelo PILA queda especicado como tipo abstracto de datos del siguiente
modo:
P ILA =
1. Tipos :
P ILA, DAT O, ERROR
error ERROR,
2. Constantes :
newstack P ILA
push : P ILA DAT O P ILA
pop : P ILA P ILA
3. Operaciones :
pop(push(p, a)) = p
pop(newstack) = newstack
4. Ecuaciones:
top(push(p, a)) = a
top(newstack) = error
As por ejemplo, la pila
a3
a3
a1
push(push(push(newstack, a1 ), a3 ), a3 ).
SEM IGRU P O =
1. Tipos:
ELEM
2. Constantes:
3. Operaciones: : ELEM ELEM ELEM
x, y, z ELEM
4. Ecuaciones:
x (y z) = (x y) z
M ON OIDE = SEM IGRU P O
Constantes:
Ecuaciones:
+
e ELEM
x ELEM
xe=x
ex=x
60
lgebra
1.4 Ejercicios
1.4.1 Ejercicios resueltos
1. Representar por su matriz ampliada y resolver por el mtodo de GaussJordan cada uno de los siguientes sistemas de ecuaciones lineales :
2x1 + x2 + 3x3 = 9
5x1 + 4x2 + 6x3 = 24
x1 + 3x2 2x3 = 4
,
3x1 + x2 + x3 5x4 = 4
5x1 + 2x2 + 4x3 2x4 = 6
x1 x2 + x3 x4 = 0
2x1 + 3x2 + 4x3 + 5x4 = 0
x1 x2 + 2x3 2x4 = 0
lgebra
61
x + y + 2z = a
x+z =b
2x + y + 3z = c
Demuestre que para que este sistema sea compatible, a, b y c deben
satisfacer c = a+b.
3. Resuelva cada uno de los sistemas siguientes por eliminacin de GaussJordan:
a)
2x1 3x2 = 2
2x1 + x2 = 1
3x1 + 2x2 = 1
b)
3x1 + 2x2 x3 = 15
11x1 + 7x2 = 30
c)
4x1 8x2 = 12
3x1 6x2 = 9
2x1 + 4x2 = 6
x + 2y 3z = 4
3x y + 5z = 2
4x + y + (a2 14)z = a + 2
5. Calcular las inversas de la siguientes matrices:
A=
3 1
5 2
B=
2 3
4 4
C=
2 0
0 3
62
lgebra
3
a) A = 1
2
1
c) C = 0
1
4 1
3 1
0 3
b) B = 2 4
5 4
4 2
0 1
1 1
1 0
2
A=
3
matriz es invertible:
5
1
9
1 0
1 4
5 5
lgebra
63
12. Para cul valor, o cules valores, de a el sistema siguiente tiene cero,
una y una innidad de soluciones?
x1 + x2 + x3 = 4
x3 = 2
2
(a 4)x3 = a 2
13. Demostrar que la trasposicin de matrices satisface las siguientes
propiedades.
a) A Mmn (K) t (t A) = A.
b) A, B Mmn (K) t (A + B) =t A +t B.
c)A Mmn (K), B Mnp (K), t (A B) =t B t A.
14. Demostrar que si A Mn (K) es invertible, entonces
t
(A) Mn (K)
1
es invertible y t (A1 ) = (t A)
aii .
i=1
T r(At A) =
a2ik .
i=1 k=1
64
lgebra
2 1
1 2
lgebra
65
4x 3y + 2z + u = 3
2x 5y + 4z + u v = 3
x 2y + z + 2u = 2
a) x 2y + z u + v = 5
, b)
4x y + z u v = 5
x 4y + 6z + 2u v = 10
2x + 3y z 4u = 9
4x 3y + 2z = 2
4x 3y + 2z = 3
c) 2x + y + 2z = 3 , d) 2x + y + 2z = 1
x + y 2z = 7
x + y 2z = 2
2. Resolver los siguientes sistemas de ecuaciones lineales por el mtodo de
Gauss-Jordan:
3x2 2y 3 = 10
4. Discutir las distintas soluciones del siguiente sistema segn los distintos
valores del parmetro k :
x + y + 2z = 2
3x + 2y + 3z = 2
2x + ky 5z = 4
5. Discutir las distintas soluciones del siguiente sistema segn los distintos
valores de los parmetros a y b:
ax + bz = 2
ax + ay + 4z = 4
ax + 2z = b
6. Vericar que existe un sistema de dos ecuaciones en las variables x, y ,
z , cuyas soluciones sean, en funcin del parmetro t:
x = 1 t
y = 2 + 5t
z =4t
66
lgebra
7. Un padre con aciones matemticas decide hacer su testamento de la
manera siguiente:
Todo mi capital ser dividido entre mis tres hijos: Antonio, Benito
y Carla.
Del capital menos 10.000 euros Antonio recibe la mitad.
La cantidad recibida por Carla menos la cantidad que reciba Benito debe ser igual a la cantidad recibida por Benito menos la
cantidad recibida por Antonio.
La cantidad recibida por Carla menos el 60 por ciento de la recibida por Benito debe ser igual a 4.000 euros.
Cuanto dinero recibir cada uno?
8. Calcular la inversa, si existe, de las siguientes matrices y comprobar la
respuesta por multiplicacin:
2 0 6 1
8 11 7
2 3 1
0 3 0 3
A = 6 8 5 , B = 2 4 2 , C =
1
0 3 1
1 1 1
3 2 1
0 3 3 3
1 1 3
4 2
A= 0
2 6 8
no es invertible comprobando que existe una solucin no trivial del
sistema homogneo A X = 0.
10. Sea A la matriz
3 3 5
4 3 .
A= 1
3 4 6
lgebra
67
A=
1
0
2 1
2 3 1
A = 4 5 7
0 2 4
13. Calclense por induccin las potencias m-simas de las matrices:
A=
a 1
,
0 a
B=
0 1
.
1 0
68
lgebra
(a) Probar por induccin que para todo n N se verica Am = P
B m P 1 .
(b) Si dos matrices invertibles A y B son semejantes, es A1 semejante con B 1 ? Es tA semejante con tB ?
(c) Con la notacin anterior, y siendo
B=
2 0
,
0 3
P =
1 2
,
2 3
A =
cos sin
,
sin cos
R.
4X + 3Y =
3 2
, 3X + 2Y =
4 0
1 5
.
3 2
lgebra
69
17. Probar por induccin que si dos matrices A y B conmutan (es decir
A B = B A) entonces se verica la frmula de Newton:
m
m
(A + B) =
i=0
m
i
Ai B mi .
70
lgebra
(d) Probar que el elemento inverso de un elemento no nulo en K pertenece a K.
(e) Concluir que K es un cuerpo conmutativo.
(f) Se te ocurren otros ejemplos de cuerpos construdos de forma
similar?
Captulo 2
Espacios vectoriales
En este captulo vamos a estudiar el concepto de espacio vectorial. Esta es la
estructura algebraica sobre la que se desarrolla la parte de las matemticas
conocida como Algebra Lineal.
Veamos un primer ejemplo en el que aparece la estructura de espacio
vectorial.
Al estudiar el mtodo de Gauss-Jordan para la resolucin de un sistema de ecuaciones lineales, establecimos ciertas operaciones sobre las las de
la matriz ampliada asociada al sistema de ecuaciones a las que llamamos
transformaciones elementales. Para denirlas tuvimos que considerar las siguientes operaciones sobre las las de dicha matriz:
1. Sumar dos las Fi = Fi + Fj
2. Multiplicar una la por un nmero: Fi = Fi ,
de manera que si (ai1 ain
matriz, su suma era
(ai1 ain
bi ) y (ak1 akn
bi ) + (ak1 akn
(ai1 ain
bi ) = (ai1 ain
bi ).
72
lgebra
4 Kg. de peras
2 Kg. de manzanas
8.5 Kg. de peras
5 Kg. de manzanas
1
2
3 Kg. de peras
2 Kg. de manzanas
Estas listas (o matrices columna) de nmeros que sabemos sumar y multiplicar por nmeros constituyen un primer ejemplo de lo que denominaremos
vectores.
El concepto de vector tambin se emplea en Fsica para representar magnitudes que no quedan completamente determinadas por un nmero, y es
tradicional asociar una echa a dichas magnitudes y representarlas por un
segmento orientado. Sin embargo, el asociar el concepto de vector a un
objeto geomtrico tiene una limitacin importante, pues si trabajamos con
listas de ms de tres nmeros, no contamos con sucientes dimensiones en el
espacio fsico para situar tal echa.
La descripcin axiomtica de vector sobre la que vamos a trabajar, es
abstracta por lo que no requiere el uso de objetos geomtricos. Adems,
lgebra
73
2.1
Si queremos representar objetos de la Fsica elemental como fuerza, desplazamiento y velocidad, tenemos que utilizar vectores geomtricos en el plano
R2 o en el espacio tridimensional R3 . En efecto los vectores geomtricos
nos permiten especicar magnitud, direccin y sentido para estas cantidades
fsicas. Aqu slo recordaremos las deniciones bsicas.
Dados tres segmentos orientados AB, CD y EF, en el espacio bidimensional o tridimensional como en la gura 2.1 a), para cada uno de ellos estn
determinados un punto de aplicacin (respectivamente A, C y E), un extremo o ajo (respectivamente B, D y F), una magnitud representada por
la longitud del segmento, y una direccin, que es la direccin de la recta
que lo contiene. Si ahora jamos un punto O en nuestro espacio y dibujamos nuestras tres echas a partir del punto O (es decir, si A=C=E=O),
obtenemos la gura 2.1 b), donde CD y EF coinciden y se pueden considerar
equivalentes. Esta sencilla consideracin est en la base de la denicin de
vector geomtrico.
Sobre el conjunto de todos los segmentos orientados del plano (o del
espacio tridimensional) denimos la siguiente relacin de equivalencia:
AB CD
74
lgebra
a)
b)
D=F
lgebra
a)
75
v+w
b)
v-w
Observacin 19 Esta denicin de suma de vectores no depende de los segmentos orientados elegidos para representar los vectores v y w.
76
lgebra
Ejercicio 2.1.2 Vericar, realizando el correspondiente dibujo, que para todo par de vectores geomtricos v y w, v + w = w + v .
v + w = (v1 + w1 , v2 + w2 , v3 + w3 )
kv = (kv1 , kv2 , kv3 )
v w = (v1 w1 , v2 w2 , v3 w3 )
En le caso de vectores v y w en R2 estas operaciones estn denidas de forma
anloga.
lgebra
77
P Q = v = (y1 x1 , y2 x2 , y3 x3 ) = Q P.
De forma similar, dos puntos P = (x1 , x2 ) y Q = (y1 , y2 ) en R2 determinan
un vector v = (y1 x1 , y2 x2 ), que se puede representar por el segmento
orientado P Q.
Ejercicio 2.1.4 Sean P = (3, 2, 4) y Q = (1, 4, 5), determinar las coordenadas del vector v = P Q.
A veces la eleccin de un sistema de coordenadas adecuado puede simplicar la solucin de un problema. Las ecuaciones de traslacin de los
ejes nos permiten de pasar de un sistema S a otro sistema S , cuyos ejes son
paralelos a los ejes de S.
En R2 , sea O , x , y el origen y los ejes del nuevo sistema de coordenadas
S . Un punto P en el plano tiene coordenadas (x, y) respecto del sistema
S y coordenadas (x , y ) respecto del sistema S . Si las coordenadas de O
respecto de S son O = (a, b), se verica que
(x, y) = OP = OO + O P = (a, b) + (x , y ),
y, por tanto,
x = x a,
y = y b.
x = x a,
y = y b,
z = z c.
78
lgebra
entonces
1. x + y = y + x
2. (x + y) + z = x + (y + z)
3. x + (0) = (0) + x = x
4. x + (x) = (0) y (x) + x = (0)
5. ()x =(x)
6. (x + y) = x+y
7. ( + )x = x + x
8. 1 x = x
(y1 x1 )2 + (y2 x2 )2 .
d(v, w) v w =
d(v, w) v w =
Si k es un escalar,
kv = |k|
v ,
lgebra
79
(2.1)
cos().
Si v = 0 o si w = 0, v w = 0.
v w.
v w = v1 w1 + v2 w2 + v3 w3
Sean v = (v1 , v2 ) y w = (w1 , w2 ) dos vectores de R2 , entonces
v w = v1 w1 + v2 w2
La demostracin de esta proposicin se sigue de la ley de los cosenos:
wv
= v
+ w
2 v
w cos() = v
+ w
2v w.
cos() =
vw
v
w
(2.2)
v =
(v v)
b) Si v = 0 y w = 0, el ngulo entre v y w
es agudo v w > 0
es obtuso v w < 0
= vw =0
2
80
lgebra
Demostracin Ejercicio.
Sea ahora v = 0 un vector bidimensional o tridimensional representado
por el segmento orientado OA y sea w = 0 otro vector del mismo espacio.
Utilizando el producto interior es posible denir la proyeccin ortogonal del
vector w sobre v como sigue. Representamos el vector w por un segmento
orientado OP como en la gura 2.3. El segmento orientado OP1 representa
un vector w1 y los segmentos P1 P y OP2 el vector w2 = w w1 .
Entonces, w = w1 + w2 , donde el vector w1 = pv (w) es la proyeccin
ortogonal de w sobre v o componente vectorial de w a lo largo de v
y el vector w2 = w pv (w) es la componente vectorial de w ortogonal
a v.
wv
v 2
wv
v 2
lgebra
81
P2
w2
w
w w1
w1
w v = w1 v + w2 v =
pv (w) =
|w v|
= w
v
| cos()|
82
lgebra
usual (O = (0, 0, 0), (e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1))).
u u
u u
u2 u3
e1 det 1 3 e2 + det 1 2 e3 .
v1 v2
v1 v3
v2 v3
u1 u2 u3
= det v1 v2 v3 .
w1 w2 w3
0 1
1 1
1 0
e1 det
e2 + det
e =
2 0
1 0
1 2 3
= 2e1 e2 + 2e3 = (2, 1, 2).
1 1
a (u v) = det 1 0
1 2
u = (1, 0, 1) y v = (1, 2, 0) es
0
1 = 2 1 = 3.
0
lgebra
83
u v = u v sin(), donde es el ngulo que forman u y v. Esta norma coincide con el rea del paralelogramo determinado por los
vectores u y v. (Para comprobarlo se puede utilizar la identidad de
Lagrange: u v 2 = u 2 v 2 (u v)2 .)
u (v + w) = u v + u w y (v + w) u = v u + w u.
El producto mixto u (v w) representa, en valor absoluto, el volumen
del paraleleppedo individuado por los tres vectores u, v y w.
u (v w) = 0 si y slo si los tres vectores u, v y w pertenenecen al
mismo plano.
Ecuacin vectorial
Sean P0 = (x0 , y0 ) un punto jado y P = (x, y) un punto genrico de
una recta l . Siendo n = (a, b) un vector ortogonal a l , se obtiene que
el producto escalar n P P0 = 0 (esta ecuacin se puede llamar forma
punto-normal).
Utilizando los vectores v = OP y v0 = OP0 , se obtiene la forma
vectorial de la ecuacin de l :
n (v v0 ) = 0.
Ecuacin general implcita
Si desarrollamos la ecuacin punto-normal anterior como
84
lgebra
y llamamos (ax0 + by0 ) = c, lo que se obtiene el la ecuacin general
implcita:
ax + by + c = 0.
Ecuaciones paramtricas
Sean P0 = (x0 , y0 ) un punto de la recta l , v = (v1 , v2 ) un vector
paralelo a l y P = (x, y) el punto genrico de l . Entonces el vector P0 P
es paralelo a v, es decir, existe un nmero real k tal que P0 P = kv.
Esta ltima ecuacin, escrita en trminos de coordenadas, dene las
ecuaciones paramtricas de la recta l :
x = x0 + kv1
y = y0 + kv2 .
kR
y = mx + q,
donde m es al pendiente de la recta l y q es la ordenada del punto de
corte con el eje de las y, (0, q).
d(P0 , r) =
|ax0 + by0 + c|
a 2 + b2
|2+1+3|
1+1
6 .
2
lgebra
85
(2.3)
n (v v0 ) = 0.
(2.4)
Ejemplo 2.1.14 Segn la frmula 2.3, la ecuacin del plano que pasa
por el punto P0 = (2, 0, 1) y es perpendicular a la direccin del vector
n = (1, 1, 4) es
(x 2) y + 4(z + 1) = x y + 4z + 2 = 0.
La misma ecuacin se obtiene utilizando la frmula 2.4:
n (v v0 ) = (1, 1, 4) (x 2, y, z + 1) = x y + 4z + 2 = 0.
Teorema 2.1.15 Si n = (a, b, c) = (0, 0, 0), la forma implcita de la ecuacin de un plano ortogonal al vector n es:
ax + by + cz + d = 0
(2.5)
Demostracin Si b = 0, ax + by + cz + d = 0 ax + b(y + db ) + cz = 0. La
86
lgebra
Solucin: A partir de la ecuacin de un plano en forma general 2.5 y sustituyendo los valores de las variables (x, y, z) por las componentes de los tres
puntos dados, se obtiene un sistema en las variables (a, b, c, d) de la forma
ac+d=0
2a + b + d = 0
2a + 3b + c + d = 0
El conjunto solucin de este sistema es {(t, 5t, 6t, 7t) : t R}.
Sustituyendo los valores encontrados para los coecientes a, b, c y d en la
ecuacin 2.5, se obtiene el plano
d(P0 , ) =
a2 + b2 + c2
(2.6)
lgebra
87
Demostracin Ejercicio.
(Sugerencia: Sean n = (a, b, c) el vector normal y Q = (x, y, z) un punto
del plano . Entonces pn (P0 Q) =
P0 Q n
.)
n
x = x0 + ka
y = y0 + kb , donde k R.
(2.7)
z = z0 + kc
Sean P0 y P dos puntos de una recta l y sean OP0 = v0 y OP = v los
vectores del espacio tridimensional correspondientes. Entonces se verica la
identidad P0 P = (x x0 , y y0 , z z0 ) = v v0 . Si adems u es un vector
paralelo a la recta l, se sigue que v v0 = ku por un escalar k R.
Llamaremos forma vectorial de la ecuacin de una recta en el espacio tridimensional a la ecuacin:
v = v0 + ku
(k R)
(2.8)
a1 x + b1 y + c1 z + d1 = 0
a2 x + b2 y + c2 z + d2 = 0
88
lgebra
x = 2 + 3k
y = 5 k , donde k R.
(2.9)
z = 7k
lgebra
2.2
89
sobre el cuerpo (K, +, ) a cualquier 3-tupla (E, , ) formada por un conjunto no vaco E, una operacin : E E E, y una funcin (producto
por escalares) : KE E de manera que se satisfagan las siguientes
propiedades:
1. (E, ) es un grupo abeliano;
2. u, v E K ( (u v) = u v),
3. u E , K (( + ) u = u u),
4. u E , K (( ) u = ( u)),
5. siendo 1 K el elemento neutro de , u E (1 u = u).
A los elementos de K, que habitualmente representaremos por letras del
alfabeto griego, se les denomina escalares y a los elementos de E, que habitualmente representaremos por letras del alfabeto latino (y en ocasiones en
negrita), vectores.
En este contexto, el trmino vector servir para designar en lo sucesivo a un elemento del espacio vectorial sobre el que se est trabajando, y
no necesariamente a un vector geomtrico determinado por un segmento
orientado.
Es usual, dada la sobrecarga de notacin derivada del uso de tres operaciones y un producto por escalares, el adoptar el siguiente convenio de
notacin universalmente aceptado.
90
lgebra
Operacion
+:KKK
:KKK
:EEE
: KE E
Nombre de la operacin
suma de escalares
producto de escalares
suma de vectores
producto de vectores por escalares
Notacin
+
(A + B)
la suma considerada es la denida en Mmn (R).
Tambin sealaremos que es usual omitir el , escribiendo por ejemplo
(u) en lugar de ( u), por lo que habitualmente lo haremos as.
Ejemplos de espacios vectoriales con los que ya hemos trabajado son:
Las matrices la con coecientes reales complejos M1n (K) con respecto de la suma de las y producto de una la por un nmero.
lgebra
91
92
lgebra
1.
2.
3.
4.
5.
6.
u E, 0 u = 0;
K, 0 = 0;
K, u E, (( u = 0) (=0 u = 0)) ;
u E, (1) u = u;
K {0}, u, v E, (( u = v) (u = v)) ;
, K, u E {0}, (( u = u) ( = )) .
Demostracin 1. Dado u E,
0 u = (0 + 0) u =0 u+0 u,
y puesto que el nico elemento idempotente del grupo (E, +) es el elemento
0 E, conclumos que
0 u = 0.
2. Dado K,
0 = (0 + 0) = 0 + 0,
por lo que, razonando anlogamente a la propiedad anterior, conclumos que
0 = 0.
3. Sean K y u E, y supongamos que u = 0. Caben dos posibilidades.
a) Si = 0, entonces no hay nada que demostrar, puesto que en ese caso
la sentencia (=0 u = 0) es verdadera.
b) Si = 0, consideramos el elemento 1 K. Multiplicando a ambos
lados de la igualdad por 1 obtenemos
1 ( u) = 1 0 = 0;
pero por los axiomas de espacio vectorial
1 ( u) = 1 u =1 u = u,
lgebra
93
es decir , u = 0.
4. Sea u E. Puesto que 1 K es opuesto de 1 en el grupo (K, +),
tendremos
( 1) u + u = ( 1) u+1 u = ( 1 + 1) u = 0,
y puesto que (E, +) es un grupo (abeliano), tendremos tambin
u + ( 1) u = 0,
es decir, ( 1) u es el elemento opuesto de u en el grupo (E, +), o lo que es
lo mismo, ( 1) u = u.
5. Sean K {0}, u, v E, y supongamos que u = v. Multiplicando ambos miembros de esta igualdad por 1 obtenemos
1 ( u) =1 ( v) ,
o lo que es lo mismo,
1 u = 1 v,
de donde u = v.
6. Sean , K y u E {0}, y supongamos que u = u. En ese
caso necesariamente
u + (( u)) = 0.
Pero de los axiomas de espacio vectorial y de las propiedades anteriores se
sigue que
u + (( u)) = u + () u = ( + ()) u;
es decir,
( + ()) u = 0
siendo u = 0, con lo que ( + ()) = 0, o lo que es lo mismo, = .
94
lgebra
+:
EE
E
((u1 , , un ), (v1 , , vn )) (u1 +1 v1 , , un +n vn )
y
:
KE
E
(, (u1 , , un )) ( 1 u1 , , n un )
(E1 En , +)
es tambin un grupo abeliano.
Por otra parte veamos que u, v E y K
(u + v) = u + v :
Si u, v E, u = (u1 , , un ) y v = (v1 , , vn ), por denicin
(u + v) = (u1 + v1 , , un + vn )
y, en consecuencia, segn se ha denido la ley de composicin externa en E,
lgebra
95
y por la propiedad distributiva que satisface el producto por escalares respecto de la suma de vectores en cada uno de los espacios vectoriales (Ei , +i , i )
tendremos que, en denitiva,
(u + v) =
=
=
=
=
=
(u1 + v1 , , un + vn ) =
( (u1 + v1 ) , , (un + vn )) =
(u1 + v1 , , un + vn ) =
(u1 , , un ) + (v1 , , vn ) =
(u1 , , un ) + (v1 , , vn ) =
u+v
(x, y, z) + (x , y , z ) = (x + x , y + y , z + z )
(x, y, z) = (x, y, z)
siendo x + x , y + y y z + z la suma habitual de estos nmeros reales, y
x, y y z el producto habitual de estos nmeros reales.
2. Del mismo modo que en el ejemplo anterior, (C2 , +, ) es un C e.v.,
sobrentendindose cules son las operaciones denidas sobre C2 .
3. Anlogamente, (Z32
2 , +, ) es un Z2 e.v..
4. El espacio Mm,n (R) C[x] es un Respacio vectorial.
96
lgebra
F(X, E) = {f : X E :
f es una funcin} ,
+ : F(X, E) F(X, E)
(f, g)
F(X, E)
f +g
lgebra
97
0: X
x
E
0
(f ): X
x
E
,
(f (x))
:
donde
KF(X, E) F(X, E)
(, f )
f
f : X
x
E
f (x)
(f + g) = f + g.
Sea K. Puesto que
((f + g)) : X E
y
(f + g) : X E,
para demostrar que dichas aplicaciones son iguales es suciente con probar
que
x E, ((f + g))(x) = (f + g)(x).
98
lgebra
( + )f = f + f.
Se demuestra de forma anloga a la propiedad que acabamos de ver, por lo
que se propone como ejercicio.
7. Sean f F(X, E) y , K . Hay que demostrar que
()f = (f ).
Puesto que
(()f ) : X E
y
((f )) : X E,
para demostrar que dichas aplicaciones son iguales es suciente probar que
x E
(()f )(x) = ((f ))(x).
Sea x E. Por denicin
(1 f ) = f,
pues si f F(X, E) es una funcin cualquiera de ese conjunto, dado que
(1 f ) : X E y f : X E,
lgebra
99
F(N, M2 (C))
de las sucesiones de matrices de M2 (C), el conjunto
100
lgebra
y slo si
a) 0 H
b) u, v H, , K se verica que (u + v) H.
Observacin 22 De la denicin de subespacio vectorial se sigue que, siendo E un K e.v. se verica que E E y que {0} E.
lgebra
101
(u1 , , un ) H , (1 , , n ) K ,
i ui
H.
i=1
EJEMPLOS:
a11 x1 + + a1n xn = 0
..
.
.
a x + + a x = 0
m1 1
mn n
Para comprobarlo, slo hay que vericar que si (1 , , n ), (1 , , n )
Kn son soluciones del sistema anterior y K, entonces (1 +1 , , n +n )
tambin es solucin del sistema, y lo mismo sucede con (1 , , n ).
3. C[x] F (C, C), pues
a) 0 C[x];
b) si f, g C[x] y , K , de la denicin de C[x] se sigue que
n, m N {0}, (a0 , , an ) Cn+1 , (b0 , , bm ) Cm+1 tales que
x C se verica que
f (x) = an xn + + a0 g(x) = bm xm + + b0 ;
102
lgebra
x C
(f + g)(x) =
n
ai x
bi xi
i=0
i=0
(ai + bi ) xi ,
=
i=0
es decir, (f + g) C[x].
4. Siendo Pn (C) el conjunto de polinomios con coecientes en C de grado
n, se verica que Pn (C) C[x] pues
i) 0 Pn (C), con lo que Pn (C) = .
ii) Dados f, g Pn (C), teniendo en cuenta que
Observacin 24 Puesto que todo subespacio vectorial de un espacio vectorial dado es a su vez un espacio vectorial, es posible referirnos a cada uno de
lgebra
103
Demostracin Ejercicio.
Corolario 2.3.4 Las matrices triangulares superiormente, T n (K), inferiormente Tn (K) y diagonales Dn (K) son subespacios vectoriales de Mn (K).
104
lgebra
i ui .
i=1
cio vectorial habitual, resulta que (11, 7) depende linealmente de (2, 1), (1, 0),
y (3, 2), puesto que
(11, 7) = (2, 1) + 3 (3, 2).
Por el mismo motivo, (3, 0) depende linealmente de (1, 1), (1, 4), pues
lgebra
105
i ui y v =
u=
i=1
i vi ,
i=1
por lo que
n
u + v =
i ui
i=1
n
(i ) ui +
i=1
n+m
i vi
i=1
(i )vi =
i=1
i wi ,
i=1
(i n i = (i ) wi = ui )
(n < i n + m i = (i ) wi = vi ) ,
y en consecuencia, puesto que w1 , , wn+m es un sistema de n + m vectores
de A, conclumos que
u + v H.
2. Si v A, podemos poner, por ejemplo, que v = 1 v, siendo 1 K y
{v} el sistema de vectores de A considerado, con lo que v H.
3. Finalmente, si H E es tal que A H , segn vimos en su momento,
cualquier combinacin lineal de elementos de H (en particular de elementos
de A H ) es un elemento de H , con lo que H H .
Denicin 2.4.5 Si E es un K e.v. y u1 , , un es un sistema de vectores de E, al subespacio vectorial L({u1 , , un }) se le denomina subespacio
106
lgebra
i ui = 0 (1 , , n ) = (0, , 0)
i=1
lgebra
107
u1 , , un es ligado
n
n
i ui = 0 .
i=1
habitual el sistema (1, 0), (0, 1) es libre, pues si (1, 0) + (0, 1) = (0, 0),
tendremos que (, ) = (0, 0), de donde = 0 = . Un argumento similar se
puede emplear para demostrar que el sistema de n vectores de Kn
bitual el sistema {(2, 1, 1), (1, 1, 0), (1, 0, 0)} es libre, puesto que si (, , )
R3 es tal que (2, 1, 1) + (1, 1, 0) + (1,
0, 0) = (0, 0, 0), resulta que (2 +
2 + + = 0
+ =0
+ , + , ) = (0, 0, 0), de donde
y, en denitiva,
=0
(, , ) = (0, 0, 0).
habitual el sistema {(2, 1), (1, 0), (3, 2), (11, 7)} es ligado, pues
v=
i ui v =
i=1
i ui
i=1
(1 , , n ) = (1 , , n ) .
108
lgebra
i=1
i ui v =
i=1
i ui , resulta que
i ui =
i=1
i=1
i ui , es decir,
(i i )ui =
i=1
(1 , , n ) = (1 , , n ).
Supongamos que
n
i=1
j=1
i1
j uj
j=1
= i1 0 = 0.
lgebra
109
Pero
i1
j uj
j=1
de donde
n
j=1
i1 j uj ,
=
j=1
resulta que
i1 j uj ,
ui =
j=1,j=i
ui =
j uj .
j=1,j=i
(1 , , n ) = (0, , 0)
y
n
j=1
110
lgebra
{u1 , , un , v1 , , vm } es ligado.
que u es libre.
2. Supongamos que u1 , , un En es libre, que r n y que (1 , , r )
Kr es tal que
j=1
j = 0, tendremos que
n
j=1
j uj = 0.
j=1
j=1
j uj +
j=1
j vj = 0, y puesto que
lgebra
111
n
j=1
1 j uj
v=
j=1
j uj = 0,
j=1
(1 , , n ) = (0, , 0),
con lo que, en denitiva,
(1 , , n , ) = (0, , 0, 0).
112
lgebra
lgebra
113
Ejemplos
1. El sistema {(1, 0, , 0), , (0, , 0, 1)} de vectores de Kn que hemos visto que es un sistema generador de Kn tambin es libre, puesto que si
(1 , , n ) Kn es tal que
2 = 0
+ =0
obtenemos que = = 0, es decir, (, ) = (0, 0).
b) Todo vector de R2 se puede expresar como combinacin lineal de
{(2, 1), (1, 1)}, puesto que dado (x, y) R2 , poniendo
(x, y) = (2 , + ),
es decir,
x = 2
,
y =+
x = 2
y =+
114
lgebra
(x, y) =
1
1
x + y (2, 1) +
3
3
2
1
y x (1, 1),
3
3
ei :
{1, , n} {1}
(j, 1)
Mn1 (K)
1 si j = i
0 si j = i
es fcil comprobar que {e1 , , en } una base de Mn1 (K). A esta base
tambin la denominaremos base can
onica de Mn1 (K) y la denotaremos por
Bc . Es decir, utilizando la notacin matricial usual,
1
0
0
0 1
0
Bc = {e1 , , en } = { .. , .. , , .. }.
. .
.
i=1
i ui , a la matriz
1
..
. Mn1 (K)
n
lgebra
115
3
= 2
1
((3, 2, 1))B3
puesto que
5
1
=
0 ,
2
x
y
((x, y))B2 =
mientras que
((x, y))B =
1
x
3
+ 13 y
2
y
3
1
x
3
En particular,
((1, 0))B2 =
mientras que
((1, 0))B =
1
0
1
3
13
116
lgebra
Ejemplo 2.5.8 El C e.v. de los polinomios C[x] no es de dimensin nita, puesto que, razonando por reduccin al absurdo, si suponemos que
{p1 , , pn } es una base de C[x], siendo
r = max{gr(pi ) |i {1, , n} },
es obvio que el polinomio xr+1 C[x] no se puede expresar como combinacin
lineal del sistema {p1 , , pn }.
n
j=1,j=i
j uj y v =
n
j=1
j uj , tendremos que
v = 1 u1 + + i1 ui1 + i
j uj
j=1,j=i
j uj ,
j=1,j=i
+ i+1 ui+1 + + n un =
lgebra
117
j = (j + i j ) .
vj =
aij ui .
i=1
j vj = 0.
j=1
tendremos que
aij ui ) = 0.
j (
i=1
j=1
es decir,
(
i=1
aij j )ui = 0.
j =1
(en este punto es importante que el alumno utilice una notacin no contra ida
del sumatorio para entender el paso anterior) con lo que, teniendo en cuenta
que {u1 , , un } es una base de E, obtenemos que todos los coecientes de la
combinacin lineal anterior deben ser iguales a cero, es decir, i {1, , n},
m
aij j = 0.
j =1
118
lgebra
a11 1 + + a1n m = 0
..
.
a + + a = 0
n1 1
nm m
tiene ms incgnitas que ecuaciones (m > n), dicho sistema tiene soluciones
diferentes de la trivial, por lo que {v1 , , vm } es ligado.
B = {u1 , , un } y B = {v1 , , vm }
(2.10)
dim(E) = n.
lgebra
119
Ejemplos:
dim(K) = 1.
2. Teniendo en cuenta que la base cannica de Kn tiene n elementos,
resulta que
dim(Kn ) = n.
3. Puesto que (1, x, , xn ) (Pn (C))n+1 es una base de Pn (C), tendremos que
dim(Pn (C)) = n + 1.
A esta base la denominaremos base usual de Pn (C).
Adems del teorema de equipotencia de bases en un K e.v. de dimensin nita, de la proposicin (2.5.9) tambin se pueden obtener de manera
inmediata los siguientes resultados.
120
lgebra
(um+1 , , un ) Enm
tal que (u1 , , um , um+1 , , un ) es una base de E.
lgebra
121
(u1 , , um , um+1 , , un )
es una base de E, puesto que si es libre, (u1 , , um ) es un sistema generador
del subespacio vectorial
122
lgebra
rg(u1 , , um ) = r.
Ejemplo 2.7.2 En el espacio vectorial R3 , rg((1, 0, 0), (0, 1, 0), (0, 0, 1)) = 3.
Por otra parte, rg((1, 0, 0), (0, 1, 0)) = 2, puesto que al ser {(1, 0, 0), (0, 1, 0)}
un sistema libre, constituyen una base del subespacio vectorial que generan.
Denicin 2.7.4 Sea A Mmn (K). Si {A1 , , An } es el sistema de vectores de Mm1 (K) formado por las columnas de A, se denomina rango de A
rg(A) = rg(A1 , , An ).
1 1 1
Ejemplo 2.7.5 Dada la matriz A = 1 1 0 M3 (R), se verica que
1 0 0
1
1
1
1
0 ).
rg(A) = rg( 1
1
0
0
Ahora bien, si
1
1
1
0
1
0
0 ,
1
+
+
=
1
0
0
0
lgebra
123
tendremos que
++ =0
+ =0
=0
2.8
El teorema de Rouch-Frbenius
a11 x1 + + a1n xn = b1 ,
..
.
a x + + a x = b ,
m1 1
mn n
b1
a1n
a11
x1 A1 + + xn An = b,
124
donde
lgebra
a1j
j {1, , n} Aj = ...
amj
b1
b = ... .
bm
a11
a1n
..
.
. , , .. .
am1
amn
Los resultados vistos sobre dependencia e independencia lineal aplicados
a este caso concreto nos llevan al siguiente resultado:
a11 x1 + + a1n xn = b1 ,
..
.
a x + + a x = b ,
m1 1
mn n
m
o, lo que es lo mismo,
AX = b
con A Mmn (K) y b Mm1 (K) y siendo S el conjunto formado por las
soluciones del mismo, las siguientes armaciones son equivalentes:
1. El sistema de ecuaciones es compatible (es decir, S = );
2. b L(A1 , , An );
3. L(A1 , , An ) = L(A1 , , An , b).
4. rg(A) = rg(A |b) , donde (A |b) es la matriz ampliada asociada al sistema de ecuaciones considerado.
lgebra
125
Por otra parte, teniendo en cuenta que si un vector se escribe como combinacin lineal de un sistema libre, dicha expresin es nica, resulta que:
x + y = 2,
2x + 2y = 4,
da lugar a la siguiente combinacin lineal de M21 (R)
1
2
+y
1
2
2
4
2
4
L(
1
2
1
2
e indeterminado, ya que
1
2
1
2
) (M21 (R))2
126
lgebra
es un sistema ligado.
i vi = u
i=1
i (vi )B = (u)B .
i=1
i vi = u,
i=1
consistir en jar una base B del espacio vectorial E para estudiar (y, en su
caso, resolver) la ecuacin lineal de Mn1 (K)
m
i (vi )B = (u)B
i=1
Ejemplos.
(x2 + x) + (x 3) = 3 2x + x2 ;
siendo B = (1, x, x2 ), el problema anterior es equivalente a
0
3
3
1 + 1 = 2 ,
1
0
1
lgebra
127
3 = 3,
+ = 2,
= 1,
que tiene como solucin = = 1.
2. Resolver el sistema de ecuaciones lineales
xy =2
3x + y = 0,
es equivalente a ver si es posible expresar el vector
1
3
1
3
1
1
+y
2
0
como combinacin
de la forma:
1
1
2
0
a11 x1 + + a1n xn = b1 ,
..
.
a x + + a x = b ,
m1 1
mn n
m
o, lo que es lo mismo,
AX = b
con A Mmn (K) y b Mm1 (K) y siendo S el conjunto formado por las
soluciones del mismo, se verica que:
1. El conjunto SH solucin de la ecuacin homognea
x1 A1 + + xn An = (0),
es un subespacio vectorial de Kn .
128
lgebra
x1 A1 + + xn An = b,
es compatible, S es su conjunto solucin, y (1 , , n ) S, entonces
(1 , , n ) Kn
((1 , , n ) S ((1 , , n ) (1 , , n )) SH )
Demostracin Ejercicio.
S=
(1 , , n ) Kn
(1 , , n ) SH ..
(1 , , n ) = (1 , , n ) + (1 , , n )
S = (1 , , n ) + SH .
Por otra parte, si (1 , , n ) es una solucin cualquiera de la ecuacin
lineal
x1 A1 + + xn An = b,
y (1 , , n ) es una solucin de la ecuacin lineal
x1 A1 + + xn An = c,
resulta que (1 + 1 , , n + n ) es solucin de la ecuacin lineal
x1 A1 + + xn An = b + c.
Este hecho se conoce con el nombre de principio de superposicin de
soluciones.
lgebra
129
u S 1 , , r K tal que u = s + 1 w1 + + r wr .
1
2
+y
1
2
+z
1
2
2
4
.
1
2
1
2
1
2
2
1
1
1
1
L(
,
,
) = L(
).
4
2
2
2
2
El conjunto solucin se puede expresar mediante la suma de una solucin
particular del sistema a todas las del homogneo. Resolviendo el sistema
homogneo asociado por el mtodo de Gauss-Jordan tenemos que la solucin
es
x = s t,
y = s,
z = t,
es un sistema ligado y
130
lgebra
es decir,
x
1
1
y = s 1 + t 0
z
0
1
o, si se preere,
S = {(x, y, z) R3
, R .. (x, y, z) =
}.
= (0, 0, 2) + (1, 1, 0) + (1, 0, 1)
Fi = Fi ( = 0)
Fi Fj
TRANSFORMACIN INVERSA
Fi = Fi Fj
1
Fi = Fi
Fi Fj
lgebra
131
Ci = Ci ( = 0)
Ci Cj
TRANSFORMACIN INVERSA
Ci = Ci Cj
1
Ci = Ci
Ci Cj
S ij () = Sji ()
P i () = Pi ()
E ij = Eij
Adems vale el siguiente teorema:
t
A A ,
resulta que
A =AE
132
lgebra
Es decir, en este caso hay que multiplicar por la matriz elemental correspondiente pero por la derecha en lugar de por la izquierda.
sobre la matriz
1 0 2
A = 3 1 1 ,
0 1 4
u1 , , un L(v1 , , vm )
L(u1 , , un ) = L(v1 , , vm )
v1 , , vm L(u1 , , un )
lgebra
133
t1
tr
A , , B,
necesariamente rg(A) = rg(B).
Vamos a considerar ahora un tipo de matrices cuyo rango se calcula de
un modo sencillo:
134
lgebra
Ejemplo
2.9.5Las
siguientes
matrices son gaussianas
3 0 1
0 1
1 0 1 1 0
2 0 1 , 0 1
0 0 1 0 1
1 0 0
0 0
Sin embargo la matriz
0
0
,
0
0
0 1
1 0
2
1
2
0
0
0
0
0
0
0
1
1
1
1
0
1
1
1
1
1
0
1
0
2
1 0 0
0
, 0 1 0 .
0
0 0 1
0
L(A1 , , An ).
Demostracin Sea
I = {i {1, , n} Ai = (0) },
y supongamos que el nmero de elementos de I es k.
Por el teorema 2.9.3 podemos aplicar transformaciones elementales por
columna y suponer que la columnas nulas de A sean las ltimas. Entonces
I = {1, , k} k n.
Consideremos el sistema
(A1 , , Ak ).
Si demostramos que el sistema (A1 , , Ak ) es libre, habremos concluido
la demostracin, pues
i {k + 1, , n}, Ai = (0).
lgebra
135
1 A1 + + k Ak = (0).
t = min{i I |i = 0 },
resulta que At = (0) y, como A es una matriz gaussiana, existir
A(h, s) = 0,
o lo que es lo mismo,
y s {t + 1, , n},
At (h, 1) =
As (h, 1) = 0.
0 = (0)(h, 1) = t At + + k Ak (h, 1) =
= t At (h, 1) + + k Ak (h, 1) = t ,
de donde t = 0, lo que contradice que t = min{i I |i = 0 }.
136
lgebra
4. Hacemos j = j + 1.
5. Si j = n. FIN.
6. Si j < n ir al paso 2.
La nueva matriz obtenida tras el proceso anterior es una matriz gaussiana.
1
1
2
0
2
1
0
1
1
1
,
1
1
1 3
2 5
1 1 1
0 1 0
,
1 1 1
2 1 0
2
1 2 1
1
, 0 1 1
1
2 0 2
1
C i = (vi )B
y realizaremos transformaciones elementales por columnas sobre C hasta obtener una matriz gaussiana.
2 1 1
C= 1 1 0
1 0 0
y observamos que es una matriz gaussiana, por lo que rg(C) = 3, i.e.,
rg((2, 1, 1), (1, 1, 0), (1, 0, 0)) = rg((2, 1, 1)B3 , (1, 1, 0)B3 , (1, 0, 0)B3 ) =
= rg(C) = 3
es decir {(2, 1, 1), (1, 1, 0), (1, 0, 0)} es libre, y puesto que dim(R3 ) = 3, resulta
que es una base de R3 .
lgebra
137
1
2
0
1
0
1
A=
2 0 2 .
0 2 1
El rango del sistema de vectores es el rango de A.
1
2
0
1
2 1
1
c3 = c3 2 c2
1
c3 = c3 c1 1
0
1
0
0
2 0 2
2 0
0
0 2 1
0 2 1
1
2 0
1
0 0
2 0 0
0 2 0
con lo que
1
2
1 0
L(
2 0
0
2
0
1
2
0
1
1 0 0 ) =
)
=
L(
2 0 0
2
1
0
2
0
1
2
1 0
= L(
2 0 )
0
2
con lo que los vectores cuyas coordenadas corresponden a estas dos ltimas
matrices columna son linealmente independientes y constituyen una base del
subespacio considerado, es decir, (1 + x 2x2 , 2 2x3 ) es una base de
L(1 + x 2x2 , 2 2x3 , x 2x2 + x3 ).
138
lgebra
a la matriz (U |I4 ) se
obtiene:
1
0
0 0 0 0
1 1 1 0 0 0
1 1 0 1 0 0 c2 = c2 c1 1 2
1 1 0 0
2 1 0 0 1 0 c3 = c3 c1 2 1 2 0 1 0
0
1
0 0 0 1
0 1 0 0 0 1
lgebra
139
c6 = c6 c2
1
0
0
1 2
1
2 1 2
0
1
0
1
0
0
1 2
1
2 1 2
0
1
0
0 0 0
0 0 0
2 1 3
0 0 0
0 0
c4 = c4 c3
0 2
c6 = c6 + 2c3
1 1
0 0
1
0
0
c5 = c5 12 c4
1
2
1
c6 = c6 + 32 c4
2 1 2
0
1
0
0
1
0
0
0
0
2
0
0
0
0
0
0
0
.
0
0
Vamos a demostrar que la dimensin del espacio la de una matriz coincide con la dimensin de su espacio columna:
Am = cm1 b1 + + cmk bk .
Ahora bien, esta ltimas son igualdades entre vectores de M1n (K), por lo
que los coecientes correspondientes de las matrices la situadas a ambos
lados de la igualdad debern coincidir, es decir, j {1, , n}
140
lgebra
a1j
c11
c1k
..
.
.
. = b1j .. + + bkj ..
amj
cm1
cmk
c1k
c11
A1 , , An L( ... , , ... )
cm1
cmk
con lo que
dim(L(A1 , , An )) k.
lgebra
141
Como colofn, y para nalizar esta parte del captulo, vamos a recoger
en un teorema varios resultados equivalentes como consecuencia de todo lo
visto:
1. A es invertible.
2. El sistema de ecuaciones lineales AX = (0) slo tiene la solucin
trivial.
3. A es equivalente por las a In .
4. El sistema AX = b es compatible determinado para toda matriz columnas b Mn1 (K).
5. rg(A) = n.
6. Los vectores la de A son linealmente independientes.
7. Los vectores columna de A son linealmente independiente.
8. det(A) = 0. (Esta ltima condicin quedar establecida ms claramente despus de realizar la prctica 2 en el aula informtica).
2.10
Ejercicios
142
lgebra
u+v u
lgebra
143
x=0
y=t
12. Demostrar que la recta r :
<t<
z=t
a) pertenece al plano 1 : 6x + 4y 4z = 0,
b) es paralela al plano 2 : 5x 3y + 3z = 1 y est por abajo de ste,
c) es paralela al plano 3 : 6x + 2y 2z = 1 y est por arriba de ste.
13. Encontrar la ecuacin del plano 1 que pasa por el punto P =
(3, 6, 7) y es paralelo al plano 2 : 5x 2y + z 5 = 0.
14.
Demostrar que las rectas
x 3 = 4t
x + 1 = 12s
y4=t
y 7 = 6s ,
r1 :
< t < y r2 :
z1=0
z 5 = 3s
se cortan y encontrar el punto de interseccin.
15.
<s<
15. Hallar la ecuacin del plano que contiene las rectas del ejercicio
v
v
144
lgebra
para
(1, 1, 1), (1, 1, 0), (1, 0, 0) y (1, 2, 3), (2, 0, 1), (1, 2, 2)
son libres o ligados.
25. Consideramos el Z2 espacio vectorial de los bytes (Z82 , +, ) con la
suma y producto por escalares ya denidos. Se pide determinar si el sistema
de vectores
(1, 0, 0, 0, 1, 1, 1, 0), (0, 1, 1, 1, 1, 1, 1, 0)
lgebra
145
1
3
0
2
1 1 2 1
1 3 2
1 0 1 7 1 1
2 1 2 1 3 4 .
A = 2 1 1 , B =
2 2 3 0 , C =
1 6 2 2
0 2 0
1 2 1 1 3 1
5 1 1 0
29. Encontrar una base y hallar la dimensin del espacio de matrices
triangulares superiormente T n (K).
T n (K) = { A= (aij ) Mn (K) | aij = 0 si j < i }.
30. En el espacio vectorial Z52 , hallar una base del subespacio vectorial
H = L({ 0 1 0 1 1
0 0 0 1 0
0 1 0 0 1
0 1 1 1 1 }).
146
lgebra
v + e1 ,
v e1 ,
1
v.
2
O = (0, 0, 0),
e1 = (1, 0, 0),
e2 = (0, 1, 0),
e3 = (0, 0, 1),
wv
= v
+ w
2 v
w cos().
vw = v
w cos().
lgebra
147
ax + by + c = 0,
(c R).
e1 e2 ,
e2 e3 ,
e3 e1 .
uv
= u
(u v)2
y, usando la identidad
uv = u
v cos() u, v R3 ,
deducir que
uv = u
v sen().
148
lgebra
d(P0 , r) =
|ax0 + by0 + c|
.
a 2 + b2
d(P0 , ) =
,
a2 + b2 + c2
x = 3 + 2k
x = 1 + t
r : y = 3k
y s : y = 2 3t
(k, t R)
z = 2 k
z =t
3
y el plano : 2x y + z = 0.
b) Calcular el coseno del ngulo que forman las rectas r y s.
12. Determinar si existen valores de los parmetros reales s y t tales que
la recta l en R3 de ecuaciones implcitas
sx + 3y + z
=0
,
x + ty + 2z + 1 = 0
lgebra
149
x = 2k
1
y = +k
2
z = 3 3k
2
(k R).
M ={
0 x y
z 0 u
: x, y, z, u Z2 }.
1 1
v1 = (, , ),
2 2
1
1
v2 = ( , , ),
2
2
1 1
v3 = ( , , ).
2 2
150
lgebra
17. Vericar si los siguientes subconjuntos del espacio de todas las funciones
reales, F(R, R), son linealmente independientes:
H={
a
b
c (a + b + c)
: a, b, c R}.
H = {(xn )nN : n 2,
lgebra
151
1
A = 2
1
1 1 0
1 2 0 M3,4 (Z3 )
0 0 1
2 1 5
B = 0 4 1 M3 (R).
6 1 16
24. Utilizar el mtodo de Gauss para hallar una base del Csubespacio de
C3 :
L((1, 0, i), (i, 0, 0), (0, i, 4), (1, 1, 1)).
152
lgebra
Captulo 3
Funciones lineales
Otra de las caractersticas esenciales estrechamente relacionada con el concepto de espacio vectorial tiene que ver con las propiedades de proporcionalidad y aditividad , propiedades stas que siempre se satisfacen en los
problemas matemticos denominados problemas lineales. La propiedad
de aditividad consiste en que si los vectores u y v son soluciones del problema, entonces el vector u + v tambin es solucin de dicho problema y la
proporcionalidad en que si el vector u es una solucin del problema, entonces
el vector u tambin lo es, siendo normalmente un nmero real o un
nmero complejo.
Hay que decir que en cualquier caso los problemas lineales son ms
sencillos de resolver que los no lineales y en muchas ocasiones resolver un
problema no lineal consiste, al menos en una primera aproximacin, en plantear y resolver un problema lineal que aproxime , valga la redundancia, el
problema no lineal planteado.
En este captulo se denen y estudian las funciones lineales entre espacios
vectoriales. Las funciones lineales son las ms naturales en el contexto del
lgebra lineal ya que, por su denicin, respectan la estructura de espacio
vectorial.
Veremos que una funcin lineal se puede representar por medio de una
matriz determinada por la eleccin de bases en su dominio y codominio.
Este hecho nos permite trabajar desde dos puntos de vista distintos pero
estrechamente relacionados: un primer ms analtico, que se basa en el uso
de las propiedades generales de las funciones y un segundo ms algebraico,
donde tiene mayor importancia la teora matricial.
153
154
lgebra
lgebra
155
f (u + v) = f (u) + f (v) =
= (por la condicin 2) =
= f (u) + f (v).
Recprocamente, supongamos que u, v E , K se verica
que
f (u + v) = f (u) + f (v).
Hay que demostrar que f satisface las condiciones 1 y 2 de la denicin 3.1.1.
Dados u, v E, tomando = = 1, resulta que
f (u + v) = f (1 u + 1 v) =
= 1 f (u) + 1 f (v) =
= f (u) + f (v),
con lo que se satisface la condicin 1. Por otra parte, dados u E y K,
resulta que
i ui
i=1
i f (ui ).
i=1
n N,
u1 , ...., un E y
f
1 , ...., n K,
i ui
i=1
i f (ui ).
=
i=1
156
lgebra
Ei
ui
AX
donde es el producto usual de matrices, es lineal.
lgebra
157
(f + g) =
a
f+
a
y que
g
a
(f ) =
a
f,
a
I : C([a, b], R)
R
b
Ejemplo 3.1.8 Siendo (a, b) cualquier intervalo abierto de la recta real am-
de las funciones reales denidas en (a, b), derivables en todo punto de (a, b)
y tales que la funcin derivada es continua en (a, b). Teniendo en cuenta que
la suma de funciones derivables es derivable y que la funcin resultante de
multiplicar un nmero real por una funcin derivable es una funcin derivable
(y que lo mismo sucede con las funciones continuas), resulta que
D(f ) :
(a, b)
x
R
.
D(f )(x) = f (x)
158
lgebra
y que
D(f ) = D(f ),
resulta que la siguiente funcin derivacin es lineal:
D(f )
se verica que
1. f (0) = 0;
2. u E , f (u) = f (u).
lgebra
159
Proposicin 3.2.3 Siendo E y E Ke.v., si denotamos por F(E, E ) al espacio de todas las funciones denidas entre E y E , y por L(E,E ) al conjunto
de las funciones lineales denidas entre E y E , es decir,
L(E, E ) F (E, E ),
o lo que es lo mismo, que L(E,E ) tiene estructura de espacio vectorial respecto de la suma de funciones y producto de una funcin por un escalar denidos
en F(E, E ).
(f + g)(u + v) =
=
=
=
=
f (u + v) + g(u + v) =
(f (u) + f (v)) + (g(u) + g(v) =
(por ser + asociativa y conmutativa en (E , +))
(f (u) + g(u)) + (f (v) + g(v)) =
(f + g)(u) + (f + g)(v).
(f ) (u + v) =
=
=
=
f (u + v) = (f (u) + f (v)) =
f (u) + f (v) =
(por ser conmutativo en K) =
f (u) + f (v) = (f ) (u) + (f ) (v).
160
lgebra
En
E
.
(u1 , ..., un ) 1 u1 + ... + n un
p1 + p2 + p3 :
R3
(x1 , x2 , x3 )
R
.
x1 + x2 + x3
g(f (u + v)) =
(por ser f lineal) =
g(f (u) + f (v)) =
(por ser g lineal) =
g(f (u)) + g(f (v)) =
(g f )(u) + (g f )(v).
lgebra
161
3.3
Ncleo e imagen
La siguiente proposicin arma que las funciones lineales preservan los subespacios vectoriales:
que
1. H E, (H E f (H) E ) y
2. H E , (H E f 1 (H ) E) ;
en otras palabras: la imagen directa y recproca de un subespacio
vectorial por una funcin lineal es un subespacio vectorial.
f (0) = 0,
tendremos que 0 f (H). Por otra parte, si u , v f (H) y , K,
tendremos, por denicin de f (H), que existen u, v H tales que
f (u) = u y f (v) = v .
Por consiguiente
u + v
= f (u) + f (v) =
= (puesto que f es lineal) =
= f (u + v)
162
lgebra
u + v f (H)
y en denitiva f (H) E .
2. Supongamos que H E . En ese caso 0 H y, puesto que
f (0) = 0,
tendremos que
0 f 1 (H ).
f (u), f (v) H
y, puesto que H E , tendremos que
f (u) + f (v) H
pero, al ser f lineal,
u + v f 1 (H ).
lgebra
163
Ker(f ) E
y que
Im(f ) E .
Ejercicio 3.3.2 Sea E = C 1 (R, R), y sea E = F(R, R). Determinar el ncleo de la funcin derivacin
, , R, el conjunto
H = (x1 , x2 , x3 ) R3 x1 + x2 + x3 = 0
es un subespacio vectorial de R3 , consiste en tener en cuenta que la funcin
p1 + p2 + p3 :
R3
(x1 , x2 , x3 )
R
x1 + x2 + x3
es lineal y que
H = Ker(p1 + p2 + p3 ).
164
lgebra
f (a1 ) = f (a2 ) a1 = a2 .
verica que
f (u) = 0 y f (0) = 0,
y, puesto que por hiptesis f es inyectiva, conclumos que u = 0, con lo que
Ker(f ) {0}. En denitiva, Ker(f ) = {0}.
Supongamos que Ker(f ) = {0} y que u, v E son tales que f (u) =
f (v). En ese caso f (u) + (f (v)) = 0 y, puesto que f es lineal,
lgebra
165
Ejemplo 3.3.10 La funcin derivacin D : C 1 (R, R) F (R, R) no es inyectiva, ya que Ker(D) es el conjunto de las funciones constantes sobre R.
3.4
Denicin 3.4.1 Siendo E y E dos K e.v., se dice que E y E son isomorfos si existe una funcin f : E E tal que f es lineal y biyectiva.
Si f : E E es lineal y biyectiva, se dice que f es un isomorsmo (no
singular).
Proposicin 3.4.2 Si f : E E es un isomorsmo, f 1 : E E es
tambin un isomorsmo.
f (u) = u
y f (v) = v
166
lgebra
f 1 (u + v ) = f 1 (f (u) + f (v)) =
(por ser f lineal)
= f 1 (f (u + v)) = u + v = f 1 (u ) + f 1 (v ).
2. Sean u E y K. Razonando de igual modo que en el apartado
anterior, si f 1 (u ) = u o, lo que es lo mismo, f (u) = u , resulta que
f 1 (u ) = f 1 (f (u)) =
= f 1 (f (u)) = u = f 1 (u ).
Kn
(x1 , ..., xn )
M
n1 (K)
x1
...
xn
IF :
Kn
(x1 ...xn )
M1n (K)
x1 xn
lgebra
3.5
167
f (ui ) = vi .
n
i=1
i=1
i ui . Denimos
n
i=1
i ui y v =
n
i=1
i ui ,
168
lgebra
resulta que
n
f (u + v) = f (
i ui
i=1
i ui ) =
i=1
= f(
(i + i )ui ) =
i=1
n
(i + i )vi =
i=1
i vi
i ui
i=1
= f (u) + f (v).
i=1
ui = 0 u1 + ... + 1 ui + ... + 0 un
y, por consiguiente,
w=
i ui .
i=1
Ahora bien,
n
g(w) = g(
i ui ) =
i=1
i g(ui ) =
i=1
n
i vi =
i=1
=
i=1
= f(
i ui ) = f (w),
i=1
lgebra
169
i=1
i vi = 0. Entonces
n
0=
i vi =
i=1
Ya que f es inyectiva,
i f (ui ) = f (
i=1
n
i=1
i ui ).
i=1
(1 , , n ) = (0, , 0).
Si w Ker(f ), siendo w =
n
i=1
i ui resulta que
f (w) = 0 = f (
i ui ) =
i=1
i f (ui ) =
i=1
i vi ,
i=1
v = f (u) =
i=1
i ui E tal
i f (ui ) =
i=1
i vi L(v1 , , vn ).
i=1
170
lgebra
v=
i=1
es un isomorsmo.
i ui (v)B = ... ,
n
lgebra
171
Mn1 (K)
1 si j = i
0 si j = i
o, lo que es lo mismo, siendo (e1 , ..., en ) la base cannica de Mn1 (K), que
empleando la notacin habitual de matrices se escribira
0
0
1
0
0 1
(e1 , ..., en ) = .. , .. , , .. ,
.
. .
i {1, ..., n}
(ui )B = ei
Bc = (e1 , ..., en )
es una base de Mn1 (K), es inmediato comprobar que ()B es un isomorsmo.
{v1 , ...., vm } es ligado el sistema {(v1 )B , ...., (vm )B } de Mn1 (K) es ligado;
{v1 , ...., vm } es libre el sistema {(v1 )B , ...., (vm )B } de Mn1 (K) es libre;
{v1 , ...., vn } es una base de E {(v1 )B , ...., (vn )B } es una base de Mn1 (K).
172
lgebra
Ejemplos.
1
1
1
{ 1 , 1 , 1 }
1
1
0
es libre (respectivamente ligado).
2. En el C e.v. P4 (C) = {f C[x] |
{x + 3x2 , 2 + x, 3 + x3 , 1 + x4 }
es libre (respectivamente ligado) si y slo si el sistema de M41 (C) formado
por sus coordenadas respecto de la base usual de P4 (C), {1, x, x2 , x3 , x4 },
0
2
3
1
1 1 0 0
{
3 , 0 , 0 , 0 }
0 0 1 0
0
0
0
1
es libre (respectivamente ligado).
lgebra
173
Demostracin Sean {u1 , ...., ur } una base de Ker(f ) y {v1 , ...., vp } una
base de Im(f ). Sean, por otra parte, {w1 , ..., wp } tales que
f (wi ) = vi .
i ui +
En ese caso
j=1
p
(3.1)
j wj = 0.
i=1
i ui +
j wj
i=1
= f (0) = 0.
j=1
i f (ui ) +
i=1
j f (wj ) = 0,
j=1
j vj =
j=1
0, con lo que, al ser {v1 , ...., vp } libre, obtenemos que (1 , ..., p ) = (0, ..., 0);
pero entonces la relacin (3.1) queda
i=1
i=1
f (u) =
i vi =
i=1
i f (wi ) = f (
i=1
i wi ),
i=1
174
lgebra
o sea,
p
0 = f (u) f (
i wi ) =
i=1
= f (u
i wi ),
i=1
con lo que
i w i
Ker(f ),
i=1
(1 , ...., r ) K .. u
i w i
i=1
y resulta que , u =
i wi
i=1
j uj
j uj ,
j=1
j=1
1j
j {1, ..., n}
(f (uj ))B = ... Mm1 (K),
mj
lgebra
175
j {1, ..., n}
(f (uj ))B =
ij (vi )B .
i=1
n
j=1
xj uj , es decir, que
x1
(w)B = ... .
xn
En ese caso, f (w) = f (
j=1
cuenta que
x j uj ) =
j=1
()B : E
v
Mm1 (K)
(v)B
es un isomorsmo,
n
(f (w))B
xj f (uj )
j=1
n
xj (f (uj ))B =
j=1
B
m
xj
j=1
m
ij (vi )B
i=1
xj (ij (vi )B ) =
j=1 i=1
xj ij
i=1
(vi )B
j=1
Es decir,
(f (w))B
n
j=1
n
j=1
xj 1j
..
.
xj nj
176
lgebra
11 1n
x1
.. .. .
(f (w))B = ...
. .
m1 mn
xn
11 1n
..
.. , tendremos que
En denitiva, si A = .
.
m1 mn
(f (w))B = A (w)B .
A la matriz A la denominaremos matriz asociada a la funcin lineal f
respecto de las bases B y B y la denotaremos por MBB (f ).
Ntase que MBB (f ) Mmn (K), donde m = dim(E ) y n = dim(E).
En resumen:
1j
mj
EJEMPLOS:
1. Si consideramos en R3 y R2 sus estructuras habituales de R e.v. y la
funcin lineal f : R3 R2 determinada por
lgebra
177
B3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, B2 = {(1, 0), (0, 1)},
MBB23 (f ) =
1 0 3
2 1
2
f (0, 1, 1) = (3, 1 +
con lo que
2),
4
3 3
2
3+ 2 1+ 2
MBB2 (f ) =
K e.v. E,
MBB (IdE ) = In .
As por ejemplo, siendo
1 0 0
MBBn (IdKn ) = 1 1 0 .
1 1 1
178
lgebra
Kn
K
,
(x1 , ..., xn ) xi
pi :
MBB1n (pi ) = ( 0
0 1(i) 0
0 ).
4. Si en el C e.v.
B = {1, x, x2 , x3 }
y la funcin lineal f : P3 (C) P3 (C) tal que
f (1)
f (x)
f (x2 )
f (x3 )
resulta que
=
=
=
=
1
MBB (f ) =
3
0
x + 3x2 ,
2 + x,
3 + x3
1 + x3 ,
2 3 1
1 0 0
.
0 0 0
0 1 1
lgebra
179
B (f )
MB
In
A
P
MBB (f )
In
1 2 3
1 2 1
=
1 0 0
0 1 0
0 0 1
c2 = c2 2c1
c3 = c3 + 3c1
c3 = c3 + c2
1 0 0
1 4 0
1 2 1
0 1 1
0 0 1
1 0 0
1 4 4
1 2 3
0 1 0
0 0 1
y {(1, 1), (0, 4)} es una base de Im(f ) y {(1, 1, 1)} es una base de Ker(f ).
180
lgebra
Demostracin 1. Es evidente.
1
0
0 1
0
0
..
.
},
resulta que, por hiptesis, i {1, ..., n}, A ei = (0) Mm1 (K), pero por
otra parte, j {1, ..., m}
n
(A ei )(j, 1) =
i {1, ..., n}
A ei = (0) = Ai ,
lgebra
181
dim(E) = n,
dim(E ) = m,
dim(E ) = p.
gf
EB
()B
EB
()B
Mn1 (K)
B (f )
MB
Mm1 (K)
EB
()B
B (g)
MB
Mp1 (K)
B (gf )
MB
La conclusin es que
Adems
es decir, u E,
182
lgebra
MBB22 (g) =
0 1 2
2 1 1
1 0
0 1
resulta que
0 1 2
2 1 1
1 0
0 1
0 1 2
2 1 1
lgebra
183
MBB (IdE )
= MBB (IdE ).
En consecuencia,
A = MBB (IdE ),
entonces la matriz A es invertible, y adems
A1 = MBB (IdE ).
Otra de las aplicaciones de la proposicin (3.5.7) consiste en que nos
aporta un mtodo para obtener la matriz MBB (f ) de una funcin lineal f :
184
lgebra
(3.3)
(3.4)
equivalencia.
0 1 2
2 1 1
siendo
B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}, y B = {(1, 1), (0, 1)},
obtener las matrices MBB2 (f ), MBB3 (f ) y MBB (f ).
lgebra
185
MBB2 (IdR2 ) =
0 1
2 1
por otra parte, para hallar MBB2 (IdR2 ) , podemos, o bien calcular por cualquier mtodo que se conozca la matriz inversa de MBB2 (IdR2 ), o bien, tener
en cuenta que los vectores columna de MBB2 (IdR2 ) son las coordenadas de
los vectores de la base cannica respecto de B. Si resolvemos el sistema de
ecuaciones en , , y que se obtiene al escribir
llegamos a que
12 12
1 0
= MBB2 (IdR2 ).
x = a
r : y = b
R,
z = c
donde el vector u = (a, b, c), paralelo a r, es una base de r.
Notar que R = Rdim(r) y que la funcin
g : R R3 ,
186
lgebra
denida por
r = Im(g).
Se sigue que g : R r es un isomorsmo.
Para el plano las ecuaciones paramtricas son
x = u1 + v1
: y = u2 + v2
, R,
z = u3 + v3
donde los vectores u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ), linealmente independientes, forman una base de .
Notar que, en este caso, R2 = Rdim() y que la funcin
g : R2 R3 ,
denida por
g(, ) = u + v,
es lineal, inyectiva y
= Im(g).
Se sigue que g : R2 es un isomorsmo.
En general, sean E un K e.v. tal que dim(E) = n y H E, H = {0},
de manera que dim(H) = r > 0. Segn hemos visto, los espacios Kr y H son
isomorfos. Si g : Kr H es un isomorsmo y u E, tendremos que
r
es decir,
lgebra
187
sea H el subespacio generado por el sistema {(1, 1, 0), (1, 2, 1)}. Teniendo en
cuenta que este sistema es libre, resulta que dicho sistema es una base de
H y que H es un plano por (0, 0, 0). Dado entonces (x, y, z) R3 , resulta
que (x, y, z) H si y solo si (, ) R2 tal que (x, y, z) = (1, 1, 0) +
(1, 2, 1), es decir, (x, y, z) = ( +,
+ 2, ). Si g
: R2 H es el
1
1
1
2 , entonces
isomorsmo denido por g(1, 0) =
y g(0, 1) =
0
1
1 1
B2
1 2 .
MB3 (g) =
0 1
1
1
1 , ((1, 2, 1))B3 =
2 ,
Teniendo en cuenta que ((1, 1, 0))B3 =
0
1
las ecuaciones paramtricas de H respecto de la base B3 se escribiran:
(u)B3
1 1
= 1 2
0 1
x
o, en forma de sistema de ecuaciones, siendo y las coordenadas respecto
z
de B3 de un vector genrico de H ,
188
lgebra
x=+
y = + 2 .
z=
Volviendo al caso de una recta r y un plano por (0, 0, 0) en R3 , vimos
que sus ecuaciones implcitas son
r:
h1 (x, y, z) = a1 x + b1 y + c1 z + d1 = 0
h2 (x, y, z) = a2 x + b2 y + c2 z + d2 = 0
: h(x, y, z) = ax + by + cz + d = 0.
En el caso de la recta r, si denimos la funcin h : R3 R2 como
h(x, y, z) = (h1 (x, y, z), h2 (x, y, z)), resulta que
extensin de una base, {ur+1 , ..., un } E tal que {u1 , ..., un } es una base
de E. Siendo {e1 , ..., enr } la base cannica de Knr consideramos la funcin
lineal h : E Knr determinada por las condiciones:
0 si i r
i {1, ..., n}, h(ui ) =
. Evidentemente H Ker(h), y
eir si i > r
puesto que el conjunto {e1 , ..., enr } Im(h), resulta que dim(Im(h)) = n
r, con lo que, teniendo en cuenta que dim(E) = n, resulta que dim(Ker(h)) =
lgebra
189
(o a su versin equivalente como sistema homogneo de ecuaciones) la denominaremos ecuaciones implcitas de H respecto de B.
subespacio generado por el sistema {(1, 1, 0), (1, 2, 1)}. Teniendo en cuenta
que este sistema es libre, resulta que dicho sistema es una base de H y que
H es un plano. Extendiendo este sistema con el vector (0, 1, 0), resulta que
y las
B son 0 0 1 (u)B = (0), o lo que es lo mismo, siendo
z
x
coordenadas de un vector genrico de H, 0 0 1 y = (0), que
z
escritas en forma de sistema de ecuaciones se reducen a z = 0.
190
lgebra
1 1 0
1 0 1
1
= 1 2 1 = 0 0 1 ,
en cuenta que MBB3 (Id) = MBB3 (Id)
0 1 0
1 1 1
resulta que las ecuaciones implcitas de H respecto de B3 son
1 0 1
x
0 0 1
0 0 1
y = (0),
1 1 1
z
es decir, x + y z = 0.
3.6 Ejercicios
3.6.1 Ejercicios resueltos
1. Razonar si las siguientes funciones son o no lineales (en cada uno de
los conjuntos considerados se considera su estructura habitual de espacio
vectorial):
a) f :
R3
R
b) f :
R3
R
(x, y, z)
x + 2y 3z
(x, y, z)
xyz
c) f :
R2
R
(x, y)
x2 + y
lgebra
191
a b
= 3a 4b + c d
c d
a b
b) T
= a 2 + b2
c d
es una transformacin lineal.
a) T
192
lgebra
10. Sea T1 : P1 P2 la transformacin lineal denida por
15 11 5
MBB (f ) = 20 15 8 .
8 7 6
lgebra
193
u1 = 2e1 + 3e2 + e3 ,
u2 = 3e1 + 4e2 + e3 ,
u3 = e1 + 2e2 + 2e3 .
15. Hallar una base del ncleo y una base de la imagen de la siguiente
funcin lineal:
f : R4 R3 determinada por las condiciones:
u1 = 2e1 + 3e2 ,
u2 = 3e1 + 4e2 ,
y B2 = {e1 , e2 } = {(1, 0), (0, 1)}. Siendo la funcin lineal f : R2 R2 tal
que su matriz asociada respecto de B es
MBB (f ) =
3 15
2 10
g:
h:
R3
R2
(x, y, z) (x y, y 2 )
R4
R2
(x, y, z, t) (2x 3y + t, z t)
194
lgebra
f : E K
no nula es sobreyectiva.
4. Sea D((a, b), R) el conjunto de funciones derivables reales de variable
real denidas en el intervalo (a, b) R.
(a) Demuestra que D((a, b), R) es un subespacio vectorial de F((a, b), R).
(b) Prueba que la aplicacin derivada
I : C([a, b], R)
R
b
f
I(f ) = a f (x)dx
es una aplicacin lineal.
6. Considera el espacio vectorial P3 (R) de polinomios de grado menor o
igual que 3 y las bases:
2x + 4x2 + x3 , 1 + x3 , 2 + 2x, 2 + x2 x3 .
lgebra
195
f (e1 ) = (2, 0, 1, 0)
f (e2 ) = (1, 3, 2, 3)
f (e3 ) = (1, 1, 1, 1)
(i) Halla f (x, y, z) para (x, y, z) R3 .
(ii) Calcula una base de Ker(f ).
(iii) Calcula una base de Im(f ).
8. Considera la aplicacin lineal denida por:
f : R3 R3 ,
3
f (x, y, z) = (x + 2y 2z, x + 4y 3z, x + 3y 2z)
2
Qu dimensin tiene
f:
g:
R3
R3
(x, y, z) (2x + y z, 3x + 2y 4z, x + 2y z)
R4
R3
(x, y, z, t) (2y 3z 3t, x + 2z + 4t, 2x + y + z)
h : R2
R4
denida por
e1
h(e1 ) = (2, 1, 0, 3)
e2 h(e2 ) = (1, 0, 1, 7)
196
lgebra
3 5
4
MBB33 (f ) = 2
5 2
0
2
5
Captulo 4
Espacios vectoriales eucldeos
En el captulo 2 hemos recordado la denicin de producto escalar de vectores
en R2 y R3 y hemos denido el producto escalar de vectores de Rn . La
longitud de un vector y ladistancia entre dos vectores quedaban denidas
por las expresiones u = u u y d(u, v) = u v = (u v) (u v).
Hay situaciones en las que es necesario utilizar otras distancias entre objetos, por ejemplo, cuando se pretende obtener la mejor aproximacin de
una funcin por medio de funciones que pertenecen a un subespacio vectorial determinado. Esto puede conseguirse deniendo un producto escalar
adecuado.
A lo largo del captulo consideraremos slo espacios vectoriales sobre R.
La teora para espacios vectoriales eucldeos complejos es una generalizacin
de la aqu presentada para espacios reales.
4.1
Producto escalar
(p.e. 1)
(p.e. 2)
(p.e. 3)
(p.e. 4)
198
lgebra
(x1 , x2 ), (y1 , y2 ) = x1 y1 + x2 y2
es un producto escalar. Como vimos, este producto escalar es el producto
escalar usual de R2 .
xi y i
i=1
(p(x), q(x))
p(x) q(x)dx,
1
(p(x), q(x))
ai bi ,
i=0
lgebra
199
< 3, x2 >1 =
3x2 dx = 2 y
< 3, x2 >0 = 3 0 = 0.
Observacin 46 Ntese que si (E, <, >) es un e.v.e., a partir de las propiedades del producto escalar se verica que
u, v, w E
y
u, v E
i < ui , v > .
i=1
Ejercicio 4.1.1 Demostrar que si (E, <, >) es un e.v.e., 1 , ..., n , 1 , ..., m
R y u1 , ..., un , v1 , ..., vm E, entonces
1 u1 + ... + n un , 1 v1 + ... + m vm =
= 1 1 < u1 , v1 > +... + 1 m < u1 , vm > +
+2 1 < u2 , v1 > +... + n m < un , vm >=
=
i j < ui , vj > .
i=1 j=1
Se sigue que un producto escalar es lineal en la primera y segunda variables, es decir, es una funcin bilineal. Adems, por valer las propiedades
(p.e. 3) y (p.e. 4), se dice que <, > es una funcin bilineal, simtrica y
denida positiva.
200
lgebra
(n. 1) u E
u 0 y
u = 0 u = 0,
(n. 2) u E k R
ku = |k| u ,
(n. 3) u, v E
u+v u + v
(desigualdad triangular).
< u, u >.
ku =
Ejercicio 4.2.1 Sea (E, <, >) un e.v.e.. Demostrar que u, v E, se veri-
ca que:
1.
2.
3.
u+v 2+ uv 2 =2 u 2+ v
< u, v >= 12 u + v 2 u 2 v
< u, v >= 14 u + v 2 u v 2
2
2
lgebra
201
< u + v, u + v > 0
pero
f () = a2 + 2b + c
segn es sabido, el grafo de f es una parbola de R2 y, puesto que si {u, v}
es libre, u + v = 0, R y
b2 ac < 0,
202
lgebra
es decir,
< u, u >
< v, v > = u v .
Adems
|< u, v >| =
u v b2 ac = 0
R tal que < u, u > +2 < u, v > +2 < v, v >= 0
R tal que < u + v, u + v >= 0
R tal que u + v = 0
R tal que u + v = 0
{u, v} es ligado.
A partir del resultado anterior se obtiene la propiedad (n. 3), la desigualdad triangular o desigualdad del tringulo, para norma eucldeas. Por tanto,
una norma eucldea es una norma.
Demostracin
u+v
u+v u + v .
lgebra
203
< u, v >
1.
u v
< u, v >
.
u v
u y v son ortogonales.
2
{u, v} es ligado uv = 0 uv = .
Para probar esta ltima parte, tngase en cuenta que, si por ejemplo uv = 0,
entonces |< u, v >| = u v y que, en tal caso, valen las conclusiones del
teorema (4.2.3).
Ejercicio 4.2.4 En el e.v.e. (R3 , <, >), donde <, > es el producto escalar
usual, determinar el ngulo formado por los vectores (1, 0, 1) y (0, 0, 1).
204
lgebra
Distancia eucldea
Finalmente, a partir del producto escalar, tambin podemos denir la distancia entre vectores.
Denicin 4.2.7 Si (E, <, >) es un e.v.e. y u, v E se denomina distancia eucldea de u a v y se denota por d(u, v) al nmero real
d(u, v) = u v =
< u v, u v >.
1. x, y E
2. x, y E
3. x, y, z E
d(x, y) 0.
d(x, y) = 0 x = y
d(x, z) d(x, y) + d(y, z).
Ejercicio 4.2.6 En el e.v.e (R3 , <, >), donde <, > es el producto escalar
3. i {1, ..., r}
ui = 1
Proposicin 4.3.2 Sean (E, <, >) un e.v.e. y {u1 , ..., ur } un sistema de
vectores de E \ {0}. Se verica que
lgebra
205
i {1, ..., r}
1 u1 + ... + r ur , ui =
= 1 < u1 , ui > +... + i < ui , ui > +... + r < ur , ui >=
= i ui 2 ,
puesto que si j = i < uj , ui >= 0. En denitiva,
i {1, ..., r} i = 0
y en consecuencia {u1 , ..., ur } es libre.
Denicin 4.3.3 Sean (E, <, >) un e.v.e y B = {u1 , ..., un } una base de E.
Se dice que B es una base ortogonal si el sistema {u1 , ..., un } es ortogonal y,
obviamente, se dice que B es una base ortonormal si el sistema {u1 , ..., un }
es ortonormal.
Obviamente si (E, <, >) un e.v.e. tal que dim(E) = n y {u1 , ..., un } es un
sistema ortogonal, necesariamente {u1 , ..., un } es una base ortogonal, siendo
libre como consecuencia de la proposicin anterior.
En el siguiente teorema expondremos un mtodo, conocido como mtodo
de ortogonalizacin de Gram-Schmidt, que nos va a permitir construir un sistema ortogonal a partir de un sistema dado (en particular una base ortogonal
a partir de una base dada).
La idea consiste en, partiendo del primer vector del sistema dado, que
coincidir con el primer vector del sistema ortogonal obtenido, ir construyendo el sistema de manera que cada vector que aadimos sea ortogonal a los
vectores ya construidos.
206
lgebra
Teorema 4.3.4 Sean (E, <, >) un e.v.e. y {u1 , ..., ur } un sistema libre de
E. En estas condiciones existe un sistema ortogonal {v1 , ..., vr } tal que
i {1, ..., r} L({v1 , ..., vi }) = L({u1 , ..., ui }).
vr+1 L({v1 , ..., vr , vr+1 }) = L({u1 , ..., ur , ur+1 }) = L({v1 , ..., vr , ur+1 }).
Pongamos
i {1, ..., r}
lgebra
207
puesto que el resto de los trminos son nulos, al ser ortogonal el sistema
{v1 , ..., vr } .
Imponiendo entonces la condicin
i =
qed
v1 = u1
< u 2 , v1 >
v1
< v 1 , v1 >
< u3 , v2 >
< u 3 , v1 >
v1
v2
= u3
< v 1 , v1 >
< v 2 , v2 >
..
.
< ur , vr1 >
< ur , v1 >
v1 ...
vr1 ,
= ur
< v 1 , v1 >
< vr1 , vr1 >
v2 = u2
v3
vr
wi =
vi
vi
i {1, ..., r}
wi =
vi
vi
1
vi = 1.
| vi |
208
lgebra
Coordenadas ortonormales
La pregunta que es natural hacerse es porqu nos interesa trabajar con bases
ortonormales? Aunque ms adelante veremos otras propiedades que tienen
que ver con la mejor aproximacin o aproximacin ptima de un vector por
vectores de un subespacio, la primera ventaja, que resulta evidente, es la
siguiente.
Si B = {w1 , ..., wn } es una base ortonormal de (E, <, >), las coordenadas de cualquier vector u E respecto de dicha base se pueden obtener en
funcin del producto escalar de u por los vectores de B, pues si
u = 1 w1 + ... + n wn
resulta que i {1, ..., n}
< u, wi > wi .
i=1
lgebra
209
< u, wi >2 .
=
i=1
Demostracin Sea B = {w1 , ..., wn } una base ortonormal de (E, <, >).
En ese caso
u=
< u, wi > wi ,
i=1
con lo que
n
= < u, u >=<
< u, wi > wi ,
i=1
< u, wi >< wi ,
i=1
< u, wi >
i=1
j=1
< u, wi >
i=1
wi
< u, wi >2 .
=
i=1
210
lgebra
j {1, , n}
uj =
< uj , qi > q i .
i=1
Sea R = (< qi , uj >) Mn (R) la matriz cuyas columnas son las coordenadas de los vectores (u1 , u2 , , un ) respecto de la base (q1 , q2 , , qn ).
Entonces
R=
,
..
..
..
..
.
.
.
.
Aj = (QR)j
0
< u2 , q2 >
R=
..
..
.
.
0
0
< un , qn >
y
A=QR .
..
.
< un , q1 >
< un , q2 >
..
.
< un , qn >
1 1
A = 0 1 .
1 1
1
1
Entonces u1 = 0 y u2 = 1 .
1
1
lgebra
211
0 = 1 .
v 1 = u1 , v 2 = u2
v1 = 1
< v1 , v1 >
2
1
1
0
Una base ortonormal del espacio columna de A es
1
0
2
v2
v1
= 0 ,
= 1 .
q2 =
q1 =
v1
v2
1
0
2
Por tanto,
1
Q=0
1
2
0
1 ,
0
R=
2
0
2
1
y A = QR.
4.4
Proyecciones ortogonales
Ejemplo 4.4.2 En (R3 , <, >), donde <, > es el producto escalar usual de
A = {v E |u A < v, u >= 0 }
212
lgebra
Demostracin Ejercicio.
Observacin 51 En el caso particular de que (E, <, >) sea un e.v.e. de
complemento ortogonal de H.
dim(H ) = n dim(H).
que dim(H) = r > 0. En ese caso, siendo {u1 , ..., ur } una base de H, por
el teorema de extensin de una base, existen ur+1 , ..., un tales que el sistema
{u1 , ..., ur , ur+1 , ..., un } es una base de E. Utilizando el mtodo de GramSchmidt y posteriormente dividiendo cada vector por su norma, obtenemos
una base ortonormal {w1 , ..., wr , wr+1 , ..., wn } de (E, <, >) tal que
{wr+1 , ..., wn }
es una base de H .
Evidentemente {wr+1 , ..., wn } es un sistema libre, puesto que es un subsistema de un sistema libre. Veamos que es tambin un sistema generador
de H :
si v H , como H E y {w1 , ..., wr , wr+1 , ..., wn } es una base de E,
existirn 1 , ..., r , r+1 , ..., n R tales que
lgebra
213
vectorial H y {w1 , ..., wr , wr+1 , ..., wn } es una base ortonormal del espacio E,
por la proposicin anterior {wr+1 , ..., wn } es una base de H , con lo que
h = 1 w1 + ... + r wr H
y por
resulta que
u E
!h H
!h H
tales que
u = h + h .
u = h + h
p
H (u) =< u, w1 > w1 + < u, w2 > w2 + + < u, wr > wr
Vericar que p
H es lineal.
u E.
214
lgebra
p
H (u) = h = 1 w1 + ... + r wr =< u, w1 > w1 + ...+ < u, wr > wr .
En el caso particular de que H = L({v}), puesto que
v
{
}
v
es una base ortonormal de H, la proyeccin ortogonal de u sobre H ser el
vector
v
v
< u, v >
h =< u,
>
=
v.
v
v
v 2
(p, q)
< p, q >1 =
p(x) q(x)dx,
1
u1 = x,
u2 = 1 + x
2
< 1 + x, x >1
x = 1 + x 32 x = 1.
< x, x >1
3
w1 =
Entonces
2
p
H (x )
u1
u1
=
1
x
2
3
3
x,
2
w2 =
u2
u2
1
= .
2
1
2
=< x , w1 >1 w1 + < x , w2 >1 w2 = 1 =
w2 .
3
3
2
Ejercicio 4.4.2 En (R3 , <, >) donde <, > es el producto escalar usual de
lgebra
215
Lema 4.4.7 Si {w1 , ..., wr } es un sistema ortonormal del e.v.e. (E, <, >) y
u E, se verica que i {1, ..., r} el vector
r
< u, wj > wj
j=1
es ortogonal al vector wi .
< u
< u, wj > wj
, wi >=
j=1
r
= < u, wi >
j=1
Teorema 4.4.8 Sean {w1 , ..., wr } un sistema ortonormal del (E, <, >) y
H = L(w1 , ..., wr ). Entonces, para todo u E, se verica que
d(u, p
H (u)) d(u, w)
En otras palabras, p
H (u) =
r
i=1
w H.
216
lgebra
d(u, p
H (u)) = d(u,
< u, wi > wi ) = u
< u, wi > wi
i=1
i=1
< u, wi > wi
i=1
i=1
i wi es un vector de H,
2
r
2
d(u, w) = u
i wi
i=1
2
i wi
p
H (u) + pH (u)
i=1
2
(u
p
H (u))
i=1
ya que u
p
H (u)
H y
2
p
H (u)
con lo que
u p
H (u)
d(u, w)2 .
Ejercicio 4.4.3 En (R3 , <, >), donde <, > es el producto escalar usual de
R3 , hallar la mejor aproximacin del vector (1, 0, 1) por vectores del subespacio H = L((1, 2, 1), (1, 0, 0)).
lgebra
217
(p, q)
< p, q >1 =
p(x) q(x)dx,
1
4.5
Ejercicios
218
lgebra
3
2. Considera la funcin proyeccin ortogonal p
V de R sobre el subespacio
V del ejercicio anterior como aplicacin de R3 a R3 . Calcula:
B3
MBB (p
V ) y MB3 (pV )
1
2
2
la matriz
0 3
1 0
2 1
4. Calcula las ecuaciones implcitas y paramtricas del complemento ortogonal de los siguientes subespacios:
W = L({1, 2, 3)}) R3
p(x), q(x)
p(x) q(x)dx
1
Obtn, mediante el mtodo de Gram-Schmidt, una base ortonormal de (P2 (R), , 1 ) a partir de la base B3 = {1, x, x2 }.
Calcula las normas de los vectores de B3 y los ngulos que forman
dos a dos.
Captulo 5
Cdigos lineales
5.1
Introduccin
Codicador
Decodicador
Mensaje original
Mensaje decodicado
220
lgebra
Ejemplo 5.1.1 Si n = 3,
Z32 = {000, 100, 010, 001, 110, 101, 011, 111}
es el conjunto de las palabras binarias de longitud 3.
Cada uno de los smbolos de una palabra es un bit (binary digit).
Zn2 .
ABAJO,
IZQU IERDA,
DERECHA.
Longitud
2
3
6
ARRIBA
00
000
000000
ABAJO
10
110
111000
IZQUIERDA
01
011
001110
DERECHA
11
101
110011
Entonces:
C1 no tiene capacidad de detectar errores (alterando un bit se obtiene una
palabra del cdigo).
C2 es capaz de detectar un error individual (alterando un bit se obtiene
una palabra que no puede ser del cdigo) y no puede corregir errores. Por
ejemplo, 111 puede ser el resultado de un nico error en las tres palabras del
cdigo 110, 011 o 101.
C3 es capaz de detectar un error individual y corregirlo (dos palabras
distintas del cdigo no pueden transformarse en la misma palabra si hay un
nico error).
lgebra
221
k+(nk)
mensaje Z
k
2
1
0
..
.
codicador
1
0
..
.
transmisi
on
1
..
.
Z2k+(nk)
transmisi
on
?
?
..
.
?
..
.
mensaje Zk2
decodicador
1
0
..
.
222
lgebra
de ceros y unos) del cdigo compuesto por cadenas de longitud k +
(n k) = n (cdigo de tipo (n, k), es decir, con n k smbolos de
informacin redundante). A continuacin transmitimos dicha palabra
y, dependiendo de la informacin recibida, el decodicador detecta si
se ha producido error en la transmisin. En el caso de que sea posible,
reconstruye el mensaje.
Ejemplo 5.2.2
d(1101, 1000) = 2,
d(1010101, 1100100) = 3.
i) d(a, b) = 0
a=b
ii)
d(a, b)
=
d(b, a)
iii)
d(a, b)
d(a, c) + d(c, b).
lgebra
223
dmin 2e + 1.
d(b, z) e + 1.
Se sigue que c es la nica palabra de C a distancia e de z.
10000010 y 01000111
son palabras del cdigo mientras que 01000110 no lo es.
Esta codicacin (8, 7) permite detectar algunos errores de transmisin
pero no corregirlos. Ms exactamente podemos reconocer aquellas situaciones
en las que se produce un nmero impar de errores en la transmisin de los 8
bits. Por tanto la probabilidad de error no detectable en la transmisin es:
224
lgebra
Perr = P2 + P4 + P6 + P8 =
8
= p2 (1 p)6
+
2
8
+
+p4 (1 p)4
4
8
+p6 (1 p)2
+
6
+p8
Por ejemplo si la probabilidad p de error en el canal es 0.01 la probabilidad
de error no detectable con esta codicacin es 0.0026368.
cdigo
000
111
decodicacin
0
0
0
1
0
1
1
1
lgebra
225
Perr = P2 + P3 = p2 (1 p)
3
+ p3
2
5.3
Cdigos lineales
Denicin 5.3.1 Diremos que un cdigo C Zn2 es lineal si C es un subespacio vectorial de Zn2 .
g : Zk2 Zn2
denida por
g(ei ) = ui
(i = 1, , k),
226
lgebra
(uk )Bn
Zk2
(x1 , . . . , xk )
C
x1
..
t
G .
xk
x1
..
k
t
cia a cada palabra (x1 , . . . , xk ) Z2 la palabra G . M1n (Z2 )
xk
Zn2 (implcitamente estamos identicando la matrices la de n columnas con
los elementos de Zn2 , circunstancia que mantendremos en todo el desarrollo
del captulo para mayor simplicidad).
Teniendo en cuenta que
x1
.
t
t
G .. = (x1 . . . xk ) (G),
xk
nuestra pregunta inmediata es cmo invertir el proceso? o, si se preere,
existe alguna matriz que permita invertir el proceso de manera que, en
la hiptesis de que el canal no tuviese ruidos, nos permitiese recuperar el
mensaje original segn el esquema siguiente?:
Zk2
(x1 , . . . , xk ) (x1
C
...
xk ) t (G)
lgebra
227
(x1
...
Zk2
xk ) t (G) (t (G))1 = (x1 , . . . , xk )
h : Zn2 Znk
2
tal que C = ker(h). Por tanto la funcin h determina las ecuaciones implcitas del cdigo C.
x1
(x1 , . . . , xn ) C H ... = 0.
xn
Se sigue que la matriz H que queda asociada a la funcin lineal h al elegir
(nk)
n
las bases cannicas de Zn2 y Z2
es H = MBBnk
(h) M(nk)n y es una
matriz de control para el cdigo C. Siendo C = ker(h), el rango de la matriz
H es n k. Se sigue que
228
lgebra
h:
Zn2
(x1 , . . . , xn )
nk
Z
2
x1
.
t
H ..
xn
H t1 t2
tk A
,
In
P
donde t1 , t2 , . . . , tk son transformaciones elementales por columnas (efectuadas sobre ambas matrices) y A es una matriz gaussiana.
En tal circunstancia sabemos que las columnas de P que aparezcan bajo
las columnas nulas de A constituyen una base (salvo transposicin) del ncleo
de h y, por consiguiente, constituyen una matriz generadora de C.
Ejercicio 5.3.7 Determinar una matriz generadora del cdigo cuya matriz
de control es:
H=
1 0 1 0
1 1 1 1
lgebra
229
G=
(uk )Bn
g : Zk2
(x1 , . . . , xk )
C
x1
.
t
G .. .
xk
(a11
(a21
a12
a22
..
.
(a(nk)1 a(nk)2
a1n )
a2n )
a(nk)n )
tales que:
1. i {1, . . . , n k} , se tenga que
(u1 )Bn = 0, ,
(uk )Bn = 0,
i {1, . . . , n k} ,
ai1 ai2
ain
G = 0.
230
lgebra
H=
a11
a21
..
.
a12
a22
..
.
a(nk)1 a(nk)2
a1n
a2n
..
.
a(nk)n
tendremos que:
1. H G = 0 y en consecuencia el cdigo C est contenido en el ncleo de
la funcin lineal
Zn2
(x1 , . . . , xn )
h:
Z2nk
x1
.
t
H .. .
xn
x1
(x1 , . . . , xn ) C H ... = 0,
xn
es decir, H es una matriz de control del cdigo C. Ahora bien, buscar (n k)
las que constituyan un sistema de vectores libre y de manera que
ai1 ai2
i {1, . . . , n k} ,
ain
G=0
(G)
x1
x2
..
.
xn
= 0.
lgebra
231
G In
T
H
G=
Ik
(0)
T G = Ik
H G = (0) .
Zk2
(x1 , . . . , xk ) (x1
C
...
xk ) t (G)
232
lgebra
(x1
...
Zk2
xk ) (G) t (T) = (x1 , . . . , xk ) .
t
Ejercicio 5.3.8 Determinar una matriz de control del cdigo cuya matriz
generadora es:
1
0
G =
1
1
0
1
0
1
0
0
.
1
1
Denicin 5.3.5 Si H M(nk)n (Z2 ) es una matriz de control de un cdigo C y u Zn2 llamaremos sndrome de u al producto H (u)Bn .
Evidentemente u pertenece al cdigo C si y slo si su sndrome es 0 y,
segn hemos visto, el sndrome de la palabra recibida x + e coincide con el
sndrome del error de transmisin e. Por consiguiente, si para cada palabra no
perteneciente al cdigo hubiese un nico error que tuviese su mismo sndrome,
sera sencillsimo corregir el error cometido en la transmisin: bastara restar
el error que tiene el mismo sndrome que la palabra recibida para corregir
dicho error. Sin embargo, como ahora veremos, puede haber muchas palabras
no pertenecientes al cdigo que tengan el mismo sndrome.
lgebra
233
H (u)Bn = H (v)Bn v u C,
es decir, dos palabras u y v tienen el mismo sndrome si y slo si u v es
una palabra del cdigo.
Vemoslo:
u v H (u)Bn = H (v)Bn v u C.
Denicin 5.3.6 Si C Zn2 es un cdigo lineal y u Zn2 , se denomina cogrupo de u mdulo C al conjunto {v Zn2 | v u C }. Este conjunto es la
clase de equivalencia de u respecto de la relacin y lo denotaremos por
u + C.
Observacin 57 La notacin
u + C = {v Zn2 | v u C }
se justica del siguiente modo:
234
lgebra
1. u + C = v + C v u C.
2. Si ( u + C) (v + C) = entonces u + C = v + C.
3. Card( u + C) =Card( v + C).
u + C = v + C.
1 1 0
0 1 1
Correccin
y ey ,
lgebra
235
Decodicador
y =x+e
y t (T ) si H (y)Bn = 0
(y ey ) t (T ) si H (y)Bn = 0.
Decodif icador
y (y ey ) t (T )
0
0
0
0
1
1
1
1
5.4
y
0
0
1
1
0
0
1
1
H (y)Bn
ey
y ey
0
1
0
1
0
1
0
1
Ejercicios
236
es:
lgebra
3. Determinar una matriz de control del cdigo cuya matriz generadora
1
1
G =
1
1
es:
1
0
0
1
1
0
.
1
1
H=
1 0 1 0
1 1 1 1
0 1 1
1 1 0
1 0 1
0 1 1
6. Determinar una matriz de control y una matriz que permita realizar
la decodicacin del cdigo cuya matriz generadora es
1 1
1 0
G =
1 1
0 1
i)
{000, 101, 100, 001}
en Z32 ,
ii)
{00000, 01110, 11011, 00101}
en Z52 ,
iii) {000000, 111000, 000111, 111111} en Z62 .
lgebra
237
0
0
0
0
1
1
1
1
y
0
0
1
1
0
0
1
1
H (y)B3
0
1
0
1
0
1
0
1
ey
y ey
238
lgebra
Captulo 6
Autovalores y autovectores
6.1
Introduccin
El objetivo principal de este tema es desarrollar una tcnica que nos permita
obtener las soluciones de las ecuaciones y sistemas de ecuaciones diferenciales
lineales con coecientes constantes y de las relaciones y sistemas de relaciones
de recurrencia lineales con coecientes constantes comprobando, de paso, que
ambos problemas estn estrechamente relacionados.
La naturaleza de dicha tcnica y de la herramienta matemtica que lleva
aparejada (teora de autovalores y autovectores) hace posible su aplicacin a
una gran variedad de problemas.
Veamos unos primeros ejemplos que nos permitan ilustrar y motivar las
siguientes deniciones:
An = Cn Un
donde Cn es el conjunto formado por las secuencias de longitud n que satisfaciendo dicha propiedad terminan en 0 y Un es el conjunto formado por
las secuencias de longitud n que, satisfaciendo dicha propiedad, terminan en
1. Pero las secuencias del conjunto Un se pueden obtener aadiendo un 1 a
cada una de las secuencias de longitud n 1 que no poseen dos ceros consecutivos, por lo que el nmero de elementos del conjunto Un coincide con el
239
240
lgebra
nmero de elementos del conjunto An1 , es decir, con an1 . Por otra parte,
las secuencias del conjunto Cn se pueden obtener aadiendo 10 a cada una
de las secuencias de longitud n 2 que no poseen dos ceros consecutivos, por
lo que el nmero de elementos de Cn coincide con el nmero de elementos
del conjunto An2 , es decir, con an2 . Teniendo en cuenta, ahora, que Cn y
Un son disjuntos, resulta que
an = an1 + an2 .
Por consiguiente, puesto que a0 = 0, a1 = 2 y a2 = 3 (ya que A0 = ,
A1 = {1, 0} y A2 = {10, 01, 11}), podemos obtener sucesivamente que a3 =
3+2 = 5, a4 = 5+3 = 8, a5 = 8+5 = 13, .... El problema es que, por ejemplo,
para obtener el valor de a100.000.000 necesitamos tener calculados previamente
los 99.999.999 valores anteriores. A lo largo del captulo desarrollaremos una
tcnica que nos permitir evitar dicho clculo previo.
Al poder aplicar la misma tcnica a las relaciones de recurrencia (o ecuaciones en diferencias) y a las ecuaciones diferenciales, desarrollaremos las
herramientas en el contexto de estas ltimas y veremos que dichas herramientas son aplicables tambin al contexto de las relaciones de recurrencia.
nrico fn de la bien conocida sucesin de Fibonacci, denida por los siguientes datos iniciales y ecuacin en diferencias:
=1
f0
f1
=1
f (0) = 1
f (1) = 1
lgebra
6.2
241
Autovalores y autovectores
a : N C
n
a(n) = an
la denotamos por {an }nN .
Si ahora consideramos la funcin S (de Shif t, desplazamiento),
S : F(N, C) F (N, C)
{an }nN
S({an }nN ) = {an+1 }nN
es decir,
{an }nN
{a0, a1 , a2 , ...
S({an }nN )
{a1, a2 , a3 , ...
resulta sencillo comprobar (verifquese) que dicha funcin es lineal. Por convenio de notacin escribiremos an+1 = S(an ), de manera que la sucesin
S({an }nN ) la podremos expresar como
S({an }nN ) = {S(an )}nN = {S(a0 ), S(a1 ), S(a2 ), ... = {a1, a2 , a3 , ...
Veamos qu relacin tiene esta funcin con el problema que nos ocupa.
Supongamos que dado C, buscamos las sucesiones {an }nN que n
N satisfacen la relacin
an+1 = an .
Utilizando la notacin introducida, dicha ecuacin se transforma en
S(an ) = an ,
y, puesto que dicha expresin es vlida para n 1, la sucesin {an }nN
satisface dicha relacin de recurrencia si
an+1 = an ,
242
lgebra
currencia
an+1 = 5an ,
son las sucesiones {an }nN que son autovectores de la funcin lineal S asociados al autovalor 5. As por ejemplo, la sucesin {1, 5, 25, ..., 5n , ...} es un
autovector de S asociado al autovalor 5, pues
S({1, 5, 25, ..., 5n , ...}) = {5, 25, ..., 5n+1 , ...} = 5 {1, 5, 25, ..., 5n , ...}.
Obsrvese que la sucesin {3, 15, 75, ..., 3 5n , ...} es otro autovector asociado
al autovalor 5.
D(f ) = f,
son los autovectores de la funcin D asociados al autovalor 1.
As por ejemplo, la funcin
f : R R
x
ex
es un autovector de D asociado al autovalor 1. Obsrvese que la funcin
3f : R R
x
3ex
es otro autovector de D asociado al autovalor 1 y que en general para
cualquier k R la funcin k f tambin lo es.
lgebra
243
6.3
radianes en torno al
x (a, b),
244
lgebra
f (x)dx =
a
u(x)dx + i
a
v(x)dx.
a
Por otra parte, los resultados generales vlidos para las funciones reales
de variable real tambin son vlidos aqu. En particular, siempre que tengan
sentido las expresiones del primer miembro de las siguientes igualdades (i.e.,
en los casos a), b) y c) siempre que f y g sean derivables), se verica que:
a) , C , y f, g F ((a, b), C), (f + g) = f + g
b) f, g F((a, b), C) , (f g) = f g + f g
c) f, g F((a, b), C), t0 (a, b) tal que g(t0 ) = 0,
f
f g fg
( ) (t0 ) =
(t0 )
g
g2
d) (x (a, b) f (x) = 0) f es constante
e) x (a, b),
d
(
dx
f (t)dt) = f (x).
a
funciones complejas denidas sobre el intervalo (a, b) y que admiten derivada hasta el orden k, siendo la derivada k -sima continua. C(a, b) ser el
conjunto de funciones complejas continuas denidas sobre el intervalo (a, b).
z =| z | ei ,
siendo R uno cualquiera de sus argumentos. Esta representacin del
nmero complejo z es denominada forma exponencial del nmero complejo
z.
lgebra
245
Si z = x + iy, se dene
ez = ex (cos y + iseny).
Utilizando esta expresin se dene la funcin exponencial f de constante
= + i C y parmetro t R del siguiente modo:
f : R C
t
et ,
donde
, C, e(+)t = et et .
C,
d
(et )
dt
= et .
b
C {0},
et dt =
(eb ea )
.
Demostracin
1. Si = + i y = + i, tendremos que
et et =
=
+
=
2. Si = + i,
d t
d
d
d t
(e ) =
(e (cos t + isent)) = (et cos t) + i (et sent) =
dt
dt
dt
dt
t
t
t
= (e cos t e sent) + i(e cos t + et sent) =
= et ((cos t + isent) + (i cos t sent)) =
= et ( + i)((cos t + isent) = et .
246
lgebra
3. C {0},
b
b
t
et (cos t + isent)dt =
e dt =
a
a
b
b
t
et sentdt =
e cos tdt + i
a
a
t
e ( cos t + sent)
2 + 2
et (sent cos t)
+i
2 + 2
a
=
a
et (cos t + isent)( i)
=
=
2 + 2
a
1
1
=
et (cos t + isent) = et .
+ i
f f = g
(I)
df
+ f = cos(x)
dx
lgebra
247
D(f ) + f = cos(x)
Entenderemos por solucin de la ecuacin a cualquier funcin compleja de variable real con derivada continua que, reemplazada en lugar de la
variable f, haga cierta la igualdad.
Por ejemplo la funcin ex es una solucin de la ecuacin f + f = 0.
Veamos cuales son los aspectos esenciales que nos van a permitir resolver
la ecuacin (I):
1. Es evidente que el problema de encontrar las soluciones de la ecuacin
(I) equivale a encontrar la preimagen de g mediante la funcin lineal
D Id : C 1 (a, b) C(a, b)
f
f f
En lo sucesivo, para no sobrecargar demasiado la notacin, escribiremos
C k en lugar de C k (a, b).
2. La ecuacin f f = 0, conocida como ecuacin homognea asociada a la ecuacin (I), tiene siempre solucin y el conjunto de sus
soluciones tiene estructura de subespacio vectorial, puesto que el conjunto de soluciones es el ncleo del operador D Id. En particular la
funcin 0 es solucin. Adems
dim(Ker(D Id)) = 1.
Vemoslo: evidentemente la funcin f (x) = ex es solucin de la ecuacin f f = 0. Veamos que si f es otra solucin de dicha ecuacin,
entonces existe un escalar k C tal que f(x) = kex . Puesto que
f
x R, ex = 0, tiene sentido considerar la funcin ex
. Su funcin
derivada es
f ex fex
f f
0
f
)
=
=
= x = 0
x
2x
x
e
e
e
e
, es decir,
f
= k C,
ex
por lo que
x R,
f(x) = kex .
248
lgebra
d
3. Teniendo en cuenta que el operador dx
Id = D Id es la suma de
dos funciones lineales y que por tanto es lineal, se puede vericar que
si
y
entonces
s1 es solucin de
s2 es solucin de
f f = h1
f f = h2 ,
s1 + s2 es solucin de
f f = h1 + h2 .
f (x) = ex
0
g(t)
dt
et
f
f ex f ex
f f
g
)
=
=
= x ,
x
2x
x
e
e
e
e
de donde
x
f (x) = e
g(t)
dt.
et
g(t)
dt + ex .
et
lgebra
249
fp (x) = e
g(t)
dt = ex
t
e
et cos(t)dt.
e cos(t)dt =
0
x
= sin(x)e +
x
sin(t)et 0
x
cos(t)et 0
et sin(t)dt =
0
x
et cos(t)dt =
0
x
= sin(x)ex + cos(x)ex 1
et cos(t)dt.
Entonces
sin(x)ex + cos(x)ex 1
2
y la solucin general de nuestra ecuacin es
fp (x) = ex
f (x) = ex
=
sin(x)ex + cos(x)ex 1
+ kex =
2
sin(x) + cos(x) ex
sin(x) + cos(x) x
+ kex =
+ ke
2
2
k C.
250
lgebra
forma
lgebra
251
n2 2
nn n
t R ,
y1 (t)
y2 (t)
..
.
yn (t)
a11 a12
a21 a22
..
..
.
.
an1 an2
a1n
a2n
..
.
ann
y1 (t)
y2 (t)
..
.
(6.2)
yn (t)
y (t) = A
y (t)
t R ,
b1
x1
A ... = ...
xn
bn
252
lgebra
x1
In ... = A1
xn
b1
..
.
bn
Para atacar nuestro problema utilizando transformaciones lineales el primer punto que debemos tratar es el siguiente: Como modican las transformaciones lineales a los sistemas de ecuaciones diferenciales? Antes de abordar
la respuesta a esta pregunta, es conveniente hacer la siguiente observacin.
y1 (t) =
f (t)
y2 (t) =
f (t)
= y1 (t)
(6.3)
..
0
1
0
0
y1 (t)
0
1
0
y (t) 0
..
..
.. = ..
.
.
.
0
0
0
1
yn (t)
a0 a1 a2 an1
en resolver el siguiente
y1 (t)
y2 (t)
..
.
..
.
yn (t)
y1 (x) =
y2 (x) =
f (x)
f (x) = y1 (x),
0
0
..
.
0
h(t)
lgebra
253
y1 (x)
y2 (x)
6.5
0
1
1 1
y1 (x)
0
+
.
y2 (x)
cos(x)
t R ,
y (t) = A
y (t),
(6.4)
t R ,
Q y (t) = Q A
y (t).
(6.5)
t R ,
P1 y (t) = P1 A
y (t).
11
1 ..
P = .
n1
tendremos que:
1n
..
.
nn
y1 (t)
e
y (t) = ... ,
yn (t)
254
lgebra
11 1n
y1 (t)
.. .. =
P1 y (t) = ...
. .
n1 nn
yn (t)
z1 (t)
1i yi (t)
i=1
..
=
.
ni yi (t)
i=1
1i yi (t)
i=1
..
.
y
(t)
ni
i
i=1
z1 (t)
.
= .. .
zn (t)
zn (t)
z (t) = P1
y (t),
tendremos que
z (t) = P1 y (t)
t R ,
z (t) = P1 A
y (t).
Ahora, para conseguir que aparezca el mismo tipo de variable a ambos lados
de la igualdad, podemos hacer las siguientes transformaciones:
z (t) = P1 A
y (t) = P1 A (P P1 )
y (t) =
1
1
1
= (P A P)(P y (t)) = (P A P)
z (t).
Resumiendo, hemos obtenido que si P es una matriz de orden n invertible
las siguientes condiciones I e II son equivalentes:
I
t R ,
y (t) = A
y (t) t R ,
II
y (t) = P
z (t)
1
z (t) = (P A P)
z (t).
lgebra
255
variable lineal
y (t) = P
z (t).
Aplicaremos este resultado del siguiente modo: supuesto que nos plantean el
problema I, buscaremos una matriz invertible P de modo que el sistema de
ecuaciones diferenciales del problema II sea ms sencillo. Entonces, bastar
t R ,
y1 (t)
y2 (t)
..
.
yn (t)
1 0 0
0 2 0
..
.. . .
.
. ..
.
.
0 0 n
y1 (t)
y2 (t)
..
.
yn (t)
y1 (t) = 1 y1 (t)
y (t) = 2 y2 (t)
2
,
..
..
.
.
y (t) = y (t)
n
n n
256
lgebra
y1 (t)
y2 (t)
..
.
= 1
e1 t
0
..
.
yn (t)
e2 t
+ 2 ..
.
0
+ + n
0
0
..
.
en t
0 0 0
Ejemplo 6.5.1 Si A = 0 2 0 , entonces 1 = 0, 2 = 2 y 3 = 1.
0 0 1
Se sigue que las soluciones del sistema de ecuaciones que tiene A como matriz
asociada son
y1 = c1 , y2 = c2 e2t , y3 = c3 et .
Sabiendo resolver sistemas diagonales, podemos resolver cualquier otro
sistema de ecuaciones diferenciales de primer orden con coecientes constantes? Para poder responder armativamente a esta pregunta tendramos que
ser capaces de transformar por semejanza cualquier matriz en otra que sea
diagonal. Aunque ms adelante veremos que en general esto no es posible, el estudio de este problema nos dar unas claves fundamentales para
resolver los sistemas de ecuaciones diferenciales.
Puesto que no toda matriz es diagonalizable, necesitamos buscar otro
tipo de matrices que nos permitan simplicar la resolucin de sistemas de
ecuaciones diferenciales.
t R ,
y1 (t)
y2 (t)
..
.
yn (t)
1
a21
..
.
0
2
..
.
..
.
0
0
..
.
an1 an2
y1 (t)
y2 (t)
..
.
yn (t)
lgebra
257
y1 (t) 1 y1 (t) =
y
2 (t) 2 y2 (t) =
..
.
yn (t) n yn (t) =
0
a21 y1 (t)
.
n1
a1i yi (t)
i=1
y1 (t) 1 y1 (t) = 0
y obtenemos que
y1 (t) = 1 e1 t .
y2 (t) = 2 e2 t + 1 e2 t
y1 (t)
0 0 0
y1 (t)
y2 (t) = 1 1 0 y2 (t) .
1 3 1
y3 (t)
y3 (t)
En primer lugar, dicho sistema equivale a
y1 (t) 0 y1 (t) = 0,
y (t) 1 y2 (t) = y1 (t),
2
y3 (t) 1 y3 (t) = y1 (t) + 3y2 (t).
258
lgebra
1. La solucin general de la primera ecuacin es
y1 (t) = 1 e0t = 1 .
2. La segunda ecuacin se trasforma en
y2 (t) y2 (t) = 1
y su solucin general es
t
y2 (t) = 2 et + et
1 e1x dx = (2 + 1 )et 1 .
y2 (t) = 2 et 1 .
3. Por ltimo, como ya conocemos y1 e y2 , la tercera ecuacin se transforma en
y3 (t) y3 (t) = 1 + 3 2 et 1 = 32 et 41 ,
y su solucin general viene dada por
1.
t
y3 (t) = 3 et + et
32 e(11)x 41 e1x dx =
= (3 41 ) et + 41 + 32 tet .
De nuevo, si llamamos 3 a (3 41 ), tendremos
y3 (t) = 3 et + 32 tet + 41 .
Luego, al expresar las soluciones vectorialmente, obtenemos
y1 (t)
1
0
0
y2 (t) = 1 1 + 2 et + 3 0 .
y3 (t)
4
3tet
et
De cara a la resolucin de sistemas de ecuaciones, es sucientemente
grande el conjunto de matrices triangulares?, dicho de otro modo, cualquier
matriz cuadrada es semejante a alguna triangular? Para contestar a esta
pregunta necesitamos estudiar los autovalores y autovectores de la matriz
del sistema.
lgebra
6.6
259
T=
1
a21
..
.
0
2
..
.
..
.
0
0
..
.
an1 an2
det(T) = |T| = 1 2 n .
En consecuencia las columnas de la matriz
1 x
0
0
a21
2 x
0
T xIn =
..
..
..
.
.
.
.
.
.
an1
an2
n x
1 x
0
a21
2 x
..
..
.
.
an1
an2
..
.
0
0
..
.
n x
= (1 x) (2 x) (n x) ,
vemos que lo dicho hasta el momento es trivial, ya que obtenemos un polinomio de grado n cuyas races son precisamente los elementos de la diagonal
principal de T. Dnde reside el inters de esta observacin? Fundamentalmente en que este determinante es invariante bajo las transformaciones
260
lgebra
|T xIn | =
=
P1 AP xIn = P1 AP xP1 P =
P1 (A xIn ) P = P1 |A xIn | |P| =
A=
4 2
3 1
4x
2
3
1 x
= (4 x) (1 x) + 6 = 2 3x + x2 ;
3 98
2
2
;
x 3x = 2 = 0 x =
=
1
2
en consecuencia,
|T xIn | = 2 3x + x2 = (2 x) (1 x)
y en la diagonal principal de T necesariamente aparecen los valores 2 y 1.
lgebra
261
1. X = 0.
2. Existe un escalar tal que AX = X.
Asimismo, diremos que un escalar es un valor propio de A (o un autovalor de A) si existe un vector propio X de A tal que AX = X. En tal caso
diremos que es el valor propio asociado al vector propio X, o tambin que
X es un vector propio asociado al valor propio .
0 1
1 0
|A xIn | =
x 1
1 x
= x2 + 1,
262
lgebra
el rango de la matriz AIn sea estrictamente menor que n y, entonces,
a que el sistema de ecuaciones lineales homogneo (A In )X = (0)
sea compatible indeterminado, es decir, a que exista X = (0) tal que
AX = X. Se deduce que
es un autovalor de A y
es un autovector de A.
i Xi = 0.
(1)
i=1
(1 i )Xi = 0
i=1
(2).
lgebra
263
i=1
i Xi ) = A 0 = 0 y, por otra, A (
i Xi ) =
i=1
i=1
(i i )Xi = 0
(3)
i=1
m
i=2
D = P1 AP
es diagonal.
Los resultados anteriores son obviamente aplicables a aquellas matrices
triangulares que en particular sean diagonales. En otras palabras, si A es una
matriz diagonalizable y D es una matriz diagonal semejante a A, los elementos de la diagonal principal de D son las races del polinomio caracterstico
de A (i.e., los valores propios de A).
En el caso de que sea D = P1 AP sea diagonal, podemos saber algo
acerca de la matriz P? Vamos a ver que s. Supongamos que
1
0
D = ... . . . ...
264
lgebra
AP = PD.
Por tanto la j-sima columna de AP coincide con la j-sima columna de PD.
Ahora bien, si
p11 p1n
.. ,
P = ...
.
pn1 pnn
tendremos que las j-simas columna de AP y PD son respectivamente
p1j
A ... y
pnj
p11
..
.
pn1
..
p1n
.
.. =
j
j
.
.
pnn ..
0
p1j
..
.
pnj
j {1, . . . , n} ,
p1j
A ... = j
pnj
p1j
..
.
pnj
(6.6)
slo si existe una base en el espacio Mn1 (K)de matrices columnas de n las
formada por vectores propios de A.
orden n ) tal que P1 AP es diagonal. Por tanto tendremos que las n columnas de P son vectores propios de A linealmente independientes (por ser P
invertible) y en consecuencia constituyen una base en el espacio de matrices
columnas de n las formada por vectores propios de A.
Recprocamente supongamos que
lgebra
265
p11
..
. , . . . ,
pn1
p1n
..
.
pnn
es una base del espacio de matrices columnas de n las formada por vectores propios de A. Entonces tendremos que por un lado, al constituir estas
matrices columna una base, la matriz
p11 p1n
..
P = ...
.
pn1
pnn
p1j
p1j
p11 p1n
.. =
A ...
.
pn1
pnn
p11
..
.
pn1
p1n
..
.
pnn
1
0
.. . .
.
. ..
.
0
n
1
0
P1 AP = ... . . . ...
266
lgebra
3
4
1 1
. Su polinomio caracterstico es
3x
4
1 1 x
= x2 2x + 1,
de donde
1
, por lo que, si A fuese diagonalizable
1
1 0
y P1 AP fuese una matriz diagonal, necesariamente P1 AP =
,
0 1
siendo los dos vectores columna de P vectores propios asociados al valor
propio 1 y linealmente independientes. Sin embargo
x2 2x + 1 = 0 x =
2
4
1 2
)=1
lgebra
267
1
p11 p1n
a11 a1n
..
..
.. ..
.
. .
.
pn1
p11
..
.
pn1
an1 ann
1
0
= ... . . . ...
0
n
pnn
p1n
.. =
.
pnn
P1 AP = D.
Resulta que
A = PDP1 ,
con lo que
An = PDP1
= PDP1
PDP1
Veamos un ejemplo:
1000
1 1
.
4 2
Como, segn hemos visto en los ejemplos anteriores,
1
1 1
1 4
1 1
4 2
1 1
1 4
2 0
0 3
resulta que
1 1
4 2
1 1
1 4
2 0
0 3
1 1
1 4
con lo que
1 1
4 2
1000
1000
1 1
1 4
2 0
0 3
1 1
1 4
21000 0
0
(3)1000
4 1000
2
5
4 1000
2
5
+ 15 (3)1000
45 (3)1000
1 1
1 4
1 1000
2
5
1 1000
2
5
1
4
5
5
1
15
5
1000
15 (3)
+ 45 (3)1000
=
=
.
268
lgebra
1 1
4 2
4 n
2
5
4 n
2
5
+ 15 (3)n
45 (3)n
1 n
2
5
1 n
2
5
15 (3)n
+ 54 (3)n
lgebra
269
..
A =
An1
. .
0
an1 an2 an(n1) 1
Entonces
Si denimos
P =
Pn1
0 0
0
0
.. ,
.
0
0 1
se verica que
P 1
1
Pn1
0 0
A.
0
0
..
.
0
0 1
y que
T = P1 A P.
pondiente a la matriz
270
lgebra
2 0
3
A = 3 2 9
1 2
6
En primer lugar determinamos las races del polinomio caracterstico de
la matriz:
2 X
0
3
3
2 X
9
1
2
6X
= X + 2X 2 X 3 = (1 X)2 (0 X).
Luego los autovalores A son 1, 1 y 0. Ya que rango(A Id3 ) = 2, la multiplicidad geomtrica de 1 = 1 es 1 y no coincide con su multiplicidad algebraica.
Por tanto A no es diagonalizable.
Un autovector asociado a 1 = 1 es v1 = (1, 2, 1) Ker(A Id3 ).
Sea ((1, 0, 0), (0, 1, 0), (1, 2, 1)) una base de C3 . La matriz
1 0 1
P1 = 0 1 2
0 0 1
es tal que
1 0 1
2 0
3
1 0 1
A = P11 AP1 = 0 1 2 3 2 9 0 1 2 =
0 0 1
1 2
6
0 0 1
1 2 0
2 0 .
= 1
1 2 1
Ahora tenemos que triangular la submatriz
A =
1 2
1
2
lgebra
271
1 1 0
P2 = 0 1 0
0 0 1
es tal que
1 1 0
1 2 0
1
1
1
2 0
0
P2 A P2 = 0 1 0
0 0 1
1 2 1
0
0 0 0
= 1 1 0 ,
1 3 1
que es triangular inferiormente y tiene los autovalores
Entonces
0 0
P21 A P2 = P21 P11 AP1 P2 = 1 1
1 3
1 0
1 0 =
0 1
de A en la diagonal.
0
0 .
1
1 1 1
P = P1 P2 = 0 1 2 ,
0 0
1
ya que
1 1 1
1 1 1
0 0 0
P 1 AP = 0 1 2 A 0 1 2 = 1 1 0 = T.
0 0
1
0 0
1
1 3 1
272
lgebra
Sistemas homogneos
Vamos a ilustrar por medio de un ejemplo el mtodo de resolucin de sistemas
homogneos. Sea el siguiente sistema homogneo de ecuaciones:
y1 (t)
2 0
3
y1 (t)
y2 (t) = 3 2 9 y2 (t) .
1 2
6
y3 (t)
y3 (t)
1
0 0 0
2 0
3
1 1 1
1 1 1
0 1 2 3 2 9 0 1 2 = 1 1 0 .
1 3 1
0 0
1
1 2
6
0 0
1
z1 (t)
0 0 0
z1 (t)
z2 (t) = 1 1 0 z2 (t) .
z3 (t)
1 3 1
z3 (t)
Como este sistema ha sido resuelto en el ejemplo 6.5.2, nos traemos la solucin:
z1 (t)
1
0
0
z2 (t) = 1 1 + 2 et + 3 0 .
z3 (t)
4
3tet
et
y1 (t)
1 1 1
1
0
0
y2 (t) = 0 1 2 1 1 + 2 et + 3 0 =
y3 (t)
0 0
1
4
3tet
et
et
6
et + 3tet
t
t
= 1 9 + 2 e 6te + 3 2et .
et
3tet
4
lgebra
273
y1 (t)
y2 (t)
donde
0 1
9 6
y1 (t)
y2 (t)
y1 (t) = f (t)
.
y2 (t) = f (t) = y1 (t)
A=
0 1
9 6
X
1
9 6 X
= X 2 6X + 9 = (3 X)2 .
A = P11 AP1 =
3 1
1 0
=
0 1
9 6
0 1
1 3
3 0
.
1 3
Entonces
3 0
1 3
0 1
1 3
0 1
9 6
0
1
1
3
274
lgebra
z1 (t)
z2 (t)
3 0
1 3
z1 (t)
z2 (t)
1 e3x e3x dx
0
3t
3t
= 2 e + e
1 dx =
0
z1 (t)
z2 (t)
= 1
e3t
te3t
+ 2
0
e3t
y1 (t)
y2 (t)
0
1
=
= 1
1
3
te3t
e + 3te3t
3t
e3t
te3t
+ 2
+ 2
0
e3t
e3t
3e3t
lgebra
275
Sistemas no homogneos
Si la ecuacin diferencial de orden n considerada no fuese homognea, es
decir, fuese de la forma
y1 (t) =
f (t)
y2 (t) =
f (t)
= y1 (t)
,
(6.7)
..
y1 (t)
y (t)
2
..
.
yn (t)
0
0
..
.
1
0
..
.
0
1
0
0
..
.
0
0
0
1
a0 a1 a2 an1
y1 (t)
y2 (t)
..
.
..
.
yn (t)
0
0
..
.
0
h(t)
t R ,
y (t) = A
y (t) + h (t).
Razonando de forma similar al caso en el que no tenamos trmino independiente, si P es una matriz cuadrada invertible, podemos pasar al sistema:
t R ,
P1 y (t) = P1 A
y (t) + P1 h (t),
z (t) = P1 y (t)
y, en consecuencia, para conseguir que aparezca el mismo tipo de variable a
ambos lados de la igualdad, hacemos las mismas transformaciones que en el
276
lgebra
z (t) = P1 A
y (t) + P1 h (t) =
= P1 A (P P1 )
y (t) + P1 h (t) =
= (P1 A P)(P1
y (t)) + P1 h (t) =
= (P1 A P)
z (t) + P1 h (t)
y (t) = P
z (t)
es la solucin buscada.
y1 (t)
y2 (t)
0 1
9 6
y1 (t)
y2 (t)
0
32tet
A=
0 1
9 6
que coincide con la del ejemplo anterior y, segn vimos, se verica que
3 0
1 3
Ahora, siendo
0
1
1
3
0 1
9 6
0
1
1
3
z (t) = P1
y (t),
es decir,
z1 (t)
z2 (t)
0 1
1 3
y1 (t)
y2 (t)
lgebra
277
z1 (t)
z2 (t)
3 0
1 3
z1 (t)
z2 (t)
0
1
1
3
3 1
1 0
0
32tet
y, puesto que
0 1
1 3
z1 (t)
z2 (t)
3 0
1 3
z1 (t)
z2 (t)
3 1
1 0
0
32tet
es decir:
32xex e3x dx =
0
t
= 1 e3t + e3t
32xe4x dx =
0
3t
3t
x 4x
e
4
+
0
1
4
e4x dx
1
= 1 e3t + 8e3t te4t (e4t 1)
4
3t
t
t
= 1 e 8te 2e + 2e3t =
= k1 e3t 8tet 2et ,
278
lgebra
0
t
= 2 e3t + e3t
= 2 e3t + e3t
1
k1 x + e4x
2
t
0
1
1
1
8e3t ( te4t e4t + ) =
4
16
16
1
1
1
+ 2tet + et 2e3t =
= 2 e3t + e3t k1 t + e4t
2
2
2
1
1
1
= 2 e3t + k1 te3t + et e3t + 2tet + et 2e3t =
2
2
2
1
= e3t 2 2 + k1 t + et (1 + 2t) ,
2
con lo que, renombrando las variables adecuadamente, obtenemos que
z1 (t)
z2 (t)
= C1
e3t
te3t
0
e3t
+ C2
8tet 2et
et (1 + 2t)
y1 (t)
y2 (t)
e3t
te3t
0 1
1 3
8tet 2et
et (1 + 2t)
0 1
1 3
C1
+ C2
0
e3t
lgebra
279
D3 f 5D2 f + 7Df 3f = 9t 9.
Solucin: f (t) = 4 3t + C1 et + C2 e3t + C3 et t.
6.7
Relaciones de recurrencia
Denicin 6.7.1 Diremos que la sucesin {an }nN{0} est denida recursivamente o por recurrencia si
1. k N tal que a1 , ..., ak son conocidos y
2. n N {0}, an+k est denido en funcin de an+k1 , ..., an .
Las relaciones de recurrencia tambin se denominan ecuaciones en di-
ferencias.
280
lgebra
an+1 + 2an
y 2z = 0
lgebra
281
an+1 = an ,
(I)
son las sucesiones {an }nN que son autovectores de la funcin lineal S asociados al autovalor , junto con la sucesin nula 0 = {0, 0, 0, ....}. Esto es, el conjunto Ker(S Id). Por otra parte, si demostramos que dim(Ker(S Id)) =
1, localizando una solucin no nula, es decir, un elemento no nulo de dicho
subespacio, el resto de soluciones se obtendr fcilmente. Veamos que, efectivamente,
dim(Ker(S Id)) = 1.
Evidentemente, la sucesin
{bn } = K {n } = {K n },
con lo que {n } ser una base de Ker(S Id) y dim(Ker(S Id)) = 1.
Puesto que {bn } Ker(S Id), es decir, S({bn }) = {bn }, tendremos,
por una parte, que
282
lgebra
es decir,
b1 = b0
b2 = b1 = 2 b0
b3 = b2 = 3 b0
..
.
bn = bn1 = n b0
..
.
. En otras palabras, {bn } = b0 {n }, con lo que las soluciones de la ecuacin
an+1 = an
(I)
Ejemplo 6.7.5 Las sucesiones {an }nN que satisfacen la relacin de re-
currencia
an+1 = 5an
son de la forma
Ejemplo 6.7.6 Existe una nica sucesin {an }nN que satisface las condiciones
a0 = 3
an+1 = 5an .
Dicha sucesin es
lgebra
283
Demostracin Dada {an } F (N, C), hay que probar que {bn } F (N, C)
tal que
(S Id)({bn }) = {an }.
Ahora bien, dicha igualdad es equivalente a que S({bn }) ({bn }) = {an },
es decir, {bn+1 } ({bn }) = {an }. Por consiguiente:
b1 = a0 ,
b2 = a1 + a0 ,
b3 = a2 + a1 + 2 a0 ,
..
.
bn = an1 + an2 + ... + n1 a0 ,
..
.
La solucin {bn } est determinada por b0 = 0 y, para n 1,
n
i1 ani ,
bn =
i=1
284
lgebra
es decir,
S(b0 ) b0 = a0 0 = a0
S(b1 ) b1 = b2 b1 = (a1 + a0 ) a10 = a1
S(b2 ) b2 = b3 b2 = a2 + a1 + 2 a0 (a1 + a0 ) = a2
..
.
S(bn ) bn = an
..
.
y, en consecuencia (S Id) es sobreyectiva.
recurrencia
(S Id)({xn }) = {an },
(I)
se verica que
lgebra
285
y0 = K y
n
K C tal que
i1 ani + K {n }.
n 1, yn =
i=1
an = bn + K3n ,
donde K C y {bn } es la sucesin denida por b0 = 0 y, para n > 1,
n
3i1 (1)ni .
bn =
i=1
a1 = K
n1
an = K3n1 +
3i1 (1)ni .
i=1
a0 = 0
an+1 = 3an + (1)n
dicha sucesin es
a0 = 0
n 1 an =
n
i=1
3i1 (1)ni
286
lgebra
es decir,
b0
b1
b2
b3
bn
=
=
=
=
0
1,
1 + 3 (1),
1 + 3 + 32 (1),
..
.
= (1)n1 + 3(1)n2 + ... + 3n1 (1),
...
(6.8)
Observacin 66 Para nalizar este apartado, vamos a hacer una breve re-
exin sobre la forma que tiene la solucin particular que encontramos utilizando el mtodo expuesto. Segn hemos visto, la sucesin {bn } determinada
por b1 = 0 y, para n 1,
n1
i1 ani
bn =
i=1
(S Id)({xn }) = {an }.
La forma de la sucesin {bn } recuerda al producto de polinomios. De hecho,
el trmino general de esta sucesin (donde n N, n 1) se podra expresar
del siguiente modo:
n
j ak .
i1 ani =
bn =
i=1
j+k=n1
lgebra
287
donde las sucesiones incgnita son {x1 (n)}, ..., {xm (n)}.
Como en el caso de las ecuaciones diferenciales, podemos emplear la notacin matricial
x1 (n)
a11 a12 a1m
x1 (n + 1)
x2 (n + 1) a21 a22 a2m x2 (n)
,
= ..
..
..
..
..
.
.
.
.
xm (n + 1)
am1 am2
amm
xm (n)
x (n + 1) = A
x (n).
A los sistemas del tipo anterior se les conoce como sistemas homogneos de m ecuaciones de recurrencia de primer orden con coecientes constantes. La tcnica para resolver este tipo de sistemas es
exactamente la misma que la vista para los sistemas de ecuaciones diferenciales.
As, dado el sistema de ecuaciones
x (n + 1) = A
x (n),
donde A es una matriz cuadrada de orden m. Si P es una matriz cuadrada
invertible y consideramos la matriz P1 , tendremos que
P1
x (n) = P1 A
x (n)
y, siendo
z (n) = P1
x (n),
z (n + 1) = P1 A
x (n) = P1 A (P P1 )
x (n) =
1
1
= (P A P)(P x (n))
= (P1 A P)
z (n).
Por ello, si P1 A P es triangular, para resolver el sistema original planteado es suciente con resolver dicho sistema triangular y deshacer el cambio
realizado
x (n) = P
z (n).
para obtener la solucin buscada.
288
lgebra
Ejemplo 6.7.10 Supongamos que queremos encontrar las sucesiones que satisfacen el sistema de relaciones de recurrencia lineales y homogneas de primer orden con coecientes constantes:
x(n + 1)
y(n + 1)
1 1
4 2
x(n)
y(n)
1 1
1 4
1 1
4 2
1 1
1 4
2 0
0 3
Razonando del mismo modo que con los sistemas de ecuaciones diferenciales,
procedemos a resolver el sistema
(II)
con
z(n + 1)
u(n + 1)
x(n)
y(n)
2 0
0 3
z(n)
u(n)
z (n)
u(n)
1 1
1 4
z(n + 1) = 2z(n)
,
u(n + 1) = 3u(n)
cuyas soluciones son, segn sabemos,
{z(n)} = {2n }
{u(n)} = {(3)n }
(, C).
Luego
x(n)
y(n)
1 1
1 4
2n
(3)n
2n + (3)n
2n 4(3)n
(, C).
lgebra
289
x(0) = 1 = 20 + (3)0 = +
y(0) = 6 = 20 4(3)0 = 4,
es decir, que
+ =1
4 = 6,
con lo que, resolviendo el sistema
5 = 5 = 1
,
=2
de donde las sucesiones que satisfacen el sistema planteado con las condiciones iniciales dadas son:
x(n)
y(n)
2 2n (3)n
2 2n + 4(3)n
2n+1 (3)n
2n+1 + 4(3)n
es decir,
x1 (t)
x2 (t)
2e2t e3t
2e2t + 4e3t
Comprese con la solucin del sistema de relaciones de recurrencia del ejemplo anterior.
290
lgebra
6.8 Ejercicios
6.8.1 Ejercicios resueltos
1. Determinar la sucesin denida recursivamente por las condiciones
a2 = 3.
2. Encontrar las sucesiones que satisfacen la relacin de recurrencia
D2 (f ) 7D(f ) + 12f = et .
4. Resolver el problema de valor inicial
D(f ) 2f = e2t
f (0) = 1.
5. Resolver el sistema de ecuaciones diferenciales
x1 = 5x1 + 4x2
x2 = x1 + 2x2
sujeto a las condiciones iniciales x1 (0) = 2,
x2 (0) = 3.
2 1 1
A = 2 3 2 .
3 3 4
lgebra
291
y1 (t) = y1 (t)
y1 (t) = sin(t)
1
0
2
2. Dada la matriz A = 1 1 1 determinar A100 .
0
0 1
1 4 12
3. Dada la matriz A = 0 3 9 , se pide:
0 1 3
a) hallar una base del subespacio propio asociado a cada valor propio,
b) determinar si la matriz A es diagonalizable.
4. Dada una matriz A Mn (K), puede ocurrir que A no sea diagonalizable y A2 s sea diagonalizable?
5. Triangularizar por semejanza
y hallar
3
1
0
2
correspondiente a la matriz A =
1 1
la matriz
de paso
0
1 .
1
6. Supuesto
que t R, determinar todas las soluciones del siguiente
an+1 = 2an + 5n
para todo n N
{0}.
292
lgebra
9. Determinar la sucesin denida recursivamente por las condiciones
a2 = 4.
b1 = 1.
A=
2 a
3 b
Captulo 7
Soluciones de los ejercicios
7.1
1. Representar por su matriz ampliada y resolver por el mtodo de GaussJordan cada uno de los siguientes sistemas de ecuaciones lineales :
2x1 + x2 + 3x3 = 9
5x1 + 4x2 + 6x3 = 24
x1 + 3x2 2x3 = 4
{x3 = 3, x2 = 4, x1 = 2}
2 1 3
x1
9
5 4 6 x2 = 24
1 3 2
x3
4
La solucin
del sistema
por el mtodo
de Gauss-Jordan
sera la siguiente:
2 1 3
9
1 3 2 4
F2 = F2 5F1
F F3
5 4 6
24 1
5 4 6
24 F3 = F3 2F1
1 3 2 4
2 1 3
9
1 3
2 4
0 11 16 4 , ... prosiguiendo con las transformaciones elemen0 5 7
1
293
294
lgebra
1 0 0 2
tales adecuadas hasta obtener la matriz 0 1 0 4 , es decir,
0 0 1 3
{x1 = 2, x2 = 4, x3 = 3} .
Del mismo modo el sistema
3x1 + x2 + x3 5x4 = 4
5x1 + 2x2 + 4x3 2x4 = 6
se expresara
3 1 1 5
5 2 4 2
x1
x2
x3 =
x4
4
6
F2 = 3F2
1 0 2 8 2
F1 = F1 13 F2
, es decir, el sistema es compa0 1 7
19 2
x1 x2 + x3 x4 = 0
9
9
x1 = x4 , x 2 = x4 , x 3 = x4 , x 4 = x4 ,
5
5
o , si se preere,
9
9
x1 = , x2 = , x3 = , x4 =
5
5
lgebra
295
x + y + 2z = a
x+z =b
2x + y + 3z = c
Demuestre que para que este sistema sea compatible, a, b y c deben
satisfacer c = a+b.
1 1 2 a
La matriz ampliada de este sistema es A = 1 0 1 b .
2 1 3 c
1 1 2 a
1 0 1 b
F2 = F2 F1
F < > F2
1 1 2 a F3 = F3 2F1
A= 1 0 1 b 1
2 1 3 c
2 1 3 c
1 0 1
b
1 0 1
b
0 1 1 a b F3 = F3 F2 0 1 1
ab
0 0 0 cab
0 1 1 c 2b
x = z + b
y = z + a b
que es compatible indeterminado y tiene conjunto solucin
{(z + b, z + a b, z) : z R}
.
296
lgebra
2x1 3x2 = 2
2x1 + x2 = 1
3x1 + 2x2 = 1
2 3 2
1 .
La matriz ampliada de este sistema es A = 2 1
3 2
1
2 3 2
2 3 2
F1 = 21 F1
F
=
F
F
2
1
1 2
0 4
3 F2 = 14 F2
A= 2 1
3 2
1
3 2
1
1 0
1 3
1
F3 = F3 3F1
1 0 18
5
2
3
3
3 F3 = F3 + 2 F2
0 1
F1 = F1 + 2 F2
0 1 4
0 1
4
13
3 2
1
0 2 4
0 0
El sistema es incompatible.
b)
3x1 + 2x2 x3 = 15
11x1 + 7x2 = 30
3
5
La matriz ampliada de este sistema es A =
3
11
sucesin de transformaciones elementales
1
8
3
4
7
8
2 1 15
3 2
0
. La
1 3
11
7 0 30
1
F3 = F3 F1 , F1 = F1 , F2 = F2 5F1 , F4 = F4 11F1 , F4 = F4 F2 ,
3
2
1
7
F1 = F1 + F3 , F2 = 3F2 , F3 = F3 +F2 , F3 = F3 , F1 = F1 F3 , F2 = F2 +11F3
3
7
3
transforma A en su forma escalonada reducida
lgebra
1
0
0
0
297
0
1
0
0
0 4
0 2
. La nica solucin del sistema es (4, 2, 7).
1 7
0 0
c)
4x1 8x2 = 12
3x1 6x2 = 9
2x1 + 4x2 = 6
4 8 12
La matriz ampliada de este sistema es A = 3 6 9 . La suce2 4 6
sin de transformaciones elementales
1
1
1
F1 = F1 , F 2 = F2 , F 3 =
F3 , F2 = F2 F1 , F3 = F3 F1
4
3
2
1 2 3
transforma A en la matriz equivalente 0 0 0 . El conjunto solucin
0 0 0
del sistema es {(2t + 3, t) : t R}.
4. Para qu valores de a el sistema que sigue no tiene soluciones? Tiene
exactamente una solucin? Tiene innidad de soluciones?
x + 2y 3z = 4
3x y + 5z = 2
4x + y + (a2 14)z = a + 2
1 2
3
4
5
2 .
La matriz ampliada de este sistema es A = 3 1
4 1 a2 14 a + 2
Aplicando las transformaciones elementales
F2 = F2 3F1 , F3 = F3 4F1 , F3 = F3 F2 , F2 =
se obtiene la matriz
1
F2 , F1 = F1 2F2 ,
7
298
lgebra
8
1 0
1
7
10
0 1
.
2
7
2
0 0 a 16 a 4
Si a = 4, el sistema es incompatible, ya que la ltima la sera de la
forma 0 = 8.
Si a = 4, la ltima la es una la de ceros y el sistema es compatible
indeterminado con conjunto solucin
8
10
(t + , 2t + , t) : t R .
7
7
1
Si a = 4, aplicando la transformacin F3 = a2 16
F3 , se obtiene la matriz
en forma escalonada
8
1 0 1
7
0 1 2 10 .
7
1
0 0 1 a+4
En este caso el sistema tiene exactamente una solucin para cada valor de a.
(Hay tres variables principales)
5. Calcular las inversas de la siguientes matrices:
A=
3 1
5 2
B=
F1 = 13 F1
3 1 1 0
5 2 0 1
F1 = F1 F2
Entonces A1
2 3
4 4
1 13 13 0
5 2 0 1
1 0 2 1
0 13 5
1
3
2 1
=
.
5 3
2 3 1 0
4 4 0 1
1
1 3
0
2
2
0 10 2 1
C=
F2 = 3F2
1
1 3
F1 = 21 F1
0
2
2
4 4 0 1
1
1
1 3
F2 = 10 F2
2
2
1
0 1
5
2 0
0 3
F2 = F2 5F1
1 0 2 1
0 1 5 3
1
3
1
3
1
0
.
F2 = F2 4F1
F1 = F1 + 32 F1
0
1
10
1
3
5
3
0
1
lgebra
1 0
0 1
299
1
5
1
5
3
20
1
10
Entonces B 1 =
2 0 1 0
0 3 0 1
Entonces C 1
.
1
5
1
5
3
20
1
10
.
1 0 12 0
0 3 0 1
F1 = 21 F1
1
0
2
=
.
0 13
F2 = 31 F2
1 0 12 0
0 1 0 13
B 1 A1 =
AB =
3
20
1
10
2 1
5 3
2 3
4 4
3 1
5 2
10 5 1 0
18 7 0 1
1
F1 = 10
F1
1 1
2
0 2
1 0
0 1
F2 = 21 F2
1
10
9
5
7
20
9
10
0
1
1
4
1
2
7
20
9
10
10 5
18 7
1
2
1 1
2
18 7
1
0
1
4
1
2
1
10
9
10
1
10
F2 = F2 18F1
0
1
0
1
2
F1 = F1 + 12 F2
. Entonces (AB)1 = B 1 A1 .
1
7
1 2
4 7
1 2
4 7
= (7A)1 =
1 1
A
7
A1 = 7
1 2
4 7
A =
1 2 1 0
4 7 0 1
F2 = F2 + 4F1
1 2 1 0
0 1 4 1
F1 = F1 2F2
300
lgebra
1 0 7 2
0 1 4
1
7
2
A = 17
=
4 1
F1 = F1
1 27
.
4
1
7
1 0 7 2
0 1 4 1
1
a) A =
2
1
0
c) C =
1
4 1
3 1
0 3
2 4
b) B =
5 4
4
2
0 1
1 1
1 0
matriz es invertible:
5
1
9
3 4 1 1 0 0
a la matriz 1 0 3 0 1 0 , obtenemos la matriz
2 5 4 0 0 1
3 11 6
6
3
1 0 0 2 11
10
5
2
10
5
0 1 0 1 1
1 . Por lo que A1 = 1 1
1 .
7
2
1
7
2
0 0 1 1
2
10
5
2
10
5
lgebra
301
b) Aplicando lastransformaciones
3 1 5 1
2 4 1 0
F3 F2 a la matriz
4 2 9 0
elementales
F3 = F3 + 2F1 y F3 =
0 0
1 0 , obtenemos la matriz
0 1
3 1 5 1 0 0
2 4 1 0 1 0 .
0 0 0 2 1 1
3 1 5
Por lo tanto la matriz B es equivalente a la matriz 2 4 1 , es decir,
0 0 0
el sistema
de ecuaciones lineales homogneo asociado a la matriz B ,
3x + y + 5z = 0
2x + 4y + z = 0
, es equivalente al sistema homogneo de dos
4x + 2y + 9z = 0
3x + y + 5z = 0
ecuaciones en tres variables 2x + 4y + z = 0 , que tiene una innidad de
0=0
soluciones. Por ello la matriz B no puede ser invertible, ya que, si lo fuera,
el sistema sera compatible determinado.
c) Aplicando las transformaciones elementales F3= F3 F1 , F3 =
1 0 1 1 0
0 1 1 0 1
F2 , F3 = 1
F
F
=
F
F
y
F
=
F
F
a
la
matriz
3, 1
1
3
2
2
3
2
1 1 0 0 0
1
1
1
1 0 0 2
2
2
1
1
.
se obtiene la matriz 0 1 0 1
2
2
2
1
1
1
0 0 1
2
2
1 1 1 2
Entonces C 1 =
2
1
2
1
2
2
1
2
1
2
2
1
2
1
2
10. Efecte las operaciones sobre las las que siguen sobre
3 1 0
A = 2 1 4
3 5 5
F3
0
0 ,
1
302
lgebra
0 0 1
3 5 5
a) 0 1 0 A = 2 1 4
1 0 0
3 1 0
3 1 0
1 0 0
1
4
b) 0 13 0 A = 2
3
3
3
0 0 1
3 5 5
1 2 0
1 3 8
c) 0 1 0 A = 2 1 4
0 0 1
3 5 5
11. Una caja que contiene monedas con las denominaciones de un centavo,
cinco centavos y diez centavos tiene 13 de ellas con un valor total de 83
centavos.
Cuntas monedas de cada tipo hay en la caja ?
Hay que resolver el sistema de ecuaciones
x + y + z = 13
x + 5y + 10z = 83
El sistema anterior es equivalente al sistema
x + y + z = 13
4y + 9z = 70,
sistema que tiene una innidad de soluciones de la forma ( 18+5z
, 709z
, z).
4
4
En el problema dado 0 z 13 y, para que x e y no sean negativos,
4 z 7. El nico valor de z en este intervalo tal que x e y sean nmeros
naturales es 6. Entonces hay 3 monedas de 1 centavo, 4 de cinco centavos y
6 de diez centavos.
12. Para cul valor, o cules valores, de a el sistema siguiente tiene cero,
una y una innidad de soluciones?
lgebra
303
x1 + x2 + x3 = 4
x3 = 2
2
(a 4)x3 = a 2
La matriz
a este sistema es la matriz
ampliada asociada
1 1
1
4
1
2 . Si a = 2, la ltima ecuacin es del
A = 0 0
2
0 0 a 4 a2
tipo
0 = 4 yel sistema es incompatible. Si a = 2, la matriz A es igual a
1 1 1 4
0 0 1 2 y el sistema tiene una innidad de soluciones:
0 0 0 0
{(t + 2, t, 2) : t R} .
Si a = 2, podemos aplicar la transformacin elemental F3 =
matriz A. El sistema es equivalente al sistema
x1 + x2 + x3 = 4
x3 = 2
1
x3 = a+2
1
F
a2 4 3
a la
304
lgebra
(t B t A) Mpm (K), es decir, son matrices del mismo orden. Dado ahora
(i, j) {1, ..., m} {1, ..., n}, aplicando la denicin
n
t
(A B)(i, j) = (A B)(j, i) =
A(j, k) B(k, i) =
k=1
(t A)(k, j) (t B)(i, k) =
=
k=1
t
(t B)(i, k) (t A)(k, j) =
k=1
B A (i, j).
(A) Mn (K)
1
es invertible y t (A1 ) = (t A) .
Si A A1 = In y A1 A = In , por las propiedades vistas en el problema
anterior t (A A1 ) =t In = In =t (A1 ) (t A) y t (A1 A) =t In = In =
1
(t A) t (A1 ) , con lo que t (A1 ) = (t A) .
15. Si A = (aij ) Mn (K), se denomina traza de A a la suma de los
elementos de la diagonal principal de A, es decir,
n
aii .
i=1
T r(A+B) =
i=1
k=1 i=1
n
dii
i=1
aik bki
aii +
i=1
n
i=1
cii
aik bki
i=1 k=1
n n
= T r(BA).
bii .
i=1
k=1 i=1
bki aik =
lgebra
305
n
t
T r(A A) = T r(C) =
C(i, i) =
i=1
i=1 k=1
n
n
a2ik .
i=1 k=1
i=1 k=1
2 1
1 2
2 1
1 2
1 0
0 1
0 0
0 0
306
lgebra
de donde
5 + 2 +
4+
4+
5 + 2 +
0 0
0 0
, y en consecuencia =
4 y = 3.
Por consiguiente A2 4A+3I2 = (0). Suponiendo que A tiene inversa A1 ,
multiplicando por dicha matriz a ambos lados de esa ecuacin, obtenemos
A1 (A2 4A + 3I2 ) = A1 (0) = (0), de donde A 4I2 + 3A1 = (0), es decir,
2
1
2
1
3
3
=
A1 = 31 (4I2 A) = 31
.
1
2
1 2
3
3
18. Se dice que una matriz A Mn (K) es idempotente si A2 = A.
Demostrar que si A Mn (K) es idempotente, entonces B = In A es
idempotente. Demostrar tambin que AB = (0) y que BA = (0).
B 2 = (IA)(IA) = IAA+A2 . Al ser A idempotente IAA+A2 =
I A = B, luego B es idempotente. Por otra parte
AB = A(I A) = A A2 = A A = (0)
BA = (I A)A = A A2 = A A = (0).
19. En una feria de ganado un granjero compr pollos, conejos y terneros.
Los pollos los compr a 50 pts., los conejos a 1000 pts. y los terneros a
5000pts.
Compr 100 animales y gast 100.000 pts.
Sabiendo que compr animales de las 3 clases, averiguar el nmero de
animales que compr de cada clase.
Hay que resolver el sistema de ecuaciones
x + y + z = 100
50x + 1000y + 5000z = 100000
El sistema anterior es equivalente al sistema
x + y + z = 100
19y + 99z = 1900
Haciendo z = , se tiene que y = 100 99
, x = 80
. De las condiciones
19
19
del enunciado se sigue que las soluciones deben ser enteras y positivas, por
lo que debe ser mltiplo de 19. Si = 0, no comprara terneros. Si = 19,
z = 19, y = 1, x = 80. Esta es la nica solucin posible, pues si = 19n y
n > 1, y sera negativo.
20. En el mbito de las ciencias de la computacin una cadena o string
es una secuencia de items (datos) de algn conjunto (o dominio) de datos
dado. En trminos matemticos una cadena es una palabra a1 ...an de longitud n 0. Para n = 0 se trata de la cadena vaca (a la que en su momento
lgebra
307
denotamos por ) y para n 1 los elementos a1 , ..., an pertenecen al mismo conjunto o alfabeto A. El ejercicio consiste en construir un modelo de
tipo abstracto de datos al que denominaremos cadena o string, teniendo
en cuenta que hay que considerar los datos y las cadenas de datos de un
conjunto A = {a1 , ..., ak }, que las cadenas son elementos del conjunto A
(conjunto de todas las cadenas o palabras denidas sobre el alfabeto A o
lenguaje universal sobre A), que hay que considerar la palabra vaca como
una constante, y que como operaciones sobre las cadenas consideramos las
siguientes: construye, que a partir de un elemento de A construye una lista de longitud 1, la operacin concat, denida sobre pares de palabras por
concat(a1 ...an , b1 ...bm ) = a1 ...an b1 ...bm , y las operaciones iaade (iadd) y daade (dadd) que aaden, respectvamente, un elemento a la izquierda o a la
derecha de una cadena dada.(Nota: Son sucientes 5 ecuaciones).
CADEN A =
1. Tipos :
concat(c, vaca) = c
concat(vaca, c) = c
4. Ecuaciones:
concat(concat(c, c ), c) = concat(c, concat(c , c))
iadd(a, c) = concat(construye(a), c)
7.2
308
lgebra
b) u tiene direccin opuesta a la de v = (6, 7, 3).
3 4
6 2
1 0 0 2
1
0 1 0 , se obtiene la matriz 0 1 0 1 .
2 8 4 4
0 0 1 2
La solucin del sistema es {c1 = 2, c2 = 1, c3 = 2} .
3. Demostrar que no existen los escalares c1 , c2 , c3 tales que c1 (2, 9, 6)+
c2 (3, 2, 1) + c3 (1, 7, 5) = (0, 5, 4).
Como en el ejercicio anterior, tenemos que resolver el sistema
2c1 3c2 + c3 = 0
9c1 + 2c2 + 7c3 = 5
6c1 + c2 + 5c3 = 4
Aplicando la transformaciones elementales F3 = F3 +3F1 , F1 = 21 F1 , F3 =
81 F3 , F2 F3 , F3 = F3 9F1 , F1 = F1 32 F2 ,
lgebra
309
2
F3 = 23
F3 , F3 = F3 F2
a la matriz
3
2 3 1 0
1 0 1
4
9
2 7 5 , se obtiene la matriz 0 1 1 21 .
3
6
1 5 4
0 0 0
46
El sistema es incompatible.
u+v u
310
lgebra
lgebra
311
a
v
c
v
c) Demostrar que
v
v
cos() =
v
v
kv
k v
(a,b,c)
v
=(
a
v
. (Ya que
b
v
i = 1)
j = 1)
k = 1)
= (cos(), cos(),cos()).
,
c
v
) = (cos(), cos(),cos()).
z = 4 8k
b) Sean P = (0, 0, 0) y Q = (2, 1, 3).
La recta que pasa por P y Q es paralela al vector determinado por el
segmento
P
Q = (2, 1, 3) y sus ecuaciones paramtricas son:
x = 2k
y = k
<k<
z = 3k
312
lgebra
x=0
y=t
<t<
12. Demostrar que la recta r :
z=t
a) pertenece al plano 1 : 6x + 4y 4z = 0 :
t 6 0 + 4t 4t = 0 r 1 .
b) es paralela al plano 2 : 5x 3y + 3z = 1 y est por abajo de ste:
2 r = por qu t 5 0 3t + 3t = 0 = 1, entonces r es paralela a
2 .
Adems O = (0, 0, 0) r y el punto de interseccin de 2 con el eje z es
(0, 0, 13 ).
c) es paralela al plano 3 : 6x + 2y 2z = 1 y est por arriba de ste:
x 3 = 4t
x + 1 = 12s
y4=t
y 7 = 6s ,
r1 :
< t < y r2 :
<s<
z1=0
z 5 = 3s
se cortan y encontrar el punto de interseccin.
x = 3 + 4t
x = 1 + 12s
y =4+t
y = 7 + 6s , < s <
r1 :
< t < y r2 :
z=1
z = 5 + 3s
3 + 4t = 1 + 12s
4 + t = 7 + 6s
Tenemos que encontrar dos valores de t y s tales que
.
1 = 5 + 3s
Estos valores son s = 4
y
t
=
5.
El
punto
de
interseccin
es P =
3
(17, 1, 1).
lgebra
15.
313
15. Hallar la ecuacin del plano que contiene las rectas del ejercicio
v
v
v
v
=|
1
|
v
v =
v
v
= 1.
para
314
lgebra
lgebra
315
1 0 2
3 1
1 0 0 0 0
c3 = c3 2c1
1 1 1 3 1
1 1 1 0 2
c4 = c4 3c1
0 1 1
0 1 1 0 1
0 1
c5 = c5 c1
0 0 0
0 0
0 0 0 0 0
316
lgebra
1 0 0 0 0
1 1 0 0 0
c3 = c3 c2
0 1 0 0 1
c5 = c5 2c1
0 0 0 0 0
Como puede observarse, la matriz es gaussiana, con lo que su rango es 3.
Sin embargo, el rango correspondiente a la matriz formada por las 4 primeras
las es 2 , con lo que los vectores columna c1, c2 y c5 constituyen un sistema
libre. El vector (1, 1, 1, 0) no pertenece al subespacio H.
24. En el R e.v. R3 con su estructura de espacio vectorial habitual
determinar si los sistemas de vectores
(1, 1, 1), (1, 1, 0), (1, 0, 0) y (1, 2, 3), (2, 0, 1), (1, 2, 2)
son libres o ligados.
Como en el problema anterior, hay varias formas de resolverlo. La ms
sencilla es utilizar el mtodo de Gauss, pero lo vamos a hacer de dos formas
distintas:
a) Modo 1): Sean , , R tales que
( + + , + , ) = (0, 0, 0),
de donde, resolviendo el sistema de ecuaciones, = 0, = 0, = 0. Es decir,
el sistema {(1, 1, 1), (1, 1, 0), (1, 0, 0)} es libre.
Modo 2): Consideramos la matriz cuyas columnas son las coordenadas
de los vectores respecto de una base del espacio vectorial considerado (en
este caso la base cannica de R3 ) y hallamos el rango de esa matriz. Si el
rango de la matrz coincide con el nmero de vectores, el sistema es libre. Si
al hacer transformaciones elementales por columnas obtenemos una columna
de ceros, el vector correspondiente a esa columna se puede expresar como
combinacin
lineal
lgebra
317
1 2 1
2 0 2 ; puesto que no es gaussiana, la convertimos en gaussiana
3 1 2
realizando
transformaciones
elementales
por columnas:
1 2 1
1 2 2
2 0 2 c3 = c3 c1 2 0 0 c3 = c3 + c2
3 1 1
3 1 2
1 2 0
2 0 0
3 1 0
Est claro que el rango del sistema de vectores es 2, y que el correspondiente a la ltima columna se expresa como combinacin lineal de los
correspondientes a las dos primeras. Por consiguiente el sistema es ligado.
(, 0, 0, 0, , , , 0) + (0, , , , , , , 0) = (0, 0, 0, 0, 0, 0, 0, 0)
de donde = = 0.
El subespacio vectorial generado por estos vectores es
318
lgebra
Demostrar que el sistema p(x), p (x), p (x), p (x) formado por el polinomio
p(x) y sus sucesivas derivadas (hasta la tercera) es un sistema libre.
Lo hacemos por el mtodo de Gauss:
p (x) = 4x3 2x, p (x) = 12x2 2, p (x) = 24x
Siendo B = {1, x, x2 , x3 , x4 }, la matriz de coordenadas de los vectores del
sistema
considerado es
2
0 2 0
0 2 0 24
0
4
0 0
1
0
0 0
rango es igual al nmero de vectores columna no nulos, es decir, 4. Por tanto
una base del subespacio H = L{p(x), p (x), p (x), p (x)} es
lgebra
319
1 3 0 2
1 1 2 1
1 3 2
1
0
1
7
1
1
2 1 2 1 3 4 .
A = 2 1 1 , B =
2 2 3 0 , C =
0 2 0
1 6 2 2
1 2 1 1 3 1
5 1 1 0
1 3 2
1 0
0
c2 = c2 3c1
2 5 3 El rango de A es
A= 2 1 1
c3 = c3 2c1
0 2 0
0 2
0
3.
1 3 0 2
1 4 2 3
1 1 2 1 c2 = c2 + c1 1 0 0 0
1
c3 = c3 + 2c1 2 4 7 2 c3 = c3 32 c2
2
2
3
0
B=
1 6 2 2 c4 = c4 + c1 1 7 4 3 c4 = c4 4 c2
5 1 1 0
5 6 11 5
1 4 0 0
1 4 0 0
1 0 0 0
1 0 0 0
1
2 4 5 1 c4 = c4 + c3 2 4 5 0 El rango de B
5
1 7 1 43
1 7 1 9
2
4
2
20
5 6 8 12
5 6 8 21
10
es 4.
1 0 1 7 1 1
1 0 1 7
1 1
F = F2 2F1
0 1 0 13 1 2
C= 2 1 2 1 3 4 2
F3 = F3 F1
1 2 1 1 3 1
0 2 0 6 2 0
320
lgebra
1 0 1 7
1 1
0 1 0 13 1 2 El rango de C es 3.
0 0 0 20
0 4
F3 = F3 2F1
H = L({ 0 1 0 1 1
0 0 0 1 0
0
1
0
1
1
0
1
0
0
1
0
0
0
1
0
0
1
1
1
1
c2 = c2 + c1
c4 = c4 + c1
0
1
0
1
1
0
0
0
1
0
0 1 1 1 1 }).
0 1 0 0 1
0
0
0
0
0
0
1
0
1
1
0
0
1
0
0
0
0
0
1
0
0
0
0
1
0
0
0
1
0
0
c3 = c3 + c2
lgebra
321
B={ 0 1 0 1 1
0 1 0 0 1
0 1 1 1 1 }
3 1 0
3 1 1
3 1 4
2 1 3 c3 = c3 c1 2 1 1 c3 = c3 c2 2 1 0
1 1 1
1 1 0
1 1 0
3 4 0
c2 = c2 + c1 2 3 0 .
1 0 0
Entonces la dimensin de H es 2 y una base es B={(3, 2, 1), (1, 1, 1)}.
7.3
a) f :
R3
R
b) f :
R3
R
(x, y, z)
x + 2y 3z
(x, y, z)
xyz
c) f :
R2
R
2
(x, y)
x +y
322
lgebra
2. Dada la funcin lineal f : R2 R3 determinada por las condiciones
lgebra
323
1 1
1 0
= 2, T
= 1. T no es lineal ya que T (A) + T (B) =
0 0
0 0
T (A + B).
4. Sea T : R2 R2 el operador lineal denido por la expresin T (x, y) =
(2x y, 8x + 4y). Cules de los siguientes vectores estn en R(T )?
a) (1,-4)
b) (5,0) c) (-3,12)
T
324
lgebra
b) T : Rn Rn ; rango(T) = n-1.
dim(Ker(T)) = n-(n-1) =1, entonces Ker(T)={0} y T no es inyectiva.
c) T : Rm Rn ; n<m.
Ya que rango(T) n, dim(ker( T)) = m-rango(T) m-n > 0, entonces
T no es inyectiva.
d) T : Rn Rn ; R(T) = Rn .
dim(ker( T)) = n-rango(T) = n-n = 0, entonces Ker(T)={0} y T es
inyectiva.
9. Sea T : P2 P1 la transformacin lineal denida por
T (a0 + a1 x + a2 x2 ) = (a0 + a1 ) (2a1 + 3a2 )x.
a) Encontrar la matriz para T con respecto a las bases B2 = {1,x,x2 } y
B1 = {1,x} para P2 y P1 .
T(1) = 1, T(x) = 1-2x, T(x2 ) = -3x. La matriz asociada a T es
1 1
0
.
A=
0 2 3
b) Comprobar que la matriz (T)B2 ,B1 = MBB21 (T ) obtenida en el inciso a)
satisface la frmula : A(p(x))B2= (T(p(x)))
B2 .
a0
a0 + a1
1 1
0
a1 =
= (T(p(x)))B2 .
A(p(x))B2 =
(2a1 + 3a2 )
0 2 3
a2
10. Sea T1 : P1 P2 la transformacin lineal denida por
6
T2 T1 (1) = 6x, T2 T1 (x) = 9x2 . Entonces MBB31 (T2 T1 ) =
0
0
3
T2 (1) = 3x, T2 (x) = 3x2 , T2 (x2 ) = 3x3 . Entonces MBB32 (T2 ) =
0
0
0
0
9
0
0
0
3
0
0
0
.
0
3
lgebra
325
2 0
T1 (1) = 2, T1 (x) = 3x. Entonces MBB21 (T1 ) = 0 3 .
0 0
b) Escribir una frmula que relacione las matrices del inciso a).
MBB31 (T2 T1 ) = MBB32 (T2 )MBB21 (T1 ).
c) Comprobar que las matrices del inciso a) satisfacen la frmula planteada en el inciso b).
0 0
0 0 0
3 0 0 2 0
= 6 0 =
MBB32 (T2 )MBB21 (T1 ) =
0 3 0 0 3
0 9
0 0
0 0
0 0 3
= MBB31 (T2 T1 ).
11. Sean A y B matrices semejantes. Demostrar lo siguiente:
a) At y Bt son semejantes.
b) Si A y B son invertibles, entonces A1 y B1 son semejantes.
Por denicin de relacin de semejanza, existe una matriz invertible P tal
que
B = P1 A P.
a) Bt = (P1 A P)t = (A P)t (P1 )t = Pt At (P1 )t = Pt At (Pt )1
(utilizando la propiedades de la tranposicin vistas anteriormente ). Ya que
Pt es invertible, At y Bt son semejantes.
b) B1 = (P1 A P)1 = (A P)1 (P1 )1 = P1 A1 P . Entonces A1
y B1 son semejantes.
12.(Teorema alternativo de Fredholm) Sea T : V V un operador
lineal sobre un espacio vectorial n dimensional. Demostrar que se cumple
exactamente una de las siguientes proposiciones:
i) La ecuacin T(x) =b tiene una solucin para todo los vectores b en
V.
ii) Nulidad de T > 0.
Si no se verica i), entonces existe un vector b en V tal que b no apartenece
al imagen de la funcin lineal T. Entonces el rango de T es estrictamente
menor que n, Rango(T) < n, y Nulidad(T) = n - Rango (T) > n -n =0.
13. Sea la funcin lineal f : R4 R3 determinada por las condiciones
326
R3 .
lgebra
a) Hallar la matriz asociada a f respecto de las bases cannicas de R4 y
0 0
1 1
1 1
MBB3 (f ) = 0 0
1 1 1 1
Como la matriz que buscamos es MBB34 (f ), dicha matriz se obtiene considerando el esquema:
B4 IdR4 B
f B3
R4 R4 R3 ,
1 1 1 1
1 1 0 2
1 1 1 1 1 0 0 0
1 0 0 0
0 0 0
1 1 0 2 0 1 0 0
1 1 0 2 0 1 0
F1 F4
1 1 1 0
1 1 1 0
0 0 1 0
0 0 1
1 0 0 0
1 1 1 1 1 0 0
0 0 0 1
1
0
0
0
lgebra
327
0
0 0 0 1
2 0 1 0 -1
F = F3 F2
0
0 0 1 -1 3
F4 = F4 F2
1 1 0 0 1
1
-1
F = F4 F3
0 4
0
1
F2 = F2 2F4
-1
F3 = F3 + 2F4
0
F4 = F4
0
1
-1
0
0
0
0
0
1
2 1
2 1
1
0
0
0
1
0 0
1 1
1 1 0 0
2 1
2 1
1 1
1 1 0 0 .
= 0 0
2 1 1 0 =
1 1 1 1
1 0 0 2
1 0
1
0
1 0 0
F2 = F2 F1
0 1 0
F3 = F3 F1
0 1 1
F4 = F4 F1
0 1 1
1 0 0 0
0 0 0
0 1 0 2 0 1 0
0 0 1 2
0 -1 1
0 0 1 1
1 -1 0
0 0 0
1 0 0 0
0 1 0 2 0 1 0
0 0 1 2
0 -1 1
0 0 0 1 1 0 -1
1 0 0 0 0 0 0
0 1 0 0 -2 1 2
0 0 1 0 2 -1 -1
0 0 0 1 -1 0 1
1 -1 0 0
1 -1 0 0
1 0 0 2
c4 =
1
0 0 0
c4 + 2c1
0
1 0 0
0
0 1 0
0
0 0 1
1 -1 0 2
1 -1 0 2
1 0 0 0
c4 =
1
0 0 2
c4 2c2
0
1 0 0
0
0 1 0
0
0 0 1
328
lgebra
1 -1 0 0
1 -1 0 0
1 0 0 0
1
0 0 2
0
1 0 -2
0
0 1 0
0
0 0 1
0 2
0 2
1 0
0 1
a
b
u1
u2
=
u3
u3
1 1
1 1
1 0
a
b
v1
= v2 .
v3
15 11 5
MBB (f ) = 20 15 8 .
8 7 6
Hallar la matriz asociada a f respecto de la base B = {u1 , u2 , u3 }, donde
u1 = 2e1 + 3e2 + e3 ,
u2 = 3e1 + 4e2 + e3 ,
u3 = e1 + 2e2 + 2e3 .
lgebra
329
B
E
IdE B f B IdE B
E E E
2 3 1
MBB (IdE ) = 3 4 2 es la matriz de
1 1 2
de B y
6 5
B
B
1
4 3
MB (IdE ) = (MB (IdE )) =
1 1
6 5 2
15 11
MBB (f ) = 4 3 1 20 15
1 1 1
8 7
2
1 . Entonces,
1
5
2 3 1
8 3 4 2 =
6
1 1 2
1 0 0
= 0 2 0 .
0 0 3
15. Hallar una base del ncleo y una base de la imagen de la siguiente
funcin lineal:
f : R4 R3 determinada por las condiciones:
1
MBB34 (f ) = 0
1
que
2
3 1
1
0 1
1 1 1
Utilizando el mtodo desarrollado en el aula (he incluido todas las transformaciones por columnas en un solo paso) , tendremos que:
330
lgebra
1 2
3 1
0 1
0 1 c2 = c2 2c1
c = c 3c
1 1 1 1 3
3
1
c
=
c
1
4
4
1
1
c4 = c4 c2
3
1
c4 = c4 + 4 c3
1 0
0
0
0 1
0
0
1 3 4 0
1 2 3 45
1
1
3
1
4
1
de donde
5
3
, 1, , 1)
4
4
u1 = 2e1 + 3e2 ,
u2 = 3e1 + 4e2 ,
y B2 = {e1 , e2 } = {(1, 0), (0, 1)}. Siendo la funcin lineal f : R2 R2 tal
que su matriz asociada respecto de B es
MBB (f ) =
3 15
2 10
3 0
3 15
2 10
2 0
c2 = c2 5c1
.
1 5
1
1
1
5
3
y
estn ex1
2
presadas respecto de la base B = {u1 , u2 }, tendremos que el vector
Luego, teniendo en cuenta que las coordenadas
lgebra
331
7.4
1. En el espacio vectorial eucldeo R3 con el producto escalar usual se considera el sistema de vectores
Sea
v1 = (1, 2, 1), v1 = 1 + 4 + 1 = 6 y sea
v2 = (0, 1, 1)
v2 =
B = {w1 =
1
16 49
+
+
=
36 36 36
11
.
6
v1
v2
1 2 1
1
4
7
, w2 =
} = {( , , ), ( , , )}
v1
v2
6 6 6
66 66 66
2
10
2 14 59
p (u) = u, w1 w1+ u, w2 w2 = w1 + w2 = ( , , ).
11 11 11
6
66
332
lgebra
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 = 0 con xi Z2
y en consecuencia dicho conjunto es un subespacio vectorial de Z82 .
Una matriz generadora del cdigo de paridad es la matriz
1 0 0 0 0 0 0
0 1 0 0 0 0 0
0 0 1 0 0 0 0
0 0 0 1 0 0 0
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
1 1 1 1 1 1 1
Una matriz de control del cdigo de paridad es
1 1 1 1 1 1 1 1
ya que su dimensin es 1 8 y C es el ncleo de la funcin lineal
f (x1 , x2 , x3 , x4 , x5 , x6, x7 , x8 ) = x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 .
2. Obtener una matriz generadora y una matriz de control del cdigo de
repeticin expuesto en los apuntes de clase.
El cdigo de repeticin es lineal ya que pueden ser descrito como el como
el conjunto de soluciones del siguiente sistema de ecuaciones lineales:
x1 = x2
con xi Z2
x2 = x3
que equivale al siguiente sistema de ecuaciones lineales homogneas:
x1 + x2 = 0
con xi Z2 .
x2 + x3 = 0
lgebra
333
1 1 0
0 1 1
es:
1
1
G =
1
1
1
1
1
1
1
0
0
1
1
0
1
1
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
F2
F3
F4
F1
F2
F2
1
0
0
1
1
0
.
1
1
= F2 + F1
= F3 + F1
1
= F4 + F1
0
0
= F1 + F2
0
= F2 + F3
F3
0 0
1 0
0 1
0 0
0
1
0
1
1
0
1
0
0
1
1
0
0
0
0
1
H=
es:
1 0 0
H=
Una posible solucin es:
1 0 1 0
1 1 1 1
334
lgebra
1
1
1
0
0
0
0
1
0
1
0
0
1
1
0
0
1
0
0
1
0
0
0
1
c3 = c3 + c1
1
1
1
0
0
0
0
1
0
1
0
0
0
0
1
0
1
0
1 0
0 1
G =
1 0
0 1
0
1
0
0
0
1
c4 = c4 + c2
1
1
1
0
0
0
0
1
0
1
0
0
0
0
1
0
1
0
0
0
0
1
0
1
del cdigo
ya que sus columnas forman una base del ncleo de la funcin lineal cuya
matriz asociada es H.
5. Determinar una matriz de control y una matriz que permita realizar
la decodicacin del cdigo generado por los vectores cuyas coordenadas
respecto de la base cannica de Z42 son las columnas de la matriz:
0 1 1
1 1 0
1 0 1
0 1 1
Obsrvese que, puesto que las columnas de la matriz forman un sistema
ligado, pues c3 = c1 + c2 , y dado que la matriz formada por las dos primeras
columnas de la matriz dada es una matriz gaussiana sin ninguna columna
nula, resulta que una matriz generadora del cdigo es la matriz formada por
las dos primeras columnas, esto es:
0 1
1 1
G=
1 0 .
0 1
Operando ahora con el
0 1 1 0 0
1 1 0 1 0
1 0 0 0 1
0 1 0 0 0
algoritmo estudiado:
F2 = F2 + F1
1
0
0 F3 = F3 + F2
0
0
F4 = F4 + F1
0
1
0
F2 F1
0
1
0
0
1
1
1
1
1
0
1
0
0
0
1
0
0
0
0
1
lgebra
335
H=
1 1
1 0
1 0
0 1
T =
1 1 0
1 0 0
0
0
1 1
1 0
G =
1 1
0 1
F2 = F2 + F1
1 1 1 0 0 0
1 0 0 1 0
1 0 0 1 0 0 F3 = F3 + F1
0 1 1 1 0
1 1 0 0 1 0 F4 = F4 + F2 0 0 1 0 1
0 1 0 0 0 1
0 0 1 1 0
F1 = F1 + F2
realizar
0
0
0
1
H=
1 0
1 1
1 0
0 1
T =
7.6
0 1 0
1 1 0
0
0
a2 = 3.
336
es
lgebra
La ecuacin caracterstica de la relacin de recurrencia homognea dada
x2 7x + 12 = 0
cuyas races son x = 3 y x = 4. Por consiguiente, las sucesiones que satisfacen
esa relacin de recurrencia son de la forma:
{3n } + {4n }.
Imponiendo que se satisfagan las condiciones iniciales:
3 + 4 = 1
3 + 4 = 1
de donde
, de donde = 0 y = 13 ,
32 + 42 = 3
9 + 16 = 3
con lo que la sucesin buscada es
1 n
{3 } = {3n1 }.
3
x3 4x2 + 5x 2 = 0
ecuacin que se puede expresar de la forma (x 2) (x 1)2 = 0 y que por
tanto tiene una raiz x = 1 de multiplicidad 2 y otra raiz x = 2 de multiplicidad 1. Por consiguiente, las sucesiones que satisfacen esa relacin de
recurrencia son de la forma:
D2 (f ) 7D(f ) + 12f = et .
lgebra
337
x2 7x + 12 = 0
ecuacin que se puede expresar de la forma (x 3) (x 4) = 0. Por consiguiente, una base del espacio de soluciones
{e3t , e4t }.
Como por otra parte el trmino independiente es solucin de la ecuacin
(D + Id)(f ) = 0 D(f ) + f = 0
podemos obtener una solucin particular por el mtodo de los coecientes
indeterminados: Las soluciones de la ecuacin dada lo sern tambin de la
ecuacin
((D + Id) (D 3Id) (D 4Id))(f ) = 0
Como las soluciones de esta ltima ecuacin son de la forma
e3t + e4t + et ,
imponiendo que satisfagan la ecuacin original dada tendremos que
es decir,
(20 et ) = et
de donde 20 = 1, es decir,
1
.
20
En denitiva, la solucin general de la ecuacin dada, con y constantes
arbitrarias es
1
f (t) = et + e3t + e4t
20
=
338
lgebra
D(f ) 2f = e2t
f (0) = 1.
Buscamos las soluciones de la ecuacin no homognea dada empleando el
mtodo de los coecientes indeterminados:
Puesto que e2t es solucin de la ecuacin diferencial
(D 2Id) (f ) = 0,
buscamos nuestras soluciones entre las soluciones de la ecuacin
D(f ) 2f = e2t
obtenemos
es decir,
de donde
x1 = 5x1 + 4x2
x2 = x1 + 2x2
lgebra
339
x2 (0) = 3.
Obtenemos las races del polinomio caracterstico, los autovectores correspondientes y la inversa de la matriz P de paso, resultando
1
5
1
5
4
5
1
5
5 4
1 2
1 4
1 1
1 0
0 6
z1 (t) = z1 (t)
z2 (t) = 6z2 (t)
es decir,
z1 (t) = et
z2 (t) = e6t
siendo
1 4
1 1
1 4
1 1
et
e6t
x1 (t)
x2 (t)
z1 (t)
z2 (t)
es decir,
x1 (t)
x2 (t)
et + 4e6t
et + e6t
2
3
+ 4
+
x1 (t)
x2 (t)
2et + 4e6t
2et + e6t
b1 = 3.
340
lgebra
El sistema planteado en forma matricial es
an+1
bn+1
5 4
1 2
an
bn
4
5
1
5
5 4
1 2
1 4
1 1
1 0
0 6
con lo que resolver el sistema de relaciones de recurrencia indicado es equivalente a resolver el sistema de relaciones de recurrencia
cn+1
dn+1
con
an
bn
Obviamente
1 0
0 6
cn
dn
1 4
1 1
cn
dn
=
{cn }
{dn }
{1n }
{6n }
con lo que
an
bn
6n
1 4
1 1
+ 4 6n
+ 6n
a1
b1
2
3
de donde
+ 24
+ 6
30 = 5 =
= 2
1
6
y, en denitiva, la solucin es
an
bn
2 + 4 6n1
2 + 6n1
lgebra
341
2 1 1
A = 2 3 2 .
3 3 4
Despus de hallar los autovalores, los autovectores y la matriz de paso
llegamos a:
5 1
1
1 0 0
1 2 1
2 1 1
6
6
1 1 0 0 7 0 1 1 1 = 2 3 2
3
3
12 21 1
0 0 1
0 32 1
3 3 4
con lo que
n 5
2 1 1
6
2 3 2 = 1
3
12
3 3 4
1
6
1
3
1
2
1
1 0 0
1 2 1
0 0 7n 0 1 1 1 ,
1
0 0 1
0 32 1
es decir,
n
5 1
1
1 0 0
1 2 1
2 1 1
6
6
2 3 2 = 1 1 0 0 7n 0 1 1 1 =
3
3
21 12 1
0 0 1
0 32 1
3 3 4
5 1 n
+ 67
16 + 16 7n 16 + 16 7n
6
= 31 + 13 7n 23 + 13 7n 13 + 13 7n .
21 + 12 7n 12 + 12 7n 12 + 12 7n
342
lgebra
Apndice A
Nuevo mtodo de triangulacin
por semejanza
Motivado por el hecho de que la relacin de semejanza constituye el mecanismo bsico de transformacin de los sistemas de ecuaciones diferenciales,
vamos a establecer otro algoritmo que nos permita construir matrices semejantes.
Como es habitual en lgebra lineal, el procedimiento que vamos a discutir est basado en el uso de transformaciones elementales, que ya fueron
introducidas en el captulo 2. Recordemos cuales son:
343
344
lgebra
Transformacin
Ejemplo
1 0
0 1
c2 = c2 + 7c1
1 7
0 1
c1 = 5c1
5 7
0 1
7 3
0 1
c1
c2
3 7
1 0
1 0
0 1
f2 = f2 + 7f1
1 0
5 1
f1 = 7f1
7 0
5 1
7 0
3 1
f1 f2
3 1
7 0
1 7
0 1
1 0
7 1
Segn vimos en el captulo 2 y en la prctica correspondiente, cada trasformacin elemental se corresponde con la operacin de multiplicar por una
cierta matriz invertible, en el sentido de la siguiente proposicin.
A tf A
In tf P,
donde tf denota una transformacin elemental por las, se verica que A =
PA y que la matriz P Mn (K) es invertible.
lgebra
345
Este resultado nos da la clave para establecer un mecanismo para construir matrices semejantes. Observemos el siguiente esquema, donde tc representa una transformacin elemental por columnas y tf por las:
A tc tf B
In tc P
= B = P AP.
In tf P
Para conseguir que A y B sean semejantes, basta ajustar las transformaciones
tc y tf para que sus correspondiente matrices, P y P , sean la una inversa de
la otra. Ahora bien, para que P = P1 , basta conseguir que
In t c t f In ,
(A.1)
ya que esto querra decir que In = P In P = P P. En la siguiente tabla asociamos a cada transformacin por columnas su correspondiente transformacin
inversa por las:
Columnas: tc
ci = ci + cj
ci = ci
ci cj
Filas: tf
fj = fj fi
1
fi = fi
fi fj
Para cerciorarse de que esta tabla est bien construida basta comprobar
(A.1).
A partir de este momento, asumiremos el siguiente convenio de notacin:
si t denota a una trasformacin elemental por columnas o por las, t1 denotar a la correspondiente transformacin inversa respectivamente por las
o por columnas. Por ejemplo (ci = ci + cj )1 = (fj = fj fi ).
Finalmente, utilizado esta notacin, podemos concluir que en el supuesto
de que t1 , . . . tr sean transformaciones por columnas:
t
t1
t1
r
1
1
r
A
A
t1
In P1
..
.
r
Pr
In
A = (P1 . . . Pr )1 A (P1 . . . Pr ) .
346
lgebra
t1
r
1
r
1
A
A
t1
In P1
..
.
r
In
Pr
A = (P1 . . . Pr )1 A (P1 . . . Pr ) ,
luego, en particular, A = A .
Ahora ya tenemos un mecanismo que nos permite construir matrices semejantes, que consiste bsicamente en compensar cada transformacin elemental por columnas con su correspondiente inversa por las o viceversa.
Pero adems, a travs del siguiente esquema podemos tambin obtener la
matriz de paso:
A
In
r
1
AP
t1
tr
P
t1
t1
1
r
P1 A P
P.
1
2
0
1
0
0
3
1
2
0
1
0
2
1
0
0
0
1
c2 = c2 3c1
c3 = c3 2c1
tendremos que :
1 0
0
2 5 3
0 2
0
1 3 2
0 1
0
0 0
1
7 11 9
2 5 3
0 2
0
1 3 2
0 1
0 ,
0 0
1
f1 = f1 + 3f2
f1 = f1 + 2f3
lgebra
347
1 3 2
1 3 2
1 3 2
7 11 9
0 1
0 2 1 1 0 1
0 = 2 5 3 .
0 0
1
0 2 0
0 0
1
0 2
0
La demostracin del siguiente teorema constituye un algoritmo que permite la obtencin de la matriz triangular semejante a una matriz dada
A Mn (C).
A = T0 T1 Tn = T,
cada una semejante a la anterior (y en consecuencia todas ellas son semejantes
entre s) y de tal modo Ti es de la forma
Ani
T =
Rini
i
0
i
..
.
..
348
lgebra
Ti In =
Ani Ini
i
..
.
Rini
..
11
..
.
ni1
0
.. .
.
0
11
..
.
0
..
.
ni1 0
Rini
0
i
..
.
..
(A.2)
Las transformaciones t1 , t2 , . . . , tk que hemos empleado, nicamente afectan a las primeras n i columnas, por tanto las correspondientes transfor1
1
nicamente afectan a las primeras n i
maciones inversas t1
1 , t2 , . . . , tk
las ya que, para cualquier j {1, . . . , k} si:
cr = cr + cs
cr = cr
, como 1 r, s n i,
tj =
cr cs
lgebra
349
t1
j
fs = fs fr
fr = 1 fr
=
con 1 r, s n i.
fr fs
1
1
Esto quiere decir que si aplicamos las transformaciones t1
1 , t2 , . . . , tk sobre
la matriz (A.2), obtendremos una matriz T cuya forma es:
11
..
.
0
..
.
ni1 0
T =
Rini
0
i
..
.
..
1
1
(Obsrvese que las transformaciones t1
1 , t2 , . . . , tk no han podido alterar
los ceros que aparecan en la columna n i de la matriz (A.2)) Ahora bien,
en este momento tenemos que T es semejante a Ti ni In , es decir existe
una matriz invertible P tal que
T = P1 (Ti ni In ) P.
Pero entonces T = (P1 Ti P) ni (P1 In P) = P1 Ti P ni In ,
y en consecuencia P1 Ti P = T + ni In , es decir
11 +
..
P1 Ti P = ni1
Rini1
1ni1
..
.
ni,ni1
ri,ni
..
.
i
..
.
rn,ni
..
350
lgebra
autovalor de Ani utilizado para aumentar el tamao de la submatriz triangular permanece hasta el nal, apareciendo en la diagonal principal de la
matriz T. Ahora bien, por ser T y A semejantes sus polinomios caractersticos coinciden, y por ser T triangular:
n X
0
0
a21
n1 X
0
|T XIn | =
=
..
..
..
.
.
.
.
.
.
an1
an2
1 X
= (1 X) (n1 X) (n X) .
Esto quiere decir que el autovalor de Ani utilizado necesariamente es un
autovalor de A que no ha sido utilizado previamente.
Ejemplo A.0.3 Triangular por semejanza y hallar la matriz de paso correspondiente a la matriz
2 0
3
A = 3 2 9
1 2
6
2 X
0
3
3
2 X
9
1
2
6X
= X + 2X 2 X 3 = (1 X)2 (0 X).
2 0
3
3 2 9
1 2
6
I3
1
0
0
0
1
0
0
0
1
3 0
3
3 3 9
1 2
5
c3 = c3 + c1
1
0
0
0
1
0
0
0
1
lgebra
351
3 0
0
3 3 6
1 2
4
c
=
c
2c
3
3
2
1
0
1
0
1
0
0
0
1
f1 = f1 f3
f2 = f2 + 2f3
2 2 0
1
1
0
1 2
0
1
0
1
0
1 2
0
0
1
3 0
0
3 3 0
1 2
0
1
0
1
0
1 2
0
0
1
+I3
1
1
1
1
0
0
2
2
2
0
1
0
0
0
1
1
2
1
1 2 0
2 2 0
1
1
2
0
1
0
1 2
1
1
2
0
I3
c2 = c2 c1
1
0
1
0
1
0
0
1 2
1 2
0
0
1
0
0
1
2 0
0
1
0
0
1 3
0
1 1 1
0
1 2
0
0
1
f1 = f1 + f2
+I3
0
0
0
1
1
0
1 3
1
1 1 1
0
1 2
0
0
1
1
1
1
1
0
0
0
0
3
1
1
0
0
0
0
1
2
1
352
lgebra
Como T2 ya es triangular, hemos acabado y hemos obtenido que:
1 1 1
1 1 1
0 0 0
0 1 2 A 0 1 2 = 1 1 0 .
0 0
1
0 0
1
1 3 1
Bibliografa
[A]
[Ap]
[B]
[C]
Criado, R. et al, Fundamentos Matemticos I: lgebra y ecuaciones diferenciales con coecientes constantes, Ed. Centro de
Estudios Ramn Areces S. A., 1998.
[Cu]
[D]
[De]
[G]
[H]
[J]
[N]
353